【技术实现步骤摘要】
基于视觉与惯性导航信息融合神经网络的无人机高度估算方法
[0001]本专利技术属于图像信息处理领域,具体涉及基于视觉与惯性导航信息融合神经网络的无人机高度估算方法。
技术介绍
[0002]无人机高度估算是指通过无人机搭载传感器或接收信息来实时获取无人机飞行高度。高度估算在无人机自主着陆、导航及定位、飞行避障等领域具有重要的应用价值。特别是无人机的自主着陆,高度估算技术是引导无人机实现自主降落的关键技术。目前大型的固定翼无人机在机场降落时常采用远程人工遥控的方式进行,自主化程度较低,因此亟需开发一种高度估算方法为大型的固定翼无人机提供实时的高度估算,从而实现无人机的自主着陆。
[0003]近年来,国内外广大研究人员在无人机飞行高度估算及应用研究领域取得了一定成果。可将已有的无人机高度估算方法分为四类:1)基于接受全球定位系统(global positioning system GPS)的方法。该方法利用无人机不断接收的全球定位系统信号,无人机的实时飞行位置与高度进行计算,目前基于GPS差分技术的定位(高度估算)精度已经可以达到厘米级。然而,由于实际环境中GPS信号可能存在被干扰,建筑物遮挡等问题,导致无人机无法正常接收GPS信号从而无法实现高度估算。2)基于惯性导航系统的(Inertial Navigation System INS)方法。该类方法通常是与其他估算方法进行组合从而实现高度估算的。由于惯性导航系统从惯性测量单元获取的信息是加速度信息,需要二次积分才能获取位移(距离)测量结果。此外,常规价格的惯性测 ...
【技术保护点】
【技术特征摘要】
1.基于视觉与惯性导航信息融合神经网络的无人机高度估算方法,其特征在于,包括以下操作:(1)利用通道注意力机制和空间注意力机制的卷积神经网络对输入图像中的信息进行特征提取与编码,得到特征向量a
v
;基于无人机实时拍摄的图像数据I
N
、无人机的俯仰角、无人机相对跑道朝向夹角、滚转角以及图像平面中获取的跑道两侧边线与跑道底边边线的夹角λ和β来建立理想的飞行高度估算模型和误差函数,将理想高度估计模型与误差函数分别送入单层LSTM网络进行特征编码,对编码后的向量进行逐位相加获得特征向量a
f
,将所述特征向量a
f
与图像特征编码后的特征向量a
v
进行特征连接操作,之后输入到特征融合模块;(2)将所述特征向量a
f
与图像特征编码后的特征向量a
v
进行特征连接操作,之后输入到基于自注意力机制的特征融合模块中;两个特征向量连接后的特征向量为:g
dir
(a
v
,a
f
)=[a
v
;a
f
]将连接后的特征向量输入到基于自注意力机制的特征融合模块中,基于自注意力机制的特征融合模块将a
v
和a
f
分别映射为向量Q
v
,K
v
,V
v
以及向量Q
f
,K
f
,V
f
,根据下式将两组向量交叉运算,从而计算出特征向量a
v
和a
f
之间的相关度m
v
以及m
f
,将两个相关度分别与a
v
和a
f
做逐点乘操作,从而获得特征融合后的特征向量;其中,是经验值;(3)将融合后的特征向量输入到双向长时记忆网络来提取时序特征,双向长时记忆网络对融合后的特征向量进行正向和反向的时序特征提取,最终通过对输出的回归实现无人机飞行高度的估算。2.根据权利要求1所述的基于视觉与惯性导航信息融合神经网络的无人机高度估算方法,其特征在于,步骤(1)中图像中的信息进行特征提取与编码,具体为:(101)将图像输入ResNet卷积模块中,ResNet卷积模块提取出特征图;(102)将所述特征图输入通道注意力子模块,分别经过基于W和H的全局最大池化和全局平均池化,两个池化结果分别经过共享参数的多层感知机,将多层感知机输出的特征进行基于逐像素的加和操作,再经过sigmoid进行激活操作,生成最终的通道注意力特征图;将通道注意力特征图与ResNet卷积模块提取的特征图进行逐元素乘法操作,通道注意力子模块输出特征图;(103)将通道注意力子模块输出的特征图输入到空间注意力子模块,做一个基于通道的全局最大池化和全局平均池化,之后将这2个池化结果基于通道做特征连接操作;然后经过一个卷积...
【专利技术属性】
技术研发人员:马钟,刘露露,张栩培,王莉,
申请(专利权)人:西安微电子技术研究所,
类型:发明
国别省市:
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。