【技术实现步骤摘要】
本专利技术涉及无人机系统,具体涉及一种基于深度学习的无人机路径规划方法。
技术介绍
1、当前火灾的救援基本依靠消防人员探查,但是由于火场存在明火区域、气体泄漏和减震物坍塌的风险,当前通消防无人机扫进入建筑内部辅助消防救援;
2、但是,当前消防无人机缺乏有效的路径规划功能同时无法对上述风险进行检测,同时无法对风险区域和被困人员进行探查标记以提高消防救援效率。
3、基于此,本专利技术设计了一种基于深度学习的无人机路径规划方法以解决上述问题。
技术实现思路
1、针对现有技术所存在的上述缺点,本专利技术提供了一种基于深度学习的无人机路径规划方法。
2、为实现以上目的,本专利技术通过以下技术方案予以实现:
3、一种基于深度学习的无人机路径规划方法,无人机内预存有地图,无人机进入火场前消防员在地图上绘制预设的飞行路线,无人机基于飞行路线飞行;
4、无人机实时拍摄照片并识别照片中的风险区域,对风险区域进行检测,并将检测数据标记于地图上;
...【技术保护点】
1.一种基于深度学习的无人机路径规划方法,其特征在于:无人机内预存有地图(1),无人机进入火场前消防员在地图(1)上绘制预设的飞行路线(2),无人机基于飞行路线(2)飞行;
2.根据权利要求1所述的基于深度学习的无人机路径规划方法,其特征在于,所述风险区域(3)包括明火区域(31)、坍塌区域(32)和气体泄漏区域(33)。
3.根据权利要求2所述的基于深度学习的无人机路径规划方法,其特征在于,当风险区域(3)为明火区域(31)时,无人机拍摄明火图片并进行处理计算当前的明火面积和火焰上方的压强以及明火分级后显示于地图(1)上;
4.根
...【技术特征摘要】
1.一种基于深度学习的无人机路径规划方法,其特征在于:无人机内预存有地图(1),无人机进入火场前消防员在地图(1)上绘制预设的飞行路线(2),无人机基于飞行路线(2)飞行;
2.根据权利要求1所述的基于深度学习的无人机路径规划方法,其特征在于,所述风险区域(3)包括明火区域(31)、坍塌区域(32)和气体泄漏区域(33)。
3.根据权利要求2所述的基于深度学习的无人机路径规划方法,其特征在于,当风险区域(3)为明火区域(31)时,无人机拍摄明火图片并进行处理计算当前的明火面积和火焰上方的压强以及明火分级后显示于地图(1)上;
4.根据权利要求3所述的基于深度学习的无人机路径规划方法,其特征在于,当风险区域(3)为坍塌区域(32)时,无人机对坍塌区域(32)进行结构检测,当坍塌区域(32)存在应力薄弱点时,无人机标记该处坍塌区域(32)...
【专利技术属性】
技术研发人员:宗煊逸,徐钦儿,赵静雯,程实,周建美,
申请(专利权)人:南通大学,
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。