CN113568430A - 一种无人机机翼执行数据的修正控制方法 - Google Patents
一种无人机机翼执行数据的修正控制方法 Download PDFInfo
- Publication number
- CN113568430A CN113568430A CN202110877064.XA CN202110877064A CN113568430A CN 113568430 A CN113568430 A CN 113568430A CN 202110877064 A CN202110877064 A CN 202110877064A CN 113568430 A CN113568430 A CN 113568430A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- data
- wing
- acquiring
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012937 correction Methods 0.000 title claims description 15
- 238000012545 processing Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 14
- 239000000779 smoke Substances 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 238000013138 pruning Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明请求保护的一种无人机着陆飞行的方向控制方法,用于控制无人机在多地形上空飞行时的着陆控制其特征在于,通过获取所述无人机在所述多地形上空飞行时的采集图像,对所述获取所述无人机在所述多地形上空飞行时的采集图像进行识别检测,进一步获取安装在所述无人机上的多类型传感器数据,基于识别检测结果与传感器数据进行比对分析,控制无人机着陆飞行方向。本发明涉及的无人机着陆飞行的方向控制方法避免了当前无人机着陆控制时的图像精度识别不准确问题,克服了当前着陆控制时的依靠因素单一,无法综合分析环境因素的问题,通过整合图像和环境因素,并基于当前地形环境的具体情况进行适应性变化着陆控制,提升了无人机控制的灵活可靠性。
Description
技术领域
本发明涉及无人机技术领域,特别涉及一种无人机机翼执行数据的修正控制 方法。
背景技术
无人驾驶飞机简称“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。机上无驾驶舱,但安装有自动驾驶仪、程序控制装置、信 号采集装置等设备。地面、舰艇上或母机遥控站人员通过雷达等设备,对其进行 跟踪、定位、遥控、遥测和数字传输。可在无线电遥控下像普通飞机一样起飞或 用助推火箭发射升空,也可由母机带到空中投放飞行。现有技术无人机中已存在 图像跟踪技术,对图像进行跟踪来获取跟踪内容。
目前国内外研究的用于UAV自主着陆的导航技术包括:惯性导航系统(INS)、 GPS导航系统和INS/GPS组合导航系统。其中,惯性导航是最早最成熟的导航技 术,它是利用陀螺,加凹凸度机等惯性元器件感受UAV在运动过程中的加凹凸度, 然后通过积分计算,得到机体大概位置与凹凸度等导航参数,它最大的缺点是误 差会随时间的推移而不断累加;GPS应用最为广泛,技术也相对成熟,它利用卫 星进行导航定位,具有精度高,使用简单等优点,但在山区等特殊地方易阻塞。 对于小型UAV,由于负荷有限,视觉导航系统是理想选择,一方面其体积小,另 一方面功耗低,同时对着陆地形有直观的感知。
地形测量是指测绘地形图的作业,是对地球表面的地物、地形在水平面上的 位置和高程进行测定,并按一定比例缩小,用符号和注记绘制成地形图的工作, 地形图测绘有助于了解区域土地的状况,方便对该土地进行规划和建设。现在进 行测量时,通常利用无人机辅助测量,相比于人工测量,大大节省了时间,并减 轻了工作人员的负担,但无人机进行测量时,无人机处于无任何阻挡的空中,容 易被阵风吹动而不稳,且会偏离测量的预定路线,空中无明显参照物,调节困难, 给测量带来不便。
发明内容
本发明提供一种无人机机翼执行数据的修正控制方法,可以有效解决上述背 景技术中提出的无人机进行测量时,无人机处于无任何阻挡的空中,容易被阵风 吹动而不稳,且会偏离测量的预定路线,空中无明显参照物,调节困难,给测量 带来不便的问题。
