CN110307837B - 一种基于图像识别的无人机导航系统及方法 - Google Patents
一种基于图像识别的无人机导航系统及方法 Download PDFInfo
- Publication number
- CN110307837B CN110307837B CN201910661936.1A CN201910661936A CN110307837B CN 110307837 B CN110307837 B CN 110307837B CN 201910661936 A CN201910661936 A CN 201910661936A CN 110307837 B CN110307837 B CN 110307837B
- Authority
- CN
- China
- Prior art keywords
- image
- aerial vehicle
- unmanned aerial
- circle
- module
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Computer Networks & Wireless Communication (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像识别的无人机导航系统及方法，所述无人机导航系统包括后台控制模块、位置获取模块、指令接收模块和飞行轨迹检验模块，所述后台控制模块用于向无人机发送指令，所述指令接收模块用于接收后台控制模块发送的指令并根据指令控制位置获取模块、飞行轨迹检验模块工作，所述位置获取模块用于获取无人机的所在的位置并将无人机的所在的位置反馈给后台控制模块，所述飞行轨迹检验模块用于检验无人机的飞行轨迹是否正确并将检验结果反馈给后台控制模块。所述位置获取模块包括位置图像采集模块、位置特征图像处理模块、高度判定模块、位置图像相似度比较模块和位置输出模块。
Description
技术领域
本发明涉及无人机导航领域，具体是一种基于图像识别的无人机导航系统及方法。
背景技术
无人驾驶飞机(英文缩写：UAC)，简称无人机，是一种以无线电遥控或由自身程序控制为主的不载人飞机。它的研制成功和战场运用，揭开了以远距离攻击型智能化武器、信息化武器为主导的“非接触性战争”的新篇章。与载人飞机相比，它具有体积小、造价低、使用方便、对作战环境要求低、战场生存能力较强等优点，备受世界各国军队的青睐。在几场局部战争中，无人驾驶飞机以其准确、高效和灵便的侦察、干扰、欺骗、搜索、校射及在非正规条件下作战等多种作战能力，发挥着显著的作用，并引发了层出不穷的军事学术、装备技术等相关问题的研究。它将与孕育中的武库舰、无人驾驶坦克、机器人士兵、计算机病毒武器、天基武器、激光武器等一道，成为21世纪陆战、海战、空战、天战舞台上的重要角色，对未来的军事斗争造成较为深远的影响。现有的无人机导航一般通过GPRS来进行导航定位，但是有时无人机所处的环境中GPRS信号弱，导致无人机无法进行导航定位。
发明内容
本发明的目的在于提供一种基于图像识别的无人机导航系统及方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于图像识别的无人机导航系统，该无人机导航系统包括后台控制模块、位置获取模块、指令接收模块和飞行轨迹检验模块，后台控制模块用于向无人机发送指令，指令接收模块用于接收后台控制模块发送的指令并根据指令控制位置获取模块、飞行轨迹检验模块工作，位置获取模块用于获取无人机的所在的位置并将无人机的所在的位置反馈给后台控制模块，飞行轨迹检验模块用于检验无人机的飞行轨迹是否正确并将检验结果反馈给后台控制模块。
作为优选方案，位置获取模块包括位置图像采集模块、位置特征图像处理模块、高度判定模块、位置图像相似度比较模块和位置输出模块，位置图像采集模块用于采集位于无人机正下方的位置图像，位置特征图像处理模块包括位置图像预处理模块和位置特征图像获取模块，位置图像预处理模块用于对采集的位置图像进行去雾处理，位置特征图像获取模块用于获取位置图像中特征目标的轮廓图像，高度判定模块包括高度直接判定模块和高度间接判定模块，高度直接判定模块通过距离传感器直接采集无人机所在的高度，高度间接判定模块通过温度传感器采集无人机所在高度的温度，并根据温度计算出无人机所在的高度，位置图像相似度比较模块用于将采集到的位置图像与卫星图像上的图像进行比较，位置输出模块根据位置图像相似度比较模块的结果输出无人机所在的经纬度并传输给后台控制模块。
作为优选方案，飞行轨迹检验模块包括行驶图像采集模块、行驶图像相似度比较模块和检验结果输出模块，行驶图像采集模块用于采集无人机实际飞行时无人机正下方的行驶图像，行驶图像相似度比较模块用于将无人机实际飞行时无人机正下方的行驶图像与卫星图像上无人机的理论飞行轨迹所对应的图像进行比较，轨迹检验输出模块根据输出行驶图像相似图比较模块的比较结果判断无人机的实际飞行轨迹是否正确并将判断结果传输给后台控制模块。
一种基于图像识别的无人机导航方法，该无人机导航方法包括以下步骤：
S1：获取无人机的实时位置；
S2：无人机接受飞行指令进行飞行；
S3：检测无人机的实际飞行轨迹。
作为优选方案，步骤S1中的获取无人机的实时位置包括以下步骤：
S11：后台控制模块发送命令给无人机，无人机的摄像头采集位于无人机正下方的图像，该图像为原始图像；
S12：对原始图像进行预处理并获取特征目标图像；
S13：采集无人机所在的高度H；
S14：获取无人机所在的经纬度：以无人机为圆心，以R为半径作圆Q1，摄像头采集圆Q1下方的图像，该图像为第一待比较图像，将第一待比较图像与卫星图像对比，将卫星图像调整为高度为H时的卫星图像，并在该状态下的卫星图像上搜索与第一待比较图像相似的参考图像，
若存在参考图像与第一待比较图像的相似度等于百分之百的区域，则取该参考图像的圆心S所在的经纬度为无人机所在的经纬度；
若所有参考图像与第一待比较图像的相似度小于百分之百，则取将所有参考图像与第一待比较图像的相似度按从高到低的顺序排序，取相似度排序前三名的参考图像为第一优选区域，设这三个第一优选区域分别为旧圆P1、旧圆P2、旧圆P3，旧圆P1、旧圆P2、旧圆P3的圆心分别为S1、S2、S3，接着令无人机沿方向X飞行，飞行距离为R,然后以无人机为圆心，以R为半径作圆Q2，摄像头采集圆Q2下方的图像，该图像为第二待比较图像，
在卫星图像上，将旧圆P1、旧圆P2、旧圆P3的圆心S1、S2、S3分别沿方向X移动距离R，得到新圆P1、新圆P2、新圆P3，比较第二待比较图像与新圆P1、新圆P2、新圆P3所在区域的相似度，
若新圆P1、新圆P2、新圆P3所在的区域中存在区域与第二待比较图像的相似度等于百分之百，则将该区域的圆心沿与方向X相反的方向移动距离R，移动后的圆心所在的经纬度为无人机所在的经纬度；
若新圆P1、新圆P2、新圆P3与第二待比较图像的相似度均小于百分之百，则将新圆P1、新圆P2、新圆P3所在的区域与第二待比较图像的相似度按从高到低的顺序排序，取相似度排序前两名的参考图像为第二优选区域，设这两个第二优选区域分别为旧圆U1、旧圆U2，设旧圆U1、旧圆U2的圆心分别为Z1、Z2，接着令无人机沿与方向X相反的方向飞行，飞行距离为2R,然后以无人机为圆心，以R为半径作圆Q3，摄像头采集圆Q3下方的图像，该图像为第三待比较图像，
在卫星图像上，将旧圆U1、旧圆U2的圆心Z1、Z2分别沿与方向X相反的方向移动距离2R，得到新圆U1、新圆U2，比较第三待比较图像与新圆U1、新圆U23所在区域的相似度，
取新圆U1、新圆U23所在区域与第三待比较图像相似度更高的区域的圆心U0，将圆心U0沿方向X移动距离R，移动后的圆心U0所在的经纬度为无人机所在的经纬度。
在上述技术方案中，通过将无人机摄像头采集到的图像与卫星图像来进行比较，从而使得无人机在GPRS信号弱的情况下也能够进行定位；在进行定位时，通过多次采集图像，并将采集到的图像与卫星图像进行多次对比，从而提高定位的准确性。
作为优选方案，步骤S12中的对图像进行预处理并获取特征图像包括：
