CN109307510A - 飞行导航方法、装置和无人飞行器 - Google Patents
飞行导航方法、装置和无人飞行器 Download PDFInfo
- Publication number
- CN109307510A CN109307510A CN201710628721.0A CN201710628721A CN109307510A CN 109307510 A CN109307510 A CN 109307510A CN 201710628721 A CN201710628721 A CN 201710628721A CN 109307510 A CN109307510 A CN 109307510A
- Authority
- CN
- China
- Prior art keywords
- flight
- feature point
- map datum
- fisrt feature
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000000605 extraction Methods 0.000 claims description 35
- 238000003860 storage Methods 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 description 21
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000013519 translation Methods 0.000 description 9
- 230000014616 translation Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供了一种飞行导航方法、装置和无人飞行器,所述方法应用在无人飞行器中,包括:接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。通过两个地图数据之间的关系修正通过GPS等方式定位带来的偏差,提高了定位的精确度,提高了无人飞行器中***的鲁棒性,从而减少飞行时偏离飞行航线的几率,保证飞行任务的正常执行。
Description
技术领域
本发明涉及无人飞行器的技术领域,特别是涉及一种飞行导航方法、装置和无人飞行器。
背景技术
随着无人飞行器的迅速发展,无人飞行器在农业植保、摄像、物流等领域广泛应用。
无人飞行器在规划飞行航线之后,按照飞行航线飞行并执行相应的飞行任务。
在飞行时,无人飞行器一般依靠GPS(Global Positioning System,全球定位***)进行定位、导航,若偏离飞行航线,则对飞行进行修正,返回飞行航线。
但是,GPS定位存在两米左右的误差,精确度较低,导致飞行时容易偏离飞行航线,对飞行任务产生不良影响。
为了提高无人飞行器在飞行时定位的精确度,目前可以在GPS的基础上,配合RTK(Real-time kinematic,实时动态差分法)仪器进行定位,可以将定位的误差缩小至厘米级。
但是,专门的RTK仪器的成本较高,而且,RTK仪器的定位依赖的因素较多,例如,在飞行的环境中存在遮挡或者RTCM数据链路不通畅,等等,将会大大降低定位的精确度,同样导致飞行时容易偏离飞行航线,对飞行任务产生不良影响。
发明内容
本发明实施例提出了一种飞行导航方法、装置和无人飞行器,以解决无人飞行器在飞行时定位的精确度较低、容易偏离飞行航线的问题。
依据本发明的一个方面,提供了一种飞行导航方法,应用在无人飞行器中,所述方法包括:
接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;
当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;
对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;
依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
可选地,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
在所述第一地图数据的作业区域中提取第一特征点;
在所述第二地图数据中提取第二特征点;
将所述第一特征点与所述第二特征点进行匹配;
基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
可选地,所述第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据;
所述第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
可选地,所述在所述第一地图数据的作业区域中提取第一特征点的步骤包括:
将所述第一地图数据中的作业区域切分成多个第一区域数据;
按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点;
所述在所述第二地图数据中提取第二特征点的步骤包括:
将所述第二地图数据中的作业区域切分成多个第二区域数据;
按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
可选地,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
采用所述第一特征描述子与所述第二特征描述子进行匹配;
若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
可选地,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
在所述第一地图数据中标记所述飞行位置;
基于所述飞行位置确定匹配区域;
将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
可选地,所述基于所述飞行位置确定匹配区域的步骤包括:
获取飞行高度和所述第一图像数据对应的拍摄参数;
采用所述飞行高度与所述拍摄参数计算匹配距离;
以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
可选地,所述基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;
在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;
在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
可选地,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤还包括:
在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
可选地,所述依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线的步骤包括:
采用当前飞行时的飞行偏移量对所述飞行位置进行修正;
依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
可选地,所述采用当前飞行时的飞行偏移量对所述飞行位置进行修正的步骤包括:
在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;
对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
根据本发明的另一方面,提供了一种飞行导航装置,应用在无人飞行器中,所述装置包括:
飞行信息接收模块,用于接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;
飞行测量模块,用于当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;
地图数据匹配模块,用于对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;
飞行修正模块,用于依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
可选地,所述地图数据匹配模块包括:
第一特征点提取子模块,用于在所述第一地图数据的作业区域中提取第一特征点;
第二特征点提取子模块,用于在所述第二地图数据中提取第二特征点;
特征点匹配子模块,用于将所述第一特征点与所述第二特征点进行匹配;
飞行偏移量计算子模块,用于基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
可选地,所述第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据;
所述第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
可选地,所述第一特征点提取子模块包括:
第一区域数据切分单元,用于将所述第一地图数据中的作业区域切分成多个第一区域数据;
第一像素点提取单元,用于按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点;
所述第二特征点提取子模块包括:
第二区域数据切分单元,用于将所述第二地图数据中的作业区域切分成多个第二区域数据;
第二像素点提取单元,用于按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
可选地,所述特征点匹配子模块包括:
特征描述子匹配单元,用于采用所述第一特征描述子与所述第二特征描述子进行匹配;
匹配成功确定单元,用于若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
可选地,所述特征点匹配子模块包括:
飞行位置标记单元,用于在所述第一地图数据中标记所述飞行位置;
匹配区域确定单元,用于基于所述飞行位置确定匹配区域;
匹配区域匹配单元,用于将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
可选地,所述匹配区域确定单元包括:
参数获取子单元,用于获取飞行高度和所述第一图像数据对应的拍摄参数;
匹配距离计算子单元,用于采用所述飞行高度与所述拍摄参数计算匹配距离;
匹配区域生成子单元,用于以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
可选地,所述飞行偏移量计算子模块包括:
三维坐标数据转换单元,用于参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;
坐标偏移位置获得单元,单元在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;
飞行偏移量获得单元,用于在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
可选地,所述地图数据匹配模块还包括:
异常特征点筛选子模块,用于在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
可选地,所述飞行修正模块包括:
飞行位置修正子模块,用于采用当前飞行时的飞行偏移量对所述飞行位置进行修正;
偏移修正子模块,用于依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
可选地,所述飞行位置修正子模块包括:
获得候选位置获得单元,用于在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;
线性滤波单元,用于对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
根据本发明的另一方面,提供了一种无人飞行器,包括通讯模块、传感器、控制器与存储介质;所述传感器包括图像传感器、GPS接收器,其特征在于,
所述通讯模块,用于与地面站进行通信;
所述图像传感器,用于采集地图数据;
所述GPS接收器,用于测量位置;
所述存储介质用于存储程序,所述程序运行时用于执行所述方法的步骤。
根据本发明的另一方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述的飞行导航方法。
根据本发明的另一方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行所述的飞行导航方法。
本发明实施例包括以下优点:
本发明实施例在第一地图数据的作业区域中规划飞行航线,当按照飞行航线进行飞行时,采集第二地图数据及测量飞行位置,对第一地图数据的作业区域和第二地图数据进行匹配,以计算飞行位置偏离飞行航线的飞行偏移量,依据飞行偏移量进行飞行修正,以修正至飞行航线,一方面,通过两个地图数据之间的关系修正通过GPS等方式定位带来的偏差,提高了定位的精确度,提高了无人飞行器中***的鲁棒性,从而减少飞行时偏离飞行航线的几率,保证飞行任务的正常执行,另一反面,无人飞行器多部署有摄像头,复用摄像头即可采集第二图像数据进行飞行修正,无需部署专门的RTK仪器,成本低。
附图说明
图1是本发明一个实施例的一种飞行导航方法的步骤流程图;
图2是本发明一个实施例的一种作业区域的示例图;
图3是本发明一个实施例的一种飞行航线的示例图;
图4是本发明一个实施例的另一种飞行导航方法的步骤流程图;
图5是本发明一个实施例的一种飞行导航装置的结构框图;
图6是本发明一个实施例的一种无人飞行器的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明一个实施例的一种飞行导航方法的步骤流程图,具体可以包括如下步骤:
步骤101,接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线。
在具体实现中,本发明实施例可以应用在无人飞行器中,即指利用无线遥控或程序控制来执行特定航空任务的飞行器,例如,农业植保、摄像、物流,等等。
应用本发明实施例,可以预先采集第一地图数据,第一地图数据通常是通过航空摄影测量并拼接处理来获得,存储在云端的服务器、无人飞行器的数据库和遥控器等位置。
因此,无人飞行器可以从云端的服务器请求第一地图数据,也可以在本地的数据库中提取第一地图数据,还可以接收遥控器发送的第一地图数据,等等。
需要说明的是,由于第一地图数据的分辨率与定位的精确度正相关,即第一地图数据的分辨率越高,定位的精确度越高,因此,第一地图数据一般为高清地图,即分辨率高于设定值的地图数据,
例如,若第一地图数据的分辨率为1:500,则定位的精确度大于5cm。
此外,第一地图数据是一种包含地理位置信息(三维坐标数据)的地图数据,其表现方式可以是瓦片、TIFF,等等。
在本发明实施例中,第一地图数据中具有作业区域,无人飞行器可以在该作业区域中执行飞行任务,例如,农业植保,等等。
如图2所示,技术人员可以手持测绘采集器或遥控器等定位装置,根据作业的需求实地对作业区域定位多个测量点(s1,s2,s3,…,sn),并标记在第一地图数据中,或者,直接在第一地图数据上根据作业的需求实地对作业区域标记多个测量点(s1,s2,s3,…,sn),记为点集合S={s1,s2,s3,…,sn}。
将点集合S中的测量点按照顺序依次连接,则可以将获得一个闭合的多边形,作为作业区域。
进一步地,可以从测量点中选择多个目标位置,依次连接目标位置则可以将获闭合的多边形,作为作业区域
如图3所示,若在测量点中选择目标位置,顺序为①、②、③、④,则可以依次连接目标位置①、②、③、④,生成封闭四边形的作业区域。
当然,在作业区域中也可以针对树、电线杆等障碍物定位测量点,连接之后生成禁飞区域,本发明实施例对此不加以限制。
在具体实现中,可以采用任一种满足飞行任务要求的方式规划飞行航线,所生成的飞行航线可以用一个点序列进行描述,该点是一个三维坐标数据,描述为pn,则该点序列描述为P={p1,p2,p3,…,pn}。
需要说明的是,飞行航线可以在无人飞行器中进行规划,也可以在遥控器中进行规划,则无人飞行器可以接收在第一地图数据的作业区域中规划的飞行航线,等等,本发明实施例对此不加以限制。
在一种规划的实施方式中,首先,计算飞行航线的起始航线。
为了确保无人飞行器在作业区域内的最大飞行覆盖范围,可以以第一个目标位置指向第二个目标位置的路线为起始航线。
如图3所示,若第一个目标位置为①、第二个目标位置为②,则起始航线为①指向②的航线(如箭头方向)。
当然,也可以以第一个目标位置指向最后一个目标位置的路线为起始航线,等等,本发明实施例对此不加以限制。
然后,以起始航线为基准,在作业区域内相隔一定的宽度,设计平行的飞行航线。
这些平行的飞行航线的端点(包括起始端点、终止端点)在飞行区域的边界上。
将相邻飞行航线的起始端点与终止端点相连,组成连同的飞行航线。
在此实施方式中,在作业区域内相同方向的相邻飞行航线之间的宽度,可以由无人飞行器的机身的宽度确定,也可以根据无人飞行器实际航拍需要来确定,等等。
例如,无人飞行器上的摄像头需要航拍到飞行区域内5米内的区域,则相邻的飞行航线之间的宽度小于5米。
若查询到障碍物,如电线杆、电灯柱、树木、高大建筑物等影响无人飞行器飞行的物体,则可以针对该障碍物的位置计算绕行区域,在绕行区域的边界上确定飞行航线,可以使得无人飞行器绕开障碍物继续飞行,也能保证无人飞行器的航向尽量将飞行区域全面覆盖。
当然,上述生成飞行航线的方式只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他生成飞行航线的方式,本发明实施例对此不加以限制。另外,除了上述生成飞行航线的方式外,本领域技术人员还可以根据实际需要采用其它生成飞行航线的方式,本发明实施例对此也不加以限制。
步骤102,当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置。
若生成了飞行航线,则无人飞行器可以沿该飞行航线进行飞行,并执行相应的飞行任务,如农业植保。
无人飞行器在飞行时,可以调用摄像头,采集第二地图数据。
与此同时,无人飞行器可以通过GPS芯片等定位组件进行定位,测量飞行位置。
需要说明的是,无人飞行器可以以一定的频率采集第二地图数据及进行后续的飞行修正,该频率可以根据机载计算平台的处理能力和定位组件(如GPS芯片)的更新频率来确定,例如,定位组件(如GPS芯片)的更新频率是5HZ,那么,可以将该频率定为5HZ。
此外,该频率和飞行修正的精确度有关,提高频率可以适当提高飞行修正的精确度。
当然,采集第二地图数据及进行后续的飞行修正的频率也可以与定位组件(如GPS芯片)的更新频率不同,本发明实施例对此不加以限制。
步骤103,对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量。
由于作业区域中的飞行航线是在第一地图数据的基础上规划的,因此,无人飞行器在按照飞行航线飞行时采集的第二地图数据,与第一地图数据是针对相同或相似的物体拍摄的。
当然,第一地图数据中的物体与第二地图数据中的物体可能因为季节变化、雨水冲刷等因素有所不同,但是,两者之间的相似性在一定的时间范围内比较高的。
在本发明实施例中,可以对比第一地图数据的作业区域和第二地图数据之间的差异,计算出飞行位置偏离飞行航线的飞行偏移量,即飞行位置偏离飞行航线的大小程度。
步骤104,依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
在具体实现中,飞行控制器可以对飞行偏移量进行补偿,实现飞行修正,从而返回设定的飞行航线继续执行飞行任务。
本发明实施例在第一地图数据的作业区域中规划飞行航线,当按照飞行航线进行飞行时,采集第二地图数据及测量飞行位置,对第一地图数据的作业区域和第二地图数据进行匹配,以计算飞行位置偏离飞行航线的飞行偏移量,依据飞行偏移量进行飞行修正,以修正至飞行航线,一方面,通过两个地图数据之间的关系修正通过GPS等方式定位带来的偏差,提高了定位的精确度,提高了无人飞行器中***的鲁棒性,从而减少飞行时偏离飞行航线的几率,保证飞行任务的正常执行,另一反面,无人飞行器多部署有摄像头,复用摄像头即可采集第二图像数据进行飞行修正,无需部署专门的RTK仪器,成本低。
