CN116700354A - 一种基于可见光数据的空间位置校核判定方法 - Google Patents
一种基于可见光数据的空间位置校核判定方法 Download PDFInfo
- Publication number
- CN116700354A CN116700354A CN202310957559.2A CN202310957559A CN116700354A CN 116700354 A CN116700354 A CN 116700354A CN 202310957559 A CN202310957559 A CN 202310957559A CN 116700354 A CN116700354 A CN 116700354A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- light source
- processing unit
- central processing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000005286 illumination Methods 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于可见光数据的空间位置校核判定方法,用于对无人机机场内的无人机降落位置进行位置校准,包括以下步骤:S1,中央处理器对无人机机场内的各个光源进行标号编码;S2,定出无人机的目标范围;S3,无人机将光源信号转化为电信号,中央处理器根据各个光源信号所对应的电压,搜索离无人机最近的停机位;S4,无人机朝最近的停机位进行移动;S5,判断无人机是否满足位置微调条件,若满足则执行S6,否则返回S4;S6,无人机的位置进行微调和校核;本方案通过结合无人机机场和可见光定位技术,让系统能够根据无人机所接收的可见光数据对无人机的位置进行调整,有利于提高整体的智能化程度和精细化程度。
Description
技术领域
本发明涉及可见光定位领域,尤其涉及一种基于可见光数据的空间位置校核判定方法。
背景技术
得益于可见光通信(VLC)技术的迅速发展,可见光定位(VLP)作为一项新兴定位技术,以其精度高、成本低、可移植性好、系统易于搭建等优势,逐渐跻身于现阶段主流的定位系统行列,成为相关行业的研究热点,目前可见光定位在无人机领域的应用还比较少,处于待开发阶段。
如现有技术CN115343674A公开了一种基于可见光的无人机室外高精度定位方法包括以下步骤:根据可见光通信信道模型,计算该目标点接收到的来自周围3架无人机的无干扰光信号强度;根据室外环境光噪声模型,得到目标点接收到的总光功率;根据无干扰接收光功率,计算无人机与目标点之间的实际距离;根据受环境光噪声干扰的接收光功率,计算所测得的无人机与目标点之间的距离;改变目标位置与无人机分配位置,重复上述四个步骤,获得大量的实际距离值与测距值,并将其作为训练数据,利用BP神经网络修正两组距离值之间的误差;使用训练好的BP神经网络对上上个步骤中所测得的距离值进行优化;由目标周围三架无人机的位置与优化后的距离值,计算出目标的位置。
另一种典型的如CN112147653A公开的一种基于可见光的无人机与水上浮标的定位方法及相关设备,运用于无人机与水上浮标的定位与通信,所述水上浮标设有至少三个LED定位灯和一个LED通信灯,所述LED通信灯位于三个所述LED定位灯的中心位置,所述LED定位灯用于发出单色光信号且光强各不相同,所述LED通信灯用于发出通信光信号;所述无人机根据卫星导航系统的指引到达所述水上浮标所在的数据采集区域的外围;所述无人机采集所述水上浮标上的所述LED定位灯发出的单色光信号,并根据该单色光信号进行精确定位,以到达所述数据采集区域以内,以实现对所述水上浮标的定位与通信。与相关技术相比,本发明的基于可见光的无人机与水上浮标的定位方法及相关设备成本低、定位精确度高且可靠性好。
再来看如US10685229B2公开的一种无人机、相关系统和方法的基于图像的定位。在一个实施例中,一种用于导航无人机的方法包括:沿飞行路径驾驶无人机;利用无人机携带的摄像机获取沿飞行轨迹的地面区域的图像;并将图像发送到基站。该方法还包括基于地面区域的图像与飞行路径的至少一个地面地图的比较从基站接收导航数据。
为了让无人机在无人机机场降落时能够准确降落到指定位置,本方案结合了无人机机场和可见光定位技术,让系统能够根据无人机所接收的可见光数据对无人机的位置进行调整,有利于提高整体的智能化程度和精细化程度。
发明内容
本发明的目的在于,针对目前所存在的不足,提出了一种基于可见光数据的空间位置校核判定方法。
