一种拒止环境下基于视景目标融合识别的无人机全自动降落方法技术

本发明专利技术公开了一种拒止环境下基于视景目标融合识别的无人机全自动降落方法，在无人机执行巡航巡检任务，进入拒止环境时，实时获取视景目标信息；基于视景目标坐标，建立无人机自主定位数学模型，解算无人机当前坐标；将无人机当前坐标作为基准导航坐标，最近的备降点作为终点，通过航迹规划导航至最近的备降点；获取降落目标靶标的视景信息，根据目标靶标的视景信息完成目标靶标的识别定位，根据定位结果控制无人机全自动降落。本发明专利技术实现了融合红外图像解决低可视，复杂成像下的无人机自主定位，避免了拒止环境下的无人机失控安全问题。避免了拒止环境下的无人机失控安全问题。避免了拒止环境下的无人机失控安全问题。

【技术实现步骤摘要】
一种拒止环境下基于视景目标融合识别的无人机全自动降落方法


[0001]本专利技术属于无人机控制
，具体涉及一种拒止环境下基于视景目标融合识别的无人机全自动降落方法。

技术介绍

[0002]无人机(UAV)作为可以实现快速转场的空中可移动监视平台，机动性强，监控范围广。目前无人机的发展趋于全智能化，全自主化，较多的应用于巡航巡检任务中，差分GPS飞机定位精度能够达到10CM以下，但是容易受环境干扰。拒止环境指的是当无人机在城市或者室内飞行时，由于建筑群落、森林和墙壁等阻碍，卫星信号丢失不可用，或者是信号干扰导致GPS无法提供准确的定位信息。巡航巡检任务常作业于市区，降落区域地形环境复杂，拒止环境下的定位精度不足，实时性差，若降落姿态与降落地形冲突，则存在机体倾斜、侧翻等严重的安全隐患，可能造成财产、人员损伤，难以满足拒止环境下无人机的全自动安全降落。
[0003]现有技术中，拒止环境下一般通过人工介入降落过程实现无人机安全降落，由于巡航巡检任务作业面积较大，飞手往往难以及时抵达现场介入降落过程。另外，可通过在地面设立绝对位置已知基站本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种拒止环境下基于视景目标融合识别的无人机全自动降落方法，其特征在于，包括：步骤1、在无人机执行巡航巡检任务，进入拒止环境时，实时获取视景目标信息；步骤2、基于视景目标坐标，建立无人机自主定位数学模型，解算无人机当前坐标；步骤3、将无人机当前坐标作为基准导航坐标，最近的备降点作为终点，通过航迹规划导航至最近的备降点；步骤4、获取降落目标靶标的视景信息，根据目标靶标的视景信息完成目标靶标的识别定位，根据定位结果控制无人机全自动降落。2.根据权利要求1所述的一种拒止环境下基于视景目标融合识别的无人机全自动降落方法，其特征在于，所述步骤1和步骤4通过改进TY
‑
YOLO识别算法获取视景信息，所述改进TY
‑
YOLO识别算法的具体改进与训练方法包括：1)、针对无人机独特的空中视角，物体可视角度改变，对基础网络进行特异性训练；在卷积神经网络的浅层网络结构8倍降采样处增加一个52
×
52的预测分支，并通过拼接融合浅层与深层特征；2)、在损失函数中加入预测框与真实框中心坐标之间的距离，通过将中心点之间的坐标误差纳入到损失收敛的标准，在训练中最小化中心点之间的真实误差；3)、对识别模型进行压缩以识别速度，具体的：通过ES模块对原始卷积层进行替换；对卷积神经网络，保留前9卷积层，对10、11、13卷积层进行上述替换，并移除两层之间的池化层；4)、通过通道剪枝对识别模型进行剪枝压缩；5)、在训练时添加相机红外图像，融合红外成像以实现低可视，复杂成像环境下的视景目标识别。3.根据权利要求2所述的一种拒止环境下基于视景目标融合识别的无人机全自动降落方法，其特征在于，所述ES模块由S压缩层和E扩充层组成，S压缩层由数个1
×
1的卷积核组成，而E扩充层由数个尺寸为1和尺寸为3的卷积核组成，以cin为通道输入数，cout为通道输出数，S为S压缩层输入通道数，E1、E2分别...

【专利技术属性】
技术研发人员：马俊杰，陈思洋，潘钺，潘孙翔，王琳，
申请(专利权)人：中电鸿信信息科技有限公司，
类型：发明
国别省市：