[发明专利]一种基于AI技术的无人机前端物体识别跟踪系统及方法在审

专利信息
申请号: 201910716905.1 申请日: 2019-08-05
公开(公告)号: CN112327936A 公开(公告)日: 2021-02-05
发明(设计)人: 王军 申请(专利权)人: 旭日蓝天(武汉)科技有限公司
主分类号: G05D1/12 分类号: G05D1/12;G05D1/10;G01C11/04;G01C11/02
代理公司: 暂无信息 代理人: 暂无信息
地址: 430000 湖北省武汉市东西湖区水产养殖场武汉中油*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 ai 技术 无人机 前端 物体 识别 跟踪 系统 方法
【说明书】:

发明公开了一种基于AI技术的无人机前端物体识别跟踪系统及方法,包括地面站系统和无人机端的拍摄系统与飞控系统,拍摄系统对物体进行图像拍摄采集,然后传输给飞控系统,对拍摄的图像进行分析处理,提取物体类别位置信息传输给地面站系统,地面站系统接收信息后将物体信息显示在显示屏上,操作人员发出需要跟踪的物体的指令传送到飞控系统,飞控系统结合指令以及识别到的物体信息控制无人机,对物体进行追踪。本发明对无人机拍摄到的图像进行实时的物体识别,同时从地面站发送指定需要跟踪的物体类型,对指定物体进行跟踪。

技术领域

本发明涉及物体识别跟踪领域,具体为一种基于AI技术的无人机前端物体识别跟踪系统及方法。

背景技术

近些年,无人机系统由于其灵活便携和空间机动性强等特点,逐步在测绘、搜救、房地产和农业等领域得以越来越广泛地应用,更是作为航拍或娱乐型无人机广受消费者喜爱。人们更多的使用无人机去跟拍一些运动中的物体,或者让无人机本身在运动的过程中拍摄一些物体。而运动过程中的拍摄需要人们对无人机或者云台进行精准的控制才能追踪到物体,甚至需要两个或者两个以上的人员才能完成这一操作。如果无人机能够自主完成在运动中对一些运动的物体的追踪,那么将会扩展无人机的用途。

发明内容

本发明的目的在于提供一种基于AI技术的无人机前端物体识别跟踪系统及方法,以解决上述背景技术中提出的问题。

为实现上述目的,本发明提供如下技术方案:一种基于AI技术的无人机前端物体识别跟踪系统,包括:

地面站系统以及无人机端的飞控系统和拍摄系统,其中:

地面站系统,获取无人机拍摄的物体信息,同时监视无人机的姿态和位置信息,对无人机发出控制指令;

拍摄系统,对拍摄范围内的物体进行图像拍摄采集;

飞控系统,识别无人机采集到的图像中的物体类别和位置信息,并根据地面站发出的指令控制无人机对需要跟踪的物体进行追踪拍摄。

进一步的,所述地面站系统包括地面通信模块和与其电连接的地面登陆验证模块、指令输入模块与数据处理模块,所述地面登陆验证模块对操作人员输入的身份信息进行分析识别,成功认证后授予控制权限,操作人员通过指令输入模块输入对无人机控制的指令以及需要跟踪的物品的指令,指令通过地面通信模块传送到飞控系统,同时地面通信模块接收飞控系统采集到的数据并传输到数据处理模块,数据处理模块对数据信息进行解析,并在用户界面上呈现出来。

进一步的,所述所述拍摄系统包括摄像头和数据传输模块,所述摄像头通过云台搭载在无人机上,摄像头对拍摄范围内的图像进行采集,采集到的图像通过数据传输模块传输至飞控系统。

进一步的,所述飞控系统包括飞控通信模块、指令解析模块、物体识别模块、飞行控制模块和云台控制模块,所述飞控通信模块与地面站系统和拍摄系统进行数据交换,实现与地面站系统和拍摄系统间的通信,指令解析模块与飞控通信模块电连接对地面站系统和拍摄系统发送过来的指令以及数据进行解析,拍摄系统拍摄的图像数据经解析后传入到与指令解析模块电连接的物体识别模块,识别其中物体的类别以及位置信息,与指令解析模块电连接的飞行控制模块和云台控制模块获取指令信息以及物体信息,控制无人机飞行以及云台偏转对指定物体进行跟踪。

进一步的,所述物体识别模块包括指令安全检查模块、深度学习分类模块、类别位置提取模块和数据分发与订阅模块,所述指令安全检查模块检查从地面站发送的指令加载情况,深度学习分类模块对摄像头拍摄的视频中的数据进行运算分类并选出各个物体以及物体所在图像的相对位置,类别提取模块将各个物体类型以及物体所在图像的相对位置透传到数据分发与订阅模块中,数据分发与订阅模块将接收到的数据发送到地面站系统和飞控系统中。

一种基于AI技术的无人机前端物体识别跟踪方法,包括以下步骤:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于旭日蓝天(武汉)科技有限公司,未经旭日蓝天(武汉)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910716905.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top