一种基于强化学习图像处理技术的无人机图像捕捉方法技术

本发明专利技术公开了一种基于强化学习图像处理技术的无人机图像捕捉方法，属于图像捕捉技术领域，该捕捉方法具体步骤如下：(1)收集环境信息，并判断能否进行图像收集；(2)对所在位置进行定位并开始启动无人机；(3)开始对对应区域图像进行捕捉并构建数据网络；(4)进行图像数据拼接并开始搭建地理环境模型；(5)优化数据网络，同时调整图像捕捉角度；本发明专利技术能够自行生成飞行线路，无需工作人员进行线路绘制，减轻用户工作量，提高用户工作积极性，提高用户工作效率，能够对区域模型进行纠错调整，提高绘图准确率，提高无人机图像捕捉质量，节省用户时间。户时间。户时间。

【技术实现步骤摘要】
一种基于强化学习图像处理技术的无人机图像捕捉方法


[0001]本专利技术涉及图像捕捉
，尤其涉及一种基于强化学习图像处理技术的无人机图像捕捉方法。

技术介绍

[0002]无人机测绘得到的数据首先是影像，获取影像的方法有很多，目前无人机主要是两种，分别是正射和倾斜摄影，无人机可以通过遥感软件对数据进行聚类分析等处理，能快速有效的提取所需要的信息，利用软件对影像进行栅格矢量化，可以快速得出该地区矢量图，利用信息提取，辅助高分辨影像和丰富纹理特征，能够快速计算出该地区准确的耕地面积，能够节省大量的人力和时间；因此，专利技术出一种基于强化学习图像处理技术的无人机图像捕捉方法变得尤为重要；
[0003]经检索，中国专利号CN105225241A公开了无人机深度图像的获取方法及无人机，该专利技术虽然能够准确地获取深度图像，具有适用范围广、成本低、易于实现的优点，但是需要用户自行设计飞行路线，降低用户工作效率，增加用户工作量，降低其工作积极性；此外，现有的基于强化学习图像处理技术的无人机图像捕捉方法无法对构建的模型进行纠错调整，降低绘图准确率，降低无人机图像捕捉质量，需要用户花费时间去修改调整；为此，我们提出一种基于强化学习图像处理技术的无人机图像捕捉方法。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种基于强化学习图像处理技术的无人机图像捕捉方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于强化学习图像处理技术的无人机图像捕捉方法，该捕捉方法具体步骤如下：
[0007](1)收集环境信息，并判断能否进行图像收集：无人机进行定点飞行测试，同时生成测试数据，并收集飞行地区的环境信息，并依据测试数据以及环境信息进行分析判断；
[0008](2)对所在位置进行定位并开始启动无人机：无人机通过GPS模块对自身所在位置进行定位，并接收GPS卫星图片，同时构建地理模型，并依据环境模块规划飞行路线，同时对其进行选择更新；
[0009](3)开始对对应区域图像进行捕捉并构建数据网络：无人机通过机载摄像头对相关区域进行图像捕捉，并将其处理生成图像数据，同时构建卷积神经网络，并通过卷积神经网络对图像数据进行特征点提取；
[0010](4)进行图像数据拼接并开始搭建地理环境模型：将图像数据进行数据拼接，并依据拼接完成的图像数据构建区域模型，并检测区域模型是否存在异常区域，同时卷积神经网络对区域模型异常区域进行模型调整，同时生成调整数据，并将调整完成的区域模型反馈给用户；
[0011](5)优化数据网络，同时调整图像捕捉角度：将调整数据导入卷积神经网络，卷积神经网络依据调整数据进行优化更新，同时对无人机摄像头捕捉角度进行调整。
[0012]进一步地，步骤(1)中所述分析判断具体步骤如下：
[0013]步骤一：终端控制模块接收测试数据，并判断无人机是否可以进行正常水平飞行；
[0014]步骤二：若无人机无法水平飞行，终端控制模块开始控制无人机返航，若无人机可以进行水平飞行，终端控制模块对环境信息进行分类判断，其分类判断具体步骤如下：
[0015]第一步：终端控制模块将环境信息按照地形、风速进行分类，并进行判断；
[0016]第二步：若地面平整干燥、纹理比较清晰且风速不大于五级，则判断该区域符合无人机飞行条件，并再次判断无人机飞行区域是否开阔无遮挡且远离建筑、山体、人群和敏感设备，若符合上述条件，则判断无人机可以飞行，若不符合上述条件，则判断无人机无法飞行；
[0017]第三步：若地面并不平整干燥、纹理比较模糊且风速大于五级，则判断该区域不符合无人机飞行条件，并反馈用户“请重新选择飞行区域”。
[0018]进一步地，步骤(2)中所述选择更新具体步骤如下：
[0019]S1：用户上传采集区域信息，同时无人机的线路规划模块将地理模型进行模型分割，并将其处理生成地理块；
[0020]S2：依据采集区域信息将对应地理块进行提取，并依据各组地理块进行飞行路线规划；
[0021]S3：将生成的各组飞行路线反馈给用户，用户通过智能设备对飞行路线进行查看选择。
[0022]进一步地，步骤(3)中所述特征点提取具体步骤如下：
[0023]SS1：将采集的图像数据通过约束公式进行前景与背景分离，其中，具体约束公式如下：
[0024]|i(t)
‑
i(t
‑
1)|＜T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0025]|i(t)
‑
i(t
‑
1)|≥T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0026]其中，i(t)、i(t
‑
1)分别为t、t
‑
1时刻对应像素点的像素值，T为阈值，(1)为背景约束公式，(2)为前景约束公式；
[0027]SS2：对分离的图像数据进行图像分割处理，并对分割的图像数据进行隐含节点提取，同时对隐含节点中的特殊点进行提取，并通过数据整合处理生成特征数据。
[0028]进一步地，步骤(4)中所述数据拼接具体步骤如下：
[0029]P1：对各个特征数据进行数据对比，并将相似的特征数据进行分组处理；
[0030]P2：提取各个特征数据对应的图像数据，并将具有相似特征数据的图像数据进行数据拼接。
[0031]进一步地，步骤(4)中所述模型调整具体步骤如下：
[0032]PP1：将区域模型中存在的异常区域进行分割提取，并生成异常记录表；
[0033]PP2：对异常区域存在的异常原因进行分析，并开始对其进行修复，同时将异常原因以及修复数据录入异常记录表中；
[0034]PP3：对修复完成的区域模型进行重复检测，并将拼接过程中重复模型数据删除。
[0035]进一步地，步骤(5)中所述优化更新具体步骤如下：
[0036]M1：对卷积神经网络的网络层次结构以及权重参数进行确认，并将调整数据依次导入卷积层、池化层、全连接层中；
[0037]M2：卷积神经网络通过卷积层开始进行网络连接，同时开始通过池化层对卷积得到的结果采用BP反向传播算法计算，其具体计算公式如下：
[0038]δ
l
＝(W
l+1
)
T
δ
l+1
·
f
′
(u
′
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0039]其中，δ
l
代表第l层的灵敏度，W代表网络层的维数；
[0040]M3：统计计算完成，卷积神经网络依据接收的调整数据对计算出的权值进行实时更新调整，其具体更新公式如下：
[0041]ΔW
l
＝
‑
ηx...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，该捕捉方法具体步骤如下：(1)收集环境信息，并判断能否进行图像收集：无人机进行定点飞行测试，同时生成测试数据，并收集飞行地区的环境信息，并依据测试数据以及环境信息进行分析判断；(2)对所在位置进行定位并开始启动无人机：无人机通过GPS模块对自身所在位置进行定位，并接收GPS卫星图片，同时构建地理模型，并依据环境模块规划飞行路线，同时对其进行选择更新；(3)开始对对应区域图像进行捕捉并构建数据网络：无人机通过机载摄像头对相关区域进行图像捕捉，并将其处理生成图像数据，同时构建卷积神经网络，并通过卷积神经网络对图像数据进行特征点提取；(4)进行图像数据拼接并开始搭建地理环境模型：将图像数据进行数据拼接，并依据拼接完成的图像数据构建区域模型，并检测区域模型是否存在异常区域，同时卷积神经网络对区域模型异常区域进行模型调整，同时生成调整数据，并将调整完成的区域模型反馈给用户；(5)优化数据网络，同时调整图像捕捉角度：将调整数据导入卷积神经网络，卷积神经网络依据调整数据进行优化更新，同时对无人机摄像头捕捉角度进行调整。2.根据权利要求1所述的一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，步骤(1)中所述分析判断具体步骤如下：步骤一：终端控制模块接收测试数据，并判断无人机是否可以进行正常水平飞行；步骤二：若无人机无法水平飞行，终端控制模块开始控制无人机返航，若无人机可以进行水平飞行，终端控制模块对环境信息进行分类判断，其分类判断具体步骤如下：第一步：终端控制模块将环境信息按照地形、风速进行分类，并进行判断；第二步：若地面平整干燥、纹理比较清晰且风速不大于五级，则判断该区域符合无人机飞行条件，并再次判断无人机飞行区域是否开阔无遮挡且远离建筑、山体、人群和敏感设备，若符合上述条件，则判断无人机可以飞行，若不符合上述条件，则判断无人机无法飞行；第三步：若地面并不平整干燥、纹理比较模糊且风速大于五级，则判断该区域不符合无人机飞行条件，并反馈用户“请重新选择飞行区域”。3.根据权利要求1所述的一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，步骤(2)中所述选择更新具体步骤如下：S1：用户上传采集区域信息，同时无人机的线路规划模块将地理模型进行模型分割，并将其处理生成地理块；S2：依据采集区域信息将对应地理块进行提取，并依据各组地理块进行飞行路线规划；S3：将生成的各组飞行路线反馈给用户，用户通过智能设备对飞行路线进行查看选择。4.根据权利要求1所述的一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，步骤(3)中所述特征点提取具体步骤如下：SS1：将采集的图像数据通过约束公式进行前景与背景分离，其中，具体约束公式如下：|i(t)...

【专利技术属性】
技术研发人员：王晓跃，高丽娟，
申请(专利权)人：江苏熙枫智能科技有限公司，
类型：发明
国别省市：