楊帥 龔欣 李歌

【摘 ?要】為彌補傳統(tǒng)基于無人機的地面目標定位模型應(yīng)用中暴露出的不足，本文提出應(yīng)用改進Mean Shift算法的建議。文章設(shè)計了改進后的Mean Shift目標定位算法，包括描述目標模型、確定相似性度量、確定輪廓函數(shù)的目標定位，科學選擇適宜的初始迭代點，進行仿真實驗研究，分析發(fā)現(xiàn)均值與標準差均處于設(shè)計范圍中，凸顯了Mean Shift 算法的優(yōu)越性，值得推廣。

【關(guān)鍵詞】無人機;目標定位;Mean Shift算法;仿真分析

引言

Fukunaga等人在一篇介紹概率密度梯度函數(shù)預(yù)測的論文中首次提出了Mean Shift算法，近些年國內(nèi)外人員對這種算法的研究深度不斷拓展，其在目標檢測于追蹤、圖像分割等諸多領(lǐng)域均有應(yīng)用。Mean Shift即均值偏移，實質(zhì)上就是偏移的均值向量。一般是指迭代的流程，先測算選中點內(nèi)的偏移向量，而后轉(zhuǎn)至本次的偏移均值位置，而后將該點作為下一次迭代的初始點，再執(zhí)行以上流程，屢次執(zhí)行以上操作，在符合設(shè)計條件時終止。

1、設(shè)計改進的Mean Shift目標定位算法

1.1目標模型

合理選擇特征空間是精準闡述目標特征，把空間內(nèi)的概率密度函數(shù)設(shè)定為目標的參考模型。采用圖內(nèi)單個橢圓區(qū)去表示目標模型。因為該目標在各種維度內(nèi)均會形成一定影響，需將目標規(guī)則化至單個圓內(nèi)，進而解除這種影響。采用帶寬 和 縮放長和寬兩個維度，這樣便能滿足規(guī)則化的要求。

在目標區(qū)域中存在n個像素點， 表示， 表示該目標區(qū)域的中心像素點。在目標模型內(nèi)，可以用下式計算模型內(nèi)特征值u=1，2…m：

上式為q 與p的 Bhattacharyya 系數(shù)的樣本估計，針對Bhattacharyya系數(shù)，可以將其理解成一個散度型的度量法?；谏鲜侥苤?區(qū)間（0，1），故 取值范圍（0，1）。且 與 兩者呈反比關(guān)系。

1.3輪廓函數(shù)的目標定位

在定位流程執(zhí)行的整個過程中，于遙感圖內(nèi)選出一個廚師迭代點作為迭代的初始位置（ ）是首個步驟，隨后與遙感圖內(nèi)檢索到下一個位置，此時要了解 的模型闡述，即在 處航拍圖的概率分布 。

白問題轉(zhuǎn)型成測求概率密度函數(shù)峰值問題，具體是在一個鄰域內(nèi)利用Mean Shift確定，這樣便能順利測算出以 為中心的Mean Shift向量，即：

2、選擇初始迭代點

基于基于人機交互模式選出 Mean Shift算法內(nèi)初始迭代點，而本課題研究中基于無人機自定位方式選出初始迭代點。大部分無人機自帶定位系統(tǒng)，例如GPS、伽利略等，在其探測到本體位置信息后，能獲得相機拍照模糊位置，但定位系統(tǒng)存在著一定偏差，若僅利用其進行目標定位會形成較大誤差，故而選擇無人機本體定位的位置作為初始迭代點。

3、仿真實驗和結(jié)果分析

通過實驗做出的結(jié)果分析與定位精度，其中后者的指標采取了計算均值與標準差，均值越小，標準越小，則越能獲得越好的定位效果，在本課題內(nèi)，若均值在0～7，標準差0～3，那么所得結(jié)果就越可靠。

觀察應(yīng)用無人機航拍和衛(wèi)星圖像兩者進行匹配定位的結(jié)果，分別列出了以三種不同直方圖為基礎(chǔ)的Mean Shift 算法定位結(jié)果。

觀察以各直方圖特征為基礎(chǔ)的匹配曲面局部放大圖像發(fā)現(xiàn)，本文設(shè)計的改進算法的匹配曲線連續(xù)且光滑，迭代過程中不會陷進極值點內(nèi)。觀察基于本文算法生成的相似性曲線，發(fā)現(xiàn)相似度在部分區(qū)域中盡管略有降低，但整條曲線呈上升的趨勢，曲線的最高點為0.9860?；谒惴ǖ亩ㄎ痪?，一共列出了5組點位，分別測算橫、縱坐標的均值與標準值。

測算所得的均值和標準差，X處的均值、標準差的誤差分別是2.7510、2.4351，Y處的均值、標準差的誤差依次是3.6250、2.1138。

采用兩張年份不同的遙感圖像開展實驗分析，基于如上的測試結(jié)果不難發(fā)現(xiàn)以GVF梯度幅值直方圖為基礎(chǔ)的Mean Shift算法更能精準的探尋到目標位置，盡管會形成些許誤差，但處于可接受的范疇中，但能明顯發(fā)現(xiàn)其他以兩種直方圖為基礎(chǔ)的Mean Shift算法下定位結(jié)果誤差偏大，并且能推測出定位到的位置和初始迭代點位選擇之間存在很大關(guān)聯(lián)性，伴隨初始迭代點與精準位置兩者間距的拉近，誤差也呈現(xiàn)減小趨勢。

結(jié)束語：

無人機目標定位為當下業(yè)內(nèi)研究的一個熱點問題，加強研究有重要的理論意義與實際應(yīng)用價值。本課題設(shè)計了新的定位方法，即以改進 Mean Shift算法為基礎(chǔ)的無人機目標定位。通過模擬仿真驗證了改進后Mean Shift算法精度的可靠性，具有一定魯棒性，值得推廣。

參考文獻：

[1]承琦，李磊.基于卡車和無人機聯(lián)合運輸下的末端配送算法研究[J]. 物流工程與管理，2020，042（003）：62-65.