技術(shù)特征：

1.基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于包括以下步驟：

S1、利用無人機(jī)采集航拍的絕緣子樣本圖像，分為含絕緣子串的正樣本圖像和不含絕緣子串的負(fù)樣本圖像，然后對(duì)正樣本圖像進(jìn)行標(biāo)注，標(biāo)注的信息為絕緣子串在圖像中的位置信息；

S2、搭建卷積神經(jīng)網(wǎng)絡(luò)，并對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，并用得到的網(wǎng)絡(luò)參數(shù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)定；

S3、將待檢測(cè)的視頻圖像輸入步驟S2得到的卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)出待檢測(cè)視頻圖像中的絕緣子；

S4、利用偽相距的測(cè)距公式確定無人機(jī)與待測(cè)視頻圖像中絕緣子之間的距離，實(shí)現(xiàn)無人機(jī)的定位。

2.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：在步驟S1中，所述正樣本的數(shù)量為2000張，所述負(fù)樣本的數(shù)量為2000張。

3.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：在步驟S1中，所述絕緣子串在圖像中的位置信息是指在框出圖像中的絕緣子串后所得的矩形坐標(biāo)，即矩形左上角的頂點(diǎn)坐標(biāo)和右下角的頂點(diǎn)坐標(biāo)。

4.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：在步驟S2中，搭建的卷積神經(jīng)網(wǎng)絡(luò)包括依次設(shè)置的第一級(jí)卷積層、第一級(jí)池化層、第二級(jí)卷積層、第二級(jí)池化層、第三級(jí)卷積層、第三級(jí)池化層、第四級(jí)卷積層、第四層池化層、第五級(jí)卷積層、第五級(jí)池化層、第一級(jí)全連層、第二級(jí)全連接層、分類器。

5.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：所述第一級(jí)卷積采用7*7的卷積核，第二級(jí)卷積采用5*5的卷積核，第三級(jí)卷積采用3*3的卷積核，第四級(jí)卷積采用3*3的卷積核，第五級(jí)卷積采用3*3的卷積核，所述第一級(jí)池化層、第二級(jí)池化層、第三級(jí)池化層、第四層池化層、第五級(jí)池化層均采用最大池化方式。

6.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：所述第一級(jí)卷積層的激活函數(shù)、第二級(jí)卷積層的激活函數(shù)、第三級(jí)卷積層的激活函數(shù)、第四級(jí)卷積層的激活函數(shù)、第五級(jí)卷積層的激活函數(shù)均采用ReLU激活函數(shù)。

7.如權(quán)利要求6所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：在第一級(jí)卷積層的激活函數(shù)的ReLU前進(jìn)行Batch Normalization處理，在第二級(jí)卷積層的激活函數(shù)的ReLU前進(jìn)行Batch Normalization處理，在第三級(jí)卷積層的激活函數(shù)的ReLU前進(jìn)行Batch Normalization處理，在第四級(jí)卷積層的激活函數(shù)的ReLU前進(jìn)行Batch Normalization處理，在第五級(jí)卷積層的激活函數(shù)的ReLU前進(jìn)行Batch Normalization處理。

8.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：所述分類器采用二分類的SVM。

9.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：在步驟S2中，采用BP算法對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所述BP算法分為鏈?zhǔn)角髮?dǎo)和梯度反向傳播兩個(gè)部分，所述梯度反向傳播采用Mini-Batch SGD的訓(xùn)練策略，所述Mini-Batch SGD的訓(xùn)練策略如下公式所示：

Mini-batchSGD:其中w代表第i層的權(quán)重，η為學(xué)習(xí)率，N是批量的大小，L為損失函數(shù)，所述損失函數(shù)采用softmax函數(shù)，所述softmax函數(shù)的公式如下所示：其中z為K維的向量，δ(z)為一個(gè)K維的向量，其每一個(gè)分量的實(shí)值在(0,1)之間，并且和為1。

10.如權(quán)利要求9所述的基于計(jì)算機(jī)視覺的無人機(jī)定位方法，其特征在于：在步驟S4中，所述偽相距測(cè)距公式如下所述：所述m表示無人機(jī)的相機(jī)像距的常量,所述S表示無線傳輸后的接收顯示器上顯示的待檢測(cè)視頻圖像影像大小S，所述L表示待檢測(cè)的視頻圖像中絕緣子串的尺寸。