本發(fā)明涉及無人機技術(shù)領(lǐng)域，特別是涉及一種無人機飛行速度的測量方法及裝置。

背景技術(shù)：

無人機是利用無線電遙控設(shè)備和自備的程序控制裝置操縱的不載人飛機。一般情況下，采用gps定位系統(tǒng)與慣性測量系統(tǒng)相結(jié)合的方式來實現(xiàn)無人機的飛行控制，在無gps的情況下，則需要獲取無人機的飛行速度來控制無人機的飛行狀態(tài)。

目前，在無gps的情況下，借助安裝于無人機底部的攝像頭采集圖像數(shù)據(jù)，然后采用金字塔光流算法或塊匹配光流算法計算兩幀圖像的運動矢量，進而得到光流速度，最后根據(jù)高度測量傳感器獲取高度和光流速度即可計算得到無人機的飛行速度。

在現(xiàn)有技術(shù)中，塊匹配方法最小只能測量一個像素的精度，當(dāng)無人機以較低的速度移動時計算不出實際的飛行速度；金字塔光流算法適用于小運動，圖像隨時間的運動比較緩慢，當(dāng)無人機以較高的速度移動時，計算速度緩慢，并且速度測量范圍較小，無法滿足實際應(yīng)用情況。因此，如何更精確、更快地測量無人機飛行速度成為本領(lǐng)域技術(shù)人員要解決的技術(shù)問題。

技術(shù)實現(xiàn)要素：

本發(fā)明主要解決的技術(shù)問題是提供一種無人機飛行速度的測量方法及裝置，實現(xiàn)更精確、計算速度更快的無人機飛行速度的測量。

為了解決上述技術(shù)問題，本發(fā)明包括以下技術(shù)方案：

提供一種無人機飛行速度的測量方法，所述方法包括：

s1：獲取圖像信息，并做灰度化處理，獲取圖像灰度圖；

s2：采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度；

s3：更新圖像灰度圖，同時判斷所述飛行速度是否大于第一閾值；

s4：當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度；反之，繼續(xù)使用所述金字塔光流算法獲取光流速度；

s5：根據(jù)步驟s4中所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度；

s6：循環(huán)步驟s3-s5。

進一步地，所述步驟s3中的第一閾值由如下公式得出：

vmax＝hwnffps/f

其中，vmax為第一閾值；

h為無人機飛行的相對高度值；

w為金字塔光流算法測量的最大寬度；

n為單個像素的寬度；

ffps為圖像頻率；

f為圖像傳感器鏡頭的焦距值。

進一步地，所述步驟s4中塊匹配光流算法獲取光流速度的具體步驟為：

(1)獲取前后兩幀圖像灰度圖，從當(dāng)前幀圖像灰度圖中隨機選取待匹配塊；

(2)根據(jù)匹配準(zhǔn)則從后一幀圖像灰度圖內(nèi)搜索與當(dāng)前幀圖像灰度圖中所述待匹配塊對應(yīng)的搜索塊，并獲取所述搜索塊相對于所述待匹配塊的位置信息變化情況；

(3)進一步基于匹配準(zhǔn)則以及所獲取搜索塊的位置信息找出待匹配塊在后一幀圖像灰度圖中匹配度最好的匹配位置；

(4)根據(jù)匹配位置相對于待匹配塊的位置信息變化情況得到光流向量，通過差分，獲取光流速度。

進一步地，所述步驟(3)具體為：

將所述待匹配塊和搜索塊分別分割成對應(yīng)的多個小像素塊，分別對應(yīng)建立以一個小像素塊為中心的周圍8個方向的搜索區(qū)域；

分別獲取所述搜索塊內(nèi)所有小像素塊與待匹配塊中對應(yīng)的小像素塊的8個方向的灰度差值；

將所有小像素塊對應(yīng)的8個方向的灰度差值進行加權(quán)平均，得出灰度差值最大的方向，即為匹配位置相對于所述搜索塊的偏移方向；

求取所述匹配位置相對于搜索塊的水平方向偏移量以及垂直方向偏移量，從而獲取匹配位置相對于待匹配塊的位置信息變化情況。

進一步地，所述步驟s2中采用金字塔光流算法獲取光流速度的具體步驟為：

對獲取的前后兩幀圖像灰度圖進行金字塔分層；

從當(dāng)前幀圖像灰度圖中提取特征點；

根據(jù)所述當(dāng)前幀圖像灰度圖的特征點從所述后一幀圖像中搜索對應(yīng)的特征點；

根據(jù)所述當(dāng)前幀圖像的最頂層圖像的特征點和所述后一幀圖像的最頂層圖像相對應(yīng)的特征點獲取特征點在頂層圖像層中的速度；

依次獲取所述特征點在分層后其它各圖層中的速度，金字塔最底層的圖像層中的特征點速度即為光流速度。

進一步地，所述的無人機飛行速度的測量方法，步驟s2和s3之間還包括以下步驟：

判斷圖像頻率是否滿足預(yù)設(shè)條件，所述圖像頻率滿足預(yù)設(shè)條件，則執(zhí)行步驟s3。

進一步地，所述圖像頻率不滿足預(yù)設(shè)條件時，還包括以下步驟：

a.更新圖像灰度圖，并進一步判斷所述飛行速度是否大于第二閾值；

b.當(dāng)所述飛行速度大于所述第二閾值，則使用金字塔光流算法獲取光流速度；反之，則使用塊匹配光流算法獲取光流速度；

c.根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度；

d.循環(huán)步驟a-c。

本發(fā)明還提供了一種無人機飛行速度的測量裝置，包括：

圖像傳感器，用于獲取圖像；

高度傳感器，用于采集無人機的相對高度數(shù)據(jù)；

處理器，與所述圖像傳感器/所述陀螺儀和所述高度測量儀均電性連接，所述處理器用于執(zhí)行計算機指令以對圖像傳感器獲取的圖像信息進行灰度化處理，獲取圖像灰度圖，采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度，更新圖像灰度圖，同時判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

進一步地，所述處理器判斷圖像頻率是否滿足預(yù)設(shè)條件，所述圖像頻率滿足預(yù)設(shè)條件，更新圖像灰度圖，同時判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

進一步地，所述圖像頻率不滿足預(yù)設(shè)條件時，更新圖像灰度圖，并進一步判斷所述飛行速度是否大于第二閾值，當(dāng)所述飛行速度大于所述第二閾值，則使用金字塔光流算法獲取光流速度，反之，則使用塊匹配光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

采用上述技術(shù)方案，包括以下有益效果：本發(fā)明采用金字塔光流算法和塊匹配光流算法獲取光流速度，對塊匹配光流算法提出了改進，根據(jù)匹配準(zhǔn)則進一步獲取更精確的匹配位置，與現(xiàn)有技術(shù)相比，提高了塊匹配光流算法的測量精度，并根據(jù)閾值選擇更加適合的光流算法，提高了無人機飛行速度的測量精度和計算速度。

附圖說明

圖1為本發(fā)明第一實施例的無人機的飛行速度的測量方法的流程圖；

圖2為本發(fā)明第一實施例的依據(jù)塊匹配光流算法獲取光流速度的流程圖；

圖3為本發(fā)明第一實施例的待匹配塊的示意圖；

圖4為本發(fā)明第一實施例的搜索塊的示意圖；

圖5為本發(fā)明第一實施例的一個小像素塊為中心的周圍8個方向的搜索區(qū)域的示意圖；

圖6為本發(fā)明第二實施例的無人機的飛行速度的測量方法的流程圖；

圖7為本發(fā)明實施例的無人機的飛行速度的測量裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

在本發(fā)明中，術(shù)語“上”、“下”、“左”、“右”、“前”、“后”、“頂”、“底”、“內(nèi)”、“外”、“中”、“豎直”、“水平”、“橫向”、“縱向”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系。這些術(shù)語主要是為了更好地描述本發(fā)明及其實施例，并非用于限定所指示的裝置、元件或組成部分必須具有特定方位，或以特定方位進行構(gòu)造和操作。

并且，上述部分術(shù)語除了可以用于表示方位或位置關(guān)系以外，還可能用于表示其他含義，例如術(shù)語“上”在某些情況下也可能用于表示某種依附關(guān)系或連接關(guān)系。對于本領(lǐng)域普通技術(shù)人員而言，可以根據(jù)具體情況理解這些術(shù)語在本發(fā)明中的具體含義。

此外，術(shù)語“安裝”、“設(shè)置”、“設(shè)有”、“連接”、“相連”“套接”應(yīng)做廣義理解。例如，可以是固定連接，可拆卸連接，或整體式構(gòu)造；可以是機械連接，或電連接；可以是直接相連，或者是通過中間媒介間接相連，又或者是兩個裝置、元件或組成部分之間內(nèi)部的連通。對于本領(lǐng)域普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

除非另有說明，“多個”的含義為兩個或兩個以上。

下面通過具體的實施例并結(jié)合附圖對本發(fā)明做進一步的詳細描述。

實施例一：

圖1為本發(fā)明實施例一提供的一種無人機的飛行速度的測量方法的流程圖。需注意的是，若有實質(zhì)上相同的結(jié)果，本發(fā)明的方法并不以圖1所示的流程順序為限。如圖1所示，該方法具體包括：

s110：獲取圖像信息，并做灰度化處理，獲取圖像灰度圖。

其中，由圖像傳感器獲取地面的實時圖像信息，對獲取的實時圖像信息作灰度化處理，獲取連續(xù)的圖像灰度圖。

s120：采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

需要說明的是，金字塔光流算法將二維速度場與灰度相聯(lián)系，引入光流約束方程，得到光流計算的基本算法?；谖矬w移動的光學(xué)特性提出了兩個假設(shè)：①運動物體的灰度在很短的間隔時間內(nèi)保持不變；②時間連續(xù)或者運動是小運動，圖像隨時間的運動比較緩慢，實際中指的是時間變化相對圖像中的運動的比例要足夠小?；谏鲜鰞蓚€假設(shè)的前提，使用金字塔光流算法計算光流速度存在以下問題：對無人機的飛行速度、圖像頻率以及處理器硬件有一定的要求，并且速度測量范圍較小，當(dāng)無人機的飛行速度過快，容易出現(xiàn)誤差較大甚至完全錯誤的問題，而提高圖像頻率能夠解決飛行速度過快時導(dǎo)致的誤差或錯誤問題，但是同時會帶來計算速度的問題，提高圖像頻率將導(dǎo)致處理器計算量增大，對處理器的硬件配置要求較高，無法實現(xiàn)低成本地準(zhǔn)確測量。對于小運動，即無人機飛行速度較慢時，使用金字塔算法計算光流速度的準(zhǔn)確度較高，實時性較強。

s130：更新圖像灰度圖，同時判斷所述飛行速度是否大于第一閾值。

其中，飛行速度是步驟s120得到的飛行速度，此步驟用于判斷下一圖像灰度圖采用何種光流算法獲取光流速度。

s140：當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度。

其中，雖然金字塔光流算法計算光流速度準(zhǔn)確度較高，實時性較強，但其具有一定的局限性，當(dāng)無人機飛行速度過快時，實時性較差，而塊匹配光流算法是光流算法中最為快速的一類方法，具有運算速度快、易實現(xiàn)等優(yōu)點，但同時也存在運算不準(zhǔn)確的缺點。在本實施例中根據(jù)第一閾值，選擇更適合的光流算法獲取光流速度。

s150：根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

需要說明的是，當(dāng)獲取無人機的飛行速度后，將重復(fù)步驟s130至s150。獲取無人機的飛行速度后，更新圖像灰度圖，并同時判斷所述飛行速度是否大于第一閾值，假設(shè)獲取的無人機飛行速度大于第一閾值，則使用塊匹配光流算法獲取光流速度，并根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度；反之，則使用金字塔光流算法獲取光流速度，最后根據(jù)獲取的光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

在本實施例中，所述步驟s130中的第一閾值由如下公式得出：

vmax＝hwnffps/f

其中，vmax為第一閾值；

h為無人機飛行的相對高度值，由高度傳感器獲取；

w為金字塔光流算法測量的最大寬度；

n為單個像素的寬度；

ffps為圖像頻率；

f為圖像傳感器鏡頭的焦距。

其中，第一閾值的大小與金字塔光流算法能夠測量的最大范圍有關(guān)，相關(guān)因素有無人機飛行的相對高度、圖像分辨率、單個像素的寬度、圖像頻率、圖像傳感器鏡頭的焦距。例如，假設(shè)無人機飛行的相對高度為1m，圖像分辨率為320*240，金字塔光流算法計算精度為0.1pix，測量的最大寬度為10pix，單個像素的寬度為3*10^-6m，圖像頻率為50hz，圖像傳感器鏡頭的焦距為2.6mm，在不進行降采樣的情況下，

第一閾值的大小為vmax＝10*10*3*10^-6*50/28*10^-3≈0.58(m/s)，在其他條件不變、無人機飛行的相對高度為2m時，第一閾值的大小為1.16m/s，依次類推，可以得到不同的相對高度對應(yīng)下的第一閾值大小。

需要說明的是，若圖像進行降采樣，則第一閾值的大小隨之發(fā)生變化，變化的大小與降采樣的變化相對應(yīng)。

本實施例中，針對塊匹配光流算法運算不準(zhǔn)確的缺點提出如下解決方案，所述塊匹配光流算法獲取光流速度的具體步驟為：

s201：獲取前后兩幀圖像灰度圖，從當(dāng)前幀圖像灰度圖中隨機選取待匹配塊。

其中，特征塊可以為方形區(qū)域，也可以為其他形式的區(qū)域，在此不作限制。

s202：根據(jù)匹配準(zhǔn)則從后一幀圖像灰度圖內(nèi)搜索與當(dāng)前幀圖像灰度圖中所述待匹配塊對應(yīng)的搜索塊，并獲取所述搜索塊相對于所述待匹配塊的位置信息變化情況。

其中，根據(jù)匹配準(zhǔn)則在后一幀圖像灰度圖中給定的搜索范圍內(nèi)找出與所述待匹配塊最為相似的一塊，從而獲取所述待匹配塊在后一幀圖像灰度圖中對應(yīng)的搜索塊。

本實施例采用絕對誤差和準(zhǔn)則(sad算法)的匹配準(zhǔn)則找到對應(yīng)的特征塊，也可以采用其他匹配準(zhǔn)則，在此不做限制。

具體方法，如圖3和圖4所示，t時刻對應(yīng)當(dāng)前幀圖像灰度圖，在t’時刻對應(yīng)后一幀圖像灰度圖，sad算法通過以下公式進行計算：

其中，g0為當(dāng)前幀圖像的灰度值，(i，j)為當(dāng)前幀圖像待匹配塊中某一個像素點的x、y軸方向的坐標(biāo)，g0(i，j)為當(dāng)前幀圖像待匹配塊內(nèi)部像素點的灰度值，m表示像素塊的x軸方向像素點個數(shù)，n為像素塊x軸方向的像素個數(shù)，g1為后一幀圖像的灰度值，u表示x軸方向的搜索像素個數(shù)，v表示y軸方向上的像素個數(shù)，g1(i+u，j+v)為當(dāng)前幀圖像待匹配塊投射到后一幀圖像中相同位置后并沿x軸方向、y軸方向分別移動u、v像素的像素塊中每一個像素點的灰度值。

其中，通過令當(dāng)前幀圖像的待匹配塊在后一幀灰度圖內(nèi)搜索灰度差和最小，獲取所述搜索塊相對于所述待匹配塊的位置信息變化情況。

需要說明的是，sad算法可通過采用匯編語言或者提高圖像分辨率來提高sad算法的計算速度。sad算法還可通過降采樣的方式達到更廣的測量范圍，尤其適合較高的飛機速度，確保測量數(shù)據(jù)的準(zhǔn)確性和計算速度。

s203：將所述待匹配塊和搜索塊分別分割成對應(yīng)的多個小像素塊，分別對應(yīng)建立以一個小像素塊為中心的周圍8個方向的搜索區(qū)域。

其中，如圖4和圖5所示，將所述待匹配塊與搜索塊分割成多個小像素塊，取其中一個像素塊s0，坐標(biāo)為(i0，j0)，灰度值記為s0(i0，j0)，建立以像素塊s0為中心的周圍8個小像素塊的搜索區(qū)域，搜索區(qū)域內(nèi)各像素塊灰度值為s1(i1，j1)、s2(i2，j2)，s3(i3，j3)、s4(i4，j4)、s5(i5，j5)、s6(i6，j6)、s7(i7，j7)和s8(i8，j8)。

s204：分別獲取所述搜索塊內(nèi)所有小像素塊與待匹配塊中對應(yīng)的小像素塊的8個方向的灰度差值。

其中，以像素塊s0在當(dāng)前幀圖像灰度圖中的8個方向的灰度值為：

根據(jù)相同的方法得出，像素塊s0在后一幀圖像灰度圖中的8個方向的灰度值為：

q’1、q’2、q’3、q’4、q’5、q’6、q’7、q’8；

像素塊s0在當(dāng)前幀圖像與后一幀圖像中各方向的灰度差值為qk＝q’k-qk，依次求出像素塊s0在當(dāng)前幀圖像與后一幀圖像中8個方向的灰度差值。

其中，依據(jù)上述方法分別獲取所述搜索塊內(nèi)所有的小像素塊與待匹配塊中對應(yīng)的小像素塊的8個方向的灰度差值。

s205：將所有小像素塊對應(yīng)的8個方向的灰度差值進行加權(quán)平均，得出灰度差值最大的方向，即為匹配位置相對于所述搜索塊的偏移方向。

其中，將所有小像素塊對應(yīng)的8個方向的灰度差值進行加權(quán)平均，最終得出灰度差值最大的一個方向。例如，求得的所有小像素塊q1方向的灰度差值q1最大，則匹配位置整體向x軸負方向、y軸負方向移動。

s206：求取所述匹配位置相對于搜索塊的水平方向偏移量以及垂直方向偏移量，從而獲取匹配位置相對于待匹配塊的位置信息變化情況。

其中，水平方向偏移量為所述小像素塊水平方向的像素的一半，垂直方向偏移量為所述小像素塊垂直方向的像素的一半。假設(shè)分割的小像素塊分辨率為16x16，則匹配位置在水平方向的偏移量為16/2，在垂直方向上的偏移量為16/2。

s207：根據(jù)匹配位置相對于待匹配塊的位置信息變化情況得到光流向量，通過差分，獲取光流速度。

其中，根據(jù)s205步驟中得出的偏移方向，扣除或增加所述水平方向和垂直方向的偏移量，進一步提高塊匹配光流算法的計算精度。承接上述舉例，所述搜索塊整體向x軸負方向、y軸負方向移動，得出搜索塊整體向x軸負方向移動8個像素點，向y軸負方向移動8個像素點，即為匹配度最好的匹配位置，將所述待匹配塊與搜索塊的位置信息變化(u，v)扣除所述偏移量，得到光流向量(u-8，v-8)，通過差分，獲得光流速度。

需要說明的是，本發(fā)明將所述待匹配塊與搜索塊進一步分割成多個小像素塊，進一步基于匹配準(zhǔn)則以及所獲取搜索塊的位置信息找出待匹配塊在后一幀圖像灰度圖中匹配度最好的匹配位置，從而求得更精確的匹配位置，提高了塊匹配光流算法的精確度。

在本實施例中，所述金字塔光流算法獲取光流速度包括：

(1)對獲取的前后兩幀圖像灰度圖進行金字塔分層。

(2)從當(dāng)前幀圖像灰度圖中提取特征點。

其中，求取金字塔分層后位于金字塔塔頂?shù)漠?dāng)前幀圖像的頂層圖像曾中各像素沿圖像x軸和圖像y軸的灰度值，并利用harris角點算法、sift特征點檢測算法或者fast特征點檢測算法從當(dāng)前幀圖像中提取特征點，其中，特征點理解為與相鄰像素點相比灰度發(fā)生明顯變化的像素點。

(3)根據(jù)所述當(dāng)前幀圖像灰度圖的特征點從所述后一幀圖像中搜索對應(yīng)的特征點。

(4)根據(jù)所述當(dāng)前幀圖像的最頂層圖像的特征點和所述后一幀圖像的最頂層圖像相對應(yīng)的特征點獲取特征點在頂層圖像層中的速度。

(5)依次獲取所述特征點在分層后其它各圖層中的速度，金字塔最底層的圖像層中的特征點速度即為光流速度。

需要說明的是，金字塔光流算法計算光流速度采用現(xiàn)有的計算算法，優(yōu)選lk光流改進算法。

本發(fā)明實施例提供了一種無人機飛行速度的測量方法，采用金字塔光流算法和塊匹配光流算法獲取光流速度，對塊匹配光流算法提出了改進，根據(jù)匹配準(zhǔn)則進一步獲取更精確的匹配位置，與現(xiàn)有技術(shù)相比，提高了塊匹配光流算法的測量精度，并根據(jù)第一閾值選擇更加適合的光流算法，提高了無人機飛行速度的測量精度和計算速度。

實施例二：

由于金字塔光流算法的計算量大，圖像頻率或處理器也會影響金字塔光流算法獲取光流速度的速度。當(dāng)頻率達到一定的閾值，采用金字塔光流算法計算的光流速度的延時就會比較長，計算速度會變慢。在沒有g(shù)ps的情況下，依靠飛行速度實現(xiàn)無人機的定位時，延時較長，將會嚴(yán)重影響無人機的定位準(zhǔn)確性。

本實施例針對上述問題，在實施例一的基礎(chǔ)上提出如下解決方案，圖7為本發(fā)明實施例二提供的一種無人機的飛行速度的測量方法的流程圖，具體包括：

獲取圖像信息，并做灰度化處理，獲取圖像灰度圖；

采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度；

判斷圖像頻率是否滿足預(yù)設(shè)條件，所述圖像頻率滿足預(yù)設(shè)條件，則更新圖像灰度圖，同時判斷所述飛行速度是否大于第一閾值；

當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度；

根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

其中，所述圖像頻率滿足預(yù)設(shè)條件，則達到了金字塔光流算法對計算速度的要求，但是金字塔光流算法還需要滿足運動是小運動條件，則進一步，更新圖像灰度圖，同時判斷所述飛行速度是否在設(shè)定的第一閾值范圍內(nèi)。

其中，所述預(yù)設(shè)條件為圖像頻率小于頻率閾值，頻率閾值的大小與金字塔光流算法的計算速度密切相關(guān)，所述頻率閾值的計算公式為

fmax＝1/t

fmax為頻率閾值；

t為金字塔光流算法計算光流速度所花的時間。

例如，假設(shè)圖像分辨率為320*240，所述處理器型號為高通驍龍810，金字塔分層為3層，提取的特征點數(shù)目為10個。經(jīng)實驗，在上述條件下，使用金字塔光流算法獲取光流速度的時間為20ms，則頻率閾值fmax的大小為50hz。

在本實施例中，所述圖像頻率不滿足預(yù)設(shè)條件時，還包括以下步驟：

a.更新圖像灰度圖，并同時判斷所述飛行速度是否大于第二閾值；

b.當(dāng)所述飛行速度大于第二閾值，則使用金字塔光流算法獲取光流速度；反之，則使用塊匹配光流算法獲取光流速度；

c.根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度；

d.循環(huán)步驟a-c。

其中，當(dāng)圖像頻率不滿足預(yù)設(shè)條件，則判斷所述飛行速度是否大于第二閾值，塊匹配光流算法具有運算速度快的優(yōu)勢，當(dāng)圖像頻率過大時，采用塊匹配光流算法計算速度會比金字塔光流算法快很多，但同時塊匹配光流算法具有計算不夠精確的缺點，設(shè)定的第二閾值為塊匹配光流算法能夠計算準(zhǔn)確的最大范圍，超過第二閾值使用塊匹配光流算法準(zhǔn)確度大大下降，雖然此時使用金字塔光流算法實時性上會略低，但其準(zhǔn)確性會比塊匹配光流算法高很多。

其中，第二閾值的具體計算公式為

v0＝hwmnffps/f

其中，v0為第二閾值；

h為無人機飛行的相對高度值，由高度傳感器獲?。?/p>

wm為塊匹配光流算法測量的最大寬度；

n為單個像素的寬度；

ffps為圖像頻率；

f為圖像傳感器鏡頭的焦距。

具體的，第二閾值的大小與無人機飛行的相對高度、塊匹配光流算法可測量的最大寬度、單個像素的寬度、圖像頻率、圖像傳感器鏡頭的焦距相關(guān)。例如，假設(shè)無人機飛行的相對高度為1m，塊匹配光流算法測量的最大寬度為4.5pix，單個像素的寬度為3*10^-6m，圖像頻率為50hz，圖像傳感器鏡頭的焦距為2.6mm，在不進行降采樣處理的情況下，

第二閾值的大小為v0＝1*4.5*3*10-6*50/2.6*10^-3≈0.26(m/s)。在其他條件不變、無人機飛行的相對高度為2m時，第二閾值的大小為0.52m/s，依次類推，可以得到不同的相對高度對應(yīng)下的第二閾值大小。

需要說明的是，若圖像進行降采樣，則第一閾值的大小隨之發(fā)生變化，變化的大小與降采樣的變化相對應(yīng)。

實施例三：

本實施例提供了一種無人機飛行速度的測量裝置，包括：

圖像傳感器，用于獲取圖像；

高度傳感器，用于采集無人機的高度數(shù)據(jù)；

處理器，與所述圖像傳感器/所述陀螺儀和所述高度測量儀均電性連接，所述處理器用于執(zhí)行計算機指令以對圖像傳感器獲取的圖像信息進行灰度化處理，獲取圖像灰度圖，采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度，更新圖像灰度圖，同時判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

在本實施例中，所述處理器判斷圖像頻率是否滿足預(yù)設(shè)條件，所述圖像頻率滿足預(yù)設(shè)條件，更新圖像灰度圖，同時判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

在本實施例中，所述圖像頻率不滿足預(yù)設(shè)條件時，更新圖像灰度圖，并進一步判斷所述飛行速度是否大于第二閾值，當(dāng)所述飛行速度大于所述第二閾值，則使用金字塔光流算法獲取光流速度；反之，則使用塊匹配光流算法獲取光流速度，根據(jù)所述光流速度和無人機的高度數(shù)據(jù)獲取無人機的飛行速度。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。