CN117148869A - 无人机精准回收控制方法及系统 - Google Patents

Abstract

本发明涉及无人机精准回收技术领域，提供了一种无人机精准回收控制方法及系统，其中方法包括如下步骤：通过无人机回收轨迹模型划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；通过无人机飞行路径的修正模型将每一无人机飞行路径按照重合概率并根据无人机轨迹范围确定的边界坐标对无人机轨迹范围进行多重安全边界重构，以得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

Description

无人机精准回收控制方法及系统

技术领域

本发明涉及无人机基准回收技术领域，具体涉及一种无人机精准回收控制方法及系统。

背景技术

无人机回收时，一般采用两种方法，一种是通过发送目标位置，无人机根据目标位置规划飞行路径，另一种是通过控制端进行人工控制。对于无人机群以及在目标实时变动的过程中，无人机的回收通常是需要两种方式的结合，特别的，当飞行环境对无人机的飞行不利时，常常需要人工辅助，因此要求人工操作时，必须要有丰富的无人机操控飞行经验。随着人工智能技术的应用，在无人机飞行回收时，可以通过对历史飞行数据进行模拟预测，得到最佳的飞行方案。

发明内容

为了解决上述背景技术所存在的技术问题，本发明实施例提供了一种无人机精准回收控制方法及系统。

为实现上述目的，本发明的技术方案是：

本发明提供了一种无人机精准回收控制方法，包括如下步骤：

获取无人机回收轨迹模型，基于无人机回收轨迹模型划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；

对无人机飞行路径按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估；

将重合概率高于设定阈值的无人机飞行路径进行标注，标注后输入至神经网络模型进行迭代训练得到无人机飞行路径的修正模型；

通过无人机飞行路径的修正模型将每一无人机飞行路径按照重合概率并根据无人机轨迹范围确定的边界坐标对无人机轨迹范围进行多重安全边界重构，以得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；

当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

进一步地，获取无人机轨迹范围中每一无人机飞行路径重合概率包括：

获取检测范围内具有有效性的所有无人机飞行路径，并进行编码，记录所述编码；

提取具有多点轨迹交叉的多组无人机飞行路径；

判断每一组无人机飞行路径的方向是否一致；

将飞行方向一致且具有多点轨迹重合的无人机飞行路径按照所述编码进行分类，得到分类结果，且同一分类的无人机飞行路径具有相同的重合概率。

进一步地，将重合概率高于设定阈值的无人机飞行路径进行标注包括：

依次获取每一分类结果下的所有无人机飞行路径，并将每一无人机飞行路径重合概率与设定阈值进行比较，选取无人机飞行路径重合概率大于设定阈值的所有无人机飞行路径；

提取无人机飞行路径对应的编码，将所述编码配置成具有以概率大小来设定的标记指向符，所述标记指向符用于对无人机飞行路径重合概率进行有序标记并具有特定指向，且所述标记指向符还用于响应于来自神经网络模型的加载信号，根据所述加载信号以所述标记进行排序，排序后输入至神经网络模型。

进一步地，所述特定指向是指根据所述加载信号将以所述标记进行排序的标记指向符按照设定的加载通道输入至神经网络模型中。

进一步地，所述神经网络模型具有至少一个神经网络单元和配置单元，其中，

配置单元用于配置神经网络单元进行预测时环境信息的基础配置，且所述环境信息是基于模拟回收时的外部环境和飞行路径设定的安全边界信息；

神经网络单元用于对每一分类结果下具有相同重合概率的无人机飞行路径的安全边界进行预测，并确定安全边界的边界坐标。

进一步地，所述修正模型按照安全边界信息、安全边界的边界坐标、无人机轨迹范围以及具有相同重合概率的无人机飞行路径进行综合预测，确定每一无人机飞行路径距离安全边界信息和安全边界的边界坐标的距离，根据距离得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围。

本发明还提供了一种无人机精准回收控制系统，包括：

无人机飞行轨迹模型，用于根据无人机历史飞行轨迹在设定的无人机回收标定范围内，通过模拟回收时的外部环境来划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；

密集度检测模块，用于在划定无人机轨迹范围内，对无人机飞行轨迹模型提取到的若干独立的无人机飞行路径分别按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估；

标注模块，用于将重合概率高于设定阈值的无人机飞行路径进行标注；

神经网络模型，具有至少一个神经网络单元和配置单元，其中，配置单元用于配置神经网络单元进行预测时环境信息的基础配置，且所述环境信息是基于模拟回收时的外部环境和飞行路径设定的安全边界信息；神经网络单元用于对每一分类结果下具有相同重合概率的无人机飞行路径的安全边界进行预测，并确定安全边界的边界坐标；

修正模型，用于按照安全边界信息、安全边界的边界坐标、无人机轨迹范围以及具有相同重合概率的无人机飞行路径进行综合预测，确定每一无人机飞行路径距离安全边界信息和安全边界的边界坐标的距离，根据距离得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；

控制模块，当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

进一步地，所述无人机回收轨迹模型还具有：

飞行轨迹预测模块，用于预测无人机回收飞行路径是否落入无人机轨迹划定区域，得到预测结果，并确定无人机轨迹划定区域；

检测模块，与所述飞行轨迹预测模块连接，用于根据确定的无人机轨迹划定区域来确定无人机轨迹划定区域对应的安全边界等级；

判断模块，连接所述检测模块，用于将得到的无人机轨迹划定区域对应的安全边界等级与设定值进行比较，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径；若安全边界等级小于设定值，则向控制端发送预警指令，由控制端转入手动操作模式。

本发明通过设定无人机回收标定范围，模拟回收时的外部环境，在回收标定范围内获取无人机回收时大量的历史飞行轨迹，依据历史飞行轨迹在神经网络模型中进行预测，得到无人机回收轨迹模型，通过无人机回收轨迹模型划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；对无人机飞行路径按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估，得到重合概率高于设定阈值的无人机飞行路径，然后利用重合概率高于设定阈值的无人机飞行路径再次进行训练，得到修正模型，通过无人机飞行路径的修正模型将每一无人机飞行路径按照重合概率并根据无人机轨迹范围确定的边界坐标对无人机轨迹范围进行多重安全边界重构，以得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

附图说明

图1为本发明的方法流程图；

图2为本发明中对无人机飞行路径按照设定规则进行密集度检测时的方法流程图；

图3为本发明中将至少一个模拟程序应用在对无人机飞行路径循环检测中的方法流程图；

图4为本发明中将重合概率高于设定阈值的无人机飞行路径进行标注的方法流程图；

图5为本发明中所述飞行轨迹预测模块预测无人机回收飞行路径是否落入无人机轨迹划定区域的方法流程图；

图6为本发明的系统框架原理图。

具体实施方式

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，可以是直接相连，也可以是通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明的具体含义。下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1：

参照图1至图5，无人机精准回收控制方法，包括如下步骤：获取无人机回收轨迹模型，基于无人机回收轨迹模型划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；对无人机飞行路径按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估；将重合概率高于设定阈值的无人机飞行路径进行标注，标注后输入至神经网络模型进行迭代训练得到无人机飞行路径的修正模型；通过无人机飞行路径的修正模型将每一无人机飞行路径按照重合概率并根据无人机轨迹范围确定的边界坐标对无人机轨迹范围进行多重安全边界重构，以得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

在上述中，所述无人机回收轨迹模型按照如下的方法获得：设定无人机回收标定范围，模拟回收时的外部环境，在回收标定范围内获取无人机回收时大量的历史飞行轨迹，依据历史飞行轨迹在神经网络模型中进行训练，得到无人机回收轨迹模型。

在上述中，所述设定规则是基于提取的无人机飞行路径在无人机轨迹范围内确定的检测范围。

在上述中，对无人机飞行路径按照设定规则进行密集度检测时，包括如下步骤：以任意一个提取的无人机飞行路径来确定检测范围，并在检测范围内确定与提取的无人机飞行路径对应的其他无人机飞行路径；将至少一个模拟程序应用在对无人机飞行路径循环检测中，根据所述模拟程序对无人机飞行路径进行模拟飞行检测，以确定无人机飞行路径的有效性，并换算在检测范围内具有有效性的无人机飞行路径的个数。

在上述中，将至少一个模拟程序应用在对无人机飞行路径循环检测中的方法包括：以处理器作为载体，并在处理器上设置多个模拟程序，为每一模拟程序设定一个执行单元，通过执行单元来启用模拟程序对无人机飞行路径进行模拟飞行检测，以确定无人机飞行路径的有效性；设定一个用于监测执行单元动作的监测单元，通过监测执行单元的执行启用以及执行次数来换算检测范围内具有有效性的无人机飞行路径的个数。

在上述中，获取无人机轨迹范围中每一无人机飞行路径重合概率包括：获取检测范围内具有有效性的所有无人机飞行路径，并进行编码，记录所述编码；提取具有多点轨迹交叉的多组无人机飞行路径；判断每一组无人机飞行路径的方向是否一致；将飞行方向一致且具有多点轨迹重合的无人机飞行路径按照所述编码进行分类，得到分类结果，且同一分类的无人机飞行路径具有相同的重合概率。

在上述中，将重合概率高于设定阈值的无人机飞行路径进行标注包括：依次获取每一分类结果下的所有无人机飞行路径，并将每一无人机飞行路径重合概率与设定阈值进行比较，选取无人机飞行路径重合概率大于设定阈值的所有无人机飞行路径；提取无人机飞行路径对应的编码，将所述编码配置成具有以概率大小来设定的标记指向符，所述标记指向符用于对无人机飞行路径重合概率进行有序标记并具有特定指向，且所述标记指向符还用于响应于来自神经网络模型的加载信号，根据所述加载信号以所述标记进行排序，排序后输入至神经网络模型。

在上述中，所述特定指向是指根据所述加载信号将以所述标记进行排序的标记指向符按照设定的加载通道输入至神经网络模型中。

在上述中，所述神经网络模型具有至少一个神经网络单元和配置单元，其中，配置单元用于配置神经网络单元进行预测时环境信息的基础配置，且所述环境信息是基于模拟回收时的外部环境和飞行路径设定的安全边界信息；神经网络单元用于对每一分类结果下具有相同重合概率的无人机飞行路径的安全边界进行预测，并确定安全边界的边界坐标。

在上述中，所述修正模型按照安全边界信息、安全边界的边界坐标、无人机轨迹范围以及具有相同重合概率的无人机飞行路径进行综合预测，确定每一无人机飞行路径距离安全边界信息和安全边界的边界坐标的距离，根据距离得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围。

在上述中，所述无人机回收轨迹模型还具有：飞行轨迹预测模块，用于预测无人机回收飞行路径是否落入无人机轨迹划定区域，得到预测结果，并确定无人机轨迹划定区域；检测模块，与所述飞行轨迹预测模块连接，用于根据确定的无人机轨迹划定区域来确定无人机轨迹划定区域对应的安全边界等级；判断模块，连接所述检测模块，用于将得到的无人机轨迹划定区域对应的安全边界等级与设定值进行比较，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径；若安全边界等级小于设定值，则向控制端发送预警指令，由控制端转入手动操作模式。

在上述中，所述飞行轨迹预测模块预测无人机回收飞行路径是否落入无人机轨迹划定区域的方法包括：获取无人机飞行规划路线，获得无人机飞行规划路线上每一航点的位置信息；对进入监测范围的无人机的飞行动作进行监控，通过飞行动作来判断是否向目标航点进行飞行，如果是，再判断是否在设定安全边界内，如果是，则绘制出无人机回收飞行路径；如果通过飞行动作判断出偏离了目标航点，则先验证是否在设定安全边界内，如果是，则根据安全边界的边界坐标对飞行动作进行修正，使其向目标航点进行飞行，如果不在设定安全边界内，则进入手动管控模式，通过控制端来控制无人机重新进入至设定安全边界内，再绘制出无人机回收飞行路径。

实施例2：

参照图6，本发明还提供了一种无人机精准回收控制系统，包括：

无人机飞行轨迹模型，用于根据无人机历史飞行轨迹在设定的无人机回收标定范围内，通过模拟回收时的外部环境来划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；

密集度检测模块，用于在划定无人机轨迹范围内，对无人机飞行轨迹模型提取到的若干独立的无人机飞行路径分别按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估；

标注模块，用于将重合概率高于设定阈值的无人机飞行路径进行标注；

神经网络模型，具有至少一个神经网络单元和配置单元，其中，配置单元用于配置神经网络单元进行预测时环境信息的基础配置，且所述环境信息是基于模拟回收时的外部环境和飞行路径设定的安全边界信息；神经网络单元用于对每一分类结果下具有相同重合概率的无人机飞行路径的安全边界进行预测，并确定安全边界的边界坐标；

修正模型，用于按照安全边界信息、安全边界的边界坐标、无人机轨迹范围以及具有相同重合概率的无人机飞行路径进行综合预测，确定每一无人机飞行路径距离安全边界信息和安全边界的边界坐标的距离，根据距离得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；

控制模块，当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

在上述中，所述无人机回收轨迹模型还具有：飞行轨迹预测模块，用于预测无人机回收飞行路径是否落入无人机轨迹划定区域，得到预测结果，并确定无人机轨迹划定区域；检测模块，与所述飞行轨迹预测模块连接，用于根据确定的无人机轨迹划定区域来确定无人机轨迹划定区域对应的安全边界等级；判断模块，连接所述检测模块，用于将得到的无人机轨迹划定区域对应的安全边界等级与设定值进行比较，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径；若安全边界等级小于设定值，则向控制端发送预警指令，由控制端转入手动操作模式。

参照图5，在上述中，所述飞行轨迹预测模块预测无人机回收飞行路径是否落入无人机轨迹划定区域的方法包括：获取无人机飞行规划路线，获得无人机飞行规划路线上每一航点的位置信息；对进入监测范围的无人机的飞行动作进行监控，通过飞行动作来判断是否向目标航点进行飞行，如果是，再判断是否在设定安全边界内，如果是，则绘制出无人机回收飞行路径；如果通过飞行动作判断出偏离了目标航点，则先验证是否在设定安全边界内，如果是，则根据安全边界的边界坐标对飞行动作进行修正，使其向目标航点进行飞行，如果不在设定安全边界内，则进入手动管控模式，通过控制端来控制无人机重新进入至设定安全边界内，再绘制出无人机回收飞行路径。

在上述中，所述无人机回收轨迹模型按照如下的方法获得：设定无人机回收标定范围，模拟回收时的外部环境，在回收标定范围内获取无人机回收时大量的历史飞行轨迹，依据历史飞行轨迹在神经网络模型中进行训练，得到无人机回收轨迹模型。

在上述中，模拟回收时的外部环境包括模拟无人机飞行时的天气因素，特别是雨雪天气模拟以及风力模拟，模拟时，可以自然天气作为模拟环境，比如在不同的风速下进行模拟训练，也可以在雨雪天气中进行模拟训练，当然，还包括了地理环境的模拟，比如山地模拟、高楼巷道模拟、海上飞行模拟等等。

在上述中，所述设定规则是基于提取的无人机飞行路径在无人机轨迹范围内确定的检测范围。

参照图2，在上述中，对无人机飞行路径按照设定规则进行密集度检测时，包括如下步骤：以任意一个提取的无人机飞行路径来确定检测范围，并在检测范围内确定与提取的无人机飞行路径对应的其他无人机飞行路径；将至少一个模拟程序应用在对无人机飞行路径循环检测中，根据所述模拟程序对无人机飞行路径进行模拟飞行检测，以确定无人机飞行路径的有效性，并换算在检测范围内具有有效性的无人机飞行路径的个数。

参照图3，在上述中，将至少一个模拟程序应用在对无人机飞行路径循环检测中的方法包括：以处理器作为载体，并在处理器上设置多个模拟程序，为每一模拟程序设定一个执行单元，通过执行单元来启用模拟程序对无人机飞行路径进行模拟飞行检测，以确定无人机飞行路径的有效性；设定一个用于监测执行单元动作的监测单元，通过监测执行单元的执行启用以及执行次数来换算检测范围内具有有效性的无人机飞行路径的个数。

参照图4，在上述中，获取无人机轨迹范围中每一无人机飞行路径重合概率包括：获取检测范围内具有有效性的所有无人机飞行路径，并进行编码，记录所述编码；提取具有多点轨迹交叉的多组无人机飞行路径；判断每一组无人机飞行路径的方向是否一致；将飞行方向一致且具有多点轨迹重合的无人机飞行路径按照所述编码进行分类，得到分类结果，且同一分类的无人机飞行路径具有相同的重合概率。

在上述中，将重合概率高于设定阈值的无人机飞行路径进行标注包括：依次获取每一分类结果下的所有无人机飞行路径，并将每一无人机飞行路径重合概率与设定阈值进行比较，选取无人机飞行路径重合概率大于设定阈值的所有无人机飞行路径；提取无人机飞行路径对应的编码，将所述编码配置成具有以概率大小来设定的标记指向符，所述标记指向符用于对无人机飞行路径重合概率进行有序标记并具有特定指向，且所述标记指向符还用于响应于来自神经网络模型的加载信号，根据所述加载信号以所述标记进行排序，排序后输入至神经网络模型。

本发明通过设定无人机回收标定范围，模拟回收时的外部环境，在回收标定范围内获取无人机回收时大量的历史飞行轨迹，依据历史飞行轨迹在神经网络模型中进行预测，得到无人机回收轨迹模型，通过无人机回收轨迹模型划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；对无人机飞行路径按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估，得到重合概率高于设定阈值的无人机飞行路径，然后利用重合概率高于设定阈值的无人机飞行路径再次进行训练，得到修正模型，通过无人机飞行路径的修正模型将每一无人机飞行路径按照重合概率并根据无人机轨迹范围确定的边界坐标对无人机轨迹范围进行多重安全边界重构，以得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

Claims (8)

1.无人机精准回收控制方法，其特征在于，包括如下步骤：

获取无人机回收轨迹模型，基于无人机回收轨迹模型划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；

对无人机飞行路径按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估；

将重合概率高于设定阈值的无人机飞行路径进行标注，标注后输入至神经网络模型进行迭代训练得到无人机飞行路径的修正模型；

通过无人机飞行路径的修正模型将每一无人机飞行路径按照重合概率并根据无人机轨迹范围确定的边界坐标对无人机轨迹范围进行多重安全边界重构，以得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；

当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

2.根据权利要求1所述的无人机精准回收控制方法，其特征在于，获取无人机轨迹范围中每一无人机飞行路径重合概率包括：

获取检测范围内具有有效性的所有无人机飞行路径，并进行编码，记录所述编码；

提取具有多点轨迹交叉的多组无人机飞行路径；

判断每一组无人机飞行路径的方向是否一致；

将飞行方向一致且具有多点轨迹重合的无人机飞行路径按照所述编码进行分类，得到分类结果，且同一分类的无人机飞行路径具有相同的重合概率。

3.根据权利要求2所述的无人机精准回收控制方法，其特征在于，将重合概率高于设定阈值的无人机飞行路径进行标注包括：

依次获取每一分类结果下的所有无人机飞行路径，并将每一无人机飞行路径重合概率与设定阈值进行比较，选取无人机飞行路径重合概率大于设定阈值的所有无人机飞行路径；

提取无人机飞行路径对应的编码，将所述编码配置成具有以概率大小来设定的标记指向符，所述标记指向符用于对无人机飞行路径重合概率进行有序标记并具有特定指向，且所述标记指向符还用于响应于来自神经网络模型的加载信号，根据所述加载信号以所述标记进行排序，排序后输入至神经网络模型。

4.根据权利要求3所述的无人机精准回收控制方法，其特征在于，所述特定指向是指根据所述加载信号将以所述标记进行排序的标记指向符按照设定的加载通道输入至神经网络模型中。

5.根据权利要求1所述的无人机精准回收控制方法，其特征在于，所述神经网络模型具有至少一个神经网络单元和配置单元，其中，

配置单元用于配置神经网络单元进行预测时环境信息的基础配置，且所述环境信息是基于模拟回收时的外部环境和飞行路径设定的安全边界信息；

神经网络单元用于对每一分类结果下具有相同重合概率的无人机飞行路径的安全边界进行预测，并确定安全边界的边界坐标。

6.根据权利要求1所述的无人机精准回收控制方法，其特征在于，所述修正模型按照安全边界信息、安全边界的边界坐标、无人机轨迹范围以及具有相同重合概率的无人机飞行路径进行综合预测，确定每一无人机飞行路径距离安全边界信息和安全边界的边界坐标的距离，根据距离得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围。

7.无人机精准回收控制系统，其特征在于，包括：

无人机飞行轨迹模型，用于根据无人机历史飞行轨迹在设定的无人机回收标定范围内，通过模拟回收时的外部环境来划定无人机轨迹范围，基于无人机轨迹范围提取若干独立的无人机飞行路径；

密集度检测模块，用于在划定无人机轨迹范围内，对无人机飞行轨迹模型提取到的若干独立的无人机飞行路径分别按照设定规则进行密集度检测，以获取无人机轨迹范围中每一无人机飞行路径重合概率，以对无人机回收轨迹模型质量进行评估；

标注模块，用于将重合概率高于设定阈值的无人机飞行路径进行标注；

神经网络模型，具有至少一个神经网络单元和配置单元，其中，配置单元用于配置神经网络单元进行预测时环境信息的基础配置，且所述环境信息是基于模拟回收时的外部环境和飞行路径设定的安全边界信息；神经网络单元用于对每一分类结果下具有相同重合概率的无人机飞行路径的安全边界进行预测，并确定安全边界的边界坐标；

修正模型，用于按照安全边界信息、安全边界的边界坐标、无人机轨迹范围以及具有相同重合概率的无人机飞行路径进行综合预测，确定每一无人机飞行路径距离安全边界信息和安全边界的边界坐标的距离，根据距离得到多个具有安全边界等级划分的无人机轨迹划定区域，记录每一无人机轨迹划定区域的重合概率范围；

控制模块，当无人机进入回收标定范围时，监测无人机回收飞行路径，并将无人机回收飞行路径输入至无人机回收轨迹模型，通过无人机回收轨迹模型来预测无人机回收飞行路径是否落入无人机轨迹划定区域，并检测无人机轨迹划定区域对应的安全边界等级，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径。

8.根据权利要求7所述的无人机精准回收控制系统，其特征在于，所述无人机回收轨迹模型还具有：

飞行轨迹预测模块，用于预测无人机回收飞行路径是否落入无人机轨迹划定区域，得到预测结果，并确定无人机轨迹划定区域；

检测模块，与所述飞行轨迹预测模块连接，用于根据确定的无人机轨迹划定区域来确定无人机轨迹划定区域对应的安全边界等级；

判断模块，连接所述检测模块，用于将得到的无人机轨迹划定区域对应的安全边界等级与设定值进行比较，若安全边界等级大于设定值，以无人机轨迹划定区域内以规划的任意一无人机飞行路径作为无人机回收时预测路径；若安全边界等级小于设定值，则向控制端发送预警指令，由控制端转入手动操作模式。