CN113284134B - 一种地质勘测用无人机飞行平台 - Google Patents

一种地质勘测用无人机飞行平台 Download PDF

Info

Publication number
CN113284134B
CN113284134B CN202110674968.2A CN202110674968A CN113284134B CN 113284134 B CN113284134 B CN 113284134B CN 202110674968 A CN202110674968 A CN 202110674968A CN 113284134 B CN113284134 B CN 113284134B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
image
pixel
survey
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
Application number
CN202110674968.2A
Other languages
English (en)
Other versions
CN113284134A (zh
Inventor
张清坡
赵鹏程
王亚辉
李涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202110674968.2A priority Critical patent/CN113284134B/zh
Publication of CN113284134A publication Critical patent/CN113284134A/zh
Application granted granted Critical
Publication of CN113284134B publication Critical patent/CN113284134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种地质勘测用无人机飞行平台,属于无人机地质勘测技术领域。其包括存储器和处理器,处理器执行存储器存储的计算机程序,以实现如下步骤:实时获取勘测图像,判断勘测图像的背景区域;根据勘测图像的背景区域的像素偏移量,判断无人机是否出现抖动;若出现抖动,则调节无人机桨距角;若没有出现抖动,则调节无人机旋翼的当前转速,判断无人机是否在所述当前转速下发生共振;若没有,则恢复为所述当前转速;若发生了共振,则根据预设的拟合曲线调节无人机旋翼的转速。本发明基于实时获取的勘测图像,可以准确判断出无人机是否出现了抖动和共振,以及时对无人机进行针对性调节,进而避免果冻效应的产生。

Description

一种地质勘测用无人机飞行平台
技术领域
本发明涉及无人机地质勘测技术领域,具体涉及一种地质勘测用无人机飞行平台。
背景技术
无人机是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机,或者由车载计算机完全地或间歇地自主地操作。目前无人机在航拍、测绘、救援、监控等领域用处广泛。无人机通过搭载相机镜头实现地质勘测等工作,大多数相机镜头采用卷帘快门完成拍摄,能够很好地控制曝光时间和减少噪声点,同时相对于全局快门功耗低。
但是无人机地质勘探任务中采用卷帘快门相机很容易产生果冻效应,当目标区域相对于无人机横向移动时会出现图像倾斜;当无人机出现共振时会出现图像纵向形变;当无人机遇到外界因素不稳定的情况下,会出现图像大范围扭曲形变,这些情况就是果冻效应。
现有技术中大多通过手工控制无人机的方式采集图像,后续没有对采集的图像是否出现果冻效应进行判断,或者利用无人机飞行平台IMU(惯性测量单元)来对采集的图像是否出现果冻效应进行判断,但由于无人机飞行平台发生共振时会对IMU产生影响,导致IMU失效或不准确,使得利用IMU判断果冻效应的结果不可靠,进而无法及时调整无人机以避免果冻效应的产生。
发明内容
本发明的目的在于提供一种地质勘测用无人机飞行平台,用于解决现有由于不能准确判断果冻效应导致的不能及时调整无人机以避免果冻效应的产生的问题。
为了解决上述问题,本发明的一种地质勘测用无人机飞行平台的技术方案,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取勘测图像,利用目标检测方法判断勘测图像的背景区域;
根据勘测图像的背景区域的像素偏移量,判断无人机是否出现抖动;
若无人机出现抖动,则调节无人机桨距角;若没有出现抖动,则调节无人机旋翼的当前转速,根据转速调节前后的勘测图像判断无人机是否在所述当前转速下发生共振;
若无人机没有在所述当前转速下发生共振,则将无人机旋翼的转速恢复为所述当前转速;若无人机在所述当前转速下发生了共振,则根据预设的共振严重程度-转速调节量拟合曲线调节无人机旋翼的转速。
本发明的有益效果是:基于实时获取的勘测图像,可以得到勘测图像的背景区域的像素偏移量,基于该像素偏移量可以准确判断出无人机是否出现了抖动,在无人机出现了抖动可以通过调节无人机的桨距角来避免因无人机抖动导致的果冻效应的产生;当无人机没有发生抖动时,进一步判断无人机是否发生了共振,当无人机发生共振时及时对无人机旋翼的转速进行调节,可以避免无人机因共振导致的果冻效应的产生。
进一步地,所述根据勘测图像的背景区域的像素偏移量,判断无人机是否出现抖动的方法包括:
对勘测图像的背景区域进行分块,得到的分块区域包括中心块和边缘块,所述边缘块包括左边缘块、右边缘块、上边缘块和下边缘块;
根据各分块区域中像素的偏移量,计算各分块区域的像素偏移量均值;
求左边缘块的像素偏移量均值和右边缘块像素偏移量均值的均值,记为横向边缘块的像素偏移量均值;求上边缘块的像素偏移量均值和下边缘块像素偏移量均值的均值,记为纵向边缘块的像素偏移量均值;
计算横向边缘块的像素偏移量均值和中心块的像素偏移量均值的差值,记为横向差值;计算纵向边缘块的像素偏移量均值和中心块的像素偏移量均值的差值,记为纵向差值;判断所述横向差值和纵向差值是否均不大于设定阈值,若否,则判定无人机出现抖动。
进一步地,根据权利要求2所述的地质勘测用无人机飞行平台,其特征在于,利用如下公式计算第j帧勘测图像中各分块区域的像素偏移量均值:
其中,m为第j帧勘测图像中某分块区域的像素偏移量均值,N为第j帧勘测图像中该分块区域包括的像素的总个数,fij(x,y)为第j帧勘测图像中该分块区域中第i个像素点的坐标,fij-1(x,y)为所述第i个像素点在第j-1帧勘测图像中的坐标,||fij(x,y)-fij-1(x,y)||2表示fij-1(x,y)和fij(x,y)的欧式距离。
进一步地,调节无人机桨距角的方法包括:
当|mc-m′1|>|mc-m′2|时,判定无人机遇到横向横风,将无人机桨轴向与横向横风方向垂直的方向调节,调节的桨距角的大小根据预设的像素偏移量-桨距角调节量拟合函数确定;
当|mc-m′1|<|mc-m′2|时,判定无人机遇到纵向横风,将无人机沿纵向横风方向的桨轴向与纵向横风方向垂直的方向调节,调节的桨距角的大小根据预设的像素偏移量-桨距角调节量拟合函数确定;
其中,mc为中心块区域的像素偏移量均值,m′1为横向边缘块的像素偏移量均值,m′2为纵向边缘块的像素偏移量均值。
进一步地,所述根据转速调节前后的勘测图像判断无人机是否发生共振的方法包括:
将转速调节前的勘测图像记为M1图像,将转速调节后的勘测图像记为M2图像,将M2图像中与M1图像中像素点(i,j)1对应的像素点记为M2图像的第i个像素点,计算M1图像中像素点(i,j)1与M2图像的第i个像素点之间的欧氏距离,记为与M2图像对应的第i行像素点的欧氏距离;
判断与M2图像对应的第i行像素点的欧氏距离与第i+1行像素点的欧氏距离是否相等,若相等,则判断无人机在所述当前转速下没有发生共振。
进一步地,若不相等,则进一步判断第i行像素点的欧氏距离是否随着i数值的增加呈现周期性变化,所述周期性变化为先增大再减小或者先减小再增大;
若是,则再次调节无人机旋翼的转速,将再次调节转速后的勘测图像记为M3图像,将M3图像中与M1图像中像素点(i,j)1对应的像素点记为M3图像的第i个像素点,计算M1图像中第i行第j列像素点(i,j)1与M3图像的第i像素点之间的欧氏距离,记为与M3图像对应的第i行像素点的欧氏距离;
判断与M3图像对应的第i行像素点的欧氏距离与第i+1行像素点的欧氏距离是否相等,若相等,则判定无人机没有在所述当前转速下发生共振;若不相等,则判定无人机在所述当前转速下发生了共振。
进一步地,根据预设的共振严重程度-转速调节量拟合曲线调节无人机旋翼的转速的方法包括:
计算无人机在所述当前转速下发生共振时对应勘测图像的果冻效应周期;
根据果冻效应周期计算共振严重程度;
根据共振严重程度和预设的共振严重程度-转速调节量拟合曲线得到转速调节量;
根据转速调节量在所述当前转速的基础上调节无人机旋翼的转速。
进一步地,所述共振严重程度与所述果冻效应周期成正相关关系。
附图说明
图1是本发明的地质勘测用无人机飞行平台对应的无人机果冻效应调节方法流程图;
图2是本发明的对背景区域进行分块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚,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介绍。
地质勘测用无人机飞行平台实施例
传统的地质勘探工作需要进行大量的实地野外测量,工作环境恶劣、工作效率低下;利用无人机搭载相机进行地形复杂区域的地质图像拍摄,可以大大提高野外测量的工作效率,为后期进行地质分析提供便利。本实施例的无人机飞行平台与现有无人机飞行平台的硬件结构相同,本实施例对无人机飞行平台的改进不在于对无人机飞行平台硬件结构上的改进,而是对无人机飞行平台的控制方法的改进,具体涉及在无人机搭载的相机拍摄出的勘测图像发生果冻效应时对无人机桨距角和旋翼转速的控制。
当无人机处于悬停状态下,如果受到外界横风的干扰,会出现抖动,使得无人机搭载相机拍摄的勘测图像出现果冻效应,具体表现为勘测图像中与横风方向对应部分边缘区域的形变较大;又或者无人机发生共振时,也会使无人机搭载相机拍摄的勘测图像出现果冻效应,具体表现为勘测图像中列像素点发生了周期性变化。
本实施例的主要思想构思是:基于无人机出现抖动或共振时拍摄的勘测图像出现的果冻效应的表现形式不同,可以根据无人机在进行地质勘测工作时实际得到的勘测图像的具体表现形式来推测无人机是否出现了果冻效应以及引起果冻效应的原因,进而根据引起果冻效应的原因来针对性调节无人机,以避免果冻效应的产生。
本实施例的无人机飞行平台包括存储器和处理器,处理器执行存储器存储的计算机程序时可以实现无人机果冻效应调节方法;具体的,如图1所示,本实施例的无人机飞行平台对应的无人机果冻效应调节方法包括以下步骤:
1)实时获取勘测图像,利用目标检测方法判断勘测图像的背景区域;
本实施例采用四轴无人机拍摄,无人机底部中心安装RGB相机,采用卷帘快门进行目标图像拍摄,实时获取勘测图像。本实施例采用四轴无人机拍摄,作为其它实施方式,也可以采用六轴无人机、八轴无人机等。
对实时获取的勘测图像进行预处理,预处理过程包括对勘测图像进行去噪处理。本实施例的预处理过程具体为:将勘测图像进行中值滤波去噪增加图像间的对比度;本实施例进行去噪处理的目的在于去除由于图像传感器、传输通道及解码处理产生的亮暗点的椒盐噪声。
