一种无人机随动起降方法与流程

本发明涉及无人机技术领域，尤其涉及一种无人机随动起降方法。

背景技术：

目前，随着科技的发展，各种型号的无人机出现在大众的视野，但是现有的无人机技术，无人机的精准定点降落需要有人手动操作，准确度差，智能化低。因为采用gps定位，会有漂移误差，飞机的定位本身就有误差，很难精准降落。或者采用rtk，定位准了，但是受到距离和成本的制约，以及不稳定的影响，应用难度高。因为不能精准降落，在一些特定的降落平台，多数无人机不能精准降落，或者手动降落花费时间较长，增加用户的使用难度。

技术实现要素：

本发明旨在提供一种无人机随动起降方法，通过红外线的识别，降低了识别难度和外界干扰，实现了全天的智能识别；与gps结合，即可实现精准的定点起降，方式简单可靠，对链路的依赖更低；通过控制曝光强度和滤波算法的结合，原始图像单一，降低滤波难度，增加可靠性。

为达到上述目的，本发明采用的技术方案如下：

一种无人机随动起降方法，包括以下步骤：

s1.机载端接收返航命令并按规划航线返回起降区域，地面端在起降区域中心的起降目标点发射红外信号；

s2.机载端检测红外信号，并输出起降目标的位置信息；

s3.校正机载端与起降目标点水平偏移；

s4.重复步骤s2和步骤s3，直至机载端位于起降目标点正上方；

s5.控制机载端精准降落至起降目标点。

在一些实施例中，所述步骤s2还包括以下子步骤：

s21.启动机载端上的红外摄像头模块，载入配置参数；

s22.红外摄像头模块获取红外成像图像并传输至图像处理模块；

s23.图像处理模块对红外成像图像进行二值化处理，得到二值化图像；

s24.对二值化图像进行滤波处理，得到修正后的二值化图像；

s25.识别修正后的二值化图像中的起降目标点，并输出起降目标点的位置信息。

进一步地，所述步骤s25还包括以下子步骤：

提取红外摄像头模块中镜头组中心与感光元件的垂直距离h；

提取修正后的二值化图像中心与起降目标点的水平距离l；

提取机载端的离地高度h；

计算机载端与起降目标点的偏移角度α＝arctan(l/h)；

根据偏移角度α和高度h，计算出机载端到起降目标点的水平偏移：l＝h*tanα。

在一些实施例中，所述步骤s1与s2之间还包括以下步骤：

机载端从飞行高度降落至离地高度15-20米时，检测是否接收到红外信号；

若未接收到红外信号，机载端悬停并报警；

若接收到红外信号，进入步骤s2。

在一些实施例中，所述步骤s5还包括以下子步骤：

机载端降落至离地高度5米时，检测机载端是否仍处于起降目标点正上方；

若机载端处于起降目标点正上方，机载端继续降落至起降目标点；

若机载端未处于起降目标点正上方，重复步骤s4。

在一些实施例中，所述步骤s5还包括以下子步骤：

机载端降落至离地高度5米时，检测机载端与起降目标点之间是否存在障碍物；

若不存在障碍物，控制机载端精准降落至起降目标点；

若存在障碍物，机载端悬停报警。

与现有技术相比，本发明具有以下有益效果：

本发明根据红外摄像头模块的成像数据和机载端距离地面的高度，计算出机载端与起降目标点的水平偏移，控制无人机在水平方向运动，校正机载端与起降目标点的水平偏移后，实现无人机降落，无人机降落过程中定位准确，成本低，且通过红外线技术进行定位，不受天气，光照等条件的影响，可实现全天候的作业和定位；在20m外即可识别到目标点，结合gps，即可实现精准的起降。

