The invention discloses a UAV route guidance method based on gesture recognition, through the use of synergetic neural network (Synergetic Neural Network SNN) neural network construction method, through the acquisition of UAV operational guidelines of the gesture image as a sample to train the neural network, the neural network can identify the UAV Ground Station gesture image collected by the camera system, and through the constructed corresponding to the corresponding operation instructions, make corresponding instructions on the UAV flight movements, unmanned flight guidance sign machine.
【技术实现步骤摘要】
本专利技术属于通信
,更为具体地讲,涉及一种基于手势识别的无人机航迹指引方法。
技术介绍
目前,传统的无人机飞行器都是采用遥控器或地面站的方式来指引无人机飞行的。但是无论是操作无人机飞行器的遥控器还是地面站均需要相当熟练操作水平,否则极易造成无人机的损坏,甚至对操作者的人身安全产生一定的影响。然而培养一名有经验的飞手需要一定的周期以及不菲的代价。无人机最早在20世纪20年代出现,最初在军事上作为训练时的靶机使用,随着科学技术的发展进步,无人机飞行器在社会生产生活中得到了广泛的应用,无人机飞行器的产品种类也越来越丰富。但是,目前传统的无人机飞行器都是采用遥控器和地面站共同作用的方式来指引无人机飞行的。无人机飞行器的遥控器和地面站却均设置了较多的按钮和拨杆,且其结构功能复杂,在实际操作中经常需要多个按钮同时配合使用,才能满足所期望的飞行要求,这对操作者的操作水平有较高的要求。同时由于遥控器采用的是拨杆和按钮的设计,在飞行操作的过程中只能凭借人的肉眼观察调整飞行状态,使得飞行精度难以保证。本专利技术针对上述问题,提出了采用手势识别技术的方法,通过手势信息指引无人机的操作,使得无人机飞行器在操作上更为便捷精确。
技术实现思路
本专利技术的目的在于克服现有技术的不足,提供一种基于手势识别的无人机航迹指引方法,通过在无人机地面站系统中添加手势指引,使无人机操作者能入门轻松、操作简单。为实现上述专利技术目的,本专利技术为一种基于手势识别的无人机航迹指引方法,其特征在于,包括以下步骤:(1)、图像采集利用摄像头采集操作者的手势图像,并上传到无人机地面站系统;(2)、图 ...
【技术保护点】
一种基于手势识别的无人机航迹指引方法,其特征在于,包括以下步骤:(1)、图像采集利用摄像头采集操作者的手势图像,并上传到无人机地面站系统;(2)、图像预处理无人机地面站系统先将手势图像转化为灰度图像,再将灰度图像转换为行向量,并将该行向量标记为q;(3)、构建图像识别的动力学方程按照协同理论,利用行向量q作为待识别模式构图像识别的动力学方程:q·=Σkλkvk(vk+q)-BΣk=k′(vk′+q)2(vk+q)vk-C(q+q)q+F(t)]]>其中,λk为注意参数,只有当它为正时,模式才能被识别;vk为原型模式,且vk满足零均值和归一化的条件;为vk的正交伴随向量;F(t)为涨落力;q+表示为q的伴随向量;表示q关于时间的一阶倒数;k表示手势图像所属类别;B、C分别为常系数;(4)、引入序参量ξk,将动力学过程转化成原型向量空间序参量ξk表示行向量q在最小二乘意义下于vk上的投影,即:进而把动力学过程转化成原型向量空间:ξk=λkξk-Σk≠kB ...
【技术特征摘要】
1.一种基于手势识别的无人机航迹指引方法,其特征在于,包括以下步骤:(1)、图像采集利用摄像头采集操作者的手势图像,并上传到无人机地面站系统;(2)、图像预处理无人机地面站系统先将手势图像转化为灰度图像,再将灰度图像转换为行向量,并将该行向量标记为q;(3)、构建图像识别的动力学方程按照协同理论,利用行向量q作为待识别模式构图像识别的动力学方程: q · = Σ k λ k v k ( v k + q ) - B Σ k = k ′ ( v k ′ + q ) 2 ( v k + q ) v k - C ( q + q ) q + F ( t ) ]]>其中,λk为注意参数,只有当它为正时,模式才能被识别;vk为原型模式,且vk满足零均值和归一化的条件;为vk的正交伴随向量;F(t)为涨落力;q+表示为q的伴随向量;表示q关于时间的一阶倒数;k表示手势图像所属类别;B、C分别为常系数;(4)、引入序参量ξk,将动力学过程转化成原型向量空间序参量ξk表示行向量q在最小二乘意义下于vk上的投影,即:进而把动力学过程转化成原型向量空间: ξ k = λ k ξ k - Σ k ≠ k ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。