[发明专利]用于油样回收的无人机抓载方法、装置及存储介质

权利要求书

1.一种用于油样回收的无人机抓载方法，其特征在于，包括：

通过搭载在无人机上的拍摄模块对容器进行图像采集，得到第一图像数据；

通过图像模块处理所述第一图像数据，得到多个第二图像数据；

通过多视角卷积神经网络三维模型分类算法对所述多个第二图像数据进行分类，得到分类结果，并根据所述分类结果确定容器类型；

根据所述分类结果和所述容器类型，通过处理模块向控制模块下达姿态调整命令；

控制模块应用高阶滑模观测器算法控制驱动搭载在所述无人机上的机械臂的关节按照预设路径和预设角度进行调整；

控制模块控制所述无人机移动定位到所述容器的上方，对所述容器进行第一动作；

其中，所述第一动作包括：抓取、提升、旋转和降落。

2.根据权利要求1所述的用于油样回收的无人机抓载方法，其特征在于，所述通过搭载在无人机上的拍摄模块对容器进行图像采集，得到第一图像数据之前，还包括：

通过拍摄模块获取多种不同容量的容器对应的多个第三图像数据；

所述图像模块对每个所述第三图像数据进行投影处理，得到每个所述第三图像数据对应的多个第四图像数据；

所述图像模块整合多个所述第三图像数据对应的多个第四图像数据为训练集。

3.根据权利要求2所述的用于油样回收的无人机抓载方法，其特征在于，所述通过图像模块处理所述第一图像数据，得到多个第二图像数据，还包括：

对所述多个第二图像数据进行数字预处理，得到所述多个第二图像数据的基于颜色空间的三维数据矩阵；

对所述三维数据矩阵进行去中心化处理，得到去中心化三维数据矩阵，并将所述去中心化三维数据矩阵导入多视角卷积神经网络。

4.根据权利要求3所述的用于油样回收的无人机抓载方法，其特征在于，所述通过多视角卷积神经网络三维模型分类算法对所述多个第二图像数据进行分类，得到分类结果，并根据所述分类结果确定容器类型，还包括：

将所述去中心化三维数据矩阵导入第一卷积神经网络，通过所述第一卷积神经网络进行特征提取，得到第一特征值；

通过所述第一卷积神经网络对所述第一特征值进行特征融合，得到融合特征，并将所述融合特征导入第二卷积神经网络。

5.根据权利要求4所述的用于油样回收的无人机抓载方法，其特征在于，所述将所述融合特征导入第二卷积神经网络，还包括：

通过所述第二卷积神经网络对所述融合特征进行特征提取，得到第二特征值；

将所述第二特征值与所述训练集进行对照比较，确定所述容器的分类结果。

6.根据权利要求1所述的用于油样回收的无人机抓载方法，其特征在于，所述控制模块应用高阶滑模观测器算法控制驱动搭载在所述无人机上的机械臂的关节按照预设路径和预设角度进行调整之前，建立所述高阶滑模观测器，还包括：

建立拉格朗日功能平衡方程；

通过所述拉格朗日功能平衡方程建立永磁同步电机具体的动态机电数学模型和选取基于等速趋近律的滑模面；

基于所述动态机电数学模型和所述滑模面建立所述高阶滑模观测器。

7.根据权利要求6所述的用于油样回收的无人机抓载方法，其特征在于，所述建立拉格朗日功能平衡方程，还包括：

；

其中，所述机械臂包括连杆、关节和控制器；

，，，θ为电机侧转角, q 为连杆侧转角， 为电机侧转动角速度， 为连杆侧转动角速度， 为电机侧转动角加速度, 为连杆侧转动角加速度，Mc(q)为机械臂惯性矩阵，为离心力和哥式力项，Gc(q)为机械臂重力矩阵，Kp 为关节的弹性系数，J_m为电机转动惯量，T_m为控制器输出力矩，τ为关节传递扭矩，D1和D2分别为连杆侧外界未知干扰和齿隙非线性扰动的总和，d₁为连杆侧干扰总和，d₂ 为电机侧干扰总和；△Mc为机械臂惯性矩阵变化量，△Cc为离心力和哥式力矩阵变化量，△Gc为机械臂重力矩阵变化量，△Jm为电机转动惯量变化量。