一种森林无人机搜寻方法与流程

本发明涉及无人机技术领域，具体涉及一种森林无人机搜寻方法。

背景技术：

四旋翼无人机以其尺寸小、结构简单、行动灵活以及制造成本低廉等优点，在航拍、灾后救援、农林种植、军事侦察等领域得到越来越广泛的应用。我国是一个林业大国，对于森林林间的近距离勘察、野生动物的追踪、野外森林的失事人员的搜救等存在需求，而人在茂密的森林内行动不便，因此需要无人机协助，而一般的无人机应用都是在空旷无障碍的地方实现的，而在遇到突发威胁、随遇目标等情况下，无法实时进行航线调整，尤其在杂乱的建筑物内和障碍遍布的森林环境下无法实现自主导航飞行，进而无法实现高级别的飞行任务。所以多障碍复杂的森林间无人机自主飞行面临着巨大的挑战。

无人机在森林间自主飞行需要解决定位问题，而gps定位信息在复杂的森林间不再适用，这需要无人机自主检测周围的环境并构建出地图，然后利用构建的地图进行路径规划。

现有技术的缺点主要有：处理时间长，定位精度不高，检测存在盲区，受环境影响干扰大，只适用于室内静态环境，对室外环境判断不准确，尤其是具有移动物体干扰的情况。基于双目摄像头的定位避障技术需要对环境进行实时的图像采集，基于所采集的左、右两幅图像匹配计算生成视差图并进行预处理；基于视差图信息，对视差图进行轮廓和灰度值的聚类划分，得到具有清晰结构的区域块，将所述区域块的噪声干扰去除后得到潜在障碍物区域。这样的处理需要大量的计算，处理的时间长，无法满足无人机实时性的要求。一些基于超声波、声呐等传感器的障碍物检测方法，这些传感器能够探测智能体周围的环境，但是在复杂的环境下，多个超声波信息交错在一起容易产生混淆。而且任何传感设备都不是完美的，总会存在盲区或受外界噪声的干扰，这就导致了准确性的降低。

技术实现要素：

本发明的目的是提供一种处理速度快、定位精度高的森林无人机搜寻方法，该搜寻方法使得无人机在森林环境下能快速搜寻路径，能更好地适应森林间的复杂环境。

为了实现上述任务，本发明采用以下技术方案：

一种森林无人机搜寻方法，在无人机上搭载有激光传感器、辅助定位传感器、光流传感器、惯性测量单元；当无人机飞行在森林环境中时：

通过惯性测量单元获取imu数据，通过光流传感器获取光流数据，根据imu数据和光流数据，利用扩展卡尔曼滤波算法得出无人机的初步位姿；

对于无人机在相邻的两个时间点的初始位姿，采用自适应蒙特卡洛定位法对无人机的初步位姿进行修正，得到修正后的位姿作为无人机真正的位姿；

利用分布在所述无人机周围不同方向的多个所述激光传感器测量不同方向的障碍物与无人机之间的距离；

利用辅助定位传感器测量无人机周围障碍物的距离以及障碍物的大小；如在相同方向上辅助定位传感器测量的障碍物与无人机的距离与所述激光传感器测量的障碍物与无人机的距离的差值大于设定的第一阈值，则视为无效数据，重新利用激光传感器、辅助定位传感器进行障碍物距离的测量；如所述的差值小于设定的第一阈值，则为可用数据，此时利用激光传感器测量的不同方向的障碍物与无人机之间的距离进行地图的构建；

利用辅助定位传感器测量的障碍物大小，对构建的地图中每相邻的两个障碍物之间的距离进行比较，如果相邻的两个障碍物之间的距离大于无人机的最大外径且比最大外径超过设定的第二阈值，则在地图上标注所述两个障碍物之间为可通行位置；

改变无人机的位姿，获取地图中不同的可通行位置；如存在一个或一个以上的可通行位置能构成连通无人机当前位置至设定的目标位置之间的连通区域，则根据该连通区域进行无人机路径规划，无人机根据规划后的路径到达目标位置。

进一步地，所述的辅助定位传感器包括超声波传感器或红外传感器。

进一步地，所述的连通区域的直径均大于无人机的最大外径且超过第二阈值。

本发明具有以下技术特点：

1.与现有技术相比，本发明采用了多种传感器，实现高精度定位，充分发挥不同传感器的优点，进行不同传感器进行了优缺点互补。采用了多种定位算法相结合的算法，进行位姿的修正，这样能够充分的对森林等障碍物多的复杂环境进行充分的扫描，并减少传感器的盲区，克服干扰。

2.本发明实现了高精度定位，提高了对环境变化的抗干扰能力，采用自适应蒙特卡罗定位算法，引入了粒子数自适应机制，提高了位姿估计的效率，从而提高了计算效率。采用了多传感器冗余的障碍物判断算法，充分确保了无人机的安全性能。

附图说明

图1为本发明方法的流程示意图；

图2为激光传感器进行障碍物距离测量时的示意图；

图3为高斯分布采样的示意图；

图4为自适应蒙特卡洛定位法流程示意图；

图5为可通行位置判断流程示意图。

具体实施方式

本发明公开了一种森林无人机搜寻方法，除了无人机自身原本携带的机载计算机、无线收发模块、摄像头、惯性测量单元、动力系统之外，本方案在无人机上还搭载有激光传感器、辅助定位传感器、光流传感器；其中：

所述的机载计算机作为控制中枢，用于接收各类传感器采集的数据进行无人机路径规划、建图、飞行控制等，并根据无线收发模块接收的地面控制指令，对无人机进行对应的控制；无线收发模块用于将无人机当前的飞行信息发送给地面控制器，并接收地面控制器发送来的控制指令；摄像头用于采集图像，并通过无线收发模块发送给地面控制器；惯性测量单元用于采集imu数据，动力系统用于驱动无人机。

无人机在森林间飞行首要任务是先对森林环境进行扫描，构建出电子地图，然后对障碍物的位置以及大小进行识别，森林间的障碍物主要为树干以及树叶，再对进行路径规格，然后到达目标点进行相应的任务。具体步骤如下：

步骤1，通过惯性测量单元imu获取imu数据，但是由于imu的气压计不稳定，而且无人机相对地面的高度需要更加准确的光流传感器来做定高处理，因此通过光流传感器获取光流数据，机载计算机根据imu数据和光流数据，利用扩展卡尔曼滤波算法得出无人机的初步位姿。

步骤2，对于无人机在相邻的两个时间点的初始位姿，机载计算机采用自适应蒙特卡洛定位法对无人机的初步位姿进行修正，得到修正后的位姿作为无人机真正的位姿。所述的相邻的两个时间点，是指当前时间点与前一刻时间点；修改正后的位姿为当前时刻无人机的真正位姿。无人机的位姿是无人机进行定位、路径规划、建图等过程的基础，因此精确的位姿对无人机的这些过程具有重要意义。

在自适应蒙特卡洛定位法中，用高斯分布采样出m个粒子来表示无人机位置。如图3所示，其中圆点表示采用的粒子，曲线表示高斯分布。定位过程包含四个步骤，如图4所示。

步骤3，机载计算机利用分布在所述无人机周围不同方向的多个所述激光传感器测量不同方向的障碍物与无人机之间的距离。所述的激光传感器能够测量不同方向最近障碍物，也就是树枝、树叶等与无人机之间的距离。每一个时间点，机载计算机会获取到一次测量值。如图2所示，其中三角形表示无人机，直线为激光束，方块为在激光方向上检测到的最近的障碍物。激光传感器检测到的距离值在后续经过数据有效性判断后，利用有效数据进行地图的构建。

步骤4，利用辅助定位传感器，例如超声波传感器、红外传感器等测量无人机周围障碍物的距离以及障碍物的大小；机载计算机进行判断：

如在相同方向上辅助定位传感器测量的障碍物与无人机的距离与所述激光传感器测量的障碍物与无人机的距离的差值大于设定的第一阈值，例如第一阈值为5cm，则视这两类距离均为无效数据，重新利用激光传感器、辅助定位传感器进行障碍物距离的测量；如所述的差值小于设定的第一阈值，则为可用数据，此时利用激光传感器测量的不同方向的障碍物与无人机之间的距离进行地图的构建。由此，通过辅助定位传感器进行障碍物距离的校正，使建图更加精准。

步骤5，利用辅助定位传感器测量的障碍物大小，机载计算机对构建的地图中每相邻的两个障碍物之间的距离进行比较，如果相邻的两个障碍物之间的距离大于无人机的最大外径且比所述最大外径超过设定的第二阈值，例如第二阈值设置为不小于20cm，则在地图上标注所述两个障碍物之间为可通行位置。即两个障碍物之间的距离要大于无人机的最大外径，并且要留有一定的余量(第二阈值)，使得在外界因素，如风力等的影响条件下，可通行位置也能满足通行需求。对于两个障碍物之间的距离小于无人机最大外径的位置标注为不可通行位置。

步骤6，改变无人机的位姿，按照步骤5相同的方法获取地图中不同的可通行位置；如存在一个或一个以上的可通行位置能构成连通无人机当前位置至设定的目标位置之间的连通区域，该连通区域的直径均大于无人机的最大外径且超过第二阈值，则根据该连通区域进行无人机路径规划，无人机根据规划后的路径到达目标位置。