CN112835380B - 飞行器的返航方法、装置、飞行器及计算机可读存储介质 - Google Patents
飞行器的返航方法、装置、飞行器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112835380B CN112835380B CN202011604508.4A CN202011604508A CN112835380B CN 112835380 B CN112835380 B CN 112835380B CN 202011604508 A CN202011604508 A CN 202011604508A CN 112835380 B CN112835380 B CN 112835380B
- Authority
- CN
- China
- Prior art keywords
- image information
- aircraft
- marked
- polygon
- next position
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 239000003086 colorant Substances 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 7
- 230000001788 irregular Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000011248 coating agent Substances 0.000 description 6
- 238000000576 coating method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 239000002360 explosive Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- IMACFCSSMIZSPP-UHFFFAOYSA-N phenacyl chloride Chemical compound ClCC(=O)C1=CC=CC=C1 IMACFCSSMIZSPP-UHFFFAOYSA-N 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000003491 tear gas Substances 0.000 description 1
Classifications
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种飞行器的返航方法、装置、飞行器及计算机可读存储介质，应用于所述飞行器，所述方法包括：获取飞行路径的2D历史图像信息，所述2D历史图像信息用于显示飞行路径的周围环境；将所述2D历史图像信息转化为3D图像信息和标记图像信息，所述标记图像信息中将所述2D历史图像信息分割成多个多边形，对每个多边形使用P种标记中的一种标记标识，且使任意两个相邻多边形的标记不同，P是大于3的整数；根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，以使所述飞行器根据所述返航路径信息飞行。充分利用AI计算机视觉的能力，实现无人操作的自主返航，降低对后方人员的操作依赖，且返航路径与原飞行路径不重合。
Description
技术领域
本申请涉及计算机视觉技术和飞行器技术领域，尤其涉及飞行器的返航方法、装置、飞行器及计算机可读存储介质。
背景技术
随着飞行器技术逐渐成熟，应用无人驾驶技术的飞行器(无人机、无人直升机等)在多个领域得到了广泛应用，例如，飞行器可根据预先规划好的航线执行测绘、植保、勘探、航拍等飞行作业。尤其是在军事领域，飞行器发挥着越来越重要的作用。为了提高飞行器在战场的存活率，减少人工的参与，并减少暴露基地的位置，在现代化信息化的战争中，需要飞行器能有较强的隐身匿踪能力，特别是在任务完成后的自主返航途中。
当前，飞行器在自主返航时，由于依赖卫星和地面的基站引导，因此容易暴露电子信号，并且一般需要人工在后台控制飞行器返回基地。
现有技术公开了一种飞行器返航方法，该方法包括：所述飞行器在飞行途中，以预设的频率在飞行路径上依次采集多个位置信息，以及每个所述位置信息对应的飞行高度；在接收到用于控制所述飞行器的控制终端发送的返航指令后，所述飞行器根据所述多个位置信息以及每个所述位置信息对应的飞行高度，沿由所述多个位置信息形成的返航路线原路返回至出发点坐标信息所标识的位置。该方法的不足是，虽然返航途中不需要人工控制，但飞行器需要经过飞行路径上的多个位置按原飞行路径返回，而该飞行路径可能已经暴露，导致飞行器不具备反追踪、反侦察的功能，不能进一步减低风险。
发明内容
本申请的目的在于提供飞行器的返航方法、装置、飞行器及计算机可读存储介质，实现无人操作的自主返航，同时不需要按原飞行路径返回。
本申请的目的采用以下技术方案实现：
第一方面，本申请提供了一种飞行器的返航方法，应用于所述飞行器，所述方法包括：获取飞行路径的2D历史图像信息，所述2D历史图像信息用于显示飞行路径的周围环境；将所述2D历史图像信息转化为3D图像信息和标记图像信息，所述标记图像信息中将所述2D历史图像信息分割成多个多边形，对每个多边形使用P种标记中的一种标记标识，且使任意两个相邻多边形的标记不同，P是大于3的整数；根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，以使所述飞行器根据所述返航路径信息飞行。该技术方案的有益效果在于，飞行器在返航时不依赖卫星和地面的基站引导，而是利用飞行路径的2D历史图像信息，使用计算机视觉算法把2D历史图像信息转化成3D立体图像信息和标记图像信息，基于这两种图像信息，确定飞行器的返航路径。一方面，充分利用AI计算机视觉的能力，实现无人操作的自主返航，降低对后方人员的操作依赖；另一方面，返航路径与原飞行路径不重合，飞行器不需要按原飞行路径返回，具备良好的反追踪、反侦察功能，进一步减低风险，提升飞行器的安全性。
在一些可选的实施例中，所述获取飞行路径的2D历史图像信息，包括：接收摄像头发送的图像信息作为所述2D历史图像信息，所述摄像头发送的图像信息是所述摄像头在所述飞行器的飞行过程中拍摄到的。该技术方案的有益效果在于，利用飞行器自带的摄像头，拍摄并存储飞行路径的图像信息，减少对外部设备的依赖，提升飞行器的自主性能。
在一些可选的实施例中，所述标记图像信息中所述2D历史图像信息被随机分割成不规则的四边形并被四种颜色填充。该技术方案的有益效果在于，将平面的2D图像信息分割成四边形，一方面，相对于五边形、六边形等边数更多的多边形来说，关于四边形的计算方法较为简单，可以降低计算过程的复杂性，提高计算效率，节省计算资源；一方面，相对于分割成三角形的方案来说，由于四边形可以进一步分割为三角形，因此简单来说四边形的相对数量更少，可以减少总体计算量；另一方面，使用颜色作为标记，符合四色定理的常用情况。
