控制无人机降落的方法、装置、存储介质及电子设备与流程

1.本公开涉及无人机技术领域，具体地，涉及一种控制无人机降落的方法、装置、存储介质及电子设备。

背景技术：

2.无人机凭借其使用便利、机动灵活且易于控制等优点成为航空领域的研究热点，并被广泛用于多种场合，由于无人机自主降落对导航与控制精度及可靠性均有较高的要求，是无人机实现自主飞行的重要基础和关键技术。
3.相关技术中，可以基于地面信标实现无人机的自主降落，例如，在地面放置一块标记图像，无人机通过识别该标记图像调整自身位姿，最终降落在该标记图像的中心位置。但是，在识别该标记图像时，可能会由于图像的阴影、遮挡、过曝等情况出现偏差，导致无人机降落异常，从而使得无人机降落的成功率较低。

技术实现要素：

4.为了解决上述问题，本公开提供一种控制无人机降落的方法、装置、存储介质及电子设备。
5.第一方面，本公开提供一种控制无人机降落的方法，所述方法包括：
6.获取无人机的预设降落位置信息；
7.在所述无人机检测到设置在地面的第一预设标记图像后，确定所述第一预设标记图像对应的第一位置信息；
8.在确定所述第一位置信息与所述预设降落位置信息匹配的情况下，获取所述无人机通过rtk(real-time kinematic，实时动态差分技术)确定的参考位置信息；
9.根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。
10.可选地，所述根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置包括：
11.根据所述参考位置信息确定目标降落范围；
12.在所述第一位置信息在所述目标降落范围内的情况下，根据所述第一位置信息控制所述无人机降落至所述预设降落位置信息对应的位置；
13.在所述第一位置信息在所述目标降落范围外的情况下，根据所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。
14.可选地，所述第一预设标记图像上覆盖多个第二预设标记图像和多个第三预设标记图像，所述第二预设标记图像小于所述第一预设标记图像，所述第三预设标记图像小于所述第二预设标记图像，所述第三预设标记图像覆盖在所述第一预设标记图像的预设位置，所述预设位置根据所述无人机采集所述第三预设标记图像的摄像装置在所述无人机上的位置确定；所述根据所述第一位置信息控制所述无人机降落至所述预设降落位置信息对
应的位置包括：
15.在根据所述第一位置信息控制所述无人机降落过程中，若检测到目标标记图像，则确定所述目标标记图像对应的第二位置信息，所述目标标记图像包括所述第二预设标记图像或者所述第三预设标记图像；
16.根据所述第二位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。
17.可选地，所述确定所述第一预设标记图像对应的第一位置信息包括：
18.将所述第一预设标记图像作为预先训练的边缘检测模型的输入，得到所述第一预设标记图像对应的外接矩形；
19.根据所述外接矩形，确定所述第一预设标记图像对应的角点信息；
20.根据所述角点信息，确定所述第一预设标记图像对应的位置信息。
21.可选地，所述根据所述外接矩形，确定所述第一预设标记图像对应的角点信息包括：
22.将所述外接矩形和所述第一预设标记图像输入预先训练的角度确定模型，得到所述第一预设标记图像的中心轴与所述外接矩形的中心轴之间的偏离角度；
23.根据所述偏离角度校正所述第一预设标记图像；
24.将校正后的所述第一预设标记图像的顶点信息作为所述角点信息。
25.可选地，所述根据所述角点信息，确定所述第一预设标记图像对应的位置信息包括：
26.根据所述角点信息，确定所述第一预设标记图像对应的角点的角点顺序；
27.根据所述角点顺序，对所述角点进行回归处理，得到所述第一预设标记图像对应的目标角点信息；
28.根据所述目标角点信息，确定所述第一预设标记图像对应的位置信息。
29.第二方面，本公开提供一种控制无人机降落的装置，所述装置包括：
30.预设位置信息获取模块，用于获取无人机的预设降落位置信息；
31.位置信息确定模块，用于在所述无人机检测到设置在地面的第一预设标记图像后，确定所述第一预设标记图像对应的第一位置信息；
32.参考位置信息获取模块，用于在确定所述第一位置信息与所述预设降落位置信息匹配的情况下，获取所述无人机通过rtk确定的参考位置信息；
33.降落控制模块，用于根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。
34.可选地，所述降落控制模块，具体用于：
35.根据所述参考位置信息确定目标降落范围；
36.在所述第一位置信息在所述目标降落范围内的情况下，根据所述第一位置信息控制所述无人机降落至所述预设降落位置信息对应的位置；
37.在所述第一位置信息在所述目标降落范围外的情况下，根据所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。
38.可选地，所述第一预设标记图像上覆盖多个第二预设标记图像和多个第三预设标记图像，所述第二预设标记图像小于所述第一预设标记图像，所述第三预设标记图像小于
所述第二预设标记图像，所述第三预设标记图像覆盖在所述第一预设标记图像的预设位置，所述预设位置根据所述无人机采集所述第三预设标记图像的摄像装置在所述无人机上的位置确定；所述降落控制模块，还用于：
39.在根据所述第一位置信息控制所述无人机降落过程中，若检测到目标标记图像，则确定所述目标标记图像对应的第二位置信息，所述目标标记图像包括所述第二预设标记图像或者所述第三预设标记图像；
40.根据所述第二位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。
41.可选地，所述位置信息确定模块，具体用于：
42.将所述第一预设标记图像作为预先训练的边缘检测模型的输入，得到所述第一预设标记图像对应的外接矩形；
43.根据所述外接矩形，确定所述第一预设标记图像对应的角点信息；
44.根据所述角点信息，确定所述第一预设标记图像对应的位置信息。
45.可选地，所述位置信息确定模块，还用于：
46.将所述外接矩形和所述第一预设标记图像输入预先训练的角度确定模型，得到所述第一预设标记图像的中心轴与所述外接矩形的中心轴之间的偏离角度；
47.根据所述偏离角度校正所述第一预设标记图像；
48.将校正后的所述第一预设标记图像的顶点信息作为所述角点信息。
49.可选地，所述位置信息确定模块，还用于：
50.根据所述角点信息，确定所述第一预设标记图像对应的角点的角点顺序；
51.根据所述角点顺序，对所述角点进行回归处理，得到所述第一预设标记图像对应的目标角点信息；
52.根据所述目标角点信息，确定所述第一预设标记图像对应的位置信息。
53.第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所述方法的步骤。
54.第四方面，本公开提供一种电子设备，包括：
55.存储器，其上存储有计算机程序；
56.处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
57.通过上述技术方案，通过获取无人机的预设降落位置信息；在所述无人机检测到设置在地面的第一预设标记图像后，确定所述第一预设标记图像对应的第一位置信息；在确定所述第一位置信息与所述预设降落位置信息匹配的情况下，获取所述无人机通过rtk确定的参考位置信息；根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。也就是说，本公开可以根据识别第一预设标记图像得到的第一位置信息和rtk确定的参考位置信息，控制无人机降落，这样，可以避免标记图像识别出现误差时导致的无人机降落异常的问题，从而可以提高无人机降落的成功率。
58.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
59.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
60.图1是根据一示例性实施例示出的一种控制无人机降落的方法的流程图；
61.图2是根据一示例性实施例示出的一种第一预设标记图像的示意图；
62.图3是根据一示例性实施例示出的另一种控制无人机降落的方法的流程图；
63.图4是根据一示例性实施例示出的一种标记图像的示意图；
64.图5是根据一示例性实施例示出的另一种标记图像的示意图；
65.图6是根据一示例性实施例示出的一种控制无人机降落的装置的结构示意图；
66.图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
67.以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
68.在下文中的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
69.首先，对本公开的应用场景进行说明。无人机配送中，降落是至关重要的一环，能否准确、安全地降落到指定位置直接决定了配送履约是否成功。目前，无人机在自主降落过程中使用的技术手段众多，典型的技术手段包括无线定位技术、gps(global positioning system，全球定位系统)/惯性组合导航等，但是，这两种方式容易受到周围环境的干扰，另外，由于gps完全依靠导航卫星，存在信号垄断的问题，适用于室外gps信号较强的区域，这就限制了无人机降落点的范围，同时gps导航精度有限，一般gps的精度在5-10米，不能满足无人机精准降落的需求。
70.相关技术中，可以采用基于地面信标的方案引导无人机自主降落，这种方式采用特殊设计的标记图像以及相对应的图像识别算法，通过定位标记图像的角点位置，解算无人机机载相机相对于标记图像的空间相对位姿信息，利用解算的相对位姿信息选择合适的控制律生成飞行控制量，引导无人机完成自主降落。但是，在识别该标记图像时，可能会由于图像的阴影、遮挡、过曝等情况出现识别偏差，导致无人机降落异常，从而使得无人机降落的成功率较低。
71.为了解决上述存在的问题，本公开提供一种控制无人机降落的方法、装置、存储介质及电子设备，可以根据识别第一预设标记图像得到的第一位置信息和rtk确定的参考位置信息，控制无人机降落，这样，可以避免标记图像识别出现误差时导致的无人机降落异常的问题，从而可以提高无人机降落的成功率。
72.下面结合具体实施例对本公开进行说明。
73.图1是根据一示例性实施例示出的一种控制无人机降落的方法的流程图，如图1所示，该方法包括：
74.s101、获取无人机的预设降落位置信息。
75.需要说明的是，在该无人机飞行的区域中，可以预先在地面铺设第一预设标记图像，为了避免无人机降落至错误的位置，同一飞行区域内不同位置的第一预设标记图像不
同，该区域的大小可以根据该无人机飞行的范围确定，例如，该飞行区域可以是以该第一预设标记图像为圆心，半径为50米的圆所覆盖的区域，也可以是以该第一预设标记图像为中心，边长为100米的正方形所覆盖的区域，上述飞行区域的确定方式只是举例说明，也可以通过其它方式确定该区域对应的范围，本公开对此不作限定。该无人机可以降落在任一第一预设标记图像的中心点所在的位置。
76.示例地，图2是根据一示例性实施例示出的一种第一预设标记图像的示意图，如图2所示，虚线区域的图像为该第一预设标记图像，该第一预设标记图像是一个5*5的aruco码，该aruco码中每个方格表示一个bit，该第一预设标记图像一共有25个bit。上述第一预设标记图像只是举例说明，该第一预设标记图像也可以是其他类型的图像，本公开对此不作限定。
77.其中，在该预设降落位置为第一目标预设标记图像所在位置的情况下，该第一目标预设标记图像可以是任一第一预设标记图像，该预设降落位置信息可以是该第一目标预设标记图像对应的编码信息。
78.s102、在该无人机检测到设置在地面的第一预设标记图像后，确定该第一预设标记图像对应的第一位置信息。
79.在本步骤中，该无人机在飞行过程中可以实时检测铺设在地面的第一预设标记图像，在检测到该第一预设标记图像后，可以进一步确定该第一预设标记图像对应的第一位置信息。示例地，在该预设降落位置信息为该第一目标预设标记图像对应的编码信息的情况下，该第一位置信息可以是检测到的该第一预设标记图像对应的编码信息，在检测到该第一预设标记图像后，可以确定该第一预设标记图像对应的编码信息。
80.s103、在确定该第一位置信息与该预设降落位置信息匹配的情况下，获取该无人机通过rtk确定的参考位置信息。
81.在本步骤中，在确定该第一预设标记图像对应的第一位置信息后，可以对比该第一位置信息和该预设降落位置信息，在该第一位置信息与该预设降落位置信息匹配的情况下，确定检测到的该第一预设标记图像为该无人机将要降落的位置对应的第一目标预设标记图像。示例地，在该预设降落位置信息为该第一目标预设标记图像对应的编码信息的情况下，若该第一位置信息与该预设降落位置信息相同，则表示该第一位置信息与该预设降落位置信息匹配。在确定该第一位置信息与该预设降落位置信息匹配的情况下，可以获取该无人机通过rtk确定的参考位置信息。
82.需要说明的是，由于该第一目标预设标记图像周围可能会有建筑物，例如高层楼房，rtk的信号可能会被干扰，通过rtk无法获取该参考位置信息，因此，可以存储该无人机最后一次获取的参考位置信息。示例地，在每次获取该参考位置信息后，可以将存储的参考位置信息更新为该最新获取的参考位置信息。在该无人机通过rtk获取该参考位置信息失败的情况下，可以获取存储的该参考位置信息。
83.s104、根据该第一位置信息和该参考位置信息控制该无人机降落至该预设降落位置信息对应的位置。
84.在本步骤中，在获取该第一位置信息和该参考位置信息后，可以确定该第一位置信息与该参考位置信息之间的偏差，在该偏差较小的情况下，可以通过现有技术的方法，根据该第一位置信息调整该无人机的位姿，控制该无人机机降落至该预设降落位置信息对应
的位置；在该偏差较大的情况下，可以通过现有技术的方法，根据该参考位置信息调整该无人机的位姿，控制该无人机机降落至该预设降落位置信息对应的位置。
