1.一种无人机自主着陆跑道区域障碍物判断与跟踪方法,其特征在于,所述无人机自主着陆跑道区域障碍物判断与跟踪方法包括以下步骤:第一步,判断着陆区域是否存在障碍物,存在障碍物转到第二步;不存在障碍物转到第四步;
第二步,判断着陆路线上是否存在直接威胁,若存在直接威胁,转入第三步;不存在直接威胁,转入第四步;
第三步,继续盘旋,探测到着陆合作目标后,转入第一步;
第四步,进入着陆过程,对疑似障碍物实时跟踪;每隔十秒,再进行一次基于UNet的跑道区域障碍物判断方法,对障碍物位置修正;
第五步,对疑似障碍物进行测距,确保着陆路线上不存在安全隐患;判断着陆线路存在直接威胁,则拉起复飞,探测到着陆合作目标后,转入第一步;判断着陆线路不存在直接威胁,则判断是否已安全着陆;若已着陆到地面,着陆过程结束;若未着陆到地面,转入第四步。
2.如权利要求1所述的无人机自主着陆跑道区域障碍物判断与跟踪方法,其特征在于,所述判断着陆区域是否存在障碍物的方法包括:无人机拍摄一张拟着陆区域图像,使用UNet对图像进行语义分割,将图像中的疑似障碍物分割出来,使用基于激光位移传感器的障碍物检测方法,根据无人机着陆航线和合作目标位置判断疑似障碍物是否对着陆安全产生影响,如果不存在影响安全的情况,开始着陆。
3.如权利要求2所述的无人机自主着陆跑道区域障碍物判断与跟踪方法,其特征在于,所述基于激光位移传感器的障碍物检测方法对基于UNet的跑道区域障碍物判断方法和基于机器视觉的障碍物跟踪方法跟踪的疑似障碍物进行测距,确保着陆路线上不存在安全隐患;激光位移传感器发出激光脉冲,当激光脉冲碰到障碍物后,激光位移传感器的接收器会接收到反馈的激光脉冲,通过发射与接收激光脉冲的时间差,计算出障碍物的距离值;根据障碍物距离着陆航线的远近,判断对无人机着陆安全的威胁程度。
4.如权利要求1所述的无人机自主着陆跑道区域障碍物判断与跟踪方法,其特征在于,所述对疑似障碍物实时跟踪方法包括:在确定疑似障碍物位置信息之后,使用基于机器视觉的障碍物跟踪方法对疑似障碍物进行实时跟踪;每隔十秒,再进行一次基于UNet的跑道区域障碍物判断方法,对障碍物位置进行修正。
5.如权利要求4所述的无人机自主着陆跑道区域障碍物判断与跟踪方法,其特征在于,使用基于UNet的跑道区域障碍物判断方法确定疑似障碍物位置信息之后,使用基于机器视觉的障碍物跟踪方法对疑似障碍物进行实时跟踪;采用Mean shift算法进行疑似障碍物跟踪。
6.一种实现权利要求1~5任意一项所述无人机自主着陆跑道区域障碍物判断与跟踪方法的计算机程序。
7.一种实现权利要求1~5任意一项所述无人机自主着陆跑道区域障碍物判断与跟踪方法的信息数据处理终端。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-5任意一项所述的无人机自主着陆跑道区域障碍物判断与跟踪方法。
9.一种执行权利要求1~5任意一项所述无人机自主着陆跑道区域障碍物判断与跟踪方法的无人机自主着陆跑道区域障碍物判断与跟踪系统,其特征在于,所述无人机自主着陆跑道区域障碍物判断与跟踪系统包括:障碍物判断模块,用于判断着陆区域是否存在障碍物,基于UNet的跑道区域障碍物判断方法;
直接威胁判断模块,用于判断着陆路线上是否存在直接威胁,通过障碍物判断模分割出的图像中疑似障碍物和着陆合作目标位置远近、障碍物跟踪模块得到的疑似障碍物运动速度大小、障碍物测距模块得到的疑似障碍物与无人机距离大小综合判断是否存在直接威胁。
着陆目标探测模块,用于探测着陆合作目标,通过Mask RCNN或者YOLOV3实现;
障碍物跟踪模块,用于着陆过程中,采用基于深度学习和机器视觉的障碍物跟踪方法对疑似障碍物实时跟踪,采用Mean shift算法进行疑似障碍物跟踪,提取的特征包括颜色特征、边缘方向直方图(HOG)特征、局部二值模式(LBP)特征的组合;
障碍物测距模块,用于对疑似障碍物进行测距,确保着陆路线上不存在安全隐患,采用激光位移传感器对疑似障碍物进行测距。
10.一种无人机,其特征在于,所述无人机搭载有权利要求9所述的无人机自主着陆跑道区域障碍物判断与跟踪系统。