CN115586798B - 一种无人机防坠毁方法和系统 - Google Patents
一种无人机防坠毁方法和系统 Download PDFInfo
- Publication number
- CN115586798B CN115586798B CN202211587707.8A CN202211587707A CN115586798B CN 115586798 B CN115586798 B CN 115586798B CN 202211587707 A CN202211587707 A CN 202211587707A CN 115586798 B CN115586798 B CN 115586798B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- vector
- queue
- flight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 239000013598 vector Substances 0.000 claims abstract description 268
- 238000004458 analytical method Methods 0.000 claims abstract description 89
- 230000003287 optical effect Effects 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000009471 action Effects 0.000 claims abstract description 19
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 13
- 230000000875 corresponding effect Effects 0.000 description 86
- 230000001276 controlling effect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000004744 fabric Substances 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 230000009191 jumping Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010057071 Rectal tenesmus Diseases 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000012271 tenesmus Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机防坠毁方法和系统，包括：响应防坠毁请求采集相邻两帧飞行图像，采用角点检测算法构建第一角点和第二角点，基于图像金字塔的光流法计算各第二角点相对于第一角点的运动矢量，将全部运动矢量的矢量和值与运动矢量的数量进行比值运算生成均值运动矢量并加入矢量队列，当矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据矢量队列构建时域分析序列和频域分析图，遍历时域分析序列和频域分析图确定无人机的飞行状态并生成对应的控制指令，按照控制指令控制无人机的降落伞装置的动作状态。整个无人机防坠毁过程应用金字塔光流法和时频分析法对飞行图像进行飞行状态判断，提升了无人机失控状态判定结果准确度。
Description
技术领域
本发明涉及无人机技术领域，尤其涉及一种无人机防坠毁方法和系统。
背景技术
随着无人机日益广泛应用于各行业，消费者对无人机和机载设备的安全性需求进一步提升。为了避免当无人机发生故障坠机时，机载设备以及机载设备携带的任务数据面临坠机损坏的危险，通过需要设定无人机具备一定的防坠毁避损机制。
目前，主要通过在无人机失控后释放降落伞来防止无人机的坠毁，其中无人机失控状态的估计判断是重中之重。但现有技术通常仅采用无人机下降速度判断无人机是否处于失控状态，失控状态判定结果准确度较低。
发明内容
本发明提供了一种无人机防坠毁方法和系统，解决了现有技术在防止无人机的坠毁时，对无人机失控状态判定结果准确度较低的技术问题。
本发明第一方面提供了一种无人机防坠毁方法，包括：
响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像的多个第一角点；
采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量；
对全部所述运动矢量进行均值计算生成均值运动矢量，将所述均值运动矢量加入矢量队列；
当所述矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据所述矢量队列构建对应的时域分析序列和频域分析图；
遍历所述时域分析序列和所述频域分析图，确定所述无人机的飞行状态并生成对应的控制指令；
按照所述控制指令控制所述无人机搭载的降落伞装置的动作状态。
可选地，所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点的运动矢量的步骤，包括：
采集下一帧飞行图像，并构建所述下一帧飞行图像中与全部所述第一角点对应的多个第二角点；
通过灰度处理确定全部所述第一角点和全部所述第二角点的灰度值；
分别对所述飞行图像和所述下一帧飞行图像进行连续三次下采样，构建图像金字塔；
按照所述图像金字塔，基于金字塔光流法计算所述各所述第二角点和对应的第一角点的灰度值的差值；
通过最小化各所述差值的平方和，确定所述下一帧飞行图像的各所述第二角点相对于对应的第一角点的运动矢量。
可选地，所述对全部所述运动矢量进行均值计算生成均值运动矢量，将所述均值运动矢量加入矢量队列的步骤，包括：
统计所述运动矢量的数量；
计算全部所述运动矢量的矢量和值，将所述矢量和值与所述数量进行比值运算生成均值运动矢量；
将所述均值运动矢量加入矢量队列。
可选地，所述当所述矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据所述矢量队列构建对应的时域分析序列和频域分析图的步骤，包括：
获取所述矢量队列中均值运动矢量的个数，判断所述个数是否满足预设的数目阈值；
若满足，则将所述矢量队列中的均值运动矢量全部分解为对应的水平分量和垂直分量，并采用全部所述水平分量和全部垂直分量分别组成水平分量队列和垂直分量队列；
依次选取所述水平分量队列中相邻的两个水平分量进行差值计算，生成的多个第一差值依次排列组成水平序列；
依次选取所述垂直分量队列中相邻的两个垂直分量进行差值计算，生成的多个第二差值依次排列组成垂直序列；
将所述水平序列和所述垂直序列作为时域分析序列；
采用所述水平分量队列和所述垂直分量队列进行傅里叶变换，生成频域分析图。
可选地，所述遍历所述时域分析序列和所述频域分析图，确定所述无人机的飞行状态并生成对应的控制指令的步骤，包括：
统计所述水平序列中相邻两个第一差值的性质符号不同的第一次数，统计所述垂直序列中相邻两个第二差值的性质符号不同的第二次数；
计算所述第一次数和第二次数的次数和值，若所述次数和值大于预设的次数阈值时，则生成时域失控信号；
对所述频域分析图进行低频滤波，确定高频分量的量数；
若所述量数大于预设的数量阈值时，则生成频域失控信号；
当同时接收到所述时域失控信号和所述频域失控信号时，输出所述无人机的飞行状态为失控状态，生成对应的控制指令为释放指令；
当未同时接收到所述时域失控信号和所述频域失控信号时，输出所述无人机的飞行状态为正常状态，生成对应的控制指令为保持指令。
可选地，所述按照所述控制指令控制所述无人机搭载的降落伞装置的动作状态的步骤之后，包括：
将所述矢量队列的队头对应的均值运动矢量出队，并将全部所述第二角点作为新的第一角点；
当所述控制指令为释放指令时，跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤，直至输出所述正常状态，则生成对应的定位指令；
响应所述定位指令，通过所述无人机搭载的定位模块采集所述无人机的位置并控制所述无人机搭载的鸣叫器发出鸣叫；
当所述控制指令为保持指令时，跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤，直至接收到飞行结束信号。
可选地，述响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像对应的多个第一角点的步骤之后，包括：
判断是否构建有所述第一角点；
若构建失败，则跳转执行所述采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像对应的多个第一角点的步骤。
可选地，所述采用全部所述第一角点，基于图像金字塔的光流法计算下一帧飞行图像的多个第二角点的运动矢量的步骤之后，包括：
判断是否计算得到所述运动矢量；
若未计算得到，则将全部所述第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤。
可选地，还包括：
当所述矢量队列中均值运动矢量的个数不满足预设的数目阈值时，将全部所述第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤。
本发明第二方面提供了一种无人机防坠毁系统，包括：
图像角点获取模块，用于响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像的多个第一角点；
运动矢量计算模块，用于采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量；
矢量队列确定模块，用于对全部所述运动矢量进行均值计算生成均值运动矢量，将所述均值运动矢量加入矢量队列；
时频特征构建模块，用于当所述矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据所述矢量队列构建对应的时域分析序列和频域分析图；
控制指令生成模块，用于遍历所述时域分析序列和所述频域分析图，确定所述无人机的飞行状态并生成对应的控制指令；
动作状态控制模块，用于按照所述控制指令控制所述无人机搭载的降落伞装置的动作状态。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过响应地面控制端发送的防坠毁请求，采集相邻两帧飞行图像，并采用角点检测算法构建对应的多个第一角点和多个第二角点，基于图像金字塔的光流法计算各第二角点相对于第一角点的运动矢量，将全部运动矢量进行均值运算生成均值运动矢量，将均值运动矢量加入矢量队列，当矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据矢量队列构建对应的时域分析序列和频域分析图，对时域分析序列和频域分析图进行遍历分析，确定无人机的飞行状态并生成对应的控制指令，按照控制指令控制无人机搭载的降落伞装置的动作状态。整个无人机防坠毁过程应用金字塔光流法和时频分析法对采集的无人机的飞行图像进行飞行状态判断，提升了无人机失控状态判定结果准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种无人机防坠毁方法的步骤流程图；
图2为本发明实施例二提供的一种无人机防坠毁方法的步骤流程图；
图3为本发明实施例二提供的一种无人机防坠毁方法的应用例的流程框图；
图4为本发明实施例三提供的一种无人机防坠毁系统的结构框图。
具体实施方式
本发明实施例提供了一种无人机防坠毁方法和系统，用于解决现有技术在防止无人机的坠毁时，对无人机失控状态判定结果准确度较低的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例一提供的一种无人机防坠毁方法的步骤流程图。
本发明提供的一种无人机防坠毁方法，包括：
步骤101、响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建飞行图像的多个第一角点。
防坠毁请求，指的是由能支持无人机防坠毁应用的地面控制端所发送的请求信息。
飞行图像，指的是无人机执行飞行任务过程中的最新图像。
角点检测算法，指的是获取图像的角点特征的算法。包括但不限于FAST角点检测算法。
第一角点，指的是待跟踪角点。
可以理解的是，在无人机上搭载有机载相机、无线传输模块，机载相机用于采集无人机的飞行图像，无人机通过无线传输模块和地面控制端通信连接，地面控制端上部署有无人机防坠毁应用，无人机防坠毁应用用于判定无人机是否处于失控状态并生成相应指令。
在本发明实施例中，响应地面控制端通过无线传输模块发送至无人机的防坠毁请求，通过无人机搭载的机载相机采集无人机的飞行图像，并经由无线传输模块将飞行图像输送至地面控制端，采用地面控制端部署的无人机防坠毁应用基于角点检测算法对飞行图像进行特征提取，构建飞行图像对应的第一角点。
步骤102、采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量。
金字塔光流法，指的是对图像进行金字塔分层，原始图像位于金字塔最底层，上一层图像的长和宽每次缩小为下层图像的一半，最终分辨率最低的图像位于金字塔的最顶层；然后从最顶层开始，向下递归求解直到原始图像为止。可以理解的是，金字塔光流法的具体计算过程可参考现有技术，在此不再赘述。
