基于人工智能的无人机迫降区域筛选方法、装置及设备制造方法及图纸

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的无人机迫降区域筛选方法、装置及设备。该方法包括：对无人机采集的图像进行静止目标筛选，进而获取无人机的晃动程度；根据晃动程度确定无人机出现异常时，获取无人机出现异常之前的多帧静止目标图像；根据预设网格对多帧静止目标图像进行区域划分，通过对每个区域的色彩、亮度以及边缘进行分析获取相应的异常指标；根据异常指标获取每个区域的危险评估参数，通过危险评估参数筛选初步安全区域；使无人机向初步安全区域降落，在降落过程中实时采集图像并获取实时危险评估参数，根据实时危险评估参数获取实时的迫降区域。本发明专利技术实施例能够准确地找到当下最优、最安全的迫降区域。区域。区域。

【技术实现步骤摘要】
基于人工智能的无人机迫降区域筛选方法、装置及设备


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的无人机迫降区域筛选方法、装置及设备。

技术介绍

[0002]无人机是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。目前无人机在航拍、测绘、救援、监控等领域用处广泛。无人机通过搭载相机镜头实现拍摄、测绘等工作，大多数相机镜头采用卷帘快门完成拍摄，能够很好地控制曝光时间和减少噪声点，同时相对于全局快门功耗低。
[0003]无人机在飞行过程中，可能会出现自身故障导致动力异常不能及时处理或处理不当，导致无人机损坏的情况，此时需要紧急迫降到安全的区域，避免无人机坠毁造成财物损失或者重要数据丢失。
[0004]专利技术人在实践中，发现上述现有技术存在以下缺陷：
[0005]目前对无人机紧急迫降的研究一般通过已知地图挑选最近的安全区域作为迫降地点，当最近的安全区域与无人机当前位置的距离过远时，可能会使无人机未到达迫降地点时坠毁；或者随着降落的航迹变化，最初挑选的迫降地点并非是最优的迫降地点。

技术实现思路

[0006]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的无人机迫降区域筛选方法、装置及设备，所采用的技术方案具体如下：
[0007]第一方面，本专利技术一个实施例提供了一种基于人工智能的无人机迫降区域筛选方法，该方法包括以下步骤：
[0008]对无人机采集的图像进行静止目标筛选，获取静止目标图像，根据所述静止目标图像中静止目标的变化获取无人机的晃动程度；
[0009]根据所述晃动程度确定所述无人机出现异常时，获取所述无人机出现异常之前的多帧静止目标图像；根据预设网格对所述多帧静止目标图像进行区域划分，通过对每个区域的色彩、亮度以及边缘进行分析获取相应的异常指标；根据所述异常指标获取每个区域的危险评估参数，通过所述危险评估参数筛选初步安全区域；
[0010]使所述无人机向所述初步安全区域降落，在降落过程中实时采集图像并获取实时危险评估参数，根据所述实时危险评估参数获取实时的迫降区域。
[0011]优选的，所述色彩的分析方法为：
[0012]记录每个所述区域中的色彩变化次数，根据所述色彩变化次数和采样时间间隔获取色彩复杂度。
[0013]优选的，所述亮度的分析方法为：
[0014]根据亮度对每个所述区域划分子区域，计算同一亮度的所述子区域的面积与所述区域的面积的比值，进而获取所述区域的区域亮度熵。
[0015]优选的，所述边缘的分析方法为：
[0016]根据当前区域的边缘数量获取边缘复杂度。
[0017]优选的，所述危险评估参数的获取方法为：
[0018]根据所述色彩复杂度与所述区域亮度熵的加权求和与所述边缘复杂度的乘积获取所述危险评估参数。
[0019]优选的，所述静止目标筛选使用光流法。
[0020]优选的，所述筛选初步安全区域的方法为：
[0021]对比所有所述区域的所述危险评估参数，筛选所述危险评估参数最小的区域作为所述初步安全区域。
[0022]优选的，所述实时危险评估参数的获取方法为：
[0023]根据实时采集的图像中的所述色彩复杂度、所述区域亮度熵以及实时晃动程度获取所述实时危险评估参数。
[0024]第二方面，本专利技术另一个实施例提供了一种基于人工智能的无人机迫降区域筛选装置，所述装置包括：
[0025]晃动程度获取模块，用于对无人机采集的图像进行静止目标筛选，获取静止目标图像，根据所述静止目标图像中静止目标的变化获取无人机的晃动程度；
[0026]初步安全区域筛选模块，用于根据所述晃动程度确定所述无人机出现异常时，获取所述无人机出现异常之前的多帧静止目标图像；根据预设网格对所述多帧静止目标图像进行区域划分，通过对每个区域的色彩、亮度以及边缘进行分析获取相应的异常指标；根据所述异常指标获取每个区域的危险评估参数，通过所述危险评估参数筛选初步安全区域；
[0027]迫降区域获取模块，用于使所述无人机向所述初步安全区域降落，在降落过程中实时采集图像并获取实时危险评估参数，根据所述实时危险评估参数获取实时的迫降区域。
[0028]第三方面，本专利技术另一个实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述基于人工智能的无人机迫降区域筛选方法的步骤。
[0029]本专利技术实施例具有至少如下有益效果：
[0030]1、先筛选初步安全区域，使无人机向初步安全区域降落，在降落过程中同时获取实时图像的实时危险评估参数，进一步更新安全区域，最终迫降，能够更加准确地筛选当下最优的迫降区域。
[0031]2、通过光流信息结合无人机自身的运动完成对图像中的目标进行精确筛选，避免因为无人机自身原因导致的静止目标误识别。
附图说明
[0032]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。
[0033]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的无人机迫降区域筛选方法
的流程图；
[0034]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的无人机迫降区域筛选方法的步骤流程图；
[0035]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的无人机迫降区域筛选装置的结构框图；
[0036]图4为本专利技术一个实施例所提供的一种电子设备的内部结构图。
具体实施方式
[0037]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的无人机迫降区域筛选方法、装置及设备，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。
[0038]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。
[0039]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的无人机迫降区域筛选方法、装置及设备的具体方案。
[0040]请参阅图1和图2，图1示出了本专利技术一个实施例提供的基于人工智能的无人机迫降区域筛选方法的流程图；图2示出了本专利技术一个实施例提供的基于人工智能的无人机迫降区域筛选方法的步骤流程图；该方法包括以下步骤：
[0041]步骤S001，对无人机采集的图像进行静止目标筛选，获取静止目标图像，根据静止目标图像中静止目标的变化获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的无人机迫降区域筛选方法，其特征在于，该方法包括以下步骤：对无人机采集的图像进行静止目标筛选，获取静止目标图像，根据所述静止目标图像中静止目标的变化获取无人机的晃动程度；根据所述晃动程度确定所述无人机出现异常时，获取所述无人机出现异常之前的多帧静止目标图像；根据预设网格对所述多帧静止目标图像进行区域划分，通过对每个区域的色彩、亮度以及边缘进行分析获取相应的异常指标；根据所述异常指标获取每个区域的危险评估参数，通过所述危险评估参数筛选初步安全区域；使所述无人机向所述初步安全区域降落，在降落过程中实时采集图像并获取实时危险评估参数，根据所述实时危险评估参数获取实时的迫降区域。2.根据权利要求1所述的方法，其特征在于，所述色彩的分析方法为：记录每个所述区域中的色彩变化次数，根据所述色彩变化次数和采样时间间隔获取所述色彩复杂度。3.根据权利要求2所述的方法，其特征在于，所述亮度的分析方法为：根据亮度对每个所述区域划分子区域，计算同一亮度的所述子区域的面积与所述区域的面积的比值，进而获取所述区域的区域亮度熵。4.根据权利要求3所述的方法，其特征在于，所述边缘的分析方法为：根据当前区域的边缘数量获取所述边缘复杂度。5.根据权利要求4所述的方法，其特征在于，所述危险评估参数的获取方法为：根据所述色彩复杂度与所述区域亮度熵的加权求和与所述边缘复杂度的乘积获取所述危险评估参数。6.根据权利要求1所述的方...

【专利技术属性】
技术研发人员：张国英，徐敏，
申请(专利权)人：珠海市亿点科技有限公司，
类型：发明
国别省市：