基于人工智能和图像处理的无人机动力参数控制系统技术方案

本发明专利技术公开了一种基于人工智能和图像处理的无人机动力参数控制系统，涉及人工智能领域。该系统包括：图像采集模块用于获取场景图像和刚体点云集；刚体直线获取模块用于获得刚体直线；场景直线获取模块用于获取场景直线；区域像素均方差获取模块用于获取所述目标区域像素均方差和场景区域像素均方差；果冻效应量化模块用于获取图像果冻效应量化指标；调节范围获取模块用于获得无人机对应的最佳螺距调节范围和最佳转速调节范围；动力参数获取模块用于获取最佳螺距和最佳转速。该系统从而实现了对无人机螺距和转速最佳调整方式的自动选取，能够在消除果冻效应的同时，保证无人机动平衡状态最佳，飞行姿态平稳。飞行姿态平稳。飞行姿态平稳。

【技术实现步骤摘要】
基于人工智能和图像处理的无人机动力参数控制系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能和图像处理的无人机动力参数控制系统。

技术介绍

[0002]无人机在飞行过程中，机架、传感器的震动是不可避免的，当机架或装置发生共振时，无人机摄像头采集的图像将会出现果冻效应，目前针对无人机航拍图像中的斜拉、扭曲等现象，可通过调整桨效使得飞行工况中的中心振动频率发生变化，以避免航拍图像出现果冻效应。但是两侧桨叶升力的微小差异，对无人机会产生很大的影响，造成动平衡异常问题，所以在调整无人机螺距转速过程中，容易引起螺旋桨气动不平衡，从而产生震动、噪音等致使图像果冻效应加剧，还会加速轴承磨损、增加功耗、缩短机械寿命，影响整个飞行器的性能，增加故障概率，严重时甚至会造成飞控死机，造成飞行器失控。所以目前在通过调整无人机螺距转速减小果冻效应时，需要通过人工大量的测试或者实验才能获得既能减小果冻效应又能能够保证无人机螺旋桨动平衡最佳的调整方式。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能和图像处理的无人机动力参数控制系统，所采用的技术方案具体如下：
[0004]本专利技术一个实施例提供了一种基于人工智能和图像处理的无人机动力参数控制系统，包括：
[0005]图像采集模块，用于利用无人机获取待采集场景中的场景图像和点云数据集，并提取所述点云数据集中刚体地形所构成的点云集，为刚体点云集；
[0006]刚体直线获取模块，用于将所述刚体点云集转化为二维深度图像，并经图像处理获得所述深度图像中的刚体直线；
[0007]场景直线获取模块，用于根据任意一条所述刚体直线及其邻边区域设置目标区域，并根据所述目标区域获得场景图像中对应的场景区域，并对所述场景区域进行直线拟合获取场景直线；
[0008]区域像素均方差获取模块，用于将所述深度图像和所述场景图像进行归一化处理，获取所述目标区域像素均方差和所述场景区域像素均方差；
[0009]果冻效应量化模块，用于根据所述目标区域均方差和所述场景区域均方差以及所述目标区域中的直线和所述场景直线获取图像果冻效应量化指标；
[0010]调节范围获取模块，用于当所述果冻效应量化指标超出可调整区间时，判定无人机振动异常；否则，将所述果冻效应量化指标输入神经网络中，获得对应的最佳螺距调节范围和最佳转速调节范围；
[0011]动力参数获取模块，用于根据所述最佳螺距调节范围和所述最佳转速调节范围获取最佳螺距和最佳转速，所述最佳螺距和最佳转速为在螺距最佳调节范围内和转速最佳调
节范围内，使螺旋桨动平衡指标最小的螺距和转速。
[0012]优选的，图像采集模块包括刚体点云提取单元，所述刚体点云提取单元包括：
[0013]阈值处理子单元，用于当所述点云数据集中点云的深度值大于距离阈值时，将该点作为待检测点云集合；
[0014]聚类子单元，用于将所述待检测点云集合进行聚类分析，获得多个待检测点云簇；
[0015]深度最大值获取子单元，用于获取所述待检测点云簇中点云的深度值的方差，并标记所述待检测点云簇中深度值最大值；
[0016]刚体点云获取子单元，用于根据所述最大值设置刚体区间，当所述刚体区间中点云数量大于数量阈值时，认定为刚体点云集。
[0017]优选的，刚体点云获取子单元中刚体区间的设置还包括利用所述最大值结合特殊结构偏移值获得刚体区间的范围，所述特殊结构偏移值为刚体建筑顶层特殊结构造成的偏移值。
[0018]优选的，果冻效应量化模块包括量化指标获取单元，所述量化指标获取单元用于将所述目标区域中的直线斜率和所述场景直线的斜率求差处理，获取斜率差值，将所述目标区域均方差和所述场景区域均方差求差处理，获得像素均方差的差值；对所述斜率差值和像素均方差的差值赋予权重，进行加权求和，获得所述果冻效应量化指标。
[0019]优选的，所述动力参数获取模块包括：
[0020]动平衡指标获取模块，用于利用惯性测量单位传感器获取螺旋桨动平衡指标，同时利用传感器获取螺距和转速；
[0021]三维响应曲面获取单元，用于采用回归方程拟合螺旋桨动平衡指标与所述螺距和转速之间的映射关系，获得三维响应曲面；
[0022]最佳动力参数获取单元，用于根据所述三维响应曲面选取所述最佳螺距调节范围内和所述最佳转速调节范围内使螺旋桨动平衡指标最小的最佳螺距和最佳转速。
[0023]优选的，所述的图像采集模块中利用无人机搭载激光雷达和卷帘相机进行信息采集，并且所述激光雷达和所述卷帘相机视角相同，位姿保持固定。
[0024]优选的，所述的图像采集模块中利用无人机获取待采集场景中的场景图像和点云数据集的过程中，所述无人机距地面的飞行高度固定。
[0025]本专利技术实施例中至少具有如下有益效果：
[0026]本专利技术实施例通过激光雷达与无人机摄像头结合对无人机采集的图像进行检测，判断图像中是否存在果冻效应，并对图像的果冻效应进行量化用于反映无人机振动情况；为消除图像的果冻效应，本专利技术实施例设计调节策略，调节无人机的螺距及转速，并利用动力参数获取模块获得无人机螺旋桨调节的最佳螺距和最佳转速，使得系统通过调节螺距、转速消除果冻效应的同时保证无人机飞行姿态，能够维持平稳航拍。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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附图。
[0028]图1为本专利技术一个实施例所提供的一种基于人工智能和图像处理的无人机动力参数控制系统的示意图；
[0029]图2为本专利技术一个实施例所提供的一种基于人工智能和图像处理的无人机动力参数控制系统的结构框图；
[0030]图3为本专利技术一个实施例所提供的一种基于人工智能和图像处理的无人机动力参数控制系统中动平衡指标获取模块中三维响应曲面图。
具体实施方式
[0031]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能和图像处理的无人机动力参数控制系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0032]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0033]下面结合附图具体的说明本专利技术所提供的一种基于人工智能和图像处理的无人机动力参数控制系统的具体方案。
[0034]请参阅图1和图2，图1示出了本专利技术一个实施例所提供的一种基于人工智能和图像处理的无人机动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能和图像处理的无人机动力参数控制系统，其特征在于，包括：图像采集模块，用于利用无人机获取待采集场景中的场景图像和点云数据集，并提取所述点云数据集中刚体地形所构成的点云集，为刚体点云集；刚体直线获取模块，用于将所述刚体点云集转化为二维深度图像，并经图像处理获得所述深度图像中的刚体直线；场景直线获取模块，用于根据任意一条所述刚体直线及其邻边区域设置目标区域，并根据所述目标区域获得场景图像中对应的场景区域，并对所述场景区域进行直线拟合获取场景直线；区域像素均方差获取模块，用于将所述深度图像和所述场景图像进行归一化处理，获取所述目标区域像素均方差和所述场景区域像素均方差；果冻效应量化模块，用于根据所述所述目标区域均方差和所述场景区域均方差以及所述目标区域中的直线和所述场景直线获取图像果冻效应量化指标；调节范围获取模块，用于当所述果冻效应量化指标超出可调整区间时，判定无人机振动异常；否则，将所述果冻效应量化指标输入神经网络中，获得对应的最佳螺距调节范围和最佳转速调节范围。动力参数获取模块，用于根据所述最佳螺距调节范围和所述最佳转速调节范围获取最佳螺距和最佳转速，所述最佳螺距和最佳转速为在螺距最佳调节范围内和转速最佳调节范围内，使螺旋桨动平衡指标最小的螺距和转速。2.根据权利要求1所述的基于人工智能和图像处理的无人机动力参数控制系统，其特征在于，所述的图像采集模块包括刚体点云提取单元，所述刚体点云提取单元包括：阈值处理子单元，用于当所述点云数据集中点云的深度值大于距离阈值时，将该点作为待检测点云集合；聚类子单元，用于将所述待检测点云集合进行聚类分析，获得多个待检测点云簇；深度最大值获取子单元，用于获取所述待检测点云簇中点云的深度值的方差，并标记所述待检测点云簇中深度值最大值；刚体点云获取子单元，用于根据所述最大值设置刚体区间，当所述刚体区间中点云数量大于数量...

【专利技术属性】
技术研发人员：孙俊，桑蓝奇，黄海源，
申请(专利权)人：孙俊，
类型：发明
国别省市：