S121：获取当天的大气能见度，若大气能见度大于能见度阈值，则直接转步骤S122，若大气能见度小于等于能见度阈值，则先利用去雾算法对步骤S11中的原始图像进行去雾处理，再转步骤S122；
S122：搜索特征目标，获取特征目标轮廓，并以特征目标轮廓作为特征目标图像。
在上述技术方案中，当大气能见度低时，对采集到的原始图像进行去雾处理，如果不进行去雾处理，采集到的原始图像不够清晰，既影响获取特征目标图像，也影响后续相似度的比较。
作为优选方案，步骤S13中采集无人机所在的高度包括设原始图像的面积为S1，特征目标图像在原始图像中的面积为S2，
若S1/S2大于比例阈值，则温度传感器采集无人机所处高度的温度T，则无人机所在的高度H＝0.006*(T0-T)，T0为地表空气温度；
若S1/S2小于比例阈值，则距离传感器直接采集无人机所处的高度H。
在上述技术方案中，当无人机所处的位置比较低时，通过距离传感器直接测量无人机所处的高度，测量结果精确度较高，而当无人机所处的位置比较高时，距离传感器的量程较小，无法进行测量较高的高度，通过采集无人机所处高度的温度，计算出无人机所处的高度。
作为优选方案，步骤S3中的检测无人机的飞行轨迹包括以下步骤：
S31：无人机每飞行一段距离，便采集无人机正下方的行驶图像；
S32：将无人机实际飞行时无人机正下方的行驶图像与卫星图像上无人机的理论飞行轨迹所对应的图像进行相似度比较，若相似度大于等于百分之五十，则判断无人机行驶轨迹正确，无人机继续行驶，若相似度小于百分之五十，则判断无人机行驶轨迹有误，令无人机停止行驶，转步骤S1。
与现有技术相比，本发明的有益效果是：本发明通过将无人机摄像头采集到的图像与卫星图像来进行比较，从而使得无人机在GPRS信号弱的情况下也能够进行定位；在进行定位时，通过多次采集图像，并将采集到的图像与卫星图像进行多次对比，从而提高定位的准确性。
附图说明
图1为本发明一种基于图像识别的无人机导航系统模块示意图；
图2为本发明一种基于图像识别的无人机导航方法的流程示意图；
图3为本发明一种基于图像识别的无人机导航方法中的步骤S1的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～3，本发明实施例中，一种基于图像识别的无人机导航系统及方法，该无人机导航系统包括后台控制模块、位置获取模块、指令接收模块和飞行轨迹检验模块，后台控制模块用于向无人机发送指令，指令接收模块用于接收后台控制模块发送的指令并根据指令控制位置获取模块、飞行轨迹检验模块工作，位置获取模块用于获取无人机的所在的位置并将无人机的所在的位置反馈给后台控制模块，飞行轨迹检验模块用于检验无人机的飞行轨迹是否正确并将检验结果反馈给后台控制模块。
位置获取模块包括位置图像采集模块、位置特征图像处理模块、高度判定模块、位置图像相似度比较模块和位置输出模块，位置图像采集模块用于采集位于无人机正下方的位置图像，位置特征图像处理模块包括位置图像预处理模块和位置特征图像获取模块，位置图像预处理模块用于对采集的位置图像进行去雾处理，位置特征图像获取模块用于获取位置图像中特征目标的轮廓图像，高度判定模块包括高度直接判定模块和高度间接判定模块，高度直接判定模块通过距离传感器直接采集无人机所在的高度，高度间接判定模块通过温度传感器采集无人机所在高度的温度，并根据温度计算出无人机所在的高度，位置图像相似度比较模块用于将采集到的位置图像与卫星图像上的图像进行比较，位置输出模块根据位置图像相似度比较模块的结果输出无人机所在的经纬度并传输给后台控制模块。
飞行轨迹检验模块包括行驶图像采集模块、行驶图像相似度比较模块和检验结果输出模块，行驶图像采集模块用于采集无人机实际飞行时无人机正下方的行驶图像，行驶图像相似度比较模块用于将无人机实际飞行时无人机正下方的行驶图像与卫星图像上无人机的理论飞行轨迹所对应的图像进行比较，轨迹检验输出模块根据输出行驶图像相似图比较模块的比较结果判断无人机的实际飞行轨迹是否正确并将判断结果传输给后台控制模块。
一种基于图像识别的无人机导航方法，该无人机导航方法包括以下步骤：
S1：获取无人机的实时位置；
S2：无人机接受飞行指令进行飞行；
S3：检测无人机的实际飞行轨迹。
步骤S1中的获取无人机的实时位置包括以下步骤：
S11：后台控制模块发送命令给无人机，无人机的摄像头采集位于无人机正下方的图像，该图像为原始图像；
S12：对原始图像进行预处理并获取特征目标图像；
S13：采集无人机所在的高度H；
S14：获取无人机所在的经纬度：以无人机为圆心，以R为半径作圆Q1，摄像头采集圆Q1下方的图像，该图像为第一待比较图像，将第一待比较图像与卫星图像对比，将卫星图像调整为高度为H时的卫星图像，并在该状态下的卫星图像上搜索与第一待比较图像相似的参考图像，
若存在参考图像与第一待比较图像的相似度等于百分之百的区域，则取该参考图像的圆心S所在的经纬度为无人机所在的经纬度；
若所有参考图像与第一待比较图像的相似度小于百分之百，则取将所有参考图像与第一待比较图像的相似度按从高到低的顺序排序，取相似度排序前三名的参考图像为第一优选区域，设这三个第一优选区域分别为旧圆P1、旧圆P2、旧圆P3，旧圆P1、旧圆P2、旧圆P3的圆心分别为S1、S2、S3，接着令无人机沿方向X飞行，飞行距离为R,然后以无人机为圆心，以R为半径作圆Q2，摄像头采集圆Q2下方的图像，该图像为第二待比较图像，
在卫星图像上，将旧圆P1、旧圆P2、旧圆P3的圆心S1、S2、S3分别沿方向X移动距离R，得到新圆P1、新圆P2、新圆P3，比较第二待比较图像与新圆P1、新圆P2、新圆P3所在区域的相似度，
若新圆P1、新圆P2、新圆P3所在的区域中存在区域与第二待比较图像的相似度等于百分之百，则将该区域的圆心沿与方向X相反的方向移动距离R，移动后的圆心所在的经纬度为无人机所在的经纬度；
若新圆P1、新圆P2、新圆P3与第二待比较图像的相似度均小于百分之百，则将新圆P1、新圆P2、新圆P3所在的区域与第二待比较图像的相似度按从高到低的顺序排序，取相似度排序前两名的参考图像为第二优选区域，设这两个第二优选区域分别为旧圆U1、旧圆U2，设旧圆U1、旧圆U2的圆心分别为Z1、Z2，接着令无人机沿与方向X相反的方向飞行，飞行距离为2R,然后以无人机为圆心，以R为半径作圆Q3，摄像头采集圆Q3下方的图像，该图像为第三待比较图像，
在卫星图像上，将旧圆U1、旧圆U2的圆心Z1、Z2分别沿与方向X相反的方向移动距离2R，得到新圆U1、新圆U2，比较第三待比较图像与新圆U1、新圆U23所在区域的相似度，
取新圆U1、新圆U23所在区域与第三待比较图像相似度更高的区域的圆心U0，将圆心U0沿方向X移动距离R，移动后的圆心U0所在的经纬度为无人机所在的经纬度。通过将无人机摄像头采集到的图像与卫星图像来进行比较，从而使得无人机在GPRS信号弱的情况下也能够进行定位；在进行定位时，通过多次采集图像，并将采集到的图像与卫星图像进行多次对比，从而提高定位的准确性。
步骤S12中的对图像进行预处理并获取特征图像包括：
S121：获取当天的大气能见度，若大气能见度大于能见度阈值，则直接转步骤S122，若大气能见度小于等于能见度阈值，则先利用去雾算法对步骤S11中的原始图像进行去雾处理，再转步骤S122；
S122：搜索特征目标，获取特征目标轮廓，并以特征目标轮廓作为特征目标图像。当大气能见度低时，对采集到的原始图像进行去雾处理，如果不进行去雾处理，采集到的原始图像不够清晰，既影响获取特征目标图像，也影响后续相似度的比较。
特征目标可以是车子、房子等可以在原始图像上占有一定面积的实物。
步骤S13中采集无人机所在的高度包括设原始图像的面积为S1，特征目标图像在原始图像中的面积为S2，
若S1/S2大于比例阈值，则温度传感器采集无人机所处高度的温度T，则无人机所在的高度H＝0.006*(T0-T)，T0为地表空气温度；
若S1/S2小于比例阈值，则距离传感器直接采集无人机所处的高度H。当无人机所处的位置比较低时，通过距离传感器直接测量无人机所处的高度，测量结果精确度较高，而当无人机所处的位置比较高时，距离传感器的量程较小，无法进行测量较高的高度，通过采集无人机所处高度的温度，计算出无人机所处的高度。
