[發明專利]無人機起飛點預測方法及裝置

有效

• 申請號: 202010101564.X
• 申請日: 2020-02-19
• 公開（公告）號: CN112541608B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 陳杰;李堅強;程艷燕
• 申請（專利權）人: 深圳中科保泰空天技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F18/21
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 甘東陽

1.一種無人機起飛點預測方法，其特征在于，包括：

獲取待預測位置點的地理位置信息；

將所述待預測位置點的地理位置信息輸入預先訓練完成的起飛點預測模型，獲得所述起飛點預測模型的輸出結果，所述輸出結果表征所述待預測位置點能否作為無人機起飛點。

2.如權利要求1所述的方法，其特征在于，在獲取待預測位置點的地理位置信息之前，還包括：

獲取未標注的數據集，所述未標注的數據集包括至少一個位置點的地理位置信息；

從所述未標注的數據集中隨機選取出至少一個位置點，并將所選取的位置點的地理位置信息作為支持集；

基于所述未標注的數據集和所述支持集，訓練預先構建的起飛點預測模型。

3.如權利要求2所述的方法，其特征在于，基于所述未標注的數據集和所述支持集，訓練預先構建的起飛點預測模型，包括：

人工標注步驟：使用主動學習的方式對所述未標注的數據集進行標注，得到人工標注的數據集；其中，所述人工標注的數據集包括位置點的地理位置信息、位置點的圖片、位置點的衛星定位信號強度和位置點的標簽，所述位置點的標簽表征所述位置點能否作為無人機起飛點；

訓練步驟：根據所述支持集和預先確定的超參數，使用所述人工標注的數據集對預先構建的起飛點預測模型進行訓練，并計算損失值；

判斷步驟：若所述損失值未趨于穩定，使用梯度下降算法更新所述超參數后，循環執行所述人工標注步驟、所述訓練步驟和所述判斷步驟，直到損失值趨于穩定；若所述損失值趨于穩定，得到訓練完成的起飛點預測模型。

4.如權利要求3所述的方法，其特征在于，使用主動學習的方式對所述未標注的數據集進行標注，得到人工標注的數據集，包括：

根據各個位置點的不確定性，從所述未標注的數據集中選取目標位置點；

獲取所述目標位置點的圖片、所述目標位置點的衛星定位信號強度和所述目標位置點的標簽，所述目標位置點的標簽表征所述目標位置點能否作為無人機起飛點；

基于各個所述目標位置點的地理位置信息、所述目標位置點的圖片、所述目標位置點的衛星定位信號強度和所述目標位置點的標簽，形成所述人工標注的數據集。

5.如權利要求4所述的方法，其特征在于，根據各個位置點的不確定性，從所述未標注的數據集中選取目標位置點，包括：

計算所述未標注的數據集中各個位置點的條件熵；

根據所述條件熵，計算各個所述位置點的期望熵；

根據所述期望熵選取目標位置點。

6.如權利要求5所述的方法，其特征在于，根據所述條件熵，計算各個所述位置點的期望熵，包括：

通過計算各個所述位置點的期望熵；

其中，x表示R^t區域內還未人工標注但想選取進行人工標注的位置點；表示期望熵；E表示期望；R^t表示感興趣區域；z表示在R^t區域內假設已選取出并進行人工標注的位置點；表示位置點z能否作為起飛點；表示位置點x能否作為起飛點；y^t表示訓練數據；H[y_z^(H)|y^t,y_x^(H)]表示條件熵；

其中，表示已采集到的位置點z能否作為起飛點；x表示R^t區域內未采集的位置點，表示未采集到的位置點x能否作為起飛點；y^t表示訓練數據。

7.如權利要求3所述的方法，其特征在于，根據所述支持集和超參數，使用所述人工標注的數據集對預先構建的起飛點預測模型進行訓練，并計算損失值，包括：

將所述人工標注的數據集劃分為訓練樣本集和測試樣本集；

將所述訓練樣本集和所述測試樣本集輸入至預先構建的起飛點預測模型，并使用所述超參數、所述支持集、位置點的圖片和位置點的衛星定位信號強度進行模型訓練；

根據預先構建的起飛點預測模型的輸出結果和位置點的標簽，計算所述損失值。