本发明请求保护一种无人机机翼执行数据的修正控制方法,用于控制无人机 在多地形上空飞行时的飞行控制其特征在于,包括步骤:
S1:获取所述无人机在所述多地形上空飞行时的采集图像,对所述获取所述 无人机在所述多地形上空飞行时的采集图像进行识别检测;
S2:获取所述无人机机翼的运行数据,结合所述采集图像对所述运行数据进 行分析处理;
S3:获取安装在所述无人机上的多类型传感器数据;
S4:基于S2步骤获得的分析处理后的运行数据与S3步骤的多类型传感器数 据进行比对分析,修正所述无人机机翼数据。
进一步地,所述S1:获取所述无人机在所述多地形上空飞行时的采集图像, 对所述获取所述无人机在所述多地形上空飞行时的采集图像进行识别检测,具体 包括:
S11.进行图像预处理,建立噪声模型,完成空间域滤波和频域滤波,采用高 斯低通滤波加中值滤波;
S12.采用Lucy-Richardision算法执行全局运动模糊和局部运动模糊消除;
S13.利用改进的K均值聚类方法对真实框重新进行聚类,以获取更适合当 前数据集的锚框;
S14.对卷积层结构进行调整,基于L1范数的敏感度分析,并根据分析结果 进行裁剪;
S15.利用线性特征检测方法对待识别图像进行线性特征检测,得到检测出的 线性特征,所述线性特征检测方法将图像空间线性特征的检测转换为另一空间极 值点的检测并且其中利用连续聚类算子来使得在所述转换中连续图像点比离散 图像点的权重更大;
S16.通过无人机进行采集巡航范围内的地形图像信息并输出至服务器,对所 述地形图像信息进行处理,将处理过的当前地形图像信息与预设的正常状态地形 图像信息对比,判断当前地面是否存在异常;
S17.根据所述待识别图像中待识别目标的特性,从检测出的线性特征中识别 出待识别目标。
进一步地,所述S2:获取所述无人机机翼的运行数据,结合所述采集图像 对所述运行数据进行分析处理,具体包括:
S21.测量在飞行的过重中四翼无人机至测量点的角度和距离,根据三角函数 得出四翼无人机与测量点之间的高度差;
S22.接收分析所述采集图像,调整各个驱动部件,对机翼处的姿态进行调整, 使其维持平稳;
S23.接收测绘设备传递而来的信息,通过判断四翼无人机是否偏离预定的高 度和路线,进行修正,获得修正轨迹,当遇到阵风和不良状况依旧平稳飞行,使 得无人机沿着设定的路线移动,方便三维激光扫描设备的扫描地形,得到所述无 人机机翼的运行数据。
进一步地,所述S3:获取安装在所述无人机上的多类型传感器数据,具体 包括:
所述多种类型的传感器数据至少包括温度传感器M1、湿度传感器M2、烟雾 传感器M3、风力传感器M4;
获取所述温度传感器M1的数据,所述温度传感器M1的数据用于表征所述无 人机所处地形上空环境下的空气温度;
获取所述湿度传感器M2的数据,所述湿度传感器M2的数据用于表征所述无 人机所处地形上空环境下的空气湿度;
获取所述烟雾传感器M3的数据,所述烟雾传感器M3的数据用于表征所述无 人机所处地形上空环境下的烟雾浓度;
获取所述风力传感器M4的数据,所述风力传感器M4的数据用于表征所述无 人机所处地形上空环境下的风力强度;
S31:建立合适的坐标系,导航坐标系On-XnYnZn和机载坐标系O–XYZ, 导航坐标系是以地面作为参考的坐标系,用来描述无人机以地面作参考系时的运 动状态,所述导航坐标系是固定在无人机上的参考系;
S32:轮式里程计数据分析,使用了光电编码器,利用航位推算定位算法进 行定位参数解算;
S33:对无人机的惯性测量单元IMU数据进行分析处理;
S34:对无人机的多类型传感器数据处理,获取多类型传感器数据信息,推 算出无人机的位姿信息。
进一步地,所述S4:基于S2步骤获得的分析处理后的运行数据与S3步骤 的多类型传感器数据进行比对分析,修正所述无人机机翼数据,具体包括:
S41.获取所述S2步骤获得的分析处理后的运行数据;
S42:基于所述多类型传感器数据的各自偏离值对所述无人机的机翼运行情 况进行运行状态划分,所述运行状态划分为平稳、气流抖动、其他意外环境;
S43.基于获取的所述无人机的机翼运行情况的运行状态,对所述无人机机翼 数据进行修正,获得修正轨迹;
S44.重新确定模型参数辨识的机翼运行情况的运行状态,如此不断迭代,最 终得到较为精准的倾转旋翼无人机的机翼运行情况的运行状态。
本发明请求保护的一种无人机着陆飞行的方向控制方法,用于控制无人机在 多地形上空飞行时的着陆控制其特征在于,通过获取所述无人机在所述多地形上 空飞行时的采集图像,对所述获取所述无人机在所述多地形上空飞行时的采集图 像进行识别检测,进一步获取安装在所述无人机上的多类型传感器数据,基于识 别检测结果与传感器数据进行比对分析,控制无人机着陆飞行方向。本发明涉及 的无人机着陆飞行的方向控制方法避免了当前无人机着陆控制时的图像精度识 别不准确问题,克服了当前着陆控制时的依靠因素单一,无法综合分析环境因素 的问题,通过整合图像和环境因素,并基于当前地形环境的具体情况进行适应性 变化着陆控制,提升了无人机控制的灵活可靠性。
