CN117075515B - 基于视觉分析调整飞行姿态的单片机控制*** - Google Patents
基于视觉分析调整飞行姿态的单片机控制*** Download PDFInfo
- Publication number
- CN117075515B CN117075515B CN202311135630.5A CN202311135630A CN117075515B CN 117075515 B CN117075515 B CN 117075515B CN 202311135630 A CN202311135630 A CN 202311135630A CN 117075515 B CN117075515 B CN 117075515B
- Authority
- CN
- China
- Prior art keywords
- flight
- image information
- aircraft
- analysis
- shooting
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 75
- 230000000007 visual effect Effects 0.000 title abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 24
- 230000003068 static effect Effects 0.000 claims description 25
- 239000000284 extract Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及飞行姿态控制技术领域。本发明涉及基于视觉分析调整飞行姿态的单片机控制***。其包括图像获取单元、特征分析单元、飞行预测单元、姿态校正单元以及碰撞分析单元;图像获取单元用于将单片机和飞行器之间建立传输通道,使单片机记录飞行器途中获取的图像信息;飞行预测单元用于根据飞行器类型设置定时拍摄,获取飞行器的飞行航线和飞行速度,根据飞行航线和飞行速度建立图像预测模型并输入实时获取的图像信息,图像预测模型根据定时拍摄的时间输出预测图像信息;通过使用视觉分析技术,***可以准确识别飞行器的当前姿态,并根据预先定义的策略进行调整,这可以确保飞行器在执行任务期间保持稳定的飞行姿态。
Description
技术领域
本发明涉及飞行姿态控制技术领域,具体地说,涉及基于视觉分析调整飞行姿态的单片机控制***。
背景技术
飞行器移动为了减少飞行路径中的障碍物,一般处于高空飞行,但飞行器在飞行过程中,由于高空的风阻环境影响飞行器正常飞行,需要持续对飞行器的飞行姿态进行调整,目前是通过飞行器的规划航线和实际飞行航线进行比对,若出现差异,再对飞行姿态进行调整,但单片机的计算和存储资源通常有限,限制了航线比对的实时传输,而且只能判断出飞行器偏离,不方便获取飞行器具体飞行姿态的倾斜角度,导致不能依据数据进行校正造成控制偏差,为了减少这种情况,鉴于此,提出基于视觉分析调整飞行姿态的单片机控制***。
发明内容
本发明的目的在于提供基于视觉分析调整飞行姿态的单片机控制***,以解决上述背景技术中提出的问题。
为实现上述目的,提供了基于视觉分析调整飞行姿态的单片机控制***,包括图像获取单元、特征分析单元、飞行预测单元、姿态校正单元以及碰撞分析单元;
所述图像获取单元用于将单片机和飞行器之间建立传输通道,使单片机记录飞行器途中获取的图像信息;
所述特征分析单元用于在图像获取单元获取的实时图像信息中进行特征提取,获取图像信息中静态特征数据和鸟类特征数据;
所述飞行预测单元用于根据飞行器类型设置定时拍摄,获取飞行器的飞行航线和飞行速度,根据飞行航线和飞行速度建立图像预测模型并输入实时获取的图像信息,图像预测模型根据定时拍摄的时间输出预测图像信息;
所述姿态校正单元用于将二次拍摄图像信息和飞行预测单元输出的预测图像信息进行比对,若二次拍摄图像和预测图像信息中的静态特征数据不相同,将二次拍摄图像结合预测图像信息进行飞行姿态校正分析,获取应该修改的飞行姿态数据并发送至单片机控制飞行器调整飞行姿态,校正飞行航线;
所述碰撞分析单元用于将二次拍摄图像信息和输出预测图像信息的鸟类特征数据进行结合鸟类飞行分析,获取鸟类飞行预测轨迹,然后将预测轨迹和姿态校正单元校正之后的飞行航线进行碰撞分析,若分析结果显示产生碰撞,为避开鸟类飞行进行二次校正飞行航线。
