[发明专利]一种无人机自主降落方法

权利要求书

1.一种无人机自主降落方法，其特征在于：

所述降落方法通过无人机搭载摄像头拍摄地面图像，采用深度学习模型训练获得的图像语义分割算法模型识别地面图像的各个区域类型和边界，利用地面类型和地面区域大小判断最佳的降落点；

所述降落方法具体步骤如下：

步骤一：通过无人机搭载摄像头拍摄地面图像；

步骤二：通过图像语义分割算法模型识别出所拍摄的地面图像的各个区域类型和边界；

所述图像语义分割算法模型是通过用大量带标注的地面数据训练深度神经网络所得到的，并对所获得的图像语义分割算法模型进行测试，确保准确率和速度在可以接受的范围内；

步骤三：对识别的地面图像定义类型分、划分网格并计算降落点的加权降落分，进而筛选出合适的降落区域；

所述定义类型分的过程为：根据地面类型给适合降落的区域人为定义出类型分，其中，越适合无人机降落的区域，其类型分越高；摄像头识别地面的倾斜度越大，类型分越低；

所述划分网格的过程为：将摄像头识别的地面图像区域划分成M×N的网格，其中，M和N的值需根据无人机的体积大小和离地高度参数得出，其中，无人机的体积越大，M和N的值越小，无人机离地越高，M和N的值越大；摄像头识别的地面图像区域所划分的每个网格根据对应地面类型获得一个类型分，如果该网格含有多个地面类型的，则计算该网格内多个地面类型对应类型分的平均值作为该网格的类型分；

所述降落点网格的加权降落分等于与降落点相邻数个网格类型分的平均值乘以降落点所在网格的类型分；

步骤四：根据评分确定最佳降落地点，在摄像头所识别的地面图像区域划分的所有网格中，降落分最高的，即为当前位置最佳降落地点。

2.如权利要求1所述一种无人机自主降落方法，其特征在于：

所述步骤二中，图像语义分割算法模型为Mask R-CNN、FCIS、Dilated Co nvolutions或CRF模型。