[发明专利]一种基于改进YOLOv5算法的无人机降落方法

说明书

本发明提供一种基于改进YOLOv5算法的无人机降落方法，摄像头模块拍摄无人机所处环境的视频，通过数据图形传输模块传至机载电脑；机载电脑用YOLOv5s算法，基于Mosaic数据增强模型，运用自适应锚框计算和自适应图片缩放方法检测实时视频流是否对应平地、坡地、坑地或楼梯；若结果是降落环境，则机载电脑结合地面站与飞控板生成用于控制无人机降落的偏航角；若不是降落环境，则重复检测结果为降落环境为止；地面站将偏航角通过数据图形传输模块传入飞控板，飞控板控制无人机降落，待无人机距离地面后，若为平地，无人机自然降落，若为坡地、坑地或楼梯时，飞控板驱动电动推杆外伸，协助无人机在对应降落环境降落。

技术领域

本发明涉及计算机视觉与无人机控制技术领域，具体为一种基于改进YOLOv5算法的无人机降落方法。

背景技术

无人机是一种结合遥控、接收设备并由程序控制的空中机器人，其以机动性强、小巧灵活、任务周期短等优点活跃并应用于各个领域中。

近几年随着计算机技术的不断发展，计算机视觉等诸多技术也得到了多方面的应用，例如在日常商场进出门口，实时检测人们是否戴口罩、高速路口、停车场车牌的自动识别等等。

目标的实时检测与识别的难度主要在于特征信息的提取以及信息的实时处理，而YOLO算法的提出则很好的解决了这一问题，YOLO算法发展至今，已出现很多版本，目前检测效果最好的为YOLOv5系列，它是一种单阶段目标检测算法，相比于前一个YOLOv4版本，其实时识别精度与速度都得到了极大的提升。

目标的检测与识别和无人机的结合在实际场景中有一些应用，但是目前应用于无人机降落阶段的计算机视觉并不是很多，且效果一般，也没有及时识别并使无人机平稳安全降落到地面的措施，促使无人机可以快速并且稳定的下降。

发明内容

针对现有技术中存在的问题，本发明提供一种基于改进YOLOv5算法的无人机降落方法，能及时识别无人机降落的地面并使无人机平稳安全降落到地面。

为了实现上述目的，本发明采用以下的技术方案：

一种基于改进YOLOv5算法的无人机降落方法，所述无人机的无人机机架底部安装有电动推杆，无人机机架上安装有摄像头模块、数据图形传输模块、机载电脑和飞控板，包括如下步骤：

步骤1，摄像头模块拍摄无人机所处环境的视频，之后通过数据图形传输模块传输至机载电脑；

步骤2，机载电脑采用YOLOv5s算法，基于Mosaic数据增强模型，并运用自适应锚框计算和自适应图片缩放方法检测数据图形传输模块传入的实时视频流是否对应平地环境、坡地环境、坑地环境或楼梯环境；

步骤3，若步骤2的检测结果是无人机的降落环境，则机载电脑结合地面站与飞控板生成用于控制无人机降落的偏航角；若步骤2的检测结果不是无人机的降落环境，则重复进行步骤1和步骤2，直到检测结果是无人机的降落环境为止，机载电脑结合地面站与飞控板生成用于控制无人机降落的偏航角；

步骤4，地面站将步骤3得到的偏航角通过数据图形传输模块传入飞控板，飞控板控制无人机降落，待无人机距离地面1～2m后，若降落环境为平地，无人机自然降落，若降落环境为坡地、坑地或楼梯时，飞控板驱动电动推杆外伸，协助无人机在对应降落环境降落。

优选的，所述的步骤2包括如下具体的分步骤：

步骤2a，先将数据图形传输模块传入的实时视频流提取为一帧一帧的图片，再将这些图片标注后分成平地环境、坡地环境、坑地环境和楼梯环境，最后进行转化、格式调整，得到统一尺寸的标注图片文件；

步骤2b，将步骤2a所述的标注图片文件送入YOLOv5s的输入端，依次进行Focus操作和Ghost操作，得到融合后的图片，将融合后的图片进行信息的融合和特征的提取，输出3种特征预测图；