1.一种基于深度学习的旋翼无人机自动巡航方法,其特征在于,具体步骤如下:
步骤1,根据采集到的航线上障碍物的图像,基于深度学习法训练障碍物识别模型;
步骤2,旋翼无人机通过摄像头获取实时飞行环境的图像,作为障碍物识别模型的输入,并将识别结果传输至飞行控制模块;
步骤3,旋翼无人机通过超声波距离检测模块检测旋翼无人机周围是否存在障碍物以及与障碍物之间的距离,并将检测结果传输至飞行控制模块;
步骤4,飞行控制模块根据接收到的识别结果和检测结果向旋翼无人机发出避障指令,其中,若障碍物距离旋翼无人机的距离小于设定的距离阈值,则飞行控制模块根据检测结果发出避障指令;若障碍物距离旋翼无人机的距离大于或等于设定的距离阈值,则飞行控制模块根据识别结果发出避障指令;从而实现旋翼无人机的自动巡航。
2.根据权利要求1所述的一种基于深度学习的旋翼无人机自动巡航方法,其特征在于,步骤1中根据采集到的航线上障碍物的图像,基于深度学习法训练障碍物识别模型,具体为:
1.1,将采集到的航线上的各种障碍物的图像作为深度学习的训练样本;
1.2,构建包含l个隐层和1个分类器的深度学习网络,其中,每个隐层为一个稀疏自编码器;
1.3,将训练样本作为第1个隐层的输入进行无监督自编码学习,以最小化重现误差为优化目标确定第1个隐层的参数;
1.4,将第k个隐层的输出作为第k+1个隐层的输入,重复进行步骤1.3,确定各个隐层的参数,其中,k=1,2,…,l;
1.5,将第l个隐层的输出作为分类器的输入,并采用有监督学习算法调整分类器的参数,从而得到基于深度学习法训练障碍物识别模型。
3.根据权利要求1所述的一种基于深度学习的旋翼无人机自动巡航方法,其特征在于,步骤3中超声波距离检测的计算公式为:
s=c*t/2
式中,s为旋翼无人机与障碍物之间的距离,c为超声波声速,t为超声波从发射到接收的时间。
4.根据权利要求1所述的一种基于深度学习的旋翼无人机自动巡航方法,其特征在于,步骤2中还包括将获取的实时飞行环境图像转化为二维图像后,再作为障碍物识别模型的输入。
5.一种基于深度学习的旋翼无人机自动巡航系统,其特征在于,包括:
图像采集模块,用于实时采集旋翼无人机的飞行环境图像,并传输至障碍物识别模块;
障碍物识别模块,用于基于深度学习法训练障碍物识别模型以及利用训练好的障碍物识别模块根据接收到的飞行环境图片识别航线上的障碍物,并将识别结果传输至飞行控制模块;
超声波距离检测模块,用于检测旋翼无人机周围是否存在障碍物以及与障碍物之间的距离,并将检测结果传输至飞行控制模块;
飞行控制模块,用于根据接收到的识别结果和检测结果控制旋翼无人机的飞行。
6.根据权利要求5所述的一种基于深度学习的旋翼无人机自动巡航系统,其特征在于,该系统还包括设置在旋翼无人机上的北斗卫星定位模块。