[发明专利]一种基于四叉树递归的无人机最佳着陆点搜索方法及装置

权利要求书

1.一种基于四叉树递归的无人机最佳着陆点搜索方法，其特征在于，包括：

步骤S1：采集深度图像，获取深度地图；

步骤S2：根据无人机几何尺寸生成匹配模板以及卷积核；

步骤S3：对深度地图进行卷积，构建二值化的着陆点候选地图，其中，着陆点候选地图中各点分为可降落点和不可降落点；

步骤S4：通过基于四叉树递归算法对着陆点候选地图进行快速搜索，获得最佳着陆点；

所述步骤S4具体包括：

步骤S41：将着陆点候选地图划分为2×2的网格；

步骤S42：计算每一个网格的距离和半径，其中，网格的距离具体为从网格中心点到可降落点与不可降落点边界的最小长度；

步骤S43：根据网格的距离和半径得到网格的最大可能距离；

步骤S44：选择最大可能距离最大的网格，进一步划分为2×2的网格，并返回步骤S42，直至网格的半径小于指定的值后执行步骤S45；

步骤S45：获得最大可能距离最大对应的网格中心作为最佳着陆点。

2.根据权利要求1所述的一种基于四叉树递归的无人机最佳着陆点搜索方法，其特征在于，所述匹配模板为环形，且覆盖无人机起落架与着陆面的接触点在旋转360度的过程中均位于所述环形的覆盖区域中。

3.根据权利要求1所述的一种基于四叉树递归的无人机最佳着陆点搜索方法，其特征在于，所述步骤S3具体包括：

步骤S31：使用高斯模糊滤波器对深度地图进行降噪，得到降噪后的深度图；

步骤S32：采用卷积核对降噪后的深度图进行处理，得到每个像素点的降落性能特征；

步骤S33：对每个像素点的降落性能特征进行归一化和二值化处理，生成着陆点候选图。

4.根据权利要求3所述的一种基于四叉树递归的无人机最佳着陆点搜索方法，其特征在于，所述步骤S32中，当卷积核操作于对降噪后的深度图中的一个像素时，卷积核上的零点将过滤不在着陆区域内的点，其中，所述着陆区域内的点具体为在匹配模板区域中保留的相关点。

5.根据权利要求1所述的一种基于四叉树递归的无人机最佳着陆点搜索方法，其特征在于，所述方法还包括：

步骤S5：计算最佳降落点选取的时间复杂度，并判断是否低于设定阈值，若为是，则控制无人机选择该最佳着陆点进行着陆。

6.一种基于四叉树递归的无人机最佳着陆点搜索装置，包括深度相机、处理器和程序，所述深度相机与处理器连接，其特征在于，所述处理器执行所述程序时实现以下步骤：

步骤S1：采集深度图像，获取深度地图；

步骤S2：根据无人机几何尺寸生成匹配模板以及卷积核；

步骤S3：对深度地图进行卷积，构建二值化的着陆点候选地图，其中，着陆点候选地图中各点分为可降落点和不可降落点；

步骤S4：通过基于四叉树递归算法对着陆点候选地图进行快速搜索，获得最佳着陆点；

所述步骤S4具体包括：

步骤S41：将着陆点候选地图划分为2×2的网格；

步骤S42：计算每一个网格的距离和半径，其中，网格的距离具体为从网格中心点到可降落点与不可降落点边界的最小长度；

步骤S43：根据网格的距离和半径得到网格的最大可能距离；

步骤S44：选择最大可能距离最大的网格，进一步划分为2×2的网格，并返回步骤S42，直至网格的半径小于指定的值后执行步骤S45；

步骤S45：获得最大可能距离最大对应的网格中心作为最佳着陆点。

7.根据权利要求6所述的一种基于四叉树递归的无人机最佳着陆点搜索装置，其特征在于，所述深度相机为RealSense D435i深度相机。

8.根据权利要求6所述的一种基于四叉树递归的无人机最佳着陆点搜索装置，其特征在于，所述步骤S3具体包括：

步骤S31：使用高斯模糊滤波器对深度地图进行降噪，得到降噪后的深度图；

步骤S32：采用卷积核对降噪后的深度图进行处理，得到每个像素点的降落性能特征；

步骤S33：对每个像素点的降落性能特征进行归一化和二值化处理，生成着陆点候选图。