无人机降落区域的选择方法、无人机及介质与流程

本申请涉及无人机领域，特别是涉及一种无人机降落区域的选择方法、无人机及计算机可读存储介质。

背景技术：

近年来无人机被广泛的应用于农业、公共运输、公共安全等各个领域，无人机的使用数量出现了大规模的增加。随着人工智能的发展，无人机智能飞行，自主飞行受到了越来越多的关注。

目前大部分的无人机任务都是采用人工遥控无人机运动的模式。伴随着技术的发展和需求的改变，包括如军事，探测等方面都需要无人机能够自主运动，包括起飞、飞行、降落等动作。

在无人机的运动的各个阶段中，降落阶段最为关键，同时也伴随着最大的坠毁风险。目前，主要由人工控制无人机进行降落。随着无人机应用场景越来越广泛，自主降落将会成为无人机的主流，而相关技术中，无人机的自主降落存在对复杂环境适应差、选择的降落平面安全性差的问题。

技术实现要素：

本申请提供一种无人机降落区域的选择方法、无人机及计算机可读存储介质，以解决相关技术中无人机自主降落适应性差、安全性差的问题。

为解决上述技术问题，本申请提供一种无人机降落区域的选择方法。该方法包括：获取无人机坐标系下的地面区域的三维点集合；其中，无人机坐标系包括相互垂直的x轴、y轴和z轴，三维点集合包括多个三维点；根据每一三维点的平均曲率将三维点集合分类，得到包括至少一个平面点集的第一平面集合；在第一平面集合中确定符合预设条件的平面点集对应的区域作为可降落区域，预设条件包括平面点集的平面面积大于面积阈值，和平面点集的法向量与z轴之间的第一夹角小于第一角度阈值。

为解决上述技术问题，本申请提供一种无人机。该无人机包括深度相机、处理器和存储器，处理器耦接深度相机和存储器，在工作时执行指令，以配合深度相机和存储器实现上述的无人机降落区域的选择方法。

为解决上述技术问题，本申请提供一种计算机可读存储介质。计算机可读存储介质存储有计算机程序，计算机程序能够被处理器执行以实现上述的无人机降落区域的选择方法。

本申请通过将无人机预估降落的地面区域对应的多个三维点分类为至少一个平面点集，能够适应复杂场景。相较于二维图像识别降落环境，三维点能够更加准确、有效地提取出可降落区域。进一步地，本申请从第一平面集合中筛选平面面积大于面积阈值、与z轴之间的第一夹角小于第一角度阈值的平面点集对应的区域作为可降落区域，能够使得筛选出的可降落区域与无人机的当前位姿接近、对应的平面面积足够无人机降落，从而使得无人机能够更加安全稳妥地降落在可降落区域。

附图说明

图1是本申请提供的无人机一实施例的结构示意图；

图2是本申请提供的无人机降落区域的选择方法一实施例的流程示意图；

图3是本申请提供的根据每一三维点的平均曲率将三维点集合分类一实施方式的流程示意图；

图4是本申请提供的计算机可读存储介质一实施例的结构示意图。

具体实施方式

为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本申请所提供的无人机降落区域的选择方法、无人机及计算机可读存储介质做进一步详细描述。

请参阅图1，图1是本申请提供的无人机一实施例的结构示意图。本实施例中，无人机10可以是多旋翼无人机，包括深度相机11、处理器(图未示)、存储器(图未示)和多个旋翼12。

旋翼12的数量可以是3个、4个、6个或8个等。

深度相机11相比较传统的相机在功能上添加了一个深度测量，从而更方便准确的感知周围的环境及变化。本实施例中，深度相机11可以是tof(timeofflight，飞行时间法)。tof原理的深度相机11可以测量较远距离范围的目标，并且不受光照变化和物体纹理的影响，因而能够适应复杂的降落环境，采集的三维点云数据更加准确。

处理器在无人机10飞行过程中接收到降落信号时，控制深度相机11采集当前位置对应的地面区域的三维点云数据，并将三维点云数据存储到存储器中。

处理器从存储器提取三维点云数据，对三维点云数据进行滤波处理，得到三维点集合。三维点集合中包括多个无人机坐标系下的三维点，无人机坐标系包括相互垂直的x轴、y轴和z轴。

处理器根据每一三维点的平均曲率将三维点集合分类，得到包括至少一个平面点集的第一平面集合。每一平面集合对应于地面区域中的一个平面区域。利用三维点分割地面区域，可以不依赖预设的降落目标区域，从而能够适应多种应用场景，不受地理环境和所处位置的影响。

处理器在第一平面集合中确定符合预设条件的平面点集对应的区域作为可降落区域。预设条件包括平面点集的平面面积大于面积阈值，和平面点集的法向量与z轴之间的第一夹角小于第一角度阈值。其中，面积阈值是无人机10可降落的安全面积，例如无人机10的降落架(图未示)围成的区域面积。降落架围成的面积小于无人机10的正投影面积，能够在保证降落安全性的同时，减小对降落区域面积的约束。并且，平面点集的法向量与z轴之间的第一夹角小于第一角度阈值，也即该平面点集对应的平面与无人机10当前位姿下所处的平面(x轴和y轴所在的平面)的平面夹角小于第一角度阈值，从而保证无人机10降落该平面点集对应的可降落区域平稳、安全。

基于上述的无人机10，实现以下的无人机降落区域的选择方法的实施例：

请参阅图2，图2是本申请提供的无人机降落区域的选择方法一实施例的流程示意图。

s110：获取无人机坐标系下的地面区域的三维点集合。

其中，三维点集合包括多个三维点。

三维点可以是利用无人机携带的深度相机采集的。具体地，深度相机可以向地面区域连续发射光脉冲，然后接收从地面反射回去的光脉冲，通过计算发出到接收的光脉冲的飞行时间进行地面区域相对于深度相机的距离，从而得到无人机坐标系下的地面区域的三维点云数据。无人机坐标系与无人机固连，原点在无人机的重心处，x轴指向无人机机头(机头方向与多个旋翼的布局有关)，z轴在无人机对称平面内垂直x轴向下，根据右手定则确定与x轴和z轴垂直的y轴。

三维点集合中的三维点可以是三维点云数据经过滤波后得到的。具体而言，深度相机采集地面区域的三维点云数据时，由于多重反射、散射光和环境光等因素的影响，导致三维点云数据中包含噪声。因此，在基于三维点选择可降落区域之前，还可以对三维点云数据进行滤波处理，去除三维点云数据中的噪声，得到三维点集合中的三维点。滤波处理的方法可以是双边滤波、体素滤波或统计滤波等。对三维点云数据进行滤波，能够提高三维点的准确性，从而更好地进行曲面重建、平面提取等后续处理。

s120：根据每一三维点的平均曲率将三维点集合分类，得到包括至少一个平面点集的第一平面集合。

具体地，计算每一三维点的平均曲率，基于每一三维点的平均曲率，将三维点集合中的三维点分类到对应的平面点集中，得到包括至少一个平面点集的第一平面集合。其中，平面集合表示该平面结合中的三维点能够构成一个连续的相对平坦的区域。

三维点集合中的三维点可以是以离散点形式存在的，因此在计算平均曲率之前，先将离散的三维点连续化，即拟合形成曲面。由离散的三维点生成曲面的算法有多种，例如可以是插值算法或最小二乘法等。曲面上任意一点(拟合形成曲面前的某一三维点)都有无数个曲率半径，其中存在该点对应的最大曲率半径和最小曲率半径。平均曲率即为该点的最大曲率和最小曲率的平均值。平均曲率的公式表示如下：

或

h＝k1+k2

其中，h表示平均曲率，k1表示最大曲率半径，k2表示最小曲率半径。

平均曲率是一个“外在的”弯曲测量标准，局部地描述了一个曲面嵌入周围空间(比如二维曲面嵌入三维欧几里得空间)的曲率。

本实施例中，由于计算三维点的平均曲率使用的是加法，能够减小无人机对三维点分类时的运算量。

三维点集合中的三维点拟合形成曲面后，还可以计算每一三维点对应的点法线。曲面上某一三维点的点法线的计算方法可借鉴现有技术，故在此不再赘述。

计算得到三维点集合中每一三维点的平均曲率后，基于每一三维点的平均曲率对三维点进行分类的过程具体如下：

请参阅图3，图3是本申请提供的根据每一三维点的平均曲率将三维点集合分类一实施方式的流程示意图。

s121：根据平均曲率在三维点集合中确定平面点集的种子点。

种子为一个区域的生长起点，本实施例中，根据三维点的平均曲率确定哪些三维点可作为种子点。

具体地，将三维点集合中的三维点按照平均曲率由小到大进行排序，确定平均曲率最小的三维点作为种子点。三维点的平均曲率越小，说明该三维点所处的区域在任意方向上的弯曲度越小，基于该三维点，能够在三维点集合中快速筛选出可以构成相对平坦的区域的其他三维点。

筛选到种子点后，将该种子点加入到一空的平面点集中，并删除三维点集合中种子点对应的三维点。

s122：基于种子点在三维点集合中筛选加入平面点集的三维点。

将种子点与三维点集合中的其他三维点进行比对，将具有相似性质的三维点加入到种子点所在的平面点集中，并删除三维点集合中对应的三维点。

具体而言，在三维点集合中获取种子点的邻域点。本实施例中，可以使用radius-nn(radius-nearestneighbor，半径邻域算法)获取种子点的领域点。radius-nn算法预设有半径范围，筛选种子点的半径范围内的三维点作为邻域点。由于预先限定有搜索范围，可以减少搜索三维点的数量。

获取种子点的第一点法线和每一邻域点的第二点法线，分别计算第一点法线和每一第二点法线之间的第二夹角。

比较第二夹角与第二角度阈值，从而可以判断种子点和领域点之间的是否处于同一相对平坦的区域内。若第二夹角小于第二角度阈值，则将对应的三维点加入到平面点集，并在三维点集合中删除对应的三维点；若第二夹角大于或等于第二角度阈值，则将对应的三维点加入待分配三维点，并在三维点集合中删除对应的三维点。

其中，第一角度阈值可以是1°、2°、5°、8°、10°或20°等等。

s123：筛选结束后，将未加入平面点集的待分配三维点赋值到三维点集合，执行根据平均曲率确定平面点集的种子点的步骤，直到所有待分配三维点被分配到对应的平面点集，得到第一平面集合。

s130：在第一平面集合中确定符合预设条件的平面点集对应的区域作为可降落区域。

预设条件包括平面点集的平面面积大于面积阈值，和平面点集的法向量与z轴之间的第一夹角小于第一角度阈值。

判断平面点集是否符合预设条件具体包括：计算每一平面点集对应的平面面积。剔除平面面积不大于面积阈值的平面点集，得到第二平面集合。计算第二平面集合中每一平面点集的第一法向量与第二法向量之间的第一夹角，其中，第二法向量与z轴平行。第二法向量例如是(0，0，1)。确定第一夹角小于第一角度阈值的平面点集所在的区域为可降落区域。

符合面积和角度条件的平面点集的数量可能是多个，因此还需从其中筛选出最适合降落的可降落区域。可选地，预设条件还可以包括平面点集对应的第一夹角为第二平面集合中最小。

具体地，筛选第二平面集合中第一夹角最小的平面点集，并比较最小的第一夹角是否小于角度阈值。若最小的第一夹角是否小于角度阈值，则最小的第一夹角对应的平面点集对应的区域可作为可降落区域。

在一些实施方式中，可以使用排序算法筛选第一夹角最小的平面点集。排序算法例如包括冒泡排序、快速排序、插入排序或递归排序等。

在另一实施方式中，为了提高筛选效率，减少无人机的运算量，具体还可以通过下列步骤进行筛选：

从第二平面集合中取第一平面点集作为备选平面，并删除第二平面集合中第一平面点集；从第二平面集合中获取第二平面点集；比较备选平面的第三夹角是否小于第二平面点集的第一夹角；若第三夹角小于第二平面点集的第一夹角，则删除第二平面集合中的第二平面点集，返回从第二平面集合中获取第二平面点集的步骤；若第三夹角不小于第二平面点集的第一夹角，则将第二平面点集替换第一平面点集作为备选平面，返回从第二平面集合中获取第二平面点集的步骤；直至第二平面集合为空，备选平面对应的平面点集为第二平面集合中第一夹角最小的平面点集。

平面点集的法向量与z轴之间的第一夹角最小且小于第一角度阈值，说明该平面点集对应的区域的倾斜角度与无人机当前位姿较为匹配，无人机在降落时，能够更加平稳地降落在该区域上，从而提高无人机降落的安全性。

对于上述实施例的方法，其可以计算机程序的形式存在，因而本申请提出一种计算机可读存储介质，请参阅图4，图4是本申请提供的计算机可读存储介质一实施例的结构示意图。本实施例计算机可读存储介质400中存储有计算机程序401，其可被执行以实现上述实施例中的方法。

本实施例计算机可读存储介质400可以是u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等可以存储程序指令的介质，或者也可以为存储有该程序指令的服务器，该服务器可将存储的程序指令发送给其他设备运行，或者也可以自运行该存储的程序指令。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。