附图说明
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。
图1为本发明所涉及的一种无人机机翼执行数据的修正控制方法的工作流程图;
图2为本发明所涉及的一种无人机机翼执行数据的修正控制方法的实施例一;
图3为本发明所涉及的一种无人机机翼执行数据的修正控制方法的实施例二;
图4为本发明所涉及的一种无人机机翼执行数据的修正控制方法的实施例三;
图5为本发明所涉及的一种无人机机翼执行数据的修正控制方法的实施例四。
具体实施方式
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不 同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形, 意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设 备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术 描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实 施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附 图获得其他的附图。
参照附图1,本发明请求保护一种无人机机翼执行数据的修正控制方法,用于控制无人
S1:获取所述无人机在所述多地形上空飞行时的采集图像,对所述获取所述 无人机在所述多地形上空飞行时的采集图像进行识别检测;
S2:获取所述无人机机翼的运行数据,结合所述采集图像对所述运行数据进 行分析处理;
S3:获取安装在所述无人机上的多类型传感器数据;
S4:基于S2步骤获得的分析处理后的运行数据与S3步骤的多类型传感器数 据进行比对分析,修正所述无人机机翼数据。
进一步地,所述S1:获取所述无人机在所述多地形上空飞行时的采集图像, 对所述获取所述无人机在所述多地形上空飞行时的采集图像进行识别检测,具体 包括:
S11.进行图像预处理,建立噪声模型,完成空间域滤波和频域滤波,采用高 斯低通滤波加中值滤波;
S12.采用Lucy-Richardision算法执行全局运动模糊和局部运动模糊消除;
S13.利用改进的K均值聚类方法对真实框重新进行聚类,以获取更适合当 前数据集的锚框;
S14.对卷积层结构进行调整,基于L1范数的敏感度分析,并根据分析结果 进行裁剪;
S15.利用线性特征检测方法对待识别图像进行线性特征检测,得到检测出的 线性特征,所述线性特征检测方法将图像空间线性特征的检测转换为另一空间极 值点的检测并且其中利用连续聚类算子来使得在所述转换中连续图像点比离散 图像点的权重更大;
S16.通过无人机进行采集巡航范围内的地形图像信息并输出至服务器,对所 述地形图像信息进行处理,将处理过的当前地形图像信息与预设的正常状态地形 图像信息对比,判断当前地面是否存在异常;
S17.根据所述待识别图像中待识别目标的特性,从检测出的线性特征中识别 出待识别目标。
高斯低通滤波在傅里叶频域内执行,执行步骤为:首先进行傅里叶变换,之 后将得到的高斯低通滤波器与频域图像相乘,最后经过傅里叶逆变换,得到目标 图像。
高斯低通滤波的函数定义为:
公式中H(u,v)为经频域变换后第u行第v列的数值,D0为人为设定的截 止频率的值。D0越小函数往往越陡峭,去噪效果越好,但丢失的细节信息也越 多。D(u,v)为该位置距离中心点的距离。
Lucy-Richardision算法为时域的图像复原方法
采用最简单直接的剪枝方式对模型进行压缩。在对各个参数评估过程中,以 每一个卷积核为删减的基本单位。每个卷积神经网络都由多个卷积块组成,而每 个卷积块又分为3层:卷积层+BN层+激活层。样本数据在卷积层执行卷积操作 后,仅仅需要简单的BN操作,便进入激活函数中。激活函数一般为具有单调性 的正比例函数,也就是输入值越大,输出值也越大。而输出值越大,对后面的网 络的影响也往往越大。也可以说进入激活函数的自变量数值X越大,对后面网 络的影响越大。输入变量X由卷积核和输入样本卷积求和后得到,对于相同的 输入样本,卷积核数值越大,输入自变量X越大。所以在对一个卷积核的重要 程度进行评估时,采用了L1范数的方法。计算公式如下所示:
其中N为每个卷积核的边长,wi,j为卷积核i,j位置的数值,Result为 该卷积核的重要程度。
在实际进行剪枝操作时基本思路为:以每一个卷积层为基本单元,依次对每 一个卷积层裁剪一定比例卷积核,计算剪枝之后模型MAP的变化情况。MAP下 降越多代表该卷积核对网络的重要程度越高,该卷积层对网络变化的敏感度越高。 当一个卷积层确定裁减比例后,需要对该层的卷积核按L1范数进行排序,L1范 数越小的卷积核优先被裁剪。为了恢复模型的精度,在剪枝后需要对模型进行再 训练以恢复网络的精度。此处采用的是先一次性剪枝所有层,最后统一再训练的 方式。这种方式可以极大地降低再训练时的工作量。
进一步地,所述S2:获取所述无人机机翼的运行数据,结合所述采集图像 对所述运行数据进行分析处理,具体包括:
S21.测量在飞行的过重中四翼无人机至测量点的角度和距离,根据三角函数 得出四翼无人机与测量点之间的高度差;
S22.接收分析所述采集图像,调整各个驱动部件,对机翼处的姿态进行调整, 使其维持平稳;
S23.接收测绘设备传递而来的信息,通过判断四翼无人机是否偏离预定的高 度和路线,进行修正,获得修正轨迹,当遇到阵风和不良状况依旧平稳飞行,使 得无人机沿着设定的路线移动,方便三维激光扫描设备的扫描地形,得到所述无 人机机翼的运行数据。
对无人机飞向目标点的空间内的多条轨迹进行离散,得到离散化的轨迹段, 所述离散化的轨迹段是由多个离散范围内中同一离散范围的多段离散化的轨迹 段组成,所述离散范围是对轨迹进行离散时,每两个相邻离散点之间的空间范围;
基于梯度风场与所述无人机的飞行姿态之间的对应关系,确定即将处于所述 离散化的轨迹段上的无人机飞行能量消耗;
选择每个离散范围内,能量消耗最小的轨迹段;
将所有能量消耗最小的轨迹段进行拼接,得到能量消耗最小的轨迹,作为所 述修正轨迹。
进一步地,所述S3:获取安装在所述无人机上的多类型传感器数据,具体 包括:
所述多种类型的传感器数据至少包括温度传感器M1、湿度传感器M2、烟雾 传感器M3、风力传感器M4;
获取所述温度传感器M1的数据,所述温度传感器M1的数据用于表征所述无 人机所处地形上空环境下的空气温度;
获取所述湿度传感器M2的数据,所述湿度传感器M2的数据用于表征所述无 人机所处地形上空环境下的空气湿度;
获取所述烟雾传感器M3的数据,所述烟雾传感器M3的数据用于表征所述无 人机所处地形上空环境下的烟雾浓度;
获取所述风力传感器M4的数据,所述风力传感器M4的数据用于表征所述无 人机所处地形上空环境下的风力强度;
S31:建立合适的坐标系,导航坐标系On-XnYnZn和机载坐标系O–XYZ, 导航坐标系是以地面作为参考的坐标系,用来描述无人机以地面作参考系时的运 动状态,所述导航坐标系是固定在无人机上的参考系;
S32:轮式里程计数据分析,使用了光电编码器,利用航位推算定位算法进 行定位参数解算;
S33:对无人机的惯性测量单元IMU数据进行分析处理;
S34:对无人机的多类型传感器数据处理,获取多类型传感器数据信息,推 算出无人机的位姿信息。
空间中,机载坐标系相对于导航坐标系的方位角被称为无人机的姿态角,姿 态角表示机载坐标系相对于导航坐标系的方位。从机载坐标系到导航坐标系的姿 态转换矩阵表示为:
α——表示绕Z轴旋转的角度,即航向角;
β——表示绕Y轴旋转的角度,即俯仰角;
γ——表示绕X轴旋转的角度,即横滚角;
设j时刻航向角为α=θk,代入就可以推导出无人机上从机载坐标系到导航 坐标系的变换矩阵:
光电编码器的测速方法有三种:M法、T法、M/T法。M法测速在低速时脉 冲数测得较少,误差大,适合高速测量;T法在速度较高单个脉冲周期较短时误 差大,适合低速测量。M/T法则综合了M法和T法的优点,既适合告诉测量, 又适合低速测量。这里使用M/T法测量电机转速,测速公式为:
式中n——表示转速(转/分钟)
fc——表示硬件的时钟基频
M1——表示单位时间测量的脉冲数
Z——表示编码器线数
M2——表示单位时基脉冲数;
由航迹推算算法可得如下导航坐标系下位姿的递推公式:
式中(Xk+1,Yk+1,θk+1)——表示当前时刻tk+1无人机在导航坐标系下的位 姿;
(Xk,Yk,θk)——表示上一时刻tk无人机在导航坐标系下的位姿;
(dx,dy,dθ)——表示上一时刻到当前时刻在无人机坐标系中的运动增量。
利用IMU的陀螺仪提供偏航角角速度信息,假设ωk为tk时刻时刻的Z轴 的角速度信息,ωk+1为tk+1时刻的绕Z轴角速度信息,则IMU在导航坐标系下 的姿态更新方程为:
UWB定位系统的标签安装在无人机上,UWB定位可以提供标签与基站之间实 时的距离信息di,(i=0,1,2,3)。第i个基站的坐标已知为(ix,yi,zi),设待求标 签点的坐标为(X,Y,Z),则基站与标签之间的距离有以下关系:
其是一个超定方程组,通常无解,但是有最小二乘解。可以采用最小均方差 估计求解该方程组,即
设机载坐标下UWB标签坐标为(xuwb,yuwb,zuwb),则UWB定位系统得 到的无人机在时刻k时的二维绝对坐标为
进一步地,所述S4:基于S2步骤获得的分析处理后的运行数据与S3步骤 的多类型传感器数据进行比对分析,修正所述无人机机翼数据,具体包括:
S41.获取所述S2步骤获得的分析处理后的运行数据;
S42:基于所述多类型传感器数据的各自偏离值对所述无人机的机翼运行情 况进行运行状态划分,所述运行状态划分为平稳、气流抖动、其他意外环境;
S43.基于获取的所述无人机的机翼运行情况的运行状态,对所述无人机机翼 数据进行修正,获得修正轨迹;
S44.重新确定模型参数辨识的机翼运行情况的运行状态,如此不断迭代,最 终得到较为精准的倾转旋翼无人机的机翼运行情况的运行状态。
当所述识别多类型传感器数据的各自偏离值百分比平均值、最大值均小于标 准数值的10%时,则认定所述无人机的机翼运行情况进行运行状态为平稳。
当所述风力传感器的数据偏离标准数值的10%以上,认定所述无人机的机翼 运行情况进行运行状态为气流抖动;
当所述烟雾传感器的数据偏离标准数值的10%以上,认定所述无人机的机翼 运行情况进行运行状态为雾霾天气飞行;
当所述温度传感器的数据偏离标准数值的10%以上,认定所述无人机的机翼 运行情况进行运行状态为气温异常飞行;
当所述湿度传感器的数据偏离标准数值的10%以上,认定所述无人机的机翼 运行情况进行运行状态为湿度异常飞行;
所述运行状态可以为一个或同时多个。
当所述运行状态为平稳时,持续当前状态进行飞行;
当所述运行状态为气流抖动时,调整所述无人机的机翼俯仰角;
当所述运行状态为雾霾天气飞行时,调整所述无人机的机翼灯光控制;
当所述运行状态为温度异常飞行时,调整所述无人机的机翼表面喷涂耐高温 /低温材料;
当所述运行状态为湿度异常飞行时,调整所述无人机的机翼表面液体保湿或 湿度吸附。
设置双目摄像机与无人飞行器的机体平行,摄像机坐标系与无人飞行器的坐 标系重合,接收移动终端通过服务器发送的飞往着陆推荐方向的指令;获取服务 器发送的通过5G网络读取的所述芯片的GPS坐标作为所述着陆推荐方向的GPS 坐标;根据服务器发送的来自着陆推荐方向的通过红外检测功能确定着陆推荐方 向没有障碍物适合降落的信息,确定所述着陆推荐方向适合降落;根据所述GPS 坐标飞往所述着陆推荐方向,利用视觉传感器对所述着陆推荐方向的组合颜色进 行识别,降落到所述着陆推荐方向上
在所述降落点放置一个声源,在所述无人机上放置由四个麦克风排列成的正 四面体麦克风阵列,在每个所述麦克风的信号输出端分别设置一个信号放大电路 和滤波电路
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与 其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施 例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单, 相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发 明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本 文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施 例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与 本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种无人机机翼执行数据的修正控制方法,用于控制无人机在多地形上空飞行时的飞行控制其特征在于,包括步骤:
S1:获取所述无人机在所述多地形上空飞行时的采集图像,对所述获取所述无人机在所述多地形上空飞行时的采集图像进行识别检测;
S2:获取所述无人机机翼的运行数据,结合所述采集图像对所述运行数据进行分析处理;
S3:获取安装在所述无人机上的多类型传感器数据;
S4:基于S2步骤获得的分析处理后的运行数据与S3步骤的多类型传感器数据进行比对分析,修正所述无人机机翼数据。
2.如权利要求1所述的一种无人机机翼执行数据的修正控制方法,其特征在于,
所述S1:获取所述无人机在所述多地形上空飞行时的采集图像,对所述获取所述无人机在所述多地形上空飞行时的采集图像进行识别检测,具体包括:
S11.进行图像预处理,建立噪声模型,完成空间域滤波和频域滤波,采用高斯低通滤波加中值滤波;
S12.采用Lucy-Richardision算法执行全局运动模糊和局部运动模糊消除;
S13.利用改进的K均值聚类方法对真实框重新进行聚类,以获取更适合当前数据集的锚框;
S14.对卷积层结构进行调整,基于L1范数的敏感度分析,并根据分析结果进行裁剪;
S15.利用线性特征检测方法对待识别图像进行线性特征检测,得到检测出的线性特征,所述线性特征检测方法将图像空间线性特征的检测转换为另一空间极值点的检测并且其中利用连续聚类算子来使得在所述转换中连续图像点比离散图像点的权重更大;
S16.通过无人机进行采集巡航范围内的地形图像信息并输出至服务器,对所述地形图像信息进行处理,将处理过的当前地形图像信息与预设的正常状态地形图像信息对比,判断当前地面是否存在异常;
S17.根据所述待识别图像中待识别目标的特性,从检测出的线性特征中识别出待识别目标。
3.如权利要求1所述的一种无人机机翼执行数据的修正控制方法,其特征在于,
所述S2:获取所述无人机机翼的运行数据,结合所述采集图像对所述运行数据进行分析处理,具体包括:
S21.测量在飞行的过重中四翼无人机至测量点的角度和距离,根据三角函数得出四翼无人机与测量点之间的高度差;
S22.接收分析所述采集图像,调整各个驱动部件,对机翼处的姿态进行调整,使其维持平稳;
S23.接收测绘设备传递而来的信息,通过判断四翼无人机是否偏离预定的高度和路线,进行修正,获得修正轨迹,当遇到阵风和不良状况依旧平稳飞行,使得无人机沿着设定的路线移动,方便三维激光扫描设备的扫描地形,得到所述无人机机翼的运行数据。
4.如权利要求1所述的一种无人机机翼执行数据的修正控制方法,其特征在于,
所述S3:获取安装在所述无人机上的多类型传感器数据,具体包括:
所述多种类型的传感器数据至少包括温度传感器M1、湿度传感器M2、烟雾传感器M3、风力传感器M4;
获取所述温度传感器M1的数据,所述温度传感器M1的数据用于表征所述无人机所处地形上空环境下的空气温度;
获取所述湿度传感器M2的数据,所述湿度传感器M2的数据用于表征所述无人机所处地形上空环境下的空气湿度;
获取所述烟雾传感器M3的数据,所述烟雾传感器M3的数据用于表征所述无人机所处地形上空环境下的烟雾浓度;
获取所述风力传感器M4的数据,所述风力传感器M4的数据用于表征所述无人机所处地形上空环境下的风力强度;
S31:建立合适的坐标系,导航坐标系On-XnYnZn和机载坐标系O–XYZ,导航坐标系是以地面作为参考的坐标系,用来描述无人机以地面作参考系时的运动状态,所述导航坐标系是固定在无人机上的参考系;
S32:轮式里程计数据分析,使用了光电编码器,利用航位推算定位算法进行定位参数解算;
S33:对无人机的惯性测量单元IMU数据进行分析处理;
S34:对无人机的多类型传感器数据处理,获取多类型传感器数据信息,推算出无人机的位姿信息。
5.如权利要求1所述的一种无人机机翼执行数据的修正控制方法,其特征在于,
所述S4:基于S2步骤获得的分析处理后的运行数据与S3步骤的多类型传感器数据进行比对分析,修正所述无人机机翼数据,具体包括:
S41.获取所述S2步骤获得的分析处理后的运行数据;
S42:基于所述多类型传感器数据的各自偏离值对所述无人机的机翼运行情况进行运行状态划分,所述运行状态划分为平稳、气流抖动、其他意外环境;
S43.基于获取的所述无人机的机翼运行情况的运行状态,对所述无人机机翼数据进行修正,获得修正轨迹;
S44.重新确定模型参数辨识的机翼运行情况的运行状态,如此不断迭代,最终得到较为精准的倾转旋翼无人机的机翼运行情况的运行状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110877064.XA CN113568430A (zh) | 2021-07-31 | 2021-07-31 | 一种无人机机翼执行数据的修正控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110877064.XA CN113568430A (zh) | 2021-07-31 | 2021-07-31 | 一种无人机机翼执行数据的修正控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113568430A true CN113568430A (zh) | 2021-10-29 |
Family
ID=78169714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110877064.XA Pending CN113568430A (zh) | 2021-07-31 | 2021-07-31 | 一种无人机机翼执行数据的修正控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113568430A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114964170A (zh) * | 2022-05-25 | 2022-08-30 | 广东志诚工程勘测设计有限公司 | 一种减少测绘误差的测绘无人机及测绘方法 |
CN116736890A (zh) * | 2023-08-11 | 2023-09-12 | 深圳星网信通科技股份有限公司 | 无人机的调度方法、调度系统及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966065A (zh) * | 2015-06-23 | 2015-10-07 | 电子科技大学 | 目标识别方法及装置 |
CN107218970A (zh) * | 2017-05-24 | 2017-09-29 | 中国矿业大学 | 一种用于监测煤田火区分布及燃烧态势的无人机及其方法 |
CN110337065A (zh) * | 2019-05-09 | 2019-10-15 | 南京工程学院 | 一种基于三维地图的智能枢纽人员定位监测预警系统及方法 |
CN110873888A (zh) * | 2018-09-04 | 2020-03-10 | 腾讯大地通途(北京)科技有限公司 | 定位方法、定位装置、定位设备和计算机存储介质 |
CN111426309A (zh) * | 2020-04-14 | 2020-07-17 | 陕西天泽中孚实业有限公司 | 一种基于三维地形测绘数据的采集处理方法 |
CN112129297A (zh) * | 2020-09-25 | 2020-12-25 | 重庆大学 | 一种多传感器信息融合的自适应校正室内定位方法 |
-
2021
- 2021-07-31 CN CN202110877064.XA patent/CN113568430A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966065A (zh) * | 2015-06-23 | 2015-10-07 | 电子科技大学 | 目标识别方法及装置 |
CN107218970A (zh) * | 2017-05-24 | 2017-09-29 | 中国矿业大学 | 一种用于监测煤田火区分布及燃烧态势的无人机及其方法 |
CN110873888A (zh) * | 2018-09-04 | 2020-03-10 | 腾讯大地通途(北京)科技有限公司 | 定位方法、定位装置、定位设备和计算机存储介质 |
CN110337065A (zh) * | 2019-05-09 | 2019-10-15 | 南京工程学院 | 一种基于三维地图的智能枢纽人员定位监测预警系统及方法 |
CN111426309A (zh) * | 2020-04-14 | 2020-07-17 | 陕西天泽中孚实业有限公司 | 一种基于三维地形测绘数据的采集处理方法 |
CN112129297A (zh) * | 2020-09-25 | 2020-12-25 | 重庆大学 | 一种多传感器信息融合的自适应校正室内定位方法 |
Non-Patent Citations (2)
Title |
---|
任彬: "基于MPSoC的航空图像目标检测技术研究", 中国优秀硕士学位论文全文数据库 (基础科学辑), no. 8 * |
任彬: "基于MPSOC的航空图像目标检测系统设计", 液晶与显示, vol. 36, no. 7, pages 1007 - 1017 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114964170A (zh) * | 2022-05-25 | 2022-08-30 | 广东志诚工程勘测设计有限公司 | 一种减少测绘误差的测绘无人机及测绘方法 |
CN114964170B (zh) * | 2022-05-25 | 2024-02-27 | 广东志诚工程勘测设计有限公司 | 一种减少测绘误差的测绘无人机及测绘方法 |