步骤S3中的检测无人机的飞行轨迹包括以下步骤：
S31：无人机每飞行一段距离，便采集无人机正下方的行驶图像；
S32：将无人机实际飞行时无人机正下方的行驶图像与卫星图像上无人机的理论飞行轨迹所对应的图像进行相似度比较，若相似度大于等于百分之五十，则判断无人机行驶轨迹正确，无人机继续行驶，若相似度小于百分之五十，则判断无人机行驶轨迹有误，令无人机停止行驶，转步骤S1。
实施例：
S1：获取无人机的实时位置；
S11：后台控制模块发送命令给无人机，无人机的摄像头采集位于无人机正下方的图像，该图像为原始图像；
S12：对原始图像进行预处理并获取特征目标图像；
S121：当天的大气能见度为9km，大气能见度9km大于能见度阈值7.5km，直接转步骤S122；
S122：将小汽车作为特征目标，在原始图像中任选一辆小汽车作为特征目标，获取该小汽车的特征目标轮廓，并以该小汽车的轮廓作为特征目标图像。
S13：采集无人机所在的高度H：
小汽车的轮廓占原始图像面积的1/30，即S1/S2＝30小于比例阈值60，则距离传感器直接采集无人机所处的高度H＝100m。
S14：获取无人机所在的经纬度：
以无人机为圆心，以500m为半径作圆Q1，摄像头采集圆Q1下方的图像，该图像为第一待比较图像，将第一待比较图像与卫星图像对比，将卫星图像调整为高度为100m时的卫星图像，并在该状态下的卫星图像上搜索与第一待比较图像相似的参考图像，
在卫星图像搜索到参考图像与第一待比较图像的相似度等于百分之百的区域，该参考图像的圆心S所在的经纬度为(120.29,32.84)，则无人机所在的经纬度为(120.29,32.84)；
S2：无人机接受飞行指令,往正西方向飞行2km；
S3：检测无人机的实际飞行轨迹：
S31：无人机每飞行100m，便采集无人机正下方的行驶图像；
S32：将无人机实际飞行时无人机正下方的行驶图像与卫星图像上无人机的理论飞行轨迹所对应的图像进行相似度比较，在无人机飞行过程中，相似度均大于等于百分之五十，判断无人机行驶轨迹正确。
总结：在获取无人机的实时位置时，通过采集无人机正下方的图像，获取了无人机所在的经纬度；在检测无人机的实际飞行轨迹时，每隔100m采集无人机实际飞行时无人机正下方的行驶图像，并将其与卫星图像上无人机的理论飞行轨迹所对应的图像进行相似度比较，相似度均大于等于百分之五十，判断出无人机行驶轨迹正确。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (2)
1.一种基于图像识别的无人机导航方法，其特征在于：所述无人机导航方法包括以下步骤：
S1：获取无人机的实时位置；
S2：无人机接受飞行指令进行飞行；
S3：检测无人机的实际飞行轨迹；
所述步骤S1中的获取无人机的实时位置包括以下步骤：
S11：后台控制模块发送命令给无人机，无人机的摄像头采集位于无人机正下方的图像，该图像为原始图像；
S12：对原始图像进行预处理并获取特征目标图像；
S13：采集无人机所在的高度H；
S14：以无人机为圆心，以R为半径作圆Q1，摄像头采集圆Q1下方的图像，该图像为第一待比较图像，将第一待比较图像与卫星图像对比，将卫星图像调整为高度为H时的卫星图像，并在该卫星图像上搜索与第一待比较图像相似的参考图像，
若存在参考图像与第一待比较图像的相似度等于百分之百的区域，则取该参考图像的圆心S所在的经纬度为无人机所在的经纬度；
若所有参考图像与第一待比较图像的相似度小于百分之百，则取将所有参考图像与第一待比较图像的相似度按从高到低的顺序排序，取相似度排序前三名的参考图像为第一优选区域，设这三个第一优选区域分别为旧圆P1、旧圆P2、旧圆P3，旧圆P1、旧圆P2、旧圆P3的圆心分别为S1、S2、S3，接着令无人机沿方向X飞行，飞行距离为R, 然后以无人机为圆心，以R为半径作圆Q2，摄像头采集圆Q2下方的图像，该图像为第二待比较图像，
在卫星图像上，将旧圆P1、旧圆P2、旧圆P3的圆心S1、S2、S3分别沿方向X移动距离R，得到新圆P1、新圆P2、新圆P3，比较第二待比较图像与新圆P1、新圆P2、新圆P3所在区域的相似度，
若新圆P1、新圆P2、新圆P3所在的区域中存在区域与第二待比较图像的相似度等于百分之百，则将该区域的圆心沿与方向X相反的方向移动距离R，移动后的圆心所在的经纬度为无人机所在的经纬度；
若新圆P1、新圆P2、新圆P3与第二待比较图像的相似度均小于百分之百，则将新圆P1、新圆P2、新圆P3所在的区域与第二待比较图像的相似度按从高到低的顺序排序，取相似度排序前两名的参考图像为第二优选区域，设这两个第二优选区域分别为旧圆U1、旧圆U2，设旧圆U1、旧圆U2的圆心分别为Z1、Z2，接着令无人机沿与方向X相反的方向飞行，飞行距离为2R, 然后以无人机为圆心，以R为半径作圆Q3，摄像头采集圆Q3下方的图像，该图像为第三待比较图像，
在卫星图像上，将旧圆U1、旧圆U2的圆心Z1、Z2分别沿与方向X相反的方向移动距离2R，得到新圆U1、新圆U2，比较第三待比较图像与新圆U1、新圆U23所在区域的相似度，
取新圆U1、新圆U23所在区域与第三待比较图像相似度更高的区域的圆心U0，将圆心U0沿方向X移动距离R，移动后的圆心U0所在的经纬度为无人机所在的经纬度；
所述步骤S12中的对图像进行预处理并获取特征图像包括：
S121：获取当天的大气能见度，若大气能见度大于能见度阈值，则直接转步骤S122，若大气能见度小于等于能见度阈值，则先利用去雾算法对步骤S11中的原始图像进行去雾处理，再转步骤S122；
S122：搜索特征目标，获取特征目标轮廓，并以特征目标轮廓作为特征目标图像；
所述步骤S13中采集无人机所在的高度包括设原始图像的面积为S1，特征目标图像在原始图像中的面积为S2，
若S1/ S2大于比例阈值，则温度传感器采集无人机所处高度的温度T，则无人机所在的高度H=0.006*(T0-T)，T0为地表空气温度；
若S1/ S2小于比例阈值，则距离传感器直接采集无人机所处的高度H；
所述步骤S3中的检测无人机的飞行轨迹包括以下步骤：
S31：无人机每飞行一段距离，便采集无人机正下方的行驶图像；
S32：将无人机实际飞行时无人机正下方的行驶图像与卫星图像上无人机的理论飞行轨迹所对应的图像进行相似度比较，若相似度大于等于百分之五十，则判断无人机行驶轨迹正确，无人机继续行驶，若相似度小于百分之五十，则判断无人机行驶轨迹有误，令无人机停止行驶，转步骤S1。
2.一种基于图像识别的无人机导航系统，其特征在于：该系统使用如权利要求1所述的基于图像识别的无人机导航方法运行，包括后台控制模块、位置获取模块、指令接收模块和飞行轨迹检验模块，所述后台控制模块用于向无人机发送指令，所述指令接收模块用于接收后台控制模块发送的指令并根据指令控制位置获取模块、飞行轨迹检验模块工作，所述位置获取模块用于获取无人机的所在的位置并将无人机的所在的位置反馈给后台控制模块，所述飞行轨迹检验模块用于检验无人机的飞行轨迹是否正确并将检验结果反馈给后台控制模块；
所述位置获取模块包括位置图像采集模块、位置特征图像处理模块、高度判定模块、位置图像相似度比较模块和位置输出模块，所述位置图像采集模块用于采集位于无人机正下方的位置图像，所述位置特征图像处理模块包括位置图像预处理模块和位置特征图像获取模块，所述位置图像预处理模块用于对采集的位置图像进行去雾处理，所述位置特征图像获取模块用于获取位置图像中特征目标的轮廓图像，所述高度判定模块包括高度直接判定模块和高度间接判定模块，所述高度直接判定模块通过距离传感器直接采集无人机所在的高度，所述高度间接判定模块通过温度传感器采集无人机所在高度的温度，并根据温度计算出无人机所在的高度，所述位置图像相似度比较模块用于将采集到的位置图像与卫星图像上的图像进行比较，所述位置输出模块根据位置图像相似度比较模块的结果输出无人机所在的经纬度并传输给后台控制模块；
所述飞行轨迹检验模块包括行驶图像采集模块、行驶图像相似度比较模块和检验结果输出模块，所述行驶图像采集模块用于采集无人机实际飞行时无人机正下方的行驶图像，所述行驶图像相似度比较模块用于将无人机实际飞行时无人机正下方的行驶图像与卫星图像上无人机的理论飞行轨迹所对应的图像进行比较，所述检验结果输出模块根据输出行驶图像相似图比较模块的比较结果判断无人机的实际飞行轨迹是否正确并将判断结果传输给后台控制模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910661936.1A CN110307837B (zh) | 2019-07-22 | 2019-07-22 | 一种基于图像识别的无人机导航系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910661936.1A CN110307837B (zh) | 2019-07-22 | 2019-07-22 | 一种基于图像识别的无人机导航系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110307837A CN110307837A (zh) | 2019-10-08 |
| CN110307837B true CN110307837B (zh) | 2023-04-18 |
Family
ID=68080547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910661936.1A Active CN110307837B (zh) | 2019-07-22 | 2019-07-22 | 一种基于图像识别的无人机导航系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110307837B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112330675B (zh) * | 2020-12-15 | 2022-08-23 | 南昌工程学院 | 基于AOD-Net的交通道路图像大气能见度检测方法 |
| CN112857267B (zh) * | 2021-01-09 | 2022-11-01 | 湖南省城乡建设勘测院 | 一种基于无人机的土地面积测量系统 |
| CN116243388A (zh) * | 2023-03-16 | 2023-06-09 | 中国地质调查局地球物理调查中心 | 一种无人机频域多频电磁探测系统及应用 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107690840B (zh) * | 2009-06-24 | 2013-07-31 | 中国科学院自动化研究所 | 无人机视觉辅助导航方法及系统 |
| KR20120044052A (ko) * | 2010-10-27 | 2012-05-07 | 건국대학교 산학협력단 | 복수개의 카메라를 이용한 거리측정 시스템 및 그 방법 |
| CN206171807U (zh) * | 2016-11-11 | 2017-05-17 | 成都康烨科技有限公司 | 一种无人机 |
| WO2018195955A1 (zh) * | 2017-04-28 | 2018-11-01 | 深圳市大疆创新科技有限公司 | 一种基于飞行器的设施检测方法及控制设备 |
| CN107272734A (zh) * | 2017-06-13 | 2017-10-20 | 深圳市易成自动驾驶技术有限公司 | 无人机飞行任务执行方法、无人机及计算机可读存储介质 |
| CN109765925A (zh) * | 2018-12-26 | 2019-05-17 | 上海高重信息科技有限公司 | 一种基于视觉图像的定位导航欺诈检测系统 |
-
2019
- 2019-07-22 CN CN201910661936.1A patent/CN110307837B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110307837A (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110307837B (zh) | 一种基于图像识别的无人机导航系统及方法 | |
