[发明专利]无人机着陆控制方法、装置、计算机设备及存储介质

说明书

本发明涉及无人机着陆控制方法、装置、计算机设备及存储介质，该方法包括获取图像数据；对图像数据进行视觉识别，以得到目标位置；将目标位置输入人工神经网络模型内进行分析，以得到三维速度；将三维速度加载至无人机上，以使得无人机按照三维速度着陆至目标位置；其中，人工神经网络模型是通过若干个带有三维速度标签的位置数据作为样本数据训练卷积神经网络所得的。本发明无需对特征组进行创建和分析来进行分类，降低了网络设计的难度，利用三维速度控制无人机自主着陆，避免了人工解释错误，减少了对类功能集的处理，且人工神经网络模型无需复杂地运行决策过程，可提高三维速度的输出效率。

技术领域

本发明涉及着陆控制方法，更具体地说是指无人机着陆控制方法、装置、计算机设备及存储介质。

背景技术

无人驾驶飞机简称无人机，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。自主无人机成为一个重要的研究领域，提高无人机性能的研究正被提出，从新的传感解决方案到更强大的控制技术。

此外，自主无人机在着陆阶段也面临着挑战。在静态和动态目标中，需要安全地执行此过程，同时减小误差裕度，目前对于无人机着陆的控制要对特征组进行创建和分析来进行分类，存在人工解释错误。

因此，有必要设计一种新的方法，实现无需对特征组进行创建和分析来进行分类，避免了人工解释错误，减少了对类功能集的处理。

发明内容

本发明的目的在于克服现有技术的缺陷，提供无人机着陆控制方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：无人机着陆控制方法，包括：

获取图像数据；

对图像数据进行视觉识别，以得到目标位置；

将目标位置输入人工神经网络模型内进行分析，以得到三维速度；

将三维速度加载至无人机上，以使得无人机按照三维速度着陆至目标位置；

其中，人工神经网络模型是通过若干个带有三维速度标签的位置数据作为样本数据训练卷积神经网络所得的。

其进一步技术方案为：所述人工神经网络模型是通过若干个带有三维速度标签的位置数据作为样本数据训练神经网络所得的，包括：

构建损失函数以及卷积神经网络；

获取带三维速度标签的位置数据，以得到样本数据；

将样本数据输入卷积神经网络内进行计算，以得到样本输出结果；

将样本输出结果以及有三维速度标签的位置数据输入损失函数内，以得到损失值；

判断所述损失值是否满足预设条件；

若否，则根据损失值调整卷积神经网络的参数，并返回所述将输入数据输入卷积神经网络内进行卷积计算，以得到样本输出结果；

若是，则将所述卷积神经网络作为人工神经网络模型。

其进一步技术方案为：所述卷积神经网络的隐藏层包括十个神经元、三个输出神经元。

其进一步技术方案为：所述将样本数据输入卷积神经网络内进行计算，以得到样本输出结果，包括：

将样本数据输入卷积神经网络内进行卷积计算，以得到最大速度和最小速度；

对最大速度和最小速度进行模糊化、推理以及去模糊化，以得到中间结果；

对中间结果进行非规范化处理，以得到样本输出结果。