参照图4,示出了本发明一个实施例的另一种飞行导航方法的步骤流程图,应用在无人飞行器中,所述方法具体可以包括如下步骤:
步骤401,接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线。
步骤402,当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置。
步骤403,在所述第一地图数据的作业区域中提取第一特征点。
在本发明实施例中,在第一地图数据中的作业区域内,可以提取体现图像特征的第一特征点。
在具体实现中,第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据。
因此,第一特征点可以描述为xi={di,ci,fi},其中,di为第i个第一特征点的特征描述子,为n维向量,ci为第i个第一特征点的像素坐标,fi为第i个第一特征点的地理位置坐标,用三维向量表示,即三维位置数据。
作业区域中的第一特征点的集合记为X={x1,x2,x3,…,xn}。
在一种实施方式中,采用分块的方法,将第一地图数据中的作业区域切分成多个第一区域数据,例如,将作业区域切割成N*M个小格(N、M为正整数),作为第一区域数据。
按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点。
其中,特征提取方式包括SIFT(Scale-invariant feature transform,尺度不变特征转换)、SURF(speed up robust feature,快速鲁棒特征)、ORB(Oriented FAST andRotated BRIEF)等等,在每个第一区域数据中提取t个第一像素点,如每100个第一像素点提取一个第一特征点,可以使得第一特征点均匀分布。
当然,出了分块之外,也可以按照预设的特征提取方式直接从第一地图数据的作业区域中提取第一特征点,本发明实施例对此不加以限制。
步骤404,在所述第二地图数据中提取第二特征点。
在本发明实施例中,在第二地图数据中,可以提取体现图像特征的第二特征点。
在具体实现中,第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
因此,第二特征点可以描述为xpi={dpi,cpii},其中,dpi为第i个第二特征点的特征描述子,为n维向量,cpi为第i个第二特征点的像素坐标。
第二地图数据中的第二特征点的集合记为Xp={xp1,xp2,xp3,…,xpn}。
在一种实施方式中,采用分块的方法,将第二地图数据中的作业区域切分成多个第二区域数据,例如,将作业区域切割成A*B个小格(A、B为正整数),作为第二区域数据。
按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
其中,特征提取方式包括SIFT、SURF、ORB等等,在每个第二区域数据中提取t个第二像素点,如每100个第二像素点提取一个第二特征点,可以使得第二特征点均匀分布。
当然,出了分块之外,也可以按照预设的特征提取方式直接从第二地图数据中提取第二特征点,本发明实施例对此不加以限制。
步骤405,将所述第一特征点与所述第二特征点进行匹配。
在具体实现中,可以采用第一特征描述子与第二特征描述子进行匹配,其中,匹配的方式与所使用的特征提取方式对应。
若第一特征描述子与第二特征描述子匹配成功,则确定第一特征点与第二特征点匹配成功。
在本发明的一个实施例中,步骤405可以包括如下子步骤:
子步骤S11,在所述第一地图数据中标记所述飞行位置。
子步骤S12,基于所述飞行位置确定匹配区域。
子步骤S13,将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
在本发明实施例中,为了提高第一特征点和第二特征点匹配的速度,可以根据无人飞行器当前的飞行位置去除不符合要求的第一特征点。
无人飞行器在飞行时,一般不会偏离飞行航线太远,因此,可以在第一地图数据中标记飞行位置,在该飞行位置周边的区域作为匹配区域。
在确定匹配区域后,从作业区域中的第一特征点中筛选出第一像素坐标落入该匹配区域中的第一特征点。
筛选出的第一特征点可以描述为Xd={xd1,xd2,xd3,…,xdn}。
进而,将筛选出的第一特征点Xd与第二特征点Xp进行匹配。
在本发明实施例一个示例中,可以获取飞行高度和第一图像数据对应的拍摄参数,其中,拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
采用飞行高度与拍摄参数计算匹配距离:
R=Hwpnp(1-p)/f
其中,R是匹配距离,H是飞行高度,wp是像素大小,np是像素数量,P是重叠度,f是焦距。
以飞行位置作为圆心、匹配距离作为半径,生成圆形的匹配区域。
当然,上述生成匹配区域的方法只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他生成匹配区域的方法,本发明实施例对此不加以限制。另外,除了上述生成匹配区域的方法外,本领域技术人员还可以根据实际需要采用其它生成匹配区域的方法,本发明实施例对此也不加以限制。
在本发明的一个实施例中,在匹配之后,可以采用RANSAC(Random SampleConsensus)方法在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点,如离群点,生成一组匹配的第一特征点与第二特征点。
步骤406,基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
在具体实现中,可以对比第一特征点与第二特征点之间的偏差,计算出飞行位置偏离飞行航线的飞行偏移量。
在本发明的一个实施例中,步骤406可以包括如下子步骤:
子步骤S21,参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据。
在本发明实施例中,可以使用计算机视觉中的PnP算法等方式,参照第一特征点的三维坐标数据及其匹配成功的第二特征点的第二像素坐标,估计无人飞行器中的相机姿态,求解无人飞行器在获取第二图像数据时的三维坐标数据。
子步骤S22,在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置。
由于第一地图数据是一种每一个第一像素点都带有地理位置信息的影像,该地理位置信息是一个三维坐标值,其描述方式可以是任意一种能够描述三维空间点的方式,并且,该地理位置信息并不一定要和该位置的真实定位坐标(如GPS坐标)重合。
但是,同一时间获取的第一地图数据上的任意一个第一像素点与其对应的真实定位坐标(如GPS坐标)相差一个平移关系,记该平移关系为坐标系偏移量Tr,坐标系偏移量Tr在同一次获取第一地图数据时是一个常量。
在测绘时,在拍摄的区域放置一个标记点,并记录该点的真实定位坐标(如GPS坐标),在生成第一地图数据后,在第一地图数据找出该标记点并将该点的地理位置信息与真实定位坐标(如GPS坐标)比较,两者的差值即为坐标系偏移量Tr。
在本发明实施例中,可以在第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量Tr,获得坐标偏移位置。
子步骤S23,在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
在坐标偏移位置的基础上减去飞行位置,则可以获得偏离飞行航线的飞行偏移量,记为P。
步骤407,采用当前飞行时的飞行偏移量对所述飞行位置进行修正。
步骤408,依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
由于飞行位置的偏移是一个具有连续性的量,而不是一个随机跳动的量,因此,采用飞行偏移量P作为下一次飞行位置更新的输入,进而修正GPS等定位方式带来的偏移。
在一种修正飞行位置的方式中,由于定位部件按照一定的更新频率进行定位,因此,可以获得一系列的飞行位置。
在当前飞行时的飞行位置的基础上,加上飞行偏移量P,获得候选位置,记为Gp,原始的飞行位置记为Gy。
采用卡尔曼滤波器等方式,对飞行位置Gy与候选位置Gp进行线性滤波,获得修正的飞行位置。
由于飞行位置Gy与候选位置Gp会带有一定的噪声,因此,通过线性滤波融合飞行位置Gy与候选位置Gp,输出一个当前位置的坐标值,即修正的飞行位置,可以减少噪声带来的影响。
再修正的飞行位置作为控制量输入飞行控制器,飞行控制器根据该修正的飞行位置和飞行航线上的目标坐标之间的偏移,采用PID(proportion integrationdifferentiation,比例-积分-微分)等控制方式控制无人飞行器飞行,使得无人飞行器从该修正的飞行位置向飞行航线上的目标坐标飞行。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图5,示出了本发明一个实施例的一种飞行导航装置的结构框图,应用在无人飞行器中,所述装置具体可以包括如下模块:
飞行信息接收模块501,用于接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;
飞行测量模块502,用于当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;
地图数据匹配模块503,用于对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;
飞行修正模块504,用于依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
在本发明的一个实施例中,所述地图数据匹配模块503包括:
第一特征点提取子模块,用于在所述第一地图数据的作业区域中提取第一特征点;
第二特征点提取子模块,用于在所述第二地图数据中提取第二特征点;
特征点匹配子模块,用于将所述第一特征点与所述第二特征点进行匹配;
飞行偏移量计算子模块,用于基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
