CN110104167A - 一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 - Google Patents
一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 Download PDFInfo
- Publication number
- CN110104167A CN110104167A CN201910340010.2A CN201910340010A CN110104167A CN 110104167 A CN110104167 A CN 110104167A CN 201910340010 A CN201910340010 A CN 201910340010A CN 110104167 A CN110104167 A CN 110104167A
- Authority
- CN
- China
- Prior art keywords
- thermal imaging
- fuselage
- unmanned plane
- sensor
- imaging sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001931 thermography Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 23
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 7
- 210000002569 neuron Anatomy 0.000 claims description 27
- 229920000049 Carbon (fiber) Polymers 0.000 claims description 16
- 239000004917 carbon fiber Substances 0.000 claims description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 210000004027 cell Anatomy 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 4
- 208000034656 Contusions Diseases 0.000 claims description 3
- 208000034526 bruise Diseases 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 210000005036 nerve Anatomy 0.000 claims description 3
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims 1
- 229910052799 carbon Inorganic materials 0.000 claims 1
- 238000003384 imaging method Methods 0.000 claims 1
- 230000036760 body temperature Effects 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 abstract description 2
- 230000000712 assembly Effects 0.000 abstract 1
- 238000000429 assembly Methods 0.000 abstract 1
- 230000008034 disappearance Effects 0.000 abstract 1
- 230000007613 environmental effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102100031629 COP9 signalosome complex subunit 1 Human genes 0.000 description 1
- 101000940485 Homo sapiens COP9 signalosome complex subunit 1 Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/04—Helicopters
- B64C27/08—Helicopters with two or more rotors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U50/00—Propulsion; Power supply
- B64U50/10—Propulsion
