一种无人机速度确定方法及装置与流程

本申请涉及无人机的技术领域，涉及一种无人机速度确定方法及装置。

背景技术：

目前行业内，在复杂的大气环境下，执行大气监测任务的无人机的速度确定方法，通常是通过超声波传感器加上无人机自身的加速度传感器和全球定位系统(globalpositioningsystem，gps)传感器来获得速度的，然后对获得的速度进行控制，然而，通过加速度传感器和gps传感器获得的速度有一定的误差，在无人机进行起飞和降落的过程中，这种误差会导致无人机对飞行速度控制的稳定性十分差，不能够很好的满足无人机对速度控制的要求。

技术实现要素：

有鉴于此，本申请提供一种无人机速度确定方法及装置，用于改善现有技术中无人机对飞行速度控制的稳定性十分差的问题。

本申请实施例提供了的一种无人机速度确定方法，所述方法包括：接收第一图像和第二图像，所述第一图像和所述第二图像的拍摄时间间隔为预设时间段；对比所述第一图像和第二图像，从所述第一图像和所述第二图像中确定出表征同一区域的区域图像，所述区域图像中包括预设数量的平方个像素点，所述像素点在所述第二图像的位置相对于在所述第一图像的位置的移动方向相同；将所述预设数量的平方个像素点的坐标值代入第一预设方程，获得第一速度矢量和第二速度矢量；根据所述第一速度矢量和所述第二速度矢量，获得所述无人机的实际运行速度。使用该方法通过第一图像和第二图像进行一系列计算获得无人机的实际运行速度，使得速度的获取更加精确，从而有效地改善了现有技术中无人机对飞行速度控制的稳定性十分差的问题。

可选地，在本申请实施例中，在所述将所述预设数量的平方个像素点的坐标值代入第一预设方程，获得第一速度矢量和第二速度矢量之前，还包括:对第二预设方程使用泰勒级数展开，获得第一方程；对所述第一方程进行预设变换，获得第二方程；对所述第二方程进行拟合求解，获得所述第一预设方程。使用该方法对第二预设方程使用泰勒级数展开，在距离的近似计算中发挥了重要的作用，从而使得速度的获取更加精确。

可选地，在本申请实施例中，所述对第二预设方程使用泰勒级数展开，获得第一方程，包括：

对第二预设方程i(x,y,t)＝i(x+dx,y+dy,t+dt)使用泰勒级数展开，获得第一方程

其中，x是指像素点在图像中的横坐标，y是指像素点在图像中的纵坐标，t是指时间，dx表示像素点在横坐标中移动的距离，dy表示像素点在纵坐标中移动的距离，dt为所述预设时间段，di为像素点在所述预设时间段内移动的直线距离，g为高阶微量常数。

可选地，在本申请实施例中，所述对所述第一方程进行预设变换，获得第二方程，包括：

根据所述第一图像和所述第二图像之间的像素灰度不变，相邻的两帧像素具有相对连续运动，且位移比例相对较小，对所述第一方程进行预设变换，即变换为其中，x是指像素点在图像中的横坐标，y是指像素点在图像中的纵坐标，t是指时间，dx表示像素点在横坐标中移动的距离，dy表示像素点在纵坐标中移动的距离，dt为所述预设时间段，di为像素点在所述预设时间段内移动的直线距离；

根据获得其中，u,v分别为图像中像素点沿x轴与y轴的速度矢量，ix,iy图像中像素点的灰度沿x,y方向的偏导数，k为变量系数，w为所述预设数量；

根据获得第二方程其中，u,v分别为图像中像素点沿x轴与y轴的速度矢量，即u为所述第一速度矢量，v为所述第二速度矢量，a为所述像素点的灰度沿x,y方向的偏导数，b为所述像素点在时间维度的偏导数。

可选地，在本申请实施例中，所述对所述第二方程进行拟合求解，获得第一预设方程，包括：

将第二方程变换，获得第一预设方程

其中，u,v分别为图像中像素点沿x轴与y轴的速度矢量，即u为所述第一速度矢量，v为所述第二速度矢量，ix,iy图像中像素点的灰度沿x,y方向的偏导数，i为变量系数。

