基于深度学习的无人机障碍物检测方法技术

基于深度学习的无人机障碍物检测方法，本发明专利技术涉及计算机视觉领域，具体涉及无人机障碍物识别领域。为解决现有无人机障碍物识别技术在低光环境或复杂背景下的性能受到限制，本发明专利技术提供了如下方案：S11.实时采集无人机飞行环境的图像信息；S12.使用卷积神经网络的特征提取网络对所述左目图像和右目图像进行特征提取；S13.使用所述左目特征图、所述右目特征图和视差值d构建cost volume；S14.将所述cost volume和所述左目特征图通过信息融合网络进行信息融合进而获得输出结果；S15.对所述输出结果使用sigmoid函数进行处理，获得每个像素点所对应视差跟所述视差d之间的大小关系，即：获得障碍物对应的环境位置信息。本发明专利技术在无人机避障领域具有应用价值。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，具体涉及无人机障碍物识别领域。

技术介绍

1、目前，无人机在各种应用领域中得到了广泛的应用，如航拍、物流配送和农业等。然而，无人机在自主飞行过程中面临着避免障碍物的挑战。传统的无人机障碍物识别方法主要依赖于人工操作或预先规划的航线，这限制了无人机的自主性和适应性。为了解决这一问题，近年来，研究人员提出了各种无人机障碍物识别技术。其中，超声波传感器被广泛应用于无人机障碍物识别中。超声波传感器可以实时检测周围障碍物的距离和位置，并通过调整飞行姿态或航线来避免碰撞。然而，超声波传感器的测距范围有限，且对于复杂环境中的小型障碍物检测效果较差。另一种常用的无人机障碍物识别技术是激光雷达。激光雷达可以提供更精确的障碍物检测和距离测量，无人机可以通过激光雷达实时感知周围环境并进行障碍物识别。然而，激光雷达的成本较高，且对于快速移动的障碍物的检测和跟踪存在一定的挑战。此外，视觉传感器也被广泛应用于无人机障碍物识别中。无人机可以使用摄像头或深度相机等视觉传感器来感知周围环境，并通过图像处理和计算机视觉算法来检测和识别障碍物。然而，视觉传感器在低本文档来自技高网...

【技术保护点】

1.基于深度学习的无人机障碍物识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于深度学习的无人机障碍物识别方法，其特征在于，所述cost volume是由两个图像之间的像素差异和视差值d构成的三维张量。

3.根据权利要求1所述的基于深度学习的无人机障碍物识别方法，其特征在于，构建cost volume的方法为：

4.一种无人机避障方法，其特征在于，所述方法包括：

【技术特征摘要】

1.基于深度学习的无人机障碍物识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于深度学习的无人机障碍物识别方法，其特征在于，所述cost volume是由两个图像之间的像素差异...

【专利技术属性】
技术研发人员：常志中，汪国会，张云峰，王香珊，
申请(专利权)人：黑龙江惠达科技股份有限公司，
类型：发明
国别省市：