[發明專利]無人機的飛行控制方法、裝置、無人機及存儲介質

在審

• 申請號: 201710778269.6
• 申請日: 2017-09-01
• 公開（公告）號: CN107741781A
• 公開（公告）日: 2018-02-27
• 發明（設計）人: 周翊民;常津津;呂琴
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00;G06K9/62;G06K9/66;G06N3/04
• 代理公司: 深圳青年人專利商標代理有限公司44350
• 代理人: 傅俏梅

1.一種無人機的飛行控制方法，其特征在于，所述方法包括下述步驟：

通過無人機上預設的攝像頭拍攝當前場景圖像，通過訓練好的深度學習模型檢測所述場景圖像中是否存在用戶手勢；

當檢測到所述場景圖像中的用戶手勢時，通過訓練好的手勢識別模型對所述用戶手勢進行識別，以確定所述用戶手勢在預先構建的控制手勢庫中對應的控制手勢；

在預先構建的手勢指令字典中將所述對應的控制手勢翻譯為所述無人機的飛行控制指令，根據所述飛行控制指令對所述無人機的飛行進行控制。

2.如權利要求1所述的方法，其特征在于，通過無人機上預設的攝像頭拍攝當前場景圖像的步驟之前，所述方法還包括：

通過所述無人機上的所述攝像頭拍攝用于訓練的手勢圖像，通過所述深度學習模型對所述用于訓練的手勢圖像進行特征提取，以訓練所述深度學習模型；

通過預設的分類器對所述提取的特征進行分類訓練，將訓練得到的所述分類器設置為所述手勢識別模型，并生成所述控制手勢庫；

根據所述控制手勢庫中的控制手勢與所述飛行控制指令的對應關系，構建所述手勢指令字典。

3.如權利要求2所述的方法，其特征在于，通過所述深度學習模型對所述用于訓練的手勢圖像進行特征提取的步驟，包括：

通過預設的卷積神經網絡與限制玻爾茲曼機聯合網絡，對所述用于訓練的手勢圖像進行無監督特征提取和有監督特征提取；

通過預設的分類器對所述提取的特征進行分類訓練的步驟，包括：

通過所述分類器對所述無監督特征提取到的圖像特征和所述有監督特征提取到的圖像特征進行分類訓練。

4.如權利要求1所述的方法，其特征在于，當檢測到所述場景圖像中的用戶手勢時，所述方法還包括：

根據所述用戶手勢在所述場景圖像中的位置變化，調整所述攝像頭的拍攝角度，以控制所述攝像頭始終面向所述用戶手勢。

5.一種無人機的飛行控制裝置，其特征在于，所述裝置包括：

手勢檢測單元，用于通過無人機上預設的攝像頭拍攝當前場景圖像，通過訓練好的深度學習模型檢測所述場景圖像中是否存在用戶手勢；

手勢識別單元，用于當檢測到所述場景圖像中的用戶手勢時，通過訓練好的手勢識別模型對所述用戶手勢進行識別，以確定所述用戶手勢在預先構建的控制手勢庫中對應的控制手勢；以及

飛行控制單元，用于在預先構建的手勢指令字典中將所述對應的控制手勢翻譯為所述無人機的飛行控制指令，根據所述飛行控制指令對所述無人機的飛行進行控制。

6.如權利要求5所述的裝置，其特征在于，所述裝置還包括：

特征提取單元，用于通過所述無人機上的所述攝像頭拍攝用于訓練的手勢圖像，通過所述深度學習模型對所述用于訓練的手勢圖像進行特征提取，以訓練所述深度學習模型；

模型訓練單元，用于通過預設的分類器對所述提取的特征進行分類訓練，將訓練得到的所述分類器設置為所述手勢識別模型，并生成所述控制手勢庫；以及

字典構建單元，用于根據所述控制手勢庫中的控制手勢與所述飛行控制指令的對應關系，構建所述手勢指令字典。

7.如權利要求6所述的裝置，其特征在于，所述特征提取單元包括：

圖像特征提取單元，用于通過預設的卷積神經網絡與限制玻爾茲曼機聯合網絡，對所述用于訓練的手勢圖像進行無監督特征提取和有監督特征提取；

所述模型訓練單元包括：

圖像特征分類單元，用于通過所述分類器對所述無監督特征提取到的圖像特征和所述有監督特征提取到的圖像特征進行分類訓練。

8.如權利要求5所述的裝置，其特征在于，所述裝置還包括：

攝像頭調整單元，用于根據所述用戶手勢在所述場景圖像中的位置變化，調整所述攝像頭的拍攝角度，以控制所述攝像頭始終面向所述用戶手勢。

9.一種無人機，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至4任一項所述方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至4任一項所述方法的步驟。