[發明專利]無人機定位方法及其裝置、電子設備、存儲介質

在審

• 申請號: 202210484750.5
• 申請日: 2022-05-06
• 公開（公告）號: CN114998765A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 彭保;陳宇琳;齊覬;鄭添屹;杜美萱;周國富
• 申請（專利權）人: 華南師范大學
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/40;G06V10/74;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 廖慧賢

1.一種無人機定位方法，其特征在于，包括：

獲取待識別組圖，所述待識別組圖包括無人機航行過程中采集到的多張環境圖像，多張所述環境圖像之間具備空間連續性特征；

基于記憶網絡模型對所述待識別組圖進行空間連續性特征提取，得到所述待識別組圖的連續特征向量；

基于所述無人機的預設初始位置與所述連續特征向量，確定所述無人機的實時位置信息。

2.根據權利要求1所述的方法，其特征在于，所述基于記憶網絡模型對所述待識別組圖進行空間連續性特征提取，得到所述待識別組圖的連續特征向量之前，還包括：

獲取訓練數據集，所述訓練數據集包括多張具備空間連續性特征的預設環境圖像、與每張所述預設環境圖像匹配的預設位移數據；

基于所述訓練數據集對基礎識別模型進行優化訓練，得到所述記憶網絡模型。

3.根據權利要求2所述的方法，其特征在于，所述基于所述訓練數據集對基礎識別模型進行優化訓練，得到所述記憶網絡模型，包括：

基于所述訓練數據集對所述基礎識別模型進行迭代訓練，每一輪所述迭代訓練中，將多張所述預設環境圖像輸入所述基礎識別模型進行本輪訓練處理，獲取與每張所述預設環境圖像對應的本輪位移數據；

每一輪所述迭代訓練后，將多組所述本輪位移數據與多組所述預設位移數據進行比對，計算所述基礎識別模型的識別準確率并對所述基礎識別模型的參數進行更新；

統計所述識別準確率在每一輪所述迭代訓練后的變化情況，當所述識別準確率收斂于定值，得到訓練好的所述記憶網絡模型。

4.根據權利要求3所述的方法，其特征在于，所述基于所述訓練數據集對所述基礎識別模型進行迭代訓練，每一輪所述迭代訓練中，將多張所述預設環境圖像輸入所述基礎識別模型進行本輪訓練處理，獲取與多張所述預設環境圖像對應的多組本輪位移數據，包括：

所述本輪訓練處理中，獲取所述無人機視角在多張所述預設環境圖像之間的多組本輪運動方向、多組本輪運動距離；

基于多組所述本輪運動方向與多組所述本輪運動距離，獲取多組所述本輪位移數據。

5.根據權利要求3所述的方法，其特征在于，所述每一輪所述迭代訓練后，將多組所述本輪位移數據與多組所述預設位移數據進行比對，計算所述基礎識別模型的識別準確率并對所述基礎識別模型的參數進行更新，包括；

根據多組所述本輪位移數據與多組所述預設位移數據，得到各組位移估計誤差；

獲取各組所述位移估計誤差中小于預設閾值的精確結果數量；

根據所述精確結果數量、所述本輪位移數據的總數量，計算所述識別準確率。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述基于記憶網絡模型對所述待識別組圖進行空間連續性特征提取，得到所述待識別組圖的連續特征向量，包括：

對所述待識別組圖進行池化操作，生成縮小特征圖數據；

對所述縮小特征圖數據進行降維處理，獲取降維特征向量；

通過所述記憶網絡模型從所述降維特征向量中提取所述空間連續性特征，得到所述連續特征向量。

7.根據權利要求1所述的方法，其特征在于，所述基于所述無人機的預設初始位置與所述連續特征向量，確定所述無人機的實時位置信息，包括：

將所述連續特征向量輸入所述記憶網絡模型的全連接層；

基于所述全連接層對所述連續特征向量進行回歸處理，獲取與所述無人機的航行過程對應的實際位移數據；

根據所述預設初始位置與所述實際位移數據，確定所述無人機的所述實時位置信息。

8.一種無人機定位裝置，其特征在于，包括：

圖像獲取模塊，用于獲取待識別組圖，所述待識別組圖包括無人機航行過程中采集到的多張環境圖像，多張所述環境圖像之間具備空間連續性特征；

圖像處理模塊，用于基于記憶網絡模型對所述待識別組圖進行空間連續性特征提取，得到所述待識別組圖的連續特征向量；

定位運算模塊，用于基于所述無人機的預設初始位置與所述連續特征向量，確定所述無人機的實時位置信息。