在具体实现中,所述第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据。
在实际应用中,所述第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
在本发明的一个实施例中,所述第一特征点提取子模块包括:
第一区域数据切分单元,用于将所述第一地图数据中的作业区域切分成多个第一区域数据;
第一像素点提取单元,用于按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点。
在本发明的一个实施例中,所述第二特征点提取子模块包括:
第二区域数据切分单元,用于将所述第二地图数据中的作业区域切分成多个第二区域数据;
第二像素点提取单元,用于按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
在本发明的一个实施例中,所述特征点匹配子模块包括:
特征描述子匹配单元,用于采用所述第一特征描述子与所述第二特征描述子进行匹配;
匹配成功确定单元,用于若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
在本发明的一个实施例中,所述特征点匹配子模块包括:
飞行位置标记单元,用于在所述第一地图数据中标记所述飞行位置;
匹配区域确定单元,用于基于所述飞行位置确定匹配区域;
匹配区域匹配单元,用于将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
在本发明的一个实施例中,所述匹配区域确定单元包括:
参数获取子单元,用于获取飞行高度和所述第一图像数据对应的拍摄参数;
匹配距离计算子单元,用于采用所述飞行高度与所述拍摄参数计算匹配距离;
匹配区域生成子单元,用于以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
在本发明的一个实施例中,所述飞行偏移量计算子模块包括:
三维坐标数据转换单元,用于参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;
坐标偏移位置获得单元,单元在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;
飞行偏移量获得单元,用于在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
在本发明的一个实施例中,所述地图数据匹配模块503还包括:
异常特征点筛选子模块,用于在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
在本发明的一个实施例中,所述飞行修正模块504包括:
飞行位置修正子模块,用于采用当前飞行时的飞行偏移量对所述飞行位置进行修正;
偏移修正子模块,用于依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
在本发明的一个实施例中,所述飞行位置修正子模块包括:
获得候选位置获得单元,用于在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;
线性滤波单元,用于对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明实施例在第一地图数据的作业区域中规划飞行航线,当按照飞行航线进行飞行时,采集第二地图数据及测量飞行位置,对第一地图数据的作业区域和第二地图数据进行匹配,以计算飞行位置偏离飞行航线的飞行偏移量,依据飞行偏移量进行飞行修正,以修正至飞行航线,一方面,通过两个地图数据之间的关系修正通过GPS等方式定位带来的偏差,提高了定位的精确度,提高了无人飞行器中***的鲁棒性,从而减少飞行时偏离飞行航线的几率,保证飞行任务的正常执行,另一反面,无人飞行器多部署有摄像头,复用摄像头即可采集第二图像数据进行飞行修正,无需部署专门的RTK仪器,成本低。
图6是本发明一个实施例的一种无人飞行器600的结构示意图。如图6所示,无人飞行器600包括控制器610,所述控制器610以有线或无线方式与一个或多个传感器或感测***601a-c连接。所述传感器可以通过控制器局域网(controller area network,CAN)与所述控制器连接。所述控制器610也可以与一个或多个致动器620连接以控制所述无人飞行器的状态。
所述传感器可以包括本说明书描述的任意传感器,例如惯性传感器、GPS接收器、指南针、磁力计、高度计、距离传感器(例如红外线传感器或激光雷达传感器)、视觉或图像传感器(例如相机或摄像机)、光电传感器、运动传感器、触控传感器、压力传感器、温度传感器、磁传感器等等。
在某些实施例中,可以将一些传感器(例如视觉传感器)与现场可编程门阵列(field programmable gate array,FPGA,图上未示出)连接。可以将所述现场可编程门阵列与所述控制器连接(例如通过通用存储控制器(general purpose memory controller,GPMC)连接)。在某些实施例中,可以将一些传感器(例如视觉传感器)及/或所述现场可编程门阵列与传输模块连接。所述传输模块可以用来将所述传感器获取的数据(例如图像数据)传送给任意适合的外部设备或***,例如本说明书描述的终端或远程设备。
所述控制器可以包括一个或多个可编程处理器(例如中央处理器)。所述控制器可以与存储介质(如非易失性计算机可读介质)630连接。所述存储介质可以包括一个或多个存储单元(例如可移动介质或外部存储器,如SD卡或随机存储器)。在某些实施例中,来自于所述传感器(例如相机)的数据可以直接传送及存储于所述存储介质的存储单元中(例如通过直接内存访问连接(DMA))。所述存储介质的存储单元可以存储代码及/或程序指令。所述控制器执行该代码及/或程序指令,以执行本说明书描述的方法实施例。例如,所述控制器可以执行指令,使得所述控制器的一个或多个处理器分析一个或多个传感器或感测***产生的数据,以确定本说明书描述的所述无人飞行器的方位及/或运动信息、检测的外部接触信息及/或检测的外部信号信息。又如,所述控制器可以执行指令,使得所述控制器的一个或多个处理器决定是否控制所述无人飞行器自主起飞或降落。
所述存储介质630的存储单元存储来自于所述一个或多个感测***的感测数据,该感测数据将由所述控制器处理。在某些实施例中,所述存储单元可以存储所述无人飞行器方位及/或运动信息、检测的外部接触信息及/或检测的外部信号信息。可选地或结合地,所述存储单元可以存储用以控制所述无人飞行器的预定或预存的数据(例如预定的感测数据的阈值、用以控制所述致动器的参数、所述无人飞行器的预定飞行路径、速度、加速度或方向)。
如前所述,所述控制器610可以通过一个或多个致动器620调整所述无人飞行器的状态。例如,所述控制器可以控制所述无人飞行器的转子(例如控制转子的旋转速度),因而调整所述无人飞行器或其部件(例如负载、负载的载体)相对于多达六个自由度(沿X、Y及Z轴的平移运动及横滚轴、俯仰轴及航向轴的旋转运动)的空间布局。可选地或结合地,所述控制器可以调整所述无人飞行器相对于六个自由度的速度或加速度。在某些实施例中,所述控制器可以基于预定的控制数据或所述无人飞行器的位置、外部接触或外部信号信息来控制所述无人飞行器。通过处理来自于一个或多个感测***的感测数据,可以获得所述无人飞行器的方位、外部接触或外部信号信息。例如,所述控制器可以基于是否需要起飞或降落来为所述致动器提供加速或减速信号。
在不同的实施例中,所述致动器可以包括电机、电子调速器、机械传动装置、液压传动装置、气压传动装置等等。所述电机可以包括磁力电机、静电电机或压电电机。例如,在某个实施例中,所述致动器包括有刷或无刷直流电机。
所述控制器可以与通信模块640连接,用以传送及/或接收来自于一个或多个外部设备(例如终端、显示设备或其他遥控器)的数据。所述通信模块可以使用任意适用的通信方式,例如有线通信或无线通信。例如,所述通信模块可以采用一个或多个局域网、广域网、红外线、无线电波、WiFi、点对点(point-to-point,P2P)网络、电信网络、云通信等等。可选地,可以采用中继站,例如发射塔、卫星或移动站。所述无线通信可以受距离的影响也可以不受距离的影响。在某些实施例中,可以在视线之内通信也可以在视线之外通信。所述通信模块可以传送及/或接收来自于所述感测***的一个或多个感测数据、方位及/或运动信息、通过处理所述感测数据获得的外部接触信息及/或外部信号信息、预定的控制数据、来自于终端或遥控器的用户命令等等。
所述无人飞行器的部件可以进行任意适合的配置。例如,该无人飞行器的一个或多个部件可以设置在所述无人飞行器、载体、负载、终端、感测***或任意与上述一个或多个设备相通信的其他远程设备或***上。此外,尽管图6描述单个控制器及单个存储介质,本领域的技术人员应当知道,该描述并非对所述无人飞行器的限制,所述无人飞行器可以包括多个控制器及/或存储介质。在某些实施例中,所述多个控制器及/或存储介质中的一个或多个可以设置在不同位置,例如在所述无人飞行器、载体、负载、终端、感测***或任意与上述一个或多个设备相通信的其他远程设备或***或其适当的组合上,使得所述无人飞行器便于在上述一个或多个位置执行处理及/或存储功能。
所述无人飞行器包括但不限于单旋翼飞行器、多旋翼飞行器及旋翼飞行器。旋翼飞行器通常利用螺旋桨绕杆或轴旋转产生升力。所述旋翼飞行器包括例如直升机、滚翼机、自转旋翼机、旋翼式直升飞机等等。所述旋翼飞行器可以有多个安装在所述飞行器的多个位置的转子。例如,所述无人飞行器可以包括四旋翼直升机、六旋翼直升机、十旋翼直升机等等。
在不同的实施例中,所述无人飞行器可以相对于六个自由度(例如三个平移自由度及三个旋转自由度)***。或者,所述无人飞行器可以限制在一个或多个自由度运动,例如限制在预定轨道或轨迹。所述运动可以由任意适合的驱动机制驱动,例如由引擎或电机驱动。在某些实施例中,所述无人飞行器可以受推进***驱动。推进***可以包括例如引擎、电机、轮子、轮轴、磁铁、转子、螺旋桨、桨叶、喷嘴或任何适合的上述部件的组合。可以由任意适合的能源,例如电能、磁能、太阳能、风能、重力能、化学能、核能或任何适合的能源的组合为所述无人飞行器的运动提供动力。
在不同的实施例中,所述无人飞行器可以采用不同的大小、尺寸及/或结构。例如,在一个实施例中,所述无人飞行器可以是多旋翼无人飞行器,反向转动的转子的轴间距不超过某一阈值。所述阈值可以是大约5m、4m、3m、2m、1m等等。例如,所述反向转动的转子的轴间距的数值可以是350mm、450mm、800mm、900mm等等。
在某些实施例中,所述无人飞行器的大小及/或尺寸足以容纳一个人在其中或其上。或者,所述无人飞行器的大小及/或尺寸不足以容纳一个人在其中或其上。在某些情况下,所述无人飞行器的最大的尺寸(例如长、宽、高、直径、对角线)不超过5m、4m、3m、2m、1m、0.5m或0.1m。例如,所述反向转动的转子的轴间距可以不超过5m、4m、3m、2m、1m、0.5m或0.1m。在某些实施例中,所述无人飞行器的体积可以小于100cm x 100cm x 100cm。在某些实施例中,所述无人飞行器的体积可以小于50cm x 50cm x 30cm。在某些实施例中,所述无人飞行器的体积可以小于5cm x 5cm x 3cm。在某些实施例中,所述无人飞行器的占地面积(所述无人飞行器的横截面的面积)可以小于大约32,000cm2、20,000cm2、10,000cm2、1,000cm2、500cm2、100cm2或更小。在某些情况下,所述无人飞行器的重量可以不超过1000kg、500kg、100kg、10kg、5kg、1kg或者0.5kg。
在不同的实施例中,所述无人飞行器可以搭载载荷。所述载荷可以包括一个或多个货物、装置、仪器等等。所述载荷可以有壳体。可选地,所述载荷的部分或整个可以没有壳体。所述载荷可以相对于所述无人飞行器刚性固定。或者,所述载荷可以相对于所述无人飞行器运动(例如相对于所述无人飞行器平移或旋转)。
在某些实施例中,所述载荷包括负载及搭载所述负载的载体,例如,药箱。所述载体可以与所述无人飞行器一体成型。或者,所述载体可以可拆卸地连接到所述无人飞行器。所述载体可以与所述无人飞行器直接或间接连接。所述载体可以支撑所述负载(例如至少支撑所述负载的部分重量)。所述载体可以包括适合的安装结构(例如云台),能够稳定及/或控制所述负载的运动。在某些实施例中,所述载体可以适用于控制所述负载相对于所述无人飞行器的状态(例如位置及/或方向)。例如,所述载体可以相对于所述无人飞行器运动(例如相对于一个、两个或三个平移自由度及/或一个、两个或三个旋转自由度运动),使得所述负载相对于适合的参考坐标系保持其位置/及或方向而不受所述无人飞行器运动的影响。所述参考坐标系可以是固定参考坐标系(例如周围环境)。或者,所述参考坐标系可以是运动参考坐标系(例如所述无人飞行器、负载)。
在某些实施例中,所述载体可以使得所述负载相对于所述载体及/或无人飞行器运动。所述运动可以是相对于达到三个自由度(例如沿一个、两个或三个轴)的平移、相对于达到三个自由度(例如沿一个、两个或三个轴)的旋转或者其任意组合。例如,所述载体可以包括框架组件及致动器组件。所述框架组件可以为所述负载提供结构支撑。所述框架组件可以包括多个单独的框架部件,其中一些框架部件可以相互运动。
所述框架组件及/或单独的框架部件可以与驱动组件连接,该驱动组件驱使所述框架组件运动。所述驱动组件可以包括一个或多个致动器(例如电机),用于驱使所述单独的框架部件运动。所述致动器可以使得多个框架部件同时运动或每次只有一个框架部件运动。所述框架部件的运动可以使得所述负载相应运动。例如,所述驱动组件可以驱使一个或多个框架部件绕一个或多个旋转轴(例如横滚轴、俯仰轴或航向轴)旋转。所述一个或多个框架部件的旋转可以使得负载相对于所述无人飞行器绕一个或多个旋转轴旋转。可选地或结合地,所述驱动组件可以驱使一个或多个框架部件沿一个或多个平移轴平移,从而使所述负载相对于所述无人飞行器沿一个或多个对应的平移轴平移。
所述负载可以通过所述载体与所述无人飞行器直接(例如直接接触所述无人飞行器)或间接(例如不接触所述无人飞行器)连接。可选地,所述负载可以无需载体安装在所述无人飞行器上。所述负载可以与所述载体形成一个整体。或者,所述负载可以可拆卸地与所述载体连接。在某些实施例中,所述负载可以包括一个或多个负载元件,如前所述,所述负载元件可以相对于所述无人飞行器及/或载体运动。所述负载可以包括用于测量一个或多个目标的一个或多个传感器。所述负载可以包含任意适合的传感器,例如图像获取设备(如相机)、声音获取设备(如抛物面麦克风)、红外线成像设备或紫外线成像设备。所述传感器可以提供静态感测数据(例如照片)或动态感测数据(例如视频)。在某些实施例中,所述传感器将感测数据提供给所述负载的感测对象。可选地或结合地,所述负载可以包括一个或多个发射器,用于将信号提供给一个或多个感测对象。所述发射器可以是任意适合的发射器,例如光源或声源。在某些实施例中,所述负载包括一个或多个收发器,例如用于与远离所述无人飞行器的模组通信。在本发明实施例中,通过调用存储在存储介质630内的程序,控制器610用于当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
可选地,控制器610还用于:在所述第一地图数据的作业区域中提取第一特征点;在所述第二地图数据中提取第二特征点;将所述第一特征点与所述第二特征点进行匹配;基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
可选地,所述第一特征点具有如下的一个或多个属性:第一特征描述子、第一像素坐标、三维位置数据;所述第二特征点具有如下的一个或多个属性:第二特征描述子、第二像素坐标。
可选地,控制器610还用于:将所述第一地图数据中的作业区域切分成多个第一区域数据;按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点;所述在所述第二地图数据中提取第二特征点的步骤包括:将所述第二地图数据中的作业区域切分成多个第二区域数据;按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
可选地,控制器610还用于:采用所述第一特征描述子与所述第二特征描述子进行匹配;若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
可选地,控制器610还用于:在所述第一地图数据中标记所述飞行位置;基于所述飞行位置确定匹配区域;将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
可选地,控制器610还用于:获取飞行高度和所述第一图像数据对应的拍摄参数;采用所述飞行高度与所述拍摄参数计算匹配距离;以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
可选地,控制器610还用于:参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
可选地,控制器610还用于:在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
可选地,控制器610还用于:采用当前飞行时的飞行偏移量对所述飞行位置进行修正;依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
可选地,控制器610还用于:在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
本发明实施例提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行飞行导航方法,所述方法包括:
接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;
当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;
对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;
依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
可选地,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
在所述第一地图数据的作业区域中提取第一特征点;
在所述第二地图数据中提取第二特征点;
将所述第一特征点与所述第二特征点进行匹配;
基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
可选地,所述第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据;
所述第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
可选地,所述在所述第一地图数据的作业区域中提取第一特征点的步骤包括:
将所述第一地图数据中的作业区域切分成多个第一区域数据;
按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点;
所述在所述第二地图数据中提取第二特征点的步骤包括:
将所述第二地图数据中的作业区域切分成多个第二区域数据;
按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
可选地,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
采用所述第一特征描述子与所述第二特征描述子进行匹配;
若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
可选地,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
在所述第一地图数据中标记所述飞行位置;
基于所述飞行位置确定匹配区域;
将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
可选地,所述基于所述飞行位置确定匹配区域的步骤包括:
获取飞行高度和所述第一图像数据对应的拍摄参数;
采用所述飞行高度与所述拍摄参数计算匹配距离;
以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
