CN114113671B - 一种基于多旋翼无人机的高时空分辨率测风***及测风方法 - Google Patents
一种基于多旋翼无人机的高时空分辨率测风***及测风方法 Download PDFInfo
- Publication number
- CN114113671B CN114113671B CN202111408017.7A CN202111408017A CN114113671B CN 114113671 B CN114113671 B CN 114113671B CN 202111408017 A CN202111408017 A CN 202111408017A CN 114113671 B CN114113671 B CN 114113671B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- detection path
- generating
- area image
- 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 33
- 238000001514 detection method Methods 0.000 claims abstract description 125
- 238000010586 diagram Methods 0.000 claims abstract description 58
- 238000005259 measurement Methods 0.000 claims abstract description 51
- 230000033001 locomotion Effects 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
- G01P13/0006—Indicating or recording presence, absence, or direction, of movement of fluids or of granulous or powder-like substances
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
- G01P13/02—Indicating direction only, e.g. by weather vane
- G01P13/025—Indicating direction only, e.g. by weather vane indicating air data, i.e. flight variables of an aircraft, e.g. angle of attack, side slip, shear, yaw
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Analysis (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及智能无人机技术领域,具体公开了一种基于多旋翼无人机的高时空分辨率测风***及测风方法,所述测风***包括无人机端和控制端,所述控制端用于接收用户的输入信息,生成风速测量指令;接收并显示无人机端发送的区域图像,获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径;接收无人机端发送的波动图,根据所述波动图生成测风报告。本发明技术方案基于区域图像中的参考点确定无人机的实际运动轨迹,将所述实际运动轨迹与参考轨迹进行比对,得到迟滞量和偏移量,根据迟滞量和偏移量生成测风报告,本发明技术方案为无人机自身功能,可以配合测风仪共同使用,提高测风准确度。
Description
技术领域
本发明涉及智能无人机技术领域,具体是一种基于多旋翼无人机的高时空分辨率测风***及测风方法。
背景技术
近年来,由于开源无人机飞行控制器及自动飞机驾驶仪的不断发展,技术已经趋于成熟,全世界数以万计的优秀人才在为开源无人机项目贡献代码。使得越来越多的普通人可以轻松进入这个领域。通常,无人机分为三类:固定翼飞机、单旋翼直升机、多旋翼直升机。在早期,固定翼飞机与直升机占有主导地位,近十年来多旋翼的理论日趋成熟,组装简单,操控灵活,渐渐成为了人们喜爱的无人机。
现有的多旋翼无人机的工作范围一般都是有限的,测风方式大都依据传感器,根据所述传感器进行风压的检测,这种方式是可以的,但他更像是一种附加功能,比如,在多旋翼无人机上安装一个现有的测速仪,即可完成这一功能,它并不是基于多旋翼无人机本身的测风功能。
发明内容
本发明的目的在于提供一种基于多旋翼无人机的高时空分辨率测风***及测风方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于多旋翼无人机的高时空分辨率测风***,所述测风***包括:
无人机端,用于接收控制端发送的风速测量指令,根据所述风速测量指令调整旋翼状态至平衡状态;获取区域图像,并将所述区域图像向控制端发送;接收控制端发送的检测路径,基于所述检测路径生成角度调节指令;其中,所述角度调节指令的调节幅度限定在所述检测路径的方向上;实时获取区域图像,计算所述区域图像中参考点的运动轨迹,将所述运动轨迹与预设的参考轨迹进行比对,根据比对结果生成波动图,将所述波动图向控制端发送;其中,所述波动图中的坐标轴分别与检测路径平行和垂直;
控制端,用于接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;接收无人机端发送的波动图,根据所述波动图生成测风报告。
作为本发明进一步的方案:所述无人机端包括:
平衡模块,用于接收控制端发送的风速测量指令,根据所述风速测量指令调整旋翼状态至平衡状态;
图像获取模块,用于获取区域图像,并将所述区域图像向控制端发送;
运动调节模块,用于接收控制端发送的检测路径,基于所述检测路径生成角度调节指令;其中,所述角度调节指令的调节幅度限定在所述检测路径的方向上;
波动图生成模块,用于实时获取区域图像,计算所述区域图像中参考点的运动轨迹,将所述运动轨迹与预设的参考轨迹进行比对,根据比对结果生成波动图,将所述波动图向控制端发送;其中,所述波动图中的坐标轴分别与检测路径平行和垂直。
作为本发明进一步的方案:所述控制端包括:
指令发送模块,用于接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;
路径接收模块,用于接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;
报告生成模块,用于接收无人机端发送的波动图,根据所述波动图生成测风报告。
作为本发明进一步的方案:所述路径接收模块包括:
端口开放单元,用于接收并显示无人机端发送的区域图像,开放信息输入端口,获取用户的触屏信号;
检测点确定单元,用于检测所述触屏信号的种类,当所述触屏信号为点信号时,在所述区域图像中确定检测点,当所述触屏信号为线段信号时,在所述区域图像中生成检测路径;
参考点确定单元,用于根据所述检测点对所述区域图像进行轮廓识别,根据轮廓识别结果确定参考点;
数据传输单元,用于将所述参考点和所述检测路径向无人机端发送。
作为本发明进一步的方案:所述检测点确定单元包括:
参数读取子单元,用于获取用户输入的手势动作的图像轮廓以及用户在控制端上各检测点的停留时间;
比对子单元,用于比对所述停留时间与预设的时间阈值,当所述停留时间达到所述时间阈值时,生成取样点,基于所述取样点生成线段;判断线段与所述图像轮廓是否重合,若所述线段与所述图像轮廓重合,则将所述线段确定为检测路径;
复位子单元,用于当所述停留时间小于所述时间阈值时,复位输入端口,并生成提示信息。
作为本发明进一步的方案:所述波动图生成模块包括:
定位单元,用于实时获取含有捕捉时间的区域图像,在所述区域图像中定位参考点;
排序单元,用于根据所述捕捉时间对所述区域图像进行排序,并对排序后的区域图像进行背景虚化,得到参考点的运动轨迹;
向量生成单元,用于将所述运动轨迹与预设的参考轨迹进行比对,得到基于时间点的迟滞向量和偏移向量;其中,所述迟滞距离的方向与检测路径平行,偏移距离的方向与检测路径垂直;
处理执行单元,用于根据所述基于时间点的迟滞向量和偏移向量生成波动图,将所述波动图向控制端发送。
作为本发明进一步的方案:所述报告生成模块包括:
数据提取单元,用于接收无人机端发送的波动图,根据所述波动图提取基于时间点的迟滞向量和偏移向量;
风向参数计算单元,用于根据所述迟滞向量确定检测路径方向上的风向参数,根据所述偏移向量确定检测路径垂直方向上的风向参数;
向量运算单元,用于对所述检测路径方向上的风向参数和所述检测路径垂直方向上的风向参数进行向量运算,生成基于时间点的测风报告。
本发明技术方案还提供了一种基于多旋翼无人机的高时空分辨率测风方法,所述测风方法应用于控制端,所述测风方法包括:
接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;
接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;
接收无人机端发送的波动图,根据所述波动图生成测风报告。
作为本发明进一步的方案:所述接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送的步骤包括:
接收并显示无人机端发送的区域图像,开放信息输入端口,获取用户的触屏信号;
检测所述触屏信号的种类,当所述触屏信号为点信号时,在所述区域图像中确定检测点,当所述触屏信号为线段信号时,在所述区域图像中生成检测路径;
根据所述检测点对所述区域图像进行轮廓识别,根据轮廓识别结果确定参考点;
将所述参考点和所述检测路径向无人机端发送。
作为本发明进一步的方案:所述接收无人机端发送的波动图,根据所述波动图生成测风报告的步骤包括:
接收无人机端发送的波动图,根据所述波动图提取基于时间点的迟滞向量和偏移向量;
根据所述迟滞向量确定检测路径方向上的风向参数,根据所述偏移向量确定检测路径垂直方向上的风向参数;
对所述检测路径方向上的风向参数和所述检测路径垂直方向上的风向参数进行向量运算,生成基于时间点的测风报告。
与现有技术相比,本发明的有益效果是:本发明技术方案基于区域图像中的参考点确定无人机的实际运动轨迹,将所述实际运动轨迹与参考轨迹进行比对,得到迟滞量和偏移量,根据迟滞量和偏移量生成测风报告,本发明技术方案为无人机自身功能,可以配合测风仪共同使用,提高测风准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1为基于多旋翼无人机的高时空分辨率测风***中无人机端的组成结构框图。
图2为基于多旋翼无人机的高时空分辨率测风***中控制端的组成结构框图。
图3为控制端中路径接收模块的组成结构框图。
图4为路径接收模块中检测点确定单元的组成结构框图。
图5为无人机端中波动图生成模块的组成结构框图。
图6为控制端中报告生成模块的组成结构框图。
图7为基于多旋翼无人机的高时空分辨率测风方法的流程框图。
图8为基于多旋翼无人机的高时空分辨率测风方法的第一子流程框图。
图9为基于多旋翼无人机的高时空分辨率测风方法的第二子流程框图。
图10为一种多旋翼无人机的示例结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
请参阅图1至图2,本发明实施例中,一种基于多旋翼无人机的高时空分辨率测风***,所述测风***包括:
无人机端10,用于接收控制端发送的风速测量指令,根据所述风速测量指令调整旋翼状态至平衡状态;获取区域图像,并将所述区域图像向控制端发送;接收控制端发送的检测路径,基于所述检测路径生成角度调节指令;其中,所述角度调节指令的调节幅度限定在所述检测路径的方向上;实时获取区域图像,计算所述区域图像中参考点的运动轨迹,将所述运动轨迹与预设的参考轨迹进行比对,根据比对结果生成波动图,将所述波动图向控制端发送;其中,所述波动图中的坐标轴分别与检测路径平行和垂直;
控制端20,用于接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;接收无人机端发送的波动图,根据所述波动图生成测风报告。
本发明技术方案为多端交互***,其中,无人机端一般为安装在多旋翼无人机上的软件,图10示出了一种多旋翼无人机的示例结构框图,所述多旋翼无人机由三个、四个或更多螺旋桨所组成的无人机。最典型、最常见的就是四旋翼直升机(简称四旋翼)。四旋翼有四个轴,安装四个螺旋桨,同样可以由螺旋桨的高速旋转产生向上的拉力实现垂直起降。但与直升机不同的是,多旋翼的前进、后退、向左、向右飞行靠的是四个螺旋桨不同的转速,而不是像直升机那样靠改变主动力桨的螺距,因为四旋翼桨的螺距是固定的,桨的尺寸也是固定的。四旋翼的四个轴的轴距通常也是相同的,所以其动力体系通常也是对称的。三旋翼、六旋翼、八旋翼或其它多旋翼除了将动力和力矩分配到多个螺旋桨的方案不同之外,与四旋翼没有本质上的区别。可以说,学习并掌握了四旋翼之后,也就可以举一反三的懂得了其它多旋翼的原理与动力***。其优点包括:可以垂直起降,空中悬停,结构简单,操作灵活。其缺点包括:续航时间短,飞行速度慢。
控制端20可以理解为由人操作的控制设备,最简单的,智能手机即可搭载这一端口,控制端20的各种运算功能,智能手机足以完成。
图1为基于多旋翼无人机的高时空分辨率测风***中无人机端的组成结构框图,所述无人机端10包括:
平衡模块11,用于接收控制端发送的风速测量指令,根据所述风速测量指令调整旋翼状态至平衡状态;
图像获取模块12,用于获取区域图像,并将所述区域图像向控制端发送;
运动调节模块13,用于接收控制端发送的检测路径,基于所述检测路径生成角度调节指令;其中,所述角度调节指令的调节幅度限定在所述检测路径的方向上;
波动图生成模块14,用于实时获取区域图像,计算所述区域图像中参考点的运动轨迹,将所述运动轨迹与预设的参考轨迹进行比对,根据比对结果生成波动图,将所述波动图向控制端发送;其中,所述波动图中的坐标轴分别与检测路径平行和垂直。
上述内容是对无人机端各功能的细化,其中,平衡模块11的目的是将无人机调整至平衡状态,多旋翼无人机是具备悬停功能的,这一功能很容易实现;运动调节模块13的作用是控制无人机运动,我们知道,旋翼在不停的转动过程中,通过调节角度,即可调整动力方向,从而实现运动过程,运动路径为控制端20发送的检测路径。
当无人机在检测路径上运动时,通过波动图生成模块14实时获取图像,然后根据图像生成波动图,波动图中包含着风向信息。
图2为基于多旋翼无人机的高时空分辨率测风***中控制端的组成结构框图,所述控制端20包括:
指令发送模块21,用于接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;
路径接收模块22,用于接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;
报告生成模块23,用于接收无人机端发送的波动图,根据所述波动图生成测风报告。
上述内容是对控制端20的各功能的细化,所述控制端20是与用户进行交互的端口,所述指令发送模块21用于根据用户的输入信息生成风速测量指令,所述路径接收模块22用户将用户的输入信息转换为检测路径;其中,报告生成模块23是控制端20的一个核心模块,用于根据波动图生成测风报告,当然,显示过程也可以包含在报告生成模块23中。
图3为控制端中路径接收模块的组成结构框图,所述路径接收模块22包括:
端口开放单元221,用于接收并显示无人机端发送的区域图像,开放信息输入端口,获取用户的触屏信号;
检测点确定单元222,用于检测所述触屏信号的种类,当所述触屏信号为点信号时,在所述区域图像中确定检测点,当所述触屏信号为线段信号时,在所述区域图像中生成检测路径;
参考点确定单元223,用于根据所述检测点对所述区域图像进行轮廓识别,根据轮廓识别结果确定参考点;
数据传输单元224,用于将所述参考点和所述检测路径向无人机端发送。
上述内容对区域图像的处理过程进行了限定,触屏信号有两类,一是点信号,二是线段信号,当检测到点信号时,路径接收模块22在区域图像中确定一个参考点,当检测到线段信号时,路径接收模块22根据所述线段信号生成检测路径。
其中,参考点一般是一个固定点,由用户在区域图像中确定,在无人机获取到的区域图像中,静物是很多的,这一确定过程并不困难。参考点的目的是计算无人机的迟滞或偏移情况。
图4为路径接收模块中检测点确定单元的组成结构框图,所述检测点确定单元222包括:
参数读取子单元2221,用于获取用户输入的手势动作的图像轮廓以及用户在控制端上各检测点的停留时间;
比对子单元2222,用于比对所述停留时间与预设的时间阈值,当所述停留时间达到所述时间阈值时,生成取样点,基于所述取样点生成线段;判断线段与所述图像轮廓是否重合,若所述线段与所述图像轮廓重合,则将所述线段确定为检测路径;
复位子单元2223,用于当所述停留时间小于所述时间阈值时,复位输入端口,并生成提示信息。
上述内容描述了检测路径的生成过程,需要说明的是时间阈值。对于停留时间的检测以现有的技术水平是非常容易实现的,重点是时间阈值,时间阈值的设置要符合大部分人,其中,最好尽量设置的长一点,因为,动作快的人慢下来是可以做到的,但是动作慢的人加快速度是不容易的,最明显的例子就是老人,可以想象,让一个老人以非常快的速度输入手势动作,从常理来说,是很突兀的。
若所述停留时间大于所述时间阈值,则生成取样点,这个取样点一般取点群内部的点,取样点是否是停留位置中心点其实并不是非常重要,换而言之,取样点的精度要求无需太高,在不要求精度的条件下,取样的算法会有很多。
图5为无人机端中波动图生成模块的组成结构框图,所述波动图生成模块14包括:
定位单元141,用于实时获取含有捕捉时间的区域图像,在所述区域图像中定位参考点;
排序单元142,用于根据所述捕捉时间对所述区域图像进行排序,并对排序后的区域图像进行背景虚化,得到参考点的运动轨迹;
向量生成单元143,用于将所述运动轨迹与预设的参考轨迹进行比对,得到基于时间点的迟滞向量和偏移向量;其中,所述迟滞距离的方向与检测路径平行,偏移距离的方向与检测路径垂直;
处理执行单元144,用于根据所述基于时间点的迟滞向量和偏移向量生成波动图,将所述波动图向控制端发送。
上述内容描述了波动图的生成过程,其中,参考轨迹是无人机在无风状态下的理论轨迹,当存在迟滞向量时,就说明在检测路径上存在风阻,当存在偏移向量时,就说明在垂直检测路径的方向上存在风阻。
值得一提的是,所述迟滞向量也有可能是负值,负号代表方向,即,风向是无人机运动的顺风方向。
图6为控制端中报告生成模块的组成结构框图,所述报告生成模块23包括:
数据提取单元231,用于接收无人机端发送的波动图,根据所述波动图提取基于时间点的迟滞向量和偏移向量;
风向参数计算单元232,用于根据所述迟滞向量确定检测路径方向上的风向参数,根据所述偏移向量确定检测路径垂直方向上的风向参数;
向量运算单元233,用于对所述检测路径方向上的风向参数和所述检测路径垂直方向上的风向参数进行向量运算,生成基于时间点的测风报告。
上述内容是对波动图的处理过程,其中,迟滞向量和偏移向量就代表着无人机在风力的作用下发生的偏移,这个偏移与实际风力情况是线性相关的,根据一些理论模型和一些实验数据即可确定相应的映射关系。
具体实施例
图7为基于多旋翼无人机的高时空分辨率测风方法的流程框图,本发明实施例中,提供了一种基于多旋翼无人机的高时空分辨率测风方法,所述测风方法应用于控制端,所述测风方法包括:
步骤S100:接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;
步骤S200:接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;
步骤S300:接收无人机端发送的波动图,根据所述波动图生成测风报告。
图8为基于多旋翼无人机的高时空分辨率测风方法的第一子流程框图,所述接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送的步骤包括:
步骤S201:接收并显示无人机端发送的区域图像,开放信息输入端口,获取用户的触屏信号;
步骤S202:检测所述触屏信号的种类,当所述触屏信号为点信号时,在所述区域图像中确定检测点,当所述触屏信号为线段信号时,在所述区域图像中生成检测路径;
步骤S203:根据所述检测点对所述区域图像进行轮廓识别,根据轮廓识别结果确定参考点;
步骤S204:将所述参考点和所述检测路径向无人机端发送。
图9为基于多旋翼无人机的高时空分辨率测风方法的第二子流程框图,所述接收无人机端发送的波动图,根据所述波动图生成测风报告的步骤包括:
步骤S301:接收无人机端发送的波动图,根据所述波动图提取基于时间点的迟滞向量和偏移向量;
步骤S302:根据所述迟滞向量确定检测路径方向上的风向参数,根据所述偏移向量确定检测路径垂直方向上的风向参数;
步骤S303:对所述检测路径方向上的风向参数和所述检测路径垂直方向上的风向参数进行向量运算,生成基于时间点的测风报告。
所述基于多旋翼无人机的高时空分辨率测风方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述基于多旋翼无人机的高时空分辨率测风方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器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(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示***的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器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,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例***中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个***实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种基于多旋翼无人机的高时空分辨率测风***,其特征在于,所述测风***包括:
无人机端,用于接收控制端发送的风速测量指令,根据所述风速测量指令调整旋翼状态至平衡状态;获取区域图像,并将所述区域图像向控制端发送;接收控制端发送的检测路径,基于所述检测路径生成角度调节指令;其中,所述角度调节指令的调节幅度限定在所述检测路径的方向上;实时获取区域图像,计算所述区域图像中参考点的运动轨迹,将所述运动轨迹与预设的参考轨迹进行比对,根据比对结果生成波动图,将所述波动图向控制端发送;其中,所述波动图中的坐标轴分别与检测路径平行和垂直;
控制端,用于接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;接收无人机端发送的波动图,根据所述波动图生成测风报告;
所述控制端包括:
指令发送模块,用于接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;
路径接收模块,用于接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;
报告生成模块,用于接收无人机端发送的波动图,根据所述波动图生成测风报告;
所述路径接收模块包括:
端口开放单元,用于接收并显示无人机端发送的区域图像,开放信息输入端口,获取用户的触屏信号;
检测点确定单元,用于检测所述触屏信号的种类,当所述触屏信号为点信号时,在所述区域图像中确定检测点,当所述触屏信号为线段信号时,在所述区域图像中生成检测路径;
参考点确定单元,用于根据所述检测点对所述区域图像进行轮廓识别,根据轮廓识别结果确定参考点;
数据传输单元,用于将所述参考点和所述检测路径向无人机端发送;
所述检测点确定单元包括:
参数读取子单元,用于获取用户输入的手势动作的图像轮廓以及用户在控制端上各检测点的停留时间;
比对子单元,用于比对所述停留时间与预设的时间阈值,当所述停留时间达到所述时间阈值时,生成取样点,基于所述取样点生成线段;判断线段与所述图像轮廓是否重合,若所述线段与所述图像轮廓重合,则将所述线段确定为检测路径;
复位子单元,用于当所述停留时间小于所述时间阈值时,复位输入端口,并生成提示信息。
2.根据权利要求1所述的基于多旋翼无人机的高时空分辨率测风***,其特征在于,所述无人机端包括:
平衡模块,用于接收控制端发送的风速测量指令,根据所述风速测量指令调整旋翼状态至平衡状态;
图像获取模块,用于获取区域图像,并将所述区域图像向控制端发送;
运动调节模块,用于接收控制端发送的检测路径,基于所述检测路径生成角度调节指令;其中,所述角度调节指令的调节幅度限定在所述检测路径的方向上;
波动图生成模块,用于实时获取区域图像,计算所述区域图像中参考点的运动轨迹,将所述运动轨迹与预设的参考轨迹进行比对,根据比对结果生成波动图,将所述波动图向控制端发送;其中,所述波动图中的坐标轴分别与检测路径平行和垂直。
3.根据权利要求2所述的基于多旋翼无人机的高时空分辨率测风***,其特征在于,所述波动图生成模块包括:
定位单元,用于实时获取含有捕捉时间的区域图像,在所述区域图像中定位参考点;
排序单元,用于根据所述捕捉时间对所述区域图像进行排序,并对排序后的区域图像进行背景虚化,得到参考点的运动轨迹;
向量生成单元,用于将所述运动轨迹与预设的参考轨迹进行比对,得到基于时间点的迟滞向量和偏移向量;其中,迟滞距离的方向与检测路径平行,偏移距离的方向与检测路径垂直;
处理执行单元,用于根据所述基于时间点的迟滞向量和偏移向量生成波动图,将所述波动图向控制端发送。
4.根据权利要求3所述的基于多旋翼无人机的高时空分辨率测风***,其特征在于,所述报告生成模块包括:
数据提取单元,用于接收无人机端发送的波动图,根据所述波动图提取基于时间点的迟滞向量和偏移向量;
风向参数计算单元,用于根据所述迟滞向量确定检测路径方向上的风向参数,根据所述偏移向量确定检测路径垂直方向上的风向参数;
向量运算单元,用于对所述检测路径方向上的风向参数和所述检测路径垂直方向上的风向参数进行向量运算,生成基于时间点的测风报告。
5.一种基于多旋翼无人机的高时空分辨率测风方法,其特征在于,所述测风方法应用于控制端,所述测风方法包括:
接收用户的输入信息,根据所述输入信息生成风速测量指令,并将所述风速测量指令向无人机端发送;
接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送;
接收无人机端发送的波动图,根据所述波动图生成测风报告;
所述接收并显示无人机端发送的区域图像,基于所述区域图像获取用户的触屏信号,根据所述触屏信号确定参考点和生成检测路径,将所述参考点和所述检测路径向无人机端发送的步骤包括:
接收并显示无人机端发送的区域图像,开放信息输入端口,获取用户的触屏信号;
检测所述触屏信号的种类,当所述触屏信号为点信号时,在所述区域图像中确定检测点,当所述触屏信号为线段信号时,在所述区域图像中生成检测路径;
根据所述检测点对所述区域图像进行轮廓识别,根据轮廓识别结果确定参考点;
将所述参考点和所述检测路径向无人机端发送。
6.根据权利要求5所述的基于多旋翼无人机的高时空分辨率测风方法,其特征在于,所述接收无人机端发送的波动图,根据所述波动图生成测风报告的步骤包括:
接收无人机端发送的波动图,根据所述波动图提取基于时间点的迟滞向量和偏移向量;
根据所述迟滞向量确定检测路径方向上的风向参数,根据所述偏移向量确定检测路径垂直方向上的风向参数;
对所述检测路径方向上的风向参数和所述检测路径垂直方向上的风向参数进行向量运算,生成基于时间点的测风报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408017.7A CN114113671B (zh) | 2021-11-24 | 2021-11-24 | 一种基于多旋翼无人机的高时空分辨率测风***及测风方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111408017.7A CN114113671B (zh) | 2021-11-24 | 2021-11-24 | 一种基于多旋翼无人机的高时空分辨率测风***及测风方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114113671A CN114113671A (zh) | 2022-03-01 |
CN114113671B true CN114113671B (zh) | 2024-03-22 |
Family
ID=80372704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111408017.7A Active CN114113671B (zh) | 2021-11-24 | 2021-11-24 | 一种基于多旋翼无人机的高时空分辨率测风***及测风方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114113671B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107632166A (zh) * | 2017-11-02 | 2018-01-26 | 四川联众防务科技有限责任公司 | 一种基于无人机大数据的历史风速获取*** |
CN108287564A (zh) * | 2017-11-30 | 2018-07-17 | 深圳市科卫泰实业发展有限公司 | 一种多旋翼无人机航线抗风方法 |
CN109090086A (zh) * | 2018-09-19 | 2018-12-28 | 徐州元亨众利农业服务专业合作联社 | 一种植保无人机喷洒控制***及其喷洒控制方法 |
CN110427047A (zh) * | 2019-07-26 | 2019-11-08 | 深圳市道通智能航空技术有限公司 | 风速测算方法、风速估算器及无人机 |
JP2020173138A (ja) * | 2019-04-09 | 2020-10-22 | 国立大学法人秋田大学 | 風向風速計測方法及び風向風速計測システム |
CN112114383A (zh) * | 2020-10-30 | 2020-12-22 | 南京多基观测技术研究院有限公司 | 基于多旋翼无人机的高时空分辨率测风***及测风方法 |
JP2021021663A (ja) * | 2019-07-29 | 2021-02-18 | 合同会社サウザンズ | 風向及び風速を測定する方法及びそれに用いる無人航空機 |
US11029709B1 (en) * | 2017-12-28 | 2021-06-08 | United States Of America As Represented By The Administrator Of Nasa | Adaptive wind estimation, trajectory generation, and flight control for aerial systems using motion data |
CN112986612A (zh) * | 2021-03-24 | 2021-06-18 | 中国人民解放军63796部队 | 一种基于四旋翼无人机的低空移动式风速测量方法 |
CN113487449A (zh) * | 2021-07-20 | 2021-10-08 | 山东崇霖软件有限公司 | 一种移动式城市排水管网健康管理***及方法 |
-
2021
- 2021-11-24 CN CN202111408017.7A patent/CN114113671B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107632166A (zh) * | 2017-11-02 | 2018-01-26 | 四川联众防务科技有限责任公司 | 一种基于无人机大数据的历史风速获取*** |
CN108287564A (zh) * | 2017-11-30 | 2018-07-17 | 深圳市科卫泰实业发展有限公司 | 一种多旋翼无人机航线抗风方法 |
US11029709B1 (en) * | 2017-12-28 | 2021-06-08 | United States Of America As Represented By The Administrator Of Nasa | Adaptive wind estimation, trajectory generation, and flight control for aerial systems using motion data |
CN109090086A (zh) * | 2018-09-19 | 2018-12-28 | 徐州元亨众利农业服务专业合作联社 | 一种植保无人机喷洒控制***及其喷洒控制方法 |
JP2020173138A (ja) * | 2019-04-09 | 2020-10-22 | 国立大学法人秋田大学 | 風向風速計測方法及び風向風速計測システム |
CN110427047A (zh) * | 2019-07-26 | 2019-11-08 | 深圳市道通智能航空技术有限公司 | 风速测算方法、风速估算器及无人机 |
JP2021021663A (ja) * | 2019-07-29 | 2021-02-18 | 合同会社サウザンズ | 風向及び風速を測定する方法及びそれに用いる無人航空機 |
CN112114383A (zh) * | 2020-10-30 | 2020-12-22 | 南京多基观测技术研究院有限公司 | 基于多旋翼无人机的高时空分辨率测风***及测风方法 |
CN112986612A (zh) * | 2021-03-24 | 2021-06-18 | 中国人民解放军63796部队 | 一种基于四旋翼无人机的低空移动式风速测量方法 |
CN113487449A (zh) * | 2021-07-20 | 2021-10-08 | 山东崇霖软件有限公司 | 一种移动式城市排水管网健康管理***及方法 |
Non-Patent Citations (3)
Title |
---|
Wind Field Estimation Through Autonomous Quadcopter Avionics;Xiang XY等;AIAA 35TH DIGITAL AVIONICS SYSTEMS CONFERENCE;20161231;全文 * |
多旋翼无人机空中原位测风技术研究;杨扬;中国优秀硕士学位论文全文数据库 工程科技II辑;20200415(第4期);全文 * |
旋翼无人机测算风速风向技术研究;何诚;吕振义;李瑾;王越;舒立福;;测绘通报;20191225(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114113671A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220003213A1 (en) | Unmanned Aerial Vehicle Wind Turbine Inspection Systems And Methods | |
CN110851966B (zh) | 一种基于深度神经网络的数字孪生模型修正方法 | |
CN109061703A (zh) | 用于定位的方法、装置、设备和计算机可读存储介质 | |
CN110456757A (zh) | 一种无人驾驶车辆的整车测试方法及*** | |
CN102043964A (zh) | 基于云台摄像头的飞行器起降跟踪算法及跟踪*** | |
CN103010485A (zh) | 一种倾转旋翼无人机仿真建模方法及其*** | |
US11435761B1 (en) | System and method for distributed flight control system for an electric vehicle | |
CN104932523A (zh) | 一种无人飞行器的定位方法及装置 | |
US20180233061A1 (en) | Unmanned vehicle simulator | |
CN106895824A (zh) | 基于计算机视觉的无人机定位方法 | |
CN105242679A (zh) | 一种四旋翼飞行器的控制***设计方法 | |
CN114004023A (zh) | 一种基于循环神经网络的飞行器气动参数辨识的方法 | |
Yemelyev et al. | Development and Implementation of Automated UAV Flight Algorithms for Inertial Navigation Systems | |
Jung et al. | Real time embedded system framework for autonomous drone racing using deep learning techniques | |
WO2023044173A2 (en) | Methods and systems for flight control configured for use in an electric aircraft | |
Brukarczyk et al. | Fixed wing aircraft automatic landing with the use of a dedicated ground sign system | |
Jurado et al. | Vision‐based trajectory tracking system for an emulated quadrotor UAV | |
CN114113671B (zh) | 一种基于多旋翼无人机的高时空分辨率测风***及测风方法 | |
Pinto et al. | A ssd–ocr approach for real-time active car tracking on quadrotors | |
Svanström | Drone detection and classification using machine learning and sensor fusion | |
US11459117B1 (en) | Drone-based cameras to detect wind direction for landing | |
US20240045429A1 (en) | Unmanned Flying Object Control Assistance System, and Unmanned Flying Object Control Assistance Method | |
Borshchova et al. | Visual servoing for autonomous landing of a multi-rotor UAS on a moving platform | |
US20220406040A1 (en) | Method and device for generating learning data for an artificial intelligence machine for aircraft landing assistance | |
CN112698578B (zh) | 一种自动驾驶模型的训练方法及相关设备 |
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 |