为了克服现有技术的不足,本发明采用如下技术方案:
一种基于可见光数据的空间位置校核判定方法,用于对无人机机场内的无人机降落位置进行位置校准,其特征在于,包括以下步骤:
S1,中央处理器对无人机机场内的各个光源进行标号编码,不同的标号对应机场中的不同位置;
S2,中央处理器解析无人机在当前位置接收到的光源信号,并根据光源信号所携带的位置信息定出无人机的目标范围;
S3,无人机将光源信号转化为电信号,中央处理器根据各个光源信号所对应的电压,在目标范围内搜索离无人机最近的停机位;
S4,中央处理器发送移动信号到无人机,无人机朝最近的停机位进行移动;
S5,无人机持续接收光源信号并转发给中央处理器,中央处理器判断无人机是否满足位置微调条件,若满足则执行S6,否则返回S4;
S6,中央处理器根据下式对无人机的位置进行微调和校核,校核完成后,无人机在当前位置进行垂直降落;
x = x - W * 【(+/>)-(/>+/>)】; y = y - W *【(/>+/>)-(/>+/>)】;
其中,x和y是无人机的位置坐标;W是学习率,用于控制每次位置更新的步长大小;分别为光源A、光源B、光源C和光源D照射到无人机上所对应的电压值。
更进一步的,还包括一种无人机机场,所述无人机机场包括中央处理器、无人机出入口、光源和停机坪;所述中央处理器用于对无人机的位置进行校核,所述中央处理器和所述无人机之间信号互通;所述无人机出入口、所述光源和所述停机坪均设置有多个,所述无人机机场设置有多层,每层对应一个所述停机坪;所述停机坪上设置有多个停机位,所述停机位包括锁定装置和充电装置,所述锁定装置用于对无人机进行上锁,所述充电装置用于对无人机进行充电。
更进一步的,还包括一种光源排列规则,多个所述光源设置在每层无人机机场的顶部,每层无人机机场顶部的光源排列方式相同,多个光源的光照强度相同;每层所述光源设置有X行Y列,行距和列距相同;每4个光源所组成的最小矩形对应一个矩形停机位,4个光源的位置位于该矩形停机位4个顶点的正上方。
更进一步的,所述无人机包括无人机机体、频率检测单元、光敏电路和光敏传感器,所述光敏传感器连接于所述光敏电路,所述光敏传感器和光敏电路用于将光源信号转换为电压值,所述光敏传感器安装于所述无人机的中心位置,所述频率接收器用于检测光照频率。
更进一步的,在S2中,根据光源信号所携带的位置信息定出无人机的目标范围的方法包括以下步骤:
S21,建立坐标系,提取无人机所接收的n个光源信号所对应的n个坐标,n个坐标分别为(),(/>)……(/>);
S22,从n个坐标中分别提取x和y的最值,得到,/>,/>,/>;
S23,根据最值确定无人机的目标范围为顶点坐标为(,/>)、(/>,/>)、(,/>)、(/>,/>)的矩形。
更进一步的:在S3中,中央处理器在目标范围内搜索离无人机最近的停机位的方法包括以下步骤:
S31,按照电压值从大到小的顺序对目标范围内各个光源进行排序,得到光源的序列L1、L2、L3、L4……LN;
S32,获取排名前二的光源的位置L1(,/>)和L2(/>,/>);
S33,判断L(2+n)是否可以与L1、L2组成最小矩形的一个直角,若可以则执行S34;反之令n=n+1,重新执行S33;
具体的,n的初始值为1;
根据直角的3个端点,就可以知道该直角所对应的矩形。
S34,获取序列为L(2+n)的光源的位置L(2+n)(,/>);
S35,根据L1、L2和L(2+n)的位置得到最小矩形的第四个顶点对应的光源的位置LF(,/>);由L1、L2、L(2+n)和LF组成的矩形即为离无人机最近的停机位。
更进一步的,S5中,中央处理器判断无人机是否满足位置校核条件的方法包括以下步骤:
S51,设定离无人机最近的停机位的中点为点M,其位置为(),将无人机的目标设为点M,无人机往点M前进;
S52,无人机持续接收光源信号,中央处理器根据光源信号所对应的电压值从大到小的顺序对光源信号进行排序,并进行实时更新;
S53,当光源信号排序前四的光源序列分别为L1、L2、L(2+n)和LF时,无人机满足位置校核条件。
更进一步的,在S6,中央处理器对无人机的位置进行微调的方法包括以下步骤:
S61,对L1、L2、L(2+n)和LF进行随机重新编号,得到光源A、光源B、光源C和光源D,其中光源A和光源B构成最小矩形的一条边,光源C和光源D构成与线段AB平行的另一条边,线段AB平行于坐标系的y轴,光源C与光源A相邻;
S62,获取光源A、光源B、光源C和光源D照射到无人机上所对应的电压值;
S63,根据下式更新无人机的目标位置,无人机往目标位置进行移动;
