[發(fā)明專利]基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110355802.4
• 申請(qǐng)日: 2021-04-01
• 公開(kāi)（公告）號(hào): CN113093799A
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 孫俊;桑藍(lán)奇;黃海源
• 申請(qǐng)（專利權(quán)）人: 孫俊
• 主分類號(hào): G05D1/10
• 分類號(hào): G05D1/10;G05D1/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)，其特征在于，包括：

圖像采集模塊，用于利用無(wú)人機(jī)獲取待采集場(chǎng)景中的場(chǎng)景圖像和點(diǎn)云數(shù)據(jù)集，并提取所述點(diǎn)云數(shù)據(jù)集中剛體地形所構(gòu)成的點(diǎn)云集，為剛體點(diǎn)云集；

剛體直線獲取模塊，用于將所述剛體點(diǎn)云集轉(zhuǎn)化為二維深度圖像，并經(jīng)圖像處理獲得所述深度圖像中的剛體直線；

場(chǎng)景直線獲取模塊，用于根據(jù)任意一條所述剛體直線及其鄰邊區(qū)域設(shè)置目標(biāo)區(qū)域，并根據(jù)所述目標(biāo)區(qū)域獲得場(chǎng)景圖像中對(duì)應(yīng)的場(chǎng)景區(qū)域，并對(duì)所述場(chǎng)景區(qū)域進(jìn)行直線擬合獲取場(chǎng)景直線；

區(qū)域像素均方差獲取模塊，用于將所述深度圖像和所述場(chǎng)景圖像進(jìn)行歸一化處理，獲取所述目標(biāo)區(qū)域像素均方差和所述場(chǎng)景區(qū)域像素均方差；

果凍效應(yīng)量化模塊，用于根據(jù)所述所述目標(biāo)區(qū)域均方差和所述場(chǎng)景區(qū)域均方差以及所述目標(biāo)區(qū)域中的直線和所述場(chǎng)景直線獲取圖像果凍效應(yīng)量化指標(biāo)；

調(diào)節(jié)范圍獲取模塊，用于當(dāng)所述果凍效應(yīng)量化指標(biāo)超出可調(diào)整區(qū)間時(shí)，判定無(wú)人機(jī)振動(dòng)異常；否則，將所述果凍效應(yīng)量化指標(biāo)輸入神經(jīng)網(wǎng)絡(luò)中，獲得對(duì)應(yīng)的最佳螺距調(diào)節(jié)范圍和最佳轉(zhuǎn)速調(diào)節(jié)范圍。

動(dòng)力參數(shù)獲取模塊，用于根據(jù)所述最佳螺距調(diào)節(jié)范圍和所述最佳轉(zhuǎn)速調(diào)節(jié)范圍獲取最佳螺距和最佳轉(zhuǎn)速，所述最佳螺距和最佳轉(zhuǎn)速為在螺距最佳調(diào)節(jié)范圍內(nèi)和轉(zhuǎn)速最佳調(diào)節(jié)范圍內(nèi)，使螺旋槳?jiǎng)悠胶庵笜?biāo)最小的螺距和轉(zhuǎn)速。

2.根據(jù)權(quán)利要求1所述的基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)，其特征在于，所述的圖像采集模塊包括剛體點(diǎn)云提取單元，所述剛體點(diǎn)云提取單元包括：

閾值處理子單元，用于當(dāng)所述點(diǎn)云數(shù)據(jù)集中點(diǎn)云的深度值大于距離閾值時(shí)，將該點(diǎn)作為待檢測(cè)點(diǎn)云集合；

聚類子單元，用于將所述待檢測(cè)點(diǎn)云集合進(jìn)行聚類分析，獲得多個(gè)待檢測(cè)點(diǎn)云簇；

深度最大值獲取子單元，用于獲取所述待檢測(cè)點(diǎn)云簇中點(diǎn)云的深度值的方差，并標(biāo)記所述待檢測(cè)點(diǎn)云簇中深度值最大值；

剛體點(diǎn)云獲取子單元，用于根據(jù)所述最大值設(shè)置剛體區(qū)間，當(dāng)所述剛體區(qū)間中點(diǎn)云數(shù)量大于數(shù)量閾值時(shí)，認(rèn)定為剛體點(diǎn)云集。

3.根據(jù)權(quán)利要求2所述的基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)，其特征在于，所述的剛體點(diǎn)云獲取子單元中剛體區(qū)間的設(shè)置還包括利用所述最大值結(jié)合特殊結(jié)構(gòu)偏移值獲得剛體區(qū)間的范圍，所述特殊結(jié)構(gòu)偏移值為剛體建筑頂層特殊結(jié)構(gòu)造成的偏移值。

4.根據(jù)權(quán)利要求1所述的基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)，其特征在于，所述的果凍效應(yīng)量化模塊包括量化指標(biāo)獲取單元，所述量化指標(biāo)獲取單元用于將所述目標(biāo)區(qū)域中的直線斜率和所述場(chǎng)景直線的斜率求差處理，獲取斜率差值，將所述目標(biāo)區(qū)域均方差和所述場(chǎng)景區(qū)域均方差求差處理，獲得像素均方差的差值；對(duì)所述斜率差值和像素均方差的差值賦予權(quán)重，進(jìn)行加權(quán)求和，獲得所述果凍效應(yīng)量化指標(biāo)。

5.根據(jù)權(quán)利要求1所述的基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)，其特征在于，所述的動(dòng)力參數(shù)獲取模塊，包括：

動(dòng)平衡指標(biāo)獲取模塊，用于利用慣性測(cè)量單位傳感器獲取螺旋槳?jiǎng)悠胶庵笜?biāo)，同時(shí)利用傳感器獲取螺距和轉(zhuǎn)速；

三維響應(yīng)曲面獲取單元，用于采用回歸方程擬合螺旋槳?jiǎng)悠胶庵笜?biāo)與所述螺距和轉(zhuǎn)速之間的映射關(guān)系，獲得三維響應(yīng)曲面；

最佳動(dòng)力參數(shù)獲取單元，用于根據(jù)所述三維響應(yīng)曲面選取所述最佳螺距調(diào)節(jié)范圍內(nèi)和所述最佳轉(zhuǎn)速調(diào)節(jié)范圍內(nèi)使螺旋槳?jiǎng)悠胶庵笜?biāo)最小的最佳螺距和最佳轉(zhuǎn)速。

6.根據(jù)權(quán)利要求1-5所述的基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)，其特征在于，所述的圖像采集模塊中利用無(wú)人機(jī)搭載激光雷達(dá)和卷簾相機(jī)進(jìn)行信息采集，并且所述激光雷達(dá)和所述卷簾相機(jī)視角相同，位姿保持固定。

7.根據(jù)權(quán)利要求1-6所述的基于人工智能和圖像處理的無(wú)人機(jī)動(dòng)力參數(shù)控制系統(tǒng)，其特征在于，所述的圖像采集模塊中利用無(wú)人機(jī)獲取待采集場(chǎng)景中的場(chǎng)景圖像和點(diǎn)云數(shù)據(jù)集的過(guò)程中，所述無(wú)人機(jī)距地面的飛行高度固定。