| CN113485441B (zh) | 结合无人机高精度定位和视觉跟踪技术的配网巡检方法 | |
| CN110631593B (zh) | 一种用于自动驾驶场景的多传感器融合定位方法 | |
| CN104015931B (zh) | 一种无人机自动加油盲区视觉定位测控方法、系统及实验平台 | |
| CN106428558B (zh) | 一种基于空-轨两用无人机的轨道综合巡检方法 | |
| CN108061889A (zh) | Ais与雷达角度系统偏差的关联方法 | |
| CN106568441B (zh) | 一种利用基于北斗的电力巡检设备进行电力巡检的方法 | |
| CN105955257A (zh) | 基于固定路线的公交车自动驾驶系统及其驾驶方法 | |
| CN110908403A (zh) | 一种用于电力巡线无人机的自动定点降落装置及方法 | |
| FR2557971B1 (fr) | Systeme de surveillance par avion sans pilote permettant la localisation d'objectif | |
| CN207649604U (zh) | 一种基于无人机的智能地形勘测系统 | |
| CN106741890A (zh) | 一种基于空轨两用无人机的高速铁路安全检测系统 | |
| CN106494611B (zh) | 一种空轨两用巡检无人机 | |
| CN112650304B (zh) | 无人机自主着陆系统、方法和无人机 | |
| CN110068827A (zh) | 一种无人机自主目标测距的方法 | |
| CN112622893A (zh) | 一种多传感器融合的靶车自动驾驶避障方法及系统 | |
| CN116679011A (zh) | 一种监测碳排放源的无人机设备及监测方法 | |
| CN110441760A (zh) | 一种基于先验地形图的大范围海底地形图拓展构图方法 | |
| CN116880565A (zh) | 一种低空飞行器智能巡航控制系统及其方法 | |
| CN117369519A (zh) | 一种应用于森林防火场景的无人机自动巡航系统 | |
| CN113932806A (zh) | 高速飞行器惯性/地磁匹配搜索区域自适应组合导航方法 | |
| CN117537839A (zh) | 一种巡逻机器人导航定位检测系统 | |
| CN116754721A (zh) | 基于无人机的地空一体化碳排放监测方法及装置 | |
| CN114740511B (zh) | 基于测量机器人的无人机定位方法及无人机定位系统 | |
| CN114625164A (zh) | 基于无人机母车的无人机智能返航方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230403 Address after: 103-304, Building 10D, Zhongnan Advanced Business Park, No. 688, Section 2, Wanjiali South Road, Tianxin District, Changsha, Hunan 410000 Applicant after: Hunan Zhongtu Tong Drone Technology Co.,Ltd. Address before: 325600 Longxin village, Liushi Town, Yueqing City, Wenzhou City, Zhejiang Province Applicant before: Zhang Qi |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |