一种无人机飞行着陆视觉处理系统及方法技术方案

本发明专利技术公开了一种无人机飞行着陆视觉处理系统及方法，包括：拍摄模块，其拍摄摄像头摄像范围内的图像；无人机识别模块，其识别拍摄模块拍摄的图像是否为无人机；和无人机相对位置定位模块，其将无人机识别模块识别出的无人机图像进行图像分割并定位无人机的相对位置。本发明专利技术一方面减少了图像分割并定位无人机的相对位置的数据量，加快了图像处理速度，另一方面，由于无人机识别模块仅进行是否无人机的识别，识别特征容易提取，特征明显，有利于提高识别的速度及识别的准确性。

【技术实现步骤摘要】
一种无人机飞行着陆视觉处理系统及方法
本专利技术涉及无人机领域，特别涉及一种无人机飞行着陆视觉处理系统及无人机飞行着陆视觉处理方法。
技术介绍
由于无人机具有灵活轻便、低廉高效等特点，无人机在农业植保、电力巡检、地形探测、物流运输等领域有较大的发展空间。目前，无人机技术已经具备了自主飞行的功能，并且也能实现自主降落，但是在自主着陆系统为基于GPS的无人机自主着陆系统，仍然存在着陆精度不够高、着陆安全性不足、无人机负载重、对停机坪要求高的缺点。
技术实现思路
基于上述问题，一方面，本专利技术提供一种无人机飞行着陆视觉处理系统，该无人机飞行着陆视觉处理系统一方面减少了图像分割并定位无人机的相对位置的数据量，加快了图像处理速度，另一方面，由于无人机识别模块仅进行是否无人机的识别，识别特征容易提取，特征明显，有利于提高识别的速度及识别的准确性。技术方案是：一种无人机飞行着陆视觉处理系统，包括：拍摄模块，其拍摄摄像头摄像范围内的图像；无人机识别模块，其识别拍摄模块拍摄的图像是否为无人机；和无人机相对位置定位模块，其将无人机识别模块识别出的无人机图像进行图像分割并定位无人机的相对位置。可选地，所述无人机识别模块为深度学习模型框架模块，深度学习模型框架模块使用基于yolo_v3的网络结构进行图像识别预测功能，通过训练数据集和测试预测数据集构建深度学习网络，构建的特征提取网络加入后续层；其中训练数据集和测试预测数据集均为由地面拍摄的各种相对位置和天气条件下天空中无人机的仰视图图片的集合，其中训练数据作为训练数据，测试预测数据集作为测试预测数据。可选地，所述基于yolo_v3的网络结构包括Darknetconv2d_BN_Leaky，Darknetconv2d_BN_Leaky包括不可分割的卷积层、批量标准化BN、激活函数Leaky。可选地，所述无人机相对位置定位模块包括灰阶处理模块、多阈值分割模块和无人机相对位置输出模块，灰阶处理模块将彩色图片转换为灰度图，多阈值分割模块将灰阶处理模块处理后的灰阶图像进行多阈值分割处理，无人机相对位置输出模块根据帧间无人机位置变化，使用滤波器后输出位置和速度信息，反馈给无人机。可选地，所述灰阶处理模块计算公式为：GRAY＝0.299*RED+0.587*GREEN+0.114*BLUE可选地，所述多阈值分割模块对灰阶图像求取多次平滑直方图，参数sigma控制高斯平滑结果的平滑程度，平滑程度决定最终分割的细致程度，灰度图中出现最多的灰度像素值作为峰值，以直方图中的波谷最大峰值对应的峰谷作为分割阈值进行图像分割。可选地，所述滤波器为卡尔曼滤波器。另一方面，本专利技术还提供一种无人机飞行着陆视觉处理方法。技术方案是：一种无人机飞行着陆视觉处理方法，包括以下步骤：启动目标搜索算法，捕捉无人机的相对位置；开启视觉标定功能，视觉标定功能根据帧间图像运动信息差异运行卡尔曼滤波器以识别无人机运动信息。可选地，所述视觉标定功能包括以下步骤：拍摄摄像头摄像范围内的图像；识别所拍摄的图像是否为无人机；将识别出的无人机图像进行图像分割并定位无人机的相对位置。可选地，所述无人机识别为深度学习模型框架，深度学习模型框架模块使用基于yolo_v3的网络结构进行图像识别预测功能，通过训练数据集和测试预测数据集构建深度学习网络，构建的特征提取网络加入后续层；和/或无人机相对位置定位包括灰阶处理、多阈值分割和无人机相对位置输出，灰阶处理将彩色图片转换为灰度图，多阈值分割将灰阶处理后的灰阶图像进行多阈值分割处理，无人机相对位置输出根据帧间无人机位置变化，使用滤波器后输出位置和速度信息，反馈给无人机。灰阶处理和多阈值分割确定了无人机相对于视场中的位置，无人机相对位置输出根据帧间无人机位置变化，使用滤波器后即可输出位置和速度信息，反馈给无人机。专利技术有益效果：本专利技术通过将视觉处理系统安装在停机坪，一方面降低了无人机的重量，另一方面由于视觉处理系统安装于停机坪，因此不受重量、空间的限制，视觉处理系统可以采用精度与准确性较高的视觉处理系统，从而实现无人机高精度飞行着陆。本专利技术通过白天的视觉标定模式，一方面减少了图像分割并定位无人机的相对位置的数据量，加快了图像处理速度，另一方面，由于无人机识别模块仅进行是否无人机的识别，识别特征容易提取，特征明显，有利于提高识别的速度及识别的准确性。本专利技术通过红外发射系统和红外接收系统，红外发射系统安装在无人机上，对地面发射红外信号，红外接收系统接收红外信号，红外发射系统和红外接收系统用以解决夜间缺乏可见光信息而的缺陷，满足夜间降落需求。本专利技术通过时间序列分析模型模块解决了停机坪运动引起的位移变化及震动会给无人机降落接触平台带来非常恶劣的影响，实现了无人机在运动机场平台上的精准降落。附图说明图1为本专利技术车载无人机机场全自动高精度飞行着陆系统原理框图；图2为本专利技术车载无人机机场全自动高精度飞行着陆方法的流程示意图。具体实施方式下面将结合附图对本专利技术作进一步说明。请参考图1，图1为本专利技术车载无人机机场全自动高精度飞行着陆系统原理框图。一种车载无人机机场全自动高精度飞行着陆系统，包括位于机载控制系统、惯性导航系统、高度测量系统、RTK-GPS系统和视觉处理系统，惯性导航系统、高度测量系统、RTK-GPS系统分别与机载控制系统连接，机载控制系统包括飞控单元，机载控制系统、惯性导航系统、高度测量系统、RTK-GPS系统安装在无人机上，视觉处理系统安装在停机坪。通过将视觉处理系统安装在停机坪，一方面降低了无人机的重量，另一方面由于视觉处理系统安装于停机坪，因此不受重量、空间的限制，视觉处理系统可以采用精度与准确性较高的视觉处理系统，从而实现无人机高精度飞行着陆。高度测量系统为飞控单元提供相对相对高度信息。RTK-GPS系统提供前置差分高精度定位绝对位置信息，视觉处理系统实时对空检测识别飞机相对于降落平台的相对位置信息并提供给飞控单元。飞控单元接收并发送信息，控制无人机飞行与着路。可选地，高度测量系统为气压计。可选地，惯性导航系统包括第一惯性导航系统、第二惯性导航系统和第三惯性导航系统。其中，第一惯性导航系统为三轴磁力计，以800hz的频率以通用can总线方式向飞控单元发送磁航向信息，第二惯性导航系统为三轴加速度计，以1000hz频率以通用can总线方式向飞控单元发送加速度状态信息，第三惯性导航系统为以8000hz的频率以通用can总线方式向飞控单元发送角速率信息。通过第一惯性导航系统、第二惯性导航系统和第三惯性导航系统给飞控单元提供惯性导航组合信息，协同保证了传感器的高可靠性。可选地，RTK-GPS系统与飞控单元之间通过通用can总线连接，RTK-GPS系统以20hz频率向飞控单元输送无人机绝对位置信息。可选地，车载无人机机场全自动高精度飞行着陆系统还包括红外发射系统和红外接收系统本文档来自技高网...

【技术保护点】
1.一种无人机飞行着陆视觉处理系统，包括：/n拍摄模块，其拍摄摄像头摄像范围内的图像；/n无人机识别模块，其识别拍摄模块拍摄的图像是否为无人机；和/n无人机相对位置定位模块，其将无人机识别模块识别出的无人机图像进行图像分割并定位无人机的相对位置。/n

【技术特征摘要】
1.一种无人机飞行着陆视觉处理系统，包括：
拍摄模块，其拍摄摄像头摄像范围内的图像；
无人机识别模块，其识别拍摄模块拍摄的图像是否为无人机；和
无人机相对位置定位模块，其将无人机识别模块识别出的无人机图像进行图像分割并定位无人机的相对位置。


2.根据权利要求1所述的无人机飞行着陆视觉处理系统，其特征在于，所述无人机识别模块为深度学习模型框架模块，深度学习模型框架模块使用基于yolo_v3的网络结构进行图像识别预测功能，通过训练数据集和测试预测数据集构建深度学习网络，构建的特征提取网络加入后续层；其中训练数据集和测试预测数据集均为由地面拍摄的各种相对位置和天气条件下天空中无人机的仰视图图片的集合，其中训练数据作为训练数据，测试预测数据集作为测试预测数据。


3.根据权利要求2所述的无人机飞行着陆视觉处理系统，其特征在于，所述基于yolo_v3的网络结构包括Darknetconv2d_BN_Leaky，Darknetconv2d_BN_Leaky包括不可分割的卷积层、批量标准化BN、激活函数Leaky。


4.根据权利要求1-3任一所述的无人机飞行着陆视觉处理系统，特征在于，所述无人机相对位置定位模块包括灰阶处理模块、多阈值分割模块和无人机相对位置输出模块，灰阶处理模块将彩色图片转换为灰度图，多阈值分割模块将灰阶处理模块处理后的灰阶图像进行多阈值分割处理，无人机相对位置输出模块根据帧间无人机位置变化，使用滤波器后输出位置和速度信息，反馈给无人机。


5.根据权利要求4所述的无人机飞行着陆视觉处理系统，特征在于，所述灰阶处理模块计算公式为：
GRAY＝0.299*RED+0.587*GREEN+0.114*B...

【专利技术属性】
技术研发人员：秦宗航，彭彦平，张万宁，
申请(专利权)人：成都时代星光科技有限公司，
类型：发明
国别省市：四川;51