x = x - W * 【(+/>)-(/>+/>)】; y = y - W *【(/>+/>)-(/>+/>)】;
S64,判断是否相等,若相等则结束调整,否则返回S62。
本方案通过结合无人机机场和可见光定位技术,让系统能够根据无人机所接收的可见光数据对无人机的位置进行调整,有利于无人机准确地降落到停机位上,有利于提高整体的智能化程度和精细化程度。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定相同的部分。
图1为本发明的主要工作流程示意图。
图2为本发明的系统结构示意图。
图3为本发明确定无人机的目标范围的流程示意图。
图4为本发明搜索离无人机最近的停机位的流程示意图。
图5为本发明判断无人机是否满足位置校核条件流程示意图。
图6为本发明实施例二的工作流程示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不悖离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸的描绘,事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的保护范围。
实施例一:根据图1、图2、图3、图4和图5,本实施例提供一种基于可见光数据的空间位置校核判定方法,用于对无人机机场内的无人机降落位置进行位置校准,其特征在于,包括以下步骤:
S1,中央处理器对无人机机场内的各个光源进行标号编码,不同的标号对应机场中的不同位置;
具体的,各个光源的光照强度相同但光照频率不同,不同的光照频率对应不同位置的光源;
S2,中央处理器解析无人机在当前位置接收到的光源信号,并根据光源信号所携带的位置信息定出无人机的目标范围;
S3,无人机将光源信号转化为电信号,中央处理器根据各个光源信号所对应的电压,在目标范围内搜索离无人机最近的停机位;
S4,中央处理器发送移动信号到无人机,无人机朝最近的停机位进行移动;
S5,无人机持续接收光源信号并转发给中央处理器,中央处理器判断无人机是否满足位置微调条件,若满足则执行S6,否则返回S4;
S6,中央处理器根据下式对无人机的位置进行微调和校核,校核完成后,无人机在当前位置进行垂直降落;
x = x - W * 【(+/>)-(/>+/>)】; y = y - W *【(/>+/>)-(/>+/>)】;
其中,x和y是无人机的位置坐标;W是学习率,用于控制每次位置更新的步长大小;分别为光源A、光源B、光源C和光源D照射到无人机上所对应的电压值。
值得说明的是,对于本式中的,只是取其数值进行运算,并使用运算结果作为参考的指示值。
更进一步的,还包括一种无人机机场,所述无人机机场包括中央处理器、无人机出入口、光源和停机坪;所述中央处理器用于对无人机的位置进行校核,所述中央处理器和所述无人机之间信号互通;所述无人机出入口、所述光源和所述停机坪均设置有多个,所述无人机机场设置有多层,每层对应一个所述停机坪;所述停机坪上设置有多个停机位,所述停机位包括锁定装置和充电装置,所述锁定装置用于对无人机进行上锁,所述充电装置用于对无人机进行充电。
更进一步的,还包括一种光源排列规则,多个所述光源设置在每层无人机机场的顶部,每层无人机机场顶部的光源排列方式相同,多个光源的光照强度相同;每层所述光源设置有X行Y列,行距和列距相同;每4个光源所组成的最小矩形对应一个矩形停机位,4个光源的位置位于该矩形停机位4个顶点的正上方。
更进一步的,所述无人机包括无人机机体、频率检测单元、光敏电路和光敏传感器,所述光敏传感器连接于所述光敏电路,所述光敏传感器和光敏电路用于将光源信号转换为电压值,所述光敏传感器安装于所述无人机的中心位置,所述频率接收器用于检测光照频率。
具体的,所述光敏传感器安装于所述无人机的中心位置,有利于平等地接收各个方向的光源信号,有利于提高位置判断的准确性。所述电压值正相关于光源的光照强度。
具体的,中央处理器通过光照频率可以判断该光照所对应的光源位置。
更进一步的,在S2中,根据光源信号所携带的位置信息定出无人机的目标范围的方法包括以下步骤:
S21,建立坐标系,提取无人机所接收的n个光源信号所对应的n个坐标,n个坐标分别为(),(/>)……(/>);
S22,从n个坐标中分别提取x和y的最值,得到,/>,/>,/>;
S23,根据最值确定无人机的目标范围为顶点坐标为(,/>)、(/>,/>)、(,/>)、(/>,/>)的矩形。
更进一步的,在S3中,中央处理器在目标范围内搜索离无人机最近的停机位的方法包括以下步骤:
S31,按照电压值从大到小的顺序对目标范围内各个光源进行排序,得到光源的序列L1、L2、L3、L4……LN;
具体的,无人机接收到光源,接收的光照强度越大,该光源所对应的电压值越高;
值得说明的是,若某几个光源其对应的电压值相同,则这几个光源的排列顺序可以互相调换;
S32,获取排名前二的光源的位置L1(,/>)和L2(/>,/>);
S33,判断L(2+n)是否可以与L1、L2组成最小矩形的一个直角,若可以则执行S34;反之令n=n+1,重新执行S33;
具体的,n的初始值为1;
根据直角的3个端点,就可以知道该直角所对应的矩形。
S34,获取序列为L(2+n)的光源的位置L(2+n)(,/>);
S35,根据L1、L2和L(2+n)的位置得到最小矩形的第四个顶点对应的光源的位置LF(,/>);由L1、L2、L(2+n)和LF组成的矩形即为离无人机最近的停机位。
更进一步的,S5中,中央处理器判断无人机是否满足位置校核条件的方法包括以下步骤:
S51,设定离无人机最近的停机位的中点为点M,其位置为(),将无人机的目标设为点M,无人机往点M前进;
S52,无人机持续接收光源信号,中央处理器根据光源信号所对应的电压值从大到小的顺序对光源信号进行排序,并进行实时更新;
S53,当光源信号排序前四的光源序列分别为L1、L2、L(2+n)和LF时,无人机满足位置校核条件;
当光源信号排序前四的光源序列分别为L1、L2、L(2+n)和LF时,无人机的中心离这四个光源最近,通过对这四个光源信号进行分析能够对无人机进行微调,相较于使用其他光源信号对无人机进行微调,设定位置微调条件有利于提高调整的准确度,有利于实现无人机的中心点与停机位的中点重合。
更进一步的,在S6,中央处理器对无人机的位置进行微调的方法包括以下步骤:
S61,对L1、L2、L(2+n)和LF进行随机重新编号,得到光源A、光源B、光源C和光源D,其中光源A和光源B构成最小矩形的一条边,光源C和光源D构成与线段AB平行的另一条边,线段AB平行于坐标系的y轴,光源C与光源A相邻;
S62,获取光源A、光源B、光源C和光源D照射到无人机上所对应的电压值;
S63,根据下式更新无人机的目标位置,无人机往目标位置进行移动;
x = x - W * 【(+/>)-(/>+/>)】; y = y - W *【(/>+/>)-(/>+/>)】;
S64,判断是否相等,若相等则结束调整,否则返回S62。
值得说明的是,对于本式中的,只是取其数值进行运算,并使用运算结果作为参考的指示值。
当无人机接受到的4个光源信号所对应的电压值相同时,无人机离4个光源的距离相同,此时无人机位于矩形停机位的正中央。为了让无人机根据电压值进行移动,定义一个损失函数,该函数表示无人机当前位置与矩形中心点的距离与电压值之间的差异。然后,通过计算损失函数的梯度,并根据梯度的方向和大小更新无人机的位置,使得无人机向损失函数最小化的方向移动,当损失函数最小时,无人机处于矩形的停机位的正中央。
本方案结合了无人机机场和可见光定位技术,让系统能够根据无人机所接收的可见光数据对无人机的位置进行调整,从而让无人机能够精确地降落到无人机机场停机位的指定位置,有利于提高整体的智能化程度和精细化程度。
实施例二:本实施例应当理解为包含前述个实施例的全部特征,并在其基础上进一步改进,根据图6,还包括一种基于可见光的缺陷识别方法,所述缺陷识别方法用于在无人机巡检过程中对电力设备的缺陷进行识别,包括以下步骤:
STEP1,无人机在指定位置对电力设备进行拍摄;
STEP2,对初次拍摄图像进行光照补偿处理,得到样本图像;
通过对图像进行光照补偿,有利于减少物体反光所带来的图像识别误差;
STEP3,图像识别模块对样本图像进行初次识别,得到初次识别结果;
STEP4,所述光敏传感器对环境光照进行采集,分析模块对环境光照和初次识别结果进行分析;
STEP5,匹配模块将分析结果与存储模块中存储的算法进行匹配,得到本次识别可采用的最优算法;
具体的,匹配的参考条件包括环境光照强度、图像的清晰度、识别对象在样本图像中的占比大小;识别到的缺陷个数。
STEP6,图像识别模块根据匹配模块匹配到的最优算法对图像进行二次识别。
更进一步的,对初次拍摄图像进行光照补偿处理的方法包括以下步骤:
STEP21,对初次拍摄图像进行预处理;
STEP22,将预处理后的图像进行色彩空间转换,从RGB空间转换到灰度空间GRAY,
得到灰度图像;
STEP23,求灰度图像的平均灰度AVER;
具体的,求平均灰度的方法属于现有技术,在此不做赘述;
STEP24,将灰度图像划分为P*Q个矩形图形,求出每个图形的平均灰度,得到子灰度矩阵D;
STEP25,将D中的每个元素减去平均灰度AVER,得到灰度差矩阵E;
STEP26,通过双立方插值法将灰度差值矩阵E插值成与所述灰度空间GREY一样大小的灰度矩阵R;
STEP27,用灰度空间GREY减去灰度矩阵R,得到光照补偿后的结果图像;
STEP28,将结果图像进行色彩空间转换从灰度空间GRAY转换到RGB空间,得到样本图像。
本方案在缺陷识别的过程中通过对环境光照和初次识别结果进行分析,将分析结果与存储模块中存储的算法进行匹配,有利于得到可采用的最优算法,避免了每次识别都采用同一种算法,能够根据实际情况采取最优算法,有利于提高缺陷识别的准确度,同时通过对初次拍摄图像进行光照补偿,有利于减少物体反光所带来的图像识别误差。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的元素可以更新的。
Claims (8)
1.一种基于可见光数据的空间位置校核判定方法,用于对无人机机场内的无人机降落位置进行位置校准,其特征在于,包括以下步骤:
S1,中央处理器对无人机机场内的各个光源进行标号编码,不同的标号对应机场中的不同位置;
S2,中央处理器解析无人机在当前位置接收到的光源信号,并根据光源信号所携带的位置信息定出无人机的目标范围;
S3,无人机将光源信号转化为电信号,中央处理器根据各个光源信号所对应的电压,在目标范围内搜索离无人机最近的停机位;
S4,中央处理器发送移动信号到无人机,无人机朝最近的停机位进行移动;
S5,无人机持续接收光源信号并转发给中央处理器,中央处理器判断无人机是否满足位置微调条件,若满足则执行S6,否则返回S4;
S6,中央处理器根据下式对无人机的位置进行微调和校核,校核完成后,无人机在当前位置进行垂直降落;
x = x - W * 【(+/>)-(/>+/>)】; y = y - W *【(/>+/>)-(/>+/>)】;
其中,x和y是无人机的位置坐标;W是学习率,用于控制每次位置更新的步长大小;分别为光源A、光源B、光源C和光源D照射到无人机上所对应的电压值。
2.根据权利要求1所述的一种基于可见光数据的空间位置校核判定方法,其特征在于:还包括一种无人机机场,所述无人机机场包括中央处理器、无人机出入口、光源和停机坪;所述中央处理器用于对无人机的位置进行校核,所述中央处理器和所述无人机之间信号互通;所述无人机出入口、所述光源和所述停机坪均设置有多个,所述无人机机场设置有多层,每层对应一个所述停机坪;所述停机坪上设置有多个停机位,所述停机位包括锁定装置和充电装置,所述锁定装置用于对无人机进行上锁,所述充电装置用于对无人机进行充电。
3.根据权利要求2所述的一种基于可见光数据的空间位置校核判定方法,其特征在于:还包括一种光源排列规则,多个所述光源设置在每层无人机机场的顶部,每层无人机机场顶部的光源排列方式相同,多个光源的光照强度相同;每层所述光源设置有X行Y列,行距和列距相同;每4个光源所组成的最小矩形对应一个矩形停机位,4个光源的位置位于该矩形停机位4个顶点的正上方。
4.根据权利要求3所述的一种基于可见光数据的空间位置校核判定方法,其特征在于:所述无人机包括无人机机体、频率检测单元、光敏电路和光敏传感器,所述光敏传感器连接于所述光敏电路,所述光敏传感器和光敏电路用于将光源信号转换为电压值,所述光敏传感器安装于所述无人机的中心位置,所述频率接收器用于检测光照频率。
5.根据权利要求4所述的一种基于可见光数据的空间位置校核判定方法,其特征在于:在S2中,根据光源信号所携带的位置信息定出无人机的目标范围的方法包括以下步骤:
S21,建立坐标系,提取无人机所接收的n个光源信号所对应的n个坐标,n个坐标分别为(),(/>)……(/>);
S22,从n个坐标中分别提取x和y的最值,得到,/>,/>,/>;
S23,根据最值确定无人机的目标范围为顶点坐标为(,/>)、(/>,/>)、(/>,)、(/>,/>)的矩形。
6.根据权利要求5所述的一种基于可见光数据的空间位置校核判定方法,其特征在于:在S3中,中央处理器在目标范围内搜索离无人机最近的停机位的方法包括以下步骤:
S31,按照电压值从大到小的顺序对目标范围内各个光源进行排序,得到光源的序列L1、L2、L3、L4……LN;
S32,获取排名前二的光源的位置L1(,/>)和L2(/>,/>);
S33,判断L(2+n)是否可以与L1、L2组成最小矩形的一个直角,若可以则执行S34;反之令n=n+1,重新执行S33;
具体的,n的初始值为1;
根据直角的3个端点,就可以知道该直角所对应的矩形;
S34,获取序列为L(2+n)的光源的位置L(2+n)(,/>);
S35,根据L1、L2和L(2+n)的位置得到最小矩形的第四个顶点对应的光源的位置LF(,);由L1、L2、L(2+n)和LF组成的矩形即为离无人机最近的停机位。
7.根据权利要求6所述的一种基于可见光数据的空间位置校核判定方法,其特征在于:S5中,中央处理器判断无人机是否满足位置校核条件的方法包括以下步骤:
S51,设定离无人机最近的停机位的中点为点M,其位置为(),将无人机的目标设为点M,无人机往点M前进;
S52,无人机持续接收光源信号,中央处理器根据光源信号所对应的电压值从大到小的顺序对光源信号进行排序,并进行实时更新;
S53,当光源信号排序前四的光源序列分别为L1、L2、L(2+n)和LF时,无人机满足位置校核条件。
8.根据权利要求7所述的一种基于可见光数据的空间位置校核判定方法,其特征在于:在S6,中央处理器对无人机的位置进行微调的方法包括以下步骤:
S61,对L1、L2、L(2+n)和LF进行随机重新编号,得到光源A、光源B、光源C和光源D,其中光源A和光源B构成最小矩形的一条边,光源C和光源D构成与线段AB平行的另一条边,线段AB平行于坐标系的y轴,光源C与光源A相邻;
S62,获取光源A、光源B、光源C和光源D照射到无人机上所对应的电压值;
S63,根据下式更新无人机的目标位置,无人机往目标位置进行移动;
x = x - W * 【(+/>)-(/>+/>)】; y = y - W *【(/>+/>)-(/>+/>)】;
S64,判断是否相等,若相等则结束调整,否则返回S62。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310957559.2A CN116700354B (zh) | 2023-08-01 | 2023-08-01 | 一种基于可见光数据的空间位置校核判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310957559.2A CN116700354B (zh) | 2023-08-01 | 2023-08-01 | 一种基于可见光数据的空间位置校核判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116700354A true CN116700354A (zh) | 2023-09-05 |
CN116700354B CN116700354B (zh) | 2023-10-17 |
Family
ID=87826078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310957559.2A Active CN116700354B (zh) | 2023-08-01 | 2023-08-01 | 一种基于可见光数据的空间位置校核判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116700354B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL6917251A (zh) * | 1968-12-31 | 1970-07-02 | ||
DE2151509A1 (de) * | 1970-10-16 | 1972-04-20 | Sperry Rand Corp | Anzeigevorrichtung fuer das Lenken von Fahrzeugen,insbesondere von Luftfahrzeugen waehrend des Rollens |
US20160357189A1 (en) * | 2015-06-07 | 2016-12-08 | Geoffrey Louis Barrows | Localization method and apparatus |
CN107018522A (zh) * | 2017-02-27 | 2017-08-04 | 东华大学 | 一种基于多信息融合的无人机地面基站的定位方法 |
CN109911237A (zh) * | 2019-04-02 | 2019-06-21 | 赵嘉睿 | 基于紫外光对空编码信标的无人机助降与引导系统及应用 |
WO2019182521A1 (en) * | 2018-03-22 | 2019-09-26 | Infinium Robotics Pte Ltd | Autonomous taking off, positioning and landing of unmanned aerial vehicles (uav) on a mobile platform |