在一些可选的实施例中，所述根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，包括：从所述标记图像信息中获取预定范围内距离所述飞行器的当前位置最近的P个同标记多边形对，所述P个同标记多边形对的标记两两不同，所述预定范围是以第一平面划分的两个范围中包含所述飞行路径的起点的范围，所述第一平面是穿过所述当前位置并垂直于第一方向的平面，所述第一方向是从所述飞行路径的终点指向所述飞行路径的起点的方向；获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，i是不大于P的正整数；获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，所述第i个同标记多边形对中的较近同标记多边形是所述第i个同标记多边形对的两个同标记多边形中距离所述当前位置较近的一个，并将所述第i个同标记多边形对中距离所述当前位置较远的另一个多边形记为较远同标记多边形；根据mi和ni确定所述飞行器的下一位置，所述下一位置位于P个所述较远同标记多边形的其中一个；从所述3D图像信息中得到从所述当前位置至所述下一位置的返航路径信息。该技术方案的有益效果在于，飞行器返航时在算法设置的图像长度内每次寻找局部的最短路径，即在P个同标记多边形对中，计算每个同标记多边形对中两个同标记多边形之间的距离，以及飞行器的当前位置与每个较近同标记多边形之间的距离，由此确定飞行器的下一位置，并结合3D立体图像，找到飞行器从当前位置飞行至下一位置的局部最优解，以此类推，通过累计局部最优的方式，逐步找到出发点，完成自主返航。
在一些可选的实施例中，所述根据mi和ni确定所述飞行器的下一位置，包括：计算Li＝a×mi+b×ni，a、b是非负数且a+b＞0；确定所述下一位置位于Li的最小值对应的同标记多边形对中的较远同标记多边形。该技术方案的有益效果在于，通过参数a、b设定mi和ni在Li计算过程中的权重，便于根据实际应用中的需求确定mi和ni对于下一位置的重要程度。
在一些可选的实施例中，所述根据mi和ni确定所述飞行器的下一位置，包括：
计算Ki＝(a×mi+b×ni)×ci，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
当存在不为0的Ki时，确定所述下一位置位于Ki的非0最小值对应的同标记多边形对中的较远同标记多边形；
当Ki均为0时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
该技术方案的有益效果在于，一方面，通过参数a、b设定mi和ni在Ki计算过程中的权重，便于根据实际应用中的需求确定mi和ni对于下一位置的重要程度；另一方面，通过第i区域的HUAVi、HPEAKi和Qi确定参数ci的取值，作为一种保险，确保飞行器不会撞到山地间的障碍物。
在一些可选的实施例中，所述根据mi和ni确定所述飞行器的下一位置，包括：
计算Ji＝(a×mi+b×ni)×di，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
当存在不为+∞的Ji时，确定所述下一位置位于Ji的最小值对应的同标记多边形对中的较远同标记多边形；
当Ji均为+∞时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
该技术方案的有益效果在于，一方面，通过参数a、b设定mi和ni在Ji计算过程中的权重，便于根据实际应用中的需求确定mi和ni对于下一位置的重要程度；另一方面，通过第i区域的HUAVi、HPEAKi和Qi确定参数di的取值，作为一种保险，确保飞行器不会撞到山地间的障碍物。
在一些可选的实施例中，a＝1，b＝1。该技术方案的有益效果在于，当a、b的取值都是1时，mi和ni之和即飞行器的当前位置与第i个较远同标记多边形之间的距离，以此确定飞行器的下一位置，算法简单，计算效率高。
在一些可选的实施例中，所述获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，包括：获取所述第i个同标记多边形对的两个同标记多边形的几何中心之间的距离，记为mi；和/或，所述获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，包括：获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形的几何中心之间的距离，记为ni。该技术方案的有益效果在于，任意多边形一定有其几何中心，以同标记多边形的几何中心进行距离计算，适用于对平面图像进行任意分割的各种情况。
在一些可选的实施例中，所述从所述3D图像信息中得到从所述当前位置至所述下一位置的返航路径信息，包括：从所述3D图像信息中得到从所述当前位置至所述下一位置的飞行路径的局部最优解，作为从所述当前位置至所述下一位置的返航路径信息。该技术方案的有益效果在于，逐步寻找局部最优解，以此确定整个返航路径，不依赖外部帮助就能根据局部最优来逐渐返回出发地，同时减少了信号的暴露，且不仅仅是常见的物理伪装，提高了飞行器的安全性。
第二方面，本申请提供了一种飞行器的返航装置，所述装置包括：信息获取模块，用于获取飞行路径的2D历史图像信息，所述2D历史图像信息用于显示飞行路径的周围环境；图像转化模块，用于将所述2D历史图像信息转化为3D图像信息和标记图像信息，所述标记图像信息中将所述2D历史图像信息分割成多个多边形，对每个多边形使用P种标记中的一种标记标识，且使任意两个相邻多边形的标记不同，P是大于3的整数；路径规划模块，用于根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，以使所述飞行器根据所述返航路径信息飞行。
在一些可选的实施例中，所述信息获取模块用于：接收摄像头发送的图像信息作为所述2D历史图像信息，所述摄像头发送的图像信息是所述摄像头在所述飞行器的飞行过程中拍摄到的。
在一些可选的实施例中，所述标记图像信息中所述2D历史图像信息被随机分割成不规则的四边形并被四种颜色填充。
在一些可选的实施例中，所述路径规划模块包括：多边形对获取子模块，用于从所述标记图像信息中获取预定范围内距离所述飞行器的当前位置最近的P个同标记多边形对，所述P个同标记多边形对的标记两两不同，所述预定范围是以第一平面划分的两个范围中包含所述飞行路径的起点的范围，所述第一平面是穿过所述当前位置并垂直于第一方向的平面，所述第一方向是从所述飞行路径的终点指向所述飞行路径的起点的方向；第一距离获取子模块，用于获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，i是不大于P的正整数；第二距离获取子模块，用于获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，所述第i个同标记多边形对中的较近同标记多边形是所述第i个同标记多边形对的两个同标记多边形中距离所述当前位置较近的一个，并将所述第i个同标记多边形对中距离所述当前位置较远的另一个多边形记为较远同标记多边形；下一位置子模块，用于根据mi和ni确定所述飞行器的下一位置，所述下一位置位于P个所述较远同标记多边形的其中一个；返航路径获取子模块，用于从所述3D图像信息中得到从所述当前位置至所述下一位置的返航路径信息。