作为本技术方案的进一步改进,所述图像获取单元通过将单片机和飞行器签订网络控制信息协议,从而使单片机和飞行器之间建立传输通道,使单片机提取飞行器的飞行数据。
作为本技术方案的进一步改进,所述图像获取单元通过在飞行器表面安装摄像头,摄像头在飞行棋飞行途中拍摄图像信息,单片机通过传输通道提取摄像头拍摄的图像信息并进行记录保存。
作为本技术方案的进一步改进,所述特征分析单元用于在图像获取单元获取的图像信息中进行特征提取,将图像信息中的树、山壁和建筑物进行提取作为静态特征数据,优先级建筑物,然后提取飞行器行驶方向的鸟类特征数据。
作为本技术方案的进一步改进,所述飞行预测单元设置定时拍摄的步骤如下:
确定飞行器类型:首先确定所使用的飞行器类型;
了解飞行器的特性:了解所选飞行器的最大速度、飞行模式、电池容量以及传感器的采样率特性;
确定摄像设备与参数:根据飞行器所装备的摄像设备和摄像头的分辨率、帧率、曝光时间;
综合考虑拍摄频率与需求:根据飞行器类型、特性以及拍摄任务的需求,综合拍摄频率合理性;
设置定时拍摄时间:根据特性、参数以及需求设定合适的定时拍摄时间。
作为本技术方案的进一步改进,所述飞行预测单元通过利用卫星地图软件获取地图数据。
作为本技术方案的进一步改进,所述飞行预测单元包括模型建立模块;
所述模型建立模块用于通过建立的传输通道获取飞行器的飞行航线和飞行速度,然后根据飞行航线和飞行速度结合地图数据建立图像预测模型,之后输入实时获取的图像信息,图像预测模型根据飞行航线和飞行速度结合定时拍摄时间预测飞行器二次拍摄时的位置,然后将二次拍摄的位置结合地图数据进行分析,输出二次拍摄位置的图像信息作为预测图像信息。
作为本技术方案的进一步改进,所述姿态校正单元包括图像比对模块;
所述图像比对模块用于将二次拍摄图像信息和模型建立模块输出的预测图像信息进行比对,若二次拍摄图像和预测图像信息中的静态特征数据不相同,将二次拍摄图像结合预测图像信息进行飞行姿态校正分析,获取应该修改的飞行姿态数据并发送至单片机控制飞行器调整飞行姿态,校正飞行航线,反之,若二次拍摄图像和预测图像信息中的静态特征数据相同,即无需对飞行器调整飞行姿态。
作为本技术方案的进一步改进,所述碰撞分析单元包括碰撞分析模块;
所述碰撞分析模块用于将二次拍摄图像信息和输出预测图像信息的鸟类特征数据进行结合鸟类飞行分析,获取鸟类飞行预测轨迹,然后将预测轨迹和图像比对模块校正之后的飞行航线进行碰撞分析,若分析结果显示产生碰撞,为避开鸟类飞行调整飞行器的飞行姿态完成二次校正飞行航线。
与现有技术相比,本发明的有益效果:
该基于视觉分析调整飞行姿态的单片机控制***中,通过使用视觉分析技术,***可以准确识别飞行器的当前姿态,并根据预先定义的策略进行调整,这可以确保飞行器在执行任务期间保持稳定的飞行姿态,提高飞行器的精确性和控制能力,传感器从摄像头或其他传感器获得即时的图像数据,经过图像处理和分析后,可以快速计算出需要调整的飞行姿态,通过实时的反馈控制,***可以在短时间内对飞行器的姿态进行调整,以适应飞行条件的变化。
附图说明
图1为本发明的整体结构原理图。
图中各个标号意义为:
10、图像获取单元;20、特征分析单元;30、飞行预测单元;40、姿态校正单元;50、碰撞分析单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1所示,本实施例目的在于,提供了基于视觉分析调整飞行姿态的单片机控制***,包括图像获取单元10、特征分析单元20、飞行预测单元30、姿态校正单元40以及碰撞分析单元50;
图像获取单元10用于将单片机和飞行器之间建立传输通道;
图像获取单元10通过将单片机和飞行器签订网络控制信息协议,从而使单片机和飞行器之间建立传输通道,使单片机提取飞行器的飞行数据。步骤如下:
确定通信协议:首先,确定要使用的通信协议。常见的通信协议包括UDP、TCP、串口通信等。根据飞行器和单片机的通信需求和硬件支持情况选择合适的通信协议;
协议定义与实现:基于选择的通信协议,定义涉及飞行数据交换的控制信息协议。协议可以包括数据包的格式、数据类型、数据字段及其解析规则等。根据协议定义,实现单片机和飞行器的相应通信接口以支持数据传输;
网络连接与传输:建立单片机和飞行器之间的网络连接。这可以通过使用适当的硬件模块如Wi-Fi模块、蓝牙模块等在单片机和飞行器之间进行无线通信,或使用串口模块等进行有线通信;
数据传输与处理:根据协议定义,单片机从飞行器接收飞行数据,并进行相应的处理和分析。这可能包括姿态解析、飞行状态监测、实时控制算法等。
使单片机记录飞行器途中获取的图像信息;
图像获取单元10通过在飞行器表面安装摄像头,摄像头在飞行棋飞行途中拍摄图像信息,单片机通过传输通道提取摄像头拍摄的图像信息并进行记录保存。步骤如下:
安装摄像头:将摄像头适当地安装在飞行器表面,确保其能够获取到所需的视野范围,并且固定稳定;
协议定义与实现:根据传输通道的选择,在单片机和摄像头之间定义一个图像传输协议。协议应包括数据包的格式、图像压缩方式如JPEG,传输的通道如Wi-Fi、蓝牙、有线串口等内容;
数据传输与处理:在飞行器飞行途中,摄像头不断拍摄图像,并通过传输通道将图像数据传输给单片机。在单片机端,根据协议定义解析接收到的图像数据,并进行记录和保存
记录和保存:对于每个接收到的图像数据包,单片机可以将其保存到存储设备如SD卡中,或者将其存储到内存中,然后定期将图像数据保存到存储设备中。
特征分析单元20用于在图像获取单元10获取的实时图像信息中进行特征提取,获取图像信息中静态特征数据和鸟类特征数据;
特征分析单元20用于在图像获取单元10获取的图像信息中进行特征提取,将图像信息中的树、山壁和建筑物进行提取作为静态特征数据,优先级建筑物,然后提取飞行器行驶方向的鸟类特征数据。步骤如下:
特征提取准备:首先,导入相应的计算机视觉库和模型如OpenCV、TensorFlow等,准备进行特征提取所需的工具和数据;
图像预处理:对从摄像头获取的图像进行预处理,包括图像去噪、图像增强、尺寸调整等,以提高特征提取的效果;
静态特征提取:使用计算机视觉技术,在预处理后的图像中提取静态特征,包括树、山壁和建筑物等。这可以使用图像分割技术、特征检测算法等。优先级可以根据实际需求和应用场景进行考虑,例如可以设定建筑物为最高优先级;
鸟类特征提取:根据飞行器的行驶方向,使用计算机视觉技术提取飞行器行驶方向上的鸟类特征。这可以使用目标检测算法、图像识别模型等。根据需求可以选择识别并提取特定鸟类的特征,例如形状、颜色等;
数据保存和处理:将提取的静态特征和鸟类特征数据进行保存和处理,可以存储到单片机的存储设备中或者传输到其他处理设备进行分析和决策。
飞行预测单元30用于根据飞行器类型设置定时拍摄;
飞行预测单元30设置定时拍摄的步骤如下:
确定飞行器类型:首先确定所使用的飞行器类型;
了解飞行器的特性:了解所选飞行器的最大速度、飞行模式、电池容量以及传感器的采样率特性;
确定摄像设备与参数:根据飞行器所装备的摄像设备和摄像头的分辨率、帧率、曝光时间;
综合考虑拍摄频率与需求:根据飞行器类型、特性以及拍摄任务的需求,综合拍摄频率合理性;
设置定时拍摄时间:根据特性、参数以及需求设定合适的定时拍摄时间。
飞行预测单元30通过利用卫星地图软件获取地图数据。
获取飞行器的飞行航线和飞行速度,根据飞行航线和飞行速度建立图像预测模型并输入实时获取的图像信息,图像预测模型根据定时拍摄的时间输出预测图像信息;
飞行预测单元30包括模型建立模块;
模型建立模块用于通过建立的传输通道获取飞行器的飞行航线和飞行速度,然后根据飞行航线和飞行速度结合地图数据建立图像预测模型,之后输入实时获取的图像信息,图像预测模型根据飞行航线和飞行速度结合定时拍摄时间预测飞行器二次拍摄时的位置,然后将二次拍摄的位置结合地图数据进行分析,输出二次拍摄位置的图像信息作为预测图像信息。步骤如下:
数据准备:首先,获取飞行器的飞行航线和飞行速度数据,以及地图数据。飞行航线可以是预先设定的或实时计算的,飞行速度可以是飞行器的实际速度。地图数据可以是拓扑图、卫星地图等;
建立图像预测模型:使用机器学习或深度学习技术,将飞行航线、飞行速度和地图数据作为输入,建立图像预测模型。模型可以是卷积神经网络;公式如下:
P=CNN(R,V,M);
其中,R为飞行航线,V为飞行速度,M为地图数据,P为预测图像信息,CNN表示卷积神经网络的函数,它将输入的飞行航线、飞行速度和地图数据映射为预测的图像信息。
输入实时图像:从传输通道获取实时的图像信息;
预测飞行位置:使用图像预测模型对实时图像进行预测,得到飞行器二次拍摄的位置。预测可以基于飞行航线、飞行速度和定时拍摄时间等因素;
分析二次拍摄位置:将二次拍摄的位置结合地图数据进行分析,可以根据位置信息在地图上定位飞行器,并进行更详细的地理分析;
输出预测图像信息:根据分析结果,输出二次拍摄位置的图像信息作为预测图像信息,并进行保存或传输等后续处理。
姿态校正单元40用于将二次拍摄图像信息和飞行预测单元30输出的预测图像信息进行比对,若二次拍摄图像和预测图像信息中的静态特征数据不相同,将二次拍摄图像结合预测图像信息进行飞行姿态校正分析,获取应该修改的飞行姿态数据并发送至单片机控制飞行器调整飞行姿态,校正飞行航线;
姿态校正单元40包括图像比对模块;
图像比对模块用于将二次拍摄图像信息和模型建立模块输出的预测图像信息进行比对,若二次拍摄图像和预测图像信息中的静态特征数据不相同,将二次拍摄图像结合预测图像信息进行飞行姿态校正分析,获取应该修改的飞行姿态数据并发送至单片机控制飞行器调整飞行姿态,校正飞行航线,反之,若二次拍摄图像和预测图像信息中的静态特征数据相同,即无需对飞行器调整飞行姿态。表达式如下:
当静态特征数据不相同时:
D=compare(I1,I2);
adjust=analyze(D);
flight=calculate(I2);
其中,I1为二次拍摄图像信息,I2为预测图像信息,D为静态特征数据比对结果,compare(I1,I2)表示对二次拍摄图像信息I1和预测图像信息I2进行比对,以获取静态特征数据比对结果D,可以使用图像处理技术来实现,adjust表示判断是否需要进行飞行姿态校正的布尔值,flight表示根据预测图像信息计算得到的新的飞行姿态数据。它是根据静态特征数据不相同的情况下,进行飞行姿态校正所计算出的调整值,analyze(D)表示对静态特征数据比对结果D进行分析,以判断是否需要进行飞行姿态校正。根据具体的应用场景和需求,可以定义相应的规则或算法来进行判断,calculate(I2)表示根据预测图像信息I2计算应该调整的飞行姿态数据,以校正飞行航线。具体计算方法可以根据应用场景和需求来设计,当静态特征数据相同时,即无需对飞行器调整飞行姿态,可以根据具体场景进行相应处理,例如继续按照原有飞行航线执行任务。
碰撞分析单元50用于将二次拍摄图像信息和输出预测图像信息的鸟类特征数据进行结合鸟类飞行分析,获取鸟类飞行预测轨迹,然后将预测轨迹和姿态校正单元40校正之后的飞行航线进行碰撞分析,若分析结果显示产生碰撞,为避开鸟类飞行进行二次校正飞行航线。
碰撞分析单元50包括碰撞分析模块;
碰撞分析模块用于将二次拍摄图像信息和输出预测图像信息的鸟类特征数据进行结合鸟类飞行分析,获取鸟类飞行预测轨迹,然后将预测轨迹和图像比对模块校正之后的飞行航线进行碰撞分析,若分析结果显示产生碰撞,为避开鸟类飞行调整飞行器的飞行姿态完成二次校正飞行航线。公式如下:
Collision=on(T,FL);
其中,Collision代表碰撞结果的布尔值,用于判断是否会发生碰撞,on(T,FL)表示对鸟类飞行预测轨迹(T)和正之后的飞行航线(FL)进行碰撞分析,以判断是否会发生碰撞。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其效物界定。
Claims (6)
1.基于视觉分析调整飞行姿态的单片机控制***,其特征在于:包括图像获取单元(10)、特征分析单元(20)、飞行预测单元(30)、姿态校正单元(40)以及碰撞分析单元(50);
所述图像获取单元(10)用于将单片机和飞行器之间建立传输通道,使单片机记录飞行器途中获取的图像信息;
所述特征分析单元(20)用于在图像获取单元(10)获取的实时图像信息中进行特征提取,获取图像信息中静态特征数据和鸟类特征数据;
所述飞行预测单元(30)用于根据飞行器类型设置定时拍摄,获取飞行器的飞行航线和飞行速度,根据飞行航线和飞行速度建立图像预测模型并输入实时获取的图像信息,图像预测模型根据定时拍摄的时间输出预测图像信息;
所述姿态校正单元(40)用于将二次拍摄图像信息和飞行预测单元(30)输出的预测图像信息进行比对,若二次拍摄图像和预测图像信息中的静态特征数据不相同,将二次拍摄图像结合预测图像信息进行飞行姿态校正分析,获取应该修改的飞行姿态数据并发送至单片机控制飞行器调整飞行姿态,校正飞行航线;
所述碰撞分析单元(50)用于将二次拍摄图像信息和输出预测图像信息的鸟类特征数据进行结合鸟类飞行分析,获取鸟类飞行预测轨迹,然后将预测轨迹和姿态校正单元(40)校正之后的飞行航线进行碰撞分析,若分析结果显示产生碰撞,为避开鸟类飞行进行二次校正飞行航线;
所述飞行预测单元(30)包括模型建立模块;
所述模型建立模块用于通过建立的传输通道获取飞行器的飞行航线和飞行速度,然后根据飞行航线和飞行速度结合地图数据建立图像预测模型,之后输入实时获取的图像信息,图像预测模型根据飞行航线和飞行速度结合定时拍摄时间预测飞行器二次拍摄时的位置,然后将二次拍摄的位置结合地图数据进行分析,输出二次拍摄位置的图像信息作为预测图像信息;
所述姿态校正单元(40)包括图像比对模块;
所述图像比对模块用于将二次拍摄图像信息和模型建立模块输出的预测图像信息进行比对,若二次拍摄图像和预测图像信息中的静态特征数据不相同,将二次拍摄图像结合预测图像信息进行飞行姿态校正分析,获取应该修改的飞行姿态数据并发送至单片机控制飞行器调整飞行姿态,校正飞行航线,反之,若二次拍摄图像和预测图像信息中的静态特征数据相同,即无需对飞行器调整飞行姿态;
所述碰撞分析单元(50)包括碰撞分析模块;
所述碰撞分析模块用于将二次拍摄图像信息和输出预测图像信息的鸟类特征数据进行结合鸟类飞行分析,获取鸟类飞行预测轨迹,然后将预测轨迹和图像比对模块校正之后的飞行航线进行碰撞分析,若分析结果显示产生碰撞,为避开鸟类飞行调整飞行器的飞行姿态完成二次校正飞行航线。
2.根据权利要求1所述的基于视觉分析调整飞行姿态的单片机控制***,其特征在于:所述图像获取单元(10)通过将单片机和飞行器签订网络控制信息协议,从而使单片机和飞行器之间建立传输通道,使单片机提取飞行器的飞行数据。
3.根据权利要求1所述的基于视觉分析调整飞行姿态的单片机控制***,其特征在于:所述图像获取单元(10)通过在飞行器表面安装摄像头,摄像头在飞行棋飞行途中拍摄图像信息,单片机通过传输通道提取摄像头拍摄的图像信息并进行记录保存。
4.根据权利要求1所述的基于视觉分析调整飞行姿态的单片机控制***,其特征在于:所述特征分析单元(20)用于在图像获取单元(10)获取的图像信息中进行特征提取,将图像信息中的树、山壁和建筑物进行提取作为静态特征数据,优先级建筑物,然后提取飞行器行驶方向的鸟类特征数据。
5.根据权利要求1所述的基于视觉分析调整飞行姿态的单片机控制***,其特征在于:所述飞行预测单元(30)设置定时拍摄的步骤如下:
确定飞行器类型:首先确定所使用的飞行器类型;
了解飞行器的特性:了解所选飞行器的最大速度、飞行模式、电池容量以及传感器的采样率特性;
确定摄像设备与参数:根据飞行器所装备的摄像设备和摄像头的分辨率、帧率、曝光时间;
综合考虑拍摄频率与需求:根据飞行器类型、特性以及拍摄任务的需求,综合拍摄频率合理性;
设置定时拍摄时间:根据特性、参数以及需求设定合适的定时拍摄时间。
6.根据权利要求1所述的基于视觉分析调整飞行姿态的单片机控制***,其特征在于:所述飞行预测单元(30)通过利用卫星地图软件获取地图数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311135630.5A CN117075515B (zh) | 2023-09-05 | 2023-09-05 | 基于视觉分析调整飞行姿态的单片机控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311135630.5A CN117075515B (zh) | 2023-09-05 | 2023-09-05 | 基于视觉分析调整飞行姿态的单片机控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117075515A CN117075515A (zh) | 2023-11-17 |
CN117075515B true CN117075515B (zh) | 2024-04-16 |
Family
ID=88706012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311135630.5A Active CN117075515B (zh) | 2023-09-05 | 2023-09-05 | 基于视觉分析调整飞行姿态的单片机控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117075515B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8761439B1 (en) * | 2011-08-24 | 2014-06-24 | Sri International | Method and apparatus for generating three-dimensional pose using monocular visual sensor and inertial measurement unit |
CN108205327A (zh) * | 2016-12-20 | 2018-06-26 | 昊翔电能运动科技(昆山)有限公司 | 用于无人机的辅助操控方法和*** |
JP2020009141A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社 日立産業制御ソリューションズ | 機械学習装置及び方法 |
CN112433539A (zh) * | 2020-11-27 | 2021-03-02 | 佛山市墨纳森智能科技有限公司 | 一种处理高速交通事故的无人机调度方法、***及可读存储介质 |
CN112462797A (zh) * | 2020-11-30 | 2021-03-09 | 深圳技术大学 | 一种利用灰色预测模型的视觉伺服控制方法及*** |
CN113485450A (zh) * | 2021-08-18 | 2021-10-08 | 江苏熙枫智能科技有限公司 | 一种基于计算机视觉的无人机避障*** |
CN113504785A (zh) * | 2021-07-04 | 2021-10-15 | 哈尔滨理工大学 | 一种无人机飞行姿态的自主调整方法 |
CN113741495A (zh) * | 2021-08-24 | 2021-12-03 | 中国南方电网有限责任公司超高压输电公司广州局 | 无人机姿态调整方法、装置、计算机设备和存储介质 |
CN115454119A (zh) * | 2021-06-08 | 2022-12-09 | 现代自动车株式会社 | 防止空中移动体的飞行事故的***和方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8463461B2 (en) * | 2005-03-30 | 2013-06-11 | The Boeing Company | Trajectory prediction based on state transitions and lantencies |
FR3022354B1 (fr) * | 2014-06-16 | 2016-07-15 | Thales Sa | Procede de prediction d'une trajectoire court terme d'un aeronef, produit programme d'ordinateur, disponible de prediction, procede de guidage, systeme de guidage et aeronef associes |
US11200810B2 (en) * | 2019-02-19 | 2021-12-14 | Nec Corporation Of America | Drone collision avoidance |
-
2023
- 2023-09-05 CN CN202311135630.5A patent/CN117075515B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8761439B1 (en) * | 2011-08-24 | 2014-06-24 | Sri International | Method and apparatus for generating three-dimensional pose using monocular visual sensor and inertial measurement unit |
CN108205327A (zh) * | 2016-12-20 | 2018-06-26 | 昊翔电能运动科技(昆山)有限公司 | 用于无人机的辅助操控方法和*** |
JP2020009141A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社 日立産業制御ソリューションズ | 機械学習装置及び方法 |
CN112433539A (zh) * | 2020-11-27 | 2021-03-02 | 佛山市墨纳森智能科技有限公司 | 一种处理高速交通事故的无人机调度方法、***及可读存储介质 |
CN112462797A (zh) * | 2020-11-30 | 2021-03-09 | 深圳技术大学 | 一种利用灰色预测模型的视觉伺服控制方法及*** |
CN115454119A (zh) * | 2021-06-08 | 2022-12-09 | 现代自动车株式会社 | 防止空中移动体的飞行事故的***和方法 |
CN113504785A (zh) * | 2021-07-04 | 2021-10-15 | 哈尔滨理工大学 | 一种无人机飞行姿态的自主调整方法 |
CN113485450A (zh) * | 2021-08-18 | 2021-10-08 | 江苏熙枫智能科技有限公司 | 一种基于计算机视觉的无人机避障*** |
CN113741495A (zh) * | 2021-08-24 | 2021-12-03 | 中国南方电网有限责任公司超高压输电公司广州局 | 无人机姿态调整方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117075515A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145759B (zh) | 车辆属性识别方法、装置、服务器及存储介质 | |
EP3397554B1 (en) | System and method for utilization of multiple-camera network to capture static and/or motion scenes | |
US11670070B2 (en) | Cloud-edge-end cooperative control method of 5G networked unmanned aerial vehicle for security rescue | |
WO2022094854A1 (zh) | 农作物的生长监测方法、设备及存储介质 | |
WO2017020856A1 (zh) | 一种利用无人机进行运动物体自动锁定拍摄装置及拍摄方法 | |
CN107481292A (zh) | 车载摄像头的姿态误差估计方法和装置 | |
CN113791641A (zh) | 一种基于飞行器的设施检测方法及控制设备 | |
CN107357286A (zh) | 视觉定位导航装置及其方法 | |
CN108508916B (zh) | 一种无人机编队的控制方法、装置、设备及存储介质 | |
CN107343177A (zh) | 一种无人机全景视频的拍摄控制方法 | |
US11847920B2 (en) | Method for feasibility evaluation of UAV digital twin based on vicon motion capture system | |
CN106403892A (zh) | 适于装载到无人机上以绘制土地地图的照相机单元和通过照相机单元的图像捕捉管理的方法 | |
WO2019061111A1 (zh) | 一种路径调整方法及无人机 | |
CN115272892B (zh) | 一种基于数据分析的无人机定位偏差监测管控*** | |
CN109299656A (zh) | 一种车载视觉***场景视深确定方法 | |
CN111831010A (zh) | 一种基于数字空间切片的无人机避障飞行方法 | |
CN114326771A (zh) | 一种基于图像识别的无人机拍摄航线生成方法及*** | |
CN112465856A (zh) | 基于无人机的船只轨迹修正方法、装置及电子设备 | |
CN115409992A (zh) | 一种远程驾驶巡逻车*** | |
CN117075515B (zh) | 基于视觉分析调整飞行姿态的单片机控制*** | |
CN112631333B (zh) | 无人机的目标跟踪方法、装置及图像处理芯片 | |
CN109977884B (zh) | 目标跟随方法和装置 | |
CN113689485B (zh) | 无人机深度信息的确定方法、装置、无人机及存储介质 | |
Baldini et al. | Learning pose estimation for uav autonomous navigation andlanding using visual-inertial sensor data | |
Wang et al. | Online drone-based moving target detection system in dense-obstructer environment |
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 |