附图说明

图1是本发明方法流程图；

图2是图像处理方法流程图；

图3是起降目标点位置输出原理图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。

如图1所示，根据本发明实施例公开的一种无人机随动起降方法，包括以下步骤：

s1.机载端接收返航命令并按规划航线返回起降区域，地面端在起降区域中心的起降目标点发射红外信号；

s2.机载端检测红外信号，并输出起降目标的位置信息；

s3.校正机载端与起降目标点水平偏移；

s4.重复步骤s2和步骤s3，直至机载端位于起降目标点正上方；

s5.控制机载端精准降落至起降目标点。

在一些实施例中，如图2所示，所述步骤s2还包括以下子步骤：

s21.启动机载端上的红外摄像头模块，载入配置参数；

s22.红外摄像头模块获取红外成像图像并传输至图像处理模块；

s23.图像处理模块对红外成像图像进行二值化处理，得到二值化图像；

s24.对二值化图像进行滤波处理，得到修正后的二值化图像；

s25.识别修正后的二值化图像中的起降目标点，并输出起降目标点的位置信息。

摄像头模块软件，在经过初始化后，是一个循环工作。重复读取传感器上的图像数据，进行图像二值化，将二值化后的图像进行滤波处理；图像滤波后识别图像中的目标点，输出目标点的位置和大小。从传感器读出来的图像，是个灰度的图像，根据当前图像像素点的最大亮度，进行二值化处理，这样对于之后的数据滤波，会大大减小内存的占用，同时，对二值化图像进行滤波，可以防止因为别的红外光的干扰，如：红外发生器光的反射等等。通过滤波处理，可以减少干扰，正确识别出目标点。

输出方式有很多，在使用前可以将输出方式配置好，采用这样的方式可以兼容各种版本的无人机飞控。如果因为各种原因，导致图像处理不及时，实际输出延迟过大等意外，可以通过重启摄像头模块软件解决。

进一步地，如图3所示，所述步骤s25还包括以下子步骤：

提取红外摄像头模块中镜头组中心与感光元件的垂直距离h；

提取修正后的二值化图像中心与起降目标点的水平距离l；

提取机载端的离地高度h；

计算机载端与起降目标点的偏移角度α＝arctan(l/h)；

根据偏移角度α和高度h，计算出机载端到起降目标点的水平偏移：l＝h*tanα。

地面端发射红外线，机载端的红外摄像头识别地面的起降目标点，测距设备(如雷达等)测量飞机离地的距离，飞控根据图像上目标点所占图像的比例和高度，算出飞机离目标点的水平距离。在起降的时候，根据这个水平距离和gps定位的距离，进行精准的起降控制。

在一些实施例中，所述步骤s1与s2之间还包括以下步骤：

机载端从飞行高度降落至离地高度15-20米时，检测是否接收到红外信号；

若未接收到红外信号，机载端悬停并报警；

若接收到红外信号，进入步骤s2。

在一些实施例中，所述步骤s5还包括以下子步骤：

机载端降落至离地高度5米时，检测机载端是否仍处于起降目标点正上方；

若机载端处于起降目标点正上方，机载端继续降落至起降目标点；

若机载端未处于起降目标点正上方，重复步骤s4。

在一些实施例中，所述步骤s5还包括以下子步骤：

机载端降落至离地高度5米时，检测机载端与起降目标点之间是否存在障碍物；

若不存在障碍物，控制机载端精准降落至起降目标点；

如存在障碍物，机载端悬停报警。

红外摄像头模块能在20m外识别到红外发生器，无人机先在起降区域内寻找起降目标点，准备降落，但是由于飞机的大小，以及外界的天气环境，无人机水平位置可能会发生偏移，需要再次进行检测，也因此在5m的时候，再次检查，无人机是否在起降目标点上空；同时，在降落过程中，避免起降区域出现意外障碍物，需对降落环境进行检测，避免发生事故。

在本发明的一些实施例中，起降目标点可以是移动的，在机载端降落的过程中，机载端跟随起降目标点移动并进行降落；在机载端移动降落过程中，采用红外识别的方式实时性比rtk和可见光的图像识别度更高，同时红外识别不需要外界链路，刷新率高，识别简单，识别时间短，且红外识别相比可见光的识别，以及rtk的使用，成本更加低廉。因其组成只有地面端的红外发生器，机载端的红外摄像头模块和雷达(或别的测距模块)，组成简单，与其他系统的耦合小，因此，和其他的降落方式相比，更加可靠。

当然，本发明还可有其它多种实施方式，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。