在一些可选的实施例中，所述下一位置子模块包括：
第一计算单元，用于计算Li＝a×mi+b×ni，a、b是非负数且a+b＞0；
第一确定单元，用于确定所述下一位置位于Li的最小值对应的同标记多边形对中的较远同标记多边形。
在一些可选的实施例中，所述下一位置子模块包括：
第二计算单元，用于计算Ki＝(a×mi+b×ni)×ci，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
第二确定单元，用于当存在不为0的Ki时，确定所述下一位置位于Ki的非0最小值对应的同标记多边形对中的较远同标记多边形；当Ki均为0时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
在一些可选的实施例中，所述下一位置子模块包括：
第三计算单元，用于计算Ji＝(a×mi+b×ni)×di，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
第三确定单元，用于当存在不为+∞的Ji时，确定所述下一位置位于Ji的最小值对应的同标记多边形对中的较远同标记多边形；当Ji均为+∞时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
在一些可选的实施例中，a＝1，b＝1。
在一些可选的实施例中，所述路径规划模块还用于：获取所述第i个同标记多边形对的两个同标记多边形的几何中心之间的距离，记为mi；和/或，获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形的几何中心之间的距离，记为ni。
在一些可选的实施例中，所述路径规划模块还用于：从所述3D图像信息中得到从所述当前位置至所述下一位置的飞行路径的局部最优解，作为从所述当前位置至所述下一位置的返航路径信息。
第三方面，本申请提供了一种飞行器，所述飞行器包括处理器和存储器，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任一项方法的步骤。
在一些可选的实施例中，所述飞行器是无人机。该技术方案的有益效果在于，将自主返航方法应用于使用无人驾驶技术的飞行器，即无人机，提高无人机的智能化水平以及应用于战场等特殊环境时的战斗力。
第四方面，本申请提供了一种计算机可读存储介质，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任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种飞行器的返航方法的流程示意图；
图2是本申请实施例提供的一种获取从当前位置至下一位置的返航路径信息的流程示意图；
图3是本申请实施例提供的一种飞行器和预定范围的示意图；
图4是本申请实施例提供的一种飞行器和障碍物的示意图；
图5是本申请实施例提供的一种飞行器的返航装置的结构示意图；
图6是本申请实施例提供的一种路径规划模块的结构示意图；
图7是本申请实施例提供的一种下一位置子模块的结构示意图；
图8是本申请实施例提供的一种下一位置子模块的结构示意图；
图9是本申请实施例提供的一种下一位置子模块的结构示意图；
图10是本申请实施例提供的一种飞行器的结构框图；
图11是本申请实施例提供的一种飞行器的结构示意图；
图12是本申请实施例提供的一种用于实现飞行器的返航方法的程序产品的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1，本申请实施例提供了一种飞行器的返航方法，应用于所述飞行器，所述方法包括步骤S101～S103。其中，飞行器可以是有人驾驶的飞行器，也可以是应用无人驾驶技术的飞行器，例如无人机、无人直升机等。
步骤S101：获取飞行路径的2D历史图像信息，所述2D历史图像信息用于显示飞行路径的周围环境。其中，飞行路径的周围环境可以是高山、雪地等恶劣自然环境，也可以是城市、平原等普通环境。在具体实施中，飞行路径的起点和终点可以是一个位置范围，对于位置范围的大小则不做限定。
在具体实施中，所述步骤S101可以包括：接收摄像头发送的图像信息作为所述2D历史图像信息，所述摄像头发送的图像信息是所述摄像头在所述飞行器的飞行过程中拍摄到的。利用飞行器自带的摄像头，拍摄并存储飞行路径的图像信息，减少对外部设备的依赖，提升飞行器的自主性能。
步骤S102：将所述2D历史图像信息转化为3D图像信息和标记图像信息，所述标记图像信息中将所述2D历史图像信息分割成多个多边形，对每个多边形使用P种标记中的一种标记标识，且使任意两个相邻多边形的标记不同，P是大于3的整数。其中，3D图像信息是指3D立体图像信息，在将2D历史图像信息转化为3D图像信息的过程中，还可以结合其他渠道获取的飞行路径的周围环境中各障碍物的高度信息，障碍物例如是丘陵、山地、高原等地形或者人造的建筑、设施。在一个实际应用中，P可以是4。
标记图像信息的获取则基于四色定理，即：将平面任意地细分为不相重叠的区域，每一个区域总可以用1、2、3、4这四个数字之一来标记而不会使相邻的两个区域得到相同的数字。也就是说，平面的所述2D历史图像信息可以被任意分割成多个多边形，对每个多边形使用一种标记标识，所有的多边形可以仅使用四种标记标识而不会使相邻的两个多边形的标记相同，多边形可以是三角形、四边形、五边形或者其他多边形，标记可以是数字、字母、颜色、亮度、灰度、对比度、饱和度或者不同的阴影线类型。在四色定理的基础上，使用更多标记来区分不同区域显然是能够实现的。
在具体实施中，所述标记图像信息中所述2D历史图像信息可以被随机分割成不规则的多边形并被四种颜色填充。
在一个实际应用中，所述标记图像信息中所述2D历史图像信息可以被随机分割成不规则的四边形并被四种颜色填充。将平面的2D图像信息分割成四边形，一方面，相对于五边形、六边形等边数更多的多边形来说，关于四边形的计算方法较为简单，可以降低计算过程的复杂性，提高计算效率，节省计算资源；一方面，相对于分割成三角形的方案来说，由于四边形可以进一步分割为三角形，因此简单来说四边形的相对数量更少，可以减少总体计算量；另一方面，使用颜色作为标记，符合四色定理的常用情况。
步骤S103：根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，以使所述飞行器根据所述返航路径信息飞行。
在一些可选的实施例中，参见图2，所述步骤S103可以包括步骤S201～S205。
步骤S201：从所述标记图像信息中获取预定范围内距离所述飞行器的当前位置最近的P个同标记多边形对，所述P个同标记多边形对的标记两两不同，所述预定范围是以第一平面划分的两个范围中包含所述飞行路径的起点的范围，所述第一平面是穿过所述当前位置并垂直于第一方向的平面，所述第一方向是从所述飞行路径的终点指向所述飞行路径的起点的方向。在具体实施中，可以设置预定范围的尺寸不超过预定尺寸。预定范围可以示例性地如图3所示。
步骤S202：获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，i是不大于P的正整数。在具体实施中，所述步骤S202可以包括：获取所述第i个同标记多边形对的两个同标记多边形的几何中心之间的距离，记为mi。任意多边形一定有其几何中心，以同标记多边形的几何中心进行距离计算，适用于对平面图像进行任意分割的各种情况。当所有多边形都是凸多边形时，也可以使用多边形的内心进行计算。在计算多边形的几何中心(或者内心)之间的距离时，可以使用欧式距离。
步骤S203：获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，所述第i个同标记多边形对中的较近同标记多边形是所述第i个同标记多边形对的两个同标记多边形中距离所述当前位置较近的一个，并将所述第i个同标记多边形对中距离所述当前位置较远的另一个多边形记为较远同标记多边形。在具体实施中，所述步骤S203可以包括：获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形的几何中心之间的距离，记为ni。
步骤S204：根据mi和ni确定所述飞行器的下一位置，所述下一位置位于P个所述较远同标记多边形的其中一个。
在具体实施中，所述步骤S204可以包括：计算Li＝a×mi+b×ni，a、b是非负数且a+b＞0；确定所述下一位置位于Li的最小值对应的同标记多边形对中的较远同标记多边形。通过参数a、b设定mi和ni在Li计算过程中的权重，便于根据实际应用中的需求确定mi和ni对于下一位置的重要程度。在一个实际应用中，可以确定所述下一位置位于Li的最小值对应的同标记多边形对中的较远同标记多边形的几何中心。
在另一些具体实施中，参见图4，所述步骤S204可以包括：
计算Ki＝(a×mi+b×ni)×ci，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
当存在不为0的Ki时，确定所述下一位置位于Ki的非0最小值对应的同标记多边形对中的较远同标记多边形；
当Ki均为0时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
其中，Qi的取值可以根据实际情况来设置，例如是50米、80米或者100米，一般而言大部分山地地区的林木和建筑物的高度不会超过100米。当i取值不同时，Qi的取值可以是相同的，也可以是不同的。
在一个实际应用中，当存在不为0的Ki时，可以确定所述下一位置位于Ki的非0最小值(即0值以外的最小值)对应的同标记多边形对中的较远同标记多边形的几何中心；当Ki均为0时，可以确定所述下一位置位于P个所述较远同标记多边形中的任意一个的几何中心。Ki均为0，即当i取任意值时，每个第i区域中障碍物的最高点HPEAKi和预定高度增加量Qi之和均不小于飞行器的上限高度HUAVi，此时可以选择任一较远同标记多边形的几何中心作为下一位置。
一方面，通过参数a、b设定mi和ni在Ki计算过程中的权重，便于根据实际应用中的需求确定mi和ni对于下一位置的重要程度；另一方面，通过第i区域的HUAVi、HPEAKi和Qi确定参数ci的取值，作为一种保险，确保飞行器不会撞到山地间的障碍物。
在另一些具体实施中，所述步骤S204可以包括：
计算Ji＝(a×mi+b×ni)×di，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
当存在不为+∞的Ji时，确定所述下一位置位于Ji的最小值对应的同标记多边形对中的较远同标记多边形；
当Ji均为+∞时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
在一个实际应用中，当存在不为+∞的Ki时，可以确定所述下一位置位于Ki的最小值对应的同标记多边形对中的较远同标记多边形的几何中心；当Ki均为+∞时，可以确定所述下一位置位于P个所述较远同标记多边形中的任意一个的几何中心。Ki均为+∞，即当i取任意值时，每个第i区域中障碍物的最高点HPEAKi和预定高度增加量Qi之和均不小于飞行器的上限高度HUAVi，此时可以选择任一较远同标记多边形的几何中心作为下一位置。
一方面，通过参数a、b设定mi和ni在Ji计算过程中的权重，便于根据实际应用中的需求确定mi和ni对于下一位置的重要程度；另一方面，通过第i区域的HUAVi、HPEAKi和Qi确定参数di的取值，作为一种保险，确保飞行器不会撞到山地间的障碍物。
在一个实际应用中，a＝1，b＝1。当a、b的取值都是1时，mi和ni之和即飞行器的当前位置与第i个较远同标记多边形之间的距离，以此确定飞行器的下一位置，算法简单，计算效率高。
举例说明，例如P＝4，a＝1，b＝1，c1＝1，c2＝1，c3＝1，c4＝+∞；m1＝11米，m2＝9米，m3＝15米，m4＝6米；n1＝20米，n2＝13米，n3＝5米，n4＝7米。计算得到K1＝31米，K2＝22米，K3＝20米，K4＝+∞。由于存在不为+∞的K1、K2、K3，因此确定所述下一位置位于Ki的最小值(即K3)对应的同标记多边形对(即第3个同标记多边形对)中的较远同标记多边形。
步骤S205：从所述3D图像信息中得到从所述当前位置至所述下一位置的返航路径信息。
在一些可选的实施例中，所述步骤S205可以包括：从所述3D图像信息中得到从所述当前位置至所述下一位置的飞行路径的局部最优解，作为从所述当前位置至所述下一位置的返航路径信息。由此，逐步寻找局部最优解，以此确定整个返航路径，不依赖外部帮助就能根据局部最优来逐渐返回出发地，同时减少了信号的暴露，且不仅仅是常见的物理伪装，提高了飞行器的安全性。
飞行器返航时在算法设置的图像长度内每次寻找局部的最短路径，即在P个同标记多边形对中，计算每个同标记多边形对中两个同标记多边形之间的距离，以及飞行器的当前位置与每个较近同标记多边形之间的距离，由此确定飞行器的下一位置，并结合3D立体图像，找到飞行器从当前位置飞行至下一位置的局部最优解，以此类推，通过累计局部最优的方式，逐步找到出发点，完成自主返航。
由此，飞行器在返航时不依赖卫星和地面的基站引导，而是利用飞行路径的2D历史图像信息，使用计算机视觉算法把2D历史图像信息转化成3D立体图像信息和标记图像信息，基于这两种图像信息，确定飞行器的返航路径。一方面，充分利用AI计算机视觉的能力，实现无人操作的自主返航，降低对后方人员的操作依赖；另一方面，返航路径与原飞行路径不重合，飞行器不需要按原飞行路径返回，具备良好的反追踪、反侦察功能，进一步减低风险，提升飞行器的安全性。
本申请实施例对飞行器使用该方法计算返航路径信息的时间不做限定，其可以是获取到飞行路径的2D历史图像信息后的任意时刻，在具体实施中，可以在飞行器返航前或者在飞行器返航开始时计算出完整的返航路径信息，也可以在返航过程中逐步计算当前位置到下一位置的返航路径信息。
