【技术实现步骤摘要】
本专利技术涉及无人机控制，尤其涉及一种基于计算机视觉和深度学习的单应性辅助无人机降落方法。
技术介绍
1、无人机在户外飞行时面临光照变化、运动模糊、部分遮挡等干扰，影响单应性矩阵估计精度；传统的基于特征的单应性估计方法在弱纹理或重复纹理区域无法提取足够特征点，导致匹配失败；而对于基于深度学习的单应性估计方法，大多针对同源(如可见光)图像进行单应性矩阵的估计，在复杂环境，如大雾、黑夜、低光照环境下表现具有较大的误差。
2、传统的sift特征提取与匹配方法耗时高（＞100ms），难以满足实时控制需求；而针对基于深度学习的单应性估计方法也依赖于较高的学习参数量，且同样具有较高的推理时间，难以在嵌入式的无人机平台上进行实时运行。
3、现有的无人机自主降落技术主要依赖多传感器融合和环境感知算法，核心目标是实现精准定位、避障和稳定着陆。主流技术方案主要包括以下几种：
4、多传感器融合方案：结合视觉、imu、gps、气压计等多传感器数据，通过卡尔曼滤波或ai算法提升鲁棒性。
5、超声波/红外测距辅助方法...
【技术保护点】
1.一种基于计算机视觉和深度学习的单应性辅助无人机降落方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于计算机视觉和深度学习的单应性辅助无人机降落方法，其特征在于，在“当无人机进入停靠平台范围内时，通过摄像头拍摄停靠平台相关图像，并利用基于深度学习的视觉模型，对预设画面图像与实时画面图像进行单应性矩阵求解”中，所述基于深度学习的视觉模型包括：
3.如权利要求2所述的基于计算机视觉和深度学习的单应性辅助无人机降落方法，其特征在于，在“将图结构特征输入改进的ViG模型，输出坐标偏移向量，再通过DLT算法得到单应性矩阵”中，所述ViG模型的
【技术特征摘要】
1.一种基于计算机视觉和深度学习的单应性辅助无人机降落方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于计算机视觉和深度学习的单应性辅助无人机降落方法，其特征在于，在“当无人机进入停靠平台范围内时，通过摄像头拍摄停靠平台相关图像，并利用基于深度学习的视觉模型，对预设画面图像与实时画面图像进行单应性矩阵求解”中，所述基于深度学习的视觉模型包括：
3.如权利要求2所述的基于计算机视觉和深度学习的单应性辅助无人机降落方法，其特征在于，在“将图结构特征输入改进的vig模型，输出坐标偏移向量，再通过dlt算法得到单应性矩阵”中，所述vig模型的基本块处理包括：
4.如权利要求1所述的基于计算机视觉和深度学习的单应性辅助无人机降落方法，其特征在于，在“根据计算得到的单应性矩阵，推导出在以平台中心为原点情况下，无人机当前位置相对于预设画面图像下无人机位置...
【专利技术属性】
技术研发人员：廖严浩，罗银辉，李成琪，钱基德，吴岳洲，傅强，华漫，郑迦馨，王学林，牛昭文，刘金奎，龙彦佐，
申请(专利权)人：中国民用航空飞行学院，
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。