CN110362109A (zh) * | 2019-07-11 | 2019-10-22 | 祺步智能科技(上海)有限公司 | 一种无人机跨域停机库降落方法及降落平台 |
CN110641714A (zh) * | 2019-09-03 | 2020-01-03 | 天津大学 | 基于红外或可见光束的单无人机充电停机坪引导降落系统 |
US20200189731A1 (en) * | 2016-03-24 | 2020-06-18 | Flir Detection, Inc. | Cellular communication devices and methods |
CN115343674A (zh) * | 2022-05-12 | 2022-11-15 | 南京航空航天大学 | 一种基于可见光的无人机室外高精度定位方法 |
CN115892451A (zh) * | 2022-11-10 | 2023-04-04 | 众芯汉创(北京)科技有限公司 | 一种用于无人机监控的现场作业风险管控系统和方法 |
CN115951620A (zh) * | 2023-03-10 | 2023-04-11 | 众芯汉创(江苏)科技有限公司 | 一种无人机智能化设备管控系统 |
CN116430879A (zh) * | 2023-04-11 | 2023-07-14 | 航天时代飞鹏有限公司 | 基于合作目标的无人机精准引导降落方法及系统 |
-
2023
- 2023-08-01 CN CN202310957559.2A patent/CN116700354B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL6917251A (zh) * | 1968-12-31 | 1970-07-02 | ||
DE2151509A1 (de) * | 1970-10-16 | 1972-04-20 | Sperry Rand Corp | Anzeigevorrichtung fuer das Lenken von Fahrzeugen,insbesondere von Luftfahrzeugen waehrend des Rollens |
US20160357189A1 (en) * | 2015-06-07 | 2016-12-08 | Geoffrey Louis Barrows | Localization method and apparatus |
US20200189731A1 (en) * | 2016-03-24 | 2020-06-18 | Flir Detection, Inc. | Cellular communication devices and methods |
CN107018522A (zh) * | 2017-02-27 | 2017-08-04 | 东华大学 | 一种基于多信息融合的无人机地面基站的定位方法 |
WO2019182521A1 (en) * | 2018-03-22 | 2019-09-26 | Infinium Robotics Pte Ltd | Autonomous taking off, positioning and landing of unmanned aerial vehicles (uav) on a mobile platform |
CN109911237A (zh) * | 2019-04-02 | 2019-06-21 | 赵嘉睿 | 基于紫外光对空编码信标的无人机助降与引导系统及应用 |
CN110362109A (zh) * | 2019-07-11 | 2019-10-22 | 祺步智能科技(上海)有限公司 | 一种无人机跨域停机库降落方法及降落平台 |
CN110641714A (zh) * | 2019-09-03 | 2020-01-03 | 天津大学 | 基于红外或可见光束的单无人机充电停机坪引导降落系统 |
CN115343674A (zh) * | 2022-05-12 | 2022-11-15 | 南京航空航天大学 | 一种基于可见光的无人机室外高精度定位方法 |
CN115892451A (zh) * | 2022-11-10 | 2023-04-04 | 众芯汉创(北京)科技有限公司 | 一种用于无人机监控的现场作业风险管控系统和方法 |
CN115951620A (zh) * | 2023-03-10 | 2023-04-11 | 众芯汉创(江苏)科技有限公司 | 一种无人机智能化设备管控系统 |
CN116430879A (zh) * | 2023-04-11 | 2023-07-14 | 航天时代飞鹏有限公司 | 基于合作目标的无人机精准引导降落方法及系统 |
Non-Patent Citations (4)
Title |
---|
SANDER BASTIAENS等: "Received Signal Strength Visible Light Positioning-based Precision Drone Landing System", 2021 INTERNATIONAL CONFERENCE ON INDOOR POSITIONING AND INDOOR NAVIGATION (IPIN), pages 1 - 8 * |
关新锋: "基于MEMS红外光源阵列的光电标识技术研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 10, pages 135 - 8 * |
张代兵等: "融合地面多传感器信息引导无人机着陆", 国防科技大学学报, vol. 40, no. 01, pages 151 - 156 * |
邹倩: "基于VLC的高精度室内定位系统设计与实现", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 01, pages 136 - 1331 * |
Also Published As
Publication number | Publication date |
---|---|
CN116700354B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111989544B (zh) | 基于光学目标的室内车辆导航的系统和方法 | |
CN105302151B (zh) | 一种飞机入坞引导和机型识别的系统及方法 | |
CA3027921C (en) | Integrated sensor calibration in natural scenes | |
CN109146919A (zh) | 一种结合图像识别与激光引导的跟瞄系统及方法 | |
CN109492525B (zh) | 一种测量基站天线工程参数的方法 | |
CN110705485A (zh) | 一种交通信号灯识别方法及装置 | |
CN112013830B (zh) | 一种输电线路无人机巡检影像检测缺陷的精确定位方法 | |
CN109483507B (zh) | 一种多个轮式机器人行走的室内视觉定位方法 | |
CN113066120B (zh) | 一种基于机器视觉的智能杆塔倾斜检测方法 | |
CN112232139B (zh) | 一种基于Yolo v4与Tof算法相结合的避障方法 | |
CN110674792A (zh) | 基于神经网络的施工进度监测装置及方法 | |
CN105444741A (zh) | 基于双视野窗口的路径特征识别、偏差测量与精确定位方法 | |
CN109584264B (zh) | 一种基于深度学习的无人机视觉引导空中加油方法 | |
CN113112415A (zh) | 一种全站仪影像测量的靶标自动识别方法和装置 | |
CN111830534A (zh) | 一种应用激光雷达进行最佳着陆点选取方法 | |
CN116700354B (zh) | 一种基于可见光数据的空间位置校核判定方法 | |
CN118226866A (zh) | 一种基于单目视觉的无人机精准降落方法 | |
Chen et al. | High accuracy VLP based on image sensor using error calibration method | |
CN112797893B (zh) | 一种用于远距离线缆位置参数的测量方法 | |
CN112098926B (zh) | 一种利用无人机平台的智能测角训练样本生成方法 | |
CN114252883A (zh) | 目标检测方法、装置、计算机设备和介质 | |
US20220404170A1 (en) | Apparatus, method, and computer program for updating map | |
CN111928852B (zh) | 一种基于led位置编码的室内机器人定位方法及系统 | |
CN114581346A (zh) | 一种面向城市低空遥感监测目标的多光谱影像融合方法 | |
CN112017244A (zh) | 一种高精度平面物体定位方法及装置 |
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 |