第二角点，指的是对待跟踪角点进行跟踪的角点。
运动矢量，指的是与第二角点对应的第一角点的移动矢量。
在本发明实施例中，通过机载相机采集无人机的下一帧飞行图像，并经由无线传输模块将飞行图像输送至地面控制端，通过无人机防坠毁应用，基于金字塔光流法对下一帧飞行图像构建的第二角点向对应的第一角点进行迭代跟踪，并输出第二角点分别相对于各第一角点的运动矢量。
步骤103、对全部运动矢量进行均值计算生成均值运动矢量，将均值运动矢量加入矢量队列。
均值运动矢量，指的是运动矢量均值计算后得到的矢量。
矢量队列，指的是由均值运动矢量组成的队列。可以理解的是，队列是只允许在队尾进行插入，在队头删除的线性表。队列采用先进先出策略。
在本发明实施例中，采用全部运动矢量进行均值计算生成一个均值运动矢量，将均值运动矢量插入至矢量队列的队尾中，形成更新后的矢量队列。
步骤104、当矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据矢量队列构建对应的时域分析序列和频域分析图。
数目阈值，指的是矢量队列队满时的队列元素的数量。可选地，数目阈值可以设为10。
时域分析序列，指的是包含时域特征的序列。可以理解的是，序列中的排列对象有一定顺序。
频域分析图，指的是包含频域特征的分析图。
在本发明实施例中，通过无人机防坠毁应用根据更新后的矢量队列中的均值运动矢量的个数与预设的数目阈值的比较结果，确定矢量队列队满后，基于更新后的矢量队列中的均值运动矢量，分别构建对应的时域分析序列和频域分析图。
步骤105、遍历时域分析序列和频域分析图，确定无人机的飞行状态并生成对应的控制指令。
飞行状态，包括失控状态和正常状态。其中失控状态指的是无人机处于下坠失控的状态，正常状态指的是无人机处于正常飞行的飞行状态。
控制指令，指的是由能支持无人机防坠毁应用的地面控制端，所发送的控制无人机搭载的降落伞装置的动作状态的指令，包括释放指令和保持指令。其中释放指令对应于无人机的失控状态，保持指令对应于无人机的正常状态。
在本发明实施例中，通过无人机防坠毁应用对构建的时域分析序列和频域分析图进行遍历分析，确定无人机处于失控状态还是正常状态，并生成失控状态或正常状态对应的控制指令。
步骤106、按照控制指令控制无人机搭载的降落伞装置的动作状态。
可以理解的是，无人机上搭载有降落伞装置和主控模块。降落伞装置包括舵机、伞舱和伞布，其中舵机为开/关机载单元，伞布设置在伞舱中。
动作状态，指的是降落伞装置中的舵机的释放状态和关闭状态。其中释放状态对应的是释放指令，指的是舵机打开伞舱释放伞布，关闭状态指的是舵机不打开伞舱释放伞布。
可以理解的是，当判定无人机处于失控状态并根据释放指令控制降落伞装置执行释放状态后，再判定无人机处于正常状态，则响应保持指令使得舵机保持释放状态；若是在判定无人机处于失控状态前输出无人机处于正常状态，则响应保持指令使得舵机保持处于关闭状态。
在本发明实施例中，地面控制端通过无线传输模块将控制指令发送至无人机搭载的主控模块，通过主控模块响应该控制指令控制无人机搭载的降落伞装置的舵机执行相应的动作状态。
在本发明实施例中，响应地面控制端发送的防坠毁请求，采集相邻两帧飞行图像，并采用角点检测算法构建对应的多个第一角点和多个第二角点，基于图像金字塔的光流法计算各第二角点相对于第一角点的运动矢量，将全部运动矢量进行均值运算生成均值运动矢量，将均值运动矢量加入矢量队列，当矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据矢量队列构建对应的时域分析序列和频域分析图，对时域分析序列和频域分析图进行遍历分析，确定无人机的飞行状态并生成对应的控制指令，按照控制指令控制无人机搭载的降落伞装置的动作状态。整个无人机防坠毁过程应用金字塔光流法和时频分析法对采集的无人机的飞行图像进行飞行状态判断，提升了无人机失控状态判定结果准确度。
请参阅图2，图2为本发明实施例二提供的一种无人机防坠毁方法的步骤流程图。
本发明提供的一种无人机防坠毁方法，包括：
步骤201、响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建飞行图像的多个第一角点。
在本发明实施例中，步骤201的具体实施过程与步骤101类似，在此不再赘述。
可选地，在步骤201之后，包括：
判断是否构建有第一角点；
若构建失败，则跳转执行采集无人机的飞行图像，并采用角点检测算法构建飞行图像对应的多个第一角点的步骤。
在本发明实施例中，响应地面控制端发送的防坠毁请求，采集飞行图像执行构建第一角点的步骤之后，通过无人机防坠毁应用判断是否成功构建有第一角点，若构建失败则采集新的飞行图像，并构建新的飞行图像的第一角点，直至判断构建成功第一角点则跳转执行步骤202。
步骤202、采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量。
可选地，步骤202包括以下子步骤：
采集下一帧飞行图像，并构建下一帧飞行图像中与全部第一角点对应的多个第二角点；
通过灰度处理确定全部第一角点和全部第二角点的灰度值；
分别对飞行图像和下一帧飞行图像进行连续三次下采样，构建图像金字塔；
按照图像金字塔，基于金字塔光流法计算各第二角点和对应的第一角点的灰度值的差值；
通过最小化各差值的平方和，确定下一帧飞行图像的各第二角点相对于对应的第一角点的运动矢量。
灰度值，指的是图像的像素值。
图像金字塔，指的是由原始图像进行多次下采样缩放分别生成的下采样图像，和原始图像共同形成的图像组合。
在本发明实施例中，在构建完成第一角点后，通过机载相机采集下一帧飞行图像并通过无线传输模块传输至地面控制端，通过无人机防坠毁应用构建下一帧飞行图像中与全部第一角点对应的多个第二角点，并对飞行图像和下一帧飞行图像进行灰度处理得到全部第一角点和第二角点在图像中的灰度值，分别对飞行图像和下一帧飞行图像进行连续三次下采样，构建出图像金字塔，从图像金字塔的顶层至底层逐层基于金字塔光流法计算各第二角点和对应的第一角点的灰度值的差值，并通过迭代最小化各差值的平方和，确定下一帧飞行图像的各第二角点匹配跟踪的第一角点误差最小的运动矢量。
可选地，在步骤202之后，包括：
判断是否计算得到运动矢量；
若未计算得到，则将全部第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤。
在本发明实施例中，通过无人机防坠毁应用执行基于金字塔光流法计算运动矢量的步骤之后，判断是否计算得到运动矢量，若未计算得到则说明下一帧图像中的第二角点对第一角点跟踪失败，以下一帧图像作为新的飞行图像，将全部第二角点作为新的第一角点，并采集新的下一帧飞行图像，跳转执行步骤202直至计算得到运动矢量则跳转执行步骤203。
步骤203、统计运动矢量的数量。
在本发明实施例中，若第二角点跟踪第一角点成功，则可以根据第二角点跟踪成功的数量，计算得到相同数量的运动矢量，通过无人机防坠毁应用对该运动矢量的数量进行统计。
步骤204、计算全部运动矢量的矢量和值，将矢量和值与数量进行比值运算生成均值运动矢量。
在本发明实施例中，将全部运动矢量进行相加，以得到对应的矢量和值，并采用矢量和值与运动矢量的数量进行比值运算，生成一个均值运动矢量。
步骤205、将均值运动矢量加入矢量队列。
在本发明实施例中，将均值运动矢量插入至矢量队列的队尾中，形成更新后的矢量队列。
步骤206、当矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据矢量队列构建对应的时域分析序列和频域分析图。
可选地，步骤206包括以下子步骤：
获取矢量队列中均值运动矢量的个数，判断个数是否满足预设的数目阈值；
若满足，则将矢量队列中的均值运动矢量全部分解为对应的水平分量和垂直分量，并采用全部水平分量和全部垂直分量分别组成水平分量队列和垂直分量队列；
依次选取水平分量队列中相邻的两个水平分量进行差值计算，生成的多个第一差值依次排列组成水平序列；
依次选取垂直分量队列中相邻的两个垂直分量进行差值计算，生成的多个第二差值依次排列组成垂直序列；
将水平序列和垂直序列作为时域分析序列；
采用水平分量队列和垂直分量队列进行傅里叶变换，生成频域分析图。
水平分量，指的是均值运动矢量在水平方向的分量。垂直分量，指的是均值运动矢量在垂直方向的分量。
水平分量队列，指的是由水平分量顺序入队组成的队列。垂直分量队列，指的是由垂直分量顺序入队组成的队列。
水平序列，指的是由第一差值顺序排列组成的序列。垂直序列，指的是由第二差值顺序排列组成的序列。
在本发明实施例中，通过无人机防坠毁应用获取更新后的矢量队列中均值运动矢量的个数，判断更新后的矢量队列是否队满即该个数是否满足预设的数目阈值，若满足，则对矢量队列中的均值运动矢量分别进行正交分解，分解得到每一个均值运动矢量对应的水平分量和垂直分量，采用全部水平分量按照对应的均值运动矢量在矢量队列中的顺序插入水平分量队列，采用全部垂直分量按照对应的均值运动矢量在矢量队列中的顺序插入垂直分量队列。依次选取水平分量队列中相邻的两个水平分量进行差值运算，生成的多个第一差值依照对应选取的两个水平分量的排列顺序依次组成水平序列，依次选取垂直分量队列中相邻的两个垂直分量进行差值运算，生成的多个第二差值依照对应选取的两个垂直分量的排列顺序依次组成垂直序列，将水平序列和垂直序列共同组成时域分析序列。采用水平分量队列中的水平分量和对应的垂直分量队列中的垂直分量进行傅里叶变换，生成频域分析图。
可以理解的是，均值运动矢量在矢量队列中的顺序，是按照均值运动矢量对应的飞行图像的采集时间入队的。采用水平分量和垂直分量进行傅里叶变换生成频域分析图的过程可以参照现有技术，在此不再赘述。
可选地，方法还包括：
当矢量队列中均值运动矢量的个数不满足预设的数目阈值时，将全部第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤。
在本发明实施例中，通过无人机防坠毁应用判断矢量队列中均值运动矢量的个数不满足预设的数目阈值时，将下一帧图像的全部第二角点作为新的第一角点，以下一帧飞行图像作为飞行图像，并采集新的下一帧飞行图像，跳转执行步骤202。
步骤207、遍历时域分析序列和频域分析图，确定无人机的飞行状态并生成对应的控制指令。
可选地，步骤207包括以下子步骤：
统计水平序列中相邻两个第一差值的性质符号不同的第一次数，统计垂直序列中相邻两个第二差值的性质符号不同的第二次数；
计算第一次数和第二次数的次数和值，若次数和值大于预设的次数阈值时，则生成时域失控信号；
对频域分析图进行低频滤波，确定高频分量的量数；
若量数大于预设的数量阈值时，则生成频域失控信号；
当同时接收到时域失控信号和频域失控信号时，输出无人机的飞行状态为失控状态，生成对应的控制指令为释放指令；
当未同时接收到时域失控信号和频域失控信号时，输出无人机的飞行状态为正常状态，生成对应的控制指令为保持指令。
性质符号，指的是表示数值的正负号性质的符号。
时域失控信号，指的是判定为时域失控时对应的信号。频域失控信号，指的是判定为频域失控时对应的信号。
可选地，次数阈值设为5，数量阈值设为5。
在本发明实施例中，依次选取水平序列中相邻的两个第一差值判断二者的性质符号是否相同即是否都为正数或都为负数，统计性质符号不同的次数记为第一次数，依次选取垂直序列中相邻的两个第二差值判断二者的性质符号是否相同即是否都为正数或都为负数，统计性质符号不同的次数记为第二次数，对第一次数和第二次数进行和值运算生成次数和值，判断次数和值是否大于预设的次数阈值，若大于则生成时域失控信号。根据通高频阻低频的原理，通过频域分析图进行低频滤波输出高频分量，对高频分量的量数进行统计，若量数大于预设的数量阈值时，则生成频域失控信号。当同时接收到时域失控信号和频域失控信号时，则说明无人机处于失控状态，生成失控状态对应释放指令，当未同时接收到时域失控信号和频域失控信号时，则说明无人机处于正常状态，生成正常状态对应的保持指令。
为了便于理解，本实施例中对统计水平序列中相邻两个第一差值的性质符号不同的第一次数的情形进行详细说明。
设定水平分量队列为{1，-2，3，-1，2，-3}。计算多个第一差值包括：（-2）-1=-3，3-（-2）=5，（-1）-3=-4，2-（-1）=3，（-3）-2=-5。将多个第一差值依次排列组成的水平序列为{-3，5，-4，3，-5}。由于“5”和“-3”、“-4”和“5”、“3”和“-4”以及“-5”和“3”的性质符号不同，则第一次数记为4。
可以理解的是，获取第二次数的具体过程可以参照第一次数的过程。
步骤208、按照控制指令控制无人机搭载的降落伞装置的动作状态。
在本发明实施例中，步骤208的具体实施过程与步骤106类似，在此不再赘述。
可选地，步骤208之后包括：
将矢量队列的队头对应的均值运动矢量出队，并将全部第二角点作为新的第一角点；
当控制指令为释放指令时，跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤，直至输出正常状态，则生成对应的定位指令；
响应定位指令，通过无人机搭载的定位模块采集无人机的位置并控制无人机搭载的鸣叫器发出鸣叫；
当控制指令为保持指令时，跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤，直至接收到飞行结束信号。
定位指令，指的是由能支持无人机防坠毁应用的地面控制端，所发送的控制无人机搭载的定位模块传输无人机的位置，并控制无人机搭载的鸣叫器发出鸣叫的指令。
飞行结束信号，指的是由能支持无人机防坠毁应用的地面控制端所发送的结束飞行的信号。
可以理解的是，无人机上还搭载有定位模块和鸣叫器，其中定位模块用于采集无人机的位置，鸣叫器用于发出鸣叫。
在本发明实施例中，当通过无人机防坠毁应用判定无人机处于失控状态，并根据生成释放指令释放伞布后，将矢量队列的队头对应的均值运动矢量出队后，将下一帧图像的全部第二角点作为新的第一角点，并跳转执行采用全部第一角点，基于图像金字塔的光流法计算下一帧飞行图像的多个第二角点的运动矢量的步骤。若是根据释放指令控制降落伞装置的动作状态后，再判定输出正常状态，则生成对应的定位指令通过无线传输模块发送至主控模块，经由主控模块响应该定位指令，将定位模块采集的无人机的位置通过无线传输模块发送至地面控制端，并启动鸣叫器发出鸣叫，直至无人机被回收则停止采集飞行图像。当一直都判定无人机的飞行状态为正常状态时，直至接收到地面控制端发送的飞行结束信号则停止采集飞行图像。
请参阅图3，图3为本发明实施例二提供的一种无人机防坠毁方法的应用例的流程框图。
地面控制端通过无线传输模块接收无人机摄像头采集的最新飞行图像，通过无人机防坠毁应用对当前最新飞行图像进行角点检测，得到该飞行图像的第一角点并加入角点集合，判断角点集合是否为空。当角点集合为空时，则重新获取当前最新飞行图像。当角点集合不为空时，完成角点集合初始化，采集下一帧最新飞行图像并构建第二角点加入角点集合。根据当前两帧最新飞行图像和最新角点集合中的角点进行金字塔光流法计算得到角点的运动矢量集合。若运动矢量集合为空集，对当前最新角点集合的第一角点进行删除，并跳转执行采集下一帧最新飞行图像的步骤。若运动矢量集合不为空集，对运动矢量集合中的运动矢量进行均值计算，得到最新的均值运动矢量并加入矢量队列。
设定队列长度为10。当矢量队列未队满时，跳转执行采集下一帧最新飞行图像的步骤；当矢量队列队满时，将矢量队列作为时频分析法的输入，通过构建并遍历时频分析序列和频域分析图，判断当前无人机是否处于失控状态。当无人机飞行状态为正常状态时，降落伞装置的舵机开关状态为关闭，跳转执行采集下一帧最新飞行图像的步骤，直至飞行停止；当无人机飞行状态为失控状态，发送释放指令控制降落伞装置的舵机开关状态设为开始，释放伞布，直至无人机被回收。
在本发明实施例中，响应地面控制端发送的防坠毁请求，采集相邻两帧飞行图像，并采用角点检测算法构建对应的多个第一角点和多个第二角点，基于图像金字塔的光流法计算各第二角点相对于第一角点的运动矢量，将全部运动矢量的矢量和值与运动矢量的数量进行比值运算生成均值运动矢量，将均值运动矢量加入矢量队列，当矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据矢量队列构建对应的时域分析序列和频域分析图，对时域分析序列和频域分析图进行遍历分析，确定无人机的飞行状态并生成对应的控制指令，按照控制指令控制无人机搭载的降落伞装置的动作状态。整个无人机防坠毁过程应用金字塔光流法和时频分析法对采集的无人机的飞行图像进行飞行状态判断，提升了无人机失控状态判定结果准确度。
请参阅图4，图4为本发明实施例三提供的一种无人机防坠毁系统的结构框图。
图像角点获取模块401，用于响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建飞行图像的多个第一角点；
运动矢量计算模块402，用于采用全部第一角点，基于采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量；
矢量队列确定模块403，用于对全部所述运动矢量进行均值计算生成均值运动矢量，将所述均值运动矢量加入矢量队列；
时频特征构建模块404，用于当矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据矢量队列构建对应的时域分析序列和频域分析图；
控制指令生成模块405，用于遍历时域分析序列和频域分析图，确定无人机的飞行状态并生成对应的控制指令；
动作状态控制模块406，用于按照控制指令控制无人机的降落伞装置的动作状态。
可选地，图像角点获取模块401还用于：
判断是否构建有第一角点；
若构建失败，则跳转执行采集无人机的飞行图像，并采用角点检测算法构建飞行图像对应的多个第一角点的步骤。
可选地，运动矢量计算模块402具体用于：
采集下一帧飞行图像，并构建下一帧飞行图像中与全部第一角点对应的多个第二角点；
通过灰度处理确定全部第一角点和全部第二角点的灰度值；
分别对飞行图像和下一帧飞行图像进行连续三次下采样，构建图像金字塔；
按照图像金字塔，基于金字塔光流法计算各第二角点和对应的第一角点的灰度值的差值；
通过最小化各差值的平方和，确定下一帧飞行图像的各第二角点相对于对应的第一角点的运动矢量。
可选地，运动矢量计算模块402还用于：
判断是否计算得到运动矢量；
若未计算得到，则将全部第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤。
可选地，矢量队列确定模块403具体用于：
统计运动矢量的数量；
计算全部运动矢量的矢量和值，将矢量和值与数量进行比值运算生成均值运动矢量；
将均值运动矢量加入矢量队列。
可选地，时频特征构建模块404具体用于：
获取矢量队列中均值运动矢量的个数，判断个数是否满足预设的数目阈值；
若满足，则将矢量队列中的均值运动矢量全部分解为对应的水平分量和垂直分量，并采用全部水平分量和全部垂直分量分别组成水平分量队列和垂直分量队列；
依次选取水平分量队列中相邻的两个水平分量进行差值计算，生成的多个第一差值依次排列组成水平序列；
依次选取垂直分量队列中相邻的两个垂直分量进行差值计算，生成的多个第二差值依次排列组成垂直序列；
将水平序列和垂直序列作为时域分析序列；
采用水平分量队列和垂直分量队列进行傅里叶变换，生成频域分析图。
可选地，时频特征构建模块404还用于：
当矢量队列中均值运动矢量的个数不满足预设的数目阈值时，将全部第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤。
可选地，控制指令生成模块405具体用于：
统计水平序列中相邻两个第一差值的性质符号不同的第一次数，统计垂直序列中相邻两个第二差值的性质符号不同的第二次数；
计算第一次数和第二次数的次数和值，若次数和值大于预设的次数阈值时，则生成时域失控信号；
对频域分析图进行低频滤波，确定高频分量的量数；
若量数大于预设的数量阈值时，则生成频域失控信号；
当同时接收到时域失控信号和频域失控信号时，输出无人机的飞行状态为失控状态，生成对应的控制指令为释放指令；
当未同时接收到时域失控信号和频域失控信号时，输出无人机的飞行状态为正常状态，生成对应的控制指令为保持指令。
可选地，还包括飞行控制模块，用于：
将矢量队列的队头对应的均值运动矢量出队，并将全部第二角点作为新的第一角点；
当控制指令为释放指令时，跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤，直至输出正常状态，则生成对应的定位指令；
响应定位指令，通过无人机搭载的定位模块采集无人机的位置并控制无人机搭载的鸣叫器发出鸣叫；
当控制指令为保持指令时，跳转执行采用全部第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各第一角点的运动矢量的步骤，直至接收到飞行结束信号。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种无人机防坠毁方法，其特征在于，包括：
响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像的多个第一角点；
采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量；
对全部所述运动矢量进行均值计算生成均值运动矢量，将所述均值运动矢量加入矢量队列；
当所述矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据所述矢量队列构建对应的时域分析序列和频域分析图；
遍历所述时域分析序列和所述频域分析图，确定所述无人机的飞行状态并生成对应的控制指令；
按照所述控制指令控制所述无人机搭载的降落伞装置的动作状态；
所述当所述矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据所述矢量队列构建对应的时域分析序列和频域分析图的步骤，包括：
获取所述矢量队列中均值运动矢量的个数，判断所述个数是否满足预设的数目阈值；
若满足，则将所述矢量队列中的均值运动矢量全部分解为对应的水平分量和垂直分量，并采用全部所述水平分量和全部垂直分量分别组成水平分量队列和垂直分量队列；
依次选取所述水平分量队列中相邻的两个水平分量进行差值计算，生成的多个第一差值依次排列组成水平序列；
依次选取所述垂直分量队列中相邻的两个垂直分量进行差值计算，生成的多个第二差值依次排列组成垂直序列；
将所述水平序列和所述垂直序列作为时域分析序列；
采用所述水平分量队列和所述垂直分量队列进行傅里叶变换，生成频域分析图；
所述遍历所述时域分析序列和所述频域分析图，确定所述无人机的飞行状态并生成对应的控制指令的步骤，包括：
统计所述水平序列中相邻两个第一差值的性质符号不同的第一次数，统计所述垂直序列中相邻两个第二差值的性质符号不同的第二次数；
计算所述第一次数和第二次数的次数和值，若所述次数和值大于预设的次数阈值时，则生成时域失控信号；
对所述频域分析图进行低频滤波，确定高频分量的量数；
若所述量数大于预设的数量阈值时，则生成频域失控信号；
当同时接收到所述时域失控信号和所述频域失控信号时，输出所述无人机的飞行状态为失控状态，生成对应的控制指令为释放指令；
当未同时接收到所述时域失控信号和所述频域失控信号时，输出所述无人机的飞行状态为正常状态，生成对应的控制指令为保持指令；
其中，所述性质符号指的是表示数值的正负号性质的符号。
2.根据权利要求1所述的无人机防坠毁方法，其特征在于，所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点的运动矢量的步骤，包括：
采集下一帧飞行图像，并构建所述下一帧飞行图像中与全部所述第一角点对应的多个第二角点；
通过灰度处理确定全部所述第一角点和全部所述第二角点的灰度值；
分别对所述飞行图像和所述下一帧飞行图像进行连续三次下采样，构建图像金字塔；
按照所述图像金字塔，基于金字塔光流法计算所述各所述第二角点和对应的第一角点的灰度值的差值；
通过最小化各所述差值的平方和，确定所述下一帧飞行图像的各所述第二角点相对于对应的第一角点的运动矢量。
3.根据权利要求1所述的无人机防坠毁方法，其特征在于，所述对全部所述运动矢量进行均值计算生成均值运动矢量，将所述均值运动矢量加入矢量队列的步骤，包括：
统计所述运动矢量的数量；
计算全部所述运动矢量的矢量和值，将所述矢量和值与所述数量进行比值运算生成均值运动矢量；
将所述均值运动矢量加入矢量队列。
4.根据权利要求1所述的无人机防坠毁方法，其特征在于，所述按照所述控制指令控制所述无人机搭载的降落伞装置的动作状态的步骤之后，包括：
将所述矢量队列的队头对应的均值运动矢量出队，并将全部所述第二角点作为新的第一角点；
当所述控制指令为释放指令时，跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤，直至输出所述正常状态，则生成对应的定位指令；
响应所述定位指令，通过所述无人机搭载的定位模块采集所述无人机的位置并控制所述无人机搭载的鸣叫器发出鸣叫；
当所述控制指令为保持指令时，跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤，直至接收到飞行结束信号。
5.根据权利要求1所述的无人机防坠毁方法，其特征在于，所述响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像对应的多个第一角点的步骤之后，包括：
判断是否构建有所述第一角点；
若构建失败，则跳转执行所述采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像对应的多个第一角点的步骤。
6.根据权利要求1所述的无人机防坠毁方法，其特征在于，所述采用全部所述第一角点，基于图像金字塔的光流法计算下一帧飞行图像的多个第二角点的运动矢量的步骤之后，包括：
判断是否计算得到所述运动矢量；
若未计算得到，则将全部所述第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤。
7.根据权利要求1所述的无人机防坠毁方法，其特征在于，还包括：
当所述矢量队列中均值运动矢量的个数不满足预设的数目阈值时，将全部所述第二角点作为新的第一角点，并采集新的下一帧飞行图像；
跳转执行所述采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量的步骤。
8.一种无人机防坠毁系统，其特征在于，包括：
图像角点获取模块，用于响应防坠毁请求，采集无人机的飞行图像，并采用角点检测算法构建所述飞行图像的多个第一角点；
运动矢量计算模块，用于采用全部所述第一角点，基于金字塔光流法计算下一帧飞行图像的多个第二角点分别相对于各所述第一角点的运动矢量；
矢量队列确定模块，用于对全部所述运动矢量进行均值计算生成均值运动矢量，将所述均值运动矢量加入矢量队列；
时频特征构建模块，用于当所述矢量队列中均值运动矢量的个数满足预设的数目阈值时，根据所述矢量队列构建对应的时域分析序列和频域分析图；
控制指令生成模块，用于遍历所述时域分析序列和所述频域分析图，确定所述无人机的飞行状态并生成对应的控制指令；
动作状态控制模块，用于按照所述控制指令控制所述无人机搭载的降落伞装置的动作状态；
所述时频特征构建模块具体用于：
获取所述矢量队列中均值运动矢量的个数，判断所述个数是否满足预设的数目阈值；
若满足，则将所述矢量队列中的均值运动矢量全部分解为对应的水平分量和垂直分量，并采用全部所述水平分量和全部垂直分量分别组成水平分量队列和垂直分量队列；
依次选取所述水平分量队列中相邻的两个水平分量进行差值计算，生成的多个第一差值依次排列组成水平序列；
依次选取所述垂直分量队列中相邻的两个垂直分量进行差值计算，生成的多个第二差值依次排列组成垂直序列；
将所述水平序列和所述垂直序列作为时域分析序列；
采用所述水平分量队列和所述垂直分量队列进行傅里叶变换，生成频域分析图；
所述控制指令生成模块具体用于：
统计所述水平序列中相邻两个第一差值的性质符号不同的第一次数，统计所述垂直序列中相邻两个第二差值的性质符号不同的第二次数；
计算所述第一次数和第二次数的次数和值，若所述次数和值大于预设的次数阈值时，则生成时域失控信号；
对所述频域分析图进行低频滤波，确定高频分量的量数；
若所述量数大于预设的数量阈值时，则生成频域失控信号；
当同时接收到所述时域失控信号和所述频域失控信号时，输出所述无人机的飞行状态为失控状态，生成对应的控制指令为释放指令；
当未同时接收到所述时域失控信号和所述频域失控信号时，输出所述无人机的飞行状态为正常状态，生成对应的控制指令为保持指令；
其中，所述性质符号指的是表示数值的正负号性质的符号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211587707.8A CN115586798B (zh) | 2022-12-12 | 2022-12-12 | 一种无人机防坠毁方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211587707.8A CN115586798B (zh) | 2022-12-12 | 2022-12-12 | 一种无人机防坠毁方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115586798A CN115586798A (zh) | 2023-01-10 |
| CN115586798B true CN115586798B (zh) | 2023-03-24 |
Family
ID=84783100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211587707.8A Active CN115586798B (zh) | 2022-12-12 | 2022-12-12 | 一种无人机防坠毁方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115586798B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102298070A (zh) * | 2010-06-22 | 2011-12-28 | 鹦鹉股份有限公司 | 估算无人机，尤其是能够在自动驾驶下执行悬停飞行的无人机的水平速度的方法 |
| CN106096621A (zh) * | 2016-06-02 | 2016-11-09 | 西安科技大学 | 基于矢量约束的着降位置检测用随机特征点选取方法 |
| CN106647790A (zh) * | 2016-12-27 | 2017-05-10 | 重庆大学 | 面向复杂环境的四旋翼无人机飞行器系统及飞行方法 |
| CN106647814A (zh) * | 2016-12-01 | 2017-05-10 | 华中科技大学 | 一种基于二维码地标识别的无人机视觉辅助定位与飞控系统及方法 |
| CN106814744A (zh) * | 2017-03-14 | 2017-06-09 | 吉林化工学院 | 一种无人机飞行控制系统以及方法 |
| CN106960445A (zh) * | 2017-03-31 | 2017-07-18 | 卢涵宇 | 一种基于金字塔光流的云运动矢量计算方法 |
| CN110058602A (zh) * | 2019-03-27 | 2019-07-26 | 天津大学 | 基于深度视觉的多旋翼无人机自主定位方法 |
| WO2019189077A1 (ja) * | 2018-03-27 | 2019-10-03 | 株式会社ナイルワークス | ドローン、その制御方法、および、プログラム |
| WO2020042151A1 (zh) * | 2018-08-31 | 2020-03-05 | 深圳市大疆创新科技有限公司 | 无人机失控保护方法、设备、无人机系统的保护方法和无人机系统 |
| CN110888452A (zh) * | 2018-09-11 | 2020-03-17 | 杨扬 | 一种无人机电力巡检自主飞行的避障方法 |
| CN111713105A (zh) * | 2019-01-03 | 2020-09-25 | 北京大学 | 一种视频图像处理方法、设备及存储介质 |
| CN114095102A (zh) * | 2021-11-18 | 2022-02-25 | 西京学院 | 一种基于时频分析的无人机遥控信号识别方法 |
| CN115035037A (zh) * | 2022-05-10 | 2022-09-09 | 湘南学院 | 一种基于图像处理和多特征融合的肢体康复训练方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9652990B2 (en) * | 2015-06-30 | 2017-05-16 | DreamSpaceWorld Co., LTD. | Systems and methods for monitoring unmanned aerial vehicles |
| CN113895634A (zh) * | 2020-07-06 | 2022-01-07 | 中光电智能机器人股份有限公司 | 具有降落伞的无人机及其控制方法 |
-
2022
- 2022-12-12 CN CN202211587707.8A patent/CN115586798B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102298070A (zh) * | 2010-06-22 | 2011-12-28 | 鹦鹉股份有限公司 | 估算无人机，尤其是能够在自动驾驶下执行悬停飞行的无人机的水平速度的方法 |
| CN106096621A (zh) * | 2016-06-02 | 2016-11-09 | 西安科技大学 | 基于矢量约束的着降位置检测用随机特征点选取方法 |
| CN106647814A (zh) * | 2016-12-01 | 2017-05-10 | 华中科技大学 | 一种基于二维码地标识别的无人机视觉辅助定位与飞控系统及方法 |
| CN106647790A (zh) * | 2016-12-27 | 2017-05-10 | 重庆大学 | 面向复杂环境的四旋翼无人机飞行器系统及飞行方法 |
| CN106814744A (zh) * | 2017-03-14 | 2017-06-09 | 吉林化工学院 | 一种无人机飞行控制系统以及方法 |
| CN106960445A (zh) * | 2017-03-31 | 2017-07-18 | 卢涵宇 | 一种基于金字塔光流的云运动矢量计算方法 |
| WO2019189077A1 (ja) * | 2018-03-27 | 2019-10-03 | 株式会社ナイルワークス | ドローン、その制御方法、および、プログラム |
| WO2020042151A1 (zh) * | 2018-08-31 | 2020-03-05 | 深圳市大疆创新科技有限公司 | 无人机失控保护方法、设备、无人机系统的保护方法和无人机系统 |
| CN110888452A (zh) * | 2018-09-11 | 2020-03-17 | 杨扬 | 一种无人机电力巡检自主飞行的避障方法 |
| CN111713105A (zh) * | 2019-01-03 | 2020-09-25 | 北京大学 | 一种视频图像处理方法、设备及存储介质 |
| CN110058602A (zh) * | 2019-03-27 | 2019-07-26 | 天津大学 | 基于深度视觉的多旋翼无人机自主定位方法 |
| CN114095102A (zh) * | 2021-11-18 | 2022-02-25 | 西京学院 | 一种基于时频分析的无人机遥控信号识别方法 |
| CN115035037A (zh) * | 2022-05-10 | 2022-09-09 | 湘南学院 | 一种基于图像处理和多特征融合的肢体康复训练方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| Evaluating Ground Risk for Road Networks Induced by UAV Operations;S. Bertrand et al.;《2018 ICUAS》;20180902;第168-176页 * |
| 基于运动物体的时域视频错误隐藏算法;丁志鸿 等;《计算机应用研究》;20111031;第28卷(第10期);第3995-3997页 * |
| 小型无人机伞降回收与失控保护系统的研究;王童 等;《科技风》;20170430;第22,24页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115586798A (zh) | 2023-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6245398B2 (ja) | 状態推定装置、状態推定方法、及び状態推定プログラム | |
| US20190354194A1 (en) | Methods and apparatuses for recognizing dynamic gesture, and control methods and apparatuses using gesture interaction | |
| CN110855976B (zh) | 摄像头异常检测方法、装置及终端设备 | |
| CN106094861B (zh) | 无人机、无人机控制方法及装置 | |
| CN111460938B (zh) | 一种车辆行驶行为实时监测方法及装置 | |
| CN109703492A (zh) | 车辆颠簸的确定处理方法及装置 | |
| JP2008250908A (ja) | 映像判別方法および映像判別装置 | |
| CN110334753A (zh) | 视频分类方法、装置、电子设备及存储介质 | |
| CN111417960B (zh) | 信息处理装置、信息处理方法及程序 | |
| CN111667501A (zh) | 目标跟踪方法、装置、计算设备及存储介质 | |
| CN108596056A (zh) | 一种出租车运营行为动作识别方法及系统 | |
| CN115586798B (zh) | 一种无人机防坠毁方法和系统 | |
| CN114120293A (zh) | 一种地铁列车乘客检测方法及系统 | |
| CN110245609A (zh) | 行人轨迹生成方法、装置及可读存储介质 | |
| CN109743495A (zh) | 视频图像电子增稳方法及装置 | |
| KR20170077545A (ko) | 저사양 영상 기기에서의 실시간 객체 추적 시스템 및 방법 | |
| CN109684566A (zh) | 标签引擎实现方法、装置、计算机设备及存储介质 | |
| JP6600344B2 (ja) | 車両制御装置、車両制御方法、及び、車両制御装置の制御プログラム | |
| WO2017209225A1 (ja) | 状態推定装置、状態推定方法、及び状態推定プログラム | |
| JPWO2020039897A1 (ja) | 駅監視システム及び駅監視方法 | |
| CN112287792B (zh) | 采集人脸图像的方法、装置及电子设备 | |
| CN109151035A (zh) | 车辆通行管理方法及相关装置 | |
| KR20170082331A (ko) | 눈 위치 예측 방법 및 장치 | |
| CN110188645B (zh) | 用于车载场景的人脸检测方法、装置、车辆及存储介质 | |
| CN114205521A (zh) | 一种运动视频图像的稳像方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |