一种无人机控制方法、系统、移动终端及存储介质技术方案

本发明专利技术公开了一种无人机控制方法、系统、移动终端及存储介质，所述方法包括：接收用户输入的语音信息后，将所述语音信息转化为自然语言文本信息，并对所述自然语言文本信息进行正负样本分类；将分类为正样本的自然语言文本信息转化成无人机操作指令；将所述无人机操作指令发送给无人机，以控制无人机根据所述无人机操作指令执行相应的操作。本发明专利技术通过移动终端接收用户的语音输入，将用户的语音指令转化为无人机执行指令之后控制无人机执行相应的操作，同时无需用户手动操作移动终端来控制无人机，使无人机的操控准确及时，灵活方便。灵活方便。灵活方便。

【技术实现步骤摘要】
一种无人机控制方法、系统、移动终端及存储介质


[0001]本专利技术涉及无人机控制
，尤其涉及一种无人机控制方法、系统、移动终端及存储介质。

技术介绍

[0002]在空气检测领域，无人机检测空气中的有害气体含量已经代替人工检检测成为主流。无人机可以到达一些人类无法到达或者较为危险的地方进行实时检测，但是目前的无人机操控主要是人工手动操作，例如通过移动终端对无人机进行控制也是需要手动来操作的，使用者在一边操作无人机的时候还要一边查看无人机的飞行状态，有时候正在操作的时候可能无人机已经偏离了指定方向，这样的话操作的准确性不高，操作起来不方便，不够智能化。
[0003]因此，现有技术还有待于改进和发展。

技术实现思路

[0004]本专利技术的主要目的在于提供一种无人机控制方法、系统、移动终端及存储介质，旨在解决现有技术中无人机操控需要通过手动来进行，操作不方便、控制不准确的问题。
[0005]为实现上述目的，本专利技术提供一种无人机控制方法，所述无人机控制方法包括如下步骤：接收用户输入的语音信息后，将所述语音信息转化为自然语言文本信息，并对所述自然语言文本信息进行正负样本分类；将分类为正样本的自然语言文本信息转化成无人机操作指令；将所述无人机操作指令发送给无人机，以控制无人机根据所述无人机操作指令执行相应的操作。
[0006]可选地，所述的无人机控制方法，其中，所述接收用户输入的语音信息后，将所述语音信息转化为自然语言文本信息，并对所述自然语言文本信息进行正负样本分类包括:预先对自然语言文本信息的正样本和负样本进行定义；接收用户输入的语音信息，通过移动终端的语音转文本功能将所述语音信息转化成自然语言文本信息；将所述自然语言文本信息经过经过训练的深度神经网络分类模型完成正负样本分类。
[0007]可选地，所述的无人机控制方法，其中，所述预先对自然语言文本信息的正样本和负样本进行定义包括：所述正样本定义为与无人机飞行姿态控制或气体检测功能实现相关的信息；所述负样本定义为与无人机姿态控制或气体监测功能实现无关的相关信息。
[0008]可选地，所述的无人机控制方法，其中，所述将所述自然语言文本信息经过经过训练的深度神经网络分类模型完成正负样本分类包括：所述深度神经网络分类模型对输入的自然语言文本信息进行文本特征提取，通过多层
网络计算正样本和负样本的概率值P；当负样本的概率值P>预设阈值时，将自然语言文本信息分类到负样本，并弹出提示框提示负样本的消息不合法；当正样本的概率值P>预设阈值时，将自然语言文本信息分类到正样本，并进入转化处理阶段。
[0009]可选地，所述的无人机控制方法，其中，所述将分类为正样本的自然语言文本信息转化成无人机操作指令包括:将分类为正样本的自然语言文本信息输入到经过训练的深度学习模型；将所述正样本的自然语言文本信息进行分词处理，编码器抽取每个词的特征，经过多层网络的计算提取文本输入的位置信息、句法特征以及语义特征中的至少一项，并输出中间语义信息向量；解码器对所述语义信息向量进行解码，输出所述自然语言文本信息对应的无人机操作指令。
[0010]可选地，所述的无人机控制方法，其中，所述深度学习模型包括编码器和解码器; 经过分类后的自然语言文本信息直接输入所述深度学习模型的编码器进行语义编码, 所述深度学习模型的解码器输出对应的无人机操作指令。
[0011]可选地，所述的无人机控制方法，其中，所述输出中间语义信息向量具体包括：将所述正样本的自然语言文本信息进行分词处理，将分词经过word2Vector后的向量加上分词位置编码向量加起来生成一个新向量，并将新向量送入网络；所述深度学习模型的编码器抽取每个词的特征，经过多层网络的计算，提取文本输入的位置信息、句法特征、语义特征中的至少一项后，输出中间语义信息向量。
[0012]此外，为实现上述目的，本专利技术还提供一种移动终端，其中，所述移动终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无人机控制程序，所述无人机控制程序被所述处理器执行时实现如上所述的无人机控制方法的步骤。
[0013]此外，为实现上述目的，本专利技术还提供一种所述无人机控制系统，其中，所述无人机控制系统包括如上所述的移动终端，以及与所述移动终端建立通信连接的无人机，所述无人机通过无线网络接收所述移动终端实时传输的指令，并根据所述无人机操作指令执行相应的操作。
[0014]此外，为实现上述目的，本专利技术还提供一种存储介质，其中，所述存储介质存储有无人机控制程序，所述无人机控制程序被处理器执行时实现如上所述的无人机控制方法的步骤。
[0015]本专利技术通过移动终端接收用户的语音输入，将用户的语音指令转化为无人机执行指令之后控制无人机飞行到指定区域，无人机根据飞行指令到达人类不方便到达或危险系数较高的区域进行实时项目（例如气体）检测，大大的增加了空气检测方面的便捷性，为以后的环境气体检测数据的收集增加了一种便捷可靠地的检测方法，同时无需用户手动操作移动终端来控制无人机，用户只需要发出语音指令即可控制无人机准确飞行，使无人机的操控准确及时，灵活方便。
附图说明
[0016]图1是本专利技术无人机控制方法的较佳实施例的流程图；图2是本专利技术无人机控制方法的较佳实施例中步骤S10的流程图；图3是本专利技术无人机控制方法的较佳实施例中深度神经网络分类模型完成正负样本分类的流程示意图；图4是本专利技术无人机控制方法的较佳实施例中步骤S20的流程图；图5是本专利技术无人机控制方法的较佳实施例中深度学习模型对正样本的自然语言文本信息进行处理的流程示意图；图6是本专利技术无人机控制系统的较佳实施例的供能原理图；图7是本专利技术无人机控制方法的较佳实施例的整个系统工作的流程图。
具体实施方式
[0017]为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0018]本专利技术较佳实施例所述的无人机控制方法，如图1所示，所述无人机控制方法包括以下步骤：步骤S10、接收用户输入的语音信息后，将所述语音信息转化为自然语言文本信息，并对所述自然语言文本信息进行正负样本分类。
[0019]具体的过程请参阅图2，其为本专利技术提供的无人机控制方法中步骤S10的流程图。
[0020]如图2所示，所述步骤S10包括：S11、预先对自然语言文本信息的正样本和负样本进行定义；S12、接收用户输入的语音信息，通过移动终端的语音转文本功能将所述语音信息转化成自然语言文本信息；S13、将所述自然语言文本信息经过经过训练的深度神经网络分类模型完成正负样本分类。
[0021]具体地，对自然语言文本信息的正样本和负样本进行定义和标注时进行如下处理：所述正样本定义为与无人机飞行姿态控制或气体检测功能实现相关的信息，例如可以标注为1进行表示；无人机飞行姿态控制指令包括：起飞、降落、向前、向后、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机控制方法，其特征在于，所述无人机控制方法包括：接收用户输入的语音信息后，将所述语音信息转化为自然语言文本信息，并对所述自然语言文本信息进行正负样本分类；将分类为正样本的自然语言文本信息转化成无人机操作指令；将所述无人机操作指令发送给无人机，以控制无人机根据所述无人机操作指令执行相应的操作。2.根据权利要求1所述的无人机控制方法，其特征在于，所述接收用户输入的语音信息后，将所述语音信息转化为自然语言文本信息，并对所述自然语言文本信息进行正负样本分类包括:预先对自然语言文本信息的正样本和负样本进行定义；接收用户输入的语音信息，通过移动终端的语音转文本功能将所述语音信息转化成自然语言文本信息；将所述自然语言文本信息经过经过训练的深度神经网络分类模型完成正负样本分类。3.根据权利要求2所述的无人机控制方法，其特征在于，所述预先对自然语言文本信息的正样本和负样本进行定义包括：所述正样本定义为与无人机飞行姿态控制或气体检测功能实现相关的信息；所述负样本定义为与无人机姿态控制或气体监测功能实现无关的相关信息。4.根据权利要求2所述的无人机控制方法，其特征在于，所述将所述自然语言文本信息经过经过训练的深度神经网络分类模型完成正负样本分类包括：所述深度神经网络分类模型对输入的自然语言文本信息进行文本特征提取，通过多层网络计算正样本和负样本的概率值P；当负样本的概率值P>预设阈值时，将自然语言文本信息分类到负样本，并弹出提示框提示负样本的消息不合法；当正样本的概率值P>预设阈值时，将自然语言文本信息分类到正样本，并进入转化处理阶段。5.根据权利要求1所述的无人机控制方法，其特征在于，所述将分类为正样本的自然语言文本信息转化成无人机操作指令包括:将分类为正...

【专利技术属性】
技术研发人员：赵向军，宋宁，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：