- B64U50/19—Propulsion using electrically powered motors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种采用红外热成像传感器的自动化搜救无人机系统和控制方法，机体上设置的旋翼和起落架；所述机体下方的航模电池、热成像传感器以及红外传感器；所述机体内部的分线板、电调、GPS系统、飞行控制系统、传感器信号处理板、无线通讯系统；由于人体体温和外界温度的差异采用热成像传感器相对于普通的摄像头能够在更低分辨率下有更高的识别人体的效果，在夜间普通摄像头的识别率会大大降低，而热成像/传感器会由于环境温度的降低和自然光噪声的消失而提高辨识度。由基站划分搜救区域飞行控制装置按照区域通过生物激励神经网络算法自动实现遍历搜寻，一旦通过热成像传感器检测到人体便发送信号和图像至基站通知搜救人员。
Description
技术领域
本发明涉及搜救无人机领域，尤其是涉及一种采用红外热成像传感器的自动化搜救无人机系统及控制方法。
背景技术
在旅游中被困的旅客、在突发自然灾害中被困的人们以及因为特殊情况被困于特殊地形难以定位的人们，搜救人员一般都是通过人力的地毯式搜救，对于复杂地形，甚至搜寻器械和交通工具无法进入，逐渐的我们使用无人机去这些复杂地形或者广袤地形进行搜救。
随着无人机飞行控制系统的不断提升，加之航模电池的续航能力也在不断发展，近几年来推出了不少搜救无人机，但是存在的问题为主要还是人力操控，进行地毯式搜救依旧需要基站上的搜救人员通过无人机传回的图像判断，而这耗费了大量人力，同时普通摄像头难以分辨背景和被困人员，识别的算法也有一定缺陷并需要消耗大量硬件资源。而红外热成像摄像头相对于普通摄像头可以以更低的分辨率却更高的识别率来识别被困人员。低分辨率决定了热成像的更低成本。而遍历路径规划算法也大大提高了自动化搜救的效率。
发明内容
本发明的目的在于设计了一种提高野外自动化搜救效率，减少无人机成本，采用红外热成像传感器的自动化搜救无人机系统及控制方法。
本发明自动化搜救系统的技术方案为：一种采用红外热成像传感器的自动化搜救无人机系统，包括飞行机构、传感器信号与控制系统；所述飞行机构包括GPS(1)、机身(2)、机臂(3)、脚架(4)、电池(5)、电机(6)、电调(7)、桨叶(8)、分线板(9)、盖帽(10)；所述机身(2)由三层碳纤板叠加而成，所述4个机臂(3)分别安装在机身(1)的四个方向，所述GPS(1)经过支架和底座固定在机身(2)上，所述两个脚架(4)通过螺丝螺母固定在所述机身(2)下方两侧，所述电池(5)安装在所述机身(2)的第三层碳纤板上用以给无人机供电，所述电机(6)分别安装在4个机臂(3)末端，所述桨叶(8)分别和四个电机同轴固定；所述盖帽(10)将桨叶(8)固定在电机轴上，4个电调(7)安装在机身(2)内部分别和4个电机以及飞控相连，以控制飞行的姿态，所述分线板(9)安装在机身(2)内部，连接电池和电调，通过分线板把电源的功率送到各个电调上；所述传感器信号处理与控制系统包括超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)，信号处理板(14)、飞行控制板(15)；所述飞行控制板(15)安装在机身(2)内部，与信号处理板(14)相连，控制飞机的姿态；所述超声波测距传感器分贝固定在机身(2)的四周，所述红外激光传感器(12)安装在机身(2)最下方正对于地面，所述红外热成像传感器(13)安装在机身前测，拍摄下方的景物，所述信号处理板(14)与飞控连接所述超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)都与信号处理板(14)相连，得到的传感器经过信号处理板的处理发送到基站或者发送到飞控(15)进行控制。
进一步，所述机身(2)是三层碳纤板采用螺栓固定结构固定。
进一步，所述机臂(3)为空心碳纤圆柱，用螺栓通过上面的空固定在机身上(2)，电机(6)线通过空心的中心连接到机身(2)内部。
进一步，所述超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)均采用螺栓固定结构固定在机身(2)上。
进一步，所述信号处理板(14)上有各个传感器接口，IIC，SPI，串口以及SD卡槽以储存一定量的图像信息，并连接到GPS(1),与飞行控制板(15)相连接。
进一步，所述飞行控制板(15)内部集成了气压计，角加速度计，LED灯和各类接口，通过气压计，角加速度计来调整自己的姿态，通过从信号处理板发送过来的信息来选择飞行方向。
一种采用红外热成像传感器的自动化搜救无人机系统的控制方法的技术方案，包括如下步骤：
步骤1：在上位机圈定搜救区域，选择矩形的圈定方式，再确认无人机的飞行基准高度，根据飞行高度可以计算出无人机的俯视区域，该俯视区域的作为无人机领空的可视区域，用内切正方形作为一个单元格，把区域划分成若干个单元格的拼接,不同区域具有X,Y两个维度的坐标属性；
步骤2：无人机对所划分的区域网格做初步的路径规划，简单规划描述为反复来回飞行以遍历全部区域；
步骤3：采用改进的神经网络算法对搜救区域进行空中的实时路径规划，无人机进入规定区域后，原先规定好的路线以及储存在信号处理板中，信号处理板通过信号线控制飞行控制板的飞行路径，当预定路径上的飞行遇到障碍物的时候，会选择一个方向沿着障碍物运动，该方向趋向于运动到过的路径，在每经历一片元区域时，会记录该区域的情况并更新改进的神经网络的权值，使无人机自动避开障碍物并尽可能的向未知区域方向飞行以完成遍历区域的目标；
步骤4：该步骤与步骤三共同进行，当前步骤在无人机飞行过程中，所述红外温度传感器检测镜头下的全部温度图像，并把图像传回基站，基站对图像进行识别，将对具有人体体温特征的图像区域进行筛选分割，一旦判断检测到人体便记录坐标，基站决定无人机继续搜寻或是对目标进行跟踪，由于是红外图像，因此不需要复杂的图像处理去判断是否为人体，只需要检测对应人体的温度是否形成了一个连续的区块，在夜晚环境检测精度会大大提高；
步骤5：当无人机完成了一次搜救遍历后，通过基站人工发送指令让无人机重新遍历或者飞回回收点。
进一步，所述改进的神经网络的构造如下：
其中xi表示第i个神经元的状态，也就是神经元的活性,A,B和D表示非负常数，A代表衰减率，B和D代表神经元状态的上下限，即xi∈[-D,B],k是第i个神经元向邻近的神经元个数，Ii为外部输入，当外部为未搜查区域时Ii＝-E；当外部为障碍时Ii＝E；否则Ii＝0；是一个很大的正常数(E＞＞B),确保目标(未搜寻区域)总是处于神经网络的波峰，障碍总是处于波谷,和[Ii]-分别表示侧机型和抑制性输入,第iΙ个神经元和第j个神经元的链接权值可以定义为ωij＝f(|qi-qj|),|qi-qj|代表向量qi,qj之间的欧氏距离,f(α)可以使人亦单调递减的函数，如：
r0为传感器所能测量到的最大半径，这就使得了只有与目标神经元联系紧密的神经元对它有影响,这也让飞机在飞行过程中的方向决策取决于周围环境的参数；
在基于改进的神经网络模型中，机器人的路径由状态方程及上一时刻所处的位置决定,给定机器人的当前位置pc,假设下个时刻的位置为pn，按下式确定：
其中，c是一个正常数，k是邻域的神经元的个数，xj表示第j个神经元的活性值，yj是关于角度变化的单调递增函数，定义前一时刻的位置pn，当前位置pc，下一位置pj，则yj定义为：
其中Δθj∈[0,π]是指角度变化值，当机器人走直线Δθj＝0时,因此Δθj可以定义为：
Δθj＝|Δθj-Δθc|＝|αtan(ypj-ypc,xpj-xpc)-αtan(ypc-ypj,xpc-xpj)|其中Δθc为上一次神经网络迭代时的角度，ypc，xpc，ypj，xpj分别为上一次跌打时无人机的X,Y坐标和这一次的X,Y坐标，α为引入这个角度变化反馈的权值系数；
因此无人机会选择尽可能不改变飞行方向的路径进行搜寻，这样可以间接的达到让无人机尽可能的减少转向所耗费的额外时间和额外能量；因此无人机的全局路径更趋向于一种从边界到达对面边界的往复运动，每次到达一个单元格，便会对整个神经网络的权值进行更替，并计算出下一个行进的方向。
本发明的有益效果为：
1.采用红外热成像的摄像头代替原有的无人机携带的普通摄像头，热成像传感器相对于普通摄像头可以在更低的分辨率下取得更高的识别度，人体表面的温度一般远高于环境温度，在夜间无自然光噪声并且环境温度的大幅度下降可以大大提高识别度，同时，在环境多变的野外，通过普通摄像头采集的图像难以用识别算法很好的辨别出图像中的人体，会大大造成误识别或者漏识别。普通摄像头的图像需要RGB三个通道的模拟量去表示一个像素点，而红外热成像原理的摄像头只需要一个通道，并不需要太高的精度。所得到的图像容量小。发送速度快。故选择红外热成像原理的摄像头在成本和识别度方面都高于普通摄像头方案。
2.采用改进的神经网络算法对搜救区域进行路径规划，由于被搜救区域一般都是完整的规则区域，这让自动搜救的区域划定变得简单。但是由于环境内部的地形可能造成在飞行过程中遇到障碍物在飞行路径上的情况，此时我们需要一种启发式的算法让无人机能够躲开障碍物并按照最短路径的方向进行动态规划。采用神经网络可以完成这个要求，使得我们的搜救能够做到自动化，并尽可能在最短的时间内完成搜救工作，这也是我们搜救工作必须要具备的要求。
3.机身自身具有四个方向的超声波传感器和下方的红外测距传感器，可以实时检测四周的环境，防止飞机在路径上遇到障碍物受到碰撞。而飞机携带的协处理板采集所有传感器的信息并处理，为飞行控制板节省了大量资源，让飞行模式更加平稳自如。
附图说明
图1是一种采用用红外热成像传感器的自动化搜救无人机系统的控制原理图；
图2是一种采用用红外热成像传感器的自动化搜救无人机系统侧面剖面图；
图3是基于生物激励神经网络的模拟路径图
其中：1-GPS；2-机身；3-机臂；4-脚架；5-电池；6-电机；7-电调；8-桨叶；9-分线板；10-盖帽；11-超声波测距传感器；12-红外激光传感器；13-红外热成像传感器；14-信号处理板；15-飞行控制板；16-GPS支架；17-GPS底座；
