一种基于机器视觉的无人机精准降落方法与流程

本发明涉及无人机降落技术领域，尤其涉及一种基于机器视觉的无人机精准降落方法。

背景技术：

无人驾驶飞机简称“无人机”，英文缩写为“uav”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。

按尺度分类，无人机可分为微型无人机、轻型无人机、小型无人机以及大型无人机。微型无人机是指空机质量小于等于7kg，轻型无人机质量大于7kg，但小于等于116kg的无人机，且全马力平飞中，校正空速小于100km/h(55nmile/h)，升限小于3000m。小型无人机，是指空机质量小于等于5700kg的无人机，微型和轻型无人机除外。大型无人机，是指空机质量大于5700kg的无人机。与有人驾驶飞机相比，无人机往往更适合那些太“愚钝，肮脏或危险”的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。

现如今无人机应用十分广泛，但传统的无人机在降落时，难以实现精准降落在指定平台，而且在gps信号弱或者信号干扰的情况下，难以引导飞机成功降落。

技术实现要素：

本发明的目的是为了解决现有技术中存在的传统的无人机在降落时，难以实现精准降落在指定平台，而且在gps信号弱或者信号干扰的情况下，难以引导飞机成功降落的缺点，而提出的一种基于机器视觉的无人机精准降落方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于机器视觉的无人机精准降落方法，具体包括以下步骤：

s1、无人机挂载云台、深度学习芯片和普通usb摄像头；

s2、无人机执行任务返回目标平台的途中，首先开机视觉模块进行目标搜索；

s3、当开启无人机视觉模块时，目标检测算法ssd对云台传回的图像进行实时检测；

s4、当检测到目标平台时，将检测到的目标平台数据发送给eco跟踪模块，如果在跟踪过程中丢失目标，重新开启检测，重复执行s2，s3步；

s5、跟踪过程中，云台俯仰角度锁定，将云台航向角与飞机航向保持一致，通过移动无人机将跟踪目标锁定到图像中央，然后锁定云台航向角，无人机飞行至目标平台上方；

s6、当无人机飞行至平台上方时，下落至5m高度后，开启usb摄像头，通过使用单目相机位姿估计(pnp)技术，获取无人机相对目标平台的距离和方位；

s7、无人机控制算法获取视觉模块求解的位置坐标，控制无人机精确降落在目标平台顶部。

优选的，在s1中，在执行任务之前利用采集目标数据进行深度学习算法ssd的训练，并保证可以在含有目标平台的视频中检测到目标平台。

优选的，在s2中，无人机执行任务返回目标平台的途中，首先开启视觉模块进行目标搜索，具体指：第一：无人机持续向前方飞行；第二：云台持续转动搜寻目标；第三：无人机视觉模块同时开启。

优选的，在s6中，获取无人机相对目标平台的距离和方位，具体是指：通过二维码求解无人机机载摄像头的位置坐标，并转化为平台载二维码相对无人机的位置坐标。

本发明提供的一种基于机器视觉的无人机精准降落方法，与现有技术相比：

本方法使用ssd物体检测和eco目标跟踪方法，来实现对目标平台的检测和跟踪，锁定跟踪目标在图像中央，调整无人机的位置和云台的角度到平台上方，开启无人机上的摄像头拍摄平台上的二维码图像，锁定无人机的位置并进行降落，本可以辅助无人机实现精准降落在指定平台，并且本发明可以在gps信号弱或者信号干扰的情况下，仅依赖视觉模块引导飞机成功降落；

无人机挂载云台、深度学习芯片和普通usb摄像头；执行任务之前利用采集目标数据进行深度学习算法ssd的训练，并保证可以在含有目标平台的视频中检测到目标平台，可以辅助无人机实现精准降落在指定平台；

当检测到目标平台时，将检测到的目标平台数据发送给eco跟踪模块，如果在跟踪过程中丢失目标，重新开启检测，跟踪过程中，云台俯仰角度锁定，将云台航向角与飞机航向保持一致，通过移动无人机将跟踪目标锁定到图像中央，然后锁定云台航向角，无人机飞行至目标平台上方，可以在gps信号弱或者信号干扰的情况下，仅依赖视觉模块引导飞机成功降落。

附图说明：

图1为本发明的工作流程图。

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，以下结合具体实施例和说明书附图1，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

一种基于机器视觉的无人机精准降落方法，其特征在于，具体包括以下步骤：

s1、无人机挂载云台、深度学习芯片和普通usb摄像头；执行任务之前利用采集目标数据进行深度学习算法ssd的训练，并保证可以在含有目标平台的视频中检测到目标平台；

s2、无人机执行任务返回目标平台的途中，首先开启视觉模块进行目标搜索；具体指：第一：无人机持续向前方飞行；第二：云台持续转动搜寻目标；第三：无人机视觉模块同时开启；

s3、当开启无人机视觉模块时，目标检测算法ssd对云台传回的图像进行实时检测；

s4、当检测到目标平台时，将检测到的目标平台数据发送给eco跟踪模块，如果在跟踪过程中丢失目标，重新开启检测，重复执行s2，s3步；

s5、跟踪过程中，云台俯仰角度锁定，将云台航向角与飞机航向保持一致，通过移动无人机将跟踪目标锁定到图像中央，然后锁定云台航向角，无人机飞行至目标平台上方；

s6、当无人机飞行至平台上方时，下落至5m高度后，开启usb摄像头，通过使用单目相机位姿估计(pnp)技术，获取无人机相对目标平台的距离和方位，具体是指：通过二维码求解无人机机载摄像头的位置坐标，并转化为平台载二维码相对无人机的位置坐标；

s7、无人机控制算法获取视觉模块求解的位置坐标，控制无人机精确降落在目标平台顶部。

综上所述：无人机挂载云台、深度学习芯片和普通usb摄像头；执行任务之前利用采集目标数据进行深度学习算法ssd的训练，并保证可以在含有目标平台的视频中检测到目标平台，可以辅助无人机实现精准降落在指定平台；

当检测到目标平台时，将检测到的目标平台数据发送给eco跟踪模块，如果在跟踪过程中丢失目标，重新开启检测，跟踪过程中，云台俯仰角度锁定，将云台航向角与飞机航向保持一致，通过移动无人机将跟踪目标锁定到图像中央，然后锁定云台航向角，无人机飞行至目标平台上方，可以在gps信号弱或者信号干扰的情况下，仅依赖视觉模块引导飞机成功降落。

本方法使用ssd物体检测和eco目标跟踪方法，来实现对目标平台的检测和跟踪，锁定跟踪目标在图像中央，调整无人机的位置和云台的角度到平台上方，开启无人机上的摄像头拍摄平台上的二维码图像，锁定无人机的位置并进行降落，本可以辅助无人机实现精准降落在指定平台，并且本发明可以在gps信号弱或者信号干扰的情况下，仅依赖视觉模块引导飞机成功降落。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。