详情

原文传递一种采用红外热成像传感器的自动化搜救无人机系统和控制方法

专利名称：	一种采用红外热成像传感器的自动化搜救无人机系统和控制方法
摘要：	本发明公开了一种采用红外热成像传感器的自动化搜救无人机系统和控制方法，机体上设置的旋翼和起落架；所述机体下方的航模电池、热成像传感器以及红外传感器；所述机体内部的分线板、电调、GPS系统、飞行控制系统、传感器信号处理板、无线通讯系统；由于人体体温和外界温度的差异采用热成像传感器相对于普通的摄像头能够在更低分辨率下有更高的识别人体的效果，在夜间普通摄像头的识别率会大大降低，而热成像/传感器会由于环境温度的降低和自然光噪声的消失而提高辨识度。由基站划分搜救区域飞行控制装置按照区域通过生物激励神经网络算法自动实现遍历搜寻，一旦通过热成像传感器检测到人体便发送信号和图像至基站通知搜救人员。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江苏大学
发明人：	董毅超;张建峰;韩卓一;王林胜;张世聪
专利状态：	有效
申请日期：	2019-04-25T00:00:00+0800
发布日期：	2019-08-09T00:00:00+0800
申请号：	CN201910340010.2
公开号：	CN110104167A
分类号：	B64C27/08(2006.01);B;B64;B64C;B64C27
申请人地址：	212013 江苏省镇江市京口区学府路301号
主权项：	1.一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，包括飞行机构、传感器信号与控制系统；所述飞行机构包括GPS(1)、机身(2)、机臂(3)、脚架(4)、电池(5)、电机(6)、电调(7)、桨叶(8)、分线板(9)、盖帽(10)；所述机身(2)由三层碳纤板叠加而成，所述4个机臂(3)分别安装在机身(1)的四个方向，所述GPS(1)经过支架和底座固定在机身(2)上，所述两个脚架(4)通过螺丝螺母固定在所述机身(2)下方两侧，所述电池(5)安装在所述机身(2)的第三层碳纤板上用以给无人机供电，所述电机(6)分别安装在4个机臂(3)末端，所述桨叶(8)分别和四个电机同轴固定；所述盖帽(10)将桨叶(8)固定在电机轴上，4个电调(7)安装在机身(2)内部分别和4个电机以及飞控相连，以控制飞行的姿态，所述分线板(9)安装在机身(2)内部，连接电池和电调，通过分线板把电源的功率送到各个电调上；所述传感器信号处理与控制系统包括超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)，信号处理板(14)、飞行控制板(15)；所述飞行控制板(15)安装在机身(2)内部，与信号处理板(14)相连，控制飞机的姿态；所述超声波测距传感器分贝固定在机身(2)的四周，所述红外激光传感器(12)安装在机身(2)最下方正对于地面，所述红外热成像传感器(13)安装在机身前测，拍摄下方的景物，所述信号处理板(14)与飞控连接所述超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)都与信号处理板(14)相连，得到的传感器经过信号处理板的处理发送到基站或者发送到飞控(15)进行控制。 2.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述机身(2)是三层碳纤板采用螺栓固定结构固定。 3.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述机臂(3)为空心碳纤圆柱，用螺栓通过上面的空固定在机身上(2)，电机(6)线通过空心的中心连接到机身(2)内部。 4.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述超声波测距传感器(11)，红外激光传感器(12)，红外热成像传感器(13)均采用螺栓固定结构固定在机身(2)上。 5.根据权利要求1所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述信号处理板(14)上有各个传感器接口，IIC，SPI，串口以及SD卡槽以储存一定量的图像信息，并连接到GPS(1),与飞行控制板(15)相连接。 6.根据权利要求5所述的一种采用红外热成像传感器的自动化搜救无人机系统，其特征在于，所述飞行控制板(15)内部集成了气压计，角加速度计，LED灯和各类接口，通过气压计，角加速度计来调整自己的姿态，通过从信号处理板发送过来的信息来选择飞行方向。 7.一种采用红外热成像传感器的自动化搜救无人机系统的控制方法，其特征在于，包括如下步骤：步骤1：在上位机圈定搜救区域，选择矩形的圈定方式，再确认无人机的飞行基准高度，根据飞行高度可以计算出无人机的俯视区域，该俯视区域的作为无人机领空的可视区域，用内切正方形作为一个单元格，把区域划分成若干个单元格的拼接,不同区域具有X,Y两个维度的坐标属性；步骤2：无人机对所划分的区域网格做初步的路径规划，简单规划描述为反复来回飞行以遍历全部区域；步骤3：采用改进的神经网络算法对搜救区域进行空中的实时路径规划，无人机进入规定区域后，原先规定好的路线以及储存在信号处理板中，信号处理板通过信号线控制飞行控制板的飞行路径，当预定路径上的飞行遇到障碍物的时候，会选择一个方向沿着障碍物运动，该方向趋向于运动到过的路径，在每经历一片元区域时，会记录该区域的情况并更新改进的神经网络的权值，使无人机自动避开障碍物并尽可能的向未知区域方向飞行以完成遍历区域的目标；步骤4：该步骤与步骤三共同进行，当前步骤在无人机飞行过程中，所述红外温度传感器检测镜头下的全部温度图像，并把图像传回基站，基站对图像进行识别，将对具有人体体温特征的图像区域进行筛选分割，一旦判断检测到人体便记录坐标，基站决定无人机继续搜寻或是对目标进行跟踪，由于是红外图像，因此不需要复杂的图像处理去判断是否为人体，只需要检测对应人体的温度是否形成了一个连续的区块，在夜晚环境检测精度会大大提高；步骤5：当无人机完成了一次搜救遍历后，通过基站人工发送指令让无人机重新遍历或者飞回回收点。 8.根据权利要求7所述的一种采用红外热成像传感器的自动化搜救无人机系统的控制方法，其特征在于，所述改进的神经网络的构造如下：其中xi表示第i个神经元的状态，也就是神经元的活性,A,B和D表示非负常数，A代表衰减率，B和D代表神经元状态的上下限，即xi∈[-D,B],k是第i个神经元向邻近的神经元个数，Ii为外部输入，当外部为未搜查区域时Ii＝-E；当外部为障碍时Ii＝E；否则Ii＝0；是一个很大的正常数(E＞＞B),确保目标(未搜寻区域)总是处于神经网络的波峰，障碍总是处于波谷,和[Ii]-分别表示侧机型和抑制性输入,第iΙ个神经元和第j个神经元的链接权值可以定义为ωij＝f(\|qi-qj\|),\|qi-qj\|代表向量qi,qj之间的欧氏距离,f(α)可以使人亦单调递减的函数，如： r0为传感器所能测量到的最大半径，这就使得了只有与目标神经元联系紧密的神经元对它有影响,这也让飞机在飞行过程中的方向决策取决于周围环境的参数；在基于改进的神经网络模型中，机器人的路径由状态方程及上一时刻所处的位置决定,给定机器人的当前位置pc,假设下个时刻的位置为pn，按下式确定：其中，c是一个正常数，k是邻域的神经元的个数，xj表示第j个神经元的活性值，yj是关于角度变化的单调递增函数，定义前一时刻的位置pn，当前位置pc，下一位置pj，则yj定义为：其中Δθj∈[0,π]是指角度变化值，当机器人走直线Δθj＝0时,因此Δθj可以定义为： Δθj＝\|Δθj-Δθc\|＝\|αtan(ypj-ypc,xpj-xpc)-αtan(ypc-ypj,xpc-xpj)\| 其中Δθc为上一次神经网络迭代时的角度，ypc，xpc，ypj，xpj分别为上一次跌打时无人机的X,Y坐标和这一次的X,Y坐标，α为引入这个角度变化反馈的权值系数；因此无人机会选择尽可能不改变飞行方向的路径进行搜寻，这样可以间接的达到让无人机尽可能的减少转向所耗费的额外时间和额外能量；因此无人机的全局路径更趋向于一种从边界到达对面边界的往复运动，每次到达一个单元格，便会对整个神经网络的权值进行更替，并计算出下一个行进的方向。
所属类别：	发明专利