2，y2)，（x3，y3)，在此后每次拍摄后对初始目标物进行跟踪得到新 的=个目标物坐标。将同一相机所捕获的目标物前后坐标信息进行比较，从而判断飞行器 的位置变化。 阳03引如图3所示，该图为初始图像。
[003引与图4对比，S个相机的图像中的立个目标物的坐标y值均增大，结果说明整个飞 行器水平高度增加了。
[0034]与图5对比，左侧相机中的S个目标物的坐标y值均增大，前方相机的S个目标物 从左到右坐标y值依次增大，不变，减小，右侧相机的=个目标物坐标y值均减小，结果说明 飞行器左侧升高，右侧降低，即飞行器发生向右的倾斜。
[0035] 根据比较结果控制器发出命令对飞行器进行调整，如发生图4结果时，控制飞行 器的四个旋翼转速同时降低，保证在高度降低的同时不发生偏转。如发生图5结果时，控制 飞行器左侧相机处的旋翼转速降低，右侧相机处的旋翼转速升高，前后旋翼转速保持，从而 调节飞行器的倾斜。在调整过程同时多相机实时采集图像信息并进行处理，反复调节，直至 飞行器姿态稳定。
[0036] 本发明增稳方法，包括如下步骤：
[0037] 步骤1:在飞行器前侧、左侧和右侧分别布置一个带有红外接收器的可控相机，在 飞行器到达需求高度时，各个相机利用红外接收器接收遥控器的命令按照设定周期进行外 界图像采集；
[0038] 步骤2:每次采集的图像传输至设置在飞行器上的图像处理器，在每幅图像中建 立二维直角坐标系，并在固定坐标位置选定S个目标物，基于Mean Shift算法跟踪每幅图 像每个选区的目标物；
[0039] 如何实现对目标物的跟踪，具体实现如下：
[0040] (1)视觉模型构建：
[0041] 本发明选取Itti视觉模型，它在特征提取阶段，采用多个低层视觉特征，如颜色、 强度、边缘等，运些特征通过高斯滤波和Center-Surround算子（中屯、一一周围差分）形成 各个特征的关注图；然后将运些特征合成一幅显著图。
[0042] 似显著图的获取：
[0043] 获取Itti显著图的步骤是：
[0044]曰，提取颜色、强度和边缘特征；
[0045] b，用高斯滤波器对颜色、亮度和边缘特征图像进行滤波；
[0046] C，"中屯、--周围"差分（Center surround difference)和归一化，获取颜色、强 度和边缘特征图；
[0047]山对特征图进行融合及归一化后，合成视觉显著图。为了满足实时性的要求，本文 主要采用颜色、强度和边缘特征。
[0048] (3)视觉特征提取：
[0049]曰，获取颜色特征图
[0050] HSV模型可W把彩色信息表示为S种属性：色调（H)、饱和度（S)、亮度（V)，其中H 表示颜色信息，即所处的光谱颜色的位置。通过颜色分量（H)可W提取出颜色特征，公式如 下： W51] H(c, s) = |H(c) 0H(s) (1) 阳05引其中：c G [2,引，s=c+ S，5 G化" 阳05引 c是中屯、标度
[0054] 5是中屯、一周围差标度 阳05引 S是周围标度
[0056]0为操作算子
[0057]H(c)第C级高斯颜色特征图
[0058] H(s)第S级高斯颜色特征图
[0059]H代表图像中的色调，即色彩信息
[0060] H(c，s)表示颜色特征图
[0061] b，获取强度特征图
[0062]强度可W区分白色和黑色的边缘，能够增强两者之间的显著性，公式如下： W63] I(C，S) = 11(C)0 I(S) I 似 W64]其中：C G [2,引，S = C+ S，5 G化" W65] c是中屯、标度
[0066] 5是中屯、一周围差标度
[0067] S是周围标度
[0068] 0为操作算子
[0069] I (C)第C级高斯强度特征图
[0070] I (S)第S级高斯强度特征图
[0071] I代表图像中的亮度，即强度信息 阳〇巧I(c，s)表示强度特征图
[0073] C，获取边缘特征图
[0074] 边缘特征是图像的重要属性之一，能够勾划出目标的轮廓。构造边缘特征图是构 造目标模型的重要步骤之一，由如下公式求出： 阳0巧]E(c, S) = |E(c) 0E(s) I做
[0076]其中：c G [2,引，s = c+ S，5 G化"
[0077] c是中屯、标度
[0078] 5是中屯、一周围差标度
[0079] S是周围标度
[0080] 0为操作算子 W川E(c)第C级高斯边缘特征图
[0082] E (S)第S级高斯边缘特征图
[0083] E代表图像中的边缘信息
[0084] E(c，s)表示边缘特征图
[0085] (4)生成视觉显著图：
[0086] 令显著图的标度5 = 4,由式（1)、式似和式（3)分别获得的颜色、强度和边缘 =个方面12张特征图，将每个方面的4个特征图组合成特征显著图，分别为颜色特征显著 图豆，强度特征显著图/，边缘特征显著图玄，Itti在模型中定义了归一化算子N( ?)，来 对每组特征图进行归一化，京、I、￥分别由如下公式求得：
[0090] 式中：?表示多个尺度下相应的特征显著图经线性插值调整到同一大小后相加， NO为Itti模型中定义的归一化算子，分别将各个显著图的显著值标准归一化到（0，1)区 间；
[0091] 然后将巧、7、￥线性组合成视觉显著图。
[0092](5)目标直方图的建立及跟踪原理：
[0093] 建立直方图便于对捕捉到的图像进一步分析，相机获取视频后，在将初始帖图像 处理为显著图后选中视频起始帖的跟踪目标，建立概率模型，在显著图计算中，减少了背景 的干扰，更真实的反映跟踪目标的直方图特性。公式如下：
[0094]
阳0巧]其中：k为核函数，m为特征空间中特征值的个数，5为Kronecker函数， 阳096] b (Xi)为像素对应的特征值，n为采样点的个数，C为归一化系数，h为核函数的 带宽，X。为目标中屯、；
[0097] 偏移目标y描述为：
[0098]
[0099] 因此跟踪目标物的过程可W等效为寻找最优的y，使得和最相似，它们之间 的相似性用Miattacharyya系数来度量，即 阳100]
阳101] 为了更加逼近运动的目标物，采用迭代算法进行计算，公式如下： 阳102]
[0103]式中为新的目标中屯、位置，其中为特征权值 阳104]
[01化]迭代过程就是不断计算i，直至化attacharyya系数最大即定位为目标的最终中 ?/' .1. 屯、位置停止迭代；
[0106] 在每个控制周期内进行迭代，当停止迭代时，即S个相机的每幅图像都追踪到了 目标物的新坐标，通过计算每幅图像的每个选定区的坐标的的偏移量，判断出飞行器的姿 态状态，从而计算给出对飞行器的姿态控制的调整量，W保证飞行器的增稳。
[0107] 步骤3: W各个相机第一次拍摄的图像为基准，其后各个相机每个周期内拍摄的 图像的目标物均与相应的原始目标物的坐标位置进行比较，如果各幅图像中=个目标物的 坐标变化不超过预设的误差值，则认为飞行器稳定悬停，即姿态未变化，如果某一幅图像或 多幅图像中的s个目标物的坐标同时变化，则认为飞行器姿态发生变化，通过前后图片的 目标物的位置差值，从而计算出飞行器姿态调整所需的控制量，W控制飞行器的姿态，保证 飞行器稳定； 阳10引步骤4:根据步骤3的判断结果，单片机接收处理器的判断结果后对利用相应算法 对飞行器进行姿态控制，多相机与图像处理反复工作使飞行器不断进行姿态调整，直到与 基准各个目标物满足偏离误差。
[0109]本发明需要将所得第一周期图像作为基准，其他均与