[发明专利]一种无人机飞行着陆视觉处理系统及方法

说明书

本发明公开了一种无人机飞行着陆视觉处理系统及方法，包括：拍摄模块，其拍摄摄像头摄像范围内的图像；无人机识别模块，其识别拍摄模块拍摄的图像是否为无人机；和无人机相对位置定位模块，其将无人机识别模块识别出的无人机图像进行图像分割并定位无人机的相对位置。本发明一方面减少了图像分割并定位无人机的相对位置的数据量，加快了图像处理速度，另一方面，由于无人机识别模块仅进行是否无人机的识别，识别特征容易提取，特征明显，有利于提高识别的速度及识别的准确性。

技术领域

本发明涉及无人机领域，特别涉及一种无人机飞行着陆视觉处理系统及无人机飞行着陆视觉处理方法。

背景技术

由于无人机具有灵活轻便、低廉高效等特点，无人机在农业植保、电力巡检、地形探测、物流运输等领域有较大的发展空间。目前，无人机技术已经具备了自主飞行的功能，并且也能实现自主降落，但是在自主着陆系统为基于GPS的无人机自主着陆系统，仍然存在着陆精度不够高、着陆安全性不足、无人机负载重、对停机坪要求高的缺点。

发明内容

基于上述问题，一方面，本发明提供一种无人机飞行着陆视觉处理系统，该无人机飞行着陆视觉处理系统一方面减少了图像分割并定位无人机的相对位置的数据量，加快了图像处理速度，另一方面，由于无人机识别模块仅进行是否无人机的识别，识别特征容易提取，特征明显，有利于提高识别的速度及识别的准确性。

技术方案是：一种无人机飞行着陆视觉处理系统，包括：

拍摄模块，其拍摄摄像头摄像范围内的图像；

无人机识别模块，其识别拍摄模块拍摄的图像是否为无人机；和

无人机相对位置定位模块，其将无人机识别模块识别出的无人机图像进行图像分割并定位无人机的相对位置。

可选地，所述无人机识别模块为深度学习模型框架模块，深度学习模型框架模块使用基于yolo_v3的网络结构进行图像识别预测功能，通过训练数据集和测试预测数据集构建深度学习网络，构建的特征提取网络加入后续层；其中训练数据集和测试预测数据集均为由地面拍摄的各种相对位置和天气条件下天空中无人机的仰视图图片的集合，其中训练数据作为训练数据，测试预测数据集作为测试预测数据。

可选地，所述基于yolo_v3的网络结构包括Darknetconv2d_BN_Leaky，Darknetconv2d_BN_Leaky包括不可分割的卷积层、批量标准化BN、激活函数Leaky。

可选地，所述无人机相对位置定位模块包括灰阶处理模块、多阈值分割模块和无人机相对位置输出模块，灰阶处理模块将彩色图片转换为灰度图，多阈值分割模块将灰阶处理模块处理后的灰阶图像进行多阈值分割处理，无人机相对位置输出模块根据帧间无人机位置变化，使用滤波器后输出位置和速度信息，反馈给无人机。

可选地，所述灰阶处理模块计算公式为：

GRAY＝0.299*RED+0.587*GREEN+0.114*BLUE

可选地，所述多阈值分割模块对灰阶图像求取多次平滑直方图，参数sigma控制高斯平滑结果的平滑程度，平滑程度决定最终分割的细致程度，灰度图中出现最多的灰度像素值作为峰值，以直方图中的波谷最大峰值对应的峰谷作为分割阈值进行图像分割。

可选地，所述滤波器为卡尔曼滤波器。

另一方面，本发明还提供一种无人机飞行着陆视觉处理方法。

技术方案是：一种无人机飞行着陆视觉处理方法，包括以下步骤：

启动目标搜索算法，捕捉无人机的相对位置；开启视觉标定功能，视觉标定功能根据帧间图像运动信息差异运行卡尔曼滤波器以识别无人机运动信息。