[发明专利]一种基于强化学习图像处理技术的无人机图像捕捉方法

权利要求书

1.一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，该捕捉方法具体步骤如下：

(1)收集环境信息，并判断能否进行图像收集：无人机进行定点飞行测试，同时生成测试数据，并收集飞行地区的环境信息，并依据测试数据以及环境信息进行分析判断；

(2)对所在位置进行定位并开始启动无人机：无人机通过GPS模块对自身所在位置进行定位，并接收GPS卫星图片，同时构建地理模型，并依据环境模块规划飞行路线，同时对其进行选择更新；

(3)开始对对应区域图像进行捕捉并构建数据网络：无人机通过机载摄像头对相关区域进行图像捕捉，并将其处理生成图像数据，同时构建卷积神经网络，并通过卷积神经网络对图像数据进行特征点提取；

(4)进行图像数据拼接并开始搭建地理环境模型：将图像数据进行数据拼接，并依据拼接完成的图像数据构建区域模型，并检测区域模型是否存在异常区域，同时卷积神经网络对区域模型异常区域进行模型调整，同时生成调整数据，并将调整完成的区域模型反馈给用户；

(5)优化数据网络，同时调整图像捕捉角度：将调整数据导入卷积神经网络，卷积神经网络依据调整数据进行优化更新，同时对无人机摄像头捕捉角度进行调整。

2.根据权利要求1所述的一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，步骤(1)中所述分析判断具体步骤如下：

步骤一：终端控制模块接收测试数据，并判断无人机是否可以进行正常水平飞行；

步骤二：若无人机无法水平飞行，终端控制模块开始控制无人机返航，若无人机可以进行水平飞行，终端控制模块对环境信息进行分类判断，其分类判断具体步骤如下：

第一步：终端控制模块将环境信息按照地形、风速进行分类，并进行判断；

第二步：若地面平整干燥、纹理比较清晰且风速不大于五级，则判断该区域符合无人机飞行条件，并再次判断无人机飞行区域是否开阔无遮挡且远离建筑、山体、人群和敏感设备，若符合上述条件，则判断无人机可以飞行，若不符合上述条件，则判断无人机无法飞行；

第三步：若地面并不平整干燥、纹理比较模糊且风速大于五级，则判断该区域不符合无人机飞行条件，并反馈用户“请重新选择飞行区域”。

3.根据权利要求1所述的一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，步骤(2)中所述选择更新具体步骤如下：

S1：用户上传采集区域信息，同时无人机的线路规划模块将地理模型进行模型分割，并将其处理生成地理块；

S2：依据采集区域信息将对应地理块进行提取，并依据各组地理块进行飞行路线规划；

S3：将生成的各组飞行路线反馈给用户，用户通过智能设备对飞行路线进行查看选择。

4.根据权利要求1所述的一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，步骤(3)中所述特征点提取具体步骤如下：

SS1：将采集的图像数据通过约束公式进行前景与背景分离，其中，具体约束公式如下：

|i(t)-i(t-1)|＜T (1)

|i(t)-i(t-1)|≥T (2)

其中，i(t)、i(t-1)分别为t、t-1时刻对应像素点的像素值，T为阈值，(1)为背景约束公式，(2)为前景约束公式；

SS2：对分离的图像数据进行图像分割处理，并对分割的图像数据进行隐含节点提取，同时对隐含节点中的特殊点进行提取，并通过数据整合处理生成特征数据。

5.根据权利要求4所述的一种基于强化学习图像处理技术的无人机图像捕捉方法，其特征在于，步骤(4)中所述数据拼接具体步骤如下：

P1：对各个特征数据进行数据对比，并将相似的特征数据进行分组处理；

P2：提取各个特征数据对应的图像数据，并将具有相似特征数据的图像数据进行数据拼接。