The invention is applied to computer technology, provides a UAV flight control method, device, UAV and storage medium, the method includes: through the UAV camera shooting the scene image, the existence of user gesture model checking the scene image through the deep learning, when the detected user gestures through the control, gesture gesture gesture recognition model to identify the user trained in the pre built gesture control dictionary, the corresponding translation instruction for gesture control UAV flight control, under the control of the UAV flight control command, and through gestures of UAV control without the image complex pretreatment, effectively reducing the cost of UAV flight control, effectively improve the UAV flight control Efficiency and convenience.
【技术实现步骤摘要】
无人机的飞行控制方法、装置、无人机及存储介质
本专利技术属于无人机人机交互
,尤其涉及一种无人机的飞行控制方法、装置、无人机及存储介质。
技术介绍
无人机作为一种新兴的应用平台,因其体积小、机动性强、操作灵活、成本低等特点,在军用、民用领域都得到了广泛应用,尤其在监视和搜救方面的应用场景十分广阔。目前,无人机的飞行控制方式主要为远程控制,由专业训练过的操作者使用专业的遥控器或者地面站来执行控制操作,该方式能够对无人机实现精准、实时的控制,且可靠性强,但是该方式增加了额外的成本且遥控设备不利于携带,还增加了操作员的负担,例如,操作员使用遥控器,需要深入了解无人机的舵机、油门延迟等专业知识,并进行模拟和实际飞行操作训练,在地面站的操作员需要熟悉地面站界面的相关操作,专业性很强,这对于一般的初学者及爱好者有一定的难度。为了降低费用成本,减轻操作员的负担,使操作员与无人机以更自然、简单、直观的方式进行交互,将人类自然的手势应用到无人机的飞行控制的人机交互技术成为无人机的飞行控制研究的热点和难点之一。目前,手势识别的研究主要包括基于硬件传感器的手势识别、基于机器视觉的手势识别。基于硬件传感器的手势识别主要有两种,一种通过使用者穿戴可接收手势信号的手套实现手势识别,这种手套价格昂贵且给使用者带来不便,局限性较大,另一种利用Kinect传感器采集用户骨骼节点的空间位置信息,通过计算机端的识别软件识别出这些信息对应的动作指令,进而生成对应的无人机的飞行控制指令,但该方式的识别成功率较低。基于机器视觉信息的手势识别直接将以使用者的手为目标的视频帧图像作为输入,通过图像 ...
【技术保护点】
一种无人机的飞行控制方法,其特征在于,所述方法包括下述步骤:通过无人机上预设的摄像头拍摄当前场景图像,通过训练好的深度学习模型检测所述场景图像中是否存在用户手势;当检测到所述场景图像中的用户手势时,通过训练好的手势识别模型对所述用户手势进行识别,以确定所述用户手势在预先构建的控制手势库中对应的控制手势;在预先构建的手势指令字典中将所述对应的控制手势翻译为所述无人机的飞行控制指令,根据所述飞行控制指令对所述无人机的飞行进行控制。
【技术特征摘要】
1.一种无人机的飞行控制方法,其特征在于,所述方法包括下述步骤:通过无人机上预设的摄像头拍摄当前场景图像,通过训练好的深度学习模型检测所述场景图像中是否存在用户手势;当检测到所述场景图像中的用户手势时,通过训练好的手势识别模型对所述用户手势进行识别,以确定所述用户手势在预先构建的控制手势库中对应的控制手势;在预先构建的手势指令字典中将所述对应的控制手势翻译为所述无人机的飞行控制指令,根据所述飞行控制指令对所述无人机的飞行进行控制。2.如权利要求1所述的方法,其特征在于,通过无人机上预设的摄像头拍摄当前场景图像的步骤之前,所述方法还包括:通过所述无人机上的所述摄像头拍摄用于训练的手势图像,通过所述深度学习模型对所述用于训练的手势图像进行特征提取,以训练所述深度学习模型;通过预设的分类器对所述提取的特征进行分类训练,将训练得到的所述分类器设置为所述手势识别模型,并生成所述控制手势库;根据所述控制手势库中的控制手势与所述飞行控制指令的对应关系,构建所述手势指令字典。3.如权利要求2所述的方法,其特征在于,通过所述深度学习模型对所述用于训练的手势图像进行特征提取的步骤,包括:通过预设的卷积神经网络与限制玻尔兹曼机联合网络,对所述用于训练的手势图像进行无监督特征提取和有监督特征提取;通过预设的分类器对所述提取的特征进行分类训练的步骤,包括:通过所述分类器对所述无监督特征提取到的图像特征和所述有监督特征提取到的图像特征进行分类训练。4.如权利要求1所述的方法,其特征在于,当检测到所述场景图像中的用户手势时,所述方法还包括:根据所述用户手势在所述场景图像中的位置变化,调整所述摄像头的拍摄角度,以控制所述摄像头始终面向所述用户手势。5.一种无人机的飞行控制装置,其特征在于,所述装置包括:手势检测单元,用于通过无人机上预设的摄像头拍摄当前场景图像,通过训练好的深度学习模型检测所述场景图像中是否存...
【专利技术属性】
技术研发人员:周翊民,常津津,吕琴,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东,44
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。