CN113031633B - 一种无人机的降落方法、装置、无人机及介质 - Google Patents
一种无人机的降落方法、装置、无人机及介质 Download PDFInfo
- Publication number
- CN113031633B CN113031633B CN202110292860.7A CN202110292860A CN113031633B CN 113031633 B CN113031633 B CN 113031633B CN 202110292860 A CN202110292860 A CN 202110292860A CN 113031633 B CN113031633 B CN 113031633B
- Authority
- CN
- China
- Prior art keywords
- obstacle avoidance
- landing
- unmanned aerial
- aerial vehicle
- point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 144
- 230000008569 process Effects 0.000 claims abstract description 69
- 238000004891 communication Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 7
- 238000012876 topography Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
本发明实施例公开了一种无人机的降落方法、装置、无人机及介质,该方法包括:在检测到无人机进入迫降模式时,在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;控制无人机降落至目标避障降落点;其中,目标避障降落点是根据无人机飞行过程中采集的地形影像确定的。本发明实施例通过在检测到无人机进入迫降模式时,根据确定的目标避障降落点进行紧急迫降,实现了无人机的自主避障降落,提高了无人机迫降时的降落安全性。
Description
技术领域
本发明实施例涉及无人机技术,尤其涉及一种无人机的降落方法、装置、无人机及介质。
背景技术
现有市面上的无人机产品,在执行任务作业过程出现失联或通讯断链情况,只能启动应急返航命令。
然而,无人机的续航能力能否安全返航,存在不确定因素,风险巨大。例如,现有的固定翼及无人机远距离失联情况,自动盘旋无电降落或应急迫降,无任何自主障碍物识别和避障的功能,通常在返航途中容易撞击障碍物导致炸机。同时,无法辨别附近合适的迫降场地,导致降落撞击或造成二次事故。因此,如何实现无人机的自主避障降落,提高无人机失联时的降落安全性成为亟待解决的技术问题。
发明内容
本发明实施例提供一种无人机的降落方法、装置、无人机及介质,可以实现无人机的自主避障降落,提高无人机迫降时的降落安全性。
第一方面,本发明实施例提供了一种无人机的降落方法,包括:
在检测到无人机进入迫降模式时,在所述无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;
控制所述无人机降落至所述目标避障降落点;
其中,所述目标避障降落点是根据所述无人机飞行过程中采集的地形影像确定的。
第二方面,本发明实施例还提供了一种无人机的降落装置,包括:
降落点确定模块,用于在检测到无人机进入迫降模式时,在所述无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;
降落控制模块,用于控制所述无人机降落至所述目标避障降落点;
其中,所述目标避障降落点是根据所述无人机飞行过程中采集的地形影像确定的。
第三方面,本发明实施例还提供了一种无人机,所述无人机包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例提供的无人机的降落方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例提供的无人机的降落方法。
本发明实施例通过在检测到无人机进入迫降模式时,在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点,并控制无人机降落至目标避障降落点。本发明实施例通过在检测到无人机进入迫降模式时,根据确定的目标避障降落点进行紧急迫降,实现了无人机的自主避障降落,提高了无人机迫降时的降落安全性。
附图说明
图1是本发明实施例一提供的一种无人机的降落方法的流程图;
图2是本发明实施例二提供的另一种无人机的降落方法的流程图;
图3是本发明实施例二提供的一种无人机在正常飞行过程中根据实时采集的地形影像确定并存储避障降落点的流程图;
图4是本发明实施例二提供的一种应急降落弓字型航线示意图;
图5是本发明实施例二提供的一种无人机对航测地形影像进行数据处理具体方法的流程图;
图6是本发明实施例二提供的一种控制所述无人机降落至所述目标避障降落点具体方法的流程图;
图7是本发明实施例二提供的一种无人机起飞和降落的示意图;
图8是本发明实施例三提供的又一种无人机的降落方法的流程图;
图9是本发明实施例三提供的一种根据存储的各所述避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点,在各满足所述返航飞行条件的所述避障降落点中,获取目标避障降落点具体方法的流程图;
图10是本发明实施例四提供的又一种无人机的降落方法的流程图;
图11是本发明实施例五提供的一种无人机的降落装置的结构示意图;
图12是本发明实施例六提供的一种无人机的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种无人机的降落方法的流程图,本实施例可适用于无人机迫降时躲避障碍物进行降落的情况,该方法可以由无人机的降落装置来执行,该装置可以采用软件和/或硬件的方式实现。该装置可配置于无人机中。如图1所示,该方法包括:
步骤S110、在检测到无人机进入迫降模式时,在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点。
其中,迫降模式可以用于指示无人机进行迫降。例如,在无人机失联、发生故障等场景下,无人机可以进入迫降模式,以紧急降落。在一个具体实施例中,在无人机的飞行过程中,实时检测无人机与控制器的连接状态,在确定无人机与控制器失联时,无人机进入迫降模式。其中,控制器可以是用于与无人机进行通讯的设备。当无人机与控制器之间的通讯正常时,无人机与控制器的连接状态正常,控制器可以通过通讯链路向无人机发送控制指令,无人机可以通过通讯链路向控制器传输数据。当无人机在飞行过程中出现迫降或通讯断链时,无人机与控制器的连接状态异常,无人机的飞控端可以触发无人机进入智能迫降模式。
目标避障降落点是根据无人机飞行过程中采集的地形影像确定的。例如,无人机可以在正常的飞行过程中采集地形影像,基于地形影像确定避障降落点,并存储避障降落点的位置信息,以在无人机迫降后在满足返航飞行条件的避障降落点中确定目标避障降落点。或者,如果无人机迫降后检测到避障降落点均不满足返航飞行条件,则在迫降后重新采集地形影像,基于重新采集的地形影像确定目标避障降落点。或者,如果无人机在正常的飞行过程中没有确定避障降落点,则无人机可以在迫降后直接采集地形影像,并基于地形影像确定目标避障降落点。或者其他目标避障降落点的确定方式。其中,地形影像可以是地形照片或地形视频。地形视频可以看作是由多帧地形照片按照一定顺序组合而成的。
示例性地,无人机可以在飞行过程中采集地形影像,生成地形影像对应的点云数据,根据点云数据识别障碍物,获取障碍物的障碍物描述信息,根据点云数据以及障碍物的障碍物描述信息确定避障降落点或目标避障降落点。其中,避障降落点和目标避障降落点均为避开障碍物的降落点。
步骤S120、控制无人机降落至目标避障降落点。
示例性地,在确定目标避障降落点之后,控制无人机飞行至目标避障降落点的上空,并进行盘旋降落,为安全路径的生成规划出期间,在生成安全路径之后,根据该安全路径飞行至目标避障降落点。或者,若在盘旋降落至预设高度之后,仍未生成安全路径,则可以认为从当前位置到目标避障降落点的位置之间的任意路径均为安全的,可以控制无人机在当前位置由固定翼模式切换为旋翼模式并降落至目标避障降落点。或者,根据无人机当前位置与目标避障降落点之间障碍物的障碍物描述信息,直接生成安全路径,控制无人机按照该安全路径降落至目标避障降落点。
本发明实施例通过在检测到无人机进入迫降模式时,在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点,并控制无人机降落至目标避障降落点。本发明实施例通过在检测到无人机进入迫降模式时,根据确定的目标避障降落点进行紧急迫降,实现了无人机的自主避障降落,提高了无人机迫降时的降落安全性。
实施例二
图2是本发明实施例二提供的另一种无人机的降落方法的流程图,本实施例在上述实施例的基础上进行优化,如图2所示,该方法包括:
步骤S210、实时检测无人机的运行模式。
其中,无人机可以至少包括相机端、视觉CPU(Central Processing Unit,中央处理器)处理中心和飞控端。相机端可以用于实时采集地形影像。视觉CPU处理中心可以用于处理数据。飞控端可以用于控制无人机飞行。
运行模式可以包括但不限于正常飞行模式、迫降模式、执行航线任务模式和起飞模式等。正常飞行模式用于指示无人机进行正常飞行。迫降模式用于指示无人机进行紧急迫降。执行航线任务模式用于指示无人机执行控制器下发的航线任务。起飞模式用于指示无人机根据控制器的控制指令进行起飞。
可选地,步骤S210可以通过以下方式实施:实时检测无人机的运行状态,以确定出无人机的运行模式。例如,实时检测无人机的运行状态,当检测到无人机处于通信异常状态(例如无人机失联)时,或者,当检测到无人机处于硬件异常状态(例如电池异常、雷达异常或电机异常等)时,或者,当检测到无人机处于恶劣环境飞行状态(例如遇到超出预设门限值的磁场干扰或因天气恶劣导致飞行异常)时,则可以控制无人机进入迫降模式。
步骤S220、在检测到无人机进入迫降模式时,判断当前是否存储有满足返航飞行条件的避障降落点,若是,执行步骤S230,否则,执行步骤S240。
其中,返航飞行条件可以基于避障降落点的类型、无人机的当前续航电量和/或避障降落点与无人机的当前定位点之间的距离值确定。
避障降落点为无人机在正常飞行过程中根据实时采集的地形影像确定并存储的。
可选地,图3是本发明实施例二提供的一种无人机在正常飞行过程中根据实时采集的地形影像确定并存储避障降落点的流程图。如图3所示,无人机在正常飞行过程中根据实时采集的地形影像确定并存储避障降落点,可以通过步骤S221-S222实施:
步骤S221、在无人机的正常飞行过程中,控制无人机实时采集正常飞行过程中的地形影像。
示例性地,在无人机的正常飞行过程中,无人机沿正常飞行航线进行飞行,无人机的相机端实时采集飞行途中的地形影像,并将实时采集的地形影像传输至无人机的视觉CPU处理中心进行处理。
步骤S222、根据地形影像,确定至少一个避障降落点,并对确定的各避障降落点进行存储。
示例性地,无人机的视觉CPU处理中心对地形影像进行处理,确定至少一个避障降落点,并对确定的各个避障降落点的位置信息等进行存储。
本实施例通过在正常飞行过程中确定可选的避障降落点并进行存储,便于后续迫降时,优先从存储的各个避障降落点中确定目标避障降落点,有利于提高目标避障降落点的确定速率,进而提高了迫降状态下的迫降速率。
步骤S230、在各满足返航飞行条件的避障降落点中,获取目标避障降落点,继续执行步骤S270。
具体地,如果存储的避障降落点中存在满足返航飞行条件的避障降落点,则在各满足返航飞行条件的避障降落点中,获取目标避障降落点。例如,选择距离最近的避障降落点作为目标避障降落点。或者,选择平整度最高或所占场地面积最大的避障降落点作为目标避障降落点,以实现获取最佳的目标避障降落点。
步骤S240、在无人机迫降飞行过程中,控制无人机实时采集地形影像。
示例性地,在无人机迫降飞行过程中,通过无人机的相机端实时采集地形影像。其中,相机端可以是无人机执行任务时的载荷相机设备。例如,相机端可以包括正射可见光相机、云台可见光相机、APS-C(Advanced Photo System type-C,C型先进摄影***)及全画幅和/或5镜头相机等。本发明实施例中无人机携带的载荷相机设备不限于以上类型。
可选地,步骤S230中,控制无人机实时采集地形影像,可以包括:
根据无人机的当前定位点以及航线类型,生成预设降落点识别航线;控制无人机沿预设降落点识别航线进行飞行,并在飞行过程中,实时采集地形影像。
其中,航线类型可以用于高精度三维航测。例如,航线类型可以包括入螺旋航线、弓字型航线、井字型航线或5边航线等。本发明实施例所使用的航线类型不限于以上任何一种无人机地理信息测量的航线方式。预设降落点识别航线可以是无人机在需要降落时确定避障降落点的航线。
示例性地,航线类型为弓字型航线。通过提前预设并保存飞控端中的航线类型,该状况下的无人机急需快速的获取当前环境的三维数据信息,以确定无人机的当前定位点。根据无人机的当前定位点以及航线类型,生成预设弓字型航线。弓字型航线同测绘面积尺寸上具有飞行路径短、航时短的优势,航线设置的测绘面积为500m×500m,航向和旁向重叠度分别为40、60。图4是本发明实施例二提供的一种应急降落弓字型航线示意图。如图4所示,测绘区域的三维点云水平精度≦5cm,高程≦10cm,满足固定翼无人机障碍物和降落场地识别精度的要求。无人机的当前定位点可以位于弓字型航线的中心位置或起点位置等。弓字型航线长路径的方向与无人机方向属于同一方向。航线起点的方向位于无人机机头方向右边。例如,无人机的当前定位点可以位于⑧点的位置上,且机头方向向下。
如图4所示,无人机可以从①点任务进入开始执行航摄,点完成航摄任务,即完成地形影像的采集。/>一般预设至预设降落点识别航线的参数中,不限于后续随着无人机CPU算力的提升,三维重建能力增强,/>变大,即航线范围变大。
在采集地形影像之后,可以连接网络或地面RTK(Real-time kinematic,实时动态)基站,通过PPK(Process Capability Index,过程性能指数)进行实时解算。航摄的地形影像可以存储于无人机载荷相机设备的SD(Secure Digital,安全数码)卡上。
本实施例通过根据无人机的当前定位点以及航线类型,生成预设降落点识别航线,并控制无人机沿预设降落点识别航线实时采集地形影像,提高了地形影像获取的快速、高效和完整性。
步骤S250、根据地形影像,确定至少一个避障降落点。
无人机进行航摄任务途中,从拍摄第二张地形影像开始,无人机的视觉CPU处理中心进入拼图过程,实现边执行任务边处理地形影像数据,500m×500m面积区域处理时效≦15min,处理数据的能力接近执行航线任务的时效。
可选地,步骤S250可以包括:
根据地形影像生成点云数据以及DSM(Digital Surface Model,数字表面模型);对点云数据进行预处理操作;基于预设分割算法分割预处理操作后的点云数据,得到障碍物点云数据;对障碍物点云数据进行聚类处理,以确定障碍物点云数据中的障碍物;根据DSM标记障碍物的障碍物描述信息;生成DOM(Digital Orthophoto Map,数字正射影像),根据障碍物描述信息,在DOM中确定至少一个避障降落点。
其中,预处理操作可以包括以下至少一种:范围裁剪点云操作、点云去噪操作和点云分群操作等。预设分割算法可以包括传统平面拟合分割地表点云算法或基于DL(DeepLearning,深度学习)方法的3D点云分割算法等。聚类处理的算法可以包括密度聚类算法或层次聚类算法等。障碍物描述信息包括但不限于位置、尺寸、形状和/或类别等。由此获得带有描述信息的障碍物被完整检测出来,就返回结果。
进一步地,图5是本发明实施例二提供的一种无人机对航测地形影像进行数据处理具体方法的流程图。如图5所示,根据地形影像生成点云数据以及DSM,可以包括:
对地形影像进行三维重建处理利用SFM(Structure-From-Motion,三维重建)方法,生成稀疏点云数据以及每帧地形影像的姿态;基于稀疏点云数据以及每帧地形影像的姿态,利用MVS(Multi View Stereo,多视角立体匹配)方法生成稠密点云数据;其中,稀疏点云数据和/或稠密点云数据构成点云数据;基于插值算法生成点云数据对应的DSM。
示例性地,对地形影像进行三维重建处理利用SFM方法,生成稀疏点云数据以及每帧地形影像的姿态,可以通过以下方式实施:根据每帧地形影像对应的GPS位置,对地形影像进行序列化,并记录每帧地形影像的相邻帧;提取每帧地形影像的特征点,并对各帧地形影像的特征点进行匹配,得到特征点匹配对;其中,特征点提取方法不限于SIFT(Scale-Invariant Feature Transform,尺度不变特征变换)、SURF(Speeded Up RobustFeatures,加速版具有鲁棒性特征)或ORB(Oriented Fast and Rotated Brief,特征提取并描述)等算法,特征点匹配方法不限于ANNL2(Artificial Neural Network Algorithm,人工神经网络)、Bruth Force Algorithm 2(暴力破解算法)或Cascade HashingAlgorithm 2(级联散列算法)等方法;对于每个地形影像对,根据地形影像对中包含的特征点匹配对以及每帧地形影像的GPS(Global Positioning System,全球定位***)位置,通过迭代BA(Bundle Adjustment,捆集调整)优化的方式求解每帧地形影像的姿态;根据每帧地形影像的姿态和各个特征点匹配对,通过三角化的方式计算整个场景的稀疏点云数据。
示例性地,基于稀疏点云数据以及每帧地形影像的姿态,利用MVS方法生成稠密点云数据,可以通过以下方式实施:对于相邻两帧地形影像,根据当前帧和后一帧地形影像的姿态进行立体矫正,对于相邻两帧地形影像,根据当前帧和后一帧地形影像的姿态进行立体矫正,以使相邻两帧地形影像共面且水平平行;利用双目立体匹配算法计算各帧地形影像的深度图;其中,双目立体匹配算法包括双目局部立体匹配算法、双目半全局立体匹配算法或双目全局立体匹配算法;对各帧深度图进行融合,以剔除异常点和冗余点,得到整个场景的稠密点云。
示例性地,基于插值算法生成点云数据对应的DSM。其中,该点云数据可以包括稀疏点云数据和/或稠密点云数据。插值算法可包括反权重插值算法(Inverse-DistanceWeighted,IDW)、最紧邻插值算法(Nearest-Neighbour)或德劳内三角化插值算法(Delaunay Triangular)等。
示例性地,生成DOM,可以通过以下方式实施:对于DSM上的每个栅格点,计算栅格点的三维坐标与每帧地形影像的三维坐标之间的连线与地垂线之间的夹角,将夹角最小的目标地形影像作为栅格点的投影影像;对于DSM上的每个栅格点,将栅格点的三维坐标反向投影到栅格点对应的投影影像,获取栅格点在投影影像上的目标像素值;根据DSM上各个栅格点对应的目标像素值,生成DOM。
示例性地,根据障碍物描述信息,在DOM中确定至少一个避障降落点,可以通过以下方式实施:获取无人机的预设降落场地条件;其中,预设降落场地条件用于指示无人机在降落时对场地的面积、平整度和/或场地属性的要求;在DOM中确定满足预设降落场地条件的降落区域;根据降落区域内的障碍物描述信息以及DOM确定至少一个避障降落点的位置信息。其中,降落区域的范围可以根据实际情况确定或预设。例如,可以预设为50m半径。
步骤S260、在确定的各避障降落点中,获取目标避障降落点。
步骤S270、控制无人机降落至目标避障降落点。
可选地,图6是本发明实施例二提供的一种控制无人机降落至目标避障降落点具体方法的流程图。如图6所示,步骤S270,可以包括:
步骤S271、控制无人机飞行至目标避障降落点的上空位置,并控制无人机在上空位置进行盘旋降高。
示例性地,图7是本发明实施例二提供的一种无人机起飞和降落的示意图。如图7所示,若无人机在起飞至A点时进入迫降模式,则生成弓字型航线,飞控端控制无人机飞行至弓字型航线的起点位置,即B点。通过调整机头方向后开始进入弓字型航线,直至飞行至弓字型航线的终点位置,即C点。在飞行过程中实施采集地形影像。当视觉CPU处理中心根据地形影像确定目标避障降落点之后,将目标避障降落点的定位点以及盘旋半径发送给飞控端。其中,盘旋半径可以在80m至120m之间。飞控端控制无人机在C点调整机头方向后,飞行至目标避障降落点的上空位置,即D点,并控制无人机在上空位置按照盘旋半径进行盘旋降高。
可选地,在控制无人机在上空位置进行盘旋降高之时,还可以包括:
实时检测盘旋路径上障碍物的位置信息,并在检测到存在障碍物时,根据障碍物的位置信息生成避障轨迹,以避开障碍物飞行。
示例性地,飞控端实施检测视觉CPU处理中心上传的障碍物的位置信息,如果检测到盘旋路径上存在障碍物,则根据障碍物的位置信息,提前规划生成避障柜机,以避开障碍物飞行。
本实施例通过检测盘旋降高过程中的障碍物,并生成避障轨迹,提高了无人机在数据处理过程中的安全性。
步骤S272、当检测到无人机下降到预设高度时,检测是否生成飞行至目标避障降落点的安全路径;若是,执行步骤S273,否则,执行步骤S274。
其中,安全路径是在定位目标避障降落点之后,基于无人机与目标避障降落点之间的障碍物的位置信息确定的。例如,可以根据无人机自身的飞行参数以及障碍物的位置信息共同规划安全路径。
示例性地,如图7所示,当检测到无人机下降到预设高度时,即下降到E点,飞控端检测视觉CPU处理中心是否上传飞行至目标避障降落点的安全路径。
步骤S273、控制无人机根据安全路径飞行至目标避障降落点。
具体地,若安全路径已经生成,则控制无人机根据安全路径从盘旋路径上飞行至目标避障降落点。例如,降落至图7中的F点。
步骤S274、控制无人机在当前位置由固定翼模式切换为旋翼模式并降落至目标避障降落点。
具体地,若安全路径未生成,则可以认为无人机当前位置到目标避障降落点之间的任意路径都是安全的,可以控制无人机在当前位置由固定翼模式切换为旋翼模式并降落至目标避障降落点。例如,降落至图7中的F点。
本实施例通过在确定目标避障降落点之后,控制无人机飞向目标避障降落点的上空位置并进行盘旋降高,为安全路径的生成留出时间,同时,在数据处理过程中盘旋降高,缩短了降落的时间。本实施例通过在下降到预设高度时,检测是否生成飞行至目标避障降落点的安全路径,若生成,则按照安全路径进行降落,若未生成,则切换飞行模式并直接降落,实现了自动规划盘降航线和自主安全迫降,进一步提高了无人机迫降时的降落安全性。
步骤S280、通过云通讯发送告警迫降信息。
其中,告警迫降信息至少包括以下至少一种:无人机当前的位置信息、降落环境地理信息以及控制器所在位置与无人机当前位置之间的最短路线信息。例如,无人机当前的位置信息可以包括GPS坐标等。云通讯可以是4G云通讯等。
本发明实施例通过在确定无人机与控制器迫降时,判断当前是否存储有满足返航飞行条件的避障降落点,若是,则在各满足返航飞行条件的避障降落点中,获取目标避障降落点,提高了目标避障降落点的确定速率,进而加快迫降速度。否则,实时采集地形影像,并基于地形影像确定目标避障降落点,并进行降落。发明实施例通过根据当前的环境情况,识别和分析出影响飞行安全的障碍物,及可安全降落的场地,实现了智能实时选择目标避障降落点,提高了无人机迫降时的降落安全性。本发明实施例通过云通讯发送告警迫降信息,便于用户快速找回无人机。
实施例三
图8是本发明实施例三提供的又一种无人机的降落方法的流程图,本实施例在上述实施例的基础上进行优化,如图8所示,该方法包括:
步骤S3010、在无人机的飞行过程中,实时检测无人机的运行模式。
步骤S3020、在无人机的正常飞行过程中,控制无人机实时采集正常飞行过程中的地形影像。
步骤S3030、根据地形影像,确定至少一个避障降落点,并对确定的各避障降落点进行存储。
其中,避障降落点的类型基于预设的降落场地条件确定,降落场地条件包括最优降落条件和次最优降落条件,避障降落点的类型包括最优避障降落点和次最优避障降落点。降落场地条件可以基于场地的面积、平整度和/或场地属性确定。最优降落条件用于确定最优避障降落点,次最优降落条件用于确定次最优避障降落点。例如,最优避障降落点可以是平整度满足最优平整度条件的避障降落点。次最优避障降落点可以是避开人群、高压电线和高速公路等危险区域的避障降落点,例如可以是房顶、灌木森林或田地等。
步骤S3040、在检测到无人机进入迫降模式时,根据存储的各避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点,若是,执行步骤S3050,否则,执行步骤S3060。
其中,返航飞行条件可以基于避障降落点的类型、无人机的当前续航电量和/或避障降落点与无人机的当前定位点之间的距离值确定。
示例性地,根据存储的各避障降落点的类型、无人机的当前续航电量以及避障降落点与无人机的当前定位点之间的距离值,判断存储的各避障降落点中是否存在满足返航飞行条件的避障降落点。
本实施例通过在存储的至少一个避障降落点中确定满足返航飞行条件的避障降落点,进而在各满足返航飞行条件的避障降落点中获取目标避障降落点,提高了目标避障降落点的选择速率。
步骤S3050、在各满足返航飞行条件的避障降落点中,获取目标避障降落点,继续执行步骤S3130。
步骤S3060、在无人机迫降飞行过程中,控制无人机实时采集地形影像。
具体地,当存储的各避障降落点中不存在满足返航飞行条件的避障降落点时,控制无人机在迫降飞行过程中实时采集地形影像,以重新确定目标避障降落点。
步骤S3070、根据地形影像,确定至少一个避障降落点。
其中,确定的至少一个避障降落点可以包括最优避障降落点和次最优避障降落点,或者,也可以仅包括最优避障降落点或次最优避障降落点。
步骤S3080、判断确定的各避障降落点中是否包括至少一个最优避障降落点,若是,执行步骤S3090,否则,执行步骤S3100。
具体地,判断确定的各避障降落点中是否包括至少一个最优避障降落点,例如,是否仅包括最优避障降落点,或者,是否包括最优避障降落点和次最优避障降落点。
步骤S3090、在最优避障降落点中确定目标避障降落点,继续执行步骤S3130。
具体地,如果确定的各避障降落点中包括至少一个最优避障降落点,则在最优避障降落点中确定目标避障降落点。例如,在各最优避障降落点中选择与无人机之间的距离最近、平整度最高或所占面积最大的目标最优避障降落点作为目标避障降落点。
步骤S3100、判断无人机的当前续航电量是否小于或等于预设的电量阈值,若是,执行步骤S3110,否则,执行步骤S3120。
具体地,如果确定的各避障降落点中只包括次最优避障降落点,则判断无人机的当前续航电量是否小于或等于预设的电量阈值。其中,电量阈值可以预先根据无人机的计算能力预先设置,例如,电量阈值可以是35%。
步骤S3110、在次最优避障降落点中确定目标避障降落点,继续执行步骤S3130。
例如,在各次最优避障降落点中选择与无人机之间的距离最近、平整度最高或所占面积最大的目标次最优避障降落点作为目标避障降落点。
步骤S3120、控制无人机向前飞行预设距离,重新控制无人机实时采集地形影像,返回执行步骤S3070。
具体地,如果确定的各避障降落点中只包括次最优避障降落点,但是无人机的当前续航电量大于预设的电量阈值,则说明无人机未找到合适的目标避障降落点,但无人机的当前续航电量能够满足无人机重新寻找避障降落点的需求,则可以控制无人机向前飞行预设距离,重新控制无人机实时采集地形影像,以重新寻找避障降落点。其中,预设距离可以预先设置,例如,可以是500m。
示例性地,如图4所示,当无人机飞行至点,但仍没有确定合适的目标避障降落点,则可以沿着/>点处预设降落点识别航线的方向,向前飞行500m,并在飞行至500m后的目标位置时,重新生成预设降落点识别航线,并沿着重新生成的预设降落点识别航线采集地形影像,以重新确定避障降落点。
步骤S3130、控制无人机降落至目标避障降落点。
本发明实施例通过在无人机的正常飞行过程中,控制无人机根据实时采集正常飞行过程中的地形影像确定并存储避障降落点。在确定无人机与控制器迫降时,根据存储的各避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点,若存在,则从返航飞行条件的避障降落点中获取目标避障降落点。若不存在,则控制无人机根据重新采集的地形影像确定避障降落点,然后再根据避障降落点的类型以及无人机的当前续航电量确定是从确定的避障降落点中获取目标避障降落点,还是控制无人机向前飞行预设距离,以重新确定避障降落点。在确定目标避障降落点之后,控制无人机降落至目标避障降落点。本发明实施例优先基于存储的避障降落点确定目标避障降落点,提高了目标避障降落点的定位速率。本发明实施例将避障降落点区分为最优避障降落点和次最优避障降落点,根据无人机自身的续航能力和避障降落点的类型定位目标降落点,提高了目标避障降落点的选择精确性,提高了迫降的成功率。
进一步地,图9是本发明实施例三提供的一种根据存储的各避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点,在各满足返航飞行条件的避障降落点中,获取目标避障降落点具体方法的流程图。具体优化了步骤S3040至步骤S3060。也就是说,可以将步骤S3040-步骤S3060替换为图9所示的步骤S3041-S3046、步骤S3051-S3052以及步骤S3060。如图9所示,步骤S3040至步骤S3060优化为:
步骤S3041、在检测到无人机进入迫降模式时,判断存储的各避障降落点中是否包括至少一个最优避障降落点,若是,执行步骤S3042,否则,执行步骤S3045。
其中,存储的各避障降落点可以包括最优避障降落点和次最优避障降落点。
步骤S3042、计算各最优避障降落点与无人机的当前定位点之间的距离值。
具体地,如果存储的各避障降落点中包括至少一个最优避障降落点,即仅包括最优避障降落点,或者包括最优避障降落点和次最优避障降落点,则计算各最优避障降落点与无人机的当前定位点之间的距离值。
步骤S3043、判断是否存在至少一个距离值小于或等于预设阈值门限的目标最优避障降落点,若是,执行步骤S3044,否则,执行步骤S3045。
步骤S3044、将各目标最优避障降落点确定为满足返航飞行条件的避障降落点,继续执行步骤S3051。
具体地,如果确定存在至少一个距离值小于或等于预设阈值门限的目标最优避障降落点,说明目标最优避障降落点与无人机的距离合适,则将各目标最优避障降落点确定为满足返航飞行条件的避障降落点。
步骤S3045、判断无人机的当前续航电量是否小于或等于预设的电量阈值,若是,执行步骤S3046,否则,执行步骤S3060。
具体地,如果存储的各避障降落点中不包括至少一个最优避障降落点,即仅包括至少一个次最优避障降落点,或者,如果确定不存在距离值小于或等于预设阈值门限的目标最优避障降落点,则判断无人机的当前续航电量是否小于或等于预设的电量阈值。例如,判断无人机的当前续航电量是否小于或等于35%。
步骤S3046、确定各次最优避障降落点为满足返航飞行条件的避障降落点,继续执行步骤S3052。
具体地,如果确定无人机的当前续航电量是否小于或等于预设的电量阈值,说明无人机的当前续航电量不足以支撑重新定位避障降落点,则可以直接确定各次最优避障降落点为满足返航飞行条件的避障降落点,以在次最优避障降落点中获取目标避障降落点。
步骤S3051、在目标最优避障降落点中确定目标避障降落点,继续执行步骤S3130。
示例性地,在目标最优避障降落点中选择与无人机之间的距离最近、平整度最高或所占面积最大的目标最优避障降落点作为目标避障降落点。
步骤S3052、在次最优避障降落点中确定目标避障降落点,继续执行步骤S3130。
示例性地,在目标次最优避障降落点中选择与无人机之间的距离最近、平整度最高或所占面积最大的目标次最优避障降落点作为目标避障降落点。
步骤S3060、在无人机迫降飞行过程中,控制无人机实时采集地形影像。
本发明实施例通过在检测到无人机进入迫降模式时,如果避障降落点中包括至少一个最优避障降落点,则基于距离和续航电量两个因素确定目标避障降落点的确定方式。如果避障降落点中仅包括至少一个次最优避障降落点,则直接基于续航电量一个因素确定目标避障降落点的确定方式。本发明实施例根据避障降落点的不同类型以及无人机当前实际情况综合确定目标避障降落点,提高了目标避障降落点的选择精确性和速度,进而提高了迫降的成功率和速率。
实施例四
图10是本发明实施例四提供的又一种无人机的降落方法的流程图,本实施例在上述实施例的基础上进行优化,如图10所示,该方法包括:
步骤S410、实时检测无人机的异常情况。
步骤S420、根据无人机的异常情况判断当前迫降的紧急程度。
其中,迫降的紧急程度可以基于无人机发生异常情况的原因和/或无人机的航线任务执行情况预先设定。
步骤S430、根据紧急程度,在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点。
示例性地,当无人机处于硬件异常状态(例如电池异常、雷达异常或电机异常等)或处于恶劣环境飞行状态时,为保证无人机的安全性,需要无人机尽快迫降,此时可以优先在正常飞行过程中确定的避障降落点中确定目标避障降落点。
示例性地,当无人机处于通信异常状态(例如无人机失联)时,在无人机全自主飞行作业的情况下,对无人机迫降的及时性要求低,此时可以在无人机正常飞行过程中确定的满足返航飞行条件的避障降落点,和/或无人机迫降飞行过程中根据实时采集的地形影像确定的避障降落点中,确定目标避障降落点。
进一步地,还可以在无人机处于通信异常状态时,检测无人机当前的航线任务执行情况,若航线任务执行完成度超过预设完成度阈值,则可以基于任务优先原则,在通信异常状态下,控制无人机继续飞行并执行完成剩下的航线任务,并在执行完成整个航线任务后,选取最优的避障降落点作为目标避障降落点。其中,预设完成度阈值可以设置为85%。
步骤S440、控制无人机降落至目标避障降落点。
本发明实施例通过实时检测无人机的运行模式,根据无人机的异常情况判断当前迫降的紧急程度,根据紧急程度,在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点,控制无人机降落至目标避障降落点。本发明实施例通过检测无人机当前迫降的紧急程度,进而根据紧急程度确定目标避障降落点,提高了无人机迫降的自适应性,实现了智能选择目标避障降落点。
实施例五
图11是本发明实施例五提供的一种无人机的降落装置的结构示意图。该装置可由软件和/或硬件实现,一般可集成在无人机中,可以通过执行无人机的降落方法实现无人机的自主避障降落,提高无人机迫降时的降落安全性。如图11所示,该装置包括:
降落点确定模块510,用于在检测到无人机进入迫降模式时,在所述无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;
降落控制模块520,用于控制所述无人机降落至所述目标避障降落点;
其中,所述目标避障降落点是根据所述无人机飞行过程中采集的地形影像确定的。
本发明实施例提供了一种无人机的降落装置,该装置通过在检测到无人机进入迫降模式时,在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点,并控制无人机降落至目标避障降落点。本发明实施例通过在检测到无人机进入迫降模式时,根据确定的目标避障降落点进行紧急迫降,实现了无人机的自主避障降落,提高了无人机迫降时的降落安全性。
可选地,所述降落点确定模块510,具体用于:
判断当前是否存储有满足返航飞行条件的避障降落点,所述避障降落点为所述无人机在正常飞行过程中根据实时采集的地形影像确定并存储的;
若是,则在各满足所述返航飞行条件的所述避障降落点中,获取目标避障降落点;
否则,在所述无人机迫降飞行过程中,控制所述无人机实时采集地形影像,根据所述地形影像,确定至少一个避障降落点,并在确定的各所述避障降落点中,获取目标避障降落点。
可选地,所述降落点确定模块510,具体还用于:
在所述无人机的正常飞行过程中,控制所述无人机实时采集正常飞行过程中的地形影像;
根据所述地形影像,确定至少一个避障降落点,并对确定的各所述避障降落点进行存储。
可选地,所述降落点确定模块510,具体用于:
根据所述无人机的当前定位点以及航线类型,生成预设降落点识别航线;
控制所述无人机沿所述预设降落点识别航线进行飞行,并在飞行过程中,实时采集地形影像。
可选地,所述避障降落点的类型基于预设的降落场地条件确定,所述降落场地条件包括最优降落条件和次最优降落条件,所述避障降落点的类型包括最优避障降落点和次最优避障降落点。
可选地,所述降落点确定模块510,具体用于:
如果确定的各所述避障降落点中包括至少一个所述最优避障降落点,则在所述最优避障降落点中确定目标避障降落点;
如果确定的各所述避障降落点中只包括所述次最优避障降落点,则判断所述无人机的当前续航电量是否小于或等于预设的电量阈值;
若是,则在所述次最优避障降落点中确定目标避障降落点;
否则,控制所述无人机向前飞行预设距离,重新控制所述无人机实时采集地形影像,返回执行根据所述地形影像,确定至少一个避障降落点的步骤。
可选地,所述降落点确定模块510,具体用于:
根据存储的各所述避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点。
可选地,所述降落点确定模块510,具体用于:
如果存储的各所述避障降落点中包括至少一个所述最优避障降落点,则计算各所述最优避障降落点与所述无人机的当前定位点之间的距离值;
如果确定存在至少一个所述距离值小于或等于预设阈值门限的目标最优避障降落点,则将各所述目标最优避障降落点确定为满足返航飞行条件的避障降落点;
在所述目标最优避障降落点中确定目标避障降落点。
可选地,所述降落点确定模块510,具体还用于:
在计算各所述最优避障降落点与所述无人机的当前定位点之间的距离值之后,如果确定不存在距离值小于或等于所述预设阈值门限的所述目标最优避障降落点,则判断所述无人机的当前续航电量是否小于或等于预设的电量阈值;
若是,则确定各所述次最优避障降落点为满足返航飞行条件的避障降落点;
在所述次最优避障降落点中确定目标避障降落点。
可选地,所述降落点确定模块510,具体用于:
如果存储的各所述避障降落点中仅包括至少一个所述次最优避障降落点,则判断所述无人机的当前续航电量是否小于或等于预设的电量阈值;
若是,则确定各所述次最优避障降落点为满足返航飞行条件的避障降落点;
在所述次最优避障降落点中确定目标避障降落点。
可选地,所述降落控制模块520,具体用于:
控制所述无人机飞行至所述目标避障降落点的上空位置,并控制所述无人机在所述上空位置进行盘旋降高;
当检测到所述无人机下降到预设高度时,检测是否生成飞行至所述目标避障降落点的安全路径;其中,所述安全路径是在定位所述目标避障降落点之后,基于所述无人机与所述目标避障降落点之间的障碍物的位置信息确定的;
若所述安全路径已经生成,则控制所述无人机根据所述安全路径飞行至所述目标避障降落点;
若所述安全路径未生成,则控制所述无人机在当前位置由固定翼模式切换为旋翼模式并降落至所述目标避障降落点。
可选地,所述降落控制模块520,具体还用于:
在控制所述无人机在所述上空位置进行盘旋降高之时,实时检测盘旋路径上障碍物的位置信息,并在检测到存在障碍物时,根据所述障碍物的位置信息生成避障轨迹,以避开所述障碍物飞行。
可选地,所述装置还包括:
信息告警模块,用于在控制所述无人机降落至所述目标避障降落点之后,通过云通讯发送告警迫降信息;其中,所述告警迫降信息至少包括以下至少一种:所述无人机当前的位置信息、降落环境地理信息以及所述控制器所在位置与所述无人机当前位置之间的最短路线信息。
本发明实施例所提供的无人机的降落装置可执行本发明任意实施例所提供的无人机的降落方法,具备执行方法相应的功能模块和有益效果。
实施例六
图12是本发明实施例六提供的一种无人机的结构示意图,如图12所示,该无人机包括处理器600、存储器610、输入装置620和输出装置630;无人机中处理器600的数量可以是一个或多个,图12中以一个处理器600为例;无人机中的处理器600、存储器610、输入装置620和输出装置630可以通过总线或其他方式连接,图12中以通过总线连接为例。
存储器610作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的无人机的降落方法对应的程序指令和/或模块(例如,无人机的降落装置中的降落点确定模块510和降落控制模块520)。处理器600通过运行存储在存储器610中的软件程序、指令以及模块,从而执行无人机的各种功能应用以及数据处理,即实现上述的无人机的降落方法。该方法包括:
在检测到无人机进入迫降模式时,在所述无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;
控制所述无人机降落至所述目标避障降落点;
其中,所述目标避障降落点是根据所述无人机飞行过程中采集的地形影像确定的。
存储器610可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器610可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器610可进一步包括相对于处理器600远程设置的存储器,这些远程存储器可以通过网络连接至无人机。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置620可用于接收输入的数字或字符信息,以及产生与无人机的用户设置以及功能控制有关的键信号输入。输出装置630可包括显示屏等显示设备。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种无人机的降落方法,该方法包括:
在检测到无人机进入迫降模式时,在所述无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;
控制所述无人机降落至所述目标避障降落点;
其中,所述目标避障降落点是根据所述无人机飞行过程中采集的地形影像确定的。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的无人机的降落方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述无人机的降落装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种无人机的降落方法,其特征在于,包括:
在检测到无人机进入迫降模式时,在所述无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;
控制所述无人机降落至所述目标避障降落点;
其中,所述目标避障降落点是根据所述无人机飞行过程中采集的地形影像确定的;
所述在无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点,包括:
判断当前是否存储有满足返航飞行条件的避障降落点,所述避障降落点为所述无人机在正常飞行过程中根据实时采集的地形影像确定并存储的;
若否,则在所述无人机迫降飞行过程中,控制所述无人机实时采集地形影像,根据所述地形影像,确定至少一个避障降落点,并在确定的各所述避障降落点中,获取目标避障降落点;
所述避障降落点的类型基于预设的降落场地条件确定,所述降落场地条件包括最优降落条件和次最优降落条件,所述避障降落点的类型包括最优避障降落点和次最优避障降落点;
所述在确定的各所述避障降落点中,获取目标避障降落点,包括:
如果确定的各所述避障降落点中包括至少一个所述最优避障降落点,则在所述最优避障降落点中确定目标避障降落点;
如果确定的各所述避障降落点中只包括所述次最优避障降落点,则判断所述无人机的当前续航电量是否小于或等于预设的电量阈值;
若是,则在所述次最优避障降落点中确定目标避障降落点;
否则,控制所述无人机向前飞行预设距离,重新控制所述无人机实时采集地形影像,返回执行根据所述地形影像,确定至少一个避障降落点的步骤。
2.根据权利要求1所述的方法,其特征在于,所述判断当前是否存储有满足返航飞行条件的避障降落点之后,还包括:
若是,则在各满足所述返航飞行条件的所述避障降落点中,获取目标避障降落点。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在所述无人机的正常飞行过程中,控制所述无人机实时采集正常飞行过程中的地形影像;
根据所述地形影像,确定至少一个避障降落点,并对确定的各所述避障降落点进行存储。
4.根据权利要求2所述的方法,其特征在于,所述控制所述无人机实时采集地形影像,包括:
根据所述无人机的当前定位点以及航线类型,生成预设降落点识别航线;
控制所述无人机沿所述预设降落点识别航线进行飞行,并在飞行过程中,实时采集地形影像。
5.根据权利要求1所述的方法,其特征在于,所述判断当前是否存储有满足返航飞行条件的避障降落点,包括:
根据存储的各所述避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点。
6.根据权利要求5所述的方法,其特征在于,所述根据存储的各所述避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点,包括:
如果存储的各所述避障降落点中包括至少一个所述最优避障降落点,则计算各所述最优避障降落点与所述无人机的当前定位点之间的距离值;
如果确定存在至少一个所述距离值小于或等于预设阈值门限的目标最优避障降落点,则将各所述目标最优避障降落点确定为满足返航飞行条件的避障降落点;
在各满足所述返航飞行条件的所述避障降落点中,获取目标避障降落点,包括:
在所述目标最优避障降落点中确定目标避障降落点。
7.根据权利要求6所述的方法,其特征在于,在计算各所述最优避障降落点与所述无人机的当前定位点之间的距离值之后,还包括:
如果确定不存在距离值小于或等于所述预设阈值门限的所述目标最优避障降落点,则判断所述无人机的当前续航电量是否小于或等于预设的电量阈值;
若是,则确定各所述次最优避障降落点为满足返航飞行条件的避障降落点;
在各满足所述返航飞行条件的所述避障降落点中,获取目标避障降落点,包括:
在所述次最优避障降落点中确定目标避障降落点。
8.根据权利要求5所述的方法,其特征在于,所述根据存储的各所述避障降落点的类型,判断是否存在满足返航飞行条件的避障降落点,包括:
如果存储的各所述避障降落点中仅包括至少一个所述次最优避障降落点,则判断所述无人机的当前续航电量是否小于或等于预设的电量阈值;
若是,则确定各所述次最优避障降落点为满足返航飞行条件的避障降落点;
在各满足所述返航飞行条件的所述避障降落点中,获取目标避障降落点,包括:
在所述次最优避障降落点中确定目标避障降落点。
9.根据权利要求1所述的方法,其特征在于,所述控制所述无人机降落至所述目标避障降落点,包括:
控制所述无人机飞行至所述目标避障降落点的上空位置,并控制所述无人机在所述上空位置进行盘旋降高;
当检测到所述无人机下降到预设高度时,检测是否生成飞行至所述目标避障降落点的安全路径;其中,所述安全路径是在定位所述目标避障降落点之后,基于所述无人机与所述目标避障降落点之间的障碍物的位置信息确定的;
若所述安全路径已经生成,则控制所述无人机根据所述安全路径飞行至所述目标避障降落点;
若所述安全路径未生成,则控制所述无人机在当前位置由固定翼模式切换为旋翼模式并降落至所述目标避障降落点。
10.根据权利要求9所述的方法,其特征在于,在控制所述无人机在所述上空位置进行盘旋降高之时,还包括:
实时检测盘旋路径上障碍物的位置信息,并在检测到存在障碍物时,根据所述障碍物的位置信息生成避障轨迹,以避开所述障碍物飞行。
11.根据权利要求1所述的方法,其特征在于,在控制所述无人机降落至所述目标避障降落点之后,还包括:
通过云通讯发送告警迫降信息;其中,所述告警迫降信息至少包括以下至少一种:控制器所在位置与无人机当前位置之间的最短路线信息、所述无人机当前的位置信息以及降落环境地理信息。
12.一种无人机的降落装置,其特征在于,包括:
降落点确定模块,用于在检测到无人机进入迫降模式时,在所述无人机的正常或迫降飞行过程中的途经区域内,确定目标避障降落点;
降落控制模块,用于控制所述无人机降落至所述目标避障降落点;
其中,所述目标避障降落点是根据所述无人机飞行过程中采集的地形影像确定的;
所述降落点确定模块,具体用于:
判断当前是否存储有满足返航飞行条件的避障降落点,所述避障降落点为所述无人机在正常飞行过程中根据实时采集的地形影像确定并存储的;
若否,则在所述无人机迫降飞行过程中,控制所述无人机实时采集地形影像,根据所述地形影像,确定至少一个避障降落点,并在确定的各所述避障降落点中,获取目标避障降落点;
所述避障降落点的类型包括最优避障降落点和次最优避障降落点;
如果确定的各所述避障降落点中包括至少一个所述最优避障降落点,则在所述最优避障降落点中确定目标避障降落点;
如果确定的各所述避障降落点中只包括所述次最优避障降落点,则判断所述无人机的当前续航电量是否小于或等于预设的电量阈值;
若是,则在所述次最优避障降落点中确定目标避障降落点;
否则,控制所述无人机向前飞行预设距离,重新控制所述无人机实时采集地形影像,返回执行根据所述地形影像,确定至少一个避障降落点的步骤。
13.一种无人机,其特征在于,所述无人机包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-11中任一所述的无人机的降落方法。
14.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-11中任一所述的无人机的降落方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110292860.7A CN113031633B (zh) | 2021-03-18 | 2021-03-18 | 一种无人机的降落方法、装置、无人机及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110292860.7A CN113031633B (zh) | 2021-03-18 | 2021-03-18 | 一种无人机的降落方法、装置、无人机及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113031633A CN113031633A (zh) | 2021-06-25 |
CN113031633B true CN113031633B (zh) | 2024-06-14 |
Family
ID=76471552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110292860.7A Active CN113031633B (zh) | 2021-03-18 | 2021-03-18 | 一种无人机的降落方法、装置、无人机及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113031633B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113428371B (zh) * | 2021-07-23 | 2023-06-30 | 中国科学院地理科学与资源研究所 | 一种能够进行应急处理的无人机和无人机应急处理方法 |
CN113485440A (zh) * | 2021-07-31 | 2021-10-08 | 武夷科技信息(北京)有限公司 | 一种无人机着陆飞行的方向控制方法 |
CN113625759A (zh) * | 2021-08-25 | 2021-11-09 | 深圳市道通智能航空技术股份有限公司 | 一种无人机迫降控制方法及装置、遥控装置和存储介质 |
CN114415701A (zh) * | 2022-01-20 | 2022-04-29 | 安胜(天津)飞行模拟***有限公司 | 一种紧急自动着陆方法、装置、设备以及存储介质 |
CN114527800A (zh) * | 2022-02-25 | 2022-05-24 | 广州极飞科技股份有限公司 | 一种无人机降落场选取方法、装置、***及可读存储介质 |
CN114924585B (zh) * | 2022-05-19 | 2023-03-24 | 广东工业大学 | 基于视觉的旋翼无人机在崎岖地表的安全降落方法及*** |
CN115167500A (zh) * | 2022-05-19 | 2022-10-11 | 北京远度互联科技有限公司 | 一种无人机飞行控制方法、装置、***和可读存储介质 |
CN115524995A (zh) * | 2022-08-30 | 2022-12-27 | 峰飞航空科技(昆山)有限公司 | 一种运输方法、地面站、运输飞机及运输*** |
CN115657731B (zh) * | 2022-10-14 | 2023-12-19 | 国网甘肃省电力公司金昌供电公司 | 基于电源监控的无人机飞行控制方法 |
CN117201565A (zh) * | 2023-10-11 | 2023-12-08 | 西安月之峰电子科技有限公司 | 一种基于5g传输的网联无人机管理云平台 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106325299A (zh) * | 2016-09-13 | 2017-01-11 | 上海顺砾智能科技有限公司 | 基于视觉的无人机返航着陆方法 |
CN112306084A (zh) * | 2019-07-30 | 2021-02-02 | 广州极飞科技有限公司 | 一种无人机迫降方法、装置、无人机和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054903B (zh) * | 2016-07-27 | 2019-11-08 | 中南大学 | 一种多旋翼无人机自适应降落方法及*** |
CN107291093A (zh) * | 2017-07-04 | 2017-10-24 | 西北工业大学 | 基于视觉slam的复杂环境下无人机自主降落区域选择方法 |
CN109508029B (zh) * | 2017-09-14 | 2020-11-20 | 比亚迪股份有限公司 | 无人机及其控制方法、装置、***和计算机可读存储介质 |
CN110515390B (zh) * | 2018-05-22 | 2023-09-22 | 北京京东乾石科技有限公司 | 飞行器自主降落方法及装置、电子设备、存储介质 |
US11315432B2 (en) * | 2019-07-09 | 2022-04-26 | The Boeing Company | Landing an unmanned aerial vehicle in a contingency scenario |
-
2021
- 2021-03-18 CN CN202110292860.7A patent/CN113031633B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106325299A (zh) * | 2016-09-13 | 2017-01-11 | 上海顺砾智能科技有限公司 | 基于视觉的无人机返航着陆方法 |
CN112306084A (zh) * | 2019-07-30 | 2021-02-02 | 广州极飞科技有限公司 | 一种无人机迫降方法、装置、无人机和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113031633A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113031633B (zh) | 一种无人机的降落方法、装置、无人机及介质 | |
US20230350428A1 (en) | Methods and system for autonomous landing | |
JP6210522B2 (ja) | 無人航空機の飛行制御方法、飛行データ処理方法、無人航空機、およびサーバ | |
US9177481B2 (en) | Semantics based safe landing area detection for an unmanned vehicle | |
CN108508916B (zh) | 一种无人机编队的控制方法、装置、设备及存储介质 | |
CN113494913A (zh) | 无人机电力巡检规划方法、装置、计算机设备和存储介质 | |
WO2019015158A1 (zh) | 无人机避障方法及无人机 | |
CN107563373B (zh) | 基于立体视觉的无人机降落区域主动安全检测方法及应用 | |
CN112180955B (zh) | 自动巡检无人机的基于视觉反馈的二次复查方法和*** | |
CN207691309U (zh) | 一种用于输电线路大型无人机进行巡检工作的装置 | |
US11320269B2 (en) | Information processing apparatus, information processing method, and information processing program | |
EP2977976A2 (en) | Context-aware landing zone classification | |
CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
WO2021035731A1 (zh) | 无人飞行器的控制方法、装置及计算机可读存储介质 | |
JP2015114954A (ja) | 撮影画像解析方法 | |
EP3903298A1 (en) | Collision avoidance system, depth imaging system, vehicle, obstacle map generator, and methods thereof | |
WO2024114209A1 (zh) | 一种无rtk信号场景下全自动无人机巡检智能路径规划方法 | |
WO2021056139A1 (zh) | 获取降落位置的方法、设备、无人机、***及存储介质 | |
CN117649785B (zh) | 一种无人机多运行人分布式协同冲突化解方法及*** | |
CN107609468B (zh) | 用于无人机降落区域主动安全检测的类别优化聚合分析方法及应用 | |
CN109857133A (zh) | 基于双目视觉的多旋翼无人机选择性避障控制方法 | |
CN113674343B (zh) | 一种无人机巡检方法、装置、设备及存储介质 | |
CN115329932A (zh) | 基于数字孪生的飞机着陆姿态监视方法 | |
CN115493598A (zh) | 运动过程中的目标定位方法、装置及存储介质 | |
JP7130409B2 (ja) | 管制装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |