一种无人机精准降落机巢平台的方法与流程

1.本发明涉及无人机技术领域，具体涉及一种无人机精准降落机巢平台的方法。


背景技术：

2.伴随无人机智能飞行技术的发展，机巢产品应运而生，机巢主要作为无人机起飞、降落平台，但是目前无人机降落技术主要依赖于rtk技术，此技术的降落误差达到了2厘米以上，对于需要零误差降落在机巢平台的需求远不能满足。


技术实现要素：

3.针对现有技术的不足，本发明提供了一种无人机精准降落机巢平台的方法，实现对无人机的精准降落。
4.为实现上述目的，本发明采用的技术方案如下：
5.一种无人机精准降落机巢平台的方法，所述机巢平台上设置有主识别码和辅助识别码、且对应无人机的机脚架点位设置有凹槽，所述方法包括如下步骤：
6.步骤一，无人机接到降落指令后通过rtk定位所述机巢平台；
7.步骤二，无人机通过fasterrcnn目标识别识别所述主识别码和所述辅助识别码，并计算返回所述主识别码和所述辅助识别码的位置信息；
8.步骤三，根据所述位置信息调整无人机位置，使得无人机降落在所述机巢平台上、且无人机的机脚架正降落在所述凹槽处；
9.步骤四，无人机利用自身重力使机脚架滑动到所述凹槽正中央位置，实现精准降落。
10.进一步的，所述位置信息包括旋转角信息和所述主识别码的坐标信息。
11.再进一步的，步骤二中无人机通过fasterrcnn目标识别识别来自无人机摄像头端的图像数据源，若无所述主识别码和所述辅助识别码的图像则返回(0,0,0,0)，若有所述主识别码和所述辅助识别码的图像则进行旋转角信息计算，并返回所述主识别码的坐标信息。
12.更进一步的，所述旋转角信息计算方法如下：
13.s1，返回所述主识别码和所述辅助识别码的对角坐标；
14.s2，分别计算所述主识别码和所述辅助识别码的中心点坐标，并计算所述主识别码和所述辅助识别码的大小；
15.s3，以图片x，y坐标轴为基准，计算从辅助识别码中心点坐标到主识别码中心点坐标的向量和y轴正方向的夹角；
16.s4，根据计算的夹角计算出旋转角信息。
17.更进一步的，步骤四中调整无人机位置的方法如下：
18.a，根据旋转角信息调整无人机方向，使得旋转角减小到10
°
以下。
19.b，根据所述坐标信息调整无人机的位置，使得在无人机摄像头中呈现出所述主识
别码居中、且所述主识别码在所述辅助识别码正前方，误差在无人机的机脚架宽度的5％以内。
20.与现有技术相比，本发明具有以下有益效果：
21.本发明在无人机现有的rtk技术上，另外新增视觉识别算法，在机巢平台上设置好识别码，无人机通过fasterrcnn目标识别进行识别，返回识别码在图像中的位置信息，通过rtk加视觉识别算法加持，可以让无人机降落误差控制在1厘米以内；同时在机巢平台上设置与无人机脚架点位的对应的凹槽，每个凹槽直径为φa 6厘米(φa为无人机脚架顶面截平面直径)，当无人机在计算误差内降落时，无人机会在自身重力作用下，机脚架滑动到凹槽中心点，rtk 视觉识别降落 物理辅助归位，三者结合可以完美让无人机定点降落。
附图说明
22.图1为本发明实施例的逻辑图。
23.图2为本发明实施例的fasterrcnn训练流程图。
24.图3为本发明实施例的fasterrcnn识别流程图。
25.图4本发明实施例的夹角计算示意图。
26.图5本发明实施例的物理辅助归位示意图。
具体实施方式
27.为使本技术的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。
28.实施例
29.如图1～5所示，本实施例提供了一种无人机精准降落机巢平台的方法，需要说明的是，本实施例中的“第一”、“第二”、“第三”等序号用语仅用于区分同类部件，不能理解成对保护范围的特定限定。另外，本实施例中的“底部”、“顶部”、“侧边缘”等方位用语是基于附图来说明的。
30.本实施例的无人机精准降落机巢平台的方法，机巢平台上设置有主识别码和辅助识别码，主识别码和辅助识别码都采用二维码，并且主识别码的尺寸大于辅助识别码的尺寸，机巢平台上设置与无人机脚架点位对应的四个凹槽，每个凹槽直径为φa 6厘米(φa为无人机脚架顶面截平面直径)，方法包括如下步骤：
31.步骤一，无人机接到降落指令后通过rtk定位机巢平台；
32.步骤二，无人机通过fasterrcnn目标识别识别主识别码和辅助识别码，并计算返回主识别码和辅助识别码的位置信息；
33.步骤三，根据位置信息调整无人机位置，使得无人机降落在机巢平台上、且无人机的机脚架正降落在凹槽处；
34.步骤四，无人机利用自身重力使机脚架滑动到凹槽正中央位置，实现精准降落。
35.其中，位置信息包括旋转角信息和主识别码的坐标信息，旋转角是指无人机摄像头方向相对主识别码和辅助识别码的连线的角度，取主识别码到辅助识别码连线为正方向，fasterrcnn需要训练，具体为事先通过无人机在机巢平台上方拍摄大量机巢平台图像数据，采用几何变换、添加高斯噪声和椒盐噪声、随机调整亮度和对比度等对图像进行数据
增强，并且对图像数据中机巢位置进行精确标注。将标注好的图像数据输入fasterrcnn网络中，训练流程图如图2，不断迭代次数，将识别得到的结果与人工标注结果进行比对，直到得到识别效果最优的模型。将模型和推理程序植入机巢平台的边缘识别盒中，识别来自无人机摄像头端的数据源。
36.步骤二中无人机通过fasterrcnn目标识别识别来自无人机摄像头端的图像数据源，若无主识别码和辅助识别码的图像则返回(0,0,0,0)，若有主识别码和辅助识别码的图像则进行旋转角信息计算，并返回主识别码和辅助识别码的坐标值(xmin，ymin，xmax，ymax)，主识别码的坐标值即为其的坐标信息。
37.旋转角信息计算方法如下：
38.s1，返回主识别码和辅助识别码的对角坐标；
39.s2，分别计算两个主识别码和辅助识别码的中心点坐标，并计算主识别码和辅助识别码的大小；
40.s3，以图片x，y坐标轴为基准，计算从辅助识别码中心点坐标到主识别码中心点坐标的向量和y轴正方向的夹角；
41.s4，根据计算的夹角计算出旋转角信息。
42.步骤四中调整无人机位置的方法如下：
43.a，根据旋转角信息调整无人机方向，使得旋转角减小到10
°
以下。
44.b，根据所述坐标信息调整无人机的位置，使得在无人机摄像头中呈现出主识别码居中、且主识别码在辅助识别码正前方(即无人机停靠的正确位置)，误差在无人机的机脚架宽度的5％以内。
45.本发明在无人机现有的rtk技术上，另外新增视觉识别算法，在机巢平台上设置好识别码，无人机通过fasterrcnn目标识别进行识别，返回识别码在图像中的位置信息，通过rtk加视觉识别算法加持，可以让无人机降落误差控制在1厘米以内；同时在机巢平台上设置与无人机脚架点位的对应的凹槽，每个凹槽直径为φa 6厘米(φa为无人机脚架顶面截平面直径)，当无人机在计算误差内降落时，无人机会在自身重力作用下，机脚架滑动到凹槽中心点，rtk 视觉识别降落 物理辅助归位，三者结合可以完美让无人机定点降落。
46.上述实施例仅为本发明的优选实施方式之一，不应当用于限制本发明的保护范围，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内。