[发明专利]一种基于人工智能的无人机视觉学习系统在审

专利信息
申请号: 202110274037.3 申请日: 2021-03-15
公开(公告)号: CN113095141A 公开(公告)日: 2021-07-09
发明(设计)人: 李杰;甘达金;黄庆杰;黄仲翔;殷乐;陈帅;姜衍 申请(专利权)人: 南通大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;G06N20/00;H04N5/232
代理公司: 南京瑞弘专利商标事务所(普通合伙) 32249 代理人: 徐激波
地址: 226000*** 国省代码: 江苏;32
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 人工智能 无人机 视觉 学习 系统
【说明书】:

发明公开一种基于人工智能的无人机视觉学习系统,包括无人机,所述无人机包括主控模块,所述主控模块通过卡尔曼过滤模块连接图像处理模块,所述图像处理模块连接有摄像组,所述图像处理模块包括标的物搜寻模块,所述标的物搜寻模块连接有标的物对准模块,所述标的物对准模块连接有标的物对比模块,所述标的物对比模块连接有信号驱动模块与图样库,所述信号驱动模块连接摄像组,所述主控模块连接图像存储模块,本发明可以对标的物进行及时捕捉,利于系统学习进步,提升无人机视觉系统对标的物效果,对于标的物的捕捉较为精准,对于无人机视觉系统捕捉的图像进行整合处理,提升图像精度。

技术领域

本发明涉及一种基于人工智能的无人机视觉学习系统,属于无人机系统领域。

背景技术

随着科技发展,无人机被广泛使用,无人机系统主要包括飞机机体、飞控系统、数据链系统、发射回收系统、电源系统、视觉系统等,视觉系统主要作用是对周围环境进行摄像捕捉以获得图像信息,现有技术中的视觉系统的标的物捕捉效果较差,尤其在无人机飞行过快的情况下,易发送标的物无法及时捕捉拍摄的现象,不具备学习系统,不具备对新标的物发掘与反馈的功能,对于输入图像中标的物的识别效果较差,为此,我们提出了基于人工智能的无人机视觉学习系统。

发明内容

针对上述现有技术存在的问题,本发明提供一种基于人工智能的无人机视觉学习系统,从而解决背景技术中提出的问题。

为了实现上述目的,本发明采用的技术方案是:一种基于人工智能的无人机视觉学习系统,包括无人机设备,所述无人机设备内含有主控模块;所述主控模块通过卡尔曼过滤模块连接图像处理模块,所述图像处理模块连接有摄像组,所述图像处理模块包括标的物搜寻模块,所述标的物搜寻模块连接有标的物对准模块,所述标的物对准模块连接有标的物对比模块,所述标的物对比模块连接有信号驱动模块与图样库,所述信号驱动模块连接摄像组,所述主控模块还连接有图像存储模块,所述图像存储模块通过学习模块连接图样库,所述图样库连接有参考图样输入模块;

所述卡尔曼滤波模块用来整合若干个摄像组传来的图像信息并送至主控模块中;

所述图像处理模块及时的识别图像中的标的物信息并作用摄像组跟踪拍摄;

所述图像存储模块用来暂时储存主控模块中获取得到的图像;

所述学习模块根据图像存储模块中的图像发掘出新的标的物并发送至图样库中;

所述参考图样输入模块使得用户输入具有标的物的图样。

进一步的,所述标的物搜寻模块对图像处理模块中的图像进行搜寻,标的物对准模块对图像中的标的物进行对准,然后标的物对比模块根据图样库中的参考图样与标的物对比,若对比结果为存在即使得信号驱动模块对摄像组发送驱动信号。

进一步的,所述摄像组包括摄像头与角度控制机构,所述角度控制机构的输入端口连接信号驱动模块的输出端口,所述摄像组设置为若干组,所述摄像头通过角度控制机构活动安装在无人机上。

进一步的,所述卡尔曼滤波模块包括权重配比模块与融化计算模块,所述权重配比模块用来为使用者对不同摄像组传来的图像权重占比进行设置分配,所述融化计算模块根据权重配比模块的权重配比进行图像处理并获得最终图像。

进一步的,所述学习模块包括特征点捕捉模块,所述特征点捕捉模块连接有特征点阈值设定模块,所述特征点阈值设定模块连接有特征点筛选模块,所述特征点筛选模块连接有人工管理模块,所述人工管理模块连接有新标的生成模块,所述特征点捕捉模块用来捕捉图像中的特征信息,所述特征点阈值设定模块用来设置特征点的数量阈值,所述特征点筛选模块在特征点的数量阈值筛选出该阈值数量以内的特征点,所述人工管理模块人为管理与筛选获得的特征点,所述新标的生成模块根据人工管理模块的结果生成新标的物。

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南通大学,未经南通大学许可,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/202110274037.3/2.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