可选地,所述基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;
在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;
在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
可选地,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤还包括:
在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
可选地,所述依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线的步骤包括:
采用当前飞行时的飞行偏移量对所述飞行位置进行修正;
依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
可选地,所述采用当前飞行时的飞行偏移量对所述飞行位置进行修正的步骤包括:
在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;
对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
本发明实施例提供了一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行飞行导航方法,所述方法包括:
接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;
当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;
对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;
依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
可选地,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
在所述第一地图数据的作业区域中提取第一特征点;
在所述第二地图数据中提取第二特征点;
将所述第一特征点与所述第二特征点进行匹配;
基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
可选地,所述第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据;
所述第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
可选地,所述在所述第一地图数据的作业区域中提取第一特征点的步骤包括:
将所述第一地图数据中的作业区域切分成多个第一区域数据;
按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点;
所述在所述第二地图数据中提取第二特征点的步骤包括:
将所述第二地图数据中的作业区域切分成多个第二区域数据;
按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
可选地,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
采用所述第一特征描述子与所述第二特征描述子进行匹配;
若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
可选地,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
在所述第一地图数据中标记所述飞行位置;
基于所述飞行位置确定匹配区域;
将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
可选地,所述基于所述飞行位置确定匹配区域的步骤包括:
获取飞行高度和所述第一图像数据对应的拍摄参数;
采用所述飞行高度与所述拍摄参数计算匹配距离;
以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
可选地,所述基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;
在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;
在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
可选地,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤还包括:
在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
可选地,所述依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线的步骤包括:
采用当前飞行时的飞行偏移量对所述飞行位置进行修正;
依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
可选地,所述采用当前飞行时的飞行偏移量对所述飞行位置进行修正的步骤包括:
在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;
对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种飞行导航装置方法和一种飞行导航装置装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (25)
1.一种飞行导航方法,其特征在于,应用在无人飞行器中,所述方法包括:
接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;
当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;
对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;
依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
在所述第一地图数据的作业区域中提取第一特征点;
在所述第二地图数据中提取第二特征点;
将所述第一特征点与所述第二特征点进行匹配;
基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
3.根据权利要求2所述的方法,其特征在于,
所述第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据;
所述第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
4.根据权利要求3所述的方法,其特征在于,
所述在所述第一地图数据的作业区域中提取第一特征点的步骤包括:
将所述第一地图数据中的作业区域切分成多个第一区域数据;
按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点;
所述在所述第二地图数据中提取第二特征点的步骤包括:
将所述第二地图数据中的作业区域切分成多个第二区域数据;
按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
5.根据权利要求3所述的方法,其特征在于,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
采用所述第一特征描述子与所述第二特征描述子进行匹配;
若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
6.根据权利要求3或5所述的方法,其特征在于,所述将所述第一特征点与所述第二特征点进行匹配的步骤包括:
在所述第一地图数据中标记所述飞行位置;
基于所述飞行位置确定匹配区域;
将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
7.根据权利要求6所述的方法,其特征在于,所述基于所述飞行位置确定匹配区域的步骤包括:
获取飞行高度和所述第一图像数据对应的拍摄参数;
采用所述飞行高度与所述拍摄参数计算匹配距离;
以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
8.根据权利要求3所述的方法,其特征在于,所述基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤包括:
参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;
在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;
在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
9.根据权利要求2或3或4或5或7或8所述的方法,其特征在于,所述对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量的步骤还包括:
在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
10.根据权利要求1或2或3或4或5或7或8所述的方法,其特征在于,所述依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线的步骤包括:
采用当前飞行时的飞行偏移量对所述飞行位置进行修正;
依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
11.根据权利要求10所述的方法,其特征在于,所述采用当前飞行时的飞行偏移量对所述飞行位置进行修正的步骤包括:
在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;