85.采用上述方法，可以根据识别第一预设标记图像得到的第一位置信息和rtk确定的参考位置信息，控制无人机降落，这样，可以避免标记图像识别出现误差时导致的无人机降落异常的问题，从而可以提高无人机降落的成功率。
86.图3是根据一示例性实施例示出的另一种控制无人机降落的方法的流程图，如图3所示，该方法包括：
87.s301、获取无人机的预设降落位置信息。
88.需要说明的是，在该无人机飞行的区域中，可以预先在地面铺设第一预设标记图像，为了避免无人机降落至错误的位置，同一飞行区域内不同位置的第一预设标记图像不同，该飞行区域的大小可以根据该无人机飞行的范围确定，例如，该飞行区域可以是以该第一预设标记图像为圆心，半径为50米的圆所覆盖的区域，也可以是以该第一预设标记图像为中心，边长为100米的正方形所覆盖的区域，上述飞行区域的确定方式只是举例说明，也可以通过其它方式确定该飞行区域对应的范围，本公开对此不作限定。在该第一预设标记图像为aruco码的情况下，考虑到该第一预设标记图像包括多个bit位，基于该多个bit位可以表示的第一预设标记图像的数量较多，例如，针对5*5的aruco码，理论上最多可以表示2
25
个第一预设标记图像，若针对每个第一预设标记图像设置一个标识，则该第一预设标记图像的类别太多，导致识别效率较低。在这种情况下，可以基于每个bit位设置一个类别，例如，白为1，黑为0，这样，针对5*5的aruco码，一共有25个类别，以图2所示的第一预设标记图像为例，该第一预设标记图像的类别为1010011100111110111100110。另外，该无人机可以降落在任一第一预设标记图像的中心点所在的位置。
89.其中，在该预设降落位置为第一目标预设标记图像所在位置的情况下，该第一目标预设标记图像可以是任一第一预设标记图像，该预设降落位置信息可以是该第一目标预设标记图像对应的类别。
90.s302、在该无人机检测到设置在地面的第一预设标记图像后，将该第一预设标记图像作为预先训练的边缘检测模型的输入，得到该第一预设标记图像对应的外接矩形。
91.其中，该边缘检测模型可以包括两种，一种是基于anchor-based的检测方法的模型，例如单阶段式的yolo、ssd(single shot multibox detector)，两阶段式的fasterrcnn、cascadercnn等，另一种是基于anchor-free的检测方法的模型，例如densebox、cornernet、fcos等。另外，考虑到无人机机载芯片的处理能力有限，并且需要对不同尺度的标记图像进行检测，在该边缘检测模型的检测算法的特征提取部分，可以选择mobilenet v1/v2/v3，shufflenet，nasnet等作为骨干网络，选择fpn作为neck。该边缘检测模型的损失函数，除了使用cross entropy loss和smooth l1 loss外，还可以使用ohem或者focal loss，以提升边缘检测的效果。该边缘检测模型可以基于cnn(convolutional neural networks，卷积神经网络)，通过现有技术的模型训练方法训练得到，此处不再赘述。该外接矩形可以是该第一预设标记图像的四个顶点所组成的检测框。
92.s303、根据该外接矩形，确定该第一预设标记图像对应的角点信息。
93.需要说明的是，在得到该第一预设标记图像对应的外接矩形后，由于该外接矩形可能不会完全包裹该第一预设标记图像，并且该第一预设标记图像与该外接矩形存在角度
偏差，在这种情况下，可以进一步对该第一预设标记图像进行校正。
94.在本步骤中，在得到该第一预设标记图像对应的外接矩形后，可以将该外接矩形和该第一预设标记图像输入预先训练的角度确定模型，得到该第一预设标记图像的中心轴与该外接矩形的中心轴之间的偏离角度，根据该偏离角度校正该第一预设标记图像，并将校正后的该第一预设标记图像的顶点信息作为该角点信息。
95.其中，该中心轴可以是水平方向的中心轴，也可以是垂直方向的中心轴，本公开对此不作限定。在该中心轴为垂直方向的中心轴的情况下，可以按照顺时针方向确定该第一预设标记图像的中心轴与该外接矩形的中心轴之间的偏离角度。示例地，若该第一预设标记图像的中心轴在该外接矩形的中心轴的右侧，且与该外接矩形的中心轴之间的角度为5度，则可以确定该第一预设标记图像的中心轴与该外接矩形的中心轴之间的偏离角度为5度；若该第一预设标记图像的中心轴在该外接矩形的中心轴的左侧，且与该外接矩形的中心轴之间的角度为5度，则可以确定该第一预设标记图像的中心轴与该外接矩形的中心轴之间的偏离角度为355度。该角度确定模型可以基于cnn通过现有技术的模型训练方法训练得到，此处不再赘述。
96.在得到该第一预设标记图像的中心轴与该外接矩形的中心轴之间的偏离角度后，可以根据该偏离角度对该第一预设标记图像进行旋转，以校正该第一预设标记图像。示例地，若该第一预设标记图像的中心轴与该外接矩形的中心轴之间的偏离角度为5度，则可以绕着该第一预设标记图像的中心轴将该第一预设标记图像向左旋转5度。之后，可以将校正后的第一预设标记图像的顶点信息作为该角点信息。
97.s304、根据该角点信息，确定该第一预设标记图像对应的位置信息。
98.其中，在该预设降落位置信息为该第一目标预设标记图像对应的类别的情况下，检测到的该第一预设标记图像对应的位置信息也可以是该第一预设标记图像的类别。
99.在本步骤中，在得到该第一预设标记图像的角点信息后，可以根据该角点信息，确定该第一预设标记图像对应的角点的角点顺序，根据该角点顺序，对该角点进行回归处理，得到该第一预设标记图像对应的目标角点信息，并根据该目标角点信息，确定该第一预设标记图像对应的位置信息。
100.其中，该角点顺序可以按照第一象限至第四象限的顺序确定，示例地，第一象限的角点的角点顺序是1，第二象限的角点的角点顺序是2，第三象限的角点的角点顺序是3，第四象限的角点的角点顺序是4。
101.在确定该第一预设标记图像对应的角点的角点顺序后，可以通过预先训练的回归模型对该第一预设标记图像进行回归处理，之后，还可以将回归处理后的第一预设标记图像进行切块，例如，可以将处理后的第一预设标记图像平均划分为四块，再通过该回归模型对切块后的第一预设标记图像进行第二次回归处理，将第二次回归处理后的第一预设标记图像的顶点信息作为该第一预设标记图像对应的目标角点信息。其中，该回归模型可以是cascadecnn，也可以是其他现有技术的模型，本公开对此不作限定。
102.在得到该第一预设标记图像对应的目标角点信息后，可以根据该目标角点信息，将该第一预设标记图像的四个角点映射至正方形的四个顶点，通过现有技术的透视变换的方式生成变换矩阵，将该第一预设标记图像变换至正方形区域中。之后，可以通过预先训练的类别识别模型获取该第一预设标记图像中每个bit位对应的类别，最终得到该第一预设
标记图像对应的类别。该类别识别模型可以基于cnn通过现有技术的模型训练方法训练得到，此处不再赘述。
103.需要说明的是，为了避免该预设标记图像识别异常，可以在本公开所使用的网络模型中增加跟踪算法，确保该图像识别的连续性，该跟踪算法可以是kcf(kernel correlation filter，核相关滤波)算法，也可以是siameserpn，本公开对此不作限定。对于跟踪的结果，可以设计hog+svm作为跟踪器边界框的验证器，确定图像识别的结果是否丢失，其中，跟踪算法的具体使用方法可以参照现有技术的实现方式，此处不再赘述。
104.s305、在确定该第一位置信息与该预设降落位置信息匹配的情况下，获取该无人机通过rtk确定的参考位置信息。
105.在本步骤中，在得到该第一位置信息后，可以对比该第一位置信息与该预设降落位置信息，示例地，若该预设降落位置信息为该第一目标预设标记图像对应的类别，该第一位置信息为检测到的该第一预设标记图像对应的类别，则可以对比该第一位置信息和该预设降落位置信息，在该第一目标预设标记图像对应的类别与该第一预设标记图像对应的类别相同的情况下，可以确定该第一位置信息与该预设降落位置信息匹配。
106.s306、根据该参考位置信息确定目标降落范围。
107.在本步骤中，在获取该参考位置信息后，可以获取预先设置的该无人机的降落半径，将以该参考位置信息为圆心，该降落半径为半径的圆所覆盖的区域作为该目标降落范围。其中，该降落半径可以根据经验值预先设置，例如，该降落半径可以是20米，也可以是15米，本公开对此不作限定。
108.s307、确定该第一位置信息是否在该目标降落范围内，在该第一位置信息在该目标降落范围内的情况下，执行步骤s308，在该第一位置信息在该目标降落范围外的情况下，执行步骤s309。
109.s308、根据该第一位置信息控制该无人机降落至该预设降落位置信息对应的位置。
110.s309、根据该参考位置信息控制该无人机降落至该预设降落位置信息对应的位置。
111.s310、在根据该第一位置信息控制该无人机降落过程中，若检测到目标标记图像，则确定该目标标记图像对应的第二位置信息。
112.其中，该目标标记图像包括该第二预设标记图像或者该第三预设标记图像，该第一预设标记图像上覆盖多个第二预设标记图像和多个第三预设标记图像，该第二预设标记图像小于该第一预设标记图像，该第三预设标记图像小于该第二预设标记图像，该第三预设标记图像覆盖在该第一预设标记图像的预设位置，示例地，该第三预设标记图像可以是fractal(分形)标记，该预设位置可以根据该无人机采集该第三预设标记图像的摄像装置在该无人机上的位置确定。
113.另外，该第二预设标记图像和该第三预设标记图像的大小可以根据该无人机需要调整位姿的高度确定，示例地，该无人机在距离地面10米的高度时可以扫描到该第二预设标记图像，该无人机在距离地面1米的高度时可以扫描到该第三预设标记图像，上述扫描到该第二预设标记图像和该第三预设标记图像的高度只是举例说明，本公开对此不作限定。
114.该第二预设标记图像可以包括多种大小，以便该无人机在降落过程中可以多次根
据该第二预设标记图像调整位姿，从而可以提高该无人机降落的准确率。示例地，该第二预设标记图像的大小可以包括三种，例如a类第二预设标记图像、b类第二预设标记图像以及c类第二预设标记图像，a类第二预设标记图像大于b类第二预设标记图像，b类第二预设标记图像大于c类第二预设标记图像，这样，该无人机在降落过程中，可以先扫描到a类第二预设标记图像，并获取该a类第二预设标记图像对应的位置信息，在根据该a类第二预设标记图像对应的位置信息控制该无人机降落过程中，可以扫描到b类第二预设标记图像，在获取到该b类第二预设标记图像对应的位置信息后，在根据该b类第二预设标记图像对应的位置信息控制该无人机降落过程中，可以扫描到c类第二预设标记图像，获取该c类第二预设标记图像对应的位置信息，并根据该c类第二预设标记图像对应的位置信息控制该无人机降落。上述第二预设标机图像的种类只是举例说明，本公开对此不作限定。
115.在该无人机的采集装置安装在该无人机正中心或者下视靠前位置的情况下，图4是根据一示例性实施例示出的一种标记图像的示意图，如图4所示，三个较大的标记图像为该第二预设标记图像，如图4中的1号虚线框中的图像为其中一个第二预设标记图像，两个较小的标记图像为该第三预设标记图像，如图4中的2号虚线框中的图像为其中一个第三预设标记图像。图5是根据一示例性实施例示出的另一种标记图像的示意图，如图5所示，六个较大的标记图像为该第二预设标记图像，如图5中的1号虚线框中的图像为其中一个第二预设标记图像，十个较小的标记图像为该第三预设标记图像，如图5中的2号虚线框中的图像为其中一个第三预设标记图像。相比图4所示的标记图像，图5所示的标记图像中的第二预设标记图像和第三预设标记图像的数量更多，这样，可以更好地覆盖无人机不同的航向角，并且该无人机能够同时扫描到多个标记图像，为图像识别提供了更多的角点，可以有效改善角点数量不足导致的pnp求解不稳定的问题，从而可以进一步提高无人机降落的成功率。
116.需要说明的是，在设置该第二预设标记图像和该第三预设标记图像时，可以将该第二预设标记图像和该第三预设标记图像设置为所在位置的坐标信息，该坐标信息可以包括经度信息和纬度信息。示例地，在设置该第二预设标记图像时，可以将该第二预设标记图像所在位置的经度信息和纬度信息进行编码，生成该第二预设标记图像。
117.在本步骤中，基于图4所示的标记图像，该无人机在距离地面10米时，可以检测到该第二预设标记图像，获取该第二预设标记图像对应的位置信息，并根据该第二预设标记图像对应的位置信息控制该无人机降落。在该无人机根据该第二预设标记图像对应的位置信息降落至距离地面1米时，可以检测到该第三预设标记图像，获取该第三预设标记图像对应的位置信息，并根据该第三预设标记图像对应的位置信息控制该无人机降落，其中，检测该第二预设标记图像和该第三预设标记图像的方法可以参考检测该第一预设标记图像的方法，获取该第二预设标记图像对应的位置信息和该第三预设标记图像对应的位置信息的方法，可以参照获取该第一预设标记图像的位置信息的方法，此处不再赘述。
118.s311、根据该第二位置信息控制该无人机降落至该预设降落位置信息对应的位置。
119.在本步骤中，若该无人机检测到的目标预设标记图像为该第二预设标记图像，该无人机可以先根据该第二预设标记图像对应的位置信息控制该无人机降落，在降落过程中，若该无人机检测到该第三预设标记图像，则可以继续根据该第三预设标记图像对应的位置信息控制该无人机降落至该预设降落位置信息对应的位置。
120.采用上述方法，可以根据识别第一预设标记图像得到的第一位置信息和rtk确定的参考位置信息，控制无人机降落，这样，可以避免标记图像识别出现误差时导致的无人机降落异常的问题，从而可以提高无人机降落的成功率；进一步地，在根据该第一预设标记图像控制该无人机降落过程中，还可以继续根据第二预设标记图像对应的位置信息和第三预设标记图像对应的位置信息控制该无人机降落，可以进一步提高该无人机降落的成功率，另外，可以通过网络模型检测和识别该预设标记图像，提高了图像识别的准确率，从而可以进一步提高该无人机降落的准确率。
121.图6是根据一示例性实施例示出的一种控制无人机降落的装置的结构示意图，如图6所示，该装置包括：
122.预设位置信息获取模块601，用于获取无人机的预设降落位置信息；
123.位置信息确定模块602，用于在该无人机检测到设置在地面的第一预设标记图像后，确定该第一预设标记图像对应的第一位置信息；
124.参考位置信息获取模块603，用于在确定该第一位置信息与该预设降落位置信息匹配的情况下，获取该无人机通过实时动态差分技术rtk确定的参考位置信息；
125.降落控制模块604，用于根据该第一位置信息和该参考位置信息控制该无人机降落至该预设降落位置信息对应的位置。
126.可选地，该降落控制模块604，具体用于：
127.根据该参考位置信息确定目标降落范围；
128.在该第一位置信息在该目标降落范围内的情况下，根据该第一位置信息控制该无人机降落至该预设降落位置信息对应的位置；
129.在该第一位置信息在该目标降落范围外的情况下，根据该参考位置信息控制该无人机降落至该预设降落位置信息对应的位置。
130.可选地，该第一预设标记图像上覆盖多个第二预设标记图像和多个第三预设标记图像，该第二预设标记图像小于该第一预设标记图像，该第三预设标记图像小于该第二预设标记图像，该第三预设标记图像覆盖在该第一预设标记图像的预设位置，该预设位置根据该无人机采集该第三预设标记图像的摄像装置在该无人机上的位置确定；该降落控制模块604，还用于：
131.在根据该第一位置信息控制该无人机降落过程中，若检测到目标标记图像，则确定该目标标记图像对应的第二位置信息，该目标标记图像包括该第二预设标记图像或者该第三预设标记图像；
132.根据该第二位置信息控制该无人机降落至该预设降落位置信息对应的位置。
133.可选地，该位置信息确定模块602，具体用于：
134.将该第一预设标记图像作为预先训练的边缘检测模型的输入，得到该第一预设标记图像对应的外接矩形；
135.根据该外接矩形，确定该第一预设标记图像对应的角点信息；
136.根据该角点信息，确定该第一预设标记图像对应的位置信息。
137.可选地，该位置信息确定模块602，还用于：
138.将该外接矩形和该第一预设标记图像输入预先训练的角度确定模型，得到该第一预设标记图像的中心轴与该外接矩形的中心轴之间的偏离角度；
139.根据该偏离角度校正该第一预设标记图像；
140.将校正后的该第一预设标记图像的顶点信息作为该角点信息。
141.可选地，该位置信息确定模块602，还用于：
142.根据该角点信息，确定该第一预设标记图像对应的角点的角点顺序；
143.根据该角点顺序，对该角点进行回归处理，得到该第一预设标记图像对应的目标角点信息；
144.根据该目标角点信息，确定该第一预设标记图像对应的位置信息。
145.通过上述装置，可以根据识别第一预设标记图像得到的第一位置信息和rtk确定的参考位置信息，控制无人机降落，这样，可以避免标记图像识别出现误差时导致的无人机降落异常的问题，从而可以提高无人机降落的成功率。
146.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
147.图7是根据一示例性实施例示出的一种电子设备700的框图。例如，电子设备700可以被提供为一服务器。参照图7，电子设备700包括处理器722，其数量可以为一个或多个，以及存储器732，用于存储可由处理器722执行的计算机程序。存储器732中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器722可以被配置为执行该计算机程序，以执行上述的控制无人机降落的方法。
148.另外，电子设备700还可以包括电源组件726和通信组件750，该电源组件726可以被配置为执行电子设备700的电源管理，该通信组件750可以被配置为实现电子设备700的通信，例如，有线或无线通信。此外，该电子设备700还可以包括输入/输出(i/o)接口758。电子设备700可以操作基于存储在存储器732的操作系统，例如windows server
tm
，mac os x
tm
，unix
tm
，linux
tm
等等。
149.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的控制无人机降落的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器732，上述程序指令可由电子设备700的处理器722执行以完成上述的控制无人机降落的方法。
150.在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的控制无人机降落的方法的代码部分。
151.以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
152.此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

技术特征：

1.一种控制无人机降落的方法，其特征在于，所述方法包括：获取无人机的预设降落位置信息；在所述无人机检测到设置在地面的第一预设标记图像后，确定所述第一预设标记图像对应的第一位置信息；在确定所述第一位置信息与所述预设降落位置信息匹配的情况下，获取所述无人机通过实时动态差分技术rtk确定的参考位置信息；根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置包括：根据所述参考位置信息确定目标降落范围；在所述第一位置信息在所述目标降落范围内的情况下，根据所述第一位置信息控制所述无人机降落至所述预设降落位置信息对应的位置；在所述第一位置信息在所述目标降落范围外的情况下，根据所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。3.根据权利要求2所述的方法，其特征在于，所述第一预设标记图像上覆盖多个第二预设标记图像和多个第三预设标记图像，所述第二预设标记图像小于所述第一预设标记图像，所述第三预设标记图像小于所述第二预设标记图像，所述第三预设标记图像覆盖在所述第一预设标记图像的预设位置，所述预设位置根据所述无人机采集所述第三预设标记图像的摄像装置在所述无人机上的位置确定；所述根据所述第一位置信息控制所述无人机降落至所述预设降落位置信息对应的位置包括：在根据所述第一位置信息控制所述无人机降落过程中，若检测到目标标记图像，则确定所述目标标记图像对应的第二位置信息，所述目标标记图像包括所述第二预设标记图像或者所述第三预设标记图像；根据所述第二位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。4.根据权利要求1所述的方法，其特征在于，所述确定所述第一预设标记图像对应的第一位置信息包括：将所述第一预设标记图像作为预先训练的边缘检测模型的输入，得到所述第一预设标记图像对应的外接矩形；根据所述外接矩形，确定所述第一预设标记图像对应的角点信息；根据所述角点信息，确定所述第一预设标记图像对应的位置信息。5.根据权利要求4所述的方法，其特征在于，所述根据所述外接矩形，确定所述第一预设标记图像对应的角点信息包括：将所述外接矩形和所述第一预设标记图像输入预先训练的角度确定模型，得到所述第一预设标记图像的中心轴与所述外接矩形的中心轴之间的偏离角度；根据所述偏离角度校正所述第一预设标记图像；将校正后的所述第一预设标记图像的顶点信息作为所述角点信息。6.根据权利要求4所述的方法，其特征在于，所述根据所述角点信息，确定所述第一预设标记图像对应的位置信息包括：
根据所述角点信息，确定所述第一预设标记图像对应的角点的角点顺序；根据所述角点顺序，对所述角点进行回归处理，得到所述第一预设标记图像对应的目标角点信息；根据所述目标角点信息，确定所述第一预设标记图像对应的位置信息。7.一种控制无人机降落的装置，其特征在于，所述装置包括：预设位置信息获取模块，用于获取无人机的预设降落位置信息；位置信息确定模块，用于在所述无人机检测到设置在地面的第一预设标记图像后，确定所述第一预设标记图像对应的第一位置信息；参考位置信息获取模块，用于在确定所述第一位置信息与所述预设降落位置信息匹配的情况下，获取所述无人机通过实时动态差分技术rtk确定的参考位置信息；降落控制模块，用于根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。8.根据权利要求7所述的装置，其特征在于，所述降落控制模块，具体用于：根据所述参考位置信息确定目标降落范围；在所述第一位置信息在所述目标降落范围内的情况下，根据所述第一位置信息控制所述无人机降落至所述预设降落位置信息对应的位置；在所述第一位置信息在所述目标降落范围外的情况下，根据所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。10.一种电子设备，其特征在于，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。

技术总结

本公开涉及一种控制无人机降落的方法、装置、存储介质及电子设备，该方法包括：获取无人机的预设降落位置信息；在无人机检测到设置在地面的第一预设标记图像后，确定所述第一预设标记图像对应的第一位置信息；在确定所述第一位置信息与所述预设降落位置信息匹配的情况下，获取所述无人机通过实时动态差分技术RTK确定的参考位置信息；根据所述第一位置信息和所述参考位置信息控制所述无人机降落至所述预设降落位置信息对应的位置。也就是说，本公开可以根据识别第一预设标记图像得到的第一位置信息和RTK确定的参考位置信息，控制无人机降落，这样，可以避免标记图像识别出现误差时导致的无人机降落异常的问题，从而可以提高无人机降落的成功率。无人机降落的成功率。无人机降落的成功率。