无人机降落方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种无人机降落方法、装置、设备及存储介质，该方法包括：通过单目相机在待降落区域图像内确定要降落的初级目标区域；控制无人机移动至确定的所述初级目标区域的上方并下降至双目相机的有效视距内，切换所述单目相机至所述双目相机；通过所述双目相机确定无人机用于降落的目标点；将无人机降落至所述目标点。本发明专利技术在单目相机视觉分类的基础上，融合双目相机视觉深度信息，使无人机平地降落更准确。

UAV landing method, device, equipment and storage medium

【技术实现步骤摘要】
无人机降落方法、装置、设备及存储介质
本专利技术一般涉及无人机控制
，具体涉及一种无人机降落方法、装置、设备及存储介质。
技术介绍
无人机自主降落是指无人机利用导航设备和飞行控制系统进行定位导航并最终控制无人机降落的过程。自主降落对导航与控制精度及可靠性均有较高的要求，是无人机实现自主飞行的重要基础和关键技术。目前在无人机在降落的过程中，主要是依靠GPS确定降落的位置，但是由于完全依靠导航卫星，存在信号易受干扰和信号垄断的问题，同时导航精度有限，一般GPS的精度在5-10米，适用于室外GPS信号较强的区域，这就限制了无人机降落点的范围。差分GPS精度高，但价格昂贵，成本较高。
技术实现思路
鉴于现有技术中的上述缺陷或不足，期望提供一种无人机降落方法、装置、设备及存储介质。为了克服现有技术的不足，本专利技术所提供的技术方案是：第一方面，本专利技术提供一种无人机降落方法，其特殊之处在于，该方法包括：通过单目相机在待降落区域图像内确定要降落的初级目标区域；控制无人机移动至确定的所述初级目标区域的上方并下降至双目相机的有效视距内，切换所述单目相机至所述双目相机；通过所述双目相机确定无人机用于降落的目标点；将无人机降落至所述目标点。进一步地，所述通过单目相机在待降落区域图像内确定要降落的初级目标区域，包括对单目相机采集的所述待降落区域的图像进行分类，确定所述初级目标区域，所述初级目标区域为待降落区域中相对平整区域。进一步地，所述通过双目相机确定无人机降落的目标点包括：确定终极目标区域，以所述终极目标区域的中心点作为所述目标点。进一步地，将无人机降落至所述目标点包括：将所述目标点的图像坐标转换为所述目标点的双目相机坐标；将所述目标点的双目相机坐标转换为目标点的无人机坐标，通过所述目标点的无人机坐标引导无人机降落至所述目标点。进一步地，确定终极目标区域包括：通过所述双目相机对所述初级目标区域的图像进行深度恢复，以所述初级目标区域内所有像素点的深度值相差小于阈值的局部区域作为终极目标区域。进一步地，确定终极目标区域还包括：对所述初级目标区域的图像进行深度恢复之前对双目相机采集的两个视角的图像进行校正。进一步地，所述两个视角的图像的校正采用双目去畸变和立体矫正算法，和/或，所述初级目标区域的图像深度恢复采用立体匹配算法。第二方面，本专利技术还提出了一种无人机降落装置，其特殊之处在于，包括：第一定位模块，用于通过单目相机在待降落区域内确定要降落的初级目标区域；第一控制模块，用于控制无人机移动至确定的所述初级目标区域的上方并下降至双目相机的有效视距内，切换所述单目相机至所述双目相机；第二定位模块，用于通过所述双目相机确定无人机的用于降落的目标点；第二控制模块，用于将无人机降落至所述目标点。第三方面，本专利技术还提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特殊之处在于，所述处理器执行所述计算机程序时实现上面任一项所述的无人机降落方法。第四方面，本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，其特殊之处在于，所述计算机程序被处理器执行时上面任一项所述的实现无人机降落方法。与现有技术相比，本专利技术的有益效果是：本专利技术提供一种无人机降落方法，通过单目相机采集待降落区域图像；对采集到的所述待降落区域图像进行分类，单目相机的视距范围较大，在高空区域时也可以持续对采集到的图像进行处理，从而能够提供准确的初级目标区域；待无人机下降至双目相机的有效视距内，双目相机能够对初级目标区域内的图像进行精确的平地确定，确定无人机降落的目标点。本专利技术在单目相机视觉分类的基础上，融合双目相机视觉深度信息，使无人机平地降落更准确。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本专利技术的实施例的一种无人机降落方法的流程示意图；图2为本专利技术的实施例的一种无人机降落装置的结构示意图；图3为本专利技术的实施例的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。如
技术介绍
中提到的，现有的无人机在降落的过程中，主要是依靠GPS确定降落的位置，但是由于完全依靠导航卫星，存在信号易受干扰和信号垄断的问题，同时导航精度有限，适用于室外GPS信号较强的区域，这就限制了无人机降落点的范围。因此，希望提供一种无人机降落方法，无需依靠GPS就可以实现在室内或者室外精确降落。双目相机的深度量程和精度受到双目基线的限制，当无人机处于高空区域，双目相机离目标较远，发挥不出双目的优势，此时双目相机就相当于单目相机，所以双目相机只能在低空区域，离目标较近时才能发挥出很好的效果；由于双目相机的处理效果受到基线的影响，所以双目相机在高空区域时无法得到目标的深度信息或者说深度信息不准确，也就无法准确确定需要降落的区域；而对于单目相机，其视距范围较大，在高空区域时也可以持续对采集到的待降落区域图像进行分类，从而能够提供准确的初级待降落区域；本方案提出的“单目视觉分类，双目视觉深度恢复”的无人机降落方法，无论是无人机处于高空区域还是低空区域，都能保证视觉算法提供的待降落区域的准确性。参见图1，本专利技术提供一种无人机降落方法，该方法包括：在步骤110中，通过单目相机在待降落区域图像内确定要降落的初级目标区域；在其中一个实施例中，所述通过单目相机在待降落区域图像内确定要降落的初级目标区域，包括对单目相机采集的所述待降落区域的图像进行分类，确定所述初级目标区域，所述初级目标区域为待降落区域中相对平整区域。在其中一个实施例中，通过单目相机对地面图像进行分类的算法采用的是机器学习方法，包括不限于Adaboost、SVM等机器学习方法，也可以采用ResNet、GoogleNet等深度学习方法。以ResNet深度学习方法为例，待降落区域的图像分类过程具体如下：数据集制作：清洗图像数据并标注分类，例如：二分类，0表示非平地；1表示平地。将图像数据集分为训练集和测试集；训练集与测试集的比例包括但不限于3：1，可以根据实际情况确定；模型训练：将制作好的图像数据集作为已选模型的输入进行训练，直至模型收敛；模型测试：模型收敛后，用制作好的测试集测试模型的精度，直至满足分类要求，确定要降落的初级目标区域。由于在图像生成、采样、量化、传输和转换过程中，单目相机总是会造成图像的一些劣化。因此，这本文档来自技高网...

【技术保护点】
1.一种无人机降落方法，其特征在于，该方法包括：/n通过单目相机在待降落区域图像内确定要降落的初级目标区域；/n控制无人机移动至确定的所述初级目标区域的上方并下降至双目相机的有效视距内，切换所述单目相机至所述双目相机；/n通过所述双目相机确定无人机用于降落的目标点；/n将无人机降落至所述目标点。/n

【技术特征摘要】
1.一种无人机降落方法，其特征在于，该方法包括：
通过单目相机在待降落区域图像内确定要降落的初级目标区域；
控制无人机移动至确定的所述初级目标区域的上方并下降至双目相机的有效视距内，切换所述单目相机至所述双目相机；
通过所述双目相机确定无人机用于降落的目标点；
将无人机降落至所述目标点。


2.根据权利要求1所述的无人机降落方法，其特征在于，
所述通过单目相机在待降落区域图像内确定要降落的初级目标区域，包括对单目相机采集的所述待降落区域的图像进行分类，确定所述初级目标区域，所述初级目标区域为待降落区域中相对平整区域。


3.根据权利要求1或2所述的无人机降落方法，其特征在于，
所述通过双目相机确定无人机降落的目标点包括：
确定终极目标区域，以所述终极目标区域的中心点作为所述目标点。


4.根据权利要求3所述的无人机降落方法，其特征在于，
将无人机降落至所述目标点包括：
将所述目标点的图像坐标转换为所述目标点的双目相机坐标；
将所述目标点的双目相机坐标转换为目标点的无人机坐标，通过所述目标点的无人机坐标引导无人机降落至所述目标点。


5.根据权利要求3所述的无人机降落方法，其特征在于，
确定终极目标区域包括：
通过所述双目相机对所述初级目标区...

【专利技术属性】
技术研发人员：高坚，陈颖，毛曙源，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44