CN112327891A - 无人机自主降落***及方法 - Google Patents
无人机自主降落***及方法 Download PDFInfo
- Publication number
- CN112327891A CN112327891A CN202011276481.0A CN202011276481A CN112327891A CN 112327891 A CN112327891 A CN 112327891A CN 202011276481 A CN202011276481 A CN 202011276481A CN 112327891 A CN112327891 A CN 112327891A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- image
- contour
- vehicle equipment
- 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 27
- 238000012545 processing Methods 0.000 claims abstract description 28
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 3
- 230000002567 autonomic effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
- G05D1/0653—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing
- G05D1/0676—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明揭示了一种无人机自主降落***及方法,应用于无人机设备中,***包括:图像识别模块,用于采集无人机设备的运行环境图像,对所采集的图像进行处理、识别,并最终输出图像识别结果;控制模块,与所述图像识别模块信号连接,用于依据所述图像识别结果对无人机设备进行飞行控制,使无人机设备自主降落。本发明通过对现有部件的整合利用,在较低的设备成本下提高了无人机自身对于图像的处理能力,实现了无人机的自主降落。同时,本发明的还结合了图像识别技术及飞行控制技术、控制效果准确且可重复性强、使用价值高。
Description
技术领域
本发明为一种无人机控制***及相对应的控制方法,具体涉及一种无人机自主降落***及方法,属于无人机技术领域。
背景技术
无人机(UAV),全称为无人驾驶飞机,是一种利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。如今,“无人机”这一名称实际上是对无人驾驶飞行器的统称。与有人驾驶飞机相比,无人机往往更适合执行那些“愚钝,肮脏或危险”的任务,也正因如此,现如今的无人机在在航拍、农业、植保、微型自拍、快递运输、灾难救援等诸多领域内都有所应用;与无人机相关的各项技术的开发和研究也是当前学界的热点之一。
无人机自主降落,是指无人机无需人工干预就可以自行完成降落,从而减少人力资源消耗,这一技术是无人机运行自动化中的重要一环。但是目前,许多无人机的性能不佳、难以在自身处理器上执行复杂的图像处理任务,因此在多数情形下,复杂的图像处理任务都被托付给了地面站。这样的设置方式这不仅增加了地面站的负担,而且经常会出现无人机自身信号不佳、甚至丢失的情况,这些都会极大地影响无人机的正常运行。此外,由于无人机自身定位不精准,无人机很难在只凭借自身传感器的情况下,准确移动到目标位置,完成自主降落更是无从谈起。
正因如此,如果能够针对无人机的应用环境、设计出一种高效的图像识别方案并有效融合图像数据,那么势必可以为无人机的自主降落、甚至整个无人机领域的自动化运行提供巨大的帮助。
发明内容
鉴于现有技术存在上述缺陷,本发明的目的是提出一种无人机自主降落***及方法,具体如下。
一种无人机自主降落***,应用于无人机设备中,包括:
图像识别模块,用于采集无人机设备的运行环境图像,对所采集的图像进行处理、识别,并最终输出图像识别结果;
控制模块,与所述图像识别模块信号连接,用于依据所述图像识别结果对无人机设备进行飞行控制,使无人机设备自主降落。
优选地,所述图像识别模块包括:
图像获取单元,与位于无人机设备正下方的正摄摄像头信号连接,用于通过所述正摄摄像头获取无人机设备的运行环境图像;
图像预处理单元,与所述图像获取单元信号连接,用于对所述运行环境图像进行预处理、消除图像中的干扰;
轮廓检测单元,与所述图像预处理单元信号连接,用于提取所述运行环境图像的轮廓,并将所提取的轮廓进行保存;
轮廓处理单元,与所述轮廓检测单元信号连接,用于对所保存的轮廓进行拟合,确定地标;
图像数据输出单元,与所述轮廓处理单元信号连接,用于输出所述地标的图像坐标。
优选地,所述控制模块包括:
数据融合单元,与所述图像数据输出单元信号连接,用于依据所述图像数据输出单元的输出结果,进行坐标转换,计算出所述无人机设备需要移动的距离;
飞行控制单元,分别与所述数据融合单元及所述图像识别模块信号连接,用于依据所述数据融合单元的计算结果控制无人机设备飞往对应位置,期间不断调用所述图像识别单元获取无人机设备的实时位置,最终使无人机设备自主降落。
一种无人机自主降落方法,基于如上所述的无人机自主降落***,包括如下步骤:
S1、使无人机设备依据GPS信息飞行至地标附近,随后调整无人机设备的飞行高度、将高度控制在离地面6m以内;
S2、通过所述正摄摄像头获取无人机设备的运行环境图像、所述运行环境图像为正摄影图像;
S3、对所述运行环境图像进行预处理、消除所述运行环境图像中的干扰;
S4、通过轮廓检测提取所述运行环境图像的轮廓,并以点集的方式对所述轮廓进行表示、再将所述轮廓存放至指定数组中;
S5、对所述轮廓进行处理,依据对所述轮廓的处理结果确定地标;
S6、若确定地标,则输出所述地标的图像坐标,若地标不存在,则重新获取GPS信息并前往目标点;
S7、获得图像坐标后对其进行数据融合,确定无人机设备需要移动的位置;
S8、无人机设备需要移动的位置确定后,控制无人机设备飞行至目标正上方,并进行位置校正;
S9、位置校正完毕后,无人机设备完成降落。
优选地,S3具体包括如下步骤:
S31、将所获取的所述运行环境图像的分辨率转换为720x480、将图像中的像素点数量控制在350000~400000以内;
S32、将所述运行环境图像转换为灰度图、去除图像中的颜色;
S33、对所述运行环境图像进行开运算、消除图像中孤立的噪点;
S34、使用Canny算子对所述运行环境图像进行边缘处理、最终得到经过预处理的所述运行环境图像。
优选地,S5具体包括如下步骤:
S51、对提取出的所述轮廓进行矩形拟合,并计算拟合出的矩形的面积;
S52、筛除小于300个像素点的矩形对应的所述轮廓;
S53、对经过轮廓筛选后的所述运行环境图像进行多边形拟合,并计算多边形的面积以及多边形面积和矩形面积二者的比值,若比值大于0.8,即可认定为矩形、筛除非矩形轮廓;
S54、筛除操作完成后进行矩形检测,若检测到仅剩一个矩形,则认定该矩形为地标;若检测到存在多个矩形,则计算各个矩形中心的间距,将间距小于5个像素的矩形认定为地标中的矩形,输出其中之一;若未检测到矩形或者多个矩形均满足间距小于5个像素的要求,则重新检测。
优选地,在S6步骤中:所述图像坐标用矩形框表示,所述图像坐标包括矩形框的左上角坐标和右下角坐标。
优选地,在S6步骤中:若超过预设时间仍未获得对所述轮廓的处理结果,则无人机设备悬停,并发出报错信号;所述预设时间为5s。
优选地,在S8步骤中:当所述地标中心远离所述正摄摄像头的视觉中心超过8个像素时,通过坐标转换计算需要无人机设备移动的位置,对无人机设备再次进行调整;每次调整时只移动0.8倍距离。
优选地,在S9步骤中:在无人机设备的降落过程中,持续、重复进行位置校正,直至降落完毕。
本发明的优点主要体现在以下几个方面:
本发明所提出的一种无人机自主降落***,通过对现有控制部件的整合利用,在较低的设备成本下,显著地提高了无人机自身对于图像的处理能力,实现了无人机的自主降落,为整个无人机领域地自动化运行提供了技术参考。
同时,本发明的无人机自主降落方法结合了图像识别技术及飞行控制技术,方法逻辑流程清晰、控制效果准确且可重复性强,具有极高的使用价值。
此外,本领域内的技术人员还可以以本发明的技术思路为依据,将类似的***及方法应用于对其他场景中对无人机的运行控制,方案整体的应用前景十分广阔。
以下便结合附图,对本发明的具体实施方式作进一步的详述,以使本发明技术方案更易于理解、掌握。
附图说明
图1为本发明的方法流程示意图;
图2为本发明中地标检测过程的流程示意图。
具体实施方式
本发明揭示了一种无人机自主降落***及方法,具体方案如下。
一种无人机自主降落***,应用于无人机设备中,包括:
图像识别模块,用于采集无人机设备的运行环境图像,对所采集的图像进行处理、识别,并最终输出图像识别结果;
控制模块,与所述图像识别模块信号连接,用于依据所述图像识别结果对无人机设备进行飞行控制,使无人机设备自主降落。
其中,所述图像识别模块包括:
图像获取单元,与位于无人机设备正下方的正摄摄像头信号连接,用于通过所述正摄摄像头获取无人机设备的运行环境图像;
图像预处理单元,与所述图像获取单元信号连接,用于对所述运行环境图像进行预处理、消除图像中的干扰;
轮廓检测单元,与所述图像预处理单元信号连接,用于提取所述运行环境图像的轮廓,并将所提取的轮廓进行保存;
轮廓处理单元,与所述轮廓检测单元信号连接,用于对所保存的轮廓进行拟合,确定地标;
图像数据输出单元,与所述轮廓处理单元信号连接,用于输出所述地标的图像坐标。
其中,所述控制模块包括:
数据融合单元,与所述图像数据输出单元信号连接,用于依据所述图像数据输出单元的输出结果,进行坐标转换,计算出所述无人机设备需要移动的距离;
飞行控制单元,分别与所述数据融合单元及所述图像识别模块信号连接,用于依据所述数据融合单元的计算结果控制无人机设备飞往对应位置,期间不断调用所述图像识别单元获取无人机设备的实时位置,最终使无人机设备自主降落。
本发明所提出的一种无人机自主降落***,通过对现有控制部件的整合利用,在较低的设备成本下,显著地提高了无人机自身对于图像的处理能力,实现了无人机的自主降落,为整个无人机领域地自动化运行提供了技术参考。
一种无人机自主降落方法,基于如前所述的无人机自主降落***,如图1~图2所示,包括如下步骤:
S1、使无人机设备依据GPS信息飞行至地标附近,随后调整无人机设备的飞行高度、将高度控制在离地面6m以内。
S2、通过所述正摄摄像头获取无人机设备的运行环境图像、所述运行环境图像为正摄影图像。
S3、对所述运行环境图像进行预处理、消除所述运行环境图像中的干扰。
S3具体包括如下步骤:
S31、S31、将所获取的所述运行环境图像的分辨率转换为720x480、将图像中的像素点数量控制在350000~400000以内,此处优选数量为345600;
这一步减少像素点操作的目的在于加快运算速度;
S32、将所述运行环境图像转换为灰度图、去除图像中的颜色,因为本***对颜色没有要求,该转换可以进一步减少计算消耗;
S33、对所述运行环境图像进行开运算、消除图像中孤立的噪点,减少噪点的干扰,便于后续的轮廓检测,同时也可以节约计算性能;
S34、使用Canny算子对所述运行环境图像进行边缘处理、最终得到经过预处理的所述运行环境图像。此处选择Canny算子是因为其在处理图像边缘方面拥有非常优秀的表现。
S4、通过轮廓检测提取所述运行环境图像的轮廓,并以点集的方式对所述轮廓进行表示、再将所述轮廓存放至指定数组中,为下一步的轮廓处理作铺垫。
S5、对所述轮廓进行处理,依据对所述轮廓的处理结果确定地标。
S5具体包括如下步骤:
S51、对提取出的所述轮廓进行矩形拟合,并计算拟合出的矩形的面积;
S52、筛除小于300个像素点的矩形对应的所述轮廓,这样可以减少后续运算;
S53、对经过轮廓筛选后的所述运行环境图像进行多边形拟合,并计算多边形的面积,通过多边形面积和矩形面积二者的比值是否大于0.8来判断目标是否为矩形,从而筛除非矩形轮廓;
本方案使用的地标为多重矩形重叠,每个矩形的长宽比值均为3,筛除长宽比值大于3.2和小于2.8的矩形;
S54、筛除操作完成后进行矩形检测,若检测到仅剩一个矩形,则认定该矩形为地标;若检测到存在多个矩形,则计算各个矩形中心的间距,将间距小于5个像素的矩形认定为地标中的矩形,输出其中之一;若未检测到矩形或者多个矩形均满足间距小于5个像素的要求,则重新检测。
S6、若确定地标,则输出所述地标的图像坐标,若地标不存在,则重新获取GPS信息并前往目标点。
此处所述图像坐标用矩形框表示,所述图像坐标包括矩形框的左上角坐标和右下角坐标,尽管实际应用中可能地标存在多个矩形,但是因为这些矩形中心重叠,输出任意一个即可。
此外,若超过预设时间仍未获得对所述轮廓的处理结果,则无人机设备悬停,并发出报错信号;所述预设时间为5s。
S7、获得图像坐标后对其进行数据融合,确定无人机设备需要移动的位置。
S8、无人机设备需要移动的位置确定后,控制无人机设备飞行至目标正上方,并进行位置校正,此处的目的是确保地标位于无人机的视觉中心(允许一定偏差,预设偏差为8个像素);当所述地标远离所述正摄摄像头的视觉中心时,通过坐标转换计算需要无人机设备移动的位置,对无人机设备再次进行调整;每次调整时只移动0.8倍距离,进行微调,原因是无人机自身存在误差,通过微调的方式可以避免过度移动。
S9、位置校正完毕后,无人机设备完成降落,为减少风力影响,在无人机设备的降落过程中,持续、重复进行位置校正,直至降落完毕。
综上所述,本发明的无人机自主降落方法结合了图像识别技术及飞行控制技术,方法逻辑流程清晰、控制效果准确且可重复性强,具有极高的使用价值。
此外,本领域内的技术人员还可以以本发明的技术思路为依据,将类似的***及方法应用于对其他场景中对无人机的运行控制,方案整体的应用前景十分广阔。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
最后,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种无人机自主降落***,应用于无人机设备中,其特征在于,包括:
图像识别模块,用于采集无人机设备的运行环境图像,对所采集的图像进行处理、识别,并最终输出图像识别结果;
控制模块,与所述图像识别模块信号连接,用于依据所述图像识别结果对无人机设备进行飞行控制,使无人机设备自主降落。
2.根据权利要求1所述的无人机自主降落***,其特征在于,所述图像识别模块包括:
图像获取单元,与位于无人机设备正下方的正摄摄像头信号连接,用于通过所述正摄摄像头获取无人机设备的运行环境图像;
图像预处理单元,与所述图像获取单元信号连接,用于对所述运行环境图像进行预处理、消除图像中的干扰;
轮廓检测单元,与所述图像预处理单元信号连接,用于提取所述运行环境图像的轮廓,并将所提取的轮廓进行保存;
轮廓处理单元,与所述轮廓检测单元信号连接,用于对所保存的轮廓进行拟合,确定地标;
图像数据输出单元,与所述轮廓处理单元信号连接,用于输出所述地标的图像坐标。
3.根据权利要求2所述的无人机自主降落***,其特征在于,所述控制模块包括:
数据融合单元,与所述图像数据输出单元信号连接,用于依据所述图像数据输出单元的输出结果,进行坐标转换,计算出所述无人机设备需要移动的距离;
飞行控制单元,分别与所述数据融合单元及所述图像识别模块信号连接,用于依据所述数据融合单元的计算结果控制无人机设备飞往对应位置,期间不断调用所述图像识别单元获取无人机设备的实时位置,最终使无人机设备自主降落。
4.一种无人机自主降落方法,基于权利要求1~3任一所述的无人机自主降落***,其特征在于,包括如下步骤:
S1、使无人机设备依据GPS信息飞行至地标附近,随后调整无人机设备的飞行高度、将高度控制在离地面6m以内;
S2、通过所述正摄摄像头获取无人机设备的运行环境图像、所述运行环境图像为正摄影图像;
S3、对所述运行环境图像进行预处理、消除所述运行环境图像中的干扰;
S4、通过轮廓检测提取所述运行环境图像的轮廓,并以点集的方式对所述轮廓进行表示、再将所述轮廓存放至指定数组中;
S5、对所述轮廓进行处理,依据对所述轮廓的处理结果确定地标;
S6、若确定地标,则输出所述地标的图像坐标,若地标不存在,则重新获取GPS信息并前往目标点;
S7、获得图像坐标后对其进行数据融合,确定无人机设备需要移动的位置;
S8、无人机设备需要移动的位置确定后,控制无人机设备飞行至目标正上方,并进行位置校正;
S9、位置校正完毕后,无人机设备完成降落。
5.根据权利要求4所述的无人机自主降落方法,其特征在于,S3具体包括如下步骤:
S31、将所获取的所述运行环境图像的分辨率转换为720x480、将图像中的像素点数量控制在350000~400000以内;
S32、将所述运行环境图像转换为灰度图、去除图像中的颜色;
S33、对所述运行环境图像进行开运算、消除图像中孤立的噪点;
S34、使用Canny算子对所述运行环境图像进行边缘处理、最终得到经过预处理的所述运行环境图像。
6.根据权利要求5所述的无人机自主降落方法,其特征在于,S5具体包括如下步骤:
S51、对提取出的所述轮廓进行矩形拟合,并计算拟合出的矩形的面积;
S52、筛除小于300个像素点的矩形对应的所述轮廓;
S53、对经过轮廓筛选后的所述运行环境图像进行多边形拟合,并计算多边形的面积以及多边形面积和矩形面积二者的比值,若比值大于0.8,即可认定为矩形、筛除非矩形轮廓;
S54、筛除操作完成后进行矩形检测,若检测到仅剩一个矩形,则认定该矩形为地标;若检测到存在多个矩形,则计算各个矩形中心的间距,将间距小于5个像素的矩形认定为地标中的矩形,输出其中之一;若未检测到矩形或者多个矩形均满足间距小于5个像素的要求,则重新检测。
7.根据权利要求6所述的无人机自主降落方法,其特征在于,在S6步骤中:所述图像坐标用矩形框表示,所述图像坐标包括矩形框的左上角坐标和右下角坐标。
8.根据权利要求7所述的无人机自主降落方法,其特征在于,在S6步骤中:若超过预设时间仍未获得对所述轮廓的处理结果,则无人机设备悬停,并发出报错信号;所述预设时间为5s。
9.根据权利要求8所述的无人机自主降落方法,其特征在于,在S8步骤中:当所述地标中心远离所述正摄摄像头的视觉中心超过8个像素时,通过坐标转换计算需要无人机设备移动的位置,对无人机设备再次进行调整;每次调整时只移动0.8倍距离。
10.根据权利要求9所述的无人机自主降落方法,其特征在于,在S9步骤中:在无人机设备的降落过程中,持续、重复进行位置校正,直至降落完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011276481.0A CN112327891A (zh) | 2020-11-16 | 2020-11-16 | 无人机自主降落***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011276481.0A CN112327891A (zh) | 2020-11-16 | 2020-11-16 | 无人机自主降落***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112327891A true CN112327891A (zh) | 2021-02-05 |
Family
ID=74317413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011276481.0A Pending CN112327891A (zh) | 2020-11-16 | 2020-11-16 | 无人机自主降落***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327891A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115167508A (zh) * | 2022-07-05 | 2022-10-11 | 南京邮电大学 | 一种多旋翼无人机传感器故障安全飞行控制***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166854A (zh) * | 2014-08-03 | 2014-11-26 | 浙江大学 | 针对小型无人机自主降落的视觉分级地标定位识别方法 |
CN106927059A (zh) * | 2017-04-01 | 2017-07-07 | 成都通甲优博科技有限责任公司 | 一种基于单目视觉的无人机降落方法及装置 |
CN108628327A (zh) * | 2017-03-22 | 2018-10-09 | 桂林电子科技大学 | 一种基于超宽带通信的无人机导航装置 |
CN110968112A (zh) * | 2019-12-12 | 2020-04-07 | 哈尔滨工程大学 | 一种基于单目视觉的无人机自主降落***及方法 |
-
2020
- 2020-11-16 CN CN202011276481.0A patent/CN112327891A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166854A (zh) * | 2014-08-03 | 2014-11-26 | 浙江大学 | 针对小型无人机自主降落的视觉分级地标定位识别方法 |
CN108628327A (zh) * | 2017-03-22 | 2018-10-09 | 桂林电子科技大学 | 一种基于超宽带通信的无人机导航装置 |
CN106927059A (zh) * | 2017-04-01 | 2017-07-07 | 成都通甲优博科技有限责任公司 | 一种基于单目视觉的无人机降落方法及装置 |
CN110968112A (zh) * | 2019-12-12 | 2020-04-07 | 哈尔滨工程大学 | 一种基于单目视觉的无人机自主降落***及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115167508A (zh) * | 2022-07-05 | 2022-10-11 | 南京邮电大学 | 一种多旋翼无人机传感器故障安全飞行控制***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11748898B2 (en) | Methods and system for infrared tracking | |
WO2020093630A1 (zh) | 一种基于多尺度深度语义分割网络的天线下倾角测量方法 | |
CN106054931B (zh) | 一种基于视觉定位的无人机定点飞行控制*** | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN110244766B (zh) | 一种光伏电站无人机巡检航线的规划方法及*** | |
CN110825101B (zh) | 一种基于深度卷积神经网络的无人机自主降落方法 | |
CN108229587B (zh) | 一种基于飞行器悬停状态的输电杆塔自主扫描方法 | |
CN109002048B (zh) | 多旋翼无人机规模化集中式光伏电站图像数据采集方法 | |
CN104808685A (zh) | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 | |
CN111709994B (zh) | 一种自主无人机视觉探测与引导***及方法 | |
CN105302151A (zh) | 一种飞机入坞引导和机型识别的***及方法 | |
CN112215860A (zh) | 一种基于图像处理的无人机定位方法 | |
CN111003192A (zh) | 一种基于gps与视觉的无人机自主着陆***和着陆方法 | |
CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
CN109765931B (zh) | 一种适用于防波堤巡检无人机的近红外视频自动导航方法 | |
CN109445455B (zh) | 一种无人飞行器自主降落方法及其控制*** | |
CN108871409A (zh) | 一种故障检测方法和*** | |
CN110850889B (zh) | 一种基于rtk导航的无人机自主巡检*** | |
CN114967731A (zh) | 一种基于无人机的野外人员自动搜寻方法 | |
CN114815871A (zh) | 一种基于视觉的垂直起降无人机动平台自主降落方法 | |
CN114689030A (zh) | 一种基于机载视觉的无人机辅助定位方法及*** | |
CN116578035A (zh) | 基于数字孪生技术的旋翼无人机自主降落控制*** | |
CN116012728A (zh) | 应用于无人机巡检的轨道线路识别跟踪方法及*** | |
CN112327891A (zh) | 无人机自主降落***及方法 | |
CN110968112B (zh) | 一种基于单目视觉的无人机自主降落方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |
|
RJ01 | Rejection of invention patent application after publication |