CN112666961A - 无人机坠机检测方法、系统、装置、无人机和存储介质 - Google Patents

Abstract

本申请涉及一种无人机坠机检测方法、装置、系统、无人机和存储介质。所述方法包括：无人机通过获取无人机的多个属性的实时飞行数据；对多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；获取预设的无人机坠机阈值，根据无人机坠机融合数据与无人机坠机阈值确定无人机的坠机状态。采用本方法能够通过得到多个无人机实时飞行数据融合得到坠机融合数据，并根据设定的坠机阈值，可准确确定无人机的坠机状态，提高无人机坠机检测的准确性。

Description

无人机坠机检测方法、系统、装置、无人机和存储介质

技术领域

本申请涉及无人机技术领域，特别是涉及一种无人机坠机检测方法、系统、装置、无人机和存储介质。

背景技术

随着无人机技术的发展，出现了一种利用无人机进行电力巡线的方法。通过无人机进行电力巡线，相比于人工巡线具有安全性高、运行成本低廉、实时性强等多种优点，因此，通过无人机进行电力巡线已经成为了目前常用的电力巡线方法。

然而，由于输电线路可能架设于某些地形复杂的地区，如果巡线的无人机发生故障而坠机时，无人机坠机状态难以被检测。目前的无人机坠机检测方法，坠机检测的准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种无人机坠机检测方法、系统、装置、无人机和存储介质。

一种无人机坠机检测方法，应用于无人机，所述方法包括：

获取无人机的多个属性的实时飞行数据；

对所述多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；

获取预设的无人机坠机阈值，根据所述无人机坠机融合数据与所述无人机坠机阈值确定所述无人机的坠机状态。

在其中一个实施例中，所述多个属性的实时飞行数据，包括：由所述无人机的陀螺仪测量得到的陀螺仪数据，以及由所述无人机的加速度计测量得到的加速度数据；所述对所述多个属性的实时飞行数据进行融合，得到无人机坠机融合数据，包括：根据所述加速度数据，确定所述无人机的第一姿态角，以及根据所述陀螺仪数据，确定所述无人机的第二姿态角；获取所述无人机的实时旋转角；根据所述第一姿态角与所述实时旋转角，确定所述无人机的第一噪声，以及根据所述第二姿态角与所述实时旋转角，确定所述无人机的第二噪声；对所述第一噪声以及所述第二噪声进行融合，获取所述无人机坠机融合数据。

在其中一个实施例中，所述陀螺仪数据还包括所述陀螺仪测量的所述无人机的角速度数据；所述获取所述无人机的实时旋转角的步骤包括多个轮次；所述获取所述无人机的实时旋转角，包括：获取所述陀螺仪测量所述角速度数据的测量间隔时长，以及当前轮次对应的初始旋转角；基于所述初始旋转角，利用所述角速度数据以及所述测量间隔时长确定当前轮次对应的实时旋转角，并将所述当前轮次对应的实时旋转角作为下一轮次对应的初始旋转角。

在其中一个实施例中，所述无人机坠机阈值，包括：第一坠机阈值以及第二坠机阈值；所述无人机坠机融合数据包括第一无人机坠机融合数据以及第二无人机坠机融合数据；所述对所述第一噪声以及所述第二噪声进行融合，获取所述无人机坠机融合数据，包括：根据所述第一噪声，确定用于消除所述第一噪声的第一滤波器的第一滤波器参数，以及根据所述第二噪声，确定用于消除所述第二噪声的第二滤波器的第二滤波器参数；基于所述第一滤波器参数以及所述第二滤波器参数，确定所述第一无人机坠机融合数据以及所述第二无人机坠机融合数据；所述根据所述无人机坠机融合数据与所述无人机坠机阈值确定所述无人机的坠机状态，包括：若所述第一无人机坠机融合数据大于所述第一坠机阈值，且所述第二无人机坠机融合数据大于所述第二坠机阈值，则确定所述无人机的坠机状态为所述无人机发生坠机。

在其中一个实施例中，所述确定所述无人机的坠机状态为所述无人机发生坠机，包括：获取所述实时旋转角的变化率，以及所述加速度数据的加速度方向；若所述第一无人机坠机融合数据大于所述第一坠机阈值、所述第二无人机坠机融合数据大于所述第二坠机阈值、所述实时旋转角的变化率大于预设的变化率阈值，以及所述加速度方向属于预设方向，则确定所述无人机的坠机状态为所述无人机发生坠机。

一种无人机坠机检测系统，所述系统包括：无人机，以及用于管理无人机信息的无人机信息管理平台；其中，

所述无人机，用于基于如上述的无人机坠机检测方法，确定所述无人机的坠机状态；

所述无人机，还用于若所述坠机状态为所述无人机发生坠机，则向所述无人机信息管理平台发送所述无人机的多个属性的实时飞行数据；

所述无人机信息管理平台，用于获取所述实时飞行数据，并将所述实时飞行数据进行显示，并根据显示的所述实时飞行数据确定所述无人机的坠机位置。

在其中一个实施例中，所述无人机还包括用于对所述无人机进行防坠机救助的无人机防坠机模块；所述无人机，进一步用于若所述无人机的坠机状态为所述无人机发生坠机，则向所述无人机信息管理平台发送报警信号，并启动所述无人机防坠机模块，对所述无人机进行防坠机救助；获取启动所述无人机防坠机模块后的所述无人机的坠机状态；所述无人机，还用于若启动所述无人机防坠机模块后的所述无人机的坠机状态为所述无人机发生坠机，则向所述无人机信息管理平台发送所述实时飞行数据；所述无人机信息管理平台，还用于根据所述实时飞行数据对所述无人机的飞行遥控指令进行调整；和/或所述无人机，还用于若启动所述无人机防坠机模块后的所述无人机的坠机状态为所述无人机未发生坠机，则停止向所述无人机信息管理平台发送所述报警信号。

一种无人机坠机检测装置，应用于无人机，所述装置包括：

飞行数据获取模块，用于获取无人机的多个属性的实时飞行数据；

融合数据获取模块，用于对所述多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；

坠机状态确定模块，用于获取预设的无人机坠机阈值，根据所述无人机坠机融合数据与所述无人机坠机阈值确定所述无人机的坠机状态。

一种无人机，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

上述无人机坠机检测方法、系统、装置、无人机和存储介质，无人机通过获取无人机的多个属性的实时飞行数据；对多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；获取预设的无人机坠机阈值，根据无人机坠机融合数据与无人机坠机阈值确定无人机的坠机状态。本申请通过得到多个无人机实时飞行数据融合得到坠机融合数据，并根据设定的坠机阈值，可准确确定无人机的坠机状态，提高无人机坠机检测的准确性。

附图说明

图1为一个实施例中无人机坠机检测方法的应用环境图；

图2为一个实施例中无人机坠机检测方法的流程示意图；

图3为一个实施例中得到无人机坠机融合数据的流程示意图；

图4为一个实施例中无人机坠机检测系统的结构示意图；

图5为一个应用实例中无人机坠机自助报警及飞行信息回传系统的结构图；

图6为一个应用实例中无人机坠机处理方法的流程示意图；

图7为一个实施例中无人机坠机检测装置的结构框图；

图8为一个实施例中无人机的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的无人机坠机检测方法，可以应用于如图1所示的应用环境中。其中，无人机101通过数据传输链路与无人机信息管理平台102进行通信。无人机101可以采集实时飞行数据，并将得到的实时飞行数据进行糅合，得到坠机融合数据，并利用坠机融合数据与预设的坠机阈值，以确定无人机101的坠机状态，若发生坠机，无人机101则可以通过数据传输链路向无人机信息管理平台102发送实时飞行数据。其中，无人机信息管理平台102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种无人机坠机检测方法，以该方法应用于图1中的无人机101为例进行说明，包括以下步骤：

步骤S201，无人机101获取无人机101的多个属性的实时飞行数据。

其中，实时飞行数据指的是无人机101在飞行过程中实时采集的数据，该数据可以通过无人机101设置的数据采集单元进行采集，例如可以通过不同的数据传感器实现，而不同属性的实时飞行数据则指的是采集到的实时飞行数据可以是分别代表不同的属性，例如可以是无人机的飞行高度，以及无人机的飞行速度，或者无人机的飞行位置等等，还可以是无人机的地理坐标、海拔高度、线速度以及航向角等等。具体来说，无人机101可以通过不同的数据采集单元对实时飞行数据进行采集，从而得到多个属性的实时飞行数据。

步骤S202，无人机101对多个属性的实时飞行数据进行融合，得到无人机坠机融合数据。

无人机坠机融合数据指的是用于判断无人机是否发生坠机的数据，该数据可以通过无人机101的数据处理模块得到，该模块可以对采集到的无人机101多个属性的实时飞行数据进行融合，融合的方法可以是采用扩展卡尔曼滤波融合方法，从而得到无人机坠机融合数据。

步骤S203，无人机101获取预设的无人机坠机阈值，根据无人机坠机融合数据与无人机坠机阈值确定无人机101的坠机状态。

无人机坠机阈值可以是用户预先设定的，用于评判无人机101是否发生坠机的条件阈值，如果无人机坠机融合数据满足上述无人机坠机阈值的条件，那么则可以确定无人机101可能发生坠机。在无人机101根据实时飞行数据得到无人机坠机融合数据后，可以根据得到的无人机坠机融合数据以及预先设定的无人机坠机阈值，以确定无人机101的坠机状态，该坠机状态可以包括无人机101发生坠机以及无人机101未发生坠机两种。

上述无人机坠机检测方法中，无人机101通过获取无人机的多个属性的实时飞行数据；对多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；获取预设的无人机坠机阈值，根据无人机坠机融合数据与无人机坠机阈值确定无人机的坠机状态。本申请通过得到多个无人机实时飞行数据融合得到坠机融合数据，并根据设定的坠机阈值，可准确确定无人机的坠机状态，提高无人机坠机检测的准确性。

在一个实施例中，多个属性的实时飞行数据，包括：由无人机101的陀螺仪测量得到的陀螺仪数据，以及由无人机101的加速度计测量得到的加速度数据；如图3所示，步骤S202可以进一步包括：

步骤S301，无人机101根据加速度数据，确定无人机的第一姿态角，以及根据陀螺仪数据，确定无人机的第二姿态角。

其中，多个属性的实时飞行数据可以包括由设置于无人机101的陀螺仪测量得到的陀螺仪数据，例如可以包括陀螺仪传感器观测得到的无人机101的姿态角，多个属性的实时飞行数据还可以包括由无人机的加速度计传感器测量得到的无人机加速度数据。之后，无人机101可以根据得到的加速度数据，计算无人机101的姿态角，作为第一姿态角，以及通过陀螺仪数据，确定无人机101的姿态角，作为第二姿态角。

具体来说，第一姿态角可以是无人机101采集得到的加速度数据得到，通过对加速度数据进行反余弦函数的计算，即利用公式

计算得到，其中

表示加速度数据的平均值，由于加速度数据会随着无人机101的飞行而不断改变，无人机101可以采集多个加速度数据，例如当前采集的加速度数据之前的前预设个数的加速度数据，求取多个加速度数据的平均值，并对该平均值利用反余弦函数进行计算处理，从而得到

后，利用反余弦函数计算得到θ₁作为第一姿态角。

而第二姿态角θ₂则可以是无人机101的陀螺仪通过陀螺仪传感器直接观测得到，因此无人机101可以直接从陀螺仪数据中得到第二姿态角θ₂。

步骤S302，无人机101获取无人机101的实时旋转角；

步骤S303，无人机101根据第一姿态角与实时旋转角，确定无人机的第一噪声，以及根据第二姿态角与实时旋转角，确定无人机的第二噪声。

其中，无人机101的实时旋转角也可以通过无人机101的实时飞行数据实时计算得到，该旋转角用于表示无人机101的真实姿态角，由于无人机101在飞行过程中不可避免的受到噪声干扰，因此无论是通过加速度计得到的第一姿态角以及通过陀螺仪观测得到的第二姿态角，都会与旋转角存在一定的噪声偏差。因此无人机101可以根据得到的第一姿态角与实时旋转角，确定无人机101对应的第一噪声，也可以根据得到的第二姿态角与实时旋转角，确定无人机101对应的第二噪声。

具体来说，第一姿态角θ₁还可以通过公式θ₁＝θ+μ₁进行计算，同理第二姿态角θ₂可以通过公式θ₂＝θ+μ₂进行计算，其中θ表示无人机101的实时旋转角，μ₁和μ₂则分别表示第一噪声与第二噪声，因此，无人机101可以通过上述公式确定第一噪声μ₁与第二噪声μ₂。

步骤S304，无人机101对第一噪声以及第二噪声进行融合，获取无人机坠机融合数据。

最后，无人机101可以基于得到的第一噪声μ₁与第二噪声μ₂，将第一噪声以及第二噪声进行融合，得到最终的无人机坠机融合数据。

进一步地，陀螺仪数据可以包括陀螺仪测量的无人机的角速度数据；步骤S302可以包括多个轮次；步骤S302可以进一步包括：无人机101获取陀螺仪测量角速度数据的测量间隔时长，以及当前轮次对应的初始旋转角；基于初始旋转角，利用角速度数据以及测量间隔时长确定当前轮次对应的实时旋转角，并将当前轮次对应的实时旋转角作为下一轮次对应的初始旋转角。

由于无人机101的旋转角数据会随着时间推移而不断改变，因此无人机101也可以获取实时旋转角的轮次也可以包括多个，通过多个轮次的获取实时旋转角可以实现旋转角数据的实时更新。该旋转角数据可以通过陀螺仪测量的角速度数据以及对应的测量时间长度得到。

具体来说，实时旋转角θ可以通过公式

得到，其中t代表陀螺仪测量角速度数据的测量间隔时长，由于陀螺仪对角速度的测量并不是持续获取，而是按照一定的周期间隔进行获取，该周期间隔即为陀螺仪测量角速度数据的测量间隔时长，ω则表示陀螺仪测量的角速度数据，θ₀表示的则是当前轮次对应的初始旋转角，该初始旋转角可以预先存储于无人机101内。当无人机101需要对旋转角进行实时获取时，首先可以确定当前的获取轮次，并得到与当前的获取轮次对应的初始旋转角θ₀，再基于公式

利用陀螺仪测量的角速度数据以及测量的测量间隔时长得到当前轮次的实时旋转角同时，可以对当前轮次的实时旋转角进行记录，作为下一个获取轮次的初始旋转角。

例如，获取轮次按照轮次顺序可以包括：轮次1、轮次2以及轮次3，如果当前轮次为轮次2，那么其对应的初始旋转角即为轮次1的实时旋转角，并且轮次2计算得到的实时旋转角也可以作为轮次3的初始旋转角，用于计算轮次3的实时旋转角。

进一步地，无人机坠机阈值可以包括：第一坠机阈值以及第二坠机阈值；无人机坠机融合数据可以包括第一无人机坠机融合数据以及第二无人机坠机融合数据；步骤S304可以进一步包括：无人机101根据第一噪声，确定用于消除第一噪声的第一滤波器的第一滤波器参数，以及根据第二噪声，确定用于消除第二噪声的第二滤波器的第二滤波器参数；基于第一滤波器参数以及第二滤波器参数，确定第一无人机坠机融合数据以及第二无人机坠机融合数据；步骤S203可以进一步包括：若第一无人机坠机融合数据大于第一坠机阈值，且第二无人机坠机融合数据大于第二坠机阈值，无人机101则确定无人机101的坠机状态为无人机发生坠机。

其中，滤波器主要是用于消除噪声信号，其对应的滤波器参数与噪声信号对应，第一滤波器主要是用于消除第一噪声，其使用的滤波器参数即为第一滤波器参数，而第二滤波器则主要是用于消除第二噪声，其使用的滤波器参数即为第二滤波器参数。之后，无人机101可以基于第一滤波器参数以及第二滤波器参数，确定其对应的第一无人机坠机融合数据以及第二无人机坠机融合数据。

具体地，无人机101在确定第一噪声μ₁与第二噪声μ₂之后，可以按照预先设计的滤波器的参数形式，例如：第一滤波器可以设置为

第二滤波器则可以设置为

之后，无人机101可以分别根据第一噪声μ₁与第二噪声μ₂确定第一滤波器G_L(s)的参数与第二滤波器G_H(s)的参数，并基于上述参数分别计算s和k，分别作为第一无人机坠机融合数据以及第二无人机坠机融合数据。

之后，无人机101可以获取预先设定第一坠机阈值，以及第二坠机阈值，例如可以是阈值S以及阈值K，如果出现s>S，且k>K的情况下，无人机101则会判定无人机的坠机状态为无人机发生坠机。由于s和k可用于反映第一噪声与第二噪声的大小，一般而言，在无人机正常飞行时，第一噪声与第二噪声一般较小，因此其对应的s和k一般也不会特别大，因此当出现第一无人机坠机融合数据s与第二无人机坠机融合数据k分别大于预先设定的第一坠机阈值S以及第二坠机阈值K时，则可能是由于无人机101失去控制而导致坠机，因此无人机101可将第一无人机坠机融合数据大于第一坠机阈值，且第二无人机坠机融合数据大于第二坠机阈值的情况下，确定无人机101的坠机状态为无人机发生坠机。

而为了进一步提高无人机101坠机状态检测的准确性，在一个实施例中，步骤S203可以进一步包括：无人机101获取实时旋转角的变化率，以及加速度数据的加速度方向；若第一无人机坠机融合数据大于第一坠机阈值、第二无人机坠机融合数据大于第二坠机阈值、实时旋转角的变化率大于预设的变化率阈值，以及加速度方向属于预设方向，则确定无人机的坠机状态为无人机发生坠机。

其中，实时旋转角的变化率指的是无人机101的实时旋转角的变化快慢，加速度方向则指的是无人机101的当前加速度的方向，一般而言，无人机正常飞行的情况下，实时旋转角的变化一般较为稳定，因此，其变化率一般不会大于某个变化率阈值，而加速度方向则可以体现无人机101的飞行状态的变化量，若加速度方向属于某个预设的方向，例如朝下，那么无人机101则有可能是发生坠机状态。

具体来说，当第一无人机坠机融合数据大于第一坠机阈值、第二无人机坠机融合数据大于第二坠机阈值，并且实时旋转角的变化率大于设定的变化率阈值且加速度方向属于预设方向时，无人机101才确定坠机状态为发生坠机。

上述实施例中，无人机101可根据加速度数据得到的第一姿态角以及陀螺仪数据得到第二姿态角，并根据与无人机的实时旋转角，确定无人机坠机融合数据，并利用坠机融合数据与坠机阈值的比较确定坠机状态，可以提高无人机坠机检测的准确性。另外，本实施例进一步考虑了无人机101的实时旋转角的变化率以及加速度方向，并利用实时旋转角的变化率与加速度方向进一步确定无人机的坠机状态，从而进一步提高无人机坠机检测的准确性。

在一个实施例中，如图4所示，提供了一种无人机坠机检测系统，该系统可以包括：无人机401，以及用于管理无人机信息的无人机信息管理平台402；其中，

无人机401，用于基于如上任一项实施例所述的无人机坠机检测方法，确定无人机401的坠机状态；

无人机401，还用于若坠机状态为无人机401发生坠机，则向无人机信息管理平台402发送无人机401的多个属性的实时飞行数据；

无人机信息管理平台402，用于获取实时飞行数据，并将实时飞行数据进行显示，并根据显示的实时飞行数据确定无人机401的坠机位置。

无人机信息管理平台402是用于管理无人机信息的管理平台，该平台可以接收无人机401返回的飞行信息并将飞行信息进行显示，也可以通过向无人机401的遥控设备发送控制指令的方式，以实现对无人机401的控制。

具体来说，当无人机401通过上述实施例提供的无人机坠机检测方法检测到发生坠机时，可以将采集得到的多个属性的实时飞行数据，通过数据链路传输的方式，发送至无人机信息管理平台402。无人机信息管理平台402接收到上述实时飞行数据，可以通过显示装置将飞行数据进行显示，并根据显示的实时飞行数据确定无人机401的坠机位置。

例如，实时飞行数据中可以包括无人机飞行位置或者路线数据，可以是地理坐标(经纬度)以及海拔高度等，无人机401可以将上述实时飞行数据回传至无人机信息管理平台402，以使无人机信息管理平台402根据回传的飞行数据确定无人机401的坠机位置。

上述无人机坠机检测系统中，无人机401用于基于如上任一项实施例所述的无人机坠机检测方法，确定无人机401的坠机状态；还用于若坠机状态为无人机401发生坠机，则向无人机信息管理平台402发送无人机401的多个属性的实时飞行数据；无人机信息管理平台402，用于获取实时飞行数据，并将实时飞行数据进行显示，并根据显示的实时飞行数据确定无人机401的坠机位置。本实施例提供的无人机坠机检测系统，无人机401在发生坠机时，可以通过向无人机信息管理平台402返回实时飞行数据的方式，使得无人机信息管理平台402可以根据得到的实时飞行数据确定无人机401的坠机位置，从而保证在无人机401发生坠机后可以准确追踪无人机401的位置，提供无人机401追踪的效率。

进一步地，无人机401还包括用于对无人机401进行防坠机救助的无人机防坠机模块；

无人机401，进一步用于若无人机401的坠机状态为无人机401发生坠机，则向无人机信息管理平台402发送报警信号，并启动无人机防坠机模块，对无人机401进行防坠机救助；获取启动无人机防坠机模块后的无人机401的坠机状态；

无人机401，还用于若启动无人机防坠机模块后的无人机401的坠机状态为无人机发生坠机，则向无人机信息管理平台402发送实时飞行数据；

无人机信息管理平台402，还用于根据实时飞行数据对无人机401的飞行遥控指令进行调整；

和/或

无人机401，还用于若启动无人机防坠机模块后的无人机401的坠机状态为无人机401未发生坠机，则停止向无人机信息管理平台402发送报警信号。

其中，无人机防坠机模块主要是用于在无人机401发生坠机时可以自动进行防坠机救助，当无人机401发生坠机时，可以首先启动无人机防坠机模块，并向无人机信息管理平台402发送报警信号，之后再次判断无人机401的坠机状态。

如果仍然无人机401的坠机状态为仍然发生坠机，则表明无人机401无法通过无人机防坠机模块实现无人机401的防坠机救助，那么无人机401则会将实时飞行数据发送至无人机信息管理平台402，以使得无人机信息管理平台402根据得到的对无人机401的飞行遥控指令进行调整，以降低无人机401坠机的可能性。

而如果仍然无人机401通过无人机防坠机模块修复为正常飞行状态，即无人机未发生坠机的状态，那么无人机401则可以停止向无人机信息管理平台402发送报警信号，以及实时飞行数据。

本实施例中，无人机401可通过无人机防坠机模块进行防坠机救助，并获取无人机防坠机模块启动后的无人机坠机状态，如果仍然是坠机状态，则向无人机信息管理平台402发送实时飞行数据，以使无人机信息管理平台402对控制指令进行调整，也降低无人机401坠机的可能性，从而提高无人机401的安全性，而如果恢复正常飞行，那么则可以停止发送报警信号以及实时飞行数据，从而降低无人机信息管理平台402对实时飞行数据的存储损耗。

在一个应用实例中，提供一种无人机坠机自助报警及飞行信息回传系统，如图5所示，该系统包括：无人机单元、数据处理模块、遥控终端和管理平台。无人机单元的输出端与数据处理模块的输入端连接，数据处理模块的输出端与中央控制模块的输入端连接，所述中央控制模块的输出端与遥控终端、管理平台的输入端连接，遥控终端向无人机发送飞行遥控指令，数据处理模块用于接收无人机发送的数据，并对其进行处理传送给中央控制模块，管理平台用于对无人机、遥控终端进行管理。

无人机单元包括数据采集模块、判断模块、防坠机模块、自助报警模块和飞行信息回传单元，数据采集模块的输入端与采集传感器的输出端连接，数据采集模块的输出端与判断模块的输入端连接，判断模块的输出端与防坠机模块、自助报警模块的输入端连接，所防坠机模块的输出端与自助报警模块、飞行信息回传单元的输入端连接，自助报警模块、飞行信息回传单元与遥控终端、管理平台的输入端连接。数据采集模块用于采集无人机飞行状态数据，获取无人机实时飞行数据，判断模块用于通过获取的无人机实时飞行数据与坠机设定值比较，判断出无人机是否出现坠机现象，防坠机模块用于在判断模块判断无人机出现坠机初始状态时，启动无人机防坠机进行无人机防坠机救助，自助报警模块用于在判断模块判断无人机出现坠机初始状态时，启动无人机坠机的自主报警，同时向无人机遥控终端、管理平台发送坠机报警信号，飞行信息回传单元用于在无人机坠机时向无人机遥控终端、管理平台发送无人机飞行数据，通过遥控终端、管理平台上显示的飞行回传数据对坠机位置追踪、找寻。

其中，所述采集传感器包括陀螺仪、速度传感器、加速度传感器、防碰撞传感器、高度检测传感器、GNSS模块、航向检测传感器，所述陀螺仪用于测量无人机在相对惯性空间转角或角速度数据，所述速度传感器用于采集无人机飞行速度数据，所述加速度传感器用于采集无人机飞行机体运动的线加速度数据，所述防碰撞数据用于采集无人机飞行碰撞数据，所述高度检测传感器用于获取无人机飞行高度数据，所述GNSS模块用于获取无人机飞行位置、路线数据，包括地理坐标(经纬度)、海拔高度、线速度以及航向角，所述航向检测传感器用于获取机体的航向角，能够实时获取无人机飞行数据，对其飞行状态实时监测。

其中，所述陀螺仪数据、速度数据、加速度数据、防碰撞数据、高度数据、GNSS模块数据、航向数据融合得到坠机融合数据，根据坠机融合数据与设定值对比做出是否坠机判断，所述数据融合采用扩展卡尔曼滤波融合方法，坠机融合数据判断全面、可靠。

具体来说，航向数据包括陀螺仪测量的角速度。重力加速度测量选用的是加速度计传感器。通过这两个传感器，基本上完成航线的数据采集。

陀螺仪测量如下：

θ表示旋转角，θ₀为前一次计算的值，ω为测得的角速度值，t为两次测量的时间差。

然后陀螺仪所测数据和加速度计融合。得到姿态数据。

角度θ₁计算公式为：

其中，a_cc表示加速度计测得的数据的值。

角度θ₁以及陀螺仪传感器观测的姿态角θ₂与真实值θ关系为：

θ₁＝θ+μ₁，θ₂＝θ+μ₂

μ₁表示高频噪声由加速度计所测得，μ₂为低频噪声由陀螺仪所测得。

同时消除μ₁、μ₂需要使用的滤波器如下：

系数s和k决定了估计值和真实之间的差值。鉴于坠机会存在：

1：旋转角θ剧烈变化。

2：加速度向上方向的数值出现负值。

鉴于系数s和k决定了估计值和真实之间的差值，在正常情况下。s和k就算是噪声造成的误差。误差值在固定设备下不会相聚特别大。如果出现相聚特别大，可以评定为出现剧烈情况。设置S和K为安全存在噪声的值，如果s大于S且k大于K，旋转角θ剧烈变化且加速度向上方向的数值出现负值，那么可以判定为坠机。方法中对s和k采用多次卡尔曼滤波融合方法进行实验数据的模拟，多次的，得到经验的最近S和K值。

另外，坠机融合数据大于设定值时，判断无人机出现坠机，如图6所示，启动无人机防坠机模块，同时触发无人机坠机报警模块，通过无人机报警模块向无人机遥控终端、管理平台发送坠机报警信号，便于在坠机初始时及时向遥控终端、管理平台发送报警信号。而当无人机防坠机模块防坠机成功，报警解除；无人机防坠机模块防坠机失败，持续报警，同时触发飞行信息回传单元向无人机遥控终端、管理平台发送无人机飞行数据，在防坠成功后，操作人员根据无人机实时飞行的数据对飞行遥控指令调整。

并且，飞行信息回传单元包括加密通信模块、接收模块、显示模块，加密通信模块用于将无人机坠机飞行数据加密发送给遥控终端和管理平台，接收模块用于接收飞行信息，显示模块用于显示无人机飞行数据，并显示出无人机坠机位置，在坠机时获取无人机的飞行数据，便于追踪、找寻。

另外，数据采集模块还包括风力传感器、能见度传感器、气压计传感器，风力传感器用于采集无人机飞行的风力、风向数据，所述能见度传感器用于采集无人机飞行环境能见度数据，所述气压计传感器用于测量无人机飞行的大气压值数据，根据该数值可计算出绝对海拔高度，进一步完善无人机飞行数据采集的全面性。

进一步地，管理平台上设有数据库和分析模块，数据库用于储存无人机飞行回传数据和采集数据，分析模块用于根据无人机采集的数据进行坠机事故分析，根据获取的无人机飞行数据进行坠机事故分析，以便事故的规避。管理平台通过无线模块与移动终端连接，移动终端为手机、平板中的一种，便于在追踪过程中远程管理。

应该理解的是，虽然本申请的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供了一种无人机坠机检测装置，应用于无人机，包括：飞行数据获取模块701、融合数据获取模块702和坠机状态确定模块703，其中：

飞行数据获取模块701，用于获取无人机的多个属性的实时飞行数据；

融合数据获取模块702，用于对多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；

坠机状态确定模块703，用于获取预设的无人机坠机阈值，根据无人机坠机融合数据与无人机坠机阈值确定无人机的坠机状态。

在一个实施例中，多个属性的实时飞行数据，包括：由无人机的陀螺仪测量得到的陀螺仪数据，以及由无人机的加速度计测量得到的加速度数据；融合数据获取模块702，进一步用于根据所述加速度数据，确定所述无人机的第一姿态角，以及根据所述陀螺仪数据，确定无人机的第二姿态角；获取无人机的实时旋转角；根据第一姿态角与实时旋转角，确定无人机的第一噪声，以及根据第二姿态角与实时旋转角，确定无人机的第二噪声；对第一噪声以及第二噪声进行融合，获取无人机坠机融合数据。

在一个实施例中，陀螺仪数据包括陀螺仪测量的无人机的角速度数据；获取无人机的实时旋转角的步骤包括多个轮次；融合数据获取模块702，进一步用于获取陀螺仪测量角速度数据的测量间隔时长，以及当前轮次对应的初始旋转角；基于初始旋转角，利用角速度数据以及测量间隔时长确定当前轮次对应的实时旋转角，并将当前轮次对应的实时旋转角作为下一轮次对应的初始旋转角。

在一个实施例中，无人机坠机阈值，包括：第一坠机阈值以及第二坠机阈值；无人机坠机融合数据包括第一无人机坠机融合数据以及第二无人机坠机融合数据；融合数据获取模块702，进一步用于根据第一噪声，确定用于消除第一噪声的第一滤波器的第一滤波器参数，以及根据第二噪声，确定用于消除第二噪声的第二滤波器的第二滤波器参数；基于第一滤波器参数以及第二滤波器参数，确定第一无人机坠机融合数据以及第二无人机坠机融合数据；坠机状态确定模块703，进一步用于若第一无人机坠机融合数据大于第一坠机阈值，且第二无人机坠机融合数据大于第二坠机阈值，则确定无人机的坠机状态为无人机发生坠机。

在一个实施例中，坠机状态确定模块703，进一步用于获取实时旋转角的变化率，以及加速度数据的加速度方向；若第一无人机坠机融合数据大于第一坠机阈值、第二无人机坠机融合数据大于第二坠机阈值、实时旋转角的变化率大于预设的变化率阈值，以及加速度方向属于预设方向，则确定无人机的坠机状态为无人机发生坠机。

关于无人机坠机检测装置的具体限定可以参见上文中对于无人机坠机检测方法的限定，在此不再赘述。上述无人机坠机检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于无人机中的处理器中，也可以以软件形式存储于无人机中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种无人机，该无人机可以是终端，其内部结构图可以如图8所示。该无人机包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该无人机的处理器用于提供计算和控制能力。该无人机的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该无人机的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种无人机坠机检测方法。该无人机的显示屏可以是液晶显示屏或者电子墨水显示屏，该无人机的输入装置可以是显示屏上覆盖的触摸层，也可以是无人机外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的无人机的限定，具体的无人机可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种无人机，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种无人机坠机检测方法，其特征在于，应用于无人机，所述方法包括：

获取无人机的多个属性的实时飞行数据；

对所述多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；

获取预设的无人机坠机阈值，根据所述无人机坠机融合数据与所述无人机坠机阈值确定所述无人机的坠机状态。

2.根据权利要求1所述的方法，其特征在于，所述多个属性的实时飞行数据，包括：由所述无人机的陀螺仪测量得到的陀螺仪数据，以及由所述无人机的加速度计测量得到的加速度数据；

所述对所述多个属性的实时飞行数据进行融合，得到无人机坠机融合数据，包括：

根据所述加速度数据，确定所述无人机的第一姿态角，以及根据所述陀螺仪数据，确定所述无人机的第二姿态角；

获取所述无人机的实时旋转角；

根据所述第一姿态角与所述实时旋转角，确定所述无人机的第一噪声，以及根据所述第二姿态角与所述实时旋转角，确定所述无人机的第二噪声；

对所述第一噪声以及所述第二噪声进行融合，获取所述无人机坠机融合数据。

3.根据权利要求2所述的方法，其特征在于，所述陀螺仪数据包括所述陀螺仪测量的所述无人机的角速度数据；所述获取所述无人机的实时旋转角的步骤包括多个轮次；

所述获取所述无人机的实时旋转角，包括：

获取所述陀螺仪测量所述角速度数据的测量间隔时长，以及当前轮次对应的初始旋转角；

基于所述初始旋转角，利用所述角速度数据以及所述测量间隔时长确定当前轮次对应的实时旋转角，并将所述当前轮次对应的实时旋转角作为下一轮次对应的初始旋转角。

4.根据权利要求3所述的方法，其特征在于，所述无人机坠机阈值，包括：第一坠机阈值以及第二坠机阈值；所述无人机坠机融合数据包括第一无人机坠机融合数据以及第二无人机坠机融合数据；

所述对所述第一噪声以及所述第二噪声进行融合，获取所述无人机坠机融合数据，包括：

根据所述第一噪声，确定用于消除所述第一噪声的第一滤波器的第一滤波器参数，以及根据所述第二噪声，确定用于消除所述第二噪声的第二滤波器的第二滤波器参数；

基于所述第一滤波器参数以及所述第二滤波器参数，确定所述第一无人机坠机融合数据以及所述第二无人机坠机融合数据；

所述根据所述无人机坠机融合数据与所述无人机坠机阈值确定所述无人机的坠机状态，包括：

若所述第一无人机坠机融合数据大于所述第一坠机阈值，且所述第二无人机坠机融合数据大于所述第二坠机阈值，则确定所述无人机的坠机状态为所述无人机发生坠机。

5.根据权利要求4所述的方法，其特征在于，所述确定所述无人机的坠机状态为所述无人机发生坠机，包括：

获取所述实时旋转角的变化率，以及所述加速度数据的加速度方向；

若所述第一无人机坠机融合数据大于所述第一坠机阈值、所述第二无人机坠机融合数据大于所述第二坠机阈值、所述实时旋转角的变化率大于预设的变化率阈值，以及所述加速度方向属于预设方向，则确定所述无人机的坠机状态为所述无人机发生坠机。

6.一种无人机坠机检测系统，其特征在于，所述系统包括：无人机，以及用于管理无人机信息的无人机信息管理平台；其中，

所述无人机，用于基于如权利要求1至5任一项所述的无人机坠机检测方法，确定所述无人机的坠机状态；

所述无人机，还用于若所述坠机状态为所述无人机发生坠机，则向所述无人机信息管理平台发送所述无人机的多个属性的实时飞行数据；

所述无人机信息管理平台，用于获取所述实时飞行数据，并将所述实时飞行数据进行显示，并根据显示的所述实时飞行数据确定所述无人机的坠机位置。

7.根据权利要求6所述的无人机坠机检测系统，其特征在于，所述无人机还包括用于对所述无人机进行防坠机救助的无人机防坠机模块；

所述无人机，进一步用于若所述无人机的坠机状态为所述无人机发生坠机，则向所述无人机信息管理平台发送报警信号，并启动所述无人机防坠机模块，对所述无人机进行防坠机救助；获取启动所述无人机防坠机模块后的所述无人机的坠机状态；

所述无人机，还用于若启动所述无人机防坠机模块后的所述无人机的坠机状态为所述无人机发生坠机，则向所述无人机信息管理平台发送所述实时飞行数据；

所述无人机信息管理平台，还用于根据所述实时飞行数据对所述无人机的飞行遥控指令进行调整；

和/或

所述无人机，还用于若启动所述无人机防坠机模块后的所述无人机的坠机状态为所述无人机未发生坠机，则停止向所述无人机信息管理平台发送所述报警信号。

8.一种无人机坠机检测装置，其特征在于，应用于无人机，所述装置包括：

飞行数据获取模块，用于获取无人机的多个属性的实时飞行数据；

融合数据获取模块，用于对所述多个属性的实时飞行数据进行融合，得到无人机坠机融合数据；

坠机状态确定模块，用于获取预设的无人机坠机阈值，根据所述无人机坠机融合数据与所述无人机坠机阈值确定所述无人机的坠机状态。

9.一种无人机，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。

Images