对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
12.一种飞行导航装置,其特征在于,应用在无人飞行器中,所述装置包括:
飞行信息接收模块,用于接收第一地图数据以及在所述第一地图数据中作业区域规划的飞行航线;
飞行测量模块,用于当按照所述飞行航线进行飞行时,获取第二地图数据及飞行位置;
地图数据匹配模块,用于对所述第一地图数据的作业区域和所述第二地图数据进行匹配,以计算所述飞行位置偏离所述飞行航线的飞行偏移量;
飞行修正模块,用于依据所述飞行偏移量进行飞行修正,以修正至所述飞行航线。
13.根据权利要求12所述的装置,其特征在于,所述地图数据匹配模块包括:
第一特征点提取子模块,用于在所述第一地图数据的作业区域中提取第一特征点;
第二特征点提取子模块,用于在所述第二地图数据中提取第二特征点;
特征点匹配子模块,用于将所述第一特征点与所述第二特征点进行匹配;
飞行偏移量计算子模块,用于基于匹配成功的第一特征点与第二特征点之间的偏差,计算所述飞行位置偏离所述飞行航线的飞行偏移量。
14.根据权利要求13所述的装置,其特征在于,
所述第一特征点具有如下的一个或多个属性:
第一特征描述子、第一像素坐标、三维位置数据;
所述第二特征点具有如下的一个或多个属性:
第二特征描述子、第二像素坐标。
15.根据权利要求14所述的装置,其特征在于,
所述第一特征点提取子模块包括:
第一区域数据切分单元,用于将所述第一地图数据中的作业区域切分成多个第一区域数据;
第一像素点提取单元,用于按照预设的特征提取方式分别从每个第一区域数据中提取第一像素点,作为第一特征点;
所述第二特征点提取子模块包括:
第二区域数据切分单元,用于将所述第二地图数据中的作业区域切分成多个第二区域数据;
第二像素点提取单元,用于按照预设的特征提取方式分别从每个第二区域数据中提取第二像素点,作为第二特征点。
16.根据权利要求14所述的装置,其特征在于,所述特征点匹配子模块包括:
特征描述子匹配单元,用于采用所述第一特征描述子与所述第二特征描述子进行匹配;
匹配成功确定单元,用于若所述第一特征描述子与所述第二特征描述子匹配成功,则确定所述第一特征点与所述第二特征点匹配成功。
17.根据权利要求14或16所述的装置,其特征在于,所述特征点匹配子模块包括:
飞行位置标记单元,用于在所述第一地图数据中标记所述飞行位置;
匹配区域确定单元,用于基于所述飞行位置确定匹配区域;
匹配区域匹配单元,用于将所述第一像素坐标位于所述匹配区域的第一特征点与所述第二特征点进行匹配。
18.根据权利要求17所述的装置,其特征在于,所述匹配区域确定单元包括:
参数获取子单元,用于获取飞行高度和所述第一图像数据对应的拍摄参数;
匹配距离计算子单元,用于采用所述飞行高度与所述拍摄参数计算匹配距离;
匹配区域生成子单元,用于以所述飞行位置作为圆心、所述匹配距离作为半径,生成圆形的匹配区域;
其中,所述拍摄参数包括如下的一种或多种:
像素大小、像素数量、重叠度、焦距。
19.根据权利要求14所述的装置,其特征在于,所述飞行偏移量计算子模块包括:
三维坐标数据转换单元,用于参照匹配成功的第一特征点的三维坐标数据和第二特征点的第二像素坐标,计算所述第二特征点的三维坐标数据;
坐标偏移位置获得单元,单元在所述第二特征点的三维坐标数据的基础上,加上预设的坐标系偏移量,获得坐标偏移位置;
飞行偏移量获得单元,用于在所述坐标偏移位置的基础上,减去所述飞行位置,获得偏离所述飞行航线的飞行偏移量。
20.根据权利要求13或14或15或16或18或19所述的装置,其特征在于,所述地图数据匹配模块还包括:
异常特征点筛选子模块,用于在匹配成功的第一特征点与第二特征点中筛选掉异常的第一特征点与第二特征点。
21.根据权利要求12或13或14或15或16或18或19所述的装置,其特征在于,所述飞行修正模块包括:
飞行位置修正子模块,用于采用当前飞行时的飞行偏移量对所述飞行位置进行修正;
偏移修正子模块,用于依据修正的飞行位置与所述飞行航线之间的偏移进行飞行修正,以修正至所述飞行航线。
22.根据权利要求21所述的装置,其特征在于,所述飞行位置修正子模块包括:
获得候选位置获得单元,用于在当前飞行时的飞行位置的基础上,加上所述飞行偏移量,获得候选位置;
线性滤波单元,用于对所述飞行位置与所述候选位置进行线性滤波,获得修正的飞行位置。
23.一种无人飞行器,其特征在于,包括通讯模块、传感器、控制器与存储介质;所述传感器包括图像传感器、GPS接收器,其特征在于,
所述通讯模块,用于与地面站进行通信;
所述图像传感器,用于采集地图数据;
所述GPS接收器,用于测量位置;
所述存储介质用于存储程序,所述程序运行时用于执行权利要求1-11任一项所述方法的步骤。
24.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1-11中任意一项所述的飞行导航方法。
25.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1-11中任意一项所述的飞行导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710628721.0A CN109307510A (zh) | 2017-07-28 | 2017-07-28 | 飞行导航方法、装置和无人飞行器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710628721.0A CN109307510A (zh) | 2017-07-28 | 2017-07-28 | 飞行导航方法、装置和无人飞行器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109307510A true CN109307510A (zh) | 2019-02-05 |
Family
ID=65205253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710628721.0A Pending CN109307510A (zh) | 2017-07-28 | 2017-07-28 | 飞行导航方法、装置和无人飞行器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109307510A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110001980A (zh) * | 2019-04-19 | 2019-07-12 | 深圳市道通智能航空技术有限公司 | 一种飞行器降落方法及装置 |
CN110188777A (zh) * | 2019-05-31 | 2019-08-30 | 余旸 | 一种基于数据挖掘的多周期钢轨伤损数据对齐方法 |
CN111602098A (zh) * | 2019-05-29 | 2020-08-28 | 深圳市大疆创新科技有限公司 | 一种无人机的飞行控制方法、设备、无人机及存储介质 |
CN111610799A (zh) * | 2020-04-30 | 2020-09-01 | 哈尔滨理工大学 | 一种四旋翼无人机的网络控制方法、计算机设备及存储介质 |
CN111986522A (zh) * | 2020-07-29 | 2020-11-24 | 广州市新航科技有限公司 | 基于ads-b信号的机载设备定位方法、机载设备及其存储介质 |
CN112070814A (zh) * | 2020-08-31 | 2020-12-11 | 杭州迅蚁网络科技有限公司 | 一种靶标角度识别方法、装置 |
CN112362065A (zh) * | 2020-11-19 | 2021-02-12 | 广州极飞科技有限公司 | 绕障轨迹规划方法、装置、存储介质、控制单元和设备 |
CN112833912A (zh) * | 2020-12-31 | 2021-05-25 | 杭州海康机器人技术有限公司 | 一种v-slam地图校验方法、装置及设备 |
CN113361552A (zh) * | 2020-03-05 | 2021-09-07 | 西安邮电大学 | 定位方法及装置 |
CN113406566A (zh) * | 2021-06-04 | 2021-09-17 | 广东汇天航空航天科技有限公司 | 一种飞行器定位的方法和装置 |
CN113741507A (zh) * | 2020-05-29 | 2021-12-03 | 广州极飞科技股份有限公司 | 无人机的全局路径轨迹规划方法、装置、无人机及设备 |
CN114518765A (zh) * | 2022-02-11 | 2022-05-20 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于gis的巡检飞行器航线实时反馈修正*** |
JP7378564B1 (ja) | 2022-05-05 | 2023-11-13 | 中国長江三峡集団有限公司 | 風力発電装置のスマートパトロールシステム及び方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140136093A1 (en) * | 2012-11-09 | 2014-05-15 | Intel Corporation | Systems and methods of reducing timing measurement error due to clock offset |
CN104615146A (zh) * | 2015-02-05 | 2015-05-13 | 广州快飞计算机科技有限公司 | 一种无需外部导航信号的无人机喷药作业自动导航方法 |
CN105222788A (zh) * | 2015-09-30 | 2016-01-06 | 清华大学 | 基于特征匹配的飞行器航偏移误差的自校正方法 |
CN106843260A (zh) * | 2016-07-04 | 2017-06-13 | 北京京东尚科信息技术有限公司 | 无人机飞行方向修正方法、控制方法及无人机 |
-
2017
- 2017-07-28 CN CN201710628721.0A patent/CN109307510A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140136093A1 (en) * | 2012-11-09 | 2014-05-15 | Intel Corporation | Systems and methods of reducing timing measurement error due to clock offset |
CN104615146A (zh) * | 2015-02-05 | 2015-05-13 | 广州快飞计算机科技有限公司 | 一种无需外部导航信号的无人机喷药作业自动导航方法 |
CN105222788A (zh) * | 2015-09-30 | 2016-01-06 | 清华大学 | 基于特征匹配的飞行器航偏移误差的自校正方法 |
CN106843260A (zh) * | 2016-07-04 | 2017-06-13 | 北京京东尚科信息技术有限公司 | 无人机飞行方向修正方法、控制方法及无人机 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110001980A (zh) * | 2019-04-19 | 2019-07-12 | 深圳市道通智能航空技术有限公司 | 一种飞行器降落方法及装置 |
WO2020237527A1 (zh) * | 2019-05-29 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 一种无人机的飞行控制方法、设备、无人机及存储介质 |
CN111602098B (zh) * | 2019-05-29 | 2024-02-23 | 深圳市大疆创新科技有限公司 | 一种无人机的飞行控制方法、设备、无人机及存储介质 |
CN111602098A (zh) * | 2019-05-29 | 2020-08-28 | 深圳市大疆创新科技有限公司 | 一种无人机的飞行控制方法、设备、无人机及存储介质 |
CN110188777B (zh) * | 2019-05-31 | 2023-08-25 | 东莞先知大数据有限公司 | 一种基于数据挖掘的多周期钢轨伤损数据对齐方法 |
CN110188777A (zh) * | 2019-05-31 | 2019-08-30 | 余旸 | 一种基于数据挖掘的多周期钢轨伤损数据对齐方法 |
CN113361552A (zh) * | 2020-03-05 | 2021-09-07 | 西安邮电大学 | 定位方法及装置 |
CN111610799A (zh) * | 2020-04-30 | 2020-09-01 | 哈尔滨理工大学 | 一种四旋翼无人机的网络控制方法、计算机设备及存储介质 |
CN113741507A (zh) * | 2020-05-29 | 2021-12-03 | 广州极飞科技股份有限公司 | 无人机的全局路径轨迹规划方法、装置、无人机及设备 |
CN111986522B (zh) * | 2020-07-29 | 2022-03-22 | 广州市新航科技有限公司 | 基于ads-b信号的机载设备定位方法、机载设备及其存储介质 |
CN111986522A (zh) * | 2020-07-29 | 2020-11-24 | 广州市新航科技有限公司 | 基于ads-b信号的机载设备定位方法、机载设备及其存储介质 |
CN112070814A (zh) * | 2020-08-31 | 2020-12-11 | 杭州迅蚁网络科技有限公司 | 一种靶标角度识别方法、装置 |
CN112362065B (zh) * | 2020-11-19 | 2022-08-16 | 广州极飞科技股份有限公司 | 绕障轨迹规划方法、装置、存储介质、控制单元和设备 |
CN112362065A (zh) * | 2020-11-19 | 2021-02-12 | 广州极飞科技有限公司 | 绕障轨迹规划方法、装置、存储介质、控制单元和设备 |
CN112833912A (zh) * | 2020-12-31 | 2021-05-25 | 杭州海康机器人技术有限公司 | 一种v-slam地图校验方法、装置及设备 |
CN112833912B (zh) * | 2020-12-31 | 2024-03-05 | 杭州海康机器人股份有限公司 | 一种v-slam地图校验方法、装置及设备 |
CN113406566A (zh) * | 2021-06-04 | 2021-09-17 | 广东汇天航空航天科技有限公司 | 一种飞行器定位的方法和装置 |
CN113406566B (zh) * | 2021-06-04 | 2023-09-19 | 广东汇天航空航天科技有限公司 | 一种飞行器定位的方法和装置 |
CN114518765A (zh) * | 2022-02-11 | 2022-05-20 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 基于gis的巡检飞行器航线实时反馈修正*** |
JP7378564B1 (ja) | 2022-05-05 | 2023-11-13 | 中国長江三峡集団有限公司 | 風力発電装置のスマートパトロールシステム及び方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109307510A (zh) | 飞行导航方法、装置和无人飞行器 | |
CN108351649B (zh) | 用于控制可移动物体的方法和设备 | |
US10564649B2 (en) | Flight planning for unmanned aerial tower inspection | |
CN104854428B (zh) | 传感器融合 | |
Samad et al. | The potential of Unmanned Aerial Vehicle (UAV) for civilian and mapping application | |
JP6390013B2 (ja) | 小型無人飛行機の制御方法 | |
US11644839B2 (en) | Systems and methods for generating a real-time map using a movable object | |
US20180095478A1 (en) | Flight Planning for Unmanned Aerial Tower Inspection with Long Baseline Positioning | |
CN108139758A (zh) | 基于显著性特征的载运工具定位 | |
JP7251474B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、画像処理装置および画像処理システム | |
EP3387399A2 (en) | Unmanned aerial system based thermal imaging and aggregation systems and methods | |
AU2018388887A1 (en) | Image based localization for unmanned aerial vehicles, and associated systems and methods | |
US10228691B1 (en) | Augmented radar camera view for remotely operated aerial vehicles | |
US11036240B1 (en) | Safe landing of aerial vehicles upon loss of navigation | |
CN108496130A (zh) | 飞行控制方法、设备、控制终端及其控制方法、无人机 | |
Madawalagama et al. | Low cost aerial mapping with consumer-grade drones | |
CN106030431A (zh) | 传感器的自动标定***及方法 | |
CN108955645A (zh) | 应用于通信铁塔智能巡检的三维建模方法及装置 | |
CN108885451A (zh) | 用于控制可移动物体的方法和*** | |
JP2015170364A (ja) | 仮想参照画像を用いた位置及び向きの検出のための方法 | |
US12024276B2 (en) | Control device and control method for controlling flight of aerial vehicle | |
Kaimaris et al. | UAV and the comparison of image processing software | |
KR20220086479A (ko) | 항공기 센서 시스템 동기화 | |
Ali et al. | The impact of UAV flight planning parameters on topographic mapping quality control | |
KR20160099336A (ko) | 모바일 매핑 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: XAG Co., Ltd. Address before: 510000, No. 1, Cheng Cheng Road, Gaotang Software Park, Guangzhou, Guangdong, Tianhe District, 3A01 Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190205 |
|
RJ01 | Rejection of invention patent application after publication |