本發(fā)明屬于無人機視覺識別，涉及基于深度學習多模態(tài)的無人機視覺識別方法。

背景技術(shù)：

1、無人機視覺識別是指利用無人機搭載的視覺傳感器系統(tǒng)，通過視覺識別圖像處理、模式識別和深度學習等技術(shù)手段，對無人機所處環(huán)境中的目標物體進行檢測、分類和識別的過程。

2、如公開號cn116310910a的中國發(fā)明專利公開了一種用于無人機的多角度視覺識別方法及系統(tǒng)，包括：調(diào)用第一視覺識別圖像采集裝置對第一待識別對象進行視覺識別圖像采集，獲得第一視覺識別圖像采集結(jié)果；根據(jù)第一預(yù)設(shè)采集角度對所述第一待識別對象進行維度分割，獲得第一維度分割結(jié)果生成第一探測光發(fā)射角調(diào)用第一光傳感裝置對第一待識別對象進行探測，獲得第一探測結(jié)果；將第一視覺識別圖像采集結(jié)果和第一維度分割結(jié)果進行匹配，獲得第一匹配結(jié)果；基于第一空間幾何信息遍歷第一匹配結(jié)果進行飽和度分析，獲得第一分析結(jié)果包括不滿足預(yù)設(shè)飽和度的第一維度信息和第一維度空間幾何信息輸入視覺識別圖像補充模型，獲得第一補充視覺識別圖像；對第一補充視覺識別圖像和第一匹配結(jié)果進行視覺識別圖像融合處理生成三維仿真模型添加進第一視覺識別結(jié)果。

3、以上現(xiàn)有技術(shù)存在以下幾個方面的不足：1、當前進行無人機的多角度視覺識別時，未考慮無人機識別角度偏差，無法保障無人機視覺識別的識別準確性，進而無法保障無人機視覺識別的識別精準度，從而導(dǎo)致后續(xù)識別結(jié)果分析的可靠性不足。

4、2、當前對無人機采集視覺識別圖像的分析主要集中于目標物品的分析，即對無人機采集視覺識別圖像中的其他物品的關(guān)注度不足，進而導(dǎo)致目標物品識別分析的準確性不足，從而降低了后續(xù)決策的可靠性。

技術(shù)實現(xiàn)思路

1、鑒于此，為解決上述背景技術(shù)中所提出的問題，現(xiàn)提出基于深度學習多模態(tài)的無人機視覺識別方法。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：本發(fā)明提供基于深度學習多模態(tài)的無人機視覺識別方法，該方法包括：步驟一、無人機視覺識別:通過無人機搭載的視覺識別設(shè)備，識別目標物品的各視覺識別圖像。

3、步驟二、無人機識別角度分析:根據(jù)目標物品的各視覺識別圖像，分析無人機的識別角度偏差度。

4、步驟四、無人機角度矯正確認:根據(jù)無人機識別角度偏差度，確認無人機的矯正角度信息。

5、步驟五、無人機識別光線分析:根據(jù)目標物品的各視覺識別圖像，分析各視覺識別圖像的光線偏差度。

6、步驟五、無人機識別光線確認:根據(jù)各視覺識別圖像的光線偏差度，確認無人機的光線偏差度。

7、步驟六、無人機識別目標確認：根據(jù)目標物品的各視覺識別圖像，并從無人機識別云平臺中提取無人機的歷史信息，進而確認目標物品的物品信息。

8、步驟七、無人機識別反饋：根據(jù)無人機的矯正角度信息、光線偏差度以及目標物品的物品信息，進行對應(yīng)反饋。

9、相較于現(xiàn)有技術(shù)，本發(fā)明的有益效果如下：（1）本發(fā)明通過根據(jù)目標物品的各視覺識別圖像，分析無人機的識別角度偏差度，規(guī)避了當前未考慮無人機識別角度偏差的不足，保障了無人機視覺識別的識別準確性，進而保障了無人機視覺識別的識別精準度，從而提高了后續(xù)識別結(jié)果分析的可靠性，同時在另一方面，通過考慮無人機識別角度偏差度，實現(xiàn)了無人機視覺識別在復(fù)雜場景中的應(yīng)用。

10、（2）本發(fā)明通過根據(jù)目標物品和各鑲邊物品的輪廓和顏色，確認目標物品的物品信息，打破了當前對無人機采集視覺識別圖像中其他物品的關(guān)注度不足的問題，進而保障了目標物品識別分析的準確性，從而提高了后續(xù)決策的可靠性。

11、（3）本發(fā)明通過根據(jù)亮度合格指數(shù)、對比度合格指數(shù)和色彩飽和度合格指數(shù)，分析各視覺識別圖像的光線偏差度，從多個關(guān)鍵維度全面評估光線偏差度，避免了僅從單一因素判斷光線偏差的局限性，提高了光線偏差度分析結(jié)果的有效性，同時通過設(shè)置亮度合格指數(shù)、對比度合格指數(shù)和色彩飽和度合格指數(shù)的權(quán)重，提高了光線偏差度分析結(jié)果的穩(wěn)定性和準確性。

技術(shù)特征：

1.基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：該方法包括：

2.根據(jù)權(quán)利要求1所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述分析無人機的識別角度偏差度,包括：

3.根據(jù)權(quán)利要求2所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述確認無人機的矯正角度信息，包括：

4.根據(jù)權(quán)利要求1所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述分析各視覺識別圖像的光線偏差度，包括：

5.根據(jù)權(quán)利要求4所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述統(tǒng)計各視覺識別圖像的亮度偏差度，包括：

6.根據(jù)權(quán)利要求4所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述確認無人機的光線偏差度，包括：

7.根據(jù)權(quán)利要求1所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述確認目標物品的物品信息，包括：

8.根據(jù)權(quán)利要求7所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述確認目標物品與各歷史識別物品的輪廓相似度，包括：

9.根據(jù)權(quán)利要求7所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述確認目標物品與各歷史識別物品的顏色相似度，包括：

10.根據(jù)權(quán)利要求7所述的基于深度學習多模態(tài)的無人機視覺識別方法，其特征在于：所述確認鑲邊識別類別信息，包括：

技術(shù)總結(jié)
本發(fā)明屬于無人機視覺識別技術(shù)領(lǐng)域，具體公開提供的基于深度學習多模態(tài)的無人機視覺識別方法，該方法包括：通過無人機搭載的視覺識別設(shè)備，識別目標物品的視覺識別信息，進而分析無人機的識別角度偏差度和各視覺識別圖像的光線偏差度，從而分別確認無人機的矯正角度信息和光線偏差度，同時根據(jù)目標物品的視覺識別信息，確認目標物品的物品信息，并進行對應(yīng)反饋；本發(fā)明通過根據(jù)目標物品的視覺識別信息，分析無人機的識別角度偏差度，保障了無人機視覺識別的識別準確性，進而保障了無人機視覺識別的識別精準度，同時通過根據(jù)目標物品和各鑲邊物品的輪廓和顏色，確認目標物品的物品信息，從而提高了后續(xù)決策的可靠性。

技術(shù)研發(fā)人員：唐科偉,陳聲鴻
受保護的技術(shù)使用者：浙江孚臨科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17