[發明專利]無人機自主降落方法及模型訓練方法

在審

• 申請號: 202011109393.1
• 申請日: 2020-10-16
• 公開（公告）號: CN112329551A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 陳杰;李堅強;張一帆;杜威銘;劉桂彬
• 申請（專利權）人: 深圳中科保泰科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G05D1/10
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 梁立耀

1.一種無人機自主降落方法，其特征在于，應用于無人機，所述方法包括：

通過機載圖像采集裝置采集待降落區域的真實環境圖像；

將所述真實環境圖像轉化成圖結構數據；

將所述圖結構數據輸入預先訓練完成的圖卷積決策網絡模型，獲得所述圖卷積決策網絡模型輸出的所述圖結構數據的動作；

執行所述動作進行降落。

2.如權利要求1所述的方法，其特征在于，將所述真實環境圖像轉化成圖結構數據，包括：

將所述真實環境圖像切割成圖像塊；

將所述圖像塊輸入預先訓練完成的地貌分類模型，獲得所述地貌分類模型輸出的各個所述圖像塊所屬的地貌類型；

以每個所述圖像塊作為節點，每個所述圖像塊所屬的地貌類型作為節點信息，并計算每個節點與相鄰節點之間的相似度，當所述相似度大于相似度閾值，則在所述相似度對應的兩個節點之間添加一條邊，得到所述真實環境圖像的圖結構數據。

3.一種模型訓練方法，其特征在于，包括：

獲取仿真環境的圖像數據；

根據預設相似度閾值，將所述仿真環境的圖像數據轉化成訓練用的圖結構數據和測試用的圖結構數據；

使用所述訓練用的圖結構數據訓練仿真環境的圖卷積決策網絡模型，得到訓練完成的仿真環境的圖卷積決策網絡模型；

使用所述測試用的圖結構數據，對訓練完成的仿真環境的圖卷積決策網絡模型進行測試，得到動作預測準確率；

更新所述預設相似度閾值后，返回根據預設相似度閾值，將所述圖像數據轉化成訓練用的圖結構數據和測試用的圖結構數據的步驟；

重復多次后，選取所述動作預測準確率最高對應的預設相似度閾值作為目標相似度閾值，并將所述目標相似度閾值對應的訓練完成的仿真環境的圖卷積決策網絡模型作為目標圖卷積決策網絡模型。

4.如權利要求3所述的方法，其特征在于，根據預設相似度閾值，將所述圖像數據轉化成訓練用的圖結構數據和測試用的圖結構數據，包括：

使用所述仿真環境的圖像數據訓練地貌分類模型，得到訓練完成的地貌分類模型；

獲取已標注的圖像數據，所述已標注的圖像數據為通過對所述仿真環境的圖像數據中的預設地貌類型進行動作標簽標注得到的數據；

將所述已標注的圖像數據劃分成訓練數據和測試數據；

根據所述預設相似度閾值，將所述訓練數據轉化成所述訓練用的圖結構數據；

根據所述預設相似度閾值，將所述測試數據轉化成所述測試用的圖結構數據。

5.如權利要求4所述的方法，其特征在于，根據所述預設相似度閾值，將所述訓練數據轉化成所述訓練用的圖結構數據，包括：

將所述訓練數據切割成圖像塊；

將所述訓練數據的圖像塊輸入訓練完成的地貌分類模型，獲得所述訓練完成的地貌分類模型輸出的各個圖像塊所屬的地貌類型；

以所述訓練數據的每個圖像塊作為節點，每個圖像塊所屬的地貌類型作為節點信息，并計算每個節點與相鄰節點之間的相似度，當相似度大于所述預設相似度閾值，則在相似度對應的兩個節點之間添加一條邊，得到所述訓練用的圖結構數據。

6.如權利要求4所述的方法，其特征在于，根據所述預設相似度閾值，將所述測試數據轉化成所述測試用的圖結構數據，包括：

將所述測試數據切割成圖像塊；

將所述測試數據的圖像塊輸入訓練完成的地貌分類模型，獲得所述訓練完成的地貌分類模型輸出的各個圖像塊所屬的地貌類型；

以所述測試數據的每個圖像塊作為節點，每個圖像塊所屬的地貌類型作為節點信息，并計算每個節點與相鄰節點之間的相似度，當相似度大于所述預設相似度閾值，則在相似度對應的兩個節點之間添加一條邊，得到所述測試用的圖結構數據。

7.如權利要求3至6任一項所述的方法，其特征在于，所述方法還包括：

獲取真實環境的圖像數據，所述真實環境的圖像數據為無人機采集的待降落區域的環境圖像；

根據所述目標相似度閾值，將所述真實環境的圖像數據轉化成真實環境的圖結構數據；

使用所述真實環境的圖結構數據訓練所述目標圖卷積決策網絡模型，得到優化后的目標圖卷積決策網絡模型。