无人机跟拍方法及装置制造方法及图纸

本发明专利技术实施例公开了一种无人机跟拍方法及装置，涉及通信技术领域。本发明专利技术的方法包括：拍摄视频图像；对所述视频图像进行目标对象检测；当检测到所述目标对象时，获取所述目标对象的运动轨迹；基于所述目标对象的运动轨迹，生成无人机飞行线路。本发明专利技术能够解决无人机跟拍路径不稳定的问题。

Unmanned aerial vehicle following method and device

The embodiment of the invention discloses a method and a device for following a drone, relating to the field of communication technology. The method of the invention comprises: video image; target object detection on the video image; when detecting the target trajectory, obtaining the target trajectory; the target object based on the generation of UAV flight line. The invention can solve the problem of unstable tracking path of an unmanned aerial vehicle.

【技术实现步骤摘要】
无人机跟拍方法及装置
本专利技术涉及通信
，尤其涉及一种无人机跟拍方法及装置。
技术介绍
无人驾驶飞机简称无人机，一般是利用无线电遥控设备和无人机自身的程序控制装置进行操纵。无人机广泛应用于影视拍摄、街景拍摄、遥感测绘、快递投递、电力巡检、农作物监测、环境监测、灾后救援等领域。随着科技的发展，人们对无人机的飞行拍摄功能提出了更高的要求。现有技术中，需要通过人工控制无人机的飞行路径，以实现对目标进行跟拍。然而，人工控制无人机进行跟拍的方式，需要人工参与，消耗人力成本，并且无人机跟拍路径受限于人工对无人机的操控能力，易出现跟拍路径不稳定的情况，从而导致跟拍画面质量较差。
技术实现思路
本专利技术的实施例提供一种无人机跟拍方法及装置，能够解决无人机跟拍路径不稳定的问题。为达到上述目的，本专利技术的实施例采用如下技术方案：第一方面，本专利技术的实施例提供一种无人机跟拍方法，包括：拍摄视频图像；对所述视频图像进行目标对象检测；当检测到所述目标对象时，获取所述目标对象的运动轨迹；基于所述目标对象的运动轨迹，生成无人机飞行线路。结合第一方面，在第一方面的第一种可能的实现方式中，所述对所述视频图像进行目标对象检测，包括：基于深度神经网络，对所述视频图像进行目标对象检测；其中，所述目标对象包括：行人、动物、车辆中的任意一种或任意组合。结合第一方面，在第一方面的第二种可能的实现方式中，所述基于所述目标对象的运动轨迹，生成无人机飞行线路，包括：基于所述目标对象的运动轨迹，生成与所述目标对象的运动轨迹一致的无人机飞行线路。结合第一方面，在第一方面的第三种可能的实现方式中，所述基于所述目标对象的运动轨迹，生成无人机飞行线路，包括：获取所述目标对象的实时地理位置及所述无人机的实时地理位置；根据所述目标对象的实时地理位置及所述无人机的实时地理位置，计算所述目标对象相对于所述无人机的相对方向及相对距离；基于深度神经网络，根据所述视频图像对所述目标对象的运动轨迹进行预测，得到目标对象预测轨迹；根据所述目标对象预测轨迹、所述相对方向及相对距离，生成所述无人机飞行线路。结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述根据所述目标对象预测轨迹、所述相对方向及相对距离，生成所述无人机飞行线路之后，还包括：按照所述无人机飞行线路，控制所述无人机的飞行方向及飞行速度，所述飞行方向至少通过所述相对方向确定得到，所述飞行速度至少通过所述相对距离确定得到。第二方面，本专利技术的实施例提供一种无人机跟拍装置，包括：拍摄模块，用于拍摄视频图像；检测模块，用于对所述视频图像进行目标对象检测；获取模块，用于当检测到所述目标对象时，获取所述目标对象的运动轨迹；生成模块，用于基于所述目标对象的运动轨迹，生成无人机飞行线路。结合第二方面，在第二方面的第一种可能的实现方式中，所述检测模块，包括：检测子模块，用于基于深度神经网络，对所述视频图像进行目标对象检测；其中，所述目标对象包括：行人、动物、车辆中的任意一种或任意组合。结合第二方面，在第二方面的第二种可能的实现方式中，所述生成模块，包括：第一生成子模块，用于基于所述目标对象的运动轨迹，生成与所述目标对象的运动轨迹一致的无人机飞行线路。结合第二方面，在第二方面的第三种可能的实现方式中，所述生成模块，包括：获取子模块，用于获取所述目标对象的实时地理位置及所述无人机的实时地理位置；计算子模块，用于根据所述目标对象的实时地理位置及所述无人机的实时地理位置，计算所述目标对象相对于所述无人机的相对方向及相对距离；预测子模块，用于基于深度神经网络，根据所述视频图像对所述目标对象的运动轨迹进行预测，得到目标对象预测轨迹；第二生成子模块，用于根据所述目标对象预测轨迹、所述相对方向及相对距离，生成所述无人机飞行线路。结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述根装置还包括：控制模块，用于按照所述无人机飞行线路，控制所述无人机的飞行方向及飞行速度，所述飞行方向至少通过所述相对方向确定得到，所述飞行速度至少通过所述相对距离确定得到。本专利技术实施例提供的无人机跟拍方法及装置，通过拍摄视频图像；对所述视频图像进行目标对象检测；当检测到所述目标对象时，获取所述目标对象的运动轨迹；基于所述目标对象的运动轨迹，生成无人机飞行线路。能够当在无人机飞行过程中进行拍摄时，实现在无需人工进行控制的同时，对待拍摄物体准确跟拍，跟拍路径稳定，从而可以提高跟拍画面质量。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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专利技术的一些实施例，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，还可以根据这些附图获得其它的附图。图1是本专利技术实施例的无人机跟拍方法的流程示意图；图2是本专利技术实施例的无人机跟拍方法的另一流程示意图；图3是本专利技术实施例的无人机跟拍装置结构示意图；图4是本专利技术实施例的检测模块的结构示意图；图5是本专利技术实施例的生成模块的结构示意图；图6是本专利技术实施例的生成模块的另一结构示意图；图7是本专利技术实施例的无人机跟拍装置的另一结构示意图；图8是本专利技术实施例的无人机跟拍装置800的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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它实施例，都属于本专利技术保护的范围。本专利技术一实施例提供一种无人机跟拍方法，如图1所示，所述方法包括：101、拍摄视频图像。对于本专利技术实施例，可以通过无人机上集成的摄像模组或摄像装置拍摄视频图像，也可以通过外接在无人机上的摄像装置(例如，运动摄像头)拍摄视频图像，并将该视频图像传输给无人机，本专利技术实施例不做限制。102、对所述视频图像进行目标对象检测。对于本专利技术实施例，可以通过无人机上具有运算能力的处理芯片，对视频图像进行分析检测，是否存在该目标对象；也可以在无人机发送给已建立连接的移动终端或服务器后，由与无人机已建立连接的移动终端或服务器对视频图像进行分析检测，是否存在该目标对象，本专利技术实施例不做限制。在本专利技术实施例中，具体可以通过深度学习网络，在视频图像中进行特征提取，获取目标对象的各关键点信息，从而实现在视频图像中对目标对象的检测。103、当检测到所述目标对象时，获取所述目标对象的运动轨迹。可选地，在检测到目标对象的各视频帧中，获取目标对象的位置信息，以及该视频帧对应的时间信息；并基于各位置信息及各时间信息，生成目标对象的运动轨迹。其中，位置信息可以是目标对象的实际地理位置信息；也可以是目标对象相对于无人机的位置信息(即：以无人机的中心为坐标原点来看，目标对象在该坐标系中的位置)；还可以是以检测到目标对象的第一个视频帧中目标对象的位置为中心，其他视频帧中目标对象的位置相对于该中心的位置(即：以第一个视频帧中目标对象的中心为坐标原点来看，其他视频帧中的目标对象在该坐标系中的位置)。104、基于所述目标对象的运动轨迹，生成无人机飞行线路。对于本专利技术实施例，具体可以为：基于所述目标对象的运动轨迹，生成与所本文档来自技高网...

【技术保护点】
一种无人机跟拍方法，其特征在于，包括：拍摄视频图像；对所述视频图像进行目标对象检测；当检测到所述目标对象时，获取所述目标对象的运动轨迹；基于所述目标对象的运动轨迹，生成无人机飞行线路。

【技术特征摘要】
1.一种无人机跟拍方法，其特征在于，包括：拍摄视频图像；对所述视频图像进行目标对象检测；当检测到所述目标对象时，获取所述目标对象的运动轨迹；基于所述目标对象的运动轨迹，生成无人机飞行线路。2.根据权利要求1所述的无人机跟拍方法，其特征在于，所述对所述视频图像进行目标对象检测，包括：基于深度神经网络，对所述视频图像进行目标对象检测；其中，所述目标对象包括：行人、动物、车辆中的任意一种或任意组合。3.根据权利要求1所述的无人机跟拍方法，其特征在于，所述基于所述目标对象的运动轨迹，生成无人机飞行线路，包括：基于所述目标对象的运动轨迹，生成与所述目标对象的运动轨迹一致的无人机飞行线路。4.根据权利要求1所述的无人机跟拍方法，其特征在于，所述基于所述目标对象的运动轨迹，生成无人机飞行线路，包括：获取所述目标对象的实时地理位置及所述无人机的实时地理位置；根据所述目标对象的实时地理位置及所述无人机的实时地理位置，计算所述目标对象相对于所述无人机的相对方向及相对距离；基于深度神经网络，根据所述视频图像对所述目标对象的运动轨迹进行预测，得到目标对象预测轨迹；根据所述目标对象预测轨迹、所述相对方向及相对距离，生成所述无人机飞行线路。5.根据权利要求4所述的无人机跟拍方法，其特征在于，所述根据所述目标对象预测轨迹、所述相对方向及相对距离，生成所述无人机飞行线路之后，还包括：按照所述无人机飞行线路，控制所述无人机的飞行方向及飞行速度，所述飞行方向至少通过所述相对方向确定得到，所述飞行速度至少通过所述相对距离确定得到。6...

【专利技术属性】
技术研发人员：杨顺伟，
申请(专利权)人：杨顺伟，
类型：发明
国别省市：广东,44