可选地，在本申请实施例中，在所述根据所述第一速度矢量和所述第二速度矢量，获得所述无人机的实际运行速度之后，还包括：对摄像头拍摄获得的地面图像进行第一预设运算，获得位置偏差，所述位置偏差为所述地面图像中的目标降落点与所述地面图像的投影位置点的直线距离，其中，所述投影位置点为所述无人机垂直投影在地面位置点；根据所述位置偏差和所述实际运行速度，控制所述无人机飞行到所述目标降落点的正上方位置；根据获得的所述无人机与地面的高度数据，控制所述无人机从所述正上方位置降落到所述目标降落点。使用该方法通过计算地面图像中的目标降落点与所述地面图像的投影位置点的直线距离作为位置偏差，并获取高度数据以控制飞行和降落，增加了无人机在降落至目标降落点过程中的有效性和稳定性。

可选地，在本申请实施例中，所述对摄像头拍摄获得的地面图像进行第一预设运算，获得位置偏差，包括：在所述地面图像中寻找与所述目标降落点的预设特征相同的点坐标，作为降落点坐标；根据所述降落点坐标与所述地面图像的对称中心点所在的位置坐标，计算所述位置偏差。使用该方法通过计算地面图像中的目标降落点与所述地面图像的投影位置点的直线距离作为位置偏差，增加了无人机在飞行至目标降落点的正上方的有效性和稳定性。

本申请实施例还提供了一种无人机速度确定装置，所述装置包括：拍摄图像接收模块，用于接收第一图像和第二图像，所述第一图像和所述第二图像的拍摄时间间隔为预设时间段；区域图像确定模块，用于对比所述第一图像和第二图像，从所述第一图像和所述第二图像中确定出表征同一区域的区域图像，所述区域图像中包括预设数量的平方个像素点，所述像素点在所述第二图像的位置相对于在所述第一图像的位置的移动方向相同；速度矢量获得模块，用于将所述预设数量的平方个像素点的坐标值代入第一预设方程，获得第一速度矢量和第二速度矢量；运行速度获得模块，用于根据所述第一速度矢量和所述第二速度矢量，获得所述无人机的实际运行速度。

可选地，在本申请实施例中，所述装置还包括：第一方程获得模块，用于对第二预设方程使用泰勒级数展开，获得第一方程；第二方程获得模块，用于对所述第一方程进行预设变换，获得第二方程；预设方程获得模块，用于对所述第二方程进行拟合求解，获得所述第一预设方程。

可选地，在本申请实施例中，所述装置还包括：位置偏差获得模块，用于对摄像头拍摄获得的地面图像进行第一预设运算，获得位置偏差，所述位置偏差为所述地面图像中的目标降落点与所述地面图像的投影位置点的直线距离，其中，所述投影位置点为所述无人机垂直投影在地面位置点；目标飞行控制模块，用于根据所述位置偏差和所述实际运行速度，控制所述无人机飞行到所述目标降落点的正上方位置；目标降落控制模块，用于根据获得的所述无人机与地面的高度数据，控制所述无人机从所述正上方位置降落到所述目标降落点。

本申请提供一种无人机速度确定方法及装置，通过接收拍摄到的第一图像和第二图像，并从第一图像和第二图像确定出表征同一区域的区域图像，该区域图像中包括移动方向相同的预设数量的平方个像素点，将这些像素点的坐标值代入第一预设方程计算出第一速度矢量和第二速度矢量，最后再通过第一速度矢量和第二速度矢量计算出实际运行速度。通过从拍摄到的两张图像计算获得无人机的实际运行速度，从而有效地改善了现有技术中无人机对飞行速度控制的稳定性十分差的问题。

为使本申请的上述目的和优点能更明显易懂，下文特举较佳实施例，并配合附图，作详细说明如下。

附图说明

为了更清楚的说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了实施例提供的电子设备结构示意图；

图2示出了无人机速度确定方法流程示意图；

图3示出了区域图像包括预设数量的平方个像素点在图像间的移动示意图；

图4示出了无人机速度确定方法步骤s130之前的流程示意图；

图5示出了无人机速度确定方法步骤s140之后的流程示意图；

图6示出了无人机速度确定方法步骤s150的流程示意图；

图7示出了无人机速度确定装置结构示意图；

图8示出了无人机速度确定装置的全部结构示意图。

图标：100-无人机速度确定装置；101-处理器；102-存储器；103-存储介质；109-电子设备；110-拍摄图像接收模块；120-区域图像确定模块；130-速度矢量获得模块；140-运行速度获得模块；150-第一方程获得模块；160-第二方程获得模块；170-预设方程获得模块；180-位置偏差获得模块；190-目标飞行控制模块；200-目标降落控制模块。

具体实施方式

以下将对本申请实施例中的部分用语进行解释说明，以便于本领域技术人员理解。

矩阵，是高等代数学中的常见工具，也常见于统计分析等应用数学的学科中，矩阵的运算是数值分析领域的重要问题。

相位信息，根据在图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系。

泰勒级数(英语：taylorseries)，在数学中，泰勒级数用无限项的连加式级数来表示一个函数，这些相加的项由函数在某一点的导数求得。

最小二乘法(又称最小平方法)，是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。

另外，需要理解的是，在本申请实施例的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或者暗示相对重要性，也不能理解为指示或者暗示顺序。

下面结合附图，对本申请实施例的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参见图1，图1示出了电子设备结构示意图。本申请实施例提供的一种电子设备109，包括：处理器101和存储器102，存储器102存储有处理器101可执行的机器可读指令，机器可读指令被处理器101执行时执行无人机速度确定方法。

在具体的实施过程中，对无人机速度确定方法的相关计算可以用图形处理器(graphicsprocessingunit，gpu)进行加速，因此，该电子设备还可以包括图形处理器。此外，在使用分布式计算框架时需要使用通信接口，该电子设备还可以包括通讯与网络扩展卡、光纤卡或者多串口通信卡等部件，在此不再赘述。

请参见图1，本申请实施例提供了的一种存储介质103，该存储介质103上存储有计算机程序，该计算机程序被处理器101运行时执行无人机速度确定方法。

本领域技术人员可以理解，图1中示出的电子设备的结构并不构成对该设备的限定，本申请实施例提供的设备可以包括比图示更多或者更少的部件，或者不同的部件布置。

第一实施例

请参见图2，图2示出了无人机速度确定方法流程示意图。本申请实施例提供了的一种无人机速度确定方法，方法包括：

步骤s110：接收第一图像和第二图像，第一图像和第二图像的拍摄时间间隔为预设时间段。

需要说明的是，该无人机速度的确定方法可以由图1中示出的电子设备来执行，该电子设备为无人机的组件，该组建可以是无人机的飞行控制器。在一些实施例中，无人机可以配置gpu，该gpu可以为飞行控制器执行该无人机速度的确定方法提供协助，提高无人机速度的确定方法相关运算的运算速度。因此，该无人机速度确定方法的具体执行主体不应理解为对本申请实施例的限制。

其中，这里的第一图像和第二图像是在摄像头采集到的两帧图像，这两帧图像之间的像素灰度不变。无人机上的摄像头在拍摄获得图像后，该摄像头可以安装在无人机的正下方。

这里的预设时间段，可以根据需求设置，例如为100毫秒，可以为300毫秒，也可以为500毫秒，也可以为1000毫秒。可选的，为了更灵活的采集图像，可以结合无人机的飞行速度设置该预设时间段，在无人机飞行速度较大时，该预设时间段的数值可以较小，反之，在无人机飞行速度较小时，该预设时间段的数值可以较大，例如，当无人机的飞行速度为20千米/小时，则预设时间段的数值可以为100毫秒；当无人机的飞行速度为5千米/小时，则预设时间段的数值可以为500毫秒。

