[发明专利]一种无人机自主降落控制系统在审

专利信息
申请号: 201910839152.3 申请日: 2019-09-05
公开(公告)号: CN110597282A 公开(公告)日: 2019-12-20
发明(设计)人: 杨岳航;朱明;郝志成;鲁剑锋 申请(专利权)人: 中国科学院长春光学精密机械与物理研究所
主分类号: G05D1/10 分类号: G05D1/10
代理公司: 11227 北京集佳知识产权代理有限公司 代理人: 史翠
地址: 130033 吉林省长春市*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 地面标识 基于机器 探测装置 视觉 热感 降落 第一处理器 控制系统 抗干扰能力 环境光线 目标区域 目标识别 强弱选择 区域探测 探测目标 图案识别 图案特征 图案图像 位置确定 位置识别 图像
【说明书】:

发明公开了一种无人机自主降落控制系统,包括位于无人机的探测装置,与探测装置连接的第一处理器以及地面标识装置,在基于机器视觉进行目标识别的基础上,地面标识装置设有包括图案识别区域和热感识别区域探测目标区域,相应的第一处理器用于根据探测装置识别到的探测目标区域的位置确定无人机与地面标识装置的相对位置,从而可以根据图案图像和热感图像两种特征进行地面标识装置的识别,支持根据光线的强弱选择是识别图案特征还是识别热感特征,大大降低了基于机器视觉进行无人机位置识别时对环境光线的要求,提高了基于机器视觉的无人机自主降落控制系统的抗干扰能力,实现了基于机器视觉进行自主降落的无人机的全天候自主降落。

技术领域

本发明涉及无人机技术领域,特别是涉及一种无人机自主降落控制系统。

背景技术

近年来,无人机自主降落技术逐渐成熟,本领域技术人员提供的技术手段众多,包括GPS/惯性组合导航技术、无线定位技术、机器视觉技术等。

基于机器视觉技术的无人机自主降落控制系统通过机器视觉系统获取无人机所在的高度,检测四周的环境,能够有效防止无人机降落过程中因为失控而构成的危险。机器视觉的基础是图像信息,无人机控制器通过视觉传感器来获取其所处信息、机身信息,然后基于这些信息进行位姿参数的调整,控制无人机精准、高效的降落。在基于视觉的自主降落中,对识别降落模型和模型中心位置估计是两个首要解决的问题。

降落模型,即地面标识装置,通常设有特定的颜色或图案用于与所处的环境区分,无人机通过摄像头录制探测视频,从视频的每一帧图像中分辨出预先设定的目标颜色或图案来捕捉到地面标识装置并确定地面标识装置与自身的相对位置,进而根据相对位置进行飞行控制,实现自主降落。

然而,这种基于机器视觉识别地面标识装置的位置的方案非常依赖于机器视觉的实现效果,当无人机处于夜晚或光线较暗的环境时,将大大降低机器视觉的识别效果,进而导致基于机器视觉的无人机自主降落控制系统的抗干扰能力较差。

发明内容

本发明的目的是提供一种无人机自主降落控制系统,用于降低基于机器视觉进行无人机位置识别时对环境光线的要求,提高基于机器视觉的无人机自主降落控制系统的抗干扰能力。

为解决上述技术问题,本发明提供一种无人机自主降落控制系统,包括位于无人机的探测装置,与所述探测装置连接的第一处理器以及地面标识装置;

其中,所述地面标识装置设有探测目标区域,所述探测目标区域包括图案识别区域和热感识别区域;

所述第一处理器用于根据所述探测装置识别到的所述探测目标区域的位置确定所述无人机与所述地面标识装置的相对位置,以根据所述相对位置控制所述无人机降落。

可选的,所述探测装置具体包括摄像头和红外热感应器。

可选的,所述第一处理器根据所述探测装置识别到的所述探测目标区域的位置确定所述无人机与所述地面标识装置的相对位置,具体为:

当识别到所述图案识别区域时,所述第一处理器根据所述图案识别区域的位置确定所述无人机与所述地面标识装置的相对位置;

当识别不到所述图案识别区域时,所述第一处理器根据所述热感识别区域的位置确定所述无人机与所述地面标识装置的相对位置。

可选的,所述地面标识装置具体包括颜色识别标签和加热装置;

其中,所述颜色识别标签设有目标颜色的所述图案识别区域,所述加热装置用于对所述图案识别区域加热。

可选的,所述目标颜色为红色。

可选的,所述加热装置具体包括设于所述图案识别区域的电热元件,与所述电热元件连接的加热电路,光强探测器以及分别与所述加热电路和所述光强探测器连接的第二处理器;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院长春光学精密机械与物理研究所,未经中国科学院长春光学精密机械与物理研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910839152.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top