CN108062109B - 无人机避障方法 - Google Patents

无人机避障方法 Download PDF

Info

Publication number
CN108062109B
CN108062109B CN201711323466.5A CN201711323466A CN108062109B CN 108062109 B CN108062109 B CN 108062109B CN 201711323466 A CN201711323466 A CN 201711323466A CN 108062109 B CN108062109 B CN 108062109B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
laser
image
dimensional map
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711323466.5A
Other languages
English (en)
Other versions
CN108062109A (zh
Inventor
窄秋苹
张昊宇
韩桐竹
祖广娟
张满意
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Srde Technology Co ltd
Original Assignee
Tianjin Srde Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Srde Technology Co ltd filed Critical Tianjin Srde Technology Co ltd
Priority to CN201711323466.5A priority Critical patent/CN108062109B/zh
Publication of CN108062109A publication Critical patent/CN108062109A/zh
Application granted granted Critical
Publication of CN108062109B publication Critical patent/CN108062109B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Image Processing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种无人机避障方法，属于无人机导航领域。本发明包括以下步骤：S1：在无人机上安装激光器及卫星定位接收机；S2：无人机飞行过程中，通过激光器采集无人机周围的障碍物信息；S3：将三维地图库导入无人机的信息处理模块，将采集的障碍物信息进行坐标转换，并在三维地图库中搜索出目标区域的三维地图；S4：根据目标区域的三维地图，重新规划飞行路线，实现无人机自主避障。本发明的目的在于克服现有无人机避障技术难以准确自主避障的不足，提供了一种能够准确自主避障的无人机避障方法。

Description

无人机避障方法
技术领域
本发明涉及无人机导航领域，更具体的说，涉及一种无人机避障方法，可广泛应用于航拍摄影、电力巡检、环境监测、森林防火、灾情巡查、防恐就生、军事侦查以及战场评估等场合。
背景技术
无人机控制技术研究是目前国内外大学和研究机构关注的热点之一。近年来，无人机空中作业越来越普遍，已被广泛应用于各种场合，其有效克服了有人驾驶飞机在空中作业时的种种不足，降低了维护和采购成本，并且增加了作业的灵活性和适应性。但是，无人机在飞行过程中往往面临着山脉、建筑物、树木和输电线路等有形障碍物的安全威胁，以及受到禁飞区、危险区等无形障碍物的约束。因此，避障飞行对于无人机具有非常重要的意义，是无人机完成复杂、多功能高难度动作的前提条件。
目前，国内外关于无人机避障方面已有广泛的研究，一般依赖于三维高程地图、双目摄像机以及其他高精度设备来实现，例如专利公开号：CN 105549014 A，公开日：2016年05月04日，发明创造名称为：无人机的激光避障***，该申请案公开了一种无人机的激光避障***，包括：激光器组件，激光器组件活动安装在无人机上，无人机上还设有驱动组件，驱动组件驱动激光器组件在无人机上进行转动，激光器组件包括激光发射器和激光接收器，激光发射器向外界发送激光，激光接收器接受外界障碍物反射回来的激光，并将激光信号发送至无人机的控制模块，控制模块控制无人机避开外界障碍物飞行。该申请案的无人机激光避障***，能够通过接受被外界反射的激光信号来判断障碍物，实现无人机的自动避障。
又如专利公开号：CN 104850134 A，公开日：2015年08月19日，发明创造名称为：一种无人机高精度自主避障飞行方法，该申请案包括如下步骤：(1)建立高精度地图模型；(2)三维航路规划飞行控制；(3)将步骤(2)中的飞行控制信号输送至无人机飞行器伺服机构的舵机，通过改变舵机的位置从而达到控制的目的。该申请案的优点在于：采用激光扫描技术并结合差分GPS技术，可以获得所在区域地形环境的空间坐标，为自主避障规划航路提供支持。
但是，上述申请案均存在难以准确自主避障的不足，因此，如何设计一种新型的无人机避障方法以实现准确自主避障，是现有技术中亟需解决的技术问题。
发明内容
1.发明要解决的技术问题
本发明的目的在于克服现有无人机避障技术难以准确自主避障的不足，提供了一种能够准确自主避障的无人机避障方法。
2.技术方案
为达到上述目的，本发明提供的技术方案为：
本发明的无人机避障方法，包括以下步骤：
S1：在无人机上安装激光器及卫星定位接收机；
S2：无人机飞行过程中，通过激光器采集无人机周围的障碍物信息；
S3：将三维地图库导入无人机的信息处理模块，将采集的障碍物信息进行坐标转换，并在三维地图库中搜索出目标区域的三维地图；
S4：根据目标区域的三维地图，重新规划飞行路线，实现无人机自主避障。
作为本发明更进一步的改进，S2中，通过驱动组件驱动激光器在无人机上360°循环旋转。
作为本发明更进一步的改进，S4中，控制vt<Rmax-l；其中，无人机最大飞行速度为v；激光器旋转一圈所需要的时间为t；激光器的最大探测距离为Rmax；障碍物与无人机的安全距离为
Figure BDA0001505181740000021
无人机减速时的加速度为a。
作为本发明更进一步的改进，S1中，将激光器安装于无人机上端的中心部位，并且测量出无人机上卫星定位接收机的定位中心与激光器中心的位置关系；
S2中，要求激光器采集的相邻两幅图像具有共同覆盖区，并将激光器旋转一圈所采集的数据进行融合，形成无人机周围的障碍物信息，并传送到信息处理模块。
作为本发明更进一步的改进，对激光器旋转一圈所采集的数据进行融合的做法如下：
1)找到激光器转动一圈获取的相邻两幅图像上的至少3个共同标记点；
2)以第一幅图像为基准，其它所有图像根据七参数坐标转换关系进行转换；
3)得到无人机周围360°范围内的障碍物信息。
作为本发明更进一步的改进，S3中，导入到无人机的信息处理模块的三维地图库的坐标是大地坐标；根据无人机上卫星定位接收机的定位中心与激光器中心的位置关系，将激光器采集的障碍物信息坐标转换成大地坐标，然后根据障碍物的坐标信息在三维地图库中搜索出目标区域的三维地图。
作为本发明更进一步的改进，根据障碍物的坐标信息在三维地图库中搜索出目标区域的三维地图的具体步骤如下：
S301、设f(x,y,z)为三维地图库的图像，记为A，大小为M×N×L；设g(x,y,z)为激光器采集到的障碍物信息的图像，记为B，大小为m×n×l；
S302、在A中找出与B相匹配的子块：
用Sx,y,z表示A中与B大小相同的子块，Sx,y,z以(x,y,z)为左上角点，Sx,y,z对应的矩阵为：Sx,y,z(k1,k2,k3)＝f(x+k1-1,y+k2-1,z+k3-1)
其中，k1＝1,2…,m；k2,＝1,2…,n；k3＝1,2…,l；
S303、得到目标区域的三维地图：
首先，计算出Sx,y,z图像的质心(gx,gy,gz)以及计算出g(x,y,z)图像的质心(g1x,g1y,g1z)；然后将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心，最后根据质心旋转到坐标中心的两幅图像的相关性得到目标区域的三维地图。
作为本发明更进一步的改进，步骤S303中，将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心包括以下步骤：
1)移动三维点集Sx,y,z和g(x,y,z)，使它们的质心都位于坐标原点；根据两个三维点集的质心可得平移矩阵分别为：
T1＝diag(-gx,-gy,-gz)
T2＝diag(-g1x,-g1y,-g1z)
将平移矩阵分别作用到三维点集Sx,y,z和g(x,y,z)后，两个三维点集分别变换为S'x,y,z和g'(x,y,z)；
步骤S303中，计算质心旋转到坐标中心的两幅图像的相关性包括以下步骤：
用ρ(x,y,z)表示S'x,y,z和g'(x,y,z)的相关系数，计算公式如下：
Figure BDA0001505181740000031
其中，Dx,y,z是S'x,y,z的方差，D为g'(x,y,z)的方差，cov(S'x,y,zg'(x,y,z))是S'x,y,z和g'(x,y,z)的协方差，从而：
Figure BDA0001505181740000032
Figure BDA0001505181740000041
Figure BDA0001505181740000042
其中，
Figure BDA0001505181740000043
和
Figure BDA0001505181740000044
分别表示S'x,y,z图像和g'(x,y,z)图像的灰度均值；
当ρ(x,y,z)大于设定的阈值U，则表明g(x,y,z)图像与图像A中的Sx,y,z图像相匹配；其中，阈值U设定为0.8。
作为本发明更进一步的改进，激光器包括激光发射器和激光接收器，激光发射器向外界发送激光，激光接收器接收外界障碍物反射回来的激光。
作为本发明更进一步的改进，卫星定位接收机可以接收GPS、北斗、伽利略或GLONASS中任何一种卫星信号。
3.有益效果
采用本发明提供的技术方案，与现有技术相比，具有如下显著效果：
(1)本发明根据障碍物的坐标信息在三维地图库中准确搜索出目标区域的三维地图具体步骤如下：S301、设f(x,y,z)为三维地图库的图像，记为A；设g(x,y,z)为激光器采集到的障碍物信息的图像，记为B；S302、在A中找出与B相匹配的子块：S303、得到目标区域的三维地图：首先，计算出Sx,y,z图像的质心(gx,gy,gz)以及计算出g(x,y,z)图像的质心(g1x,g1y,g1z)；然后将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心，最后根据质心旋转到坐标中心的两幅图像的相关性得到目标区域的三维地图；采用本发明的以上步骤，能够以超过99.9％的准确率搜索出目标区域的三维地图，为无人机根据目标区域的三维地图，重新规划飞行路线而实现自主避障提供前提条件，进而实现三维环境下障碍物的有效侦测与避开。
(2)本发明中对激光器旋转一圈所采集的无人机周围的数据进行拼接，融合成了一个整体的周围障碍物信息图像，使得无人机可全方位无死角避障。
(3)本发明中，在激光器旋转过程中考虑到了无人机的安全距离问题，即控制vt<Rmax-l,这样激光器在水平面旋转一周采集无人机四周障碍物信息时，能够保证无人机不会进入到障碍区，一直保持在安全区域飞行。
(4)本发明具有测量准确、自动化程度高、安全可靠以及使用方便的特点，提供了一种实用性强，工作可靠的无人机避障方法。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为实施例1的无人机避障方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。
实施例1
结合图1，本实施例的无人机自动避障方法，包括以下步骤：
S1：在无人机上安装激光器及卫星定位接收机；S1中，将激光器安装于无人机上端的中心部位，并且测量出无人机上卫星定位接收机的定位中心与激光器中心的位置关系；其中，激光器包括激光发射器和激光接收器，激光发射器向外界发送激光，激光接收器接收外界障碍物反射回来的激光；其中，卫星定位接收机可以接收GPS、北斗、伽利略或GLONASS中任何一种卫星信号；
S2：无人机飞行过程中，通过激光器采集无人机周围的障碍物信息；S2中，驱动组件安装在无人机上，通过驱动组件驱动激光器在无人机上360°循环旋转，实现360°全方位障碍物信息采集；S2中，要求激光器采集的相邻两幅图像具有共同覆盖区，并将激光器旋转一圈所采集的数据进行融合，形成无人机周围的障碍物信息，并传送到信息处理模块；其中，对激光器旋转一圈所采集的数据进行融合的做法如下：1)找到激光器转动一圈获取的相邻两幅图像上的至少3个共同标记点；2)以第一幅图像为基准，其它所有图像根据七参数坐标转换关系进行转换；3)得到无人机周围360°范围内的障碍物信息。
S3：将三维地图库导入无人机的信息处理模块，将采集的障碍物信息进行坐标转换，并在三维地图库中搜索出目标区域的三维地图；
S3中，导入到无人机的信息处理模块的三维地图库的坐标是大地坐标；根据无人机上卫星定位接收机的定位中心与激光器中心的位置关系，将激光器采集的障碍物信息坐标转换成大地坐标，然后根据障碍物的坐标信息在三维地图库中搜索出目标区域的三维地图；
S3中，根据障碍物的坐标信息在三维地图库中搜索出目标区域的三维地图的具体步骤如下：
S301、设f(x,y,z)为三维地图库的图像，记为A，大小为M×N×L；设g(x,y,z)为激光器采集到的障碍物信息的图像，记为B，大小为m×n×l；
S302、在A中找出与B相匹配的子块：
用Sx,y,z表示A中与B大小相同的子块，Sx,y,z以(x,y,z)为左上角点，Sx,y,z对应的矩阵为：Sx,y,z(k1,k2,k3)＝f(x+k1-1,y+k2-1,z+k3-1)
其中，k1＝1,2…,m；k2,＝1,2…,n；k3＝1,2…,l；
S303、得到目标区域的三维地图：
将三维地图库的A图像经过以上分割后，首先，计算出Sx,y,z图像的质心(gx,gy,gz)以及计算出g(x,y,z)图像的质心(g1x,g1y,g1z)；(利用物理学中计算同一坐标轴上若干小球的质量中心方法的思路计算出Sx,y,z图像和g(x,y,z)图像的质心)，然后将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心，最后根据质心旋转到坐标中心的两幅图像(即Sx,y,z图像和g(x,y,z)图像)的相关性得到目标区域的三维地图。
其中：步骤S303中，Sx,y,z图像的质心(gx,gy,gz)和g(x,y,z)图像的质心(g1x,g1y,g1z)的求解包括以下步骤：
1)对Sx,y,z图像和g(x,y,z)图像在每一个维度上分别做傅里叶变换(为减少计算量，采用FFT来计算傅里叶变换)：
Figure BDA0001505181740000061
Figure BDA0001505181740000062
Figure BDA0001505181740000063
Figure BDA0001505181740000071
Figure BDA0001505181740000072
Figure BDA0001505181740000073
2)分别求解Sx,y,z图像和g(x,y,z)图像在每一个维度上的功率谱：
Sx,y,z图像和g(x,y,z)图像在x、y、z三个维度上的功率谱求解方式是一样的，这里只以求x方向上的功率谱为例；
根据经典的周期图法，g(x,y,z)图像在x方向上的功率谱为：
Figure BDA0001505181740000074
Sx,y,z图像在x方向上的功率谱为：
Figure BDA0001505181740000075
Sx,y,z图像在y方向和z方向以及g(x,y,z)图像在y方向和z方向上的功率谱计算方法同上；
3)求解Sx,y,z图像和g(x,y,z)图像的质心，这里仅以计算g(x,y,z)图像在x方向上的质心为例：
根据周期图方法可以粗略估计信号谱中心
Figure BDA0001505181740000076
和3dB谱宽
Figure BDA0001505181740000077
认为信号谱主要能量分布在
Figure BDA0001505181740000078
范围内；其中，ferror是
Figure BDA0001505181740000079
对应的最大估计误差；n1通常取3；设
Figure BDA00015051817400000710
对应的多普勒通道号为Q，
Figure BDA00015051817400000711
所占的通道数为H，参照步骤2)中公式A功率谱的求解公式，得到g(x,y,z)图像在x方向上信号总功率为：
Figure BDA00015051817400000712
式中：t＝mod(h,M)，是指h对M求模；
采用质心法，借助物理学中计算同一坐标轴上若干小球的质量中心方法的思路，类似地可以得到归一化的信号谱中心多普勒频率fc为
Figure BDA0001505181740000081
由质心法得到谱中心的归一化多普勒频率fc后，计算出该频率对应的x坐标，同理，得出y方向和z方向上谱中心对应的坐标值，进而得出Sx,y,z图像和g(x,y,z)图像的质心分别为(gx,gy,gz)、(g1x,g1y,g1z)。
说明：
Figure BDA0001505181740000082
对应的多普勒通道号就是谱中心对应的在矩阵x中的位置；Q的值在计算出谱中心
Figure BDA0001505181740000083
后就能得到其在矩阵中x方向的位置，也即Q；
Figure BDA0001505181740000084
所占的通道数就是在这个谱范围内对应的矩阵中x的位置范围，信号的能量主要就集中在信号谱宽范围内，因此信号总功率只需计算该信号谱范围内的功率即可。
其中：步骤S303中，将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心包括以下步骤：
1)移动三维点集Sx,y,z和g(x,y,z)，使它们的质心都位于坐标原点；根据两个三维点集的质心可得平移矩阵分别为：
T1＝diag(-gx,-gy,-gz)
T2＝diag(-g1x,-g1y,-g1z)
将平移矩阵分别作用到三维点集Sx,y,z和g(x,y,z)后(即T1与Sx,y,z相乘；T2与g(x,y,z)相乘)，两个三维点集分别变换为S'x,y,z和g'(x,y,z)；
其中，步骤S303中，计算质心旋转到坐标中心的两幅图像(即Sx,y,z图像和g(x,y,z)图像)的相关性包括以下步骤：
用ρ(x,y,z)表示S'x,y,z和g'(x,y,z)的相关系数，计算公式如下：
Figure BDA0001505181740000085
其中，Dx,y,z是S'x,y,z的方差，D为g'(x,y,z)的方差，cov(S'x,y,zg'(x,y,z))是S'x,y,z和g'(x,y,z)的协方差，从而：
Figure BDA0001505181740000091
Figure BDA0001505181740000092
Figure BDA0001505181740000093
其中，
Figure BDA0001505181740000094
和
Figure BDA0001505181740000095
分别表示S'x,y,z图像和g'(x,y,z)图像的灰度均值；
当ρ(x,y,z)大于设定的阈值U，则表明g(x,y,z)图像与图像A中的Sx,y,z图像相匹配；其中，阈值U设定为0.8；也就是说找到了障碍物信息的图像在三维地图库中的位置，即在三维地图库中准确搜索出了目标区域的三维地图。
S4：根据目标区域的三维地图，重新规划飞行路线，实现无人机自主避障；具体本实施例的步骤S4中，根据目标区域的三维地图，以及激光器测量出的障碍区与无人机间的距离，判断无人机当前与障碍物的关系，这里分为安全区、临界区和危险区，安全区表明无人机与障碍物的距离较远或者不存在障碍物，此时只需按照原路径飞行；临界区表明无人机和障碍物之间的距离处于无人机要求的与障碍物的最大距离，该临界区一般由无人机的自身姿态及运行状态决定；危险区表明无人机与障碍物的距离非常近，需要及时采取相应的避障措施，并重新规划路径，避免无人机损坏。
S4中，在激光器旋转过程中需考虑到无人机的安全距离问题，控制vt<Rmax-l,这样激光器在水平面旋转一周采集无人机四周障碍物信息时，能够保证无人机不会进入到障碍区，一直保持在安全区域飞行；其中，无人机最大飞行速度为v；激光器旋转一圈所需要的时间为t；激光器的最大探测距离为Rmax；根据无人机自身姿态以及运动状态确定障碍物与无人机的安全距离为
Figure BDA0001505181740000096
无人机减速时旋翼推力提供的加速度为a。
现有技术中的无人机避障技术虽然有较多公开，但其存在的一个明显不足是难以实现准确的自主避障，而实现无人机准确自主避障的关键在于：如何根据障碍物的坐标信息在三维地图库中准确搜索出目标区域的三维地图，本申请正解决了上述问题；其中，根据障碍物的坐标信息在三维地图库中准确搜索出目标区域的三维地图具体步骤如下：S301、设f(x,y,z)为三维地图库的图像，记为A；设g(x,y,z)为激光器采集到的障碍物信息的图像，记为B；S302、在A中找出与B相匹配的子块：S303、得到目标区域的三维地图：首先，计算出Sx,y,z图像的质心(gx,gy,gz)以及计算出g(x,y,z)图像的质心(g1x,g1y,g1z)；然后将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心，最后根据质心旋转到坐标中心的两幅图像的相关性得到目标区域的三维地图；采用本申请的以上步骤，能够以超过99.9％的准确率搜索出目标区域的三维地图，为无人机根据目标区域的三维地图，重新规划飞行路线而实现自主避障提供前提条件，进而实现三维环境下障碍物的有效侦测与避开。
本申请中对激光器旋转一圈所采集的无人机周围的数据进行拼接，融合成了一个整体的周围障碍物信息图像，使得无人机可全方位无死角避障。
本申请中，在激光器旋转过程中考虑到了无人机的安全距离问题，即控制vt<Rmax-l,这样激光器在水平面旋转一周采集无人机四周障碍物信息时，能够保证无人机不会进入到障碍区，一直保持在安全区域飞行。
本申请具有测量准确、自动化程度高、安全可靠以及使用方便的特点，提供了一种实用性强，工作可靠的无人机避障方法。
实施例2
本实施例的目标区域搜索方法，其根据障碍物的坐标信息在三维地图库中搜索出目标区域的三维地图，包括如下步骤：
S301、设f(x,y,z)为三维地图库的图像，记为A，大小为M×N×L；设g(x,y,z)为激光器采集到的障碍物信息的图像，记为B，大小为m×n×l；
S302、在A中找出与B相匹配的子块：
用Sx,y,z表示A中与B大小相同的子块，Sx,y,z以(x,y,z)为左上角点，Sx,y,z对应的矩阵为：Sx,y,z(k1,k2,k3)＝f(x+k1-1,y+k2-1,z+k3-1)
其中，k1＝1,2…,m；k2,＝1,2…,n；k3＝1,2…,l；
S303、得到目标区域的三维地图：
将三维地图库的A图像经过以上分割后，首先，计算出Sx,y,z图像的质心(gx,gy,gz)以及计算出g(x,y,z)图像的质心(g1x,g1y,g1z)；(利用物理学中计算同一坐标轴上若干小球的质量中心方法的思路计算出Sx,y,z图像和g(x,y,z)图像的质心)，然后将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心，最后根据质心旋转到坐标中心的两幅图像(即Sx,y,z图像和g(x,y,z)图像)的相关性得到目标区域的三维地图。
步骤S303中，Sx,y,z图像的质心(gx,gy,gz)和g(x,y,z)图像的质心(g1x,g1y,g1z)的求解包括以下步骤：
1)对Sx,y,z图像和g(x,y,z)图像在每一个维度上分别做傅里叶变换(为减少计算量，采用FFT来计算傅里叶变换)：
Figure BDA0001505181740000111
Figure BDA0001505181740000112
Figure BDA0001505181740000113
Figure BDA0001505181740000114
Figure BDA0001505181740000115
Figure BDA0001505181740000116
2)分别求解Sx,y,z图像和g(x,y,z)图像在每一个维度上的功率谱：
Sx,y,z图像和g(x,y,z)图像在x、y、z三个维度上的功率谱求解方式是一样的，这里只以求x方向上的功率谱为例；
根据经典的周期图法，g(x,y,z)图像在x方向上的功率谱为：
Figure BDA0001505181740000117
Sx,y,z图像在x方向上的功率谱为：
Figure BDA0001505181740000118
Sx,y,z图像在y方向和z方向以及g(x,y,z)图像在y方向和z方向上的功率谱计算方法同上；
3)求解Sx,y,z图像和g(x,y,z)图像的质心，这里仅以计算g(x,y,z)图像在x方向上的质心为例：
根据周期图方法可以粗略估计信号谱中心
Figure BDA0001505181740000119
和3dB谱宽
Figure BDA00015051817400001110
认为信号谱主要能量分布在
Figure BDA0001505181740000121
范围内；其中，ferror是
Figure BDA0001505181740000122
对应的最大估计误差；n1通常取3；设
Figure BDA0001505181740000123
对应的多普勒通道号为Q，
Figure BDA0001505181740000124
所占的通道数为H，参照步骤2)中公式A功率谱的求解公式，得到g(x,y,z)图像在x方向上信号总功率：
Figure BDA0001505181740000125
式中：t＝mod(h,M)，是指h对M求模；
采用质心法，借助物理学中计算同一坐标轴上若干小球的质量中心方法的思路，类似地可以得到归一化的信号谱中心多普勒频率fc为
Figure BDA0001505181740000126
由质心法得到谱中心的归一化多普勒频率fc后，计算出该频率对应的x坐标，同理，得出y方向和z方向上谱中心对应的坐标值，进而得出Sx,y,z图像和g(x,y,z)图像的质心分别为(gx,gy,gz)、(g1x,g1y,g1z)。
说明：
Figure BDA0001505181740000127
对应的多普勒通道号就是谱中心对应的在矩阵x中的位置；Q的值在计算出谱中心
Figure BDA0001505181740000128
后就能得到其在矩阵中x方向的位置，也即Q；
Figure BDA0001505181740000129
所占的通道数就是在这个谱范围内对应的矩阵中x的位置范围，信号的能量主要就集中在信号谱宽范围内，因此信号总功率只需计算该信号谱范围内的功率即可。
步骤S303中，将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心包括以下步骤：
1)移动三维点集Sx,y,z和g(x,y,z)，使它们的质心都位于坐标原点；根据两个三维点集的质心可得平移矩阵分别为：
T1＝diag(-gx,-gy,-gz)
T2＝diag(-g1x,-g1y,-g1z)
将平移矩阵分别作用到三维点集Sx,y,z和g(x,y,z)后(即T1与Sx,y,z相乘；T2与g(x,y,z)相乘)，两个三维点集分别变换为S'x,y,z和g'(x,y,z)；
步骤S303中，计算质心旋转到坐标中心的两幅图像(即Sx,y,z图像和g(x,y,z)图像)的相关性包括以下步骤：
用ρ(x,y,z)表示S'x,y,z和g'(x,y,z)的相关系数，计算公式如下：
Figure BDA0001505181740000131
其中，Dx,y,z是S'x,y,z的方差，D为g'(x,y,z)的方差，cov(S'x,y,zg'(x,y,z))是S'x,y,z和g'(x,y,z)的协方差，从而：
Figure BDA0001505181740000132
Figure BDA0001505181740000133
Figure BDA0001505181740000134
其中，
Figure BDA0001505181740000135
和
Figure BDA0001505181740000136
分别表示S'x,y,z图像和g'(x,y,z)图像的灰度均值；
当ρ(x,y,z)大于设定的阈值U，则表明g(x,y,z)图像与图像A中的Sx,y,z图像相匹配；其中，阈值U设定为0.8；也就是说找到了障碍物信息的图像在三维地图库中的位置，即在三维地图库中准确搜索出了目标区域的三维地图。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (8)

1.无人机避障方法，其特征在于，包括以下步骤：
S1：在无人机上安装激光器及卫星定位接收机；
S2：无人机飞行过程中，通过激光器采集无人机周围的障碍物信息；
S3：将三维地图库导入无人机的信息处理模块，将采集的障碍物信息进行坐标转换，并在三维地图库中搜索出目标区域的三维地图；
步骤S3中，根据障碍物的坐标信息在三维地图库中搜索出目标区域的三维地图的具体步骤如下：
S301、设f(x,y,z)为三维地图库的图像，记为A，大小为M×N×L；设g(x,y,z)为激光器采集到的障碍物信息的图像，记为B，大小为m×n×l；
S302、在A中找出与B相匹配的子块：
用Sx,y,z表示A中与B大小相同的子块，Sx,y,z以(x,y,z)为左上角点，Sx,y,z对应的矩阵为：Sx,y,z(k1,k2,k3)＝f(x+k1-1,y+k2-1,z+k3-1)
其中，k1＝1,2…,m；k2,＝1,2…,n；k3＝1,2…,l；
S303、得到目标区域的三维地图：
首先，计算出Sx,y,z图像的质心(gx,gy,gz)以及计算出g(x,y,z)图像的质心(g1x,g1y,g1z)；然后将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心，最后根据质心旋转到坐标中心的两幅图像的相关性得到目标区域的三维地图；
步骤S303中，将Sx,y,z图像和g(x,y,z)图像的质心分别旋转到坐标中心包括以下步骤：
1)移动三维点集Sx,y,z和g(x,y,z)，使它们的质心都位于坐标原点；根据两个三维点集的质心可得平移矩阵分别为：
T1＝diag(-gx,-gy,-gz)
T2＝diag(-g1x,-g1y,-g1z)
将平移矩阵分别作用到三维点集Sx,y,z和g(x,y,z)后，两个三维点集分别变换为S'x,y,z和g'(x,y,z)；
步骤S303中，计算质心旋转到坐标中心的两幅图像的相关性包括以下步骤：
用ρ(x,y,z)表示S'x,y,z和g'(x,y,z)的相关系数，计算公式如下：
Figure FDA0002519510050000011
其中，Dx,y,z是S'x,y,z的方差，D为g'(x,y,z)的方差，cov(S'x,y,zg'(x,y,z))是S'x,y,z和g'(x,y,z)的协方差，从而：
Figure FDA0002519510050000021
Figure FDA0002519510050000022
Figure FDA0002519510050000023
其中，
Figure FDA0002519510050000024
和
Figure FDA0002519510050000025
分别表示S'x,y,z图像和g'(x,y,z)图像的灰度均值；
当ρ(x,y,z)大于设定的阈值U，则表明g(x,y,z)图像与图像A中的Sx,y,z图像相匹配；其中，阈值U设定为0.8；
S4：根据目标区域的三维地图，重新规划飞行路线，实现无人机自主避障。
2.根据权利要求1所述的无人机避障方法，其特征在于：S2中，通过驱动组件驱动激光器在无人机上360°循环旋转。
3.根据权利要求2所述的无人机避障方法，其特征在于：S4中，控制vt<Rmax-l；其中，无人机最大飞行速度为v；激光器旋转一圈所需要的时间为t；激光器的最大探测距离为Rmax；障碍物与无人机的安全距离为
Figure FDA0002519510050000026
无人机减速时的加速度为a。
4.根据权利要求3所述的无人机避障方法，其特征在于：
S1中，将激光器安装于无人机上端的中心部位，并且测量出无人机上卫星定位接收机的定位中心与激光器中心的位置关系；
S2中，要求激光器采集的相邻两幅图像具有共同覆盖区，并将激光器旋转一圈所采集的数据进行融合，形成无人机周围的障碍物信息，并传送到信息处理模块。
5.根据权利要求4所述的无人机避障方法，其特征在于，对激光器旋转一圈所采集的数据进行融合的做法如下：
1)找到激光器转动一圈获取的相邻两幅图像上的至少3个共同标记点；
2)以第一幅图像为基准，其它所有图像根据七参数坐标转换关系进行转换；
3)得到无人机周围360°范围内的障碍物信息。
6.根据权利要求5所述的无人机避障方法，其特征在于：
S3中，导入到无人机的信息处理模块的三维地图库的坐标是大地坐标；根据无人机上卫星定位接收机的定位中心与激光器中心的位置关系，将激光器采集的障碍物信息坐标转换成大地坐标，然后根据障碍物的坐标信息在三维地图库中搜索出目标区域的三维地图。
7.根据权利要求1-6任意一项所述的无人机避障方法，其特征在于：激光器包括激光发射器和激光接收器，激光发射器向外界发送激光，激光接收器接收外界障碍物反射回来的激光。
8.根据权利要求1-6任意一项所述的无人机避障方法，其特征在于：卫星定位接收机可以接收GPS、北斗、伽利略或GLONASS中任何一种卫星信号。
CN201711323466.5A 2017-12-13 2017-12-13 无人机避障方法 Active CN108062109B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711323466.5A CN108062109B (zh) 2017-12-13 2017-12-13 无人机避障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711323466.5A CN108062109B (zh) 2017-12-13 2017-12-13 无人机避障方法

Publications (2)

Publication Number Publication Date
CN108062109A CN108062109A (zh) 2018-05-22
CN108062109B true CN108062109B (zh) 2020-09-11

Family

ID=62138275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711323466.5A Active CN108062109B (zh) 2017-12-13 2017-12-13 无人机避障方法

Country Status (1)

Country Link
CN (1) CN108062109B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549408B (zh) * 2018-05-29 2021-03-30 四川九洲空管科技有限责任公司 一种自动防撞地航迹规划方法及***
CN109444915B (zh) * 2018-09-11 2020-11-03 成都优艾维智能科技有限责任公司 一种基于激光雷达数据的危险区域预判方法
CN110966921B (zh) * 2018-09-29 2021-06-04 深圳市掌网科技股份有限公司 室内三维扫描设备及方法
CN110825106B (zh) * 2019-10-22 2022-04-22 深圳市道通智能航空技术股份有限公司 一种飞行器的避障方法、飞行器、飞行***及存储介质
CN113741490A (zh) * 2020-05-29 2021-12-03 广州极飞科技股份有限公司 一种巡检方法、装置、飞行器及存储介质
CN112904361B (zh) * 2020-12-10 2022-05-10 成都飞机工业（集团）有限责任公司 一种基于激光扫描的发动机推力线精确测量方法
CN113376658A (zh) * 2021-05-08 2021-09-10 广东电网有限责任公司广州供电局 一种基于单线激光雷达的无人机自主避障方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850134A (zh) * 2015-06-12 2015-08-19 北京中飞艾维航空科技有限公司 一种无人机高精度自主避障飞行方法
CN105159297A (zh) * 2015-09-11 2015-12-16 南方电网科学研究院有限责任公司 输电线路无人机巡检避障***与方法
CN105549616A (zh) * 2016-01-05 2016-05-04 深圳市易飞行科技有限公司 一种基于激光阵列的多轴无人机避障***及其避障方法
CN105759829A (zh) * 2016-04-12 2016-07-13 深圳市龙云创新航空科技有限公司 基于激光雷达的微型无人机操控方法及***
CN108594849A (zh) * 2018-04-10 2018-09-28 深圳市易飞行科技有限公司 一种基于毫米波雷达的无人机避障方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9969492B2 (en) * 2015-09-04 2018-05-15 Nutech Ventures Crop height estimation with unmanned aerial vehicles

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850134A (zh) * 2015-06-12 2015-08-19 北京中飞艾维航空科技有限公司 一种无人机高精度自主避障飞行方法
CN105159297A (zh) * 2015-09-11 2015-12-16 南方电网科学研究院有限责任公司 输电线路无人机巡检避障***与方法
CN105549616A (zh) * 2016-01-05 2016-05-04 深圳市易飞行科技有限公司 一种基于激光阵列的多轴无人机避障***及其避障方法
CN105759829A (zh) * 2016-04-12 2016-07-13 深圳市龙云创新航空科技有限公司 基于激光雷达的微型无人机操控方法及***
CN108594849A (zh) * 2018-04-10 2018-09-28 深圳市易飞行科技有限公司 一种基于毫米波雷达的无人机避障方法

Also Published As

Publication number Publication date
CN108062109A (zh) 2018-05-22

Similar Documents

Publication Publication Date Title
CN108062109B (zh) 无人机避障方法
US10191486B2 (en) Unmanned surveyor
KR101574601B1 (ko) 비전센서가 결합된 다중회전익 무인비행체 및 다중회전익 무인비행체의 자율비행 제어방법, 그 방법을 수행하기 위한 프로그램이 기록된 기록매체
CN112335190B (zh) 无线电链路覆盖图和减损***及方法
US10921825B2 (en) System and method for perceptive navigation of automated vehicles
CN105184776A (zh) 目标跟踪方法
CN105157697A (zh) 基于光电扫描的室内移动机器人位姿测量***及测量方法
US11204274B2 (en) Ultraviolet sensing apparatus with mirror amplification
CN106526551A (zh) 一种雷达天线动态性能测试***及方法
CN104102218A (zh) 基于视觉伺服的感知与规避方法及***
US11287261B2 (en) Method and apparatus for controlling unmanned aerial vehicle
Al-Darraji et al. A technical framework for selection of autonomous uav navigation technologies and sensors
RU195749U1 (ru) Интеллектуальная система технического зрения беспилотного летательного аппарата для решения задач навигации, построения трехмерной карты окружающего пространства и препятствий и автономного патрулирования
Meriaux et al. Evaluation of navigation and trajectory-following capabilities of small unmanned aerial systems
CN113721188B (zh) 拒止环境下的多无人机自身定位与目标定位方法
Jung et al. Compensating UAV GPS data accuracy through use of relative positioning and GPS data of UGV
KR101725649B1 (ko) 무인 비행체 및 그 무인 비행체 조종을 위한 원격 조종기
Sousa et al. Isep/inesc tec aerial robotics team for search and rescue operations at the eurathlon 2015
Hayajneh et al. A virtual GPS design using information of indoor localisation system for robotics navigation
RU2498193C2 (ru) Способ инерциального автосопровождения заданного объекта визирования и система для его осуществления
Kaewkorn et al. High-accuracy position-aware robot for agricultural automation using low-cost imu-coupled triple-laser-guided (TLG) system
Zhou et al. Design and Implementation of Ground Terminal for Aerial Radio Monitoring System Based on UAV
Joo et al. Enhancement of UAV-Based Spatial Positioning Using the Triangular Center Method with Multiple GPS
CN220884724U (zh) 一种测绘工程用ccd运载及联动装置
Sathyadevan GPS Spoofing Detection in UAV Using Motion Processing Unit

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant