【技术实现步骤摘要】
本专利技术涉及无人机，尤其涉及一种基于无人机视觉的碰撞预测方法及装置。
技术介绍
1、无人机是无人驾驶飞机的简称，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行器。在现代社会中，无人机的应用范围正在不断扩大，其涵盖了从航拍摄影到快递交付的各个领域。
2、然而，随着无人机数量的增加，无人机碰撞事故的发生频率日益增长，容易造成人身财产安全的损失。因此，提出一种能够高效预测无人机的碰撞风险，以提高无人机的飞行安全性的技术方案显得尤为重要。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种基于无人机视觉的碰撞预测方法及装置，能够高效预测无人机的碰撞风险，有利于提高无人机的飞行安全性。
2、为了解决上述技术问题，本专利技术第一方面公开了一种基于无人机视觉的碰撞预测方法，所述方法包括：
3、基于无人机采集针对目标区域的视频数据；其中，在所述目标区域的空中存在动态目标；
4、确定所述视频数据对应的关键帧序列；所述关键帧序列包括多个关键帧且所述关键帧序列中的所有所述关键帧基于时序排序；
5、将所述关键帧序列输入至预先训练好的碰撞预测模型的特征提取层，得到所述关键帧序列针对所述动态目标的动态特征信息；
6、基于所述碰撞预测模型的线性整合层，分析所述动态特征信息，得到针对所述动态目标的动态变化分析结果；
7、根据所述动态变化分析结果，生成所述无人机对应的碰撞预测结果。
8、本专利技术第
9、采集模块，用于基于无人机采集针对目标区域的视频数据；其中，在所述目标区域的空中存在动态目标；
10、确定模块，用于确定所述视频数据对应的关键帧序列；所述关键帧序列包括多个关键帧且所述关键帧序列中的所有所述关键帧基于时序排序；
11、特征提取模块，用于将所述关键帧序列输入至预先训练好的碰撞预测模型的特征提取层，得到所述关键帧序列针对所述动态目标的动态特征信息；
12、分析模块，用于基于所述碰撞预测模型的线性整合层，分析所述动态特征信息，得到针对所述动态目标的动态变化分析结果；
13、生成模块，用于根据所述动态变化分析结果，生成所述无人机对应的碰撞预测结果。
14、作为一种可选的实施方式，在本专利技术第二方面中，所述特征提取模块将所述关键帧序列输入至预先训练好的碰撞预测模型的特征提取层，得到所述关键帧序列针对所述动态目标的动态特征信息的具体方式包括：
15、将所述关键帧序列输入至预先训练好的碰撞预测模型的特征提取层；
16、基于所述特征提取层，并行对所述关键帧序列中的所有所述关键帧执行特征提取操作，得到每个所述关键帧对应的特征信息；
17、基于所述特征提取层，从每个所述关键帧对应的特征信息中确定出每个所述关键帧对应的目标特征信息，所述目标特征信息为针对所述动态目标的特征信息；
18、其中，所述关键帧序列针对所述动态目标的动态特征包括每个所述关键帧对应的目标特征信息。
19、作为一种可选的实施方式，在本专利技术第二方面中，所述分析模块基于所述碰撞预测模型的线性整合层，分析所述动态特征信息，得到针对所述动态目标的动态变化分析结果的具体方式包括：
20、对于每个所述关键帧，基于所述碰撞预测模型的线性整合层，比对该关键帧对应的目标特征信息与相邻关键帧对应的目标特征信息，得到该关键帧对应的特征比对结果；所述相邻关键帧包括与该关键帧相邻且时序在该关键帧之前的关键帧和/或与该关键帧相邻且时序在该关键帧之后的关键帧；
21、基于所述线性整合层，根据每个所述关键帧对应的特征比对结果，确定每个所述特征比对结果对应的结果权重；
22、基于所述线性整合层对应的线性整合公式，根据每个所述关键帧对应的特征比对结果以及每个所述特征比对结果对应的结果权重，计算所述线性整合层对应的输出数值；
23、将所述线性整合层对应的输出数值确定为所述关键帧序列针对所述动态目标的动态变化分析结果。
24、作为一种可选的实施方式，在本专利技术第二方面中，所述生成模块根据所述动态变化分析结果，生成所述无人机对应的碰撞预测结果的具体方式包括：
25、基于所述碰撞预测模型的分数评估函数，计算所述动态变化分析结果对应的碰撞预测分数；
26、根据所述动态变化分析结果对应的碰撞预测分数，生成所述无人机对应的碰撞预测结果。
27、作为一种可选的实施方式，在本专利技术第二方面中，所述生成模块根据所述动态变化分析结果对应的碰撞预测分数，生成所述无人机对应的碰撞预测结果的具体方式包括：
28、判断所述动态变化分析结果对应的碰撞预测分数是否大于或等于预设碰撞预测分数；
29、当判断出所述碰撞预测分数大于或等于所述预设碰撞预测分数时，确定所述无人机对应的碰撞预测结果为所述动态目标对于所述无人机存在碰撞风险，所述碰撞风险用于表示所述动态目标与所述无人机之间的距离小于或等于预先设定的碰撞距离区间；
30、当判断出所述碰撞预测分数小于所述预设碰撞预测分数时，确定所述无人机对应的碰撞预测结果为所述动态目标对于所述无人机不存在所述碰撞风险。
31、作为一种可选的实施方式，在本专利技术第二方面中，所述确定模块，还用于当所述碰撞预测结果用于表示所述动态目标对于所述无人机存在所述碰撞风险时，根据所述碰撞预测分数，确定所述无人机对应的碰撞风险等级；
32、其中，所述装置还包括：
33、获取模块，用于获取所述无人机的飞行规划路线以及所述目标区域对应的环境信息；
34、所述确定模块，还用于根据所述碰撞风险等级、所述飞行规划路线和所述环境信息，确定所述无人机对应的目标飞行路线；
35、所述确定模块，还用于根据所述目标飞行路线，确定所述无人机对应的飞行控制参数；
36、控制模块，用于根据所述飞行控制参数，控制所述无人机执行关于所述目标飞行路线的飞行操作。
37、作为一种可选的实施方式，在本专利技术第二方面中，所述视频数据包括多个视频帧且所述视频数据中的所有所述视频帧基于时序排序；
38、其中，所述确定模块确定所述视频数据对应的关键帧序列的具体方式包括：
39、基于预先设定的时间间隔，从所述视频数据中筛选出所述时间间隔对应的多个候选关键帧，得到候选关键帧序列；
40、获取所述候选关键帧序列对应的滑动窗口的窗口参数；所述窗口参数包括所述滑动窗口的窗口长度、所述滑动窗口的滑动长度以及所述滑动窗口在所述候选关键帧序列的起始位置；所述起始位置用于表示所述滑动窗口所包含的时序最先的候选关键帧在所述候选关键帧序列中的排列次序；
41、基于所述起始位置，选取所述窗口长度对应数量的候选关键帧作为关键帧，得到所述视频数据对应的关键帧序列；<本文档来自技高网...
【技术保护点】
1.一种基于无人机视觉的碰撞预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于无人机视觉的碰撞预测方法，其特征在于，所述将所述关键帧序列输入至预先训练好的碰撞预测模型的特征提取层，得到所述关键帧序列针对所述动态目标的动态特征信息，包括：
3.根据权利要求2所述的基于无人机视觉的碰撞预测方法，其特征在于，所述基于所述碰撞预测模型的线性整合层，分析所述动态特征信息，得到针对所述动态目标的动态变化分析结果，包括：
4.根据权利要求1所述的基于无人机视觉的碰撞预测方法，其特征在于，所述根据所述动态变化分析结果，生成所述无人机对应的碰撞预测结果，包括：
5.根据权利要求4所述的基于无人机视觉的碰撞预测方法，其特征在于，所述根据所述动态变化分析结果对应的碰撞预测分数，生成所述无人机对应的碰撞预测结果，包括：
6.根据权利要求4或5所述的基于无人机视觉的碰撞预测方法，其特征在于，当所述碰撞预测结果用于表示所述动态目标对于所述无人机存在所述碰撞风险时，所述方法还包括：
7.根据权利要求1-5任一项所述的基于无
8.一种基于无人机视觉的碰撞预测装置，其特征在于，所述装置包括：
9.一种基于无人机视觉的碰撞预测装置，其特征在于，所述装置包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于无人机视觉的碰撞预测方法。
...【技术特征摘要】
1.一种基于无人机视觉的碰撞预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于无人机视觉的碰撞预测方法，其特征在于，所述将所述关键帧序列输入至预先训练好的碰撞预测模型的特征提取层，得到所述关键帧序列针对所述动态目标的动态特征信息，包括：
3.根据权利要求2所述的基于无人机视觉的碰撞预测方法，其特征在于，所述基于所述碰撞预测模型的线性整合层，分析所述动态特征信息，得到针对所述动态目标的动态变化分析结果，包括：
4.根据权利要求1所述的基于无人机视觉的碰撞预测方法，其特征在于，所述根据所述动态变化分析结果，生成所述无人机对应的碰撞预测结果，包括：
5.根据权利要求4所述的基于无人机视觉的碰撞预测方法，其特征在于，所述根据所述动态变化分析结果对应的碰撞...
【专利技术属性】
技术研发人员：陈麒，孙一卓，吴炎瑾，郑博，张欢，
申请(专利权)人：广东南方电信规划咨询设计院有限公司，
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。