無人機降落控制方法及裝置與流程

本公開涉及無人機領域，尤其涉及一種無人機自動降落控制方法及裝置。

背景技術：

隨著科技的發展，無人機的應用越來越廣泛。在現有的技術產品中，無人機在降落時，都要人為來操作，利用遙控器操作以完成無人機的降落過程。降落的準確度和速度都難以保證。

技術實現要素：

有鑒于此，本公開提出了一種無人機降落控制方法及裝置，以控制無人機快速、準確的實現自動降落。

根據本公開的一方面，提供了一種無人機降落控制方法，包括：獲取目的地對應的第一圖像以及所述目的地的預測坐標范圍；獲取覆蓋所述預測坐標范圍的多個待選圖像，并根據類別信息在所述待選圖像中確定多個待選區域；根據所述第一圖像確定各所述待選區域的匹配度；將匹配度最高的待選區域確定為待降落區域；根據所述待降落區域的坐標對無人機進行降落控制。

在一種可能的實現方式中，所述根據類別信息在所述待選圖像中確定多個待選區域，包括：將所述待選圖像劃分為多個網格；根據所述類別信息確定所述待選圖像中的第一網格；根據所述第一網格確定多個待選區域，其中，各所述待選區域覆蓋所述第一網格，且各所述待選區域包含多個具有相同類別信息的網格。

在一種可能的實現方式中，所述根據所述類別信息確定所述待選圖像中的第一網格，包括：根據所述類別信息對所述多個網格進行分類；根據具有相同類別信息的各網格確定目標中心；將包含所述目標中心的網格確定為第一網格。

在一種可能的實現方式中，根據所述第一圖像確定所述待選區域的匹配度，包括：根據所述待選區域的類別信息，以及所述待選區域與所述第一圖像的重疊率，確定所述待選區域的匹配度。

在一種可能的實現方式中，所述根據所述待選區域的類別信息，以及所述待選區域與所述第一圖像的重疊率，確定所述待選區域的匹配度，包括：

采用式1確定第i個待選區域A_i的匹配度M_i；

M_i＝P(C_j|A_i)×P(A_i)×S_i 式1；

其中，P(A_i)表示所述第i個待選區域的類別信息與所述第一圖像的類別信息相同的置信度，P(C_jA_i)表示所述第i個待選區域的類別信息與第j個類別信息C_j相同的置信度，S_i表示所述第i個待選區域與所述第一圖像的重疊率。

根據本公開的另一方面，提供了一種無人機降落控制裝置，包括：目的地信息獲取模塊用于獲取目的地對應的第一圖像以及所述目的地的預測坐標范圍；待選區域確定模塊用于獲取覆蓋所述預測坐標范圍的多個待選圖像，并根據類別信息在所述待選圖像中確定多個待選區域；匹配度確定模塊用于根據所述第一圖像確定各所述待選區域的匹配度；待降落區域確定模塊用于將匹配度最高的待選區域確定為待降落區域；降落控制模塊用于根據所述待降落區域的坐標對無人機進行降落控制。

在一種可能的實現方式中，所述待選區域確定模塊包括：網格劃分子模塊用于將所述待選圖像劃分為多個網格；第一網格確定子模塊用于根據所述類別信息確定所述待選圖像中的第一網格；待選區域確定子模塊用于根據所述第一網格確定多個待選區域，其中，各所述待選區域覆蓋所述第一網格，且各所述待選區域包含多個具有相同類別信息的網格。

在一種可能的實現方式中，所述第一網格確定子模塊包括：網格分類子模塊用于根據所述類別信息對所述多個網格進行分類；目標中心確定子模塊用于根據具有相同類別信息的各網格確定目標中心；第一確定子模塊用于將包含所述目標中心的網格確定為第一網格。

在一種可能的實現方式中，所述匹配度確定模塊用于：根據所述待選區域的類別信息，以及所述待選區域與所述第一圖像的重疊率，確定所述待選區域的匹配度。

在一種可能的實現方式中，所述匹配度確定模塊用于：

采用式1確定第i個待選區域A_i的匹配度M_i；

M_i＝P(C_j|A_i)×P(A_i)×S_i 式1；

其中，P(A_i)表示所述第i個待選區域的類別信息與所述第一圖像的類別信息相同的置信度，P(C_jA_i)表示所述第i個待選區域的類別信息與第j個類別信息C_j相同的置信度，S_i表示所述第i個待選區域與所述第一圖像的重疊率。

根據本公開的另一方面，提供了一種非易失性計算機可讀存儲介質，當所述存儲介質中的指令由終端和/或服務器的處理器執行時，使得終端和/或服務器能夠執行一種無人機降落控制方法，所述方法包括：獲取目的地對應的第一圖像以及所述目的地的預測坐標范圍；獲取覆蓋所述預測坐標范圍的多個待選圖像，并根據類別信息在所述待選圖像中確定多個待選區域；根據所述第一圖像確定各所述待選區域的匹配度；將匹配度最高的待選區域確定為待降落區域；根據所述待降落區域的坐標對無人機進行降落控制。

通過本公開實施例所提供的無人機降落控制方法及裝置，對待選圖像的進行目標識別檢測，確定無人機的降落位置，而后控制無人機自動降落，無須人為干預，將人工智能技術應用于無人機領域。在降低無人機操作門檻，給用戶提供了便利的同時，提高了無人機降落的速度和準確率。

根據下面參考附圖對示例性實施例的詳細說明，本公開的其它特征及方面將變得清楚。

附圖說明

包含在說明書中并且構成說明書的一部分的附圖與說明書一起示出了本公開的示例性實施例、特征和方面，并且用于解釋本公開的原理。

圖1示出根據本公開一實施例的無人機降落控制方法的流程圖；

圖2示出根據本公開一實施例的無人機降落控制方法步驟12中根據類別信息在待選圖像中確定多個待選區域的一示例性的流程圖；

圖3示出根據本公開一實施例的無人機降落控制方法步驟22的一示例性的流程圖；

圖4示出根據本公開一實施例的無人機降落控制方法中待降落區域確定過程的示意圖；

圖5示出本公開一實施例的無人機降落控制方法中深度神經網絡結構的示意圖；

圖6a、6b、6c示出本公開一實施例的控制無人機降落的示例的示意圖；

圖7示出本公開一實施例的無人機降落控制裝置的結構圖；

圖8示出本公開一實施例的無人機降落控制裝置的一示例性的結構圖；

圖9是根據一示例性實施例示出的一種用于無人機降落控制的裝置的框圖。

具體實施方式

以下將參考附圖詳細說明本公開的各種示例性實施例、特征和方面。附圖中相同的附圖標記表示功能相同或相似的元件。盡管在附圖中示出了實施例的各種方面，但是除非特別指出，不必按比例繪制附圖。

在這里專用的詞“示例性”意為“用作例子、實施例或說明性”。這里作為“示例性”所說明的任何實施例不必解釋為優于或好于其它實施例。

另外，為了更好的說明本公開，在下文的具體實施方式中給出了眾多的具體細節。本領域技術人員應當理解，沒有某些具體細節，本公開同樣可以實施。在一些實例中，對于本領域技術人員熟知的方法、手段、元件和電路未作詳細描述，以便于凸顯本公開的主旨。

實施例1

圖1示出根據本公開一實施例的無人機降落控制方法的流程圖。該方法可以應用于地面站中，也可以應用于無人機中，在此不作限定。其中，地面站可以與無人機進行無線通信，以對無人機進行降落控制。如圖1所示，該方法可以包括步驟11至步驟15。

在步驟11中，獲取目的地對應的第一圖像以及所述目的地的預測坐標范圍。

其中，目的地對應的第一圖像可以為預先對目的地進行拍照獲得的圖像，或者可以為具有目的地的圖形特征的圖像，在此不作限定。例如，如圖6a所示，目的地為物體W，則目的地對應的第一圖像可以為預先對物體W拍照獲得的圖像，或者可以為具有物體W的圖形特征(4個同心圓)的圖像。

通過獲取目的地的預測坐標范圍，可以在需要控制無人機降落時，控制無人機飛行至目的地的預測坐標范圍，并可以控制無人機根據目的地的預測坐標范圍進行圖像采集，即控制無人機采集覆蓋預測坐標范圍的多個待選圖像，由此使圖像的采集范圍覆蓋目的地的預測坐標范圍，從而使所采集的待選圖像中包含目的地。

在步驟12中，獲取覆蓋所述預測坐標范圍的多個待選圖像，并根據類別信息在所述待選圖像中確定多個待選區域。

在本實施例中，無人機可以具有攝像裝置。在獲取目的地的預測坐標范圍后，可以控制無人機通過攝像裝置獲得覆蓋目的地的預測坐標范圍的多個待選圖像。類別信息(categories)可以用于描述圖像的特征，類別信息的種類可以根據檢測需求進行設定。

在步驟13中，根據所述第一圖像確定各所述待選區域的匹配度。

在本實施例中，匹配度表示待選區域與第一圖像匹配的程度。某一待選區域的匹配度越高，則該待選區域包含目的地的可能性越大。

在步驟14中，將匹配度最高的待選區域確定為待降落區域。

作為本實施例的一個示例，可以根據設置的第一閾值，以及各待選區域的匹配度，對獲得的多個待選區域進行第一次篩選，刪除匹配度小于第一閾值的待選區域。通過第一次篩選，可以去除類別信息與第一圖像的類別信息不同的待選區域，并去除與第一圖像匹配程度較低的待選區域，進而獲得類別信息與第一圖像的類別信息相同且匹配度大于或等于第一閾值的至少一個待選區域。而后，可以采用NMS(Non-maximum suppression，非極大值抑制)等方法，對獲得的類別信息與第一圖像的類別信息相同且匹配度大于或等于第一閾值的至少一個待選區域進行第二次篩選處理，獲得匹配度最高的待選區域，并將其確定為待降落區域，例如圖4中d所示的區域H3的匹配度最高，則將區域H3確定為待降落區域。

在其他示例中，可以通過一次篩選直接將匹配度最高的待選區域確定為待降落區域，在此不作限定。

在步驟15中，根據所述待降落區域的坐標對無人機進行降落控制。

在本實施例中，根據待降落區域所屬的待選圖像的位置信息以及待降落區域在該待選圖像中的位置信息確定無人機在待降落區域降落的降落坐標，進而控制無人機在該降落坐標上自動降落。其中，降落坐標可以根據待降落區域的目標中心的位置信息確定，例如，降落坐標可以為目標中心的坐標。

圖2示出根據本公開一實施例的無人機降落控制方法步驟12中根據類別信息在待選圖像中確定多個待選區域的一示例性的流程圖。如圖2所示，所述根據類別信息在所述待選圖像中確定多個待選區域，可以包括步驟21至步驟23。

在步驟21中，將所述待選圖像劃分為多個網格。

作為本實施例的一個示例，在對待選圖像進行網格劃分之前，可以將各待選圖像縮放至相同尺寸大小，例如將待選圖像的分辨率縮放為448×448。在將各待選圖像縮放后，可以將待選圖像劃分為S×S個網格(grid cell)，例如圖4中a所示將圖像劃分為7×7個網格。S的數值本公開不予限制，可根據實際檢測需求進行設置。

在步驟22中，根據所述類別信息確定所述待選圖像中的第一網格。

在步驟23中，根據所述第一網格確定多個待選區域，其中，各所述待選區域覆蓋所述第一網格，且各所述待選區域包含多個具有相同類別信息的網格。

作為本實施例的一個示例，通過預測每個網格中的圖像屬于各種類別信息概率，可以確定每個網格的類別信息。類別信息的種類數量可以根據檢測需求進行設定，例如為種類數量C為20個。其中，C的具體數值本公開不予限制，可以根據實際檢測需求進行確定。

作為本實施例的一個示例，可以根據第一網格和多個具有相同類別信息的網格確定一個待選區域，例如圖4中c所示的邊界框A_a(bounding box)即為一個待選區域。待選區域可以為矩形、不規則多邊形等形狀的區域。待選區域可以包括多個具有相同類別信息的網格。又因待選區域形狀的限制，待選區域還可以包括一定比例的與第一網格的類別信息不同的網格。

作為本實施例的一個示例，每個第一網格可以預測B個待選區域，并可以確定每個待選區域的位置信息(x,y,w,h)和置信評分(confidence)。其中，x可以表示目標中心的橫坐標相對于待選圖像的左上角點的橫坐標的偏移，例如，待選圖像左上角的坐標為(0,0)，待選圖像的右下角點的坐標為(1,1)，目標中心在待選圖像的中心，則x為0.5；y可以表示目標中心的縱坐標相對于待選圖像的左上角點的縱坐標的偏移，例如，待選圖像左上角的坐標為(0,0)，待選圖像的右下角點的坐標為(1,1)，目標中心在待選圖像的中心，則y為0.5；w可以表示待選區域的寬，例如，w可以為待選區域的寬與待選區域所屬的待選圖像的寬的比值；h可以表示待選區域的高，例如，可以為待選區域的高與待選區域所屬的待選圖像的高的比值；置信評分可以為P(A_i)×S_i。其中，B的具體數值本公開不予限制，可以根據實際檢測需求進行確定。

作為本實施例的一個示例，對每個待選圖像可以預測出的表示每個網格的類別信息與各種類的類別信息相同的置信度，可以用包括S×S×(5×B+C)個單元的張量完成置信度預測，該張量可以為一個維度為S×S×(5×B+C)的矩陣；其中，S×S為待選圖像劃分的網格數量，C為類別信息的種類的數值，B為每個第一網格所預測的待選區域的個數。例如：某網格的類別信息與第三類別信息(C個類別信息中的一種)相同的置信度即可從張量中確定。

圖3示出根據本公開一實施例的無人機降落控制方法步驟22的一示例性的流程圖。如圖3所示，所述根據所述類別信息確定所述待選圖像中的第一網格，可以包括步驟31至步驟33。

在步驟31中，根據所述類別信息對所述多個網格進行分類。

在步驟32中，根據具有相同類別信息的各網格確定目標中心。

在步驟33中，將包含所述目標中心的網格確定為第一網格。

在本實施例中，在確定多個網格包含相同類別信息的情況下，可以根據多個具有相同類別信息的網格確定目標中心的位置，并將目標中心所在的網格確定為第一網格，例如：圖4中b圖左側H1區域的多個網格類別信息相同，則可以根據左側H1區域的多個網格確定目標中心的位置，并確定目標中心所在網格G1為H1區域的第一網格；同樣，圖4中b圖右側H2區域的多個網格類別信息相同，則可以根據右側H2區域的多個網格確定目標中心的位置，并確定目標中心所在網格G2為H2區域的第一網格。

在本實施例中，以深度神經網絡為基礎，實現步驟12至步驟14中待降落區域的確定過程。例如采用YOLO(You Only Look Once)進行目標檢測識別。

在一種可能的實現方式中，根據所述第一圖像確定所述待選區域的匹配度，包括：根據所述待選區域的類別信息，以及所述待選區域與所述第一圖像的重疊率，確定所述待選區域的匹配度。

在一種可能的實現方式中，所述根據所述待選區域的類別信息，以及所述待選區域與所述第一圖像的重疊率，確定所述待選區域的匹配度，包括：

采用式1確定第i個待選區域A_i的匹配度M_i；

M_i＝P(C_j|A_i)×P(A_i)×S_i 式1；

其中，P(A_i)表示所述第i個待選區域的類別信息與所述第一圖像的類別信息相同的置信度，P(C_jA_i)表示第i個待選區域的類別信息與第j個類別信息C_j相同的置信度，S_i表示所述第i個待選區域與所述第一圖像的重疊率。

作為本實施例的一個示例，在第i個待選區域的類別信息與第一圖像的類別信息不同的情況下，P(A_i)為0；在第i個待選區域的類別信息與第一圖像的類別信息相同的情況下，P(A_i)為1。也即，在第i個待選區域的類別信息與第一圖像的類別信息不同的情況下，第i個待選區域的匹配度M_i為0。其中，第i個待選區域的類別信息與第i個待選區域中的第一網格的類別信息相同。

作為本實施例的一個示例，第i個待選區域與所述第一圖像的重疊率S_i可以通過式3進行計算：

其中，D₁為第一圖像的面積，D_i為第i個待選區域的面積，N_i為第一圖像與第i個待選區域的重疊區域的面積。

作為本實施例的一個示例，由于待選區域根據第一網格確定，待選區域中網格的類別信息，大部分與第一網格的類別信息相同，因此，可以將待選區域中目標中心所在的第一網格的類別信息，作為該待選區域的類別信息。則在式1中，第i個待選區域的類別信息與第j個類別信息C_j相同的置信度P(C_jA_i)可以根據張量中記載的第i個待選區域的第一網格的類別信息與第j個類別信息C_j相同的置信度確定。例如，若第i個待選區域的第一網格的類別信息為第j個類別信息C_j，則第i個待選區域的第一網格的類別信息與第j個類別信息C_j相同的置信度為1；若第i個待選區域的第一網格的類別信息不為第j個類別信息C_j，則第i個待選區域的第一網格的類別信息與第j個類別信息C_j相同的置信度為0。

圖5示出本公開一實施例的無人機降落控制方法中深度神經網絡結構的示意圖，如圖5所示，該深度神經網絡包括多個卷積層、多個池化層一個全連接層，在一個示例中，在PASCAL VOC(一種圖片數據集)中，待選圖像輸入為448x448，取S＝7，B＝2，共有20個類別(C＝20)。待選圖像經過該深度神經網絡處理輸出維度為7×7×30的一個張量(tensor)。張量可以記載待選圖像各網格的類別信息與各類別信息相同的置信度。例如，網格A的類別信息為第k個類別信息，則網格A的類別信息與第k個類別信息相同的置信度為1，網格A與其他類別信息相同的置信度為0。

需要說明的是，利用例如NVIDIA Tegra X1等高性能計算芯片，利用GPU(Graphics Processing Unit，圖形處理器)對于圖像處理的優勢，可以使目標檢測識別達到30幀每秒的實時級別，顯著提高無人機降落的速度。

圖6a、6b、6c示出本公開一實施例的控制無人機降落的示例的示意圖，如圖6a、6b、6c所示，控制無人機降落的過程可以包括：

采用上述無人機降落控制方法在目的地的預測坐標范圍內獲取多個待選圖像；根據目的地對應的第一圖像，采用深度神經網格方法對各待選圖像進行目標檢測識別，在各待選圖像中確定與第一圖像最為匹配的待降落區域，例如圖6a中區域F1，區域F1中的物體W與第一圖像中的物體最為匹配，則將區域F1確定為待降落區域；根據區域F1所屬的待選圖像的位置信息以及區域F1在該待選圖像中的位置信息確定無人機在區域F1降落的降落坐標，而后，控制無人機降落在降落坐標上，降落坐標可以為區域F1的中心位置的坐標。例如圖6b、6c所示，無人機降落在物體W上。

需要說明的是，盡管以實施例1作為示例介紹了無人機降落控制方法示例如上，但本領域技術人員能夠理解，本公開應不限于此。事實上，用戶完全可根據個人喜好和/或實際應用場景靈活設定各步驟，只要符合本公開的技術方案即可。

通過本公開實施例所提供的無人機降落控制方法，利用深度神經網絡對待選圖像的進行目標識別檢測，確定無人機的降落位置，而后控制無人機自動降落，無須人為干預，將人工智能技術應用于無人機領域。在降低無人機操作門檻，給用戶提供了便利的同時，提高了無人機降落的速度和準確率。

實施例2

圖7示出本公開一實施例的無人機降落控制裝置的結構圖，如圖7所示，該無人機降落控制裝置包括：目的地信息獲取模塊100，用于獲取目的地對應的第一圖像以及所述目的地的預測坐標范圍。待選區域獲取模塊200，用于獲取覆蓋所述預測坐標范圍的多個待選圖像，并根據類別信息在所述待選圖像中確定多個待選區域。匹配度確定模塊300，用于根據所述第一圖像確定各所述待選區域的匹配度。待降落區域確定模塊400，用于將匹配度最高的待選區域確定為待降落區域。降落控制模塊500，用于根據所述待降落區域的坐標對無人機進行降落控制。

圖8示出本公開一實施例的無人機降落控制裝置的一示例性的結構圖。

在一種可能的實現方式中，如圖8所示，所述待選區域獲取模塊200包括：網格劃分子模塊201，用于將所述待選圖像劃分為多個網格。第一網格確定子模塊202，用于根據所述類別信息確定所述待選圖像中的第一網格。待選區域確定子模塊203，用于根據所述第一網格確定多個待選區域，其中，各所述待選區域覆蓋所述第一網格，且各所述待選區域包含多個具有相同類別信息的網格。

在一種可能的實現方式中，所述第一網格確定子模塊202包括：網格分類子模塊，用于根據所述類別信息對所述多個網格進行分類；目標中心確定子模塊，用于根據具有相同類別信息的各網格確定目標中心；第一網格確定子模塊，用于將包含所述目標中心的網格確定為第一網格。

在一種可能的實現方式中，所述匹配度確定模塊300，用于根據所述待選區域的類別信息，以及所述待選區域與所述第一圖像的重疊率，確定所述待選區域的匹配度。

在一種可能的實現方式中，所述匹配度確定模塊300采用上述式1確定第i個待選區域A_i的匹配度M_i；

M_i＝P(C_j|A_i)×P(A_i)×S_i 式1；

其中，P(A_i)表示所述第i個待選區域的類別信息與所述第一圖像的類別信息相同的置信度，P(C_jA_i)表示所述第i個待選區域的類別信息與第j個類別信息C_j相同的置信度，S_i表示所述第i個待選區域與所述第一圖像的重疊率。

需要說明的是，盡管以實施例2作為示例介紹了無人機降落控制裝置如上，但本領域技術人員能夠理解，本公開應不限于此。事實上，用戶完全可根據個人喜好和/或實際應用場景靈活設定各模塊，只要符合本公開的技術方案即可。

通過本公開實施例所提供的無人機降落控制裝置，利用深度神經網絡對待選圖像的進行目標識別檢測，確定無人機的降落位置，而后控制無人機自動降落，無須人為干預，將人工智能技術應用于無人機領域。在降低無人機操作門檻，給用戶提供了便利的同時，提高了無人機降落的速度和準確率。

實施例3

圖9是根據一示例性實施例示出的一種用于無人機降落控制的裝置800的框圖。例如，裝置800可以是移動電話，計算機，數字廣播終端，消息收發設備，游戲控制臺，平板設備，醫療設備，健身設備，個人數字助理等。

參照圖9，裝置800可以包括以下一個或多個組件：處理組件802，存儲器804，電源組件806，多媒體組件808，音頻組件810，輸入/輸出(I/O)的接口812，傳感器組件814，以及通信組件816。

處理組件802通常控制裝置800的整體操作，諸如與顯示，電話呼叫，數據通信，相機操作和記錄操作相關聯的操作。處理組件802可以包括一個或多個處理器820來執行指令，以完成上述的方法的全部或部分步驟。此外，處理組件802可以包括一個或多個模塊，便于處理組件802和其他組件之間的交互。例如，處理組件802可以包括多媒體模塊，以方便多媒體組件808和處理組件802之間的交互。

存儲器804被配置為存儲各種類型的數據以支持在裝置800的操作。這些數據的示例包括用于在裝置800上操作的任何應用程序或方法的指令，聯系人數據，電話簿數據，消息，圖片，視頻等。存儲器804可以由任何類型的易失性或非易失性存儲設備或者它們的組合實現，如靜態隨機存取存儲器(SRAM)，電可擦除可編程只讀存儲器(EEPROM)，可擦除可編程只讀存儲器(EPROM)，可編程只讀存儲器(PROM)，只讀存儲器(ROM)，磁存儲器，快閃存儲器，磁盤或光盤。

電源組件806為裝置800的各種組件提供電力。電源組件806可以包括電源管理系統，一個或多個電源，及其他與為裝置800生成、管理和分配電力相關聯的組件。

多媒體組件808包括在所述裝置800和用戶之間的提供一個輸出接口的屏幕。在一些實施例中，屏幕可以包括液晶顯示器(LCD)和觸摸面板(TP)。如果屏幕包括觸摸面板，屏幕可以被實現為觸摸屏，以接收來自用戶的輸入信號。觸摸面板包括一個或多個觸摸傳感器以感測觸摸、滑動和觸摸面板上的手勢。所述觸摸傳感器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。在一些實施例中，多媒體組件808包括一個前置攝像頭和/或后置攝像頭。當裝置800處于操作模式，如拍攝模式或視頻模式時，前置攝像頭和/或后置攝像頭可以接收外部的多媒體數據。每個前置攝像頭和后置攝像頭可以是一個固定的光學透鏡系統或具有焦距和光學變焦能力。

音頻組件810被配置為輸出和/或輸入音頻信號。例如，音頻組件810包括一個麥克風(MIC)，當裝置800處于操作模式，如呼叫模式、記錄模式和語音識別模式時，麥克風被配置為接收外部音頻信號。所接收的音頻信號可以被進一步存儲在存儲器804或經由通信組件816發送。在一些實施例中，音頻組件810還包括一個揚聲器，用于輸出音頻信號。

I/O接口812為處理組件802和外圍接口模塊之間提供接口，上述外圍接口模塊可以是鍵盤，點擊輪，按鈕等。這些按鈕可包括但不限于：主頁按鈕、音量按鈕、啟動按鈕和鎖定按鈕。

傳感器組件814包括一個或多個傳感器，用于為裝置800提供各個方面的狀態評估。例如，傳感器組件814可以檢測到裝置800的打開/關閉狀態，組件的相對定位，例如所述組件為裝置800的顯示器和小鍵盤，傳感器組件814還可以檢測裝置800或裝置800一個組件的位置改變，用戶與裝置800接觸的存在或不存在，裝置800方位或加速/減速和裝置800的溫度變化。傳感器組件814可以包括接近傳感器，被配置用來在沒有任何的物理接觸時檢測附近物體的存在。傳感器組件814還可以包括光傳感器，如CMOS或CCD圖像傳感器，用于在成像應用中使用。在一些實施例中，該傳感器組件814還可以包括加速度傳感器，陀螺儀傳感器，磁傳感器，壓力傳感器或溫度傳感器。

通信組件816被配置為便于裝置800和其他設備之間有線或無線方式的通信。裝置800可以接入基于通信標準的無線網絡，如WiFi，2G或3G，或它們的組合。在一個示例性實施例中，通信組件816經由廣播信道接收來自外部廣播管理系統的廣播信號或廣播相關信息。在一個示例性實施例中，所述通信組件816還包括近場通信(NFC)模塊，以促進短程通信。例如，在NFC模塊可基于射頻識別(RFID)技術，紅外數據協會(IrDA)技術，超寬帶(UWB)技術，藍牙(BT)技術和其他技術來實現。

在示例性實施例中，裝置800可以被一個或多個應用專用集成電路(ASIC)、數字信號處理器(DSP)、數字信號處理設備(DSPD)、可編程邏輯器件(PLD)、現場可編程門陣列(FPGA)、控制器、微控制器、微處理器或其他電子元件實現，用于執行上述無人機降落控制方法。

在示例性實施例中，還提供了一種包括指令的非易失性計算機可讀存儲介質，例如包括指令的存儲器804，上述指令可由裝置800的處理器820執行以完成上述無人機降落控制方法。

本公開可以是系統、方法和/或計算機程序產品。計算機程序產品可以包括計算機可讀存儲介質，其上載有用于使處理器實現本公開的各個方面的計算機可讀程序指令。

計算機可讀存儲介質可以是可以保持和存儲由指令執行設備使用的指令的有形設備。計算機可讀存儲介質例如可以是――但不限于――電存儲設備、磁存儲設備、光存儲設備、電磁存儲設備、半導體存儲設備或者上述的任意合適的組合。計算機可讀存儲介質的更具體的例子(非窮舉的列表)包括：便攜式計算機盤、硬盤、隨機存取存儲器(RAM)、只讀存儲器(ROM)、可擦式可編程只讀存儲器(EPROM或閃存)、靜態隨機存取存儲器(SRAM)、便攜式壓縮盤只讀存儲器(CD-ROM)、數字多功能盤(DVD)、記憶棒、軟盤、機械編碼設備、例如其上存儲有指令的打孔卡或凹槽內凸起結構、以及上述的任意合適的組合。這里所使用的計算機可讀存儲介質不被解釋為瞬時信號本身，諸如無線電波或者其他自由傳播的電磁波、通過波導或其他傳輸媒介傳播的電磁波(例如，通過光纖電纜的光脈沖)、或者通過電線傳輸的電信號。

這里所描述的計算機可讀程序指令可以從計算機可讀存儲介質下載到各個計算/處理設備，或者通過網絡、例如因特網、局域網、廣域網和/或無線網下載到外部計算機或外部存儲設備。網絡可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火墻、交換機、網關計算機和/或邊緣服務器。每個計算/處理設備中的網絡適配卡或者網絡接口從網絡接收計算機可讀程序指令，并轉發該計算機可讀程序指令，以供存儲在各個計算/處理設備中的計算機可讀存儲介質中。

用于執行本公開操作的計算機程序指令可以是匯編指令、指令集架構(ISA)指令、機器指令、機器相關指令、微代碼、固件指令、狀態設置數據、或者以一種或多種編程語言的任意組合編寫的源代碼或目標代碼，所述編程語言包括面向對象的編程語言—諸如Smalltalk、C++等，以及常規的過程式編程語言—諸如“C”語言或類似的編程語言。計算機可讀程序指令可以完全地在用戶計算機上執行、部分地在用戶計算機上執行、作為一個獨立的軟件包執行、部分在用戶計算機上部分在遠程計算機上執行、或者完全在遠程計算機或服務器上執行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網絡—包括局域網(LAN)或廣域網(WAN)—連接到用戶計算機，或者，可以連接到外部計算機(例如利用因特網服務提供商來通過因特網連接)。在一些實施例中，通過利用計算機可讀程序指令的狀態信息來個性化定制電子電路，例如可編程邏輯電路、現場可編程門陣列(FPGA)或可編程邏輯陣列(PLA)，該電子電路可以執行計算機可讀程序指令，從而實現本公開的各個方面。

這里參照根據本公開實施例的方法、裝置(系統)和計算機程序產品的流程圖和/或框圖描述了本公開的各個方面。應當理解，流程圖和/或框圖的每個方框以及流程圖和/或框圖中各方框的組合，都可以由計算機可讀程序指令實現。

這些計算機可讀程序指令可以提供給通用計算機、專用計算機或其它可編程數據處理裝置的處理器，從而生產出一種機器，使得這些指令在通過計算機或其它可編程數據處理裝置的處理器執行時，產生了實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的裝置。也可以把這些計算機可讀程序指令存儲在計算機可讀存儲介質中，這些指令使得計算機、可編程數據處理裝置和/或其他設備以特定方式工作，從而，存儲有指令的計算機可讀介質則包括一個制造品，其包括實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作的各個方面的指令。

也可以把計算機可讀程序指令加載到計算機、其它可編程數據處理裝置、或其它設備上，使得在計算機、其它可編程數據處理裝置或其它設備上執行一系列操作步驟，以產生計算機實現的過程，從而使得在計算機、其它可編程數據處理裝置、或其它設備上執行的指令實現流程圖和/或框圖中的一個或多個方框中規定的功能/動作。

附圖中的流程圖和框圖顯示了根據本公開的多個實施例的系統、方法和計算機程序產品的可能實現的體系架構、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或指令的一部分，所述模塊、程序段或指令的一部分包含一個或多個用于實現規定的邏輯功能的可執行指令。在有些作為替換的實現中，方框中所標注的功能也可以以不同于附圖中所標注的順序發生。例如，兩個連續的方框實際上可以基本并行地執行，它們有時也可以按相反的順序執行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執行規定的功能或動作的專用的基于硬件的系統來實現，或者可以用專用硬件與計算機指令的組合來實現。

以上已經描述了本公開的各實施例，上述說明是示例性的，并非窮盡性的，并且也不限于所披露的各實施例。在不偏離所說明的各實施例的范圍和精神的情況下，對于本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇，旨在最好地解釋各實施例的原理、實際應用或對市場中的技術的技術改進，或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。