CN116736890A (zh) * | 2023-08-11 | 2023-09-12 | 深圳星网信通科技股份有限公司 | 无人机的调度方法、调度系统及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10151588B1 (en) | Determining position and orientation for aerial vehicle in GNSS-denied situations | |
EP3158293B1 (en) | Sensor fusion using inertial and image sensors | |
US10565732B2 (en) | Sensor fusion using inertial and image sensors | |
EP3158417B1 (en) | Sensor fusion using inertial and image sensors | |
EP2895819B1 (en) | Sensor fusion | |
CN110221625B (zh) | 无人机精确位置的自主降落导引方法 | |
EP3158411B1 (en) | Sensor fusion using inertial and image sensors | |
US5072396A (en) | Navigation systems | |
CN110622087A (zh) | 沿飞行路线自主检测和跟随地形高度 | |
KR20150019771A (ko) | 무인 항공기의 착륙 방법 및 시스템 | |
CN111426320B (zh) | 一种基于图像匹配/惯导/里程计的车辆自主导航方法 | |
CN101109640A (zh) | 基于视觉的无人驾驶飞机自主着陆导航系统 | |
CN113568430A (zh) | 一种无人机机翼执行数据的修正控制方法 | |
Di et al. | A data fusion system for attitude estimation of low-cost miniature UAVs | |
EP3916356A1 (en) | Global positioning denied navigation | |
CN110673627A (zh) | 一种森林无人机搜寻方法 | |
Andert et al. | Optical-aided aircraft navigation using decoupled visual SLAM with range sensor augmentation | |
JP6800918B2 (ja) | エラー回復を実行するための方法、システム、及びプログラム | |
Andert et al. | Radar-aided optical navigation for long and large-scale flights over unknown and non-flat terrain | |
CN113485440A (zh) | 一种无人机着陆飞行的方向控制方法 | |
Gavrilov et al. | Solving the problem of autonomous navigation using underlying surface models tolerant to survey conditions | |
CN113639752B (zh) | 一种无人机实时定位信号的传输控制方法 | |
Ishii et al. | Autonomous UAV flight using the Total Station Navigation System in Non-GNSS Environments | |
RU2722599C1 (ru) | Способ коррекции бесплатформенной инерциальной навигационной системы беспилотного летательного аппарата малой дальности с использованием интеллектуальной системы геопространственной информации | |
WO2018127903A1 (en) | Autonomous takeoff and landing by an aircraft |
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 |