本发明涉及一种无人机避障技术,尤其涉及一种基于RTK的无人机飞行避障系统和方法。
背景技术:
无人机在执行为农作物喷洒农药的任务过程中,可能会遇到电线杆、大树等障碍物出现在无人机飞行的规划路径中。如果不能实时避障,可能会造成无人机的直接坠机,因此,无人机的实时避障系统是无人机顺利完成飞行任务的重要安全保障,对于无人机的正常作业,起着十分关键的作用。
而传统的无人机无法实现高精度自主实时避障,因此只能实现在远离障碍物的地方进行自驾飞行,而在靠近障碍物的复杂飞行区域内,只能通过经验丰富的飞手进行手动辅助飞行。而现阶段无人机实时避障系统大多数都处于仿真阶段,真正具有实用性和可行性的比较少。
技术实现要素:
本发明的目的在于克服现有技术的不足,提供一种基于RTK的无人机飞行避障系统和方法,解决了无人机在飞行过程中,遇到障碍物不能及时避开而导致无人机坠机的问题。
本发明的目的是通过以下技术方案来实现的:一种基于RTK的无人机飞行避障系统,包括摄像头、判断模块、图像处理器、标记模块和RTK定位系统;所述的摄像头主要是拍摄飞行航线前方的图片;所述的图像处理器主要是对拍摄到的图像进行实时处理,并发现类似障碍物的物体;所述的判断模块主要是判断有无障碍物和是否能够绕过障碍物;所述的标记模块主要是在地面站控制端设置标记点的方式,设置飞行路径中的障碍物;所述的RTK定位系统即载波相位差分技术主要是精确确定飞行轨迹,绕过障碍物。
所述的图像处理器包括镜头组、感光传感器和CPU,所述的镜头组将无人机运行轨迹上的前方画面透射到感光传感器上,然后在感光传感器上成像,最后将所呈现的图像传递给CPU处理,发现类似障碍物的物体。
所述的摄像头主要是根据无人机飞行路径拍摄飞行航线前方的图片,所述的标记模块主要根据地面站软件对飞行航线中的障碍物进行标记。
所述的判断模块包括第一判断模块和第二判断模块,所述的第一判断模块主要是判断无人机前方是否有障碍物,所述的第二判断模块主要是根据障碍物的大小判断是否能够绕过。
所述的RTK定位系统的功能包括精确定位无人机位置和修正航线确定飞行轨迹。
一种基于RTK的无人机飞行避障方法,所述的方法的步骤如下:
S1、无人机起飞,按照规划路径正常飞行;
S2、通过摄像头实时拍摄飞行航线前方的图片;
S3、将拍摄的图片传到图像处理器;
S4、地面站控制端标记障碍物;
S5、图像处理器对障碍物图片进行处理后,将处理结果传到RTK定位系统;
S6、RTK定位系统对无人机自身精确定位,然后根据障碍物的大小快速对航线进行修正,确定飞行轨迹,最后绕过障碍物;
S7、绕过障碍物后,按照原来的规划路径继续飞行。
所述的步骤S5中的图片处理的方法为:
S51、从拍摄的图片中判断无人机航线前方有无障碍物;
S52、如果没有障碍物,图像处理器处理后不需要传给RTK定位系统,无人机继续正常飞行;
S53、如果有障碍物,图像处理器处理后将障碍物大小的估计和水平方向偏值传给RTK定位系统。
所述的S6中的绕过障碍物的方法为:
S61、根据图像处理器识别的障碍物的大小,判断无人机能否绕过障碍物;
S62、如果障碍物过大无法绕过时,无人机返回起飞点;
S63、如果能够绕过障碍物,计算无人机的偏移角度,从无人机的右边绕过障碍物。
本发明的有益效果是:一种基于RTK的无人机飞行避障系统和方法,不需要特别的硬件,只采用摄像头减轻了无人机的重量,降低了无人机的成本。采用RTK定位系统可以把无人机定位精度提升到厘米级别,使无人机在飞行过程中可以实时获知自身准确的空间位置,为实时避障和误差正航线进行快速修正提供支持。
附图说明
图1为系统流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种基于RTK的无人机飞行避障系统,包括摄像头、判断模块、图像处理器、标记模块和RTK(载波相位差分技术)定位系统;所述的摄像头主要是拍摄飞行航线前方的图片;所述的图像处理器主要是对拍摄到的图像进行实时处理,并发现类似障碍物的物体;所述的判断模块主要是判断有无障碍物和是否能够绕过障碍物;所述的标记模块主要是在地面站控制端设置标记点的方式,设置飞行路径中的障碍物;所述的RTK定位系统即载波相位差分技术主要是精确确定飞行轨迹,绕过障碍物。
所述的图像处理器包括镜头组、感光传感器和CPU,所述的镜头组将无人机运行轨迹上的前方画面透射到感光传感器上,然后在感光传感器上成像,最后将所呈现的图像传递给CPU处理,发现类似障碍物的物体。
所述的摄像头主要是根据无人机飞行路径拍摄飞行航线前方的图片,所述的标记模块主要根据地面站软件对飞行航线中的障碍物进行标记。
所述的判断模块包括第一判断模块和第二判断模块,所述的第一判断模块主要是判断无人机前方是否有障碍物,所述的第二判断模块主要是根据障碍物的大小判断是否能够绕过。
所述的RTK定位系统的功能包括精确定位无人机位置和修正航线确定飞行轨迹。
一种基于RTK的无人机飞行避障方法,所述的方法的步骤如下:
S1、无人机起飞,按照规划路径正常飞行;
S2、通过摄像头实时拍摄飞行航线前方的图片;
S3、将拍摄的图片传到图像处理器;
S4、地面站控制端标记障碍物;
S5、图像处理器对障碍物图片进行处理后,将处理结果传到RTK定位系统;
S6、RTK定位系统对无人机自身精确定位,然后根据障碍物的大小快速对航线进行修正,确定飞行轨迹,最后绕过障碍物;
S7、绕过障碍物后,按照原来的规划路径继续飞行。
所述的步骤S5中的图片处理的方法为:
S51、从拍摄的图片中判断无人机航线前方有无障碍物;
S52、如果没有障碍物,图像处理器处理后不需要传给RTK定位系统,无人机继续正常飞行;
S53、如果有障碍物,图像处理器处理后将障碍物大小的估计和水平方向偏值传给RTK定位系统。
所述的S6中的绕过障碍物的方法为:
S61、根据图像处理器识别的障碍物的大小,判断无人机能否绕过障碍物;
S62、如果障碍物过大无法绕过时,无人机返回起飞点;
S63、如果能够绕过障碍物,计算无人机的偏移角度,从无人机的右边绕过障碍物。
在图像处理器中的CPU上,运行linux系统和深度学习神经网络框架。深度学习神经网络用于识别感光传感器送过来的图像中的物体。包含输入网络,学习网络,输出网络。学习网络处理图像输入,需要预先输入1000张左右障碍物的图像,然后告诉学习网络此为障碍物。通过学习障碍物的图像后,搭载到无人机上从而实时识别障碍物。在输出网络链接到无人机的飞行控制器。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。