本实施例对实时获取的勘测图像进行了预处理,提高了后续对图像处理的精度,作为其它实施方式,也可以不对实时获取的图像进行预处理,而是直接对实时获取的勘测图像进行后续处理。
在对图像进行了预处理后,接下来利用目标检测技术判断勘测图像中的背景区域,具体方法为:
利用目标检测技术检测勘测图像中是否存在运动物体,若不存在运动物体,直接将勘测图像整体作为背景区域;若存在运动物体,则输出运动物体的矩形包围框,将勘测图像中滤除掉运动物体的矩形包围框的剩余区域作为背景区域。
现有技术中公开的目标检测算法有很多,例如背景差分法、帧间差分法、光流估计法等。本实施例通过目标检测算法先得到当前帧勘测图像中存在的目标包围框,将得到的目标的包围框(xi,yi,wi,hi)与上一帧勘测图像中的目标包围框进行帧间差分,判断勘测图像中目标包围框是否存在移动,从而确定勘测图像中是否存在移动的目标,也即运动的物体。帧间差分法为现有技术,此处不再赘述。
本实施例采用的目标检测算法具体采用Encoder-Decoder网络结构,对网络进行训练的过程中,先对勘测图像进行标注,其中运动目标区域标注为1,其他区域标注为0;将标注后的勘测图像输入目标编码器,最终目标解码器输出目标包围框中心点和回归出的包围框宽高尺寸。
Encoder-Decoder网络使用卷积和平均池化操作在对勘测图像进行下采样的过程中,提取勘测图像中的空域特征,编码器的输出为提取到的特征向量。解码器的输入为编码器的输出特征向量,解码器经过上采样,采用Logistic回归出勘测图像中目标对应包围框的中心点和宽高尺寸组。通过IOU筛选置信度最大的包围框,得到包围框中心点坐标和包围框的宽高尺寸,即为当前勘测图像目标区域的包围框(xi,yi,wi,hi),中心点坐标为(xi,yi)。本实施例中Loss函数采用交叉熵和均方差叠加损失函数。
2)根据勘测图像的背景区域的像素偏移量,判断无人机是否出现抖动;
如上所述,当检测出勘测图像中不存在运动物体时,直接将勘测图像整体作为背景区域;若存在运动物体,则输出运动物体的矩形包围框,将勘测图像中滤除掉运动物体的矩形包围框的剩余区域作为背景区域。
对于直接将勘测图像整体作为背景区域的情况,接下来以计算第j帧勘测图像的背景区域的像素偏移量的方法为例进行说明:
将第j帧勘测图像的背景区域进行分块,得到的分块区域包括中心块、左边缘块、右边缘块、上边缘块和下边缘块,如下图2所示,本实施例中中心块对应的长和宽均为背景区域对应长的1/4和宽的1/4,边缘块对应的长和宽也为背景区域对应长的1/4和宽的1/4。作为其它实施方式,中心块和边缘块对应的长和宽也可以根据实际需求进行改变。
分别对中心块和边缘块进行分析,根据第j帧勘测图像和第j-1帧勘测图像中各像素点的对应关系(该对应关系指是否为同一像素点,若是同一像素点,则对应;若不是同一像素点,则不对应),计算第j帧勘测图像中中心块和边缘块中每个像素的偏移量,利用如下公式可得到第j帧中中心块的像素偏移量均值、左边缘块的像素偏移量均值、右边缘块的像素偏移量均值、上边缘块的像素偏移量均值和下边缘块的像素偏移量均值:
其中,m为第j帧勘测图像中某分块区域的像素偏移量均值,N为第j帧勘测图像中该分块区域包括的像素的总个数,fij(x,y)为第j帧勘测图像中该分块区域中第i个像素点的坐标,fij-1(x,y)为所述第i个像素点在第j-1帧勘测图像中的坐标,||fij(x,y)-fiy-1(x,y)||2表示fij-1(x,y)和fij(x,y)的欧式距离。
四轴无人机在悬停的过程中,四个桨轴对应的旋翼扰动空气气流向下吹气,改变了无人机旋翼区域的上下气压,上方气压小,下方气压大,最终为无人机提供了向上的升力,当向上的升力与无人机自身重力相等的情况下,无人机保持悬停。当无人机受到左侧横向横风时,该左侧横向横风首先打破了左侧旋翼区域的上下气压,造成无人机左侧失衡,出现倾斜,倾斜的同时造成相对侧气压差也开始改变,造成无人机右侧失衡,最终造成无人机出现横向抖动,对应的,拍摄出的勘测图像在左右边缘区域产生较大形变。同理,当无人机受到后侧纵向横风时,该后侧纵向横风首先打破了后侧旋翼区域的上下气压,造成无人机后侧失衡,出现倾斜,倾斜的同时造成相对侧气压差也开始改变,造成无人机前侧失衡,最终造成无人机出现纵向抖动,对应的,拍摄出的勘测图像在上下边缘区域产生较大形变。
