CN112286216A - 基于视觉识别的无人机自主降落无人艇的方法及系统 - Google Patents

Abstract

本发明公开了一种基于视觉识别的无人机自主降落无人艇的方法，该方法包括以下步骤：响应于无人艇发送的定位信号，无人机根据所述定位信号追踪无人艇位置；在追踪无人艇位置过程中，若检测到所述无人艇出现在视野范围，暂停接收定位信号；运动至所述无人艇的降落空域，并根据所述无人艇的运行状态实时调整无人机姿态以与所述无人艇保持相对静止；检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度；控制无人机以与所在高度对应的速度下降。本发明解决了无人机不平稳降落至运动无人艇上的问题，实现了无人机自主识别无人艇和视觉定位标识并平稳降落至运动的无人艇上。

Description

基于视觉识别的无人机自主降落无人艇的方法及系统

技术领域

本申请涉及无人机技术领域，尤其涉及一种基于视觉识别的无人机自主降落无人艇的方法及系统。

背景技术

近年来，无人系统在各个领域快速发展，典型的比如无人机、无人艇和无人潜航器等，然而，单个无人系统在某些特殊情况发挥的效能不高，例如无人艇无法在水域环境恶劣、浅滩的地方作业，无人机续航能力不强等，这就需要多个无人系统协同作业，在彼此不能作业的场合利用对方充分发挥自己的能力，使整个系统发挥出最大的效能。无人艇携带无人机，在一些无人艇去不了而需要去探测的地方放出无人机去进行探测，完成任务后，无人机自主识别无人艇，并且进一步识别无人艇上的靶标最终降落到运行的无人艇上，从而完成无人机与无人艇协同起降。

现有技术主要针对静止或者无动力的无人艇进行无人机着陆，本申请发明人发现上述技术存在无人机无法平稳降落至运动无人艇上的技术问题，因此，提供一种无人机自主识别无人艇上的靶标并平稳降落到运动的无人艇上的方法是至关重要的。

发明内容

本发明的主要目的在于提供一种基于视觉识别的无人机自主降落无人艇的方法及系统，旨在解决无人机无法平稳降落至运动无人艇上的问题。

为实现上述目的，本发明提供一种基于视觉识别的无人机自主降落无人艇的方法，所述基于视觉识别的无人机自主降落无人艇的方法包括以下步骤：

响应于无人艇发送的定位信号，无人机根据所述定位信号追踪无人艇位置；

在追踪无人艇位置过程中，若检测到所述无人艇出现在视野范围，暂停接收定位信号；

运动至所述无人艇的降落空域，并根据所述无人艇的运行状态实时调整无人机姿态以与所述无人艇保持相对静止；

检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度；

控制无人机以与所在高度对应的速度下降。

在一实施例中，所述方法还包括：

根据人工操作无人机从不同高度和角度运动到无人艇的降落空域的操作数据，建立并训练无人机运动模型；

采用所述无人机运动模型控制所述无人机自主运动。

在一实施例中，所述视觉定位标识包括由外到内依次嵌套的外层视觉定位标识、中间层视觉定位标识、内层视觉定位标识。

在一实施例中，所述检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，包括：

若检测到外层视觉定位标识，计算所述外层视觉定位标识的面积；

若检测到中间层视觉定位标识而无法检测外层视觉定位标识，计算所述中间层视觉定位标识的面积；

根据所述面积的大小确定无人机所在高度。

在一实施例中，所述检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，还包括：

采用无人机摄像头获取所述视觉定位标识的原始图像；

对所述摄像头获取的原始图像进行图像处理，提取所述视觉定位标识中各层视觉定位标识的特征；

调整无人机的位置，使各层视觉定位标识处于所述摄像头视野的中心。

在一实施例中，所述内层视觉定位标识为带有角点的异形图形；所述检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，包括：

当无人机下降至无法检测到中间层视觉定位标识时，对无人机所获取的图像进行图像处理以识别所述角点；

根据所述角点还原所述内层视觉定位标识并计算所述内层视觉定位标识的面积；

根据所述面积的大小确定无人机所在高度。

在一实施例中，当所述内层视觉定位标识的面积大于设定阈值时，关闭无人机动力。

在一实施例中，采用opencv中solvenPnP解算所述内层视觉定位标识。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有基于视觉识别的无人机自主降落无人艇的程序，所述基于视觉识别的无人机自主降落无人艇的程序被处理器执行时实现如权利要求1-8任一所述的基于视觉识别的无人机自主降落无人艇方法的步骤。

本申请实施例还提供了一种无人机系统，所述无人机系统包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的基于视觉识别的无人机自主降落无人艇的程序，所述基于视觉识别的无人机自主降落无人艇的程序被所述处理器执行时实现如权利要求1-8任一所述的基于视觉识别的无人机自主降落无人艇方法的步骤。

本申请实施例中提供的基于视觉识别的无人机自主降落无人艇的方法及系统的技术方案，至少具有如下技术效果：

由于采用了远距离自主导航，根据自主识别与自主运动指令控制无人机运动至无人艇的降落空域。近距离自主降落，根据视觉处理实时解算无人艇的航姿，进而实时调整无人机的姿态，根据无人机所在高度控制无人机下降速度的技术手段。所以，有效解决了定位信号弱与无法识别视觉定位标识的问题，实现了在无导航定位信号情况下依靠视觉精确定位，提高视觉定位标识的识别准确度。

附图说明

图1为本申请实施例涉及的无人机系统的硬件架构示意图；

图2为本申请基于视觉识别的无人机自主降落无人艇方法第一实施例的流程示意图。

图3为本申请基于视觉识别的无人机自主降落无人艇方法第一实施例步骤S140的一个具体流程示意图。

图4为本申请基于视觉识别的无人机自主降落无人艇方法第二实施例的流程示意图。

图5为本申请视觉定位标识示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

本申请为了解决无人机不平稳降落至运动无人艇上的问题，采用了响应于无人艇发送的定位信号，无人机根据所述定位信号追踪无人艇位置；在追踪无人艇位置过程中，若检测到所述无人艇出现在视野范围，暂停接收定位信号；运动至所述无人艇的降落空域，并根据所述无人艇的运行状态实时调整无人机姿态以与所述无人艇保持相对静止；检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度；控制无人机以与所在高度对应的速度下降的技术方案。实现了无人机自主识别无人艇和视觉定位标识并平稳降落至运动的无人艇上。

为了更好地理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。

结合图1所示，其为本申请各个实施例中涉及的无人机系统的一种硬件结构示意图，该无人机系统可以包括：处理器101、通信总线102、存储器103、摄像设备104、通信接收设备105、导航定位设备106；无人艇系统包括：通信发送设备107。

无人机系统，也称无人驾驶航空器系统，它是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器，采用空气动力为飞行器提供所需动力，能够自主飞行或远程引导。本申请所述的无人机可以包括以下任意一种构型：固定翼无人机、旋翼无人机、无人飞艇、伞翼无人机、扑翼无人机等。

无人艇系统，是一种无人操作的水面舰艇，对外与岸基主控系统、领域基础设施进行信息交互，对内实施对艇内体平台、任务载荷的控制。无人艇系统包括各类传感器、通信、航行控制、岸基控制分系统，主要用于执行危险以及不适于有人船只执行的任务。本申请通过无人机自主识别视觉定位标识实现无人机的自主平稳降落至无人艇上，实现无人机与无人艇的协同起降。

本领域技术人员可以理解，图1所示的无人机系统的硬件结构并不构成对无人机系统的限定，无人机系统可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图1对无人机系统的各个部件进行具体的介绍：

处理器101是无人机系统的控制中心，所述处理器101可以是将微型计算机的主要部分集成在一个芯片上的单芯片微型计算机，例如8位单片机、16位单片机或者32位单片机等，还可以是嵌入式单片机，例如8/16/32位嵌入式单片机。所述处理器中主要包含中央处理器CPU、只读存储器ROM和随机存储器RAM等。

所述处理器101的功能主要包括以下几种：对摄像设备104采集的视觉定位标识进行图像处理，调节无人机的飞行姿态；接收无人艇信号发送设备107发送的数据，对数据进行处理，控制无人机导航定位设备106向无人艇运动；运行或执行存储在存储器103内的基于视觉识别的无人机自主降落无人艇的程序，以及调用存储在存储器103内的数据，执行无人机系统的各种功能和处理数据等。

通信总线102主要实现连接无人机系统内部数据的处理与传输，所述通信总线102可以是ISA总线标准，也可以是EISA总线标准，可根据具体情况而定，这里不进行详细展开。所述通信总线102包含三种不同功能的总线，即数据总线、地址总线、控制总线，提供了处理器101与存储器103及其他部件的连接线，实现数据的有效传输。

存储器103可用于存储无人机系统的各种程序以及各种数据。本申请的存储器可以是高速RAM存储器，低功耗的电可擦编程只读存储器EEPROM，也可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件；存储器可选的还可以是独立于前述处理器的存储装置存储器；所述存储器103主要包括存储程序区和存储数据区，其中，存储程序区至少存储了基于视觉识别的无人机自主降落无人艇的程序；存储数据区可以存储无人机系统的各种数据，如图像信息、位置信息等。

摄像设备104主要实现将光学图像信号转换为电信号，以便于存储或者传输；本申请摄像设备104可用于在无人机系统自主降落过程中获取视觉定位标识的图像信息，并发送给处理器101进行图像处理以调整无人机降落姿态。

通信接收设备105和通信发送设备107是无人机系统与无人艇系统数据通信设备；所述通信接收设备105和通信发送设备107主要使用无线设备，例如WIFI模块、蓝牙模块、LARA模块等无线通信设备；本申请通信接收设备105与通信发送设备107通过通信总线102实现位置信息的交互。

导航定位设备106主要用于确定无人机飞行过程中所在的位置以及确定无人机飞行的方向，所述导航定位设备106可以是GPS导航设备；无人机可以通过与无人艇建立通信获得无人艇的GPS坐标，根据无人机自身GPS模块得到的GPS坐标可以大致计算出与无人艇之间的位置距离误差，无人机自主控制靠近无人艇大致所在的区域。

在本申请实施例中，处理器101可以用于调用存储在存储器103中的基于视觉识别的无人机自主降落无人艇的程序，并执行以下操作：

响应于无人艇发送的定位信号，无人机根据所述定位信号追踪无人艇位置；

在追踪无人艇位置过程中，若检测到所述无人艇出现在视野范围，暂停接收定位信号；

运动至所述无人艇的降落空域，并根据所述无人艇的运行状态实时调整无人机姿态以与所述无人艇保持相对静止；

检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度；

控制无人机以与所在高度对应的速度下降。

在一实施例中，处理器101还可以用于调用存储在存储器103中的基于视觉识别的无人机自主降落无人艇的程序，并执行以下操作：

根据人工操作无人机从不同高度和角度运动到无人艇的降落空域的操作数据，建立并训练无人机运动模型；

采用所述无人机运动模型控制所述无人机自主运动。

在一实施例中，处理器101可以用于调用存储在存储器103中的基于视觉识别的无人机自主降落无人艇的程序检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，包括：

若检测到外层视觉定位标识，计算所述外层视觉定位标识的面积；

若检测到中间层视觉定位标识而无法检测外层视觉定位标识，计算所述中间层视觉定位标识的面积；

当无人机下降至无法检测到中间层视觉定位标识时，对无人机所获取的图像进行图像处理以识别所述角点；

根据所述角点还原所述内层视觉定位标识并计算所述内层视觉定位标识的面积；

根据所述面积的大小确定无人机所在高度。

在一实施例中，处理器101还可以用于调用存储在存储器103中的基于视觉识别的无人机自主降落无人艇的程序检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，包括：

采用无人机摄像头获取所述视觉定位标识的原始图像；

对所述摄像头获取的原始图像进行图像处理，提取所述视觉定位标识中各层视觉定位标识的特征；

调整无人机的位置，使各层视觉定位标识处于所述摄像头视野的中心。

在一实施例中，处理器101还可以用于调用存储在存储器103中的基于视觉识别的无人机自主降落无人艇的程序检测当所述内层视觉定位标识的面积大于设定阈值时，关闭无人机动力。

上述本申请实施例中的技术方案，至少具有的技术效果或优点：通过处理器101调用存储在存储器103中的基于视觉识别的无人机自主降落无人艇的程序，从而使无人机自主平稳降落至运动无人艇上的技术方案。所以，有效解决了无人机不平稳降落至运动无人艇上的问题，实现了无人机自主识别无人艇和视觉定位标识并平稳降落至运动的无人艇上。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

如图2所示，在本申请的第一实施例中，本申请的基于视觉识别的无人机自主降落无人艇的方法具体包括以下步骤：

步骤S110，响应于无人艇发送的定位信号，无人机根据所述定位信号追踪无人艇位置。

在本实施例中，所述定位信号是指无人艇的GPS坐标；所述响应于无人艇发送的定位信号是指无人艇通过通信发送设备107发送GPS坐标信息，无人机通过通信接收设备105接收GPS坐标信息；无人机根据自身GPS模块得到的GPS坐标信息可以大致计算出与无人艇之间的位置距离误差，然后无人机根据定位信号自主控制靠近无人艇大致区域。

步骤S120，在追踪无人艇位置过程中，若检测到所述无人艇出现在视野范围，暂停接收定位信号。

在本实施例中，无人机距离无人艇很远时通过GPS定位，无人机接收无人艇的GPS坐标信息，对所述GPS坐标信息进行处理后向无人艇运动，若无人机运动过程中检测到无人艇出现在视野范围内，无人机开始通过深度学习模型可以识别到无人艇位置，同时GPS停止发送坐标信息。

步骤S130，运动至所述无人艇的降落空域，并根据所述无人艇的运行状态实时调整无人机姿态以与所述无人艇保持相对静止。

在本实施例中，所述降落空域是指无人艇正上方的某个高度；当无人机到达无人艇降落空域时，无人机调整自身的姿态使无人艇位于无人机摄像头的中心位置并使无人机与无人艇保持相对静止状态，提高无人机检测视觉定位标识的准确度。

步骤S140，检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度。

在本实施例中，所述视觉定位标识包括由外到内依次嵌套的外层视觉定位标识、中间层视觉定位标识、内层视觉定位标识；本实施例还对视觉定位标识形状进行了限定，如图5所示，外层视觉定位标识为圆形、中间层视觉定位标识为矩形、内层视觉定位标识为带有角点的异性图形。

在本实施例中，无人机下降过程中，检测视觉定位标识的优先级为由外到内，当无人机处于无人艇正上方某个高度位置且保持相对静止状态时，无人机开始检测视觉定位标识；视觉定位标识可根据实际情况而设定对应的尺寸大小，例如无人机运动至无人艇正上方并保持相对静止状态时，无人机摄像头能识别到外层视觉定位标识，当无人机运动至无人艇正上方且无人机所在高度小于最小预设高度时，无人机摄像头能识别到内层视觉定位标识。

如图3所示，检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，包括：

步骤S141，若检测到外层视觉定位标识，计算所述外层视觉定位标识的面积。

在本实施例中，当无人机在下降过程中识别外层视觉定位标识即图5所示的圆形10时，首先对圆形10进行灰度处理与二值化处理，然后通过霍夫变化提取出圆的轮廓特征，使圆形10处于摄像头视野的中心，实时计算所述外层视觉定位标识的面积。

步骤S142，若检测到中间层视觉定位标识而无法检测外层视觉定位标识，计算所述中间层视觉定位标识的面积。

在本实施例中，当无人机在下降过程中识别到中间层视觉定位标识即图5所示的矩形20时，首先对矩形10进行灰度处理与二值化处理，然后通过霍夫变化提取出矩形的轮廓特征，使矩形20处于所述摄像头的中心，实时计算所述中间层视觉定位标识的面积。

在本实施例中，根据检测到的视觉定位标识，计算视觉定位标识的面积是指无人机在降落空域，当无人机位于无人艇降落空域最高位置，在该位置无人机能识别到外层视觉定位标识且视觉定位标识面积最小；下降过程中，无人机摄像头检测到视觉定位标识的面积会逐渐变大，直到达到最小预设高度，视觉定位标识的面积最大。

步骤S143，根据所述面积的大小确定无人机所在高度。

在本实施例中，实时调整无人机的位置，控制摄像头中心与视觉定位标识中心水平方向与垂直方向在一定误差范围内；无人机下降过程中检测到的视觉定位标识的面积随高度的变化而变化，因此，可根据视觉定位标识的面积大小确定无人机所在的高度；在根据所述视觉定位标识确定无人机所在高度之前，需要建立外层视觉定位标识面积与无人机所在高度的预设关系，无人机在下降过程中计算识别到的外层视觉定位标识的面积，根据事先建立的外层视觉定位标识的面积与无人机所在高度的预设关系，得到无人机距离无人艇的高度；建立中间层视觉定位标识面积与无人机所在高度的预设关系，无人机在下降过程中计算识别到的中间层视觉定位标识的面积，根据事先建立的中间层视觉定位标识的面积与无人机所在高度的预设关系，得到无人机距离无人艇的高度。

如图3所示，检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，还包括：

步骤S144，当无人机下降至无法检测到中间层视觉定位标识时，对无人机所获取的图像进行图像处理以识别所述角点。

在本实施例中，例如，如图5所示，当无人机在下降过程中无法识别出矩形20的形状时，无人机将对拍摄的内层视觉定位标识进行图像处理。所述图像处理为摄像头标记出矩形20的轮廓，处理器在矩形20内部进行图像遍历，将检测出的边缘点连接以完成对内层视觉定位标识的识别。如图5所示，所述图像遍历过程为在矩形20内部从左到右，从上到下遍历检测角点31，从右到左，从上到下遍历检测角点32，从左到右，从下到上检测角点33，从右到左，从下到上检测角点34，将检测到的上述4个角点的位置信息进行姿态解算处理以实时调整无人机下降姿态，使无人机降落至内层视觉定位标识T型30范围内。

步骤S145，根据所述角点还原所述内层视觉定位标识并计算所述内层视觉定位标识的面积。

在本实施例中，采用opencv中solvenPnP解算所述内层视觉定位标识；solvenPnP为单目相机姿态解算，主要应用于无人机的姿态解算系统中，能测量出装载在无人机上的摄像头相对于被检测物体平面的三维姿态角，即俯仰角、偏航角、滚轮角。

在本实施例中，根据所述角点还原所述内层视觉定位标识是指摄像头获取图像，处理图像以识别角点并对角点进行标定，然后利用已知内层视觉定位标识在三维空间的坐标，在图像上一一对应内层视觉定位标识的像素坐标以及标定的角点参数，还原出内层视觉定位标识以计算内层视觉定位标识的面积；同时，根据求解出此时摄像头相对于空间已知内层视觉定位标识的旋转向量以及平移向量，通过对旋转向量进行数据分析处理，求解出此时摄像头相对于已知内层视觉定位标识空间坐标的俯仰角，偏航角，滚轮角，对无人机的降落姿态进行调整。

步骤S143，根据所述面积的大小确定无人机所在高度。

在本实施例中，可根据内层视觉定位标识的面积大小确定无人机所在的高度；在根据所述内层视觉定位标识确定无人机所在高度之前，需要建立内层视觉定位标识面积与无人机所在高度的预设关系，无人机在下降过程中计算识别到的对应的内层视觉定位标识的面积，根据事先建立的内层视觉定位标识的面积与无人机所在高度的预设关系，得到无人机距离无人艇的高度。

步骤S150，控制无人机以与所在高度对应的速度下降。

在本实施例中，无人机在下降过程中，若检测到外层视觉定位标识，则判定无人机所在高度小于预设高度h1，无人机以第一速度下降。例如：假设无人机处于无人艇正上方30m处，对应识别到的外层视觉定位标识的面积为10㎡；无人机在下降过程中，当检测到的外层视觉定位标识面积变为8㎡时，根据预设关系可以判定无人机所在高度变为28m，无人机根据所在高度28m对应的下降速度控制所述无人机以1m/s的速度下降，直到无法识别到外层视觉定位标识进行下一步操作。

在本实施例中，无人机下降过程中无法检测到外层视觉定位标识时，则检测中间层视觉定位标识，根据检测到的中间层视觉定位标识面积判定无人机所在高度，根据无人机所在高度控制无人机以第二速度下降；若检测到外层视觉定位标识，则判定无人机所在高度小于或等于预设高度h2，根据无人机所在高度控制无人机以第三速度下降。

在本实施例中，无人机下降过程中无法检测到中间层视觉定位标识时则检测内层视觉定位标识，当所述内层视觉定位标识的面积大于设定阈值时，关闭无人机动力；例如：若无人机距离无人艇高度小于预设高度h3即0.2m时，关闭无人机动力，使无人机以第四速度降落到无人艇上，完成自主降落过程。

在本实施例中，根据所述无人机所在高度控制所述无人机下降速度，其中，无人机的下降速度随高度下降而变小；所述预设高度指无人机位于无人艇正上方时，无人机与无人艇的相对高度，所述预设高度h1＞h2＞h3。

上述方法的有益效果为无人机在降落空域下降过程中，检测无人艇上的视觉定位标识，对视觉定位标识进行图像处理以计算视觉定位标识的面积大小，根据视觉定位标识面积与高度的预设关系实时确定无人机所在高度，根据无人机高度与无人机下降速度预设关系确定无人机下降速度控制无人机推力大小，控制无人机以与所在高度对应的速度下降的技术方案。因此，有效解决了无人机无法平稳降落至运动无人艇上的问题，实现了无人机自主识别无人艇和视觉定位标识并平稳降落至运动的无人艇上。

如图4所示，在本申请的第二实施例中，基于视觉识别的无人机自主降落无人艇的方法具体包括以下步骤：

步骤S210，根据人工操作无人机从不同高度和角度运动到无人艇的降落空域的操作数据，建立并训练无人机运动模型。

在本实施例中，无人机运动模型是指无人机识别并运动至无人艇位置的模型，人工操作无人机拍摄不同远近，不同角度无人艇的照片，对这些照片中的无人艇进行标注，根据标注后的数据进行训练，大量学习无人机从不同高度和角度识别到无人艇，人工操作无人机向无人艇运动直到无人机到达无人艇降落空域，学习自主识别无人艇并运动至无人艇降落空域这一操作，该操作是指无人机识别到无人艇时，学习如何根据识别到的无人艇的位置运动到无人艇正上空某个高度这一过程。

步骤S220，采用所述无人机运动模型控制所述无人机自主运动。

在本实施例中，采用所述无人机运动模型控制所述无人机自主运动是指无人机通过学习步骤S210所述的操作，可以实现自主识别无人艇的位置，发出操作指令并运动到无人艇正上方的某个高度。

步骤S230，响应于无人艇发送的定位信号，无人机根据所述定位信号追踪无人艇位置。

在本实施例中，无人机与无人艇在远距离范围内通过GPS实现通信，无人机根据无人艇发送的定位信号确定无人艇位置。具体过程如步骤S110所述，这里不再赘述。

步骤S240，在追踪无人艇位置过程中，若检测到所述无人艇出现在视野范围，暂停接收定位信号。

在本实施例中，所述检测无人艇出现在视野范围内主要通过固定在无人机机体下方的摄像头进行检测，并且通过预设的无人机运动模型进行检测，当无人机摄像头检测到无人艇出现在视野范围内，无人机暂停接收无人艇发送的定位信号。

步骤S250，运动至所述无人艇的降落空域，并根据所述无人艇的运行状态实时调整无人机姿态以与所述无人艇保持相对静止。

在本实施例中，无人机根据无人机运动模型运动至无人艇降落空域，所述根据所述无人艇的运行状态实时调整无人机姿态主要是通过无人机摄像头检测无人艇上的视觉定位标识实时调整无人机姿态，摄像头拍摄视觉定位标识图片，对图片进行处理并对图片进行标记，根据无人艇的外层视觉定位标识坐标一一对应摄像头拍摄图片的标记点，调整无人机姿态，使无人艇上的外层视觉定位标识中心位于摄像头中心并与无人艇保持相对静止状态；所述无人机与无人艇保持相对静止状态旨在确保无人机处于无人艇降落空域时准确识别外层视觉定位标识，实现无人机平稳降落至无人艇上。

步骤S260，检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度。

在本实施例中，采用无人机摄像头获取所述视觉定位标识的原始图像；对所述摄像头获取的原始图像进行图像处理，提取所述视觉定位标识中各层视觉定位标识的特征，调整无人机的位置，使各层视觉定位标识处于所述摄像头视野的中心；所述图像处理是指无人机位于无人艇降落空域，固定在无人机机体下方的摄像头拍摄外层视觉定位标识或内层视觉定位标识，无人机内置处理器对拍摄的图像进行处理，具体检测过程如步骤S140所述，这里不再赘述。

步骤S270，控制无人机以与所在高度对应的速度下降。

在本实施例中，控制无人机以与所在高度对应的速度下降，无人机在下降过程中，随着高度的变化，需要对推力进行控制，即需要控制无人机的降落速度使无人机平稳降落；因此，无人机在下降之前，还需要建立无人机所在高度与无人机下降速度的预设关系；无人机在下降过程中，检测无人机距离无人艇的高度，同时根据事先建立的无人机所在高度与无人机下降速度的预设关系，实时控制无人机下降速度，具体控制过程如步骤S150所述，这里不再赘述。

上述方法的有益效果为无人机学习自主识别无人艇与无人机运动至无人艇降落空域的操作，根据学习到的无人机自主识别无人艇操作检测到所述无人艇的位置，若检测到无人艇出现在视野范围内，无人机暂停接收定位信号，根据学习到的无人机自主运动至无人艇降落空域无人机运动模型控制无人机运动至无人艇的降落空域，并根据无人艇的运行状态实时调整自身姿态以与无人艇保持相对静止的技术方案。因此，有效解决了无人机由于GPS定位偏差导致无法识别无人艇的问题，实现了无人机无需人为操作就可以自主识别并运动至无人艇降落空域，提高无人机检测视觉定位标识的准确度。

基于同一发明构思，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有基于视觉识别的无人机自主降落无人艇的程序，所述基于视觉识别的无人机自主降落无人艇的程序被处理器执行时实现如上述的基于视觉识别的无人机自主降落无人艇方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

由于本申请实施例提供的计算机可读存储介质，为实施本申请实施例的方法所采用的计算机可读存储介质，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该计算机可读存储介质的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的计算机可读存储介质都属于本申请所欲保护的范围。

基于同一发明构思，本申请实施例还提供了一种无人机系统，所述无人机系统包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的基于视觉识别的无人机自主降落无人艇的程序，所述基于视觉识别的无人机自主降落无人艇的程序被所述处理器执行时实现如上述的基于视觉识别的无人机自主降落无人艇方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

由于本申请实施例提供的无人机系统，为实施本申请实施例的方法所采用的无人机系统，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该无人机系统的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的无人机系统都属于本申请所欲保护的范围。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)，和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框，以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二，以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于视觉识别的无人机自主降落无人艇的方法，其特征在于，所述方法包括以下步骤：

响应于无人艇发送的定位信号，无人机根据所述定位信号追踪无人艇位置；

在追踪无人艇位置过程中，若检测到所述无人艇出现在视野范围，暂停接收定位信号；

运动至所述无人艇的降落空域，并根据所述无人艇的运行状态实时调整无人机姿态以与所述无人艇保持相对静止；

检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度；

控制无人机以与所在高度对应的速度下降。

2.如权利要求1所述的基于视觉识别的无人机自主降落无人艇的方法，其特征在于，还包括：

根据人工操作无人机从不同高度和角度运动到无人艇的降落空域的操作数据，建立并训练无人机运动模型；

采用所述无人机运动模型控制所述无人机自主运动。

3.如权利要求1所述的基于视觉识别的无人机自主降落无人艇的方法，其特征在于，所述视觉定位标识包括由外到内依次嵌套的外层视觉定位标识、中间层视觉定位标识、内层视觉定位标识。

4.如权利要求3所述的基于视觉识别的无人机自主降落无人艇的方法，其特征在于，所述检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，包括：

若检测到外层视觉定位标识，计算所述外层视觉定位标识的面积；

若检测到中间层视觉定位标识而无法检测外层视觉定位标识，计算所述中间层视觉定位标识的面积；

根据所述面积的大小确定无人机所在高度。

5.如权利要求4所述的基于视觉识别的无人机自主降落无人艇的方法，其特征在于，还包括：

采用无人机摄像头获取所述视觉定位标识的原始图像；

对所述摄像头获取的原始图像进行图像处理，提取所述视觉定位标识中各层视觉定位标识的特征；

调整无人机的位置，使各层视觉定位标识处于所述摄像头视野的中心。

6.如权利要求3所述的基于视觉识别的无人机自主降落无人艇的方法，其特征在于，所述内层视觉定位标识为带有角点的异形图形；所述检测无人艇上设置的视觉定位标识，根据所述视觉定位标识确定无人机所在高度，包括：

当无人机下降至无法检测到中间层视觉定位标识时，对无人机所获取的图像进行图像处理以识别所述角点；

根据所述角点还原所述内层视觉定位标识并计算所述内层视觉定位标识的面积；

根据所述面积的大小确定无人机所在高度。

7.如权利要求6所述的基于视觉识别的无人机自主降落无人艇的方法，其特征在于，当所述内层视觉定位标识的面积大于设定阈值时，关闭无人机动力。

8.如权利要求6所述的基于视觉识别的无人机自主降落无人艇的方法，其特征在于，采用opencv中solvenPnP解算所述内层视觉定位标识。

9.一种计算机可读存储介质，其特征在于，其上存储有基于视觉识别的无人机自主降落无人艇程序，其特征在于，该基于视觉识别的无人机自主降落无人艇程序被处理器执行时实现权利要求1-8任一所述的方法。

10.一种无人机系统，其特征在于，包括处理器、存储器及存储在存储器上并可在处理器上运行的基于视觉识别的无人机自主降落无人艇程序，所述处理器执行所述基于视觉识别的无人机自主降落无人艇程序时实现权利要求1-8任一所述的方法。

Images