参见图5，本申请实施例还提供了一种飞行器的返航装置，其具体实现方式与上述飞行器的返航方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
所述装置包括：信息获取模块101，用于获取飞行路径的2D历史图像信息，所述2D历史图像信息用于显示飞行路径的周围环境；图像转化模块102，用于将所述2D历史图像信息转化为3D图像信息和标记图像信息，所述标记图像信息中将所述2D历史图像信息分割成多个多边形，对每个多边形使用P种标记中的一种标记标识，且使任意两个相邻多边形的标记不同，P是大于3的整数；路径规划模块103，用于根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，以使所述飞行器根据所述返航路径信息飞行。
在具体实施中，所述信息获取模块101可以用于：接收摄像头发送的图像信息作为所述2D历史图像信息，所述摄像头发送的图像信息是所述摄像头在所述飞行器的飞行过程中拍摄到的。
在具体实施中，所述标记图像信息中所述2D历史图像信息被随机分割成不规则的四边形并被四种颜色填充。
在具体实施中，参见图6，所述路径规划模块103可以包括：多边形对获取子模块1031，用于从所述标记图像信息中获取预定范围内距离所述飞行器的当前位置最近的P个同标记多边形对，所述P个同标记多边形对的标记两两不同，所述预定范围是以第一平面划分的两个范围中包含所述飞行路径的起点的范围，所述第一平面是穿过所述当前位置并垂直于第一方向的平面，所述第一方向是从所述飞行路径的终点指向所述飞行路径的起点的方向；第一距离获取子模块1032，用于获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，i是不大于P的正整数；第二距离获取子模块1033，用于获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，所述第i个同标记多边形对中的较近同标记多边形是所述第i个同标记多边形对的两个同标记多边形中距离所述当前位置较近的一个，并将所述第i个同标记多边形对中距离所述当前位置较远的另一个多边形记为较远同标记多边形；下一位置子模块1034，用于根据mi和ni确定所述飞行器的下一位置，所述下一位置位于P个所述较远同标记多边形的其中一个；返航路径获取子模块1035，用于从所述3D图像信息中得到从所述当前位置至所述下一位置的返航路径信息。
在具体实施中，参见图7，所述下一位置子模块1034可以包括：
第一计算单元1034a，用于计算Li＝a×mi+b×ni，a、b是非负数且a+b＞0；
第一确定单元1034b，用于确定所述下一位置位于Li的最小值对应的同标记多边形对中的较远同标记多边形。
在具体实施中，参见图8，所述下一位置子模块1034可以包括：
第二计算单元1034c，用于计算Ki＝(a×mi+b×ni)×ci，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
第二确定单元1034d，用于当存在不为0的Ki时，确定所述下一位置位于Ki的非0最小值对应的同标记多边形对中的较远同标记多边形；当Ki均为0时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
在具体实施中，参见图9，所述下一位置子模块1034可以包括：
第三计算单元1034e，用于计算Ji＝(a×mi+b×ni)×di，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
第三确定单元1034f，用于当存在不为+∞的Ji时，确定所述下一位置位于Ji的最小值对应的同标记多边形对中的较远同标记多边形；当Ji均为+∞时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
在具体实施中，a、b的取值可以是：a＝1，b＝1。
在具体实施中，所述路径规划模块103还可以用于：获取所述第i个同标记多边形对的两个同标记多边形的几何中心之间的距离，记为mi；和/或，获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形的几何中心之间的距离，记为ni。
在具体实施中，所述路径规划模块103还可以用于：从所述3D图像信息中得到从所述当前位置至所述下一位置的飞行路径的局部最优解，作为从所述当前位置至所述下一位置的返航路径信息。
参见图10，本申请实施例还提供了一种飞行器200，飞行器200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。
其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，所述处理器220执行所述计算机程序时实现本申请实施例中飞行器的返航方法的步骤，其具体实现方式与上述飞行器的返航方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器220可以执行上述计算机程序，以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
飞行器200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该飞行器200交互的设备通信，和/或与使得该飞行器200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，飞行器200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与飞行器200的其它模块通信。应当明白，尽管图中未示出，可以结合飞行器200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
参见图11，飞行器200还可以包括壳体201、摄像头202和至少一个战斗部203。所述处理器220和所述存储器210位于所述壳体201内部，所述摄像头202处于工作状态时至少部分外露于所述壳体201，所述战斗部203位于所述壳体201内部或外部。
在具体实施中，可以根据实际应用中的需求确定飞行器的旋翼数量，例如可以采用单旋翼、四旋翼、六旋翼或者八旋翼。在实际应用中，可以优先选用低噪声的四轴四旋翼飞行器。
所述战斗部203是飞行器搭载的可抛弃的高爆战斗部，例如是照明弹、高爆炸弹或者催泪弹。在具体实施中，每个飞行器可以搭载一个或多个战斗部203，对每个战斗部203的控制可以单独进行，也可以同时控制多个战斗部203攻击同一攻击目标或者多个攻击目标。
在一个实际应用中，所述摄像头202可以包括光学摄像头和红外摄像头。通过光学摄像头和红外摄像头两个摄像头分别感应可见光和红外线，获取更多视觉信息。在具体实施中，光学摄像头和红外摄像头可以采用全景摄像头，由此可以观察到飞行器各个角度的周围环境。
在一个实际应用中，所述壳体201的外部可以设置有隐身涂层。其中，隐身涂层采用隐身涂料，隐身涂料能吸收雷达波(雷达反射截面小)，通过隐身涂层来实现飞行器的隐身功能。
或者，所述壳体201的外部可以设置有显示屏(图中未示出)，所述显示屏可以设置于所述壳体201的以下至少一个位置：上表面、下表面和侧面。在具体实施中，飞行器可以通过摄像头202采集周围环境信息，以此来控制显示屏的显示内容，使飞行器产生类似“变色龙”的效果，能够根据周围环境改变飞行器的外部显示，实现飞行器的隐身功能。显示屏例如是LED显示屏，即，在壳体201的外部使用LED外层，通过摄像头202和计算机视觉算法来感知周围环境的颜色、亮度、饱和度、对比度等视觉参数，并根据感知到的视觉参数通过LED外层模拟周围环境的视觉效果，以隐身涂层之外的另一种方式达到隐身效果，从而加强突袭的可能。
所述显示屏可以包括1个或多个显示单元。每个显示单元可以显示相同的显示内容，或者，每个显示单元可以显示不同的显示内容。
在一个实际应用中，所述飞行器还可以包括用于信号干扰的信号干扰装置(图中未示出)。信号干扰装置例如可以进行电磁干扰或者声波干扰，用途是干扰敌方飞行器等电子设备，使其电子控制系统失灵从而无法工作。其中，信号干扰装置例如是电子吊舱。通过电子吊舱的形式进行信号干扰，节省飞行器的内部空间。
除了战斗部203和电子吊舱之外，飞行器还可以搭载其他任务设备，提供多种用途，例如侦查、攻击、干扰和运输。
为了提高飞行器的充电效率，可以采用轻型高续航快充电池。
在具体实施中，所述飞行器可以是无人机。将自主返航方法应用于使用无人驾驶技术的飞行器，即无人机，提高无人机的智能化水平以及应用于战场等特殊环境时的战斗力。
在未来，当激光武器的体积大幅缩小到能被无人机挂载，核动力电池的电量能够更大，放射性被进一步降低，体积更小时，无人机的打击目标可以增加到包括巡航导弹、直升机和地面的轻装甲设施(雷达、机库、油库等)，功能延伸至拦截中低空制导导弹，在单次任务中，能多次攻击敌方多个目标，由此大大节省战争成本，甚至可能改变未来的战争形态，即更加偏向无人化的战争。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本申请实施例中飞行器的返航方法的步骤，其具体实现方式与上述飞行器的返航方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。图12示出了本实施例提供的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，其设置有的实用进步性，已符合专利法所强调的功能增进及使用要件，本申请以上的说明及附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。
Claims (16)
1.一种飞行器的返航方法，其特征在于，应用于所述飞行器，所述方法包括：
获取飞行路径的2D历史图像信息，所述2D历史图像信息用于显示飞行路径的周围环境；
将所述2D历史图像信息转化为3D图像信息和标记图像信息，所述标记图像信息中将所述2D历史图像信息分割成多个多边形，对每个多边形使用P种标记中的一种标记标识，且使任意两个相邻多边形的标记不同，P是大于3的整数；
根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，以使所述飞行器根据所述返航路径信息飞行；
所述根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，包括：
从所述标记图像信息中获取预定范围内距离所述飞行器的当前位置最近的P个同标记多边形对，所述P个同标记多边形对的标记两两不同，所述预定范围是以第一平面划分的两个范围中包含所述飞行路径的起点的范围，所述第一平面是穿过所述当前位置并垂直于第一方向的平面，所述第一方向是从所述飞行路径的终点指向所述飞行路径的起点的方向；
获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，i是不大于P的正整数；
获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，所述第i个同标记多边形对中的较近同标记多边形是所述第i个同标记多边形对的两个同标记多边形中距离所述当前位置较近的一个，并将所述第i个同标记多边形对中距离所述当前位置较远的另一个多边形记为较远同标记多边形；
根据mi和ni确定所述飞行器的下一位置，所述下一位置位于P个所述较远同标记多边形的其中一个；
从所述3D图像信息中得到从所述当前位置至所述下一位置的返航路径信息。
2.根据权利要求1所述的飞行器的返航方法，其特征在于，所述获取飞行路径的2D历史图像信息，包括：
接收摄像头发送的图像信息作为所述2D历史图像信息，所述摄像头发送的图像信息是所述摄像头在所述飞行器的飞行过程中拍摄到的。
3.根据权利要求1所述的飞行器的返航方法，其特征在于，所述标记图像信息中所述2D历史图像信息被随机分割成不规则的四边形并被四种颜色填充。
4.根据权利要求1所述的飞行器的返航方法，其特征在于，所述根据mi和ni确定所述飞行器的下一位置，包括：
计算Li＝a×mi+b×ni，a、b是非负数且a+b＞0；
确定所述下一位置位于Li的最小值对应的同标记多边形对中的较远同标记多边形。
5.根据权利要求1所述的飞行器的返航方法，其特征在于，所述根据mi和ni确定所述飞行器的下一位置，包括：
计算Ki＝(a×mi+b×ni)×ci，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
当存在不为0的Ki时，确定所述下一位置位于Ki的非0最小值对应的同标记多边形对中的较远同标记多边形；
当Ki均为0时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
6.根据权利要求1所述的飞行器的返航方法，其特征在于，所述根据mi和ni确定所述飞行器的下一位置，包括：
计算Ji＝(a×mi+b×ni)×di，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
当存在不为+∞的Ji时，确定所述下一位置位于Ji的最小值对应的同标记多边形对中的较远同标记多边形；
当Ji均为+∞时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
7.根据权利要求4-6任一项所述的飞行器的返航方法，其特征在于，a＝1，b＝1。
8.根据权利要求1所述的飞行器的返航方法，其特征在于，所述获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，包括：
获取所述第i个同标记多边形对的两个同标记多边形的几何中心之间的距离，记为mi；和/或，
所述获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，包括：
