本发明涉及无人机技术和计算机视觉领域，尤其涉及一种无人机的归中方法、系统及存储介质。
背景技术：
1、在无人值守机库系统中，无人机完成飞行任务降落于机库平台后，会对无人机进行归中，最后关闭舱门。然而，无人机的降落位置和角度往往具有多样性。到位传感器往往无法确定无人机是否停放于归中杆所围成的不规则安全可停区域内。如果在不能完全确定无人机停放于归中杆所围成的安全可停区域内的情况下，执行归中杆归中无人机和关闭舱门的操作，可能发生归中杆误夹无人机或无人机被舱门夹住，从而导致归中杆、无人机、舱门等的损坏问题。
2、目前，最常见的方法是采用先进的目标检测算法、实例分割算法等视觉检测方法。然而在实际应用中，在摄像头固定的情况下，无人机与归中杆所围成的安全可停区域的接触面可能会被遮挡，图像中不能够直观地看出被检测物体与区域的位置关系，此时目标检测算法、实例分割算法等均无法直接检测出相对位置关系。
技术实现思路
1、本发明意在提供一种无人机的归中方法、系统及存储介质，以解决在目标检测算法、实例分割算法等均无法直接检测出相对位置关系的情况下,有效判断无人机是否位于归中杆所围成的不规则安全可停区域内、停放角度是否符合归中操作，提高无人值守机库系统的可靠性的问题。
2、为了实现上述目的，本发明提供如下方法：
3、本发明提供的一种无人机的归中方法是：
4、s1：采集无人机视频数据，选择无人机的特征部件进行标注，得到标签文件；
5、s2：根据所述标签文件生成部件区域掩膜，对所述部件区域掩膜未覆盖的区域进行赋值，生成部件目标框比值域；
6、s3：将所述标签文件和无人机接收的实时图像输入目标检测网络进行训练，输出得到预测的无人机部件目标框；
7、s4：筛选所述预测的无人机部件目标框，并计算平均面积比值；
8、s5：根据所述平均面积比值和所述部件目标框比值域，判断无人机是否位于归中杆所围成的安全可停区域和归中操作的角度范围，并决定是否进行无人机归中操作。
9、优选的，所述采集无人机视频数据，选择无人机的特征部件进行标注，得到标签文件的步骤，包括：选择所述采集的视频数据中的每一帧图像进行部件目标标注，得到所述标签文件，所述标签文件中一行代表一个部件目标框。
10、优选的，所述根据所述标签文件生成部件区域掩膜，对所述部件区域掩膜未覆盖的区域进行赋值的步骤，包括：根据所述标签文件生成n个与所述特征部件对应的所述部件区域掩模mask；对所述部件区域掩模mask中间未覆盖到的区域进行赋值为1。
11、优选的，所述根据所述标签文件生成n个与所述特征部件对应的所述部件区域掩模mask的步骤，包括：生成与所述图像相同尺寸大小的全零数组mask；依次遍历每个所述标签文件的每一行数据；判断所述标签文件每一行数据的class_id，并将元素进行选择性赋值；完成所有所述标签文件数据的遍历后，生成所述部件区域掩模mask。
12、优选的，所述对所述部件区域掩模mask中间未覆盖到的区域进行赋值为1的步骤，包括：从所述部件区域掩模mask中提取覆盖区域的外轮廓；根据提取的外轮廓面积进行排序；判断所述提取的外轮廓内是否存在小轮廓，并对外轮廓加工运算；将所述部件区域掩模mask中间未覆盖到的区域进行赋值为1。
13、优选的，所述生成部件目标框比值域的步骤，包括：依次遍历每个所述标签文件的每一行数据；若所述标签文件的所述class_id与预设的高宽比值域的部件所对应的类别编号不匹配，则不计算高宽比tanθ；若所述标签文件的所述class_id与预设的高宽比值域的部件所对应的类别编号匹配，则通过对应的所述部件目标框的高h、宽w计算高宽比tanθ；
14、
15、其中，θ代表部件目标框对角线与下框线形成的夹角；
16、将所有的所述高宽比tanθ的值通过列表保存，得到高宽比tanθ值列表；
17、完成所有所述标签文件的遍历后，得到所述高宽比tanθ值列表中所述高宽比tanθ最小值和最大值，形成每个部件目标框的所述高宽比值域。
18、优选的，所述筛选所述预测的无人机部件目标框，并计算平均面积比值的步骤，包括：计算n个所述预测的无人机部件目标框和对应的所述部件区域掩模mask的交集占所述预测的部件目标框的面积比值pi：
19、
20、再计算平均面积比值μ：
21、
22、优选的，所述根据所述平均面积比值和所述部件目标框比值域，判断无人机是否位于归中杆所围成的安全可停区域和归中操作的角度范围的步骤，包括：若μ的值等于1，则n个预测的所述部件目标框均位于对应所述部件区域mask的内部，则无人机位于归中杆所围成的安全可停区域；若μ的值不等于1，则至少1个所述部件目标框与对应所述部件区域mask相交或在对应所述部件区域mask外部，则无人机位于归中杆所围成的安全可停区域外；若所述预测的部件目标框的高宽比tanθ在预设的所述高宽比值域内，则无人机的停放角度符合归中操作的角度范围；若所述预测的部件目标框的高宽比tanθ在预设的所述高宽比值域外，则无人机的停放角度不符合归中操作的角度范围。
23、优选的，所述决定是否进行无人机归中操作的步骤，包括：若无人机停放在安全可停区域且符合归中操作的角度范围，则进行归中杆的无人机归中操作；若无人机未停放在安全可停区域或符合归中操作的角度范围，则中止归中杆的无人机归中操作并发出警告。
24、本发明提供的一种无人机的归中系统是：
25、采集模块：用于采集无人机停放在归中杆所围成的不规则安全可停区域内的边界上，且机头朝向符合归中操作的角度范围内移动无人机的视频数据；
26、标注模块：标注无人机的特征部件目标；
27、赋值模块：将所述部件区域掩模mask中间未覆盖到的区域进行赋值；
28、预测模块：将无人机接收的实时图像输入到训练好的网络，输出得到预测的无人机部件目标框；
29、计算模块：计算无人机部件目标框和对应的所述部件区域掩模mask的交集占所述预测的部件目标框的平均面积比值；
30、判断模块：判断无人机是否位于归中杆所围成的安全可停区域和归中操作的角度范围；
31、操作模块：对无人机进行进行归中操作。
32、本发明提供的一种无人机的归中系统还包括：
33、存储有可执行程序代码的存储器；
34、与所述存储器耦合的处理器；
35、所述处理器调用所述存储器中存储的所述可执行程序代码，执行所述的无人机的归中方法。
36、本发明提供的一种无人机的归中计算机存储介质是：
37、计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行所述的无人机的归中方法。
38、本发明的有益效果体现在：本发明结合目标检测网络、部件区域掩模mask、目标框的高宽比，检测无人机是否停放于归中杆所围成的不规则安全可停区域内、停放角度是否符合归中操作；提高无人值守机库系统的可靠性，为无人机、机库安全性多提供一重保障；将标签文件输入目标检测网络进行训练，将实时图像输入到训练好的网络，输出预测的无人机部件目标框；将标签文件输入目标检测网络进行训练，得到无人机部件目标检测模型；将实时图像预处理，输入到训练好的无人机部件目标检测模型，输出预测的无人机部件目标框；每个预测的无人机部件目标框包括坐标、属于每个类别的置信度，本发明提供的技术方案能够有效判断无人机是否位于归中杆所围成的不规则安全可停区域内，提高无人值守系统的可靠性。
1.一种无人机的归中方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种无人机的归中方法，其特征在于，所述采集无人机视频数据，选择无人机的特征部件进行标注，得到标签文件的步骤，包括：
3.根据权利要求2所述的一种无人机的归中方法，其特征在于，所述根据所述标签文件生成部件区域掩膜，对所述部件区域掩膜未覆盖的区域进行赋值的步骤，包括：
4.根据权利要求3所述的一种无人机的归中方法，其特征在于，所述根据所述标签文件生成n个与所述特征部件对应的所述部件区域掩模mask的步骤，包括：
5.根据权利要求3所述的一种无人机的归中方法，其特征在于，所述对所述部件区域掩模mask中间未覆盖到的区域进行赋值为1的步骤，包括：
6.根据权利要求4所述的一种无人机的归中方法，其特征在于，所述生成部件目标框比值域的步骤，包括：
7.根据权利要求6所述的一种无人机的归中方法，其特征在于，所述筛选所述预测的无人机部件目标框，并计算平均面积比值的步骤，包括：
8.根据权利要求7所述的一种无人机的归中方法，其特征在于，所述根据所述平均面积比值和所述部件目标框比值域，判断无人机是否位于归中杆所围成的安全可停区域和归中操作的角度范围的步骤，包括：
9.根据权利要求8所述的一种无人机的归中方法，其特征在于，所述决定是否进行无人机归中操作的步骤，包括：
10.一种无人机的归中系统，其特征在于，所述系统包括：
11.根据权利要求10所述的一种无人机的归中系统，其特征在于，所述系统还包括：
12.一种无人机的归中计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-9任一项所述的无人机的归中方法。
