无人机控制方法、装置、计算机设备、存储介质和计算机程序产品与流程

本技术涉及计算机，特别是涉及一种无人机控制方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、在当今社会，无人机的应用越来越广泛，例如灾害救援、环境监测等领域。在这些应用中，进行无人机控制显得及其重要。

2、传统技术中，在进行无人机控制时，一般通过使用单一传感器进行信息采集；但是，通过单一传感器的方式采集到的信息比较片面，导致无人机的控制准确率较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高无人机的控制准确率的无人机控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种无人机控制方法，包括：

3、获取与待控制无人机关联的多源异构传感数据；所述多源异构传感数据至少包括所述待控制无人机的环境拍摄图像，以及所述待控制无人机的跟踪对象对应的定位信息；

4、根据所述多源异构传感数据，确定所述待控制无人机对应的数据分析结果；所述数据分析结果至少包括环境映射结果和目标定位结果；

5、对所述数据分析结果进行特征提取处理，得到所述数据分析结果对应的特征向量；

6、将所述数据分析结果对应的特征向量输入至预先训练的无人机指令预测模型，得到所述待控制无人机对应的控制指令；

7、根据所述控制指令，对所述待控制无人机进行控制。

8、在其中一个实施例中，所述获取与待控制无人机关联的多源异构传感数据，包括：

9、响应于第一目标确定指令，确定所述第一目标确定指令对应的无人机，作为待控制无人机，以及响应于第二目标确定指令，确定所述第二目标确定指令对应的对象，作为所述待控制无人机的跟踪对象；

10、获取所述待控制无人机的无人机标识，以及获取所述待控制无人机的跟踪对象对应的对象标识；

11、获取与所述无人机标识对应的环境拍摄图像，作为所述待控制无人机的环境拍摄图像，以及获取与所述对象标识对应的定位信息，作为所述待控制无人机的跟踪对象对应的定位信息；

12、将所述待控制无人机的环境拍摄图像和所述待控制无人机的跟踪对象对应的定位信息，均作为与所述待控制无人机关联的多源异构传感数据。

13、在其中一个实施例中，所述根据所述多源异构传感数据，确定所述待控制无人机对应的数据分析结果，包括：

14、提取出所述多源异构传感数据中的关键多源异构传感数据；

15、对所述关键多源异构传感数据进行预处理，得到预处理后关键多源异构传感数据；

16、将所述预处理后关键多源异构传感数据，输入至与所述预处理后关键多源异构传感数据对应的数据分析模型，得到所述预处理后关键多源异构传感数据对应的数据分析结果，作为所述待控制无人机对应的数据分析结果。

17、在其中一个实施例中，所述对所述数据分析结果进行特征提取处理，得到所述数据分析结果对应的特征向量，包括：

18、识别出所述数据分析结果的结果类型；

19、根据结果类型与特征提取模型之间的对应关系，得到所述数据分析结果的结果类型对应的当前特征提取模型和历史特征提取模型，作为所述数据分析结果对应的当前特征提取模型和历史特征提取模型；

20、将所述数据分析结果输入至所述数据分析结果对应的当前特征提取模型，得到所述数据分析结果对应的第一特征向量，以及将所述数据分析结果输入至所述数据分析结果对应的历史特征提取模型，得到所述数据分析结果对应的第二特征向量；

21、将所述第一特征向量和所述第二特征向量进行融合处理，得到所述数据分析结果对应的特征向量。

22、在其中一个实施例中，所述将所述数据分析结果对应的特征向量输入至预先训练的无人机指令预测模型，得到所述待控制无人机对应的控制指令，包括：

23、通过所述预先训练的无人机指令预测模型，确定所述数据分析结果对应的特征向量与各个历史数据分析结果对应的特征向量之间的欧式距离，作为所述数据分析结果与各个所述历史数据分析结果之间的相似度；

24、从各个所述历史数据分析结果中，筛选出所述相似度最大的历史数据分析结果，作为与所述数据分析结果相似的目标数据分析结果；

25、将所述目标数据分析结果对应的控制指令，作为所述待控制无人机对应的控制指令。

26、在其中一个实施例中，所述预先训练的无人机指令预测模型，通过下述方式训练得到：

27、获取与样本无人机关联的样本多源异构传感数据；所述样本多源异构传感数据至少包括所述样本无人机的样本环境拍摄图像，以及所述样本无人机的样本跟踪对象对应的样本定位信息；

28、根据所述样本多源异构传感数据，确定所述样本无人机对应的样本数据分析结果；所述样本数据分析结果至少包括样本环境映射结果和样本目标定位结果；

29、对所述样本数据分析结果进行特征提取处理，得到所述样本数据分析结果对应的特征向量；

30、将所述样本数据分析结果对应的特征向量输入至待训练的无人机指令预测模型，得到所述样本无人机对应的预测控制指令；

31、根据所述样本无人机对应的预测控制指令与实际控制指令之间的差异，对所述待训练的无人机指令预测模型进行迭代训练，得到所述预先训练的无人机指令预测模型。

32、第二方面，本技术还提供了一种无人机控制装置，包括：

33、数据获取模块，用于获取与待控制无人机关联的多源异构传感数据；所述多源异构传感数据至少包括所述待控制无人机的环境拍摄图像，以及所述待控制无人机的跟踪对象对应的定位信息；

34、结果确定模块，用于根据所述多源异构传感数据，确定所述待控制无人机对应的数据分析结果；所述数据分析结果至少包括环境映射结果和目标定位结果；

35、特征提取模块，用于对所述数据分析结果进行特征提取处理，得到所述数据分析结果对应的特征向量；

36、模型预测模块，用于将所述数据分析结果对应的特征向量输入至预先训练的无人机指令预测模型，得到所述待控制无人机对应的控制指令；

37、指令控制模块，用于根据所述控制指令，对所述待控制无人机进行控制。

38、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

39、获取与待控制无人机关联的多源异构传感数据；所述多源异构传感数据至少包括所述待控制无人机的环境拍摄图像，以及所述待控制无人机的跟踪对象对应的定位信息；

40、根据所述多源异构传感数据，确定所述待控制无人机对应的数据分析结果；所述数据分析结果至少包括环境映射结果和目标定位结果；

41、对所述数据分析结果进行特征提取处理，得到所述数据分析结果对应的特征向量；

42、将所述数据分析结果对应的特征向量输入至预先训练的无人机指令预测模型，得到所述待控制无人机对应的控制指令；

43、根据所述控制指令，对所述待控制无人机进行控制。

44、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

45、获取与待控制无人机关联的多源异构传感数据；所述多源异构传感数据至少包括所述待控制无人机的环境拍摄图像，以及所述待控制无人机的跟踪对象对应的定位信息；

46、根据所述多源异构传感数据，确定所述待控制无人机对应的数据分析结果；所述数据分析结果至少包括环境映射结果和目标定位结果；

47、对所述数据分析结果进行特征提取处理，得到所述数据分析结果对应的特征向量；

48、将所述数据分析结果对应的特征向量输入至预先训练的无人机指令预测模型，得到所述待控制无人机对应的控制指令；

49、根据所述控制指令，对所述待控制无人机进行控制。

50、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

51、获取与待控制无人机关联的多源异构传感数据；所述多源异构传感数据至少包括所述待控制无人机的环境拍摄图像，以及所述待控制无人机的跟踪对象对应的定位信息；

52、根据所述多源异构传感数据，确定所述待控制无人机对应的数据分析结果；所述数据分析结果至少包括环境映射结果和目标定位结果；

53、对所述数据分析结果进行特征提取处理，得到所述数据分析结果对应的特征向量；

54、将所述数据分析结果对应的特征向量输入至预先训练的无人机指令预测模型，得到所述待控制无人机对应的控制指令；

55、根据所述控制指令，对所述待控制无人机进行控制。

56、上述无人机控制方法、装置、计算机设备、存储介质和计算机程序产品，先获取与待控制无人机关联的多源异构传感数据，再根据多源异构传感数据，确定待控制无人机对应的数据分析结果，接着，对数据分析结果进行特征提取处理，得到数据分析结果对应的特征向量，然后，将数据分析结果对应的特征向量输入至预先训练的无人机指令预测模型，得到待控制无人机对应的控制指令，最后，根据控制指令，对待控制无人机进行控制。这样，在进行无人机控制时，通过获取多源异构传感数据，并进行数据分析和特征提取，以及通过无人机指令预测模型，从而使得待控制无人机对应的控制指令更加准确，有利于提高无人机的控制准确率；而且，该方法通过使用多种传感器进行信息采集，避免了通过单一传感器的方式采集到的信息比较片面，导致无人机的控制准确率较低的缺陷，进而提高了无人机的控制准确率。