本实施例中所指横风为平行于无人机飞行平台平面的风;相机位姿和无人机桨轴位姿关系一致,以勘测图像坐标系为参考,横向横风指沿勘测图像x轴方向的横风,纵向横风指沿勘测图像y轴方向的横风。
基于无人机在受到不同方向横风时无人机抖动方向不同的情况,本实施例接下来根据边缘块相较于中心块是否产生较大形变来判断无人机是否因受到了横风干扰出现了抖动,具体过程为:
求左边缘块的像素偏移量均值和右边缘块像素偏移量均值的均值,记为横向边缘块的像素偏移量均值;求上边缘块的像素偏移量均值和下边缘块像素偏移量均值的均值,记为纵向边缘块的像素偏移量均值;
计算横向边缘块的像素偏移量均值和中心块的像素偏移量均值的差值,记为横向差值;计算纵向边缘块的像素偏移量均值和中心块的像素偏移量均值的差值,记为纵向差值;判断所述横向差值和纵向差值是否均不大于设定阈值,若否,则判定无人机出现横向抖动。
本实施例中设定阈值δ=5,此处阈值为经验阈值,可根据实际情况调节。当横向差值和纵向差值均不超过阈值δ时,认为当前无人机不存在抖动情况。当横向差值或纵向差值差值超过阈值δ时,认为此时无人机存在抖动情况。
上述内容分析了勘测图像中不存在运动物体的情况,对于勘测图像中存在运动物体的情况,考虑造成图像出现果冻效应的原因有可能不在于无人机出现抖动或者共振,而在于运动物体本身的运动,所以本实施例在考虑如何调节无人机以避免果冻效应出现时需要排除运动物体的干扰,具体排除的方法为:在检测到获取的勘测图像中存在运动物体时,将运动物体目标区域图像进行舍弃,直接通过255像素值补全该舍弃部分的像素值,该舍弃区域不做像素偏移量计算。比如,当上边缘块中的一部分为运动物体目标区域时,仅将上边缘块中除去运动物体目标区域的剩余区域中的各像素点作为需要进行像素偏移量计算的像素点。
3)若无人机出现抖动,则调节无人机桨距角;若没有出现抖动,则调节无人机旋翼的当前转速,根据转速调节前后的勘测图像判断无人机是否在所述当前转速下发生共振;
当无人机出现抖动时,可以根据|mc-m′1|和|mc-m′2|的大小判断无人机遭到的横风的方向,并基于判断的横风的方向对无人机桨轴进行针对性调节,具体过程为:
当|mc-m′1|>|mc-m′2|时,判定无人机遇到横向横风,将无人机沿横向横风方向的桨轴向与横向横风方向垂直的方向调节,调节的桨距角的大小根据预设的像素偏移量-桨距角调节量拟合函数确定;其中,mc为中心块区域的像素偏移量均值,m′1为横向边缘块的像素偏移量均值,m′2为纵向边缘块的像素偏移量均值;
当|mc-m′1|<|mc-m′2|时,判定无人机遇到纵向横风,将无人机沿纵向横风方向的桨轴向与纵向横风方向垂直的方向调节,调节的桨距角的大小根据预设的像素偏移量-桨距角调节量拟合函数确定;
本实施例中预设的像素偏移量-桨距角调节量拟合函数是通过前期试验得到的,该拟合函数反映的是像素偏移量与桨距角调节量之间的对应关系,像素偏移量与桨距角调节量之间成正相关关系,也即当像素偏移量较大时,对桨距角的调节量也较大;当像素偏移量较小时,对桨距角的调节量也较小。
本实施例划分了中心块,基于中心块计算了横向差值和纵向差值,作为其它实施方式,也可以不划分中心块,只根据上下左右边缘块的像素偏移量均值进行判断,也即:根据上边缘块和下边缘块的像素偏移量均值计算纵向边缘块的像素偏移量均值,根据左边缘块和右边缘块的像素偏移量均值计算横向边缘块的像素偏移量均值,再根据纵向边缘块像素偏移量均值和横向边缘块的像素偏移量的差值是否大于某一定值来判断无人机是否出现了抖动,以及根据纵向边缘块像素偏移量均值和横向边缘块的像素偏移量的大小关系判断导致无人机出现抖动的横风的方向,原理与划分中心块的情形相似,此处不再赘述。
当无人机没有出现抖动时,本实施例进一步判断无人机是否出现由于无人机共振产生的果冻效应。
无人机振动的主要来源为无人机旋翼转动时受到的空气的阻力,也可说是旋翼的升力随旋翼转动是会有一定的周期性变化,使得升力对整个无人机产生周期性振动。无人机发生共振实际上是各旋翼的振动频率与无人机内部的振动频率相同,导致在该相同频率下,无人机发生更大幅度下的振动。旋翼振动的频率大小与旋翼的转速相关,因此,可以通过调节无人机旋翼转速避免无人机的共振情况。
在共振频率固定的情况下,共振振动振幅固定。共振造成无人机机身包括相机发生固定振幅和固定周期性的振动,共振周期与卷帘相机的图像行扫频率成比例关系,造成当前固定振幅下的无人机成像周期性波动,一个完整波动周期记为果冻效应周期。共振周期越长,无人机成像周期性波动的周期越长。
基于无人机发生共振时拍摄的勘测图像的上述特点,本实施例在无人机没有出现抖动时,调节无人机旋翼的当前转速,根据转速调节前后的勘测图像判断无人机是否发生共振,具体过程为:
将转速调节前的勘测图像记为M1图像,将转速调节后的勘测图像记为M2图像,将M2图像中与M1图像中像素点(i,j)1对应的像素点记为M2图像的第i个像素点(此处对应的像素点指M2图像中与M1图像中像素点(i,j)1为同一像素点的像素点,该对应的像素点的坐标有可能已经发生变化,不再为(i,j)),计算M1图像中像素点(i,j)1与M2图像的第i个像素点之间的欧氏距离,记为与M2图像对应的第i行像素点的欧氏距离;
判断与M2图像对应的第i行像素点的欧氏距离与第i+1行像素点的欧氏距离是否相等(该处第i+1行像素点的欧氏距离指M1图像中第i+1行第j列像素点(i+1,j)1与M2图像的第i+1像素点之间的欧氏距离),若相等(若M1图像和M2图像建立的坐标系相同,那么此处相等不仅指上述两欧氏距离相等,而且上述两欧式距离均为0;若M1图像和M2图像建立的坐标系不相同,那么此处相等只是指上述两欧氏距离相等),则判断无人机在所述当前转速下和调节后转速下均没有发生共振;若不相等,则进一步判断第i行像素点的欧氏距离是否随着i数值的增加呈现周期性变化,所述周期性变化为先增大再减小或者先减小再增大,一个完整的周期性变化即为果冻效应周期;
若是,则再次调节无人机旋翼的转速,将再次调节转速后的勘测图像记为M3图像,将M3图像中与M1图像中像素点(i,j)1对应的像素点记为M3图像的第i个像素(此处对应的像素点指M3图像中与M1图像中像素点(i,j)1为同一像素点的像素点,该对应的像素点的坐标有可能已经发生变化,不再为(i,j)),计算M1图像中第i行第j列像素点(i,j)1与M3图像的第i像素点之间的欧氏距离,记为与M3图像对应的第i行像素点的欧氏距离;
判断与M3图像对应的第i行像素点的欧氏距离与第i+1行像素点的欧氏距离是否相等(该处第i+1行像素点的欧氏距离指M1图像中第i+1行第j列像素点(i+1,j)1与M3图像的第i+1像素点之间的欧氏距离),若相等(若M1图像和M3图像建立的坐标系相同,那么此处相等不仅指上述两欧氏距离相等,而且上述两欧式距离均为0;若M1图像和M3图像建立的坐标系不相同,那么此处相等只是指上述两欧氏距离相等),则判定无人机没有在所述当前转速和再次调节后转速下发生共振,而是在调节后转速下发生了共振;
若不相等,则判定无人机在所述当前转速下发生了共振,根据预设的共振严重程度-转速调节量拟合曲线调节无人机旋翼的转速,具体调节过程为:
计算无人机在所述当前转速下发生共振时对应勘测图像的果冻效应周期;
根据果冻效应周期计算共振严重程度,该共振严重程度与果冻周期成正相关关系,也即果冻周期越大,共振越严重。
根据共振严重程度和预设的共振严重程度-转速调节量拟合曲线得到转速调节量;
根据转速调节量在所述当前转速的基础上调节无人机旋翼的转速。
本实施例预设的共振严重程度-转速调节量拟合函数是通过前期试验得到的,该拟合函数反映的是共振严重程度与转速调节量之间的对应关系,共振严重程度与转速调节量之间成正相关关系,也即当共振较严重时,对转速的调节量也较大;当共振程度较小时,对转速的调节量也较小。
本实施例是根据果冻效应周期计算共振严重程度,再根据预设的共振严重程度-转速调节量拟合函数对无人机转速进行调节,作为其它实施方式,也可以不计算共振严重程度,直接建立果冻效应周期-转速调节量拟合函数,然后根据该果冻效应周期-转速调节量拟合函数对无人机转速进行调节。
本实施例基于实时获取的勘测图像,可以得到勘测图像的背景区域的像素偏移量,基于该像素偏移量可以准确判断出无人机是否出现了抖动,在无人机出现了抖动可以通过调节无人机的桨距角来避免因无人机抖动导致的果冻效应的产生;当无人机没有发生抖动时,进一步判断无人机是否发生了共振,当无人机发生共振时及时对无人机旋翼的转速进行调节,可以避免无人机因共振导致的果冻效应的产生。
上述实施例仅以一种具体的实施方式说明本发明的技术方案,任何对本发明进行的等同替换及不脱离本发明精神和范围的修改或局部替换,其均应涵盖在本发明权利要求保护的范围之内。

Claims (4)

1.一种地质勘测用无人机飞行平台,包括存储器和处理器,其特征在于,所述处理器执行所述存储器存储的计算机程序,以实现如下步骤:
实时获取勘测图像,利用目标检测方法判断勘测图像的背景区域;
根据勘测图像的背景区域的像素偏移量,判断无人机是否出现抖动;
若无人机出现抖动,则调节无人机桨距角;若没有出现抖动,则调节无人机旋翼的当前转速,根据转速调节前后的勘测图像判断无人机是否在所述当前转速下发生共振;
若无人机没有在所述当前转速下发生共振,则将无人机旋翼的转速恢复为所述当前转速;若无人机在所述当前转速下发生了共振,则根据预设的共振严重程度-转速调节量拟合曲线调节无人机旋翼的转速;
所述根据勘测图像的背景区域的像素偏移量,判断无人机是否出现抖动的方法包括:
对勘测图像的背景区域进行分块,得到的分块区域包括中心块和边缘块,所述边缘块包括左边缘块、右边缘块、上边缘块和下边缘块;
根据各分块区域中像素的偏移量,计算各分块区域的像素偏移量均值;
求左边缘块的像素偏移量均值和右边缘块像素偏移量均值的均值,记为横向边缘块的像素偏移量均值;求上边缘块的像素偏移量均值和下边缘块像素偏移量均值的均值,记为纵向边缘块的像素偏移量均值;
计算横向边缘块的像素偏移量均值和中心块的像素偏移量均值的差值,记为横向差值;计算纵向边缘块的像素偏移量均值和中心块的像素偏移量均值的差值,记为纵向差值;判断所述横向差值和纵向差值是否均不大于设定阈值,若否,则判定无人机出现抖动;
调节无人机桨距角的方法包括:
当|mc-m 1|>|mc-m 2|时,判定无人机遇到横向横风,将无人机沿横向横风方向的桨轴向与横向横风方向垂直的方向调节,调节的桨距角的大小根据预设的像素偏移量-桨距角调节量拟合函数确定;
当|mc-m 1|<|mc-m 2|时,判定无人机遇到纵向横风,将无人机沿纵向横风方向的桨轴向与纵向横风方向垂直的方向调节,调节的桨距角的大小根据预设的像素偏移量-桨距角调节量拟合函数确定;
其中,mc为中心块区域的像素偏移量均值,m 1为横向边缘块的像素偏移量均值,m 2为纵向边缘块的像素偏移量均值;
所述根据转速调节前后的勘测图像判断无人机是否发生共振的方法包括:
将转速调节前的勘测图像记为M1图像,将转速调节后的勘测图像记为M2图像,将M2图像中与M1图像中像素点(i,j)1对应的像素点记为M2图像的第i个像素点,计算M1图像中像素点(i,j)1与M2图像的第i个像素点之间的欧氏距离,记为与M2图像对应的第i行像素点的欧氏距离;
判断与M2图像对应的第i行像素点的欧氏距离与第i+1行像素点的欧氏距离是否相等,若相等,则判断无人机在所述当前转速下没有发生共振;
若不相等,则进一步判断第i行像素点的欧氏距离是否随着i数值的增加呈现周期性变化,所述周期性变化为先增大再减小或者先减小再增大;
若是,则再次调节无人机旋翼的转速,将再次调节转速后的勘测图像记为M3图像,将M3图像中与M1图像中像素点(i,j)1对应的像素点记为M3图像的第i个像素点,计算M1图像中第i行第j列像素点(i,j)1与M3图像的第i像素点之间的欧氏距离,记为与M3图像对应的第i行像素点的欧氏距离;
判断与M3图像对应的第i行像素点的欧氏距离与第i+1行像素点的欧氏距离是否相等,若相等,则判定无人机没有在所述当前转速下发生共振;若不相等,则判定无人机在所述当前转速下发生了共振。
2.根据权利要求1所述的地质勘测用无人机飞行平台,其特征在于,利用如下公式计算第j帧勘测图像中各分块区域的像素偏移量均值:
其中,m为第j帧勘测图像中某分块区域的像素偏移量均值,N为第j帧勘测图像中该分块区域包括的像素的总个数,fij(x,y)为第j帧勘测图像中该分块区域中第i个像素点的坐标,fij-1(x,y)为所述第i个像素点在第j-1帧勘测图像中的坐标,||fij(x,y)-fij-1(x,y)||2表示fij-1(x,y)和fij(x,y)的欧式距离。
3.根据权利要求1所述的地质勘测用无人机飞行平台,其特征在于,根据预设的共振严重程度-转速调节量拟合曲线调节无人机旋翼的转速的方法包括:
计算无人机在所述当前转速下发生共振时对应勘测图像的果冻效应周期;
根据果冻效应周期计算共振严重程度;
根据共振严重程度和预设的共振严重程度-转速调节量拟合曲线得到转速调节量;
根据转速调节量在所述当前转速的基础上调节无人机旋翼的转速。
4.根据权利要求3所述的地质勘测用无人机飞行平台,其特征在于,所述共振严重程度与所述果冻效应周期成正相关关系。
CN202110674968.2A 2021-06-17 2021-06-17 一种地质勘测用无人机飞行平台 Active CN113284134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110674968.2A CN113284134B (zh) 2021-06-17 2021-06-17 一种地质勘测用无人机飞行平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110674968.2A CN113284134B (zh) 2021-06-17 2021-06-17 一种地质勘测用无人机飞行平台

Publications (2)

Publication Number Publication Date
CN113284134A CN113284134A (zh) 2021-08-20
CN113284134B true CN113284134B (zh) 2023-09-26

Family

ID=77284836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110674968.2A Active CN113284134B (zh) 2021-06-17 2021-06-17 一种地质勘测用无人机飞行平台

Country Status (1)

Country Link
CN (1) CN113284134B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106240843A (zh) * 2016-07-26 2016-12-21 江苏工程职业技术学院 基于可变径机架的多旋翼无人机结构测试装置及方法
CN111213204A (zh) * 2017-08-15 2020-05-29 萨罗尼科斯贸易与服务一人有限公司 人声控制的遥控多旋翼飞行器
CN112727705A (zh) * 2020-12-23 2021-04-30 蚌埠学院 风力发电机组桨叶监测探伤方法
CN112767371A (zh) * 2021-01-25 2021-05-07 李小红 一种基于人工智能的可变阻尼调节果冻效应方法及系统
CN112890841A (zh) * 2021-01-19 2021-06-04 上海联影医疗科技股份有限公司 振动信息测量方法、装置、服务器及介质
CN112926530A (zh) * 2021-04-01 2021-06-08 黄海源 一种基于人工智能的航拍场景下果冻效应预防方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3045569B1 (fr) * 2015-12-17 2017-12-08 Arthur Gardin Drone a faible niveau de vibration

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106240843A (zh) * 2016-07-26 2016-12-21 江苏工程职业技术学院 基于可变径机架的多旋翼无人机结构测试装置及方法
CN111213204A (zh) * 2017-08-15 2020-05-29 萨罗尼科斯贸易与服务一人有限公司 人声控制的遥控多旋翼飞行器
CN112727705A (zh) * 2020-12-23 2021-04-30 蚌埠学院 风力发电机组桨叶监测探伤方法
CN112890841A (zh) * 2021-01-19 2021-06-04 上海联影医疗科技股份有限公司 振动信息测量方法、装置、服务器及介质
CN112767371A (zh) * 2021-01-25 2021-05-07 李小红 一种基于人工智能的可变阻尼调节果冻效应方法及系统
CN112926530A (zh) * 2021-04-01 2021-06-08 黄海源 一种基于人工智能的航拍场景下果冻效应预防方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
惯性振动破碎机系统前共振同步特性;王晓波;中 国 矿 业;全文 *

Also Published As

Publication number Publication date
CN113284134A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
US10776939B2 (en) Obstacle avoidance system based on embedded stereo vision for unmanned aerial vehicles
US10515271B2 (en) Flight device and flight control method
US12065162B2 (en) Method and system for autonomous vehicle control
CN111739063A (zh) 一种基于多传感器融合的电力巡检机器人定位方法
CN111932588A (zh) 一种基于深度学习的机载无人机多目标跟踪系统的跟踪方法
CN110865650B (zh) 基于主动视觉的无人机位姿自适应估计方法
WO2017080108A1 (zh) 飞行装置、飞行控制系统及方法
CN106447730B (zh) 参数估计方法、装置和电子设备
CN110458877B (zh) 基于仿生视觉的红外与可见光信息融合的导航方法
CN102298070A (zh) 估算无人机,尤其是能够在自动驾驶下执行悬停飞行的无人机的水平速度的方法
CN116719339A (zh) 一种基于无人机的电力线路巡检控制方法及系统
CN108492324B (zh) 基于全连接网络和卡尔曼滤波器的飞机追踪方法
CN113048951B (zh) 一种基于人工智能的测绘无人机抖动检测方法及系统
CN109715498A (zh) 无人自主交通工具中的自适应运动滤波
CN108900775B (zh) 一种水下机器人实时电子稳像方法
CN112767371A (zh) 一种基于人工智能的可变阻尼调节果冻效应方法及系统
KR20200084972A (ko) 무인비행체를 이용한 초분광영상 획득 방법
CN113744315A (zh) 一种基于双目视觉的半直接视觉里程计
US20180114293A1 (en) Large scale image mosaic construction for agricultural applications
CN113284134B (zh) 一种地质勘测用无人机飞行平台
CN116977902B (zh) 一种边海防车载光电稳定平台目标跟踪方法及系统
CN117876664A (zh) 一种光电经纬仪目标跟踪辅助方法
JP3953710B2 (ja) 動画像による監視システム
Gabdullin et al. Analysis of onboard sensor-based odometry for a quadrotor uav in outdoor environment
CN113156450B (zh) 无人机上的主动旋转激光雷达系统及其控制方法

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
GR01 Patent grant
GR01 Patent grant