本发明专利技术涉及无人机领域，更具体地，本发明专利技术涉及一种无人机安全距离调节的方法，方法包括：获取无人机飞行视频和定位数据，构建障碍集并训练目标检测模型，获取历史障碍物的位置坐标，利用LSTM模型预测障碍物位置，并计算预测准确度；将实时的帧图像输入目标检测模型，得到障碍物的位置坐标，并预测下一时刻的位置信息，计算无人机与障碍物的方向夹角和轨迹重叠概率；分别根据当前时刻无人机和障碍物的速度向量以及方向夹角，计算相对速度；根据无人机与障碍物间的相对速度、轨迹重叠概率和预测准确度动态调整无人机安全距离。本发明专利技术通过动态调整安全距离，无人机能够在保持安全飞行的同时，提高了操作的可靠性和无人机的实用性。
【技术实现步骤摘要】
本专利技术涉及无人机领域。更具体地，本专利技术涉及一种无人机安全距离调节的方法。
技术介绍
1、随着无人机的普及，对无人机的飞行设定了法规和监管措施，以确保无人机的安全和合法使用。这些法规通常涉及无人机的飞行高度、飞行区域、操作者的资质要求、隐私保护等方面。同时，无人机的安全操作和隐私保护是公众关注的焦点。无人机可能侵犯个人隐私，与有人驾驶航空器发生空中碰撞，或被用于非法活动。因此，无人机的操作需要严格遵守相关法规，并采取适当的安全措施。
2、现有公开号为cn117826843a的中国专利申请文件公开了基于三维点云的无人机智能避障方法及系统，方法包括：获取输电工程场景的三维点云数据集并构建移动滑窗，计算所述三维点云数据集中目标点在移动滑窗内的离群性值和电线边缘表现程度值，并判断得到第一信噪值；计算目标点的离群密度值，得到第二信噪值，根据第二信噪值自适应调节移动滑窗并进行去噪，得到显著数据集，将所述显著数据集对输电工程现场模型搭建，以指导无人机进行智能避障。本专利技术通过提高对三维点云数据的去噪的适应性，从而更准确地去噪后，获得更为准确的输电工程现场的模型，进而可以提高无人机智能避障方法的准确性及效率。
3、该申请文件仅对无人机数据的处理，为无人机避障提供了准确的分析数据，目前无人机设备上配设有激光测距仪从而辅助定位和避障，但是无人机的避障工作仍依赖于人工控制，同时人工操作无人机进行避障的同时，可能会遇到反应时间不足，视觉盲区以及环境复杂的问题，从而导致避障失败，增加了操作失误导致避障的风险。
/>技术实现思路
1、为解决人工操作无人机进行避障的同时，可能会遇到反应时间不足，视觉盲区以及环境复杂的问题，从而导致避障失败的问题，本专利技术在如下方面中提供方案。
2、一种无人机安全距离调节的方法，包括：获取无人机飞行任务路线的视频和定位数据，对视频采集帧图像并进行标注，构建障碍集，对定位数据按照时序获取无人机的位置坐标序列，使用障碍集训练目标检测模型，获取历史障碍物的位置坐标，基于位置坐标使用lstm模型预测下一时刻的位置信息，并计算预测准确度；将实时的帧图像输入目标检测模型，得到障碍物的位置坐标，并预测下一时刻的位置信息，计算前一时刻和当前时刻无人机和障碍物之间的方向夹角以及当前时刻与下一时刻相遇前预设时间内轨迹重叠概率；分别根据当前时刻无人机和障碍物的速度向量以及方向夹角，计算相对速度；根据无人机与障碍物间的相对速度、轨迹重叠概率和预测准确度动态调整无人机安全距离；其中，所述安全距离满足下述关系式：，式中，表示初设的安全距离，表示第时刻无人机与障碍物相对速度，表示无人机与障碍物的轨迹重叠概率，表示lstm模型对障碍物位置坐标的预测准确度，表示第时刻预测的无人机与障碍物间的距离。
3、其效果在于：通过实时分析视频流和定位数据，无人机能够准确识别和预测障碍物的位置，从而有效地规避障碍物，减少碰撞风险，根据无人机与障碍物的相对速度、轨迹重叠概率和预测准确度动态调整，使得安全距离更加适应当前的飞行环境和条件，提高了飞行的灵活性和安全性，通过计算无人机和障碍物的方向夹角和相对速度，无人机能够实时分析两者的相对运动状态，预测潜在的碰撞点和时间，提前进行避障。
4、优选的，所述目标检测模型为yolov5网络模型，输入为障碍集，输出为障碍物的位置和置信度。
5、优选的，所述lstm模型中输入为障碍物的位置坐标序列，输出为下一时刻的障碍物的位置坐标，其中，所述位置坐标即为障碍物最外侧边缘的矩形候选框的质心点。
6、其效果在于：通过将障碍物最外侧边缘的矩形候选框的质心点作为位置坐标，可以更精确地表示障碍物的位置，通过准确预测障碍物的位置，无人机可以提前做出避障决策，从而减少碰撞风险，提高飞行安全性。
7、优选的，所述预测准确度，包括：
8、获取历史每个时刻障碍物的预测位置坐标和置信度，计算障碍物的预测位置坐标与实际位置坐标之间的距离差值，将置信度与对应距离差值之间的累加和作为历史所有时刻的累计误差，将所述累计误差与飞行任务的总时间之间的比值运用以为底的负指数函数方式计算，得到预测准确度。
9、优选的，所述预测准确度，还包括：
10、计算历史飞行时间内，所有真实位置坐标与所有真实位置坐标的均值之间的差值平方和，得到总平方误差；所有真实位置坐标与预测位置坐标之间的差值的平方和，得到残差平方和；将残差平方和与总平方误差之间的比值的补数作为决定系数；
11、计算所有历史飞行时间内置信度的平均值与决定系数之间的乘积，并归一化处理，得到预测准确度。
12、优选的，所述方向夹角，包括：
13、建立三维坐标系，根据无人机定位数据确定无人机在三维坐标系中的位置坐标以及障碍物的位置坐标序列，其中，将无人机初始位置作为坐标原点、无人机初始飞行方向为轴；
14、分别计算无人机和障碍物在前一时刻到当前时刻的速度向量和速度向量的模，得到无人机的单位速度向量和障碍物的单位速度向量；
15、计算无人机的单位速度向量和障碍物的单位速度向量的乘积与对应速度向量的模的乘积之间的比值，使用反余弦函数得到当前时刻无人机和障碍物之间的方向夹角。
16、其效果在于：通过建立三维坐标系并计算无人机和障碍物的单位速度向量，可以精确地确定两者之间的方向夹角，确定无人机和障碍物的方向夹角，无人机可以更准确地判断如何调整自己的飞行路径来避免碰撞，实时计算方向夹角使得无人机能够迅速响应环境变化，及时调整飞行方向，避免潜在的碰撞。
17、优选的，所述轨迹重叠概率，包括：
18、对lstm模型输入当前时刻障碍物的位置坐标，滚动预测，得到预设多个时刻的障碍物的位置坐标序列，其中，滚动预测为：将当前第时刻障碍物的坐标信息输入lstm模型，得到第时刻的预测坐标信息，再将第时刻的预测坐标信息输入lstm模型，进行迭代，得到预设多个时刻的障碍物的位置坐标序列；
19、计算预设多个时刻的障碍物的位置坐标序列和对应无人机的位置坐标之间的欧氏距离，响应于欧氏距离大于预设距离阈值，则没有出现重叠，反之，则统计重叠坐标点的数量占轨迹点总数量的比值，得到重叠概率。
20、其效果在于：通过滚动预测，无人机可以预测障碍物在未来多个时刻的位置，从而提前做出避障决策，滚动预测提供了障碍物位置随时间变化的动态轨迹，使得无人机能够分析和预测潜在的碰撞风险，通过统计重叠坐标点的数量，无人机可以计算出与障碍物轨迹重叠的概率，从而增强飞行安全性。
21、优选的，所述相对速度满足下述关系式：
22、；
23、式中，表示时刻无人机与障碍物间的相对速度，表示时刻无人机的速度，表示时刻障碍物的速度，表示时刻无人机与障碍物间的方向夹角，表示余弦函数。
24、其效果在于：通过计算相对速度，可以精确地分析无人机与障碍物之间的相对运动，从而有利于预测碰撞风险和规划避障策略本文档来自技高网...
【技术保护点】
1.一种无人机安全距离调节的方法，其特征在于，包括：
2.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述目标检测模型为Yolov5网络模型，输入为障碍集，输出为障碍物的位置和置信度。
3.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述LSTM模型中输入为障碍物的位置坐标序列，输出为下一时刻的障碍物的位置坐标，其中，所述位置坐标即为障碍物最外侧边缘的矩形候选框的质心点。
4.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述预测准确度，包括：
5.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述预测准确度，还包括：
6.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述方向夹角，包括：
7.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述轨迹重叠概率，包括：
8.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述相对速度满足下述关系式：
【技术特征摘要】
1.一种无人机安全距离调节的方法，其特征在于，包括：
2.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述目标检测模型为yolov5网络模型，输入为障碍集，输出为障碍物的位置和置信度。
3.根据权利要求1所述的一种无人机安全距离调节的方法，其特征在于，所述lstm模型中输入为障碍物的位置坐标序列，输出为下一时刻的障碍物的位置坐标，其中，所述位置坐标即为障碍物最外侧边缘的矩形候选框的质心点。
4.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：王军，严鹏，李威，周宇，
申请(专利权)人：旭日蓝天武汉科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。