一种基于大数据的无人机控制方法技术

本发明专利技术涉及一种基于大数据的无人机控制方法，其包括：接收飞行动作测量数据和避障测试图像；对飞行动作测量数据进行第一飞行动作分解得到飞行动作测量矩阵，并根据飞行动作测量数据得到飞行动作估算矩阵，然后根据飞行动作估算矩阵和飞行动作测量矩阵构建飞行动作损失函数；对避障测试图像进行第二飞行动作分解得到飞行位移测量矩阵，并根据避障测试图像得到飞行位移估算矩阵，然后根据飞行位移测量矩阵和飞行位移估算矩阵构建飞行视觉损失函数；根据避障测试图像构建飞行动作约束条件，并根据飞行动作损失函数、飞行视觉损失函数和飞行动作约束条件生成无人机的实时飞行动作。飞行动作约束条件生成无人机的实时飞行动作。飞行动作约束条件生成无人机的实时飞行动作。

A control method of UAV Based on big data

The invention relates to a UAV control method based on big data, which includes: receiving flight action measurement data and obstacle avoidance test images; The flight action measurement data is first decomposed into flight action measurement matrix, and the flight action estimation matrix is obtained according to the flight action measurement data, and then the flight action loss function is constructed according to the flight action estimation matrix and flight action measurement matrix; The flight displacement measurement matrix is obtained by the second flight action decomposition of the obstacle avoidance test image, and the flight displacement estimation matrix is obtained according to the obstacle avoidance test image, and then the flight visual loss function is constructed according to the flight displacement measurement matrix and the flight displacement estimation matrix; The flight action constraint conditions are constructed according to the obstacle avoidance test image, and the real-time flight action of UAV is generated according to the flight action loss function, flight vision loss function and flight action constraint conditions. Flight action constraints generate real-time flight actions of UAV. Flight action constraints generate real-time flight actions of UAV< br/>

【技术实现步骤摘要】
一种基于大数据的无人机控制方法


[0001]本专利技术涉及大数据和无人机控制领域，尤其涉及一种基于大数据的无人机控制方法。

技术介绍

[0002]大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
[0003]无人机控制技术研究是目前国内外大学和研究机构关注的热点之一。近年来，无人机空中作业越来越普遍，已被广泛应用于各种场合，其有效克服了有人驾驶飞机在空中作业时的种种不足，降低了维护和采购成本，并且增加了作业的灵活性和适应性。但是，无人机在飞行过程中往往面临着山脉、建筑物、树木和输电线路等有形障碍物的安全威胁，以及受到禁飞区、危险区等无形障碍物的约束。因此，避障飞行对于无人机具有非常重要的意义，是无人机完成复杂、多功能高难度动作的前提条件。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于大数据的无人机控制方法，其包括：
[0005]接收无人机发送的飞行动作测量数据和避障测试区域的图像采集器发送的避障测试图像；
[0006]对飞行动作测量数据进行第一飞行动作分解得到飞行动作测量矩阵，并根据飞行动作测量数据得到飞行动作估算矩阵，然后根据飞行动作估算矩阵和飞行动作测量矩阵构建飞行动作损失函数；
[0007]对飞行动作测量数据进行第一飞行动作分解包括：根据飞行动作测量数据获取无人机在标准飞行坐标系下的飞行动作矩阵，并获取第一飞行坐标系与第二飞行坐标系间的固定盘旋偏差矩阵，然后根据无人机在标准飞行坐标系下的飞行动作矩阵和第一飞行坐标系与第二飞行坐标系间的固定盘旋偏差矩阵得到飞行动作测量矩阵；
[0008]对避障测试图像进行第二飞行动作分解得到飞行位移测量矩阵，并根据避障测试图像得到飞行位移估算矩阵，然后根据飞行位移测量矩阵和飞行位移估算矩阵构建飞行视觉损失函数；
[0009]对避障测试图像进行第二飞行动作分解包括：对避障测试图像进行动作解算以获取无人机在第三飞行坐标系下各飞行中枢点的测量坐标，并获取每个飞行中枢点的置信度，然后根据所有飞行中枢点在第三飞行坐标下的测量坐标得到飞行位移测量矩阵；所述飞行中枢点的置信度表征对应飞行中枢点被准确识别的概率；
[0010]根据避障测试图像构建飞行动作约束条件，并根据飞行动作损失函数、飞行视觉损失函数和飞行动作约束条件生成无人机的实时飞行动作；
[0011]识别避障测试图像中的实体障碍，并根据所述实体障碍和所述实时飞行动作生成
自动避障指令，然后将所述自动避障指令发送到无人机；无人机响应于接收到的自动避障指令进行自动避障。
[0012]根据一个优选实施方式，所述飞行动作测量数据包括无人机上所有飞行动作测量设备采集的无人机的实时飞行动作数据，每个无人机上有若干个飞行动作测量设备；所述图像采集器包括环视摄像头、单目摄像机、双目摄像机和三目摄像机；所述标准飞行坐标系为以大地为基准的坐标系；所述第一飞行坐标系为以无人机为基准的坐标系；所述第二飞行坐标系为以无人机的飞行动作测量设备为基准的坐标系；第三飞行坐标系为以图像采集器为基准的坐标系。
[0013]根据一个优选实施方式，根据飞行动作估算矩阵和飞行动作测量矩阵构建飞行动作损失函数：
[0014][0015]其中，为飞行动作损失函数，n为无人机上飞行动作测量设备的数量，i为飞行动作测量设备的索引，为标准飞行坐标系下第i个飞行动作测量设备的飞行动作估算矩阵，为标准飞行坐标系下第i个飞行动作测量设备的飞行动作测量矩阵，为将矩阵转化为四元数并取其向量部分。
[0016]根据一个优选实施方式，根据避障测试图像得到飞行位移估算矩阵包括：
[0017]获取各飞行中枢点在第二飞行坐标系下的估算坐标；
[0018]将第二飞行坐标系下各飞行中枢点的估算坐标投影到第三飞行坐标系以得到各飞行中枢点在第三飞行坐标下的估算坐标；
[0019]对所有飞行中枢点在第三飞行坐标下的估算坐标进行处理得到飞行位移估算矩阵。
[0020]根据一个优选实施方式，根据飞行位移测量矩阵和飞行位移估算矩阵构建飞行视觉损失函数包括：
[0021][0022]其中，为飞行视觉损失函数，p为图像采集器的索引，q为飞行中枢点的索引，u为图像采集器的个数，v为每张避障测试图像的飞行中枢点的个数，为第三飞行坐标系下第p个图像采集器采集的避障测试图像的第q个飞行中枢点的估算坐标，为第三飞行坐标系下第p个图像采集器采集的避障测试图像的第q个飞行中枢点的测量坐标。
[0023]根据一个优选实施方式，根据实体障碍和实时飞行动作生成自动避障指令包括：
[0024]获取实体障碍在第三飞行坐标系下的坐标位置；
[0025]获取无人机的实时飞行动作和无人机在第三坐标系下的坐标位置；
[0026]根据实体障碍在第三飞行坐标系下的坐标位置和无人机在第三飞行坐标系下的坐标位置计算无人机与实体障碍的距离；
[0027]在无人机与实体障碍的距离大于避障距离时，指示无人机根据按照预设飞行轨迹
飞行；
[0028]在无人机与实体障碍的距离小于避障距离时，通过自动避障算法实时修正无人机的实时飞行动作，并生成相应的动作修正指令。
[0029]本专利技术具有以下有益效果：本专利技术有助于实现无人机的自动巡航功能，使其在自动巡航过程中能够自行躲避实体障碍物，无人机按照调整后的飞行路径进行飞行，以实现无人机避让或穿越障碍物，对障碍物的探测更加准确、全面、立体，飞行路径更加准确、安全，使得无人机避障的准确度高，同时，本专利技术的无人机可实现自动避障，避障智能化程度高。
附图说明
[0030]图1为一示例性实施例提供的基于大数据的无人机控制方法的流程图。
具体实施方式
[0031]为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。
[0032]在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0033]应当理解，尽管在本专利技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本专利技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的无人机控制方法，其特征在于，接收无人机发送的飞行动作测量数据和避障测试区域的图像采集器发送的避障测试图像；对飞行动作测量数据进行第一飞行动作分解得到飞行动作测量矩阵，并根据飞行动作测量数据得到飞行动作估算矩阵，然后根据飞行动作估算矩阵和飞行动作测量矩阵构建飞行动作损失函数；对飞行动作测量数据进行第一飞行动作分解包括：根据飞行动作测量数据获取无人机在标准飞行坐标系下的飞行动作矩阵，并获取第一飞行坐标系与第二飞行坐标系间的固定盘旋偏差矩阵，然后根据无人机在标准飞行坐标系下的飞行动作矩阵和第一飞行坐标系与第二飞行坐标系间的固定盘旋偏差矩阵得到飞行动作测量矩阵；对避障测试图像进行第二飞行动作分解得到飞行位移测量矩阵，并根据避障测试图像得到飞行位移估算矩阵，然后根据飞行位移测量矩阵和飞行位移估算矩阵构建飞行视觉损失函数；对避障测试图像进行第二飞行动作分解包括：对避障测试图像进行动作解算以获取无人机在第三飞行坐标系下各飞行中枢点的测量坐标，并获取每个飞行中枢点的置信度，然后根据所有飞行中枢点在第三飞行坐标下的测量坐标得到飞行位移测量矩阵；所述飞行中枢点的置信度表征对应飞行中枢点被准确识别的概率；根据避障测试图像构建飞行动作约束条件，并根据飞行动作损失函数、飞行视觉损失函数和飞行动作约束条件生成无人机的实时飞行动作；识别避障测试图像中的实体障碍，并根据所述实体障碍和所述实时飞行动作生成自动避障指令，然后将所述自动避障指令发送到无人机；无人机响应于接收到的自动避障指令进行自动避障。2.根据权利要求1所述的方法，其特征在于，所述飞行动作测量数据包括无人机上所有飞行动作测量设备采集的无人机的实时飞行动作数据。3.根据权利要求1或2所述的方法，其特征在于，根据飞行动作估算矩阵和飞行动作测量矩阵构建飞行动作损失函数：其中，为飞行动作损失函数，n为无人机上飞行动作测量设备的数量，i为飞行动作测量设备的索引，为标准飞行坐标系下第i个飞行动作测量设备的飞行动...

【专利技术属性】
技术研发人员：张元献，
申请(专利权)人：张元献，
类型：发明
国别省市：