[发明专利]无人机避障方法、避障无人机以及无人机避障装置

权利要求书

1.一种无人机避障方法，包括：

利用无人机摄像头采集障碍无人机图像；

将所述障碍无人机图像输入预先训练的深度学习网络模型，得到避障飞行控制量，所述深度学习网络模型是通过输入障碍无人机训练图像以及对应的无人机实际飞行控制量进行训练得到的；

依据所述避障飞行控制量控制无人机的飞行。

2.如权利要求1所述的无人机避障方法，其中，所述避障飞行控制量为四维向量，其中包括三维线速度控制量以及水平旋转控制量。

3.如权利要求1或2所述的无人机避障方法，其中，所述无人机避障方法还包括训练深度学习网络模型，所述训练深度学习网络模型包括：

控制无人机在飞行过程中躲避障碍无人机；

将无人机在飞行过程中无人机摄像头采集的障碍无人机训练图像以及对应的无人机实际飞行控制量输入深度学习网络模型，以对所述深度学习网络模型进行训练，使得所述深度学习网络模型能够根据输入的障碍无人机图像预测避障飞行控制量。

4.如权利要求3所述的无人机避障方法，其中，所述训练深度学习网络模型还包括：

将所述深度学习网络模型的最后一个全连接层的输出结果数量设置为4，以分别表示三维线速度控制量以及水平旋转控制量。

5.如权利要求3所述的无人机避障方法，其中，所述训练深度学习网络模型还包括：

计算预测得到的避障飞行控制量与无人机实际飞行控制量之间的误差；

将所述误差反馈至所述深度学习网络模型的损失层，以便所述损失层利用欧式距离损失函数计算所述深度学习网络模型的更新参数，并利用所述更新参数对所述深度学习网络模型进行更新。

6.如权利要求5所述的无人机避障方法，其中，所述训练深度学习网络模型还包括：

在所述深度学习网络模型的最后一层添加归一化层，所述归一化层利用Sigmoid函数进行归一化处理，以便输出归一化的避障飞行控制量。

7.一种避障无人机，包括：

摄像头，用于采集障碍无人机图像；

飞行控制量预测装置，用于将所述障碍无人机图像输入预先训练的深度学习网络模型，得到避障飞行控制量，所述深度学习网络模型是通过输入障碍无人机训练图像以及对应的无人机实际飞行控制量进行训练得到的；

飞行控制器，用于依据所述避障飞行控制量控制无人机的飞行。

8.如权利要求7所述的避障无人机，其中，所述避障飞行控制量为四维向量，其中包括三维线速度控制量以及水平旋转控制量。

9.如权利要求7或8所述的避障无人机，其中，所述避障无人机还包括深度学习网络模型训练装置，所述深度学习网络模型训练装置用于：

控制无人机在飞行过程中躲避障碍无人机；

将无人机在飞行过程中无人机摄像头采集的障碍无人机训练图像以及对应的无人机实际飞行控制量输入深度学习网络模型，以对所述深度学习网络模型进行训练，使得所述深度学习网络模型能够根据输入的障碍无人机图像预测避障飞行控制量。

10.如权利要求9所述的避障无人机，其中，所述深度学习网络模型训练装置还用于：

将所述深度学习网络模型的最后一个全连接层的输出结果数量设置为4，以分别表示三维线速度控制量以及水平旋转控制量。

11.如权利要求9所述的避障无人机，其中，所述深度学习网络模型训练装置还用于：

计算预测得到的避障飞行控制量与无人机实际飞行控制量之间的误差；

将所述误差反馈至所述深度学习网络模型的损失层，以便所述损失层利用欧式距离损失函数计算所述深度学习网络模型的更新参数，并利用所述更新参数对所述深度学习网络模型进行更新。