[发明专利]无GPS基于视觉室内环境微型无人机飞行控制方法

说明书

本发明涉及微型无人机飞行控制技术，为提出一种基于视觉的室内环境下微型无人机飞行控制方法，实现微型无人机在室内GPS拒止环境下的自主飞行控制。为此，本发明采用的技术方案是，无GPS基于视觉室内环境微型无人机飞行控制方法，采集室内走廊图像数据，构建神经网络，将采集到的室内走廊图像数据分为训练集、测试集，对构建的神经网络进行训练，构建飞行控制律，由神经网络的输出对室内环境微型无人机飞行进行控制。本发明主要应用于微型无人机飞行控制场合。

技术领域

本发明涉及微型无人机飞行控制技术，具体讲，涉及针对室内环境下微型无人机基于视觉的飞行控制方法。

背景技术

本发明提出的方法与微型无人机的室内自主导航与飞行控制有关。传统的无人机自主导航包括惯性导航和全球定位系统(GPS)导航等方式，但是这些导航方式尚存一些不足：惯性导航要求导航的初始条件必须足够精确，否则会严重影响导航精度，并且存在累积误差；GPS信号有时会无法接收，或者GPS信号精度不高，无法给无人机提供足够的导航精度，这就给无人机的自主导航带来了一些问题。这里GPS拒止指的是无GPS信号。

随着计算机技术和图像处理技术的发展，无人机通过视觉信息进行自主导航已经成为现实。利用视觉信息，无人机可以在无法接收GPS信号的区域进行自主飞行，而且具有较高的导航精度。视觉导航可以通过与惯性导航或GPS导航相结合的方式，进一步提升导航精度，弥补传统导航方式的不足。

无人机在GPS拒止环境下进行导航，常常会用到基于视觉的定位与导航技术。基于视觉的定位与导航技术中常用的有光流法、单/双目视觉定位法、视觉同时定位与建图法(V-SLAM)等。其中V-SLAM方法是主流方法，备受关注。V-SLAM方法具有定位精度高、可创建环境三维地图等优点。但是V-SLAM方法在室内导航中有着严重局限性，因为V-SLAM计算量较大，对于无人机机载处理器的计算能力要求较高，这导致小型无人机所搭载的处理器很难满足计算需要，而大型无人机虽然计算能力更强，但是不适合在室内狭小的空间飞行。

室内环境狭小复杂，光照条件差，对无人机的控制精度和视觉信号处理提出了更高的要求。因此，设计一种微小型无人机室内导航的控制方法有着十分重要的意义。利用单目相机和神经网络方法对微小型无人机进行导航控制，微小型无人机通过单目相机拍摄环境图像，将图像发送给地面站，神经网络的计算在地面站上进行处理，利用地面站发送指令给无人机，从而实现无人机的视觉导航，这是一个较为合理的研究方向。

发明内容

为克服现有技术的不足，本发明旨在提出一种基于视觉的室内环境下微型无人机飞行控制方法，实现微型无人机在室内GPS拒止环境下的自主飞行控制。为此，本发明采用的技术方案是，无GPS基于视觉室内环境微型无人机飞行控制方法，采集室内走廊图像数据，构建神经网络，将采集到的室内走廊图像数据分为训练集、测试集，对构建的神经网络进行训练，构建飞行控制律，由神经网络的输出对室内环境微型无人机飞行进行控制。

具体步骤如下：

步骤1)采集室内走廊图像数据；

预期的数据集需要分为三类，沿直走廊采集，分别是直走廊偏左的图像、直走廊居中的图像和直走廊偏右的图像，利用数据采集装置进行采集，数据采集装置由三个云台、三架相机和一根直杆组成，直杆上水平安装了三个云台，每个云台上固定一架相机，相机的朝向分别是偏左、居中、偏右，用以采集三类数据集，采集过程需要采集者水平手持横杆，调整好相机角度后打开三台相机，采集者持稳横杆，沿走廊中线前进，途中三台相机进行录像，采集图像数据；相机中的数据以视频格式存储，借助OpenCV库进行后期处理，OpenCV是一个跨平台计算机视觉和机器学习软件库；

步骤2)训练神经网络；

训练神经网络借助开源的机器学习库PyTorch库，通过采集装置获取到图像数据后，对其打好标签，将图像制作成特定格式的数据集，并分类为训练集和测试集，编写数据集的加载代码，之后开始神经网络的训练；训练完成后，通过测试集来检验神经网络的效果；