具体实施方式
下面结合示意图具体说明所发明的采用红外热成像传感器的自动化搜救无人机系统的工作过程。
如图1-2所示，一种采用红外热成像传感器的自动化搜救无人机系统，包括机架、电源系统、飞行机构、控制机构、热成像传感器、避障系统、传感器信号处理板；所述机架包括两个脚架、4个碳纤空心机臂、机身；所述机身由三层碳纤板和螺栓连接固定并在中间留有空隙；所述机臂通过U型槽口和螺栓固定在所述机身上两层碳纤板的4个角上；所述脚架由管型连接口和螺栓固定在所述机身下方；所述电源系统包括分线板、航模电池；所述分线板由铜柱固定在所述机身上两层碳纤板中间；所述航模电池安装在所述机身的第三层碳纤板上，正负极通过电源线连接到所述分线板上；所述飞行机构包括4个直流无刷电机、4个无刷电调、2对桨叶；所述电调安放在机身上两层碳纤板中；所述无刷电机分别安装在所述机臂的顶端，电机线通过所述机臂内部连接到所述机身上两层碳纤板中并连接到所述电调上，所述桨叶安装在所述电机同轴顶部；所述控制机构包括飞行控制主控板、气压计、加速度计、电流计、GPS模块、角度传感器。安装在机身上方；所述热成像传感器安装在机身底部，以拍摄下方景物；所述避障系统包括4个超声波传感器和一个红外测距传感器，超声波传感器分别安置在机身的四个方向以检测机身周围的环境，来做出相应的调整。所述红外测距传感器安装在机身底部，用于起飞和降落的高度判断以及飞行过程中对下方障碍物的距离测量；所述传感器信号处理板连接接收机、图传和各个传感器的信号输入并为各个传感器提供电源，该电路板作为协处理器的功能帮助飞行主控分担传感器信号的获取和解析并转化成飞行信号发送给主控进行调整。
所述信号处理板安装在所述机身的下方，由铜柱固定，板上引出4个超声波接口，一个IIC接口连接红外，SD卡卡槽用来存储图像缓存，一组串口读取红外传感器的数据，以及GPS的接口。红外的图像经过图传传回基站，并在基站进行图像处理判别有无被困者。超声波和红外分别测机身四周的环境有无障碍物，如果在预定飞行路径上测得障碍物，做出相应的姿态变换，转化成遥控信号发送给主控调整姿态和飞行轨迹。主控主要采集气压计、加速度计、GPS、角度传感器的数据来进行飞行姿态的调整，并根据从协处理器发送过来的信号进行相应的路径飞行。
所述机身2是三层碳纤板采用螺栓固定结构固定。
所述机臂3为空心碳纤圆柱，用螺栓通过上面的空固定在机身上2，电机6线通过空心的中心连接到机身2内部。
所述超声波测距传感器11，红外激光传感器12，红外热成像传感器13均采用螺栓固定结构固定在机身2上。
所述信号处理板14上有各个传感器接口，IIC，SPI，串口以及SD卡槽以储存一定量的图像信息，并连接到GPS1,与飞行控制板15相连接。
所述飞行控制板15内部集成了气压计，角加速度计，LED灯和各类接口，通过气压计，角加速度计来调整自己的姿态，通过从信号处理板发送过来的信息来选择飞行方向。
包括如下步骤：
步骤1：在上位机获取地图信息，对搜救区域进行划分
步骤2：无人机对地图区域进行路径遍历初步规划
步骤3：启动无人机，无人机飞至目标区域进行搜救工作
步骤4：在飞行过程中，对周围环境进行检测建模，自动避开障碍物，并更新生物
激励神经网络的权值。
步骤5：传送红外热成像传感器的图像，基站对图像行处理识别有无被困人员，识
别后的信息反馈回无人机。
步骤6：完成整个路径的遍历后可以选择再次遍历或者对无人机进行回收。
进一步，所述步骤1包括：
首先，在上位机圈定搜救区域，为了让遍历算法更简单，我们选择矩形的圈定方式，再确认无人机的飞行基准高度，根据飞行高度可以计算出无人机的俯视区域，该俯视区域的作为无人机领空的可视区域，用内切正方形作为一个单元格，把区域划分成若干个单元格的拼接。不同区域具有X,Y两个维度的坐标属性。
进一步所述步骤二包括：
无人机对所划分的区域网格做初步的路径规划，简单规划描述为反复来回飞行以遍历全部区域。
进一步所述步骤3步骤4包括：
无人机进入规定区域后，原先规定好的路线以及储存在信号处理板中，信号处理板通过信号线控制飞行控制板的飞行路径，如图所示，当预定路径上的飞行遇到障碍物的时候，会选择一个方向沿着障碍物运动，该方向趋向于运动到过的路径，在每经历一片元区域时，会记录该区域的情况并更新神经网络的权值。在整个运动过程中，也是对整个地图环境的、建模和分析。
所述生物激励神经网络模型的构造如下：
其中xi表示第i个神经元的状态，也就是神经元的活性。A,B和D表示非负常数，A代表衰减率，B和D代表神经元状态的上下限，即xi∈[-D,B],k是第i个神经元向邻近的神经元个数，Ii为外部输入，当外部为未搜查区域时Ii＝-E；当外部为障碍时Ii＝E；否则Ii＝0；是一个很大的正常数(E＞＞B),确保目标(未搜寻区域)总是处于神经网络的波峰，障碍总是处于波谷。和[Ii]-分别表示侧机型和抑制性输入。第iΙ个神经元和第j个神经元的链接权值可以定义为ωij＝f(|qi-qj|),|qi-qj|代表向量qi,qj之间的欧氏距离。f(α)可以使人亦单调递减的函数，如：
r0为传感器所能测量到的最大半径，这就使得了只有与目标神经元联系紧密的神经元对它有影响。这也让飞机在飞行过程中的方向决策取决于周围环境的参数。
在基于生物激励的神经网络模型中，机器人的路径由状态方程及上一时刻所处的位置决定。给定机器人的当前位置pc,假设下个时刻的位置为pn，按下式确定：
其中，c是一个正常数，k是邻域的神经元的个数，xj表示第j个神经元的活性值，yj是关于角度变化的单调递增函数，定义前一时刻的位置pn，当前位置pc，下一位置pj，则yj定义为：
其中Δθj∈[0,π]是指角度变化值，当机器人走直线Δθj＝0时,因此Δθj可以定义为：
Δθj＝|Δθj-Δθc|＝|αtan(ypj-ypc,xpj-xpc)-αtan(ypc-ypj,xpc-xpj)|
其中Δθc为上一次神经网络迭代时的角度，ypc，xpc，ypj，xpj分别为上一次跌打时无人机的X,Y坐标和这一次的X，Y坐标，α为引入这个角度变化反馈的权值系数；
因此无人机会选择尽可能不改变飞行方向的路径进行搜寻，这样可以间接的达到让无人机尽可能的减少转向所耗费的额外时间和额外能量。因此无人机的全局路径更趋向于一种从边界到达对面边界的往复运动。每次到达一个单元格，便会对整个神经网络的权值进行更替，并计算出下一个行进的方向。
进一步所述步骤五包括：
步骤五实际与步骤四共同进行，当所述步骤四在无人机飞行过程中，所述红外温度传感器检测镜头下的全部温度图像，并把图像传回基站，基站对图像进行识别，将对具有人体体温特征的图像区域进行筛选分割，一旦判断检测到人体便记录坐标，基站决定无人机继续搜寻或是对目标进行跟踪。由于是红外图像。因此不需要复杂的图像处理去判断是否为人体，只需要检测对应人体的温度是否形成了一个连续的区块，在夜晚环境检测精度会大大提高。进一步所述步骤六：
步骤六是当无人机完成了一次搜救遍历后，通过基站人工发送指令让无人机重新遍历或者飞回回收点。
如图1所示，整个飞行系统的过程如下：信号处理器采集超声波、红外激光和GPS的数据来感知周围的环境，将红外传感器的图像和环境数据通过数传传回基站进行数据处理，基站首先对环境变量进行分析和生物激励神经网络的建模，计算出下一个运动的方向传回无人机，并判断热图像中是否有检测到人体。传回的飞行数据经过信号处理板传送给飞行控制器，飞行控制器做出相应的飞行动作，同时通过气压计、GPS、角度传感器调整自己的姿态，完成平稳飞行。
如图3所示，一种通过生物激励神经网络的路径遍历算法的模拟路径规划，由于飞行有角度变化的负数权值，故无人机会优先选择保持原有的飞行方向，故飞行轨迹趋向于上下边界的往复。在无人机飞行过程中，未经过的区域的权值会很大，而已经被检测到障碍物的区域权值会很低，因此飞行过程中无人机会趋向于行遍所有未知区域而避开障碍物，并且有别于其他便利算法，当无人机处于死区时，由于算法中的微分项，无人机将会渐渐的调节各个网络的权值，最终选择一个没有障碍物的并在远处有未知区域的方向前进，因此该算可以完成在不碰触障碍物的情况下自动遍历全部区域，算法复杂度仅仅取决于区域块的大小。
下面结合图2具体说明本发明的一种采用红外热成像传感器的自动化搜救无人机系统的工作过程。飞行控制板对飞机进行姿态调节和飞行方向指令的执行，飞行器采用四旋翼结构，而通过4个电机的转速控制来控制飞行器的飞行姿态变化，悬挂在无人机四周的超声波和安装在底部的红外激光传感器采集环境变量并通过数传传送到基站进行处理，处理后的飞行指令传送给飞控进行飞行控制，飞行过程中红外温度传感器采集图像传送给基站，基站判断是否有检测到人体。该装置的电机线通过机臂内部深入到飞行器内部，避免了线裸露在外面。
Claims (8)
1.一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，包括飞行机构、传感器信号与控制系统；
所述飞行机构包括GPS(1)、机身(2)、机臂(3)、脚架(4)、电池(5)、电机(6)、电调(7)、桨叶(8)、分线板(9)、盖帽(10)；所述机身(2)由三层碳纤板叠加而成，所述4个机臂(3)分别安装在机身(1)的四个方向，所述GPS(1)经过支架和底座固定在机身(2)上，所述两个脚架(4)通过螺丝螺母固定在所述机身(2)下方两侧，所述电池(5)安装在所述机身(2)的第三层碳纤板上用以给无人机供电，所述电机(6)分别安装在4个机臂(3)末端，所述桨叶(8)分别和四个电机同轴固定；所述盖帽(10)将桨叶(8)固定在电机轴上，4个电调(7)安装在机身(2)内部分别和4个电机以及飞控相连，以控制飞行的姿态，所述分线板(9)安装在机身(2)内部，连接电池和电调，通过分线板把电源的功率送到各个电调上；
所述传感器信号处理与控制系统包括超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)，信号处理板(14)、飞行控制板(15)；所述飞行控制板(15)安装在机身(2)内部，与信号处理板(14)相连，控制飞机的姿态；所述超声波测距传感器分贝固定在机身(2)的四周，所述红外激光传感器(12)安装在机身(2)最下方正对于地面，所述红外热成像传感器(13)安装在机身前测，拍摄下方的景物，所述信号处理板(14)与飞控连接所述超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)都与信号处理板(14)相连，得到的传感器经过信号处理板的处理发送到基站或者发送到飞控(15)进行控制。
2.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述机身(2)是三层碳纤板采用螺栓固定结构固定。
3.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述机臂(3)为空心碳纤圆柱，用螺栓通过上面的空固定在机身上(2)，电机(6)线通过空心的中心连接到机身(2)内部。
4.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)均采用螺栓固定结构固定在机身(2)上。
5.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述信号处理板(14)上有各个传感器接口，IIC，SPI，串口以及SD卡槽以储存一定量的图像信息，并连接到GPS(1),与飞行控制板(15)相连接。
6.根据权利要求5所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述飞行控制板(15)内部集成了气压计，角加速度计，LED灯和各类接口，通过气压计，角加速度计来调整自己的姿态，通过从信号处理板发送过来的信息来选择飞行方向。
7.一种采用红外热成像传感器的自动化搜救无人机系统的控制方法，其特征在于，包括如下步骤：
步骤1：在上位机圈定搜救区域，选择矩形的圈定方式，再确认无人机的飞行基准高度，根据飞行高度可以计算出无人机的俯视区域，该俯视区域的作为无人机领空的可视区域，用内切正方形作为一个单元格，把区域划分成若干个单元格的拼接,不同区域具有X,Y两个维度的坐标属性；
步骤2：无人机对所划分的区域网格做初步的路径规划，简单规划描述为反复来回飞行以遍历全部区域；
步骤3：采用改进的神经网络算法对搜救区域进行空中的实时路径规划，无人机进入规定区域后，原先规定好的路线以及储存在信号处理板中，信号处理板通过信号线控制飞行控制板的飞行路径，当预定路径上的飞行遇到障碍物的时候，会选择一个方向沿着障碍物运动，该方向趋向于运动到过的路径，在每经历一片元区域时，会记录该区域的情况并更新改进的神经网络的权值，使无人机自动避开障碍物并尽可能的向未知区域方向飞行以完成遍历区域的目标；
步骤4：该步骤与步骤三共同进行，当前步骤在无人机飞行过程中，所述红外温度传感器检测镜头下的全部温度图像，并把图像传回基站，基站对图像进行识别，将对具有人体体温特征的图像区域进行筛选分割，一旦判断检测到人体便记录坐标，基站决定无人机继续搜寻或是对目标进行跟踪，由于是红外图像，因此不需要复杂的图像处理去判断是否为人体，只需要检测对应人体的温度是否形成了一个连续的区块，在夜晚环境检测精度会大大提高；
步骤5：当无人机完成了一次搜救遍历后，通过基站人工发送指令让无人机重新遍历或者飞回回收点。
8.根据权利要求7所述的一种采用红外热成像传感器的自动化搜救无人机系统的控制方法，其特征在于，所述改进的神经网络的构造如下：
其中xi表示第i个神经元的状态，也就是神经元的活性,A,B和D表示非负常数，A代表衰减率，B和D代表神经元状态的上下限，即xi∈[-D,B],k是第i个神经元向邻近的神经元个数，Ii为外部输入，当外部为未搜查区域时Ii＝-E；当外部为障碍时Ii＝E；否则Ii＝0；是一个很大的正常数(E＞＞B),确保目标(未搜寻区域)总是处于神经网络的波峰，障碍总是处于波谷,和[Ii]-分别表示侧机型和抑制性输入,第iΙ个神经元和第j个神经元的链接权值可以定义为ωij＝f(|qi-qj|),|qi-qj|代表向量qi,qj之间的欧氏距离,f(α)可以使人亦单调递减的函数，如：
r0为传感器所能测量到的最大半径，这就使得了只有与目标神经元联系紧密的神经元对它有影响,这也让飞机在飞行过程中的方向决策取决于周围环境的参数；
在基于改进的神经网络模型中，机器人的路径由状态方程及上一时刻所处的位置决定,给定机器人的当前位置pc,假设下个时刻的位置为pn，按下式确定：
其中，c是一个正常数，k是邻域的神经元的个数，xj表示第j个神经元的活性值，yj是关于角度变化的单调递增函数，定义前一时刻的位置pn，当前位置pc，下一位置pj，则yj定义为：
其中Δθj∈[0,π]是指角度变化值，当机器人走直线Δθj＝0时,因此Δθj可以定义为：
Δθj＝|Δθj-Δθc|＝|αtan(ypj-ypc,xpj-xpc)-αtan(ypc-ypj,xpc-xpj)|
其中Δθc为上一次神经网络迭代时的角度，ypc，xpc，ypj，xpj分别为上一次跌打时无人机的X,Y坐标和这一次的X,Y坐标，α为引入这个角度变化反馈的权值系数；
因此无人机会选择尽可能不改变飞行方向的路径进行搜寻，这样可以间接的达到让无人机尽可能的减少转向所耗费的额外时间和额外能量；因此无人机的全局路径更趋向于一种从边界到达对面边界的往复运动，每次到达一个单元格，便会对整个神经网络的权值进行更替，并计算出下一个行进的方向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910340010.2A CN110104167A (zh) | 2019-04-25 | 2019-04-25 | 一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910340010.2A CN110104167A (zh) | 2019-04-25 | 2019-04-25 | 一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110104167A true CN110104167A (zh) | 2019-08-09 |
Family
ID=67486772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910340010.2A Pending CN110104167A (zh) | 2019-04-25 | 2019-04-25 | 一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110104167A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540166A (zh) * | 2020-05-09 | 2020-08-14 | 重庆工程学院 | 一种基于深度学习的无人机夜间搜寻系统及方法 |
| CN112148028A (zh) * | 2020-08-28 | 2020-12-29 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
| CN112572824A (zh) * | 2020-12-14 | 2021-03-30 | 华南农业大学 | 一种载重型无人机的动力配置方法及装置 |
| CN114973834A (zh) * | 2022-06-07 | 2022-08-30 | 北京康鹤科技有限责任公司 | 一种用于无人机检修训练的实训平台 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107656545A (zh) * | 2017-09-12 | 2018-02-02 | 武汉大学 | 一种面向无人机野外搜救的自主避障与导航方法 |
| CN107817820A (zh) * | 2017-10-16 | 2018-03-20 | 复旦大学 | 一种基于深度学习的无人机自主飞行控制方法与系统 |
| CN109229378A (zh) * | 2018-07-31 | 2019-01-18 | 哈尔滨工程大学 | 一种基于避障无人机的矿难搜救与有毒有害气体监测系统及其工作方法 |
-
2019
- 2019-04-25 CN CN201910340010.2A patent/CN110104167A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107656545A (zh) * | 2017-09-12 | 2018-02-02 | 武汉大学 | 一种面向无人机野外搜救的自主避障与导航方法 |
| CN107817820A (zh) * | 2017-10-16 | 2018-03-20 | 复旦大学 | 一种基于深度学习的无人机自主飞行控制方法与系统 |
| CN109229378A (zh) * | 2018-07-31 | 2019-01-18 | 哈尔滨工程大学 | 一种基于避障无人机的矿难搜救与有毒有害气体监测系统及其工作方法 |
Non-Patent Citations (4)
| Title |
|---|
| 曹翔等: "移动机器人全覆盖信度函数路径规划算法", 《智能系统学报》 * |
| 杨俊成等: "路径规划算法的研究与发展", 《控制工程》 * |
| 甘文洋等: "基于行为策略的AUV全覆盖信度函数路径规划算法", 《系统仿真学报》 * |
| 邱雪娜等: "不确定动态环境下移动机器人的完全遍历路径规划", 《机器人》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540166A (zh) * | 2020-05-09 | 2020-08-14 | 重庆工程学院 | 一种基于深度学习的无人机夜间搜寻系统及方法 |
| CN112148028A (zh) * | 2020-08-28 | 2020-12-29 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
| CN112148028B (zh) * | 2020-08-28 | 2022-06-14 | 合肥工业大学 | 基于无人机拍摄图像的环境监测方法和系统 |
| CN112572824A (zh) * | 2020-12-14 | 2021-03-30 | 华南农业大学 | 一种载重型无人机的动力配置方法及装置 |
| CN112572824B (zh) * | 2020-12-14 | 2022-03-25 | 华南农业大学 | 一种载重型无人机的动力配置方法及装置 |
| CN114973834A (zh) * | 2022-06-07 | 2022-08-30 | 北京康鹤科技有限责任公司 | 一种用于无人机检修训练的实训平台 |
| CN114973834B (zh) * | 2022-06-07 | 2023-09-12 | 北京康鹤科技有限责任公司 | 一种用于无人机检修训练的实训平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110104167A (zh) | 一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 | |
| CN111256703B (zh) | 一种多旋翼无人机巡检路径规划方法 | |
| CN109683629B (zh) | 基于组合导航和计算机视觉的无人机电力架线系统 | |
| EP3901728B1 (en) | Methods and system for autonomous landing | |
| CN105302151B (zh) | 一种飞机入坞引导和机型识别的系统及方法 | |
| CN108614274B (zh) | 基于多旋翼无人机的交叉式跨越线距离测量方法及装置 | |
| US10656096B2 (en) | Method and system for inspecting a surface area for material defects | |
| CN205644286U (zh) | 一种基于视觉辅助技术的自主着陆无人机 | |
| CN202050188U (zh) | 一种无人机 | |
| CN105094138A (zh) | 一种用于旋翼无人机的低空自主导航系统 | |
| US20200393593A1 (en) | Integrated system for geological and geophysical survey based on unmanned aerial vehicle | |
| CN106813900B (zh) | 一种基于无人机技术的民用机场助航灯光飞行校验方法 | |
| EP3850456B1 (en) | Control and navigation systems, pose optimisation, mapping, and localisation techniques | |
| CN105759829A (zh) | 基于激光雷达的微型无人机操控方法及系统 | |
| CN105000194A (zh) | 基于地面合作标志的无人机助降视觉引导方法及机载系统 | |
| CN109407708A (zh) | 一种基于多信息融合的精准着陆控制系统及着陆控制方法 | |
| CN101109640A (zh) | 基于视觉的无人驾驶飞机自主着陆导航系统 | |
| CN113066120B (zh) | 一种基于机器视觉的智能杆塔倾斜检测方法 | |
| JP2019196150A (ja) | 安全着陸可能領域を識別するためのシステム、方法、プログラム及びプログラムを記憶した記憶媒体 | |
| CN113534844B (zh) | 一种未知环境下的旋翼飞行器输电线路巡检方法及装置 | |
| CN114089787A (zh) | 基于多机协同飞行的地面三维语义地图及其构建方法 | |
| CN110162098A (zh) | 一种矿用无人机 | |
| CN115202376A (zh) | 一种基于单兵移动的无人机巡检电力网格化管控平台 | |
| CN109801484A (zh) | 一种应急通信无人机系统及应急通信系统 | |
| Minghui et al. | Deep learning enabled localization for UAV autolanding |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190809 |
|
| RJ01 | Rejection of invention patent application after publication |