获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形的几何中心之间的距离，记为ni。
9.一种飞行器的返航装置，其特征在于，所述装置包括：
信息获取模块，用于获取飞行路径的2D历史图像信息，所述2D历史图像信息用于显示飞行路径的周围环境；
图像转化模块，用于将所述2D历史图像信息转化为3D图像信息和标记图像信息，所述标记图像信息中将所述2D历史图像信息分割成多个多边形，对每个多边形使用P种标记中的一种标记标识，且使任意两个相邻多边形的标记不同，P是大于3的整数；
路径规划模块，用于根据所述3D图像信息和所述标记图像信息，得到所述飞行路径的返航路径信息，以使所述飞行器根据所述返航路径信息飞行；
所述路径规划模块包括：
多边形对获取子模块，用于从所述标记图像信息中获取预定范围内距离所述飞行器的当前位置最近的P个同标记多边形对，所述P个同标记多边形对的标记两两不同，所述预定范围是以第一平面划分的两个范围中包含所述飞行路径的起点的范围，所述第一平面是穿过所述当前位置并垂直于第一方向的平面，所述第一方向是从所述飞行路径的终点指向所述飞行路径的起点的方向；
第一距离获取子模块，用于获取所述P个同标记多边形对中第i个同标记多边形对的两个同标记多边形之间的距离，记为mi，i是不大于P的正整数；
第二距离获取子模块，用于获取所述当前位置与所述第i个同标记多边形对中的较近同标记多边形之间的距离，记为ni，所述第i个同标记多边形对中的较近同标记多边形是所述第i个同标记多边形对的两个同标记多边形中距离所述当前位置较近的一个，并将所述第i个同标记多边形对中距离所述当前位置较远的另一个多边形记为较远同标记多边形；
下一位置子模块，用于根据mi和ni确定所述飞行器的下一位置，所述下一位置位于P个所述较远同标记多边形的其中一个；
返航路径获取子模块，用于从所述3D图像信息中得到从所述当前位置至所述下一位置的返航路径信息。
10.根据权利要求9所述的飞行器的返航装置，其特征在于，所述下一位置子模块包括：
第一计算单元，用于计算Li＝a×mi+b×ni，a、b是非负数且a+b＞0；
第一确定单元，用于确定所述下一位置位于Li的最小值对应的同标记多边形对中的较远同标记多边形。
11.根据权利要求9所述的飞行器的返航装置，其特征在于，所述下一位置子模块包括：
第二计算单元，用于计算Ki＝(a×mi+b×ni)×ci，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
第二确定单元，用于当存在不为0的Ki时，确定所述下一位置位于Ki的非0最小值对应的同标记多边形对中的较远同标记多边形；当Ki均为0时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
12.根据权利要求9所述的飞行器的返航装置，其特征在于，所述下一位置子模块包括：
第三计算单元，用于计算Ji＝(a×mi+b×ni)×di，a、b是非负数且a+b＞0，
其中，HUAVi是在第i区域中所述飞行器的上限高度，HPEAKi是在所述第i区域中障碍物的最高点，Qi是所述第i区域的预定高度增加量，所述第i区域是所述3D图像信息中所述第i个同标记多边形对对应的区域；
第三确定单元，用于当存在不为+∞的Ji时，确定所述下一位置位于Ji的最小值对应的同标记多边形对中的较远同标记多边形；当Ji均为+∞时，确定所述下一位置位于P个所述较远同标记多边形中的任意一个。
13.根据权利要求10-12任一项所述的飞行器的返航装置，其特征在于，a＝1，b＝1。
14.一种飞行器，其特征在于，所述飞行器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权利要求1-8任一项所述方法的步骤。
15.根据权利要求14所述的飞行器，其特征在于，所述飞行器是无人机。
16.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011604508.4A CN112835380B (zh) | 2020-12-30 | 2020-12-30 | 飞行器的返航方法、装置、飞行器及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011604508.4A CN112835380B (zh) | 2020-12-30 | 2020-12-30 | 飞行器的返航方法、装置、飞行器及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112835380A CN112835380A (zh) | 2021-05-25 |
| CN112835380B true CN112835380B (zh) | 2024-06-07 |
Family
ID=75925284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011604508.4A Active CN112835380B (zh) | 2020-12-30 | 2020-12-30 | 飞行器的返航方法、装置、飞行器及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112835380B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114415726B (zh) * | 2022-01-18 | 2023-01-03 | 江苏锐天智能科技股份有限公司 | 一种基于图像分析的无人机避障控制系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106054931A (zh) * | 2016-07-29 | 2016-10-26 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
| CN106125764A (zh) * | 2016-08-03 | 2016-11-16 | 西北工业大学 | 基于a*搜索的无人机路径动态规划方法 |
| WO2018089268A1 (en) * | 2016-11-04 | 2018-05-17 | Loveland Innovations, LLC | Systems and methods for autonomous imaging and structural analysis |
| CN108496134A (zh) * | 2017-05-31 | 2018-09-04 | 深圳市大疆创新科技有限公司 | 无人机返航路径规划方法及装置 |
| CN109032174A (zh) * | 2018-07-10 | 2018-12-18 | 苏州极目机器人科技有限公司 | 一种无人机作业航线规划方法以及作业执行方法 |
| CN109765930A (zh) * | 2019-01-29 | 2019-05-17 | 理光软件研究所（北京）有限公司 | 一种无人机视觉导航系统 |
| CN109992002A (zh) * | 2019-04-26 | 2019-07-09 | 安阳全丰航空植保科技股份有限公司 | 一种基于损失识别的无人机返航方法及系统 |
| CN110832494A (zh) * | 2018-11-22 | 2020-02-21 | 深圳市大疆创新科技有限公司 | 一种语义生成方法、设备、飞行器及存储介质 |
-
2020
- 2020-12-30 CN CN202011604508.4A patent/CN112835380B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106054931A (zh) * | 2016-07-29 | 2016-10-26 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
| CN106125764A (zh) * | 2016-08-03 | 2016-11-16 | 西北工业大学 | 基于a*搜索的无人机路径动态规划方法 |
| WO2018089268A1 (en) * | 2016-11-04 | 2018-05-17 | Loveland Innovations, LLC | Systems and methods for autonomous imaging and structural analysis |
| CN108496134A (zh) * | 2017-05-31 | 2018-09-04 | 深圳市大疆创新科技有限公司 | 无人机返航路径规划方法及装置 |
| CN109032174A (zh) * | 2018-07-10 | 2018-12-18 | 苏州极目机器人科技有限公司 | 一种无人机作业航线规划方法以及作业执行方法 |
| CN110832494A (zh) * | 2018-11-22 | 2020-02-21 | 深圳市大疆创新科技有限公司 | 一种语义生成方法、设备、飞行器及存储介质 |
| CN109765930A (zh) * | 2019-01-29 | 2019-05-17 | 理光软件研究所（北京）有限公司 | 一种无人机视觉导航系统 |
| CN109992002A (zh) * | 2019-04-26 | 2019-07-09 | 安阳全丰航空植保科技股份有限公司 | 一种基于损失识别的无人机返航方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于图像分割算法的地形跟随航路规划;杨新勇;鲁艺;;弹箭与制导学报;第29卷(第1期);第85-87、94页全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112835380A (zh) | 2021-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Moir et al. | Military avionics systems | |
| US20180095433A1 (en) | Mechanical effects by way of software or real world engagement | |
| CN107577241B (zh) | 一种基于避障系统的消防无人机航迹规划方法 | |
| CN108415452A (zh) | 一种中空长航时无人机任务规划系统 | |
| Griggs et al. | An air mission planning algorithm using decision analysis and mixed integer programming | |
| CN113779745B (zh) | 一种基于组件的联合作战武器装备运用仿真建模方法 | |
| Aswini et al. | UAV and obstacle sensing techniques–a perspective | |
| Gettinger | Drone spending in the fiscal year 2017 defense budget | |
| CN112668485A (zh) | 飞行器的控制方法、装置、飞行器及计算机可读存储介质 | |
| CN112835380B (zh) | 飞行器的返航方法、装置、飞行器及计算机可读存储介质 | |
| CN107783119A (zh) | 应用在避障系统中的决策融合方法 | |
| Easton et al. | The Chinese people's liberation army's unmanned aerial vehicle project: Organizational capacities and operational capabilities | |
| CN113190041B (zh) | 一种基于约束松弛技术的无人机集群在线目标分配方法 | |
| Hossain | A short review of the drone technology | |
| Zheng et al. | Coevolving and cooperating path planner for multiple unmanned air vehicles | |
| CN116661496B (zh) | 一种基于智能算法的多巡飞弹协同航迹规划方法 | |
| CN117034456A (zh) | 火箭的飞行轨迹评估方法、装置、存储介质及电子设备 | |
| CN115493598B (zh) | 运动过程中的目标定位方法、装置及存储介质 | |
| Marques | Reference Model for Interoperability of Autonomous Systems | |
| CA2824044C (en) | Real time intervisibility analysis | |
| Jayanthi et al. | Evolution and significance of unmanned aerial vehicles | |
| CN115953703A (zh) | 一种三旋翼布局的微型无人机高动态目标识别和跟踪方法 | |
| CN115951717B (zh) | 无人机集群目标分配方法、装置、系统和存储介质 | |
| Yang et al. | Automatic terminal guidance for small fixed‐wing unmanned aerial vehicles | |
| Dimayuga | COTS Drone Design: A Rapid Equipage Alternative for Force Recon Companies |
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 | ||
| GR01 | Patent grant |