一种基于无人机视觉感知的定点降落方法技术

本发明专利技术属于无人机视觉与图像处理领域，涉及一种基于无人机视觉感知的定点降落方法，包括：无人机采集视频流，将视频流逐帧分解得到图像序列，并将图像序列发送给地面站；地面站对图像序列进行预处理，并根据改进的Yolov5检测模型对预处理后的图像序列进行检测，得到目标帧图像；地面站获取无人车的位置，计算目标帧图像的检测框中心点与目标帧图像中心点的偏移量，生成执行命令，并将偏移量、执行命令以及无人车的位置发送给无人机；无人机根据接收的数据执行降落，直至降落到无人车车顶；本发明专利技术通过改进的Yolov5目标检测模型，保证了无人机在执行定点降落任务过程中，在不同高度下对大、中、小目标检测模型的检测精度。

【技术实现步骤摘要】

本专利技术属于无人机视觉与图像处理领域，涉及一种基于无人机视觉感知的定点降落方法。

技术介绍

1、随着无人机(unmanned aerial vehicle，uav)的发展，搭载了视觉传感器的垂直起降(vertical takeoff and landing，vtol)无人机有着广泛的应用，如救援搜索、环境监测、交通流监控、物资运输等。这些应用场景无一不需要无人机具备精准定位的能力，传统的无人机定点降落方法通常依赖于全球定位系统(gps)，但不可避免的是，无人机在户外进行作业时，会出现gps信号弱或gps信号缺失的情况。在gps信号失效的情况下，无人机的定位则需要依赖其他手段来实现精准定位。

2、随着深度学习和机器视觉的不断发展，目标检测算法作为视觉与图像处理领域中的关键技术，使得无人机实现自主定点精准降落得到了可能。无人机在动态场景下实现自主定点精准降落涉及到图像处理、通信传输、无人机控制以及机器学习等研究领域，其中通过对降落目标实现稳定、快速的检测，从而完成降落目标与无人机之间相对位置的计算和无人机控制。在智能交通系统(intelligen本文档来自技高网...

【技术保护点】

1.一种基于无人机视觉感知的定点降落方法，其特征在于，包括：

2.根据权利要求1所述的一种基于无人机视觉感知的定点降落方法，其特征在于，改进的Yolov5检测模型包括：Input层、改进的Backbone网络、改进的Neck网络以及改进的Head网络；改进的Backbone网络对原始Yolov5网络的改进包括：在原始Yolov5网络的Backbone网络的每个C3模块后添加一个CBAM模块，将原始Yolov5网络的Backbone网络的第一个卷积模块替换为Focus模块；其中，CBAM模块为卷积注意力模块。

3.根据权利要求2所述的一种基于无人机视觉感知的定点降落...

【技术特征摘要】

1.一种基于无人机视觉感知的定点降落方法，其特征在于，包括：

2.根据权利要求1所述的一种基于无人机视觉感知的定点降落方法，其特征在于，改进的yolov5检测模型包括：input层、改进的backbone网络、改进的neck网络以及改进的head网络；改进的backbone网络对原始yolov5网络的改进包括：在原始yolov5网络的backbone网络的每个c3模块后添加一个cbam模块，将原始yolov5网络的backbone网络的第一个卷积模块替换为focus模块；其中，cbam模块为卷积注意力模块。

3.根据权利要求2所述的一种基于无人机视觉感知的定点降落方法，其特征在于，改进的neck网络对原始yolov5网络的改进包括：在原始yolov5网络的neck网络中引入bifpn；其中，bifpn为双向特征金字塔网络。

4.根据权利要求3所述的一种基于无人机视觉感知的定点降落方法，其特征在于，原始yolov5网络的neck网络包括自底向上的特征融合阶段a1和自顶向下的特征融合阶段a2，自底向上的特征融合阶段a1包括：卷积模块、upsample模块、concat模块、c3模块；自顶向下的特征融合阶段a2包括：卷积模块、concat模块、c3模块；

5.根据权利要求4所述的一种基于无人机视觉感知的定点降落方法，其特征在于，改进的neck网络对原始yolov5网络的改进还包括：将自底向上的特征融合阶段a1的卷积模块替换为dwconv模块；dwconv模块包括：dwconv层、bn层、silu激活层；其中，dwconv为深度可分离卷积。

6.根据权利要求2所述的一种基于无人机视觉感知的定点降落方法，其特征在于，改进的yolov5检测模型对原始yolov5网络的...

【专利技术属性】
技术研发人员：李永福，袁杰，黄鑫，黄龙旺，赵杭，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：