步骤s120：对比第一图像和第二图像，从第一图像和第二图像中确定出表征同一区域的区域图像，区域图像中包括预设数量的平方个像素点。

其中，在具体的实施过程中，这里的预设数量通常是指窗口(通常在图像处理时需要的临时滑动窗口，类似于photoshop中的在图像上用选择工具画矩形选择框)的像素点的个数，即窗口的长度，窗口长度的具体值可以为2，也可以为3，也可以为5。例如，当这里的预设数量为3时，区域图像中包括9(3的平方)个像素点。

请参见图3，图3示出了区域图像包括预设数量的平方个像素点在图像间的移动示意图。该预设数量的平方个像素点在第二图像的位置相对于在第一图像的位置，移动方向是一致的。沿用该预设数量为3的例子，该区域图像包括的9个像素点具有相同的移动方向，换句话说，这9个像素点在同一帧图像内都具有相同的移动方向，例如，t时刻位于(x,y)处的像素，设t+dt的位置为(x+dt,y+dt)，dt代表预设的时间间隔。

在具体的实施过程中，可以根据第一图像和第二图像来计算区域图像，区域图像的计算方法可以由飞行控制器使用openmv模块来完成，其中，这里的openmv模块是一个开源、低成本、功能强大的机器视觉处理的软件模块，由飞行控制器执行对应的软件程序实现。openmv模块中的机器视觉算法包括寻找色块、人脸检测、眼球跟踪、边缘检测、标志跟踪等，可以用来实现非法入侵检测、产品的残次品筛选、跟踪固定的标记物等。飞行控制器是无人机的硬件组件，而openmv模块是在飞行控制器上运行的软件模块，硬件组件和软件模块结合使用使得该方法的计算更加方便，计算速度也更快。

本申请实施例中，可以通过像素灰度值来确定第一图像和第二图像中的同一实际区域的区域图像，例如，一个视频的相邻两张图像同一实际特定区域的像素灰度值是固定不变的，具体地，这里的相邻两张图像可以是指第一图像和第二图像，第一图像可以包括两行两列的区域图像灰度值为[[1,2],[3,4]]，第二图像可以包括不同位置的两行两列的区域图像灰度值为[[1,2],[3,4]]，因此，可以根据上述分析确定第一图像和第二图像中的同一实际区域的区域图像为灰度值相同的区域图像。因此，这里的表征同一区域的区域图像的具体方法不应理解为对本申请实施例的限制。

步骤s130：将预设数量的平方个像素点的坐标值代入第一预设方程，获得第一速度矢量和第二速度矢量。

第一预设方程是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性构建方程后，经过系列步骤获得的，这里的系列步骤包括：泰勒级数展开、等式变换和拟合求解。

步骤s140：根据第一速度矢量和第二速度矢量，获得无人机的实际运行速度。

在一种实现方式中，第一速度矢量为v1，第二速度矢量为v2，那么无人机的实际运行速度为具体地，例如，第一速度矢量为3，第二速度矢量为4，那么无人机的实际运行速度为

上述方法通过第一图像和第二图像进行一系列计算获得无人机的实际运行速度，使得获得速度的精确性更高，以更加精确的控制无人机在飞行中的速度，从而有效地改善了现有技术中无人机对飞行速度控制的稳定性十分差的问题。

可选地，请参见图4，图4示出了无人机速度确定方法步骤s130之前的流程示意图。在本申请实施例中，在步骤s130之前，还包括:

步骤s101：对第二预设方程使用泰勒级数展开，获得第一方程。

在本申请实施例中，该步骤具体可以包括如下步骤：

对第二预设方程i(x,y,t)＝i(x+dx,y+dy,t+dt)使用泰勒级数展开，获得第一方程

其中，x是指像素点在图像中的横坐标，y是指像素点在图像中的纵坐标，t是指时间，dx表示像素点在横坐标中移动的距离，dy表示像素点在纵坐标中移动的距离，dt为预设时间段，di为像素点在预设时间段内移动的直线距离，g为高阶微量常数。使用该方法对第二预设方程使用泰勒级数展开，在距离的近似计算中发挥了重要的作用，从而使得速度的获取更加精确。

步骤s102：对第一方程进行预设变换，获得第二方程。

可选地，在本申请实施例中，该步骤具体可以包括如下步骤：

根据第一图像和第二图像之间的像素灰度不变，相邻的两帧像素具有相对连续运动，且位移比例相对较小，对第一方程进行预设变换，即变换为其中，x是指像素点在图像中的横坐标，y是指像素点在图像中的纵坐标，t是指时间，dx表示像素点在横坐标中移动的距离，dy表示像素点在纵坐标中移动的距离，dt为预设时间段，di为像素点在预设时间段内移动的直线距离；

根据获得其中，u,v分别为图像中像素点沿x轴与y轴的速度矢量，ix,iy图像中像素点的灰度沿x,y方向的偏导数，k为变量系数，w为预设数量；

根据获得第二方程其中，u,v分别为图像中像素点沿x轴与y轴的速度矢量，即u为第一速度矢量，v为第二速度矢量，a为像素点的灰度沿x,y方向的偏导数，b为像素点在时间维度的偏导数。

步骤s103：对第二方程进行拟合求解，获得第一预设方程。

可选地，在本申请实施例中，该步骤具体可以包括如下步骤：

将第二方程变换，获得第一预设方程

其中，u,v分别为图像中像素点沿x轴与y轴的速度矢量，即u为第一速度矢量，v为第二速度矢量，ix,iy图像中像素点的灰度沿x,y方向的偏导数，i为变量系数。

请参见图5，图5示出了无人机速度确定方法步骤s140之后的流程示意图。可选地，在本申请实施例中，在根据第一速度矢量和第二速度矢量，获得无人机的实际运行速度之后，即在步骤s140之后，还包括：

步骤s150：对摄像头拍摄获得的地面图像进行第一预设运算，获得位置偏差。

其中，这里的位置偏差为地面图像中的目标降落点与地面图像的投影位置点的直线距离，该投影位置点为无人机垂直投影在地面位置点。

请参见图6，图6示出了无人机速度确定方法步骤s150的流程示意图。可选地，在本申请实施例中，该步骤可以具体包括如下步骤：

步骤s151：在地面图像中寻找与目标降落点的预设特征相同的点坐标，作为降落点坐标。

其中，这里的预设特征可以是目标降落点的具体形状，例如目标降落点的形状为h形状，也可以是z形状。当然，预设特征也可以是目标降落点的特殊颜色，例如醒目的红色标记作为目标降落点。当然，预设特征也可以是目标降落点的具体形状加颜色，例如，醒目的红色h形状标记作为目标降落点。因此，这里的预设特征不应理解为对本申请实施例的限制。

步骤s152：根据降落点坐标与地面图像的对称中心点所在的位置坐标，计算位置偏差。

其中，无人机的摄像头可以安装在无人机的正下方，可以利用openmv模块来计算位置偏差，具体的计算方式，例如，当无人机发现地面目标时，以地面图像的对称中心点作为参考点。因此，地面目标相对与无人机的在地面图像上的位置偏差，就是降落点坐标相较于地面图像的对称中心点所在的位置坐标的相对位置。因此，这里的位置偏差的具体计算方式不应理解为对本申请实施例的限制。

步骤s160：根据位置偏差和实际运行速度，控制无人机飞行到目标降落点的正上方位置。

其中，在飞过了目标降落点的正上方位置时，可以进行对gps自身的位置误差和信号漂移的补偿，具体的方式例如，openmv将目标的位置作为反馈数据，位置式控制器根据第t次被控量采样结果与设定值之间的偏差计算出第t次采样之后所输出的控制变量：其中,u(t)为第t次采样之后所输出的控制变量，e(t)为预设定值与实际测量值的差值，kp是比例系数；ti是积分周期；td是微分周期。

当期望位置与当前位置偏差越大时，输出的期望速度越大，无人机需要的期望姿态角也越大，飞行器会更及时的锁定在目标上方，从而实现对gps自身的位置误差和信号漂移的补偿。飞行控制模块结合激光传感器反馈的高度数据使得大气监测无人机能够精准的降落到指定地点，从而降低了对飞行器降落空域的要求。

步骤s170：根据获得的无人机与地面的高度数据，控制无人机从正上方位置降落到目标降落点。

其中，控制无人机从正上方位置降落到目标降落点的过程中，以及控制无人机飞行到目标降落点的正上方位置的过程中，不但要对无人机的速度进行控制，也要对无人机的姿态进行控制。当大气监测无人机到达指定区域时，即当无人机的gps坐标在目标区域内，无人机会收到上位机发送的降落命令。为了提高降落的精度，无人机如果只收到上位机的一次反馈，这是不能满足无人机的降落要求的，特别是在大气监测领域工作的无人机的降落要求。当无人机控制单元接收到预设次数的上位机反馈时，此时无人机将会在目标区域的预设高度悬停预设时间。这里的预设次数可以为3次，也可以为5次，这里的预设高度可以为3米，也可以为5米，这里的预设时间可以为10秒，也可以15秒，也可以是20秒。因此，这里的预设高度和悬停的预设时间，不应理解为对本申请实施例的限制。

需要说明的是，使用该方法通过计算地面图像中的目标降落点与地面图像的投影位置点的直线距离作为位置偏差，并获取高度数据以控制飞行和降落，增加了无人机在降落至目标降落点过程中的有效性和稳定性。

第二实施例

请参见图7，图7示出了无人机速度确定装置结构示意图。本申请实施例提供了一种无人机速度确定装置100，无人机速度确定装置100包括：

拍摄图像接收模块110，用于接收第一图像和第二图像，第一图像和第二图像的拍摄时间间隔为预设时间段。

区域图像确定模块120，用于对比第一图像和第二图像，从第一图像和第二图像中确定出表征同一区域的区域图像，区域图像中包括预设数量的平方个像素点，像素点在第二图像的位置相对于在第一图像的位置的移动方向相同。

速度矢量获得模块130，用于将预设数量的平方个像素点的坐标值代入第一预设方程，获得第一速度矢量和第二速度矢量。

运行速度获得模块140，用于根据第一速度矢量和第二速度矢量，获得无人机的实际运行速度。

请参见图8，图8示出了无人机速度确定装置的全部结构示意图。可选地，在本申请实施例中，装置还包括：

第一方程获得模块150，用于对第二预设方程使用泰勒级数展开，获得第一方程。

第二方程获得模块160，用于对第一方程进行预设变换，获得第二方程。

预设方程获得模块170，用于对第二方程进行拟合求解，获得第一预设方程。

请参见图8，可选地，在本申请实施例中，装置还包括：

位置偏差获得模块180，用于对摄像头拍摄获得的地面图像进行第一预设运算，获得位置偏差，位置偏差为地面图像中的目标降落点与地面图像的投影位置点的直线距离，其中，投影位置点为无人机垂直投影在地面位置点。

目标飞行控制模块190，用于根据位置偏差和实际运行速度，控制无人机飞行到目标降落点的正上方位置。

目标降落控制模块200，用于根据获得的无人机与地面的高度数据，控制无人机从正上方位置降落到目标降落点。

本申请实施例提供的一种无人机速度确定方法及装置，通过接收拍摄到的第一图像和第二图像，并从第一图像和第二图像确定出表征同一区域的区域图像，该区域图像中包括移动方向相同的预设数量的平方个像素点，将这些像素点的坐标值代入第一预设方程计算出第一速度矢量和第二速度矢量，最后再通过第一速度矢量和第二速度矢量计算出实际运行速度。通过从拍摄到的两张图像计算获得无人机的实际运行速度，从而有效地改善了现有技术中无人机对飞行速度控制的稳定性十分差的问题。

以上仅为本申请实施例的优选实施例而已，并不用于限制本申请实施例，对于本领域的技术人员来说，本申请实施例可以有各种更改和变化。凡在本申请实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请实施例的保护范围之内。