申请/专利权人：天津大学

申请日：2022-02-14

公开（公告）日：2024-05-17

公开（公告）号：CN114661061B

主分类号：G06V10/82

分类号：G06V10/82;G06V20/17;G06V10/764;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2022.07.12#实质审查的生效;2022.06.24#公开

摘要：本发明涉及微型无人机飞行控制技术，为提出一种基于视觉的室内环境下微型无人机飞行控制方法，实现微型无人机在室内GPS拒止环境下的自主飞行控制。为此，本发明采用的技术方案是，无GPS基于视觉室内环境微型无人机飞行控制方法，采集室内走廊图像数据，构建神经网络，将采集到的室内走廊图像数据分为训练集、测试集，对构建的神经网络进行训练，构建飞行控制律，由神经网络的输出对室内环境微型无人机飞行进行控制。本发明主要应用于微型无人机飞行控制场合。

主权项：1.一种无GPS基于视觉室内环境微型无人机飞行控制方法，其特征是，采集室内走廊图像数据，构建神经网络，将采集到的室内走廊图像数据分为训练集、测试集，对构建的神经网络进行训练，构建飞行控制律，由神经网络的输出对室内环境微型无人机飞行进行控制；具体步骤如下：步骤1采集室内走廊图像数据；预期的数据集需要分为三类，沿直走廊采集，分别是直走廊偏左的图像、直走廊居中的图像和直走廊偏右的图像，利用数据采集装置进行采集，数据采集装置由三个云台、三架相机和一根直杆组成，直杆上水平安装了三个云台，每个云台上固定一架相机，相机的朝向分别是偏左、居中、偏右，用以采集三类数据集，采集过程需要采集者水平手持横杆，调整好相机角度后打开三台相机，采集者持稳横杆，沿走廊中线前进，途中三台相机进行录像，采集图像数据；相机中的数据以视频格式存储，借助OpenCV库进行后期处理，OpenCV是一个跨平台计算机视觉和机器学习软件库；步骤2训练神经网络；训练神经网络借助开源的机器学习库PyTorch库，通过采集装置获取到图像数据后，对其打好标签，将图像制作成特定格式的数据集，并分类为训练集和测试集，编写数据集的加载代码，之后开始神经网络的训练；训练完成后，通过测试集来检验神经网络的效果；步骤3构建飞行控制律；针对无人机的控制基本要点是先矫正无人机的偏航，再控制无人机移动，整个导航过程中，无人机的飞行高度基本恒定；卷积神经网络的输出为图像分类结果的概率分布的对数值，取指数后即为三种结果的概率分布，神经网络的输出表达如下：S＝[PL,PR,PM]1其中S为神经网络的输出张量，PL为图像被认为是无人机航向偏向走廊左边的概率，PR为图像被认为是无人机航向偏向走廊右边的概率，PM为图像被认为是无人机航向居中的概率；设计无人机偏航控制律如下C＝K[PR-PL]2其中C为无人机的偏航修正角，C＞0代表逆时针旋转，C＜0代表顺时针旋转；K为修正系数；其中，根据无人机朝向的预期概率来给出偏航修正的控制指令，三种概率各自被赋予不同的权重，偏航修正角以逆时针旋转为正，航向偏左时无人机应当顺时针校正航向，偏左的预期概率权重为-1；航向偏右时无人机应当逆时针校正航向，其预期概率的权重为1；航向居中时不需要偏转，其预期概率的权重为0；校正航向后，地面站向无人机发出前进指令，无人机向前移动指定距离，至此无人机完成了一次行动；机载单目相机以每秒一次的频率向地面站发送图像信息，地面站以同样的频率向无人机发送偏航修正指令和前进指令，通过这种方式，无人机能够实时修正自身的飞行路径，完成自主导航任务。

全文数据：

权利要求：

百度查询： 天津大学 无GPS基于视觉室内环境微型无人机飞行控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD