无人机的异常处理方法及装置与流程

本发明涉及无人机技术领域，尤其涉及一种无人机的异常处理方法及装置。

背景技术：

随着无人机技术的飞速发展，各种类型的无人机不断涌现，无人机也被广泛应用于各种环境中，例如，通过无人机执行各种特殊的拍摄任务或搭载超高清摄像头进行专业航拍等，能够为用户提供多视角的珍贵影视资源；通过装备红外吊舱的警用型无人机，则可协助执行侦查任务、还原犯罪现场等，此时存储于无人机上的视频资料还往往为重要的证据资料。

无人机在室外场景执行任务时，一般要使用gps等装置辅助定位，将gps观测数据与无人机自带的imu传感器数据进行融合可以得到相对准确的速度和位置估计，从而可以使用用户可以确定无人机当前的位置信息。但是，无人机在空中飞行时，受到外界环境影响(gps信号丢失，罗盘收到磁场干扰等)或者自身故障(传感器设备故障等)均有可能出现暂时或永久的定位异常，导致用户无法接收到无人机的位置信息或者接收到的位置信息存在偏差。

严重的无人机定位异常可能会导致无人机失踪、坠机、炸毁等情况，从而造成一定的人员和财产的损害。在目前的针对无人机的定位异常的处理方案中，需要用户自行发现定位异常，并对无人机进行手动的通过遥控器油门杆、方向杆来控制无人机进行降落。也就是说，需要用户自行发现异常并进行精准的手动控制，这无疑对用户提出了较高的要求，一般用户难以完成或者在完成的过程中出现误差或者事故。

也就是说，在现有技术中，在无人机出现故障时，需要用户人工进行发现和操控，无法自动对无人机是否存在定位异常进行检测，并且在发现故障后不能自动进行处理而需要由用户手动进行操作存在操作便利性不足的问题。

技术实现要素：

基于此，为解决传统技术中的因为无法自动对无人机的定位是否出现异常进行检测和处理的技术问题，特提出了一种无人机的异常处理方法。

一种无人机的异常处理方法，包括：

检测无人机的传感器参数，所述传感器参数包括第一传感器参数和惯性测量参数；

根据所述第一传感器参数确定与所述无人机对应的第一运行状态参数，根据所述惯性测量参数确定与所述无人机对应的第二运行状态参数，计算所述第一运行状态参数与所述第二运行状态参数的误差数值；

确定所述误差数值所属的预设的阈值区间，根据所述阈值区间确定目标传感器故障级别；

根据所述目标传感器故障级别控制所述无人机飞行。

此外，为解决传统技术中的因为无法自动对无人机的定位是否出现异常进行检测和处理的技术问题，特提出了一种无人机的异常处理装置。

一种无人机的异常处理装置，包括：

传感器参数检测模块，用于检测无人机的传感器参数，所述传感器参数包括第一传感器参数和惯性测量参数；

误差数值计算模块，用于根据所述第一传感器参数确定与所述无人机对应的第一运行状态参数，根据所述惯性测量参数确定与所述无人机对应的第二运行状态参数，计算所述第一运行状态参数与所述第二运行状态参数的误差数值；

传感器故障级别确定模块，用于确定所述误差数值所属的预设的阈值区间，根据所述阈值区间确定目标传感器故障级别；

无人机控制模块，用于根据所述目标传感器故障级别控制所述无人机飞行。

实施本发明实施例，将具有如下有益效果：

采用了上述无人机的异常处理方法和装置之后，在无人机在飞行或者悬停的过程中，会采集无人机的定位系统中所包含的各个传感器对应的传感器参数，然后根据传感器参数来判断传感器是否失效或者存在的故障的级别，然后根据不同的故障级别来执行与该故障级别对应的处理方案，例如，按照与该故障级别对应的飞行参数来控制无人机进行降落或飞行。也就是说，采用本发明实施例后，在无人机飞行的过程中，会自动对无人机是否存在定位异常进行检测和分级，并根据检测到的结果分情况进行处理，避免了无人机在飞行的过程中因为定位异常而出现失踪、坠机等意外情况，并且不需要用户手动的进行操控，实现了对无人机定位异常的自动检测和操控。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为一个实施例中一种无人机的异常处理方法的流程示意图；

图2为一个实施例中无人机上安装的传感器的示意图；

图3为一个实施例中不同传感器故障级别之间的转换示意图；

图4为一个实施例中悬停状态下参数记录的示意图；

图5为一个实施例中控制无人机降落的参数设置示意图；

图6为一个实施例中中间级别的传感器故障级别的异常处理的示意图；

图7为一个实施例中一种无人机的异常处理装置的结构示意图；

图8为一个实施例中运行前述无人机的异常处理方法的计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为解决传统技术中的因为无法自动对无人机的定位是否出现异常进行检测和处理的技术问题，在本实施例中，特提出了一种无人机的异常处理方法，该方法的实现可依赖于计算机程序，该计算机程序可运行于基于冯诺依曼体系的计算机系统之上，该计算机程序可以是基于无人机的异常处理的应用程序。该计算机系统可以是运行上述计算机程序的无人机终端设备。

具体的，如图1所示，上述无人机的异常处理方法包括如下步骤s102-s108：

步骤s102：检测无人机的传感器参数，所述传感器参数包括第一传感器参数和惯性测量参数。

无人机在飞行的过程中，需要通过无人机上的各种传感器检测无人机的各种数据，并通过各种传感器以及控制器对无人的飞行进行控制。如图2所示，图2中标识了在无人机上集成的部分传感器的示意图。在本实施例中，无人机的定位系统所涉及到的传感器包括了gps(globalpositioningsystem，全球定位系统)、imu(inertialmeasurementunit，惯性测量单元)、罗盘、气压计等。

在本实施例中，在对无人机是否出现定位异常的检测过程中，首先需要获取无人机的各个传感器检测到的相关参数，即传感器参数。

具体的，通过无人机上设置的gps检测与无人机的gps参数，即水平位置的坐标。通过gps参数可以知道无人机当前所处的水平位置的坐标信息，从而确定无人机当前所处的位置。

电子罗盘可以为无人机提供惯性导航和方向定位系统的相关信息，即通过罗盘检测罗盘参数，来为无人机提供惯性导航和方向定位系统的相关信息。

气压计可以测量大气压，而大气压受到高度的影响，因此，可以通过气压计检测到的数据(即气压计参数)来计算无人机当前的高度信息。

imu，测量物体三轴姿态角(或角速率)以及加速度的装置，可输出载体三轴的角速度、加速度值，并根据三轴的角速度以及加速度值计算无人机的相对位移。通过imu计算得到的相对位移以及无人机在起飞之前的位置信息，来计算无人机当前所在的水平位置的位置信息。也就是说，通过imu检测得到的惯性测量参数来计算无人机的相对位移，然后计算无人机当前所在的位置信息。

在本实施例中，无人机的定位系统主要由gps、罗盘、气压计、以及imu组成，在判断无人机的定位系统是否出现异常时，从上述gps、imu、罗盘、气压计等传感器检测到的传感器参数是否出现异常来进行判断。

在本实施例中，第一传感器参数包括了除了惯性测量参数(imu参数)之外的其他传感器参数。

步骤s104：根据所述第一传感器参数确定与所述无人机对应的第一运行状态参数，根据所述惯性测量参数确定与所述无人机对应的第二运行状态参数，计算所述第一运行状态参数与所述第二运行状态参数的误差数值。

具体实施中，根据检测到的第一传感器参数，计算与各个传感器参数对应的定位参数，即为与第一传感器参数的ui应的第一运行状态参数、以及与imu参数对应的第二运行状态参数。

具体的，在本实施例中，通过gps检测到的gps参数中包括的水平位置信息，确定与gps对应的水平位置信息。通过气压计检测到的气压计参数，确定与气压计对应的高度位置信息。根据罗盘检测到的罗盘参数，确定无人机对应的方向信息。即，根据第一传感器参数确定与无人机对应的第一运行状态参数，第一运行状态参数包括根据gps参数确定的水平位置信息、根据气压计参数确定的高度位置信息以及根据罗盘参数确定的方向信息。

进一步的，还需要通过imu参数计算对应的与无人机当前所处的位置的水平位置的相对位移以及高度位置的相对位置，并根据无人机起飞之前的位置信息中的起始水平位置信息和起始高度位置信息，计算无人机当前所处的水平位置信息和高度位置信息。根据imu参数计算得到的水平位置信息和高度位置信息即为imu预测数据。需要说明的是，imu预测数据即为根据imu参数确定的无人机的第二运行状态参数。

在本实施例中，通过gps检测到的gps参数确定的水平位置信息，与imu预测数据中的水平位置信息，均可以表示无人机当前的水平位置。一般来讲，在定位系统正常的情况下，二者应该是相同的，即，通过两种方式得到的无人机的水平位置信息是一致的。若二者不同，则说明其中某一个传感器出现了异常。

在本实施例中，计算通过gps检测到的gps参数确定的水平位置信息、与imu预测数据中的水平位置信息之间的差值，作为第一运行状态参数与第二运行状态参数的误差数值。需要说明的是，在本实施例中，第一运行状态参数与第二运行状态参数的误差数值不仅仅包括了通过gps检测到的gps参数确定的水平位置信息与imu预测数据中的水平位置信息之间的差值，还包括气压计检测到的气压计参数确定的高度位置信息与imu预测数据中的高度位置信息之间的差值。也就是说，第一运行状态参数与第二运行状态参数之间的误差数值即为通过gps、气压计确定的绝对的位置信息与通过imu确定的相对的位置信息之间的误差数值，也即通过两种不同的方式对无人机进行定位时两种不同的定位方式得到的定位信息之间的误差数值。

步骤s106：确定所述误差数值所属的预设的阈值区间，根据所述阈值区间确定目标传感器故障级别。

在本实施例中，若无人机的定位系统出现故障，需要确定出现的故障的严重性，因为定位异常时因为无人机的定位系统中所包含的多个传感器中某一个传感器或者某几个传感器出现异常而产生的，因此，确定无人机的定位系统出现的故障的严重性即为确定无人机的定位系统出现的传感器故障的传感器故障级别，然后根据传感器故障级别来确定应该进行的异常处理方式。

在本实施例中，传感器故障级别至少包括由最低故障级别到最高故障级别的故障级别上升的至少两个级别，所述最低故障级别的第二级别或误差级别，所述最高故障级别为第一级别或失效级别，并且，传感器故障级别还可以包括处于所述最低故障级别和所述最高故障级别中的中间级别。

误差数值为通过传感器参数计算得到的位置信息与通过imu计算得到的位置信息之间的误差，表示了无人机的定位系统中不同的传感器得到的定位数据之间的差距大小，在本实施例中，如果步骤s104中计算得到的误差数值过大，则说明无人机的传感器在定位中出现了较大的异常，如果误差数值比较小，则说明无人机的传感器在定位中出现的异常或问题较小。

在该差距过大时，说明定位系统中某一个传感器检测的数据因为某种原因出现了异常，例如，通过gps检测到的位置信息与通过imu检测到的数据计算得到的位置信息之间的误差大于1000米的情况下，说明无人机出现了严重的定位异常，确定无人机出现了传感器故障，并且为最高故障级别。也就是说，在本实施例中，在误差数值属于第一阈值区间的情况下，确定无人机处于最高故障级别的传感器故障级别，即第一级别。需要说明的是，在本实施例中，第一阈值区间代表的是一个数值较大的区间，例如，将大于或等于某一个较大的误差值的区间作为第一阈值区间。

在另一个可选的实施例中，在最高级别的传感器故障中，除了水平定位或高度定位的误差数值大于某一预设值的情况之外，还需要考虑到根据罗盘检测到的罗盘参数计算得到的偏航角。若计算得到的偏航角速度出现较小的误差，不会对无人机的飞行或控制造成即为严重的影响，但是，如果计算得到的偏航角速度出现了极大的误差，例如，计算得到的偏航角速度远大于预设的最大的角速度或者无人机支持的最大角速度的情况下，说明罗盘检测罗盘参数时出现了严重的误差，必须及时进行检测以免出现更大的故障。因此，在本实施例中，为了避免罗盘参数检测的错误造成误判，在根据罗盘检测到的罗盘参数计算得到的偏航角大于预设的最大角速度的情况下，还需要根据罗盘检测到的罗盘参数计算得到的偏航角大于预设的最大角速度的持续出现(例如，持续时间为5s)，才将传感器故障级别定为最高故障级别。

除了最高级别的传感器故障之外，还存在相对于比较不严重或者比较轻微的传感器故障，例如，定位系统检测到的定位误差在1米的情况下，定位系统出现了较小的误差，不会对无人机的控制或者位置的追踪造成影响。在本实施例中，在误差数值较小的情况下，确定无人机处于最低级别的目标传感器故障定，即第二级别的传感器故障级别。

具体的，在一个可选的实施例中，在所述gps参数为卫星数减少或短暂丢失，且仅误差数值属于第二阈值区间情况下，确定所述目标传感器故障级别为最低故障级别的传感器故障级别。需要说明的是，在本实施例中，第二阈值区间的最大值小于或等于所述第一阈值区间的最小值，也就是说，第二阈值区间中包含的误差数值明显小于第一阈值区间的误差数值，例如，将小于或等一一个较小的误差数值的区间作为第二阈值区间。例如，第一阈值区间为[1000米,+∞]，而第二阈值区间为[0,50米]。

也就是说，若gps传感器检测到的gps参数中卫星数减少或者丢失，但是gps还处于正常工作状态(即gps参数的失效状态为有效或未失效)，则gps传感器出现的故障并不是失效或者无可挽救，因此，将传感器故障级别定为最忌故障级别。

进一步的，在gps处于正常工作状态，并且gps检测到的gps参数中卫星数正常，但是，gps参数确定的水平位置信息与通过imu计算得到的定位信息之间存在一定的差值，且这个差值在可以接受的范围内(例如，误差数值小于5米)，将传感器故障级别定为最低故障级别。

在本实施例中，在考虑定位误差引起的故障时，不仅需要考虑到gps以及imu计算得到的水平位置的位置信息，还需要考虑到定位系统中的传感器对无人机当前所处的高度信息的检测和计算。在一个具体的实施例中，在气压计计算得到的高度信息与imu计算得到的高度信息之间的距离小于预设值(例如，5米)的情况下，将传感器故障级别定为最低故障级别或第二级别。

在另一个实施例中，在考虑无人机当前所处的传感器故障级别的过程中，不仅需要考虑通过传感器参数计算得到的误差数值，还需要考虑各个传感器是否处于正常工作状态。

具体的，所述检测无人机的传感器参数之后还包括：获取所述传感器参数中包含的失效参数，根据所述传感器参数的失效参数确定与所述传感器参数对应的传感器的失效状态；所述根据所述阈值区间确定目标传感器故障级别为：根据所述传感器的失效状态和所述误差数值所属的阈值区间确定所述目标传感器故障级别。

在通过传感器检测相应的传感器参数时，若传感器处于正常工作状态，则检测到的传感器参数也是正常的，也就是说，检测到的传感器参数时有效的；相反的，若传感器失效(例如，传感器损坏或者与无人机控制模块的连接被断开等情况)时，传感器无法正常进行工作，此时返回给系统的传感器参数中包含的传感器失效参数可以确定传感器处于失效状态，例如，在gps失效时，返回给系统的传感器参数为gps失效。

在本实施例中，传感器参数还包括失效参数，且失效参数包括有效(或者未失效)和失效。在传感器参数中包含的失效参数为失效的情况下，传感器失效，无法正常进行工作。在传感器参数中包含的失效参数为有效或未失效的情况下，传感器能正常进行工作，检测到的传感器参数是有效的；并且，传感器参数是有效的并不代表传感器参数是准确的，也就是说，在此种情况下，传感器参数可能是准确的，也可能是存在误差的。

若传感器参数中包含的失效参数为失效，则说明对应的传感器处于无法工作状态，在此种情况下，该传感器失效，若不及时进行处理，则可能造成无人机的整个定位系统出现严重的故障从而可能造成损失。

若传感器参数中包含的失效参数为有效或未失效，则说明相应的传感器可以正常的进行传感器参数的检测，只是可能检测到的传感器参数因为环境信号或者其他原因出现误差。在此种情况下，无人机的定位系统可能出现异常，也可能没出现异常，具体的可以根据具体检测到的传感器参数来判断无人机的定位系统所包含的多个传感器是否出现故障。

具体的，在确定目标传感器故障级别时，根据传感器参数的失效参数以及步骤s104中计算得到的误差数值来确定。例如，在传感器参数的失效参数为失效时，说明上述gps、罗盘、气压计、以及imu等传感器参数中某一个或者几个传感器失效，在此种情况下，无人机的定位系统必然无法正常进行定位。在本实施例中，定位系统的一个或几个传感器出现失效的情况属于定位系统故障的最严重的情况。例如，在gps失效或者imu失效时，无人机无法正常通过gps或imu进行定位，用户可能会失去对无人机的位置信息的监控，此种情况下的传感器故障级别为最高故障级别，在本实施例中为第一级别。

在一个具体的实施例中，在任一个检测到的传感器参数的失效参数为失效的情况下，直接确定与无人机对应的目标传感器故障级别为最高故障级别，即第一级别。也就是说，在所述传感器参数的失效参数为失效的情况下，确定所述目标传感器故障级别为第一级别。

除了在传感器失效的情况下需要将传感器的故障级别定位最高故障级别之外，在传感器检测到的参数过大的情况下，传感器检测到的传感器参数完全不具备参考性，在此种情况下，也需要将传感器故障级别定位为最高故障级别的第一级别。也就是说，在所述误差数值大于或等于第一阈值的情况下，确定所述目标传感器故障级别为第一级别。

在表1中给出了不同的传感器故障级别所对应的具体传感器参数或者根据传感器参数计算得到的数据的不同情况。

表1

在本实施例中，传感器故障级别中，除了最高故障级别以及最低故障级别之外，还存在处于最高故障级别与最低故障级别中间的传感器故障级别，即中间级别。需要说明的是，在本实施例中，中间级别的数量可以是一个，也可以是多个，也就是说，中间级别中根据传感器故障的不同程度还分为了多个不同的子中间级别。

例如，在gps对应的水平坐标与imu计算的水平坐标的距离(即误差数值)处于第一阈值区间和第二阈值区间之间的情况下，将无人机的定位系统的传感器故障定位中间级别。

在另一个可选的实施例中，还需要考虑到无人机处于某一传感器故障级别的持续时间，例如，在无人机持续处于最低级别的传感器故障级别对应的状态时，并且传感器故障没有恶化，在此种情况下，可以考虑将传感器故障级别修正为定位正常状态，以使用户可以正常的控制无人机进行飞行。

在一个具体的实施例中，所述根据所述阈值区间确定目标传感器故障级别之后还包括：检测所述误差数值处于所述与所述目标传感器故障级别对应的目标阈值区间的持续时间；根据所述持续时间和所述误差数值所属的阈值区间确定所述目标传感器故障级别。

也就是说，在确定了无人机处于某一个传感器故障级别之后，还继续对无人机是否处于该传感器故障级别进行检测，即执行步骤s102-s106，以确定无人机所处的传感器故障级别是否发生改变。并且，还需要检测无人机处于某一个传感器故障级别的持续时间，例如，在无人机处于最低级别的传感器故障级别的持续时间大于预设值的情况。

在一个可选的方案中，在所述持续时间大于或等于第一时间阈值的情况下，将所述目标传感器故障级别升级，例如，在无人机处于中间级别的传感器故障级别的持续时间超过1min的情况下，将无人机所处的传感器故障级别升级，即升级为最高级别的传感器故障级别。也就是说，如果无人机一直处于某一个传感器故障级别并没有改善，为了避免出现更大的传感器异常或者事故，将传感器故障级别升级，并采用与升级之后的目标传感器故障级别对应的异常处理方式进行处理。

在另一个可选的方案中，在无人机处于某一个传感器故障级别超过一定的时间的情况下，还可以考虑将传感器故障级别降级或者修改为定位正常级别。具体的，在所述持续时间大于或等于第二时间阈值的情况下，将所述目标传感器故障级别降级或将所述目标传感器故障级别修改为传感器定位正常。

因为最低级别的传感器故障级别对无人机的控制与飞行的影响并不大，如果无人机一直处于与最低级别的传感器故障级别对应的自动控制飞行的状态下，可能导致用户无法正常的对无人机进行操作，因此，在目标传感器故障级别为处于所述最低故障级别和所述最高故障级别中的中间级别、且所述持续时间大于第二时间阈值的情况下，将无人机所处的目标传感器故障级别进行降级或者将最低级别的传感器故障级别修正为定位正常。

在图3中给出了不同的传感器故障级别之间可以互相之间转换的示意图，在满足相关的条件的情况下，无人机所处的传感器故障级别之间会相关之间转换。

在本实施例中，在检测误差数值处于所述目标传感器故障级别对应的目标阈值区间的持续时间的过程需要检测多个误差数值处于所述目标传感器故障级别的对应的阈值区间的持续时间，例如，gps对应的水平坐标与imu计算的水平坐标的距离、以及气压计计算得到的高度信息与imu计算得到的高度信息之间的距离。在本实施例中，为了节省无人机的计算量，在在所述目标传感器故障级别为gps定位误差级别的情况下，仅执行检测所述误差数值处于所述目标传感器故障级别的对应的阈值区间的持续时间。

步骤s108：根据所述目标传感器故障级别控制所述无人机飞行。

在本实施例中，预先为不同的传感器故障级别设置不同的控制方案，即在出现传感器故障级别时，首先确定当前的目标传感器故障级别，然后获取预设的与目标传感器故障级别对应的控制方案，并根据该控制方案控制无人机飞行或者降落。

具体的，在所述目标传感器故障级别为第一级别的情况下，控制所述无人机降落。也就是说，在无人机处于最高级别的传感器故障级别的情况下，无人机不能在继续进行飞行，因此，控制无人机进行降落。具体的，获取预设的与无人机降落对应的预设的降落运行参数，并根据预设的降落运行参数来控制无人机，并使得无人机进行降落。

在另一个实施例中，在不是需要控制无人机进行降落的情况下，为了避免无人机失控，需要根据不同的传感器故障级别来控制无人机进行飞行，具体的，上述根据所述目标传感器故障级别控制所述无人机飞行包括：获取与所述目标传感器故障级别对应的无人机运动参数，根据所述无人机运动参数控制所述无人机飞行。针对每一个传感器故障级别，设置了与该传感器故障级别对应的无人机运行参数或者无人机运行参数设置规则，然后在确定了无人机所处的目标传感器故障级别之后，获取与该传感器故障级别对应的无人机运行参数或者无人机运行参数设置规则，然后根据该无人机运动参数控制无人机飞行。

需要说明的是，在本实施例中，只有在无人机正常起飞并且能够依靠定位系统稳定在空中悬停的情况下，才去判断无人机是否处于某一个传感器故障级别中。例如，在无人机无法正常起飞的情况下，可以直接知道无人机存在故障，在此种情况下，直接控制无人机进行降落，不需要执行上述步骤s102-s108。即，在检测无人机的传感器参数之前还包括：在所述无人机起飞之后，检测所述无人机是否处于悬停状态，若是，执行所述检测无人机的传感器参数。

在另一个实施例中，在检测到无人机处于悬停状态下时，还需要获取无人机在悬停状态下的悬停运行状态参数。具体的，在所述无人机处于悬停状态的情况下，获取所述无人机的悬停运行状态参数，所述悬停运行状态参数包括悬停横滚角、悬停俯仰角、和/或悬停油门中的至少一个；所述根据所述目标传感器故障级别控制所述无人机飞行包括：根据悬停运行参数对所述无人机的运行参数进行设置，根据所述设置后的运行参数控制所述无人机进入悬停状态。

无人机在空中依靠定位系统能够稳定悬停在固定点上，这是由位置控制模块根据位置信息得到和目标位置的误差，然后用pid(比例proportion、积分integral、导数derivative)方法计算出水平位置修正量和油门修正量，水平位置修正量再由姿态控制模块转换成对应的新的姿态控制量，油门修正量叠加原有油门量得到新的油门控制量，新的姿态控制量和油门控制量最终作用到电机模块，从而达到无人机在空中能够定位飞行的目的。

如图4所述，在检测到无人机处于悬停状态下时，如果用户没有用摇杆控制无人机前后左右上下飞行，在空中的无人机处于悬停模式稳定悬停在固定点上，记录此时的姿态控制量中的悬停横滚角(loiter_roll)和悬停俯仰角(loiter_pitch)，以及悬停油门(loiter_throttle)。

在一个具体的实施例中，在无人机处于第一级别的传感器故障级别的情况下，处于此状态的无人机已无法完成空中定位，为了确保不造成更严重的损失，直接控制无人机进行降落。具体可如图5所示，根据预设的与控制无人机进行降落的参数设置规则(例如，降落模式算法)来确定姿态控制量悬停横滚角(loiter_roll)、悬停俯仰角(loiter_pitch)以及悬停油门(loiter_throttle)的具体值，并将确定的姿态控制量发送给无人机中相应的控制模块，由控制模块根据确定的姿态控制量悬停横滚角(loiter_roll)、悬停俯仰角(loiter_pitch)以及悬停油门(loiter_throttle)来控制无人机进行降落。

在另一个具体的实施例中，在无人机是因为gps参数确定的水平位置的定位信息与imu计算得到的水平位置之间的位置信息存在误差，导致无人机进入到与中间级别的传感器故障级别对应的状态下时，由于gps测量和imu预测的水平坐标之差较大，得出的位置信息可信度降低。此时，由于之前的悬停状态下、正常定位状态下记录的悬停横滚角(loiter_roll)和悬停俯仰角(loiter_pitch)是过去经验得出的经验控制量，所以可以暂时使用这两个值作为本状态下的控制量。

如图6所示，若是气压计检测的高度信息与imu计算得到的高度信息之间误差而被判定无人机处于中间级别的传感器故障级别的情况下，为确保飞机不会飞跑，油门控制量(throttle)不应当超过悬悬停油门(loiter_throttle)，油门控制量(throttle)，即：

throttle＝min{throttle,loiter_throttle}

需要说明的是，应用在无人机在悬停状态下的悬停横滚角(loiter_roll)，悬停俯仰角(loiter_pitch)作为无人机在处于中间级别的传感器故障级别下的控制量，是一种靠过去经验控制值来近似达到悬停目的的行为，但在这种近似悬停下，无人机不能适应环境的变化从而很可能出现缓慢向一个方向偏移飞行，所以在本实施例中，还可以设置无人机处于中间级别的传感器故障级别下的持续时间不能超过某一预设值(例如，10秒)，若超过，则可以切换到最低故障级别/第二级别的传感器故障级别。

此外，为解决传统技术中的因为无法自动对无人机的定位是否出现异常进行检测和处理的技术问题，在一个实施例中，如图7所示，还提出了一种无人机的异常处理装置，包括：

传感器参数检测模块102，用于检测无人机的传感器参数，所述传感器参数包括第一传感器参数和惯性测量参数；

误差数值计算模块104，用于根据所述第一传感器参数确定与所述无人机对应的第一运行状态参数，根据所述惯性测量参数确定与所述无人机对应的第二运行状态参数，计算所述第一运行状态参数与所述第二运行状态参数的误差数值；

传感器故障级别确定模块106，用于确定所述误差数值所属的预设的阈值区间，根据所述阈值区间确定目标传感器故障级别；

无人机控制模块108，用于根据所述目标传感器故障级别控制所述无人机飞行。

可选的，在一个实施例中，无人机控制模块108还用于在所述目标传感器故障级别为第一级别的情况下，根据预设的降落运行参数控制所述无人机降落；在所述目标传感器故障级别为第二级别的情况下，根据预设的悬停运行参数对所述无人机的运行参数进行设置，根据所述设置后的运行参数控制所述无人机进入悬停状态。

可选的，在一个实施例中，如图7所示，上述装置还包括悬停参数获取模块110，用于在所述无人机起飞之后，检测所述无人机是否处于悬停状态；在所述无人机处于悬停状态的情况下，获取所述无人机的悬停运行状态参数作为所述预设的悬停运行参数，所述悬停运行状态参数包括悬停横滚角、悬停俯仰角以及悬停油门阀值中的至少一个。

可选的，在一个实施例中，传感器故障级别确定模块106还用于获取所述传感器参数中包含的失效参数，根据所述传感器参数的失效参数确定与所述传感器参数对应的传感器的失效状态；根据所述传感器的失效状态和所述误差数值所属的阈值区间确定所述目标传感器故障级别。

可选的，在一个实施例中，传感器故障级别确定模块106还用于检测所述误差数值处于所述与所述目标传感器故障级别对应的目标阈值区间的持续时间；根据所述持续时间和所述误差数值所属的阈值区间确定所述目标传感器故障级别。

可选的，在一个实施例中，传感器故障级别确定模块106还用于在所述持续时间大于或等于第一时间阈值的情况下，将所述目标传感器故障级别升级；或，在所述持续时间大于或等于第二时间阈值的情况下，将所述目标传感器故障级别降级。

可选的，在一个实施例中，传感器故障级别确定模块106还用于在所述传感器的失效状态为失效、或所述误差数值所属的阈值区间为第一阈值区间的情况下，确定所述目标传感器故障级别为第一级别；在所述传感器的失效状态为有效、或所述gps参数为卫星数减少或短暂丢失，且所述误差数值所属的阈值区间为第二阈值区间的情况下，确定所述目标传感器故障级别为第二级别，其中，所述第二阈值区间的最大值小于或等于所述第一阈值区间的最小值。

实施本发明实施例，将具有如下有益效果：

采用了上述无人机的异常处理方法和装置之后，在无人机在飞行或者悬停的过程中，会采集无人机的定位系统中所包含的各个传感器对应的传感器参数，然后根据传感器参数来判断传感器是否失效或者存在的故障的级别，然后根据不同的故障级别来执行与该故障级别对应的处理方案，例如，按照与该故障级别对应的飞行参数来控制无人机进行降落或飞行。也就是说，采用本发明实施例后，在无人机飞行的过程中，会自动对无人机是否存在定位异常进行检测和分级，并根据检测到的结果分情况进行处理，避免了无人机在飞行的过程中因为定位异常而出现失踪、坠机等意外情况，并且不需要用户手动的进行操控，实现了对无人机定位异常的自动检测和操控。

在上述实施例中，可以全部或部分的通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或者数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或半导体介质(例如固态硬盘solidstatedisk(ssd))等。

在一个实施例中，如图8所示，图8展示了一种运行上述无人机的异常处理方法的基于冯诺依曼体系的计算机系统的终端。该计算机系统可以是智能手机、平板电脑、掌上电脑、笔记本电脑或个人电脑等终端设备。具体的，可包括通过系统总线连接的外部输入接口1001、处理器1002、存储器1003、输出接口1004和传感器1005(第一传感器10051和惯性测量单元10052)。其中，外部输入接口1001可选的可至少包括网络接口10012。存储器1003可包括外存储器10032(例如硬盘、光盘或软盘等)和内存储器10034。输出接口1004可至少包括显示屏10042等设备。

在本实施例中，本方法的运行基于计算机程序，该计算机程序的程序文件存储于前述基于冯诺依曼体系的计算机系统的外存储器10032中，在运行时被加载到内存储器10034中，然后被编译为机器码之后传递至处理器1002中执行，从而使得基于冯诺依曼体系的计算机系统中形成逻辑上的传感器参数检测模块102、误差数值计算模块104、传感器故障级别确定模块106、无人机控制模块108、悬停参数获取模块110。且在上述无人机的异常处理方法执行过程中，输入的参数均通过外部输入接口1001接收，并传递至存储器1003中缓存，然后输入到处理器1002中进行处理，处理的结果数据或缓存于存储器1003中进行后续地处理，或被传递至输出接口1004进行输出。

具体的，所述第一传感器10051用于检测无人机的第一传感器参数；所述惯性测量单元10052用于检测所述无人机的惯性测量参数；所述处理器1002用于根据所述第一传感器参数确定与所述无人机对应的第一运行状态参数，根据所述惯性测量参数确定与所述无人机对应的第二运行状态参数，计算所述第一运行状态参数与所述第二运行状态参数的误差数值；确定所述误差数值所属的预设的阈值区间，根据所述阈值区间确定目标传感器故障级别；根据所述目标传感器故障级别控制所述无人机飞行。

可选的，在一个实施例中，处理器1002还用于在所述目标传感器故障级别为第一级别的情况下，根据预设的降落运行参数控制所述无人机降落；在所述目标传感器故障级别为第二级别的情况下，根据预设的悬停运行参数对所述无人机的运行参数进行设置，根据所述设置后的运行参数控制所述无人机进入悬停状态。

可选的，在一个实施例中，处理器1002还用于在所述无人机起飞之后，检测所述无人机是否处于悬停状态；在所述无人机处于悬停状态的情况下，获取所述无人机的悬停运行状态参数作为所述预设的悬停运行参数，所述悬停运行状态参数包括悬停横滚角、悬停俯仰角以及悬停油门阀值中的至少一个。

可选的，在一个实施例中，处理器1002还用于获取所述传感器参数中包含的失效参数，根据所述传感器参数的失效参数确定与所述传感器参数对应的传感器的失效状态；根据所述传感器的失效状态和所述误差数值所属的阈值区间确定所述目标传感器故障级别。

可选的，在一个实施例中，处理器1002还用于检测所述误差数值处于所述与所述目标传感器故障级别对应的目标阈值区间的持续时间；根据所述持续时间和所述误差数值所属的阈值区间确定所述目标传感器故障级别。

可选的，在一个实施例中，处理器1002还用于在所述持续时间大于或等于第一时间阈值的情况下，将所述目标传感器故障级别升级；或，在所述持续时间大于或等于第二时间阈值的情况下，将所述目标传感器故障级别降级。

可选的，在一个实施例中，处理器1002还用于在所述传感器的失效状态为失效、或所述误差数值所属的阈值区间为第一阈值区间的情况下，确定所述目标传感器故障级别为第一级别；在所述传感器的失效状态为有效、或所述gps参数为卫星数减少或短暂丢失，且所述误差数值所属的阈值区间为第二阈值区间的情况下，确定所述目标传感器故障级别为第二级别，其中，所述第二阈值区间的最大值小于或等于所述第一阈值区间的最小值。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。