CN118068850A - 一种无人机返航控制方法及*** - Google Patents
一种无人机返航控制方法及*** Download PDFInfo
- Publication number
- CN118068850A CN118068850A CN202410458190.5A CN202410458190A CN118068850A CN 118068850 A CN118068850 A CN 118068850A CN 202410458190 A CN202410458190 A CN 202410458190A CN 118068850 A CN118068850 A CN 118068850A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- return
- obstacle
- point information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明适用于无人飞行器飞行控制技术领域，提供了一种无人机返航控制方法及***，所述方法包括以下步骤：获取无人飞行器的基点信息，并根据基点信息为基准建立虚拟空间坐标系，所述基点信息为无人飞行器起飞时对应的位置；获取以控制端为中转进行传输的影像数据，并根据影像数据在虚拟空间坐标系中建立障碍模型；获取无人飞行器的返航点信息；基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线。本发明能够使得无人飞行器在返航时能够规避障碍物，并且降低飞行高度，即使是发生坠机的情况，因为飞行高度降低能够进一步减少损失。
Description
技术领域
本发明涉及无人飞行器飞行控制技术领域，具体是涉及一种无人机返航控制方法及***。
背景技术
无人飞行器是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机，相较于常规的有人驾驶的飞机，无人飞行器所应对的场景则更加的广泛，在当前，无人飞行器在军工、农业、运输等行业发挥着重大作用。
一般来说无人飞行器是通过电池供电来进行飞行的，无人飞行器因为自身需要具备轻便的特点，导致无人飞行器的续航始终存在不足，尤其是民用无人飞行器是很难实现长时间作业的，因此为了降低因为电能不足而导致坠机的情况发生，现有的无人飞行器都会具有自动返航的功能。
无人飞行器的自动返航功能是无人飞行器在低电量时会进行自动返航，但是在实际使用过程中，无人飞行器自动返航因为电能不足导致坠机的情况也是屡见不鲜的，尤其是在开阔地形中，用户因为环境条件的允许，使得无人飞行器的飞行范围更大，而无人飞行器返航时会采用趋近直线的形式进行返航，如果此时出现坠机情况则会因为高度较高，坠机的损失会较大，因此，提出了一种无人机返航控制方法及***，旨在解决上述的问题。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种无人机返航控制方法及***，以解决上述背景技术中存在的问题。
本发明是这样实现的，一种无人机返航控制方法，所述方法包括以下步骤：
获取无人飞行器的基点信息，并根据基点信息为基准建立虚拟空间坐标系，所述基点信息为无人飞行器起飞时对应的位置；
获取以控制端设备为中转进行传输的影像数据，并根据影像数据在虚拟空间坐标系中建立障碍模型，使得虚拟空间坐标系中具有多个障碍模型且与现实场景相对应；
当无人飞行器在进行返航时，获取无人飞行器的返航点信息，所述返航点信息为无人飞行器返航时对应的位置；
基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线，使得无人飞行器根据返航路线在规避障碍物的基础上进行返航，所述返航路线具有两个相同高度且用于调整无人飞行器返航方向的变向点，其中一个变向点位于起飞点的正上方，而另一个变向点位于返航点的正下方。
作为本发明进一步的方案：所述获取无人飞行器的基点信息的步骤，具体包括：
通过后台***监测无人飞行器控制端设备的状态；
当无人飞行器控制端设备处于开启状态时，通过后台***对无人飞行器状态进行检查；
当无人飞行器和控制端设备均处于开启状态时，获取无人飞行器和控制端设备的定位信息，所述无人飞行器与其控制端设备均具有定位功能；
对无人飞行器和控制端设备的定位信息进行核对，当二者处于同一位置时，对无人飞行器实时的定位信息进行检测，用于检测无人飞行器是否进行位移；
当无人飞行器实时的定位信息出现变动时，将所述无人飞行器实时的定位信息进行标定得到所述基点信息。
作为本发明进一步的方案：所述根据影像数据在虚拟空间坐标系中建立障碍模型的步骤，具体包括：
当获取到所述影像数据时，通过后台***获取无人飞行器的飞行轨迹；
根据所述基点信息将飞行轨迹映射至虚拟空间坐标系中，同时建立飞行轨迹与影像数据的关联关系；
对所述飞行轨迹进行点标记得到具有多个锚点的飞行轨迹路线；
根据所述锚点提取影像数据中的画面图像并对画面图像中的障碍物进行识别选定；
根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型并投放至虚拟空间坐标系中。
作为本发明进一步的方案：所述根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型的步骤，具体包括：
选取第一个锚点对应的画面图像，对画面图像中的障碍物进行识别选定；
基于识别选定结果并根据第一个锚点对应的无人飞行器位置、拍摄角度对障碍物进行测算得到第一参考数据；
选取第二个锚点对应的画面图像，根据第一个锚点对应的画面图像的障碍物识别结果对第二锚点对应的画面图像进行再次识别；
当第二个锚点对应的画面图像中包含第一个锚点对应的画面图像中的障碍物时，基于第二个锚点对应的无人飞行器位置、拍摄角度对障碍物进行测算得到第二参考数据，整合第一参考数据和第二参考数据得到障碍模型；
当第二个锚点对应的画面图像中未包含第一个锚点对应的画面图像中的障碍物时，对后续的锚点对应的画面图像进行识别并重复上述的测算过程，通过结合多个锚点的画面图像来得到所述障碍模型。
作为本发明进一步的方案：所述基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线的步骤，具体包括：
在所述虚拟空间坐标系中根据基点信息和返航点信息来筛选障碍模型得到指定障碍模型，所述指定障碍模型为无人飞行器起飞点和返航点之间高度最大的障碍物；
根据基点信息和返航点信息在虚拟空间坐标系中对应的位置作垂直参考线得到两个垂直状的降落线；
根据指定障碍模型得到无人飞行器返航平飞的路径参考线，所述路径参考线在虚拟空间坐标系中为水平状，路径参考线对应的高度大于制定障碍模型的高度；
基于所述路径参考线和降落线生成返航路线，所述变向点为路径参考线与降落线的交点。
本发明的另一目的在于提供一种无人机返航控制***，所述***包括：
虚拟坐标建立模块，获取无人飞行器的基点信息，并根据基点信息为基准建立虚拟空间坐标系，所述基点信息为无人飞行器起飞时对应的位置；
影像处理模块，获取以控制端设备为中转进行传输的影像数据，并根据影像数据在虚拟空间坐标系中建立障碍模型，使得虚拟空间坐标系中具有多个障碍模型且与现实场景相对应；
返航信息获取模块，当无人飞行器在进行返航时，获取无人飞行器的返航点信息，所述返航点信息为无人飞行器返航时对应的位置；
返航规划模块，基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线，使得无人飞行器根据返航路线在规避障碍物的基础上进行返航，所述返航路线具有两个相同高度且用于调整无人飞行器返航方向的变向点，其中一个变向点位于起飞点的正上方，而另一个变向点位于返航点的正下方。
作为本发明进一步的方案：所述虚拟坐标建立模块包括：
控制端设备监测单元，通过后台***监测无人飞行器控制端设备的状态；
状态检查单元，当无人飞行器控制端设备处于开启状态时，通过后台***对无人飞行器状态进行检查；
位置获取单元，当无人飞行器和控制端设备均处于开启状态时，获取无人飞行器和控制端设备的定位信息，所述无人飞行器与其控制端设备均具有定位功能；
位置核对检查单元，对无人飞行器和控制端设备的定位信息进行核对，当二者处于同一位置时，对无人飞行器实时的定位信息进行检测，用于检测无人飞行器是否进行位移；
位置标定单元，当无人飞行器实时的定位信息出现变动时，将所述无人飞行器实时的定位信息进行标定得到所述基点信息。
作为本发明进一步的方案：所述影像处理模块包括：
飞行轨迹获取单元，当获取到所述影像数据时，通过后台***获取无人飞行器的飞行轨迹；
轨迹映射单元，根据所述基点信息将飞行轨迹映射至虚拟空间坐标系中，同时建立飞行轨迹与影像数据的关联关系；
轨迹标记单元，对所述飞行轨迹进行点标记得到具有多个锚点的飞行轨迹路线；
障碍物识别单元，根据所述锚点提取影像数据中的画面图像并对画面图像中的障碍物进行识别选定；
障碍物计算单元，根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型并投放至虚拟空间坐标系中。
作为本发明进一步的方案：所述返航规划模块包括：
障碍物选取单元，在所述虚拟空间坐标系中根据基点信息和返航点信息来筛选障碍模型得到指定障碍模型，所述指定障碍模型为无人飞行器起飞点和返航点之间高度最大的障碍物；
辅助规划单元，根据基点信息和返航点信息在虚拟空间坐标系中对应的位置作垂直参考线得到两个垂直状的降落线；
飞行高度规划单元，根据指定障碍模型得到无人飞行器返航平飞的路径参考线，所述路径参考线在虚拟空间坐标系中为水平状，路径参考线对应的高度大于制定障碍模型的高度；
路线生成单元，基于所述路径参考线和降落线生成返航路线，所述变向点为路径参考线与降落线的交点。
与现有技术相比，本发明的有益效果是：
本发明能够利用无人飞行器的相关设备来获取无人飞行器的起飞位置和返航位置，即所述基点信息和返航点信息，并且能够根据无人飞行器飞行时的影像数据来识别障碍物从而建立障碍模型，从而能够进行返航路线的规划，且使得无人飞行器在进行返航时是进行过下降、平飞、再下降的方式进行飞行，综上所述，本发明能够使得无人飞行器在返航时，能够规避返航时的障碍物，并且尽可能降低飞行高度，即使是发生坠机的情况，因为飞行高度降低能够进一步减少损失。
附图说明
图1为一种无人机返航控制方法的流程图。
图2为一种无人机返航控制方法中获取无人飞行器的基点信息的流程图。
图3为一种无人机返航控制方法中根据影像数据在虚拟空间坐标系中建立障碍模型的流程图。
图4为一种无人机返航控制方法中根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型的流程图。
图5为一种无人机返航控制方法中基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线的流程图。
图6为一种无人机返航控制***的结构示意图。
图7为一种无人机返航控制***中虚拟坐标建立模块的结构示意图。
图8为一种无人机返航控制***中影像处理模块的结构示意图。
图9为一种无人机返航控制***中返航规划模块的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及具体实施例，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。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示，本发明实施例提供了一种无人机返航控制方法，所述方法包括以下步骤：
S100，获取无人飞行器的基点信息，并根据基点信息为基准建立虚拟空间坐标系，所述基点信息为无人飞行器起飞时对应的位置；
S200，获取以控制端设备为中转进行传输的影像数据，并根据影像数据在虚拟空间坐标系中建立障碍模型，使得虚拟空间坐标系中具有多个障碍模型且与现实场景相对应；
S300，当无人飞行器在进行返航时，获取无人飞行器的返航点信息，所述返航点信息为无人飞行器返航时对应的位置；
S400，基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线，使得无人飞行器根据返航路线在规避障碍物的基础上进行返航，所述返航路线具有两个相同高度且用于调整无人飞行器返航方向的变向点，其中一个变向点位于起飞点的正上方，而另一个变向点位于返航点的正下方。
需要说明的是，所述无人飞行器即为无人机，而控制端设备一般用于操控无人机，在开阔地形中，用户因为环境条件的允许，使得无人飞行器的飞行范围更大，而无人飞行器返航时会采用趋近直线的形式进行返航，如果此时出现坠机情况则会因为高度较高，坠机的损失会较大。
本发明实施例中，本发明能够利用无人飞行器的相关设备来获取无人飞行器的起飞位置和返航位置，即所述基点信息和返航点信息，并且能够根据无人飞行器飞行时的影像数据来识别障碍物从而建立障碍模型，从而能够进行返航路线的规划，且使得无人飞行器在进行返航时是进行过下降、平飞、再下降的方式进行飞行，综上所述，本发明能够使得无人飞行器在返航时能够规避返航时的障碍物，并且尽可能降低飞行高度，即使是发生坠机的情况，因为飞行高度降低能够进一步减少损失。
如图2所示，作为本发明一个优选的实施例，所述获取无人飞行器的基点信息的步骤，具体包括：
S101，通过后台***监测无人飞行器控制端设备的状态；
S102，当无人飞行器控制端设备处于开启状态时，通过后台***对无人飞行器状态进行检查；
S103，当无人飞行器和控制端设备均处于开启状态时，获取无人飞行器和控制端设备的定位信息，所述无人飞行器与其控制端设备均具有定位功能；
S104，对无人飞行器和控制端设备的定位信息进行核对，当二者处于同一位置时，对无人飞行器实时的定位信息进行检测，用于检测无人飞行器是否进行位移；
S105，当无人飞行器实时的定位信息出现变动时，将所述无人飞行器实时的定位信息进行标定得到所述基点信息。
本发明实施例中，一般来说无人飞行器是由本体和控制端设备组成的，用户通过控制端设备可以控制无人飞行器进行飞行，首先需要检测无人飞行器的控制端设备的状态，并且还需要检测无人飞行器的状态，当二者都是处于开启状态时，意味着此时很可能无人飞行器需要执行飞行任务，但是也并不能完全确定，此时需要对二者的位置进行核对，从而判断二者是否处于同一位置，同时还需要检测无人飞行器的位置是否存在变动的情况，当无人飞行器开始进行移动时，便可以确定此时正在进行飞行任务，通过上述方法能够准确获悉无人飞行器在进行飞行，从而确保能够获取基点信息的准确性。
如图3所示，作为本发明一个优选的实施例，所述根据影像数据在虚拟空间坐标系中建立障碍模型的步骤，具体包括：
S201，当获取到所述影像数据时，通过后台***获取无人飞行器的飞行轨迹；
S202，根据所述基点信息将飞行轨迹映射至虚拟空间坐标系中，同时建立飞行轨迹与影像数据的关联关系；
S203，对所述飞行轨迹进行点标记得到具有多个锚点的飞行轨迹路线；
S204，根据所述锚点提取影像数据中的画面图像并对画面图像中的障碍物进行识别选定；
S205，根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型并投放至虚拟空间坐标系中。
本发明实施例中，在现有技术中，无人飞行器的飞行轨迹是很容易得到的，但是需要建立其与虚拟空间坐标系的关系，使其能够在虚拟空间坐标系中呈现，并且在对飞行轨迹进行标记后会得到多个锚点，同时根据影像数据来得到锚点对应的画面图像，通过画面图像来获取现实场景中的障碍物，通过画面图像便可以对障碍物进行分析。
如图4所示，作为本发明一个优选的实施例，所述根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型的步骤，具体包括：
S2051，选取第一个锚点对应的画面图像，对画面图像中的障碍物进行识别选定；
S2052，基于识别选定结果并根据第一个锚点对应的无人飞行器位置、拍摄角度对障碍物进行测算得到第一参考数据；
S2053，选取第二个锚点对应的画面图像，根据第一个锚点对应的画面图像的障碍物识别结果对第二锚点对应的画面图像进行再次识别；
S2054，当第二个锚点对应的画面图像中包含第一个锚点对应的画面图像中的障碍物时，基于第二个锚点对应的无人飞行器位置、拍摄角度对障碍物进行测算得到第二参考数据，整合第一参考数据和第二参考数据得到障碍模型；
S2055，当第二个锚点对应的画面图像中未包含第一个锚点对应的画面图像中的障碍物时，对后续的锚点对应的画面图像进行识别并重复上述的测算过程，通过结合多个锚点的画面图像来得到所述障碍模型。
本发明实施例中，因为飞行轨迹上具有多个锚点，并且因为位置的改变，使得所有的画面图像都有不同，根据无人飞行器飞行的过程，相邻的两个锚点的画面图像具有相似性，但同时也具有不同，其内容构成基本相同，但是其拍摄位置是不同的，通过二者的差异，能够计算出障碍物的相关数据，如果出现了第二张画面图像中未出现障碍物时，便可以向后延伸，对第三个锚点的画面图详解进行识别，通过上述方法能够建立完整的现实场景中的障碍物对应的模型。
如图5所示，作为本发明一个优选的实施例，所述基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线的步骤，具体包括：
S401，在所述虚拟空间坐标系中根据基点信息和返航点信息来筛选障碍模型得到指定障碍模型，所述指定障碍模型为无人飞行器起飞点和返航点之间高度最大的障碍物；
S402，根据基点信息和返航点信息在虚拟空间坐标系中对应的位置作垂直参考线得到两个垂直状的降落线；
S403，根据指定障碍模型得到无人飞行器返航平飞的路径参考线，所述路径参考线在虚拟空间坐标系中为水平状，路径参考线对应的高度大于制定障碍模型的高度；
S404，基于所述路径参考线和降落线生成返航路线，所述变向点为路径参考线与降落线的交点。
本发明实施例中，首先根据基点信息和返航点信息能够确定那些障碍物存在于二者之间，如果无人飞行器返航时中间路程采用平飞的方式，那么必然要规避其中的障碍物，此时便可以选取到高度最大的障碍物，即所述指定障碍模型，使得无人飞行器飞行的高度能够根据指定障碍模型的高度来确定，从而避免了返航碰撞的问题发生。
如图6所示，本发明实施例还提供了一种无人机返航控制***，所述***包括：
虚拟坐标建立模块100，获取无人飞行器的基点信息，并根据基点信息为基准建立虚拟空间坐标系，所述基点信息为无人飞行器起飞时对应的位置；
影像处理模块200，获取以控制端设备为中转进行传输的影像数据，并根据影像数据在虚拟空间坐标系中建立障碍模型，使得虚拟空间坐标系中具有多个障碍模型且与现实场景相对应；
返航信息获取模块300，当无人飞行器在进行返航时，获取无人飞行器的返航点信息，所述返航点信息为无人飞行器返航时对应的位置；
返航规划模块400，基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线，使得无人飞行器根据返航路线在规避障碍物的基础上进行返航，所述返航路线具有两个相同高度且用于调整无人飞行器返航方向的变向点，其中一个变向点位于起飞点的正上方，而另一个变向点位于返航点的正下方。
本发明实施例中，本发明实施例中，本发明能够利用无人飞行器的相关设备来获取无人飞行器的起飞位置和返航位置，即所述基点信息和返航点信息，并且能够根据无人飞行器飞行时的影像数据来识别障碍物从而建立障碍模型，从而能够进行返航路线的规划，且使得无人飞行器在进行返航时是进行过下降、平飞、再下降的方式进行飞行，综上所述，本发明能够使得无人飞行器在返航时，能够规避返航时的障碍物，并且尽可能降低飞行高度，即使是发生坠机的情况，因为飞行高度降低能够进一步减少损失。
如图7所示，作为本发明一个优选的实施例，所述虚拟坐标建立模块100包括：
控制端设备监测单元101，通过后台***监测无人飞行器控制端设备的状态；
状态检查单元102，当无人飞行器控制端设备处于开启状态时，通过后台***对无人飞行器状态进行检查；
位置获取单元103，当无人飞行器和控制端设备均处于开启状态时，获取无人飞行器和控制端设备的定位信息，所述无人飞行器与其控制端设备均具有定位功能；
位置核对检查单元104，对无人飞行器和控制端设备的定位信息进行核对，当二者处于同一位置时，对无人飞行器实时的定位信息进行检测，用于检测无人飞行器是否进行位移；
位置标定单元105，当无人飞行器实时的定位信息出现变动时，将所述无人飞行器实时的定位信息进行标定得到所述基点信息。
如图8所示，作为本发明一个优选的实施例，所述影像处理模块200包括：
飞行轨迹获取单元201，当获取到所述影像数据时，通过后台***获取无人飞行器的飞行轨迹；
轨迹映射单元202，根据所述基点信息将飞行轨迹映射至虚拟空间坐标系中，同时建立飞行轨迹与影像数据的关联关系；
轨迹标记单元203，对所述飞行轨迹进行点标记得到具有多个锚点的飞行轨迹路线；
障碍物识别单元204，根据所述锚点提取影像数据中的画面图像并对画面图像中的障碍物进行识别选定；
障碍物计算单元205，根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型并投放至虚拟空间坐标系中。
如图9所示，作为本发明一个优选的实施例，所述返航规划模块400包括：
障碍物选取单元401，在所述虚拟空间坐标系中根据基点信息和返航点信息来筛选障碍模型得到指定障碍模型，所述指定障碍模型为无人飞行器起飞点和返航点之间高度最大的障碍物；
辅助规划单元402，根据基点信息和返航点信息在虚拟空间坐标系中对应的位置作垂直参考线得到两个垂直状的降落线；
飞行高度规划单元403，根据指定障碍模型得到无人飞行器返航平飞的路径参考线，所述路径参考线在虚拟空间坐标系中为水平状，路径参考线对应的高度大于制定障碍模型的高度；
路线生成单元404，基于所述路径参考线和降落线生成返航路线，所述变向点为路径参考线与降落线的交点。
以上仅对本发明的较佳实施例进行了详细叙述，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
Claims (9)
1.一种无人机返航控制方法，其特征在于，所述方法包括以下步骤：
获取无人飞行器的基点信息，并根据基点信息为基准建立虚拟空间坐标系，所述基点信息为无人飞行器起飞时对应的位置；
获取以控制端设备为中转进行传输的影像数据，并根据影像数据在虚拟空间坐标系中建立障碍模型，使得虚拟空间坐标系中具有多个障碍模型且与现实场景相对应；
当无人飞行器在进行返航时，获取无人飞行器的返航点信息，所述返航点信息为无人飞行器返航时对应的位置；
基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线，使得无人飞行器根据返航路线在规避障碍物的基础上进行返航，所述返航路线具有两个相同高度且用于调整无人飞行器返航方向的变向点，其中一个变向点位于起飞点的正上方，而另一个变向点位于返航点的正下方。
2.根据权利要求1所述的无人机返航控制方法，其特征在于，所述获取无人飞行器的基点信息的步骤，具体包括：
通过后台***监测无人飞行器控制端设备的状态；
当无人飞行器控制端设备处于开启状态时，通过后台***对无人飞行器状态进行检查；
当无人飞行器和控制端设备均处于开启状态时，获取无人飞行器和控制端设备的定位信息，所述无人飞行器与其控制端设备均具有定位功能；
对无人飞行器和控制端设备的定位信息进行核对，当二者处于同一位置时，对无人飞行器实时的定位信息进行检测，用于检测无人飞行器是否进行位移；
当无人飞行器实时的定位信息出现变动时，将所述无人飞行器实时的定位信息进行标定得到所述基点信息。
3.根据权利要求1所述的无人机返航控制方法，其特征在于，所述根据影像数据在虚拟空间坐标系中建立障碍模型的步骤，具体包括：
当获取到所述影像数据时，通过后台***获取无人飞行器的飞行轨迹；
根据所述基点信息将飞行轨迹映射至虚拟空间坐标系中，同时建立飞行轨迹与影像数据的关联关系；
对所述飞行轨迹进行点标记得到具有多个锚点的飞行轨迹路线；
根据所述锚点提取影像数据中的画面图像并对画面图像中的障碍物进行识别选定；
根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型并投放至虚拟空间坐标系中。
4.根据权利要求3所述的无人机返航控制方法，其特征在于，所述根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型的步骤，具体包括：
选取第一个锚点对应的画面图像，对画面图像中的障碍物进行识别选定；
基于识别选定结果并根据第一个锚点对应的无人飞行器位置、拍摄角度对障碍物进行测算得到第一参考数据；
选取第二个锚点对应的画面图像，根据第一个锚点对应的画面图像的障碍物识别结果对第二锚点对应的画面图像进行再次识别；
当第二个锚点对应的画面图像中包含第一个锚点对应的画面图像中的障碍物时，基于第二个锚点对应的无人飞行器位置、拍摄角度对障碍物进行测算得到第二参考数据，整合第一参考数据和第二参考数据得到障碍模型；
当第二个锚点对应的画面图像中未包含第一个锚点对应的画面图像中的障碍物时，对后续的锚点对应的画面图像进行识别并重复上述的测算过程，通过结合多个锚点的画面图像来得到所述障碍模型。
5.根据权利要求1所述的无人机返航控制方法，其特征在于，所述基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线的步骤，具体包括：
在所述虚拟空间坐标系中根据基点信息和返航点信息来筛选障碍模型得到指定障碍模型，所述指定障碍模型为无人飞行器起飞点和返航点之间高度最大的障碍物；
根据基点信息和返航点信息在虚拟空间坐标系中对应的位置作垂直参考线得到两个垂直状的降落线；
根据指定障碍模型得到无人飞行器返航平飞的路径参考线，所述路径参考线在虚拟空间坐标系中为水平状，路径参考线对应的高度大于制定障碍模型的高度；
基于所述路径参考线和降落线生成返航路线，所述变向点为路径参考线与降落线的交点。
6.一种无人机返航控制***，其特征在于，所述***包括：
虚拟坐标建立模块，获取无人飞行器的基点信息，并根据基点信息为基准建立虚拟空间坐标系，所述基点信息为无人飞行器起飞时对应的位置；
影像处理模块，获取以控制端设备为中转进行传输的影像数据，并根据影像数据在虚拟空间坐标系中建立障碍模型，使得虚拟空间坐标系中具有多个障碍模型且与现实场景相对应；
返航信息获取模块，当无人飞行器在进行返航时，获取无人飞行器的返航点信息，所述返航点信息为无人飞行器返航时对应的位置；
返航规划模块，基于基点信息、返航点信息以及具有多个障碍模型的虚拟空间坐标系生成返航路线，使得无人飞行器根据返航路线在规避障碍物的基础上进行返航，所述返航路线具有两个相同高度且用于调整无人飞行器返航方向的变向点，其中一个变向点位于起飞点的正上方，而另一个变向点位于返航点的正下方。
7.根据权利要求6所述的无人机返航控制***，其特征在于，所述虚拟坐标建立模块包括：
控制端设备监测单元，通过后台***监测无人飞行器控制端设备的状态；
状态检查单元，当无人飞行器控制端设备处于开启状态时，通过后台***对无人飞行器状态进行检查；
位置获取单元，当无人飞行器和控制端设备均处于开启状态时，获取无人飞行器和控制端设备的定位信息，所述无人飞行器与其控制端设备均具有定位功能；
位置核对检查单元，对无人飞行器和控制端设备的定位信息进行核对，当二者处于同一位置时，对无人飞行器实时的定位信息进行检测，用于检测无人飞行器是否进行位移；
位置标定单元，当无人飞行器实时的定位信息出现变动时，将所述无人飞行器实时的定位信息进行标定得到所述基点信息。
8.根据权利要求6所述的无人机返航控制***，其特征在于，所述影像处理模块包括：
飞行轨迹获取单元，当获取到所述影像数据时，通过后台***获取无人飞行器的飞行轨迹；
轨迹映射单元，根据所述基点信息将飞行轨迹映射至虚拟空间坐标系中，同时建立飞行轨迹与影像数据的关联关系；
轨迹标记单元，对所述飞行轨迹进行点标记得到具有多个锚点的飞行轨迹路线；
障碍物识别单元，根据所述锚点提取影像数据中的画面图像并对画面图像中的障碍物进行识别选定；
障碍物计算单元，根据多个描点对应的无人飞行器位置、拍摄角度、以及画面图像对障碍物进行计算得到障碍模型并投放至虚拟空间坐标系中。
9.根据权利要求6所述的无人机返航控制***，其特征在于，所述返航规划模块包括：
障碍物选取单元，在所述虚拟空间坐标系中根据基点信息和返航点信息来筛选障碍模型得到指定障碍模型，所述指定障碍模型为无人飞行器起飞点和返航点之间高度最大的障碍物；
辅助规划单元，根据基点信息和返航点信息在虚拟空间坐标系中对应的位置作垂直参考线得到两个垂直状的降落线；
飞行高度规划单元，根据指定障碍模型得到无人飞行器返航平飞的路径参考线，所述路径参考线在虚拟空间坐标系中为水平状，路径参考线对应的高度大于制定障碍模型的高度；
路线生成单元，基于所述路径参考线和降落线生成返航路线，所述变向点为路径参考线与降落线的交点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410458190.5A CN118068850B (zh) | 2024-04-17 | 2024-04-17 | 一种无人机返航控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410458190.5A CN118068850B (zh) | 2024-04-17 | 2024-04-17 | 一种无人机返航控制方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118068850A true CN118068850A (zh) | 2024-05-24 |
| CN118068850B CN118068850B (zh) | 2024-07-19 |
Family
ID=91095646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410458190.5A Active CN118068850B (zh) | 2024-04-17 | 2024-04-17 | 一种无人机返航控制方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118068850B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106873627A (zh) * | 2017-03-31 | 2017-06-20 | 湘潭大学 | 一种自动巡检输电线路的多旋翼无人机及方法 |
| CN108020226A (zh) * | 2017-12-11 | 2018-05-11 | 中国科学院长春光学精密机械与物理研究所 | 一种固定翼无人机自主避障的航迹规划方法 |
| CN108701373A (zh) * | 2017-11-07 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 基于无人机航拍的三维重建方法、***及装置 |
| CN111897361A (zh) * | 2020-08-05 | 2020-11-06 | 广州市赛皓达智能科技有限公司 | 一种无人机自主航线规划方法及其*** |
| CN112135776A (zh) * | 2019-10-28 | 2020-12-25 | 深圳市大疆创新科技有限公司 | 无人机的控制方法和无人机 |
| CN112781595A (zh) * | 2021-01-12 | 2021-05-11 | 北京航空航天大学 | 基于深度相机的室内飞艇定位与避障*** |
| JP6995293B1 (ja) * | 2020-10-20 | 2022-01-31 | 英雄 鈴木 | 立体認識される平面画像を検知して自動走行する方法、機械、装置及び衝突防止システム、衝突防止方法およびコンピュータプログラム。 |
| CN114397909A (zh) * | 2021-12-29 | 2022-04-26 | 西北工业大学 | 一种针对大型飞机的小型无人机自动巡检方法 |
-
2024
- 2024-04-17 CN CN202410458190.5A patent/CN118068850B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106873627A (zh) * | 2017-03-31 | 2017-06-20 | 湘潭大学 | 一种自动巡检输电线路的多旋翼无人机及方法 |
| CN108701373A (zh) * | 2017-11-07 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 基于无人机航拍的三维重建方法、***及装置 |
| CN108020226A (zh) * | 2017-12-11 | 2018-05-11 | 中国科学院长春光学精密机械与物理研究所 | 一种固定翼无人机自主避障的航迹规划方法 |
| CN112135776A (zh) * | 2019-10-28 | 2020-12-25 | 深圳市大疆创新科技有限公司 | 无人机的控制方法和无人机 |
| CN111897361A (zh) * | 2020-08-05 | 2020-11-06 | 广州市赛皓达智能科技有限公司 | 一种无人机自主航线规划方法及其*** |
| JP6995293B1 (ja) * | 2020-10-20 | 2022-01-31 | 英雄 鈴木 | 立体認識される平面画像を検知して自動走行する方法、機械、装置及び衝突防止システム、衝突防止方法およびコンピュータプログラム。 |
| CN112781595A (zh) * | 2021-01-12 | 2021-05-11 | 北京航空航天大学 | 基于深度相机的室内飞艇定位与避障*** |
| CN114397909A (zh) * | 2021-12-29 | 2022-04-26 | 西北工业大学 | 一种针对大型飞机的小型无人机自动巡检方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118068850B (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901139B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
| CN109949439B (zh) | 行车实景信息标注方法、装置、电子设备和介质 | |
| CN111142557B (zh) | 无人机路径规划方法、***、计算机设备及可读存储介质 | |
| DE102015110812A1 (de) | Kraftfahrzeugdrohneneinsatzsystem | |
| CN113870343A (zh) | 相对位姿标定方法、装置、计算机设备和存储介质 | |
| DE102020113848A1 (de) | Ekzentrizitätsbildfusion | |
| DE102017210899B4 (de) | Projektionsorientierungs-Korrektursystem und -Verfahren für Fahrzeug | |
| CN106990781A (zh) | 基于激光雷达和图像信息的自动化码头agv定位方法 | |
| CN112734765A (zh) | 基于实例分割与多传感器融合的移动机器人定位方法、***及介质 | |
| DE102016008553B4 (de) | System umfassend ein Kraftfahrzeug und ein unbemanntes Luftfahrzeug und Verfahren zum Erfassen von Gegebenheiten in einer Umgebung eines Kraftfahrzeugs | |
| CN112416018B (zh) | 基于多信号采集与路径规划模型的无人机避障方法和装置 | |
| CN111179274A (zh) | 地图地面分割方法、装置、计算机设备和存储介质 | |
| EP3729138B1 (de) | Verfahren zur satellitengestützten ermittlung einer position eines fahrzeugs | |
| EP3935414A1 (de) | Lokalisierungssystem für ein fahrerloses fahrzeug | |
| DE112018004904T5 (de) | Informationsverarbeitungseinrichtung, selbstpositionsschätzverfahren und programm | |
| CN111667545A (zh) | 高精度地图生成方法、装置、电子设备及存储介质 | |
| DE102019216548A1 (de) | Verfahren und mobile Erfassungsvorrichtung zur Erfassung von Infrastrukturelementen eines unterirdischen Leitungsnetzwerks | |
| CN112356027A (zh) | 农林机器人避障方法、装置、计算机设备和存储介质 | |
| CN109579793B (zh) | 地形测绘方法、装置、飞行平台、计算机设备和存储介质 | |
| CN115366885A (zh) | 用于辅助机动车的驾驶操作的方法、辅助装置及机动车 | |
| CN115035626A (zh) | 一种基于ar的景区智能巡检***及方法 | |
| CN118068850B (zh) | 一种无人机返航控制方法及*** | |
| CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
| CN112986908A (zh) | 定位标定方法、***及存储介质 | |
| CN110706519B (zh) | 载机航路实时规划方法、装置和计算机设备 |
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 |