地形检测方法、可移动平台、控制设备、系统及存储介质与流程
本申请涉及地形检测技术领域，尤其涉及一种地形检测方法、可移动平台、控制设备、系统及存储介质。
背景技术：
目前，在无人飞行器、自主作业机器人等自主作业过程中，通常会采用雷达、超声测距或者是机器视觉等方法扫描地面以获取地形信息。但在扫描过程中，一方面受视场角所限，另一方面受到探测距离的限制，对于探测距离范围外的区域无法进行探测，导致在扫描过程中会存在扫描盲区。由于扫描盲区的存在导致地形测量不够完整和准确，因此保证无人飞行器的安全飞行。
技术实现要素：
基于此，本申请提供了一种地形检测方法、可移动平台、控制设备、系统及存储介质，以对未扫描到的区域的地形进行检测，进而保证可移动平台的安全运行。
第一方面，本申请提供了一种地形检测方法，所述方法包括：
获取未扫描的目标区域，对所述目标区域进行地面点采样以得到所述目标区域对应的地面点集合；
获取扫描区域对应的观测数据；
根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵；
根据所述协方差矩阵，确定所述地面点集合中每个地面点的高度位置信息；以及
根据所述每个地面点的高度位置信息确定所述目标区域的地形信息。
第二方面，本申请还提供了一种可移动平台，所述可移动平台包括检测装置、存储器和处理器；
所述检测装置用于地形检测并采集扫描区域的观测数据；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
获取未扫描的目标区域，对所述目标区域进行地面点采样以得到所述目标区域对应的地面点集合；
获取扫描区域对应的观测数据；
根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵；
根据所述协方差矩阵，确定所述地面点集合中每个地面点的高度位置信息；以及
根据所述每个地面点的高度位置信息确定所述目标区域的地形信息。
第三方面，本申请还提供了一种控制设备，所述控制设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如上述地形检测方法的步骤，并将确定的地形信息发送至可移动平台。
第四方面，本申请还提供了一种控制系统，所述控制系统包括飞行器和如第三方面所述的控制设备；其中，所述可移动平台用于对目标区域进行采样得到所述目标区域对应的地面点集合，以及采集扫描区域的观测数据，并将所述地面点集合和所述观测数据发送至所述控制设备。
第五方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述的地形检测方法。
本申请提出的一种地形检测方法、可移动平台、控制设备、系统及存储介质，可提高对未扫描的目标区域的地形信息的预测准确率，确保了可移动平台的安全运行。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。
图1是本申请一实施例提供的一种控制系统的示意性框图；
图2是本申请一实施例提供的飞行器的示意性架构图；
图3是本申请一实施例提供的一种地形检测方法的步骤示意流程图；
图4是本申请一实施例提供的对目标区域进行均匀采样的采样示意图；
图5是本申请一实施例提供的可移动平台的示意性框图；
图6是本申请一实施例提供的控制设备的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本申请的实施例提供了一种地形检测方法、可移动平台、控制设备、控制系统及存储介质，用于对检测装置的扫描盲区进行地形预测，从而确定未扫描的目标区域内的地形信息，以确保可移动平台的安全运行。
具体来说，在本申请的实施方式中，通过对目标区域的地面点进行采样得到地面点集合，然后根据扫描区域对应的观测数据和地面点集合构建地面点集合对应的协方差矩阵，根据该协方差矩阵确定地面点的高度位置信息，以根据地面点的高度位置信息确定目标区域的地形信息，实现对检测装置的扫描盲区进行地形预测，提高对未扫描的目标区域的地形信息的预测准确率。
其中，该控制系统包括可移动平台和控制设备。
示例性的，可移动平台包括飞行器、机器人或自动驾驶车辆等，可移动平台上搭载有检测装置，检测装置包括雷达、测距传感器等，为便于描述，本申请以检测装置为雷达进行详细介绍。
示例性的，控制设备包括遥控器、地面控制平台、手机、平板电脑、笔记本电脑和pc电脑等。
示例性的，如图1所示，控制系统为地形检测系统，该地形检测系统100包括飞行器110和控制设备120。
飞行器110包括无人机，该无人机包括旋翼型无人机，例如四旋翼无人机、六旋翼无人机、八旋翼无人机，也可以是固定翼无人机，还可以是旋翼型与固定翼无人机的组合，在此不作限定。
图2是根据本说明书的实施例的飞行器110的示意性架构图。本实施例以旋翼无人飞行器为例进行说明。
飞行器110可以包括动力系统、飞行控制系统和机架。飞行器110可以与控制设备120进行无线通信，该控制设备120可以显示飞行器的飞行信息等，控制设备120可以通过无线方式与飞行器110进行通信，用于对飞行器110进行远程操纵。
其中，机架可以包括机身111和脚架112(也称为起落架)。机身111可以包括中心架1111以及与中心架1111连接的一个或多个机臂1112，一个或多个机臂1112呈辐射状从中心架延伸出。脚架112与机身111连接，用于在飞行器110着陆时起支撑作用。
动力系统可以包括一个或多个电子调速器(简称为电调)、一个或多个螺旋桨113以及与一个或多个螺旋桨113相对应的一个或多个电机114，其中电机114连接在电子调速器与螺旋桨113之间，电机114和螺旋桨113设置在飞行器110的机臂1112上；电子调速器用于接收飞行控制系统产生的驱动信号，并根据驱动信号提供驱动电流给电机，以控制电机114的转速。电机114用于驱动螺旋桨113旋转，从而为飞行器110的飞行提供动力，该动力使得飞行器110能够实现一个或多个自由度的运动。
在某些实施例中，飞行器110可以围绕一个或多个旋转轴旋转。例如，上述旋转轴可以包括横滚轴、偏航轴和俯仰轴。应理解，电机114可以是直流电机，也可以交流电机。另外，电机114可以是无刷电机，也可以是有刷电机。
飞行控制系统可以包括飞行控制器和传感系统。传感系统用于测量无人飞行器的姿态信息，即飞行器110在空间的位置信息和状态信息，例如，三维位置、三维角度、三维速度、三维加速度和三维角速度等。传感系统例如可以包括陀螺仪、超声传感器、电子罗盘、惯性测量单元(inertialmeasurementunit，imu)、视觉传感器、全球导航卫星系统和气压计等传感器中的至少一种。例如，全球导航卫星系统可以是全球定位系统(globalpositioningsystem，gps)。飞行控制器用于控制飞行器110的飞行，例如，可以根据传感系统测量的姿态信息控制飞行器110的飞行。应理解，飞行控制器可以按照预先编好的程序指令对飞行器110进行控制，也可以通过响应来自控制设备120的一个或多个控制指令对飞行器110进行控制。
如图1所示，飞行器110的脚架112上搭载有雷达115，该雷达115用于实现对地形信息进行勘测的功能。其中，飞行器110可以包括两个或两个以上脚架112，雷达115搭载在其中一个脚架112上。
雷达主要包括射频前端模块和信号处理模块，射频前端模块包括一个发射天线和一个接收天线，信号处理模块负责产生调制信号以及对采集的中频信号进行处理分析。
具体地，射频前端模块接收到调制信号产生频率随调制信号线性变化的高频信号，通过发射天线向下辐射，电磁波遇到地面、目标物或障碍物被反射回来，再被接收天线接收，发射信号与中频进行混频得到中频信号，根据中频信号的频率就可得到速度信息和距离信息。
在使用雷达在待扫描区域内进行扫描时，雷达通过辐射电磁波在空间中传播遇到目标物，由目标物散射回波被雷达接收实现探测目标物。雷达在随可移动平台飞行过程中，通过辐射电磁波不断采集观测数据，但雷达在待扫描区域内会产生扫描盲区，无法采集到扫描盲区对应的目标区域内的观测数据。
在此情况下，需要对扫描盲区的地形进行预测，现有的对地形信息进行预测的方法大多是根据扫描到的地形信息，采用经验模型对扫描点进行拟合，得到拟合平面，利用拟合平面对未扫描区域的空间方位信息进行预测。但经验模型选用不恰当对导致拟合平面预测的地形与实际结果的偏差较大，并且拟合会平滑地形变化剧烈区域的地形，使得该区域丢失地形特征。对于扫描盲区的地形特征预测不准确会影响可移动平台的作业和飞行安全。因此有必要提高对扫描盲区的地形预测的准确率。
应理解，上述对于飞行器各组成部分的命名仅是出于标识的目的，并不应理解为对本说明书的实施例的限制。
请参阅图3，图3是本申请一实施例提供的一种地形检测方法的步骤示意流程图。该方法可以应用于控制设备或飞行器中，用于对未扫描到的扫描盲区内的地形进行预测，并确定扫描盲区内的地形信息，以确保可移动平台的安全运行。
以下将结合图1中控制系统对该地形检测方法进行详细介绍。需知，图1中的控制系统并不构成对该地形检测方法的应用场景的限定。
如图3所示，该地形检测方法包括步骤s101至步骤s105。
s101、获取未扫描的目标区域，对所述目标区域进行地面点采样以得到所述目标区域对应的地面点集合。
其中，未扫描的目标区域是指与扫描区域相邻的扫描盲区。待扫描区域包括目标区域和扫描区域，当雷达在对待扫描区域进行扫描以进行地形检测时，由于地理条件或电磁波传播特性等原因，雷达扫描会存在扫描盲区，为了对扫描盲区，也即未扫描的目标区域内的地形进行预测，需要对目标区域进行地面点采样。
示例性的，对目标区域进行地面点采样以得到目标区域对应的地面点集合的步骤，包括：对所述目标区域进行多次随机采样，得到多个地面点，所述多个地面点构成地面点集合。
具体地，可沿某个方向上对目标区域进行多次随机不规则采样，得到多个空间上的采样点，根据多个采样点确定各个采样点对应的地面点为采样得到的地面点，从而构成地面点集合。
示例性的，当然可以按照变化的空间步长沿某个方向上对目标区域进行多次随机不规则采样，得到多个空间上的采样点。其中，空间步长是指空间上两个采样点之间的距离。
例如，以目标区域的边缘为起始采样点，在沿与地面平行的方向上依次以0.2m、0.3m、0.4m、0.5m的空间步长间隔进行采样，得到共五个采样点，分别确定这五个采样点对应的地面点，五个地面点构成地面点集合。
示例性的，对目标区域进行地面点采样以得到目标区域对应的地面点集合的步骤，包括：以预设的空间步长间隔对所述目标区域进行多次均匀采样，得到多个地面点，所述多个地面点构成地面点集合。
其中，如图4所示，为对目标区域进行均匀采样的采样示意图，其中，图中填充部分为扫描区域，空白部分为目标区域，图中的交叉点为采样得到的地面点。可沿某个方向上按照预设的空间步长间隔对目标区域进行多次均匀采样，得到多个空间上的采样点，根据多个采样点确定各个采样点对应的地面点为采样得到的地面点，从而构成地面点集合。
例如，空间步长间隔可以取0.2m，以目标区域的边缘为起始采样点，在沿与地面平行的方向上每隔0.2m对目标区域对应的地面点进行采样，直至对整个目标区域完成采样，分别确定多个采样点对应的地面点，得到的多个地面点构成地面点集合。
对目标区域按照一定的空间步长进行均匀采样得到地面点，从而将整个目标区域离散为多个预设边长的网格，网格的边长也即预设的空间步长间隔，从而提高根据地面点确定目标区域内的地形信息的准确度。
s102、获取扫描区域对应的观测数据。
其中，所述观测数据包括扫描区域内观测点的位置信息和高度位置信息，位置信息包括第一位置信息和第二位置信息。在本申请的实施例中，为了便于表述，将观测点在雷达坐标系下的坐标记为(xa,ya,za)，其中，xa即为观测点的第一位置信息，ya即为观测点的第二位置信息，za即为观测点的高度位置信息。其中，第一位置信息、第二位置信息和高度位置信息三者互相垂直。根据本发明的一实施方式，第一位置信息包括景深探测距离，第二位置信息包括水平探测距离。
在一些实施例中，在获取扫描区域对应的观测数据后，还包括：对所述观测数据中观测点的坐标进行坐标转换，根据聚类算法对坐标转换后的观测数据中观测点进行聚类以剔除杂点。
其中，对于大地上的某一点而言，可能由于飞行器飞行姿态的变化，导致搭载在飞行器上的雷达对于该点扫描得到的观测数据有所不同。因此，为了提高观测数据的准确性，降低飞行器的飞行姿态等外部因素的影响，可以对观测数据中观测点的坐标进行坐标转换。
示例性的，对所述观测数据中观测点的坐标进行坐标转换的步骤，包括：
获取检测装置的姿态四元数，所述检测装置用于检测扫描区域得到观测数据；根据所述姿态四元数将所述观测数据中观测点的坐标从第一坐标系转换成第二坐标系，其中，所述第一坐标系和所述第二坐标系不同。
其中，所述第一坐标系包括雷达坐标系，所述第二坐标系包括大地坐标系。在本申请的实施例中，所采用的大地坐标系为enu(east-north-upcoordinatesystem,东北天坐标系)。为了便于表述，将观测点在大地坐标系下的坐标记为(xg,yg,zg)，其中，xg即为观测点相对于坐标原点正北方向上的距离，yg即为观测点相对于坐标原点正东方向上的距离，zg即为观测点相对于坐标原点垂直方向上的距离。
在进行坐标转换时，可以利用以下公式进行坐标转换：
其中，
具体地，姿态四元数旋转矩阵
由于观测数据中杂点的存在会对最终的地形预测结果产生影响，因此为了提高对于未扫描的目标区域的地形预测的准确率，需要使用聚类算法对坐标转换后的观测数据中的杂点进行剔除。
其中，聚类算法可以包括：k-means聚类算法、均值漂移聚类算法、dbscan算法聚类、最大期望聚类和层次聚类算法中的一种。
示例性的，采用dbscan算法聚类，根据聚类算法对坐标转换后的观测数据中观测点进行聚类以剔除杂点的步骤，包括：
基于dbscan算法聚类，根据所述坐标转换后的观测数据中观测点的密集程度，对所述观测点进行聚类以剔除杂点。
其中，dbscan算法具体是基于一组邻域参数来刻画观测点分布的紧密程度，从而生成聚类簇。其中，邻域参数包括∈和minpts，其中，∈表示两点之间的最小距离，如果两个观测点之间的距离小于或等于该值，则认为这两个观测点是相邻的点。在一实施方式中，如果两个观测点之间的距离小于或等于该值，则认为这两个观测点归属于同一点簇。minpts表示形成密集区域的最小点数。
在具体实施过程中，dbscan算法首先根据邻域参数从观测数据中所有观测点中确定出核心观测点，然后以任一核心观测点为出发点，找出由其密度可达的其他观测点生成聚类簇，直到所有核心观测点均被访问过为止。未处于聚类簇内的点则被视为杂点进行剔除。
s103、根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵。
其中，根据观测数据和地面点集合构建地面点集合对应的协方差矩阵，以便利用计算得到的协方差矩阵，和观测数据中观测点的高度位置信息，对地面点对应的高度位置信息进行预测。
在一些实施例中，根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵的步骤，包括：
基于高斯过程回归，根据所述观测数据中观测点的位置信息和所述地面点集合中一个地面点的位置信息构建包括所述地面点的位置信息的协方差矩阵。
其中，所述地面点集合对应的协方差矩阵为所述地面点集合中每个地面点的协方差矩阵的集合，每个所述地面点的协方差矩阵均属于联合正态分布。所述位置信息包括第一位置信息和第二位置信息，所述第一位置信息和第二位置信息不同，在本申请中，第一位置信息为在大地坐标系下的x坐标，第二位置信息为在大地坐标系下的y坐标。
示例性的，所述高斯过程回归包括：确定核函数，并确定所述核函数的超参数。
其中，核函数包括样条核函数、多项式核函数、感知器核函数和高斯核函数中的一种。为了便于理解，本申请以高斯核函数为例进行详细说明。高斯核函数公式如下：
其中，l为尺度参数，其体现的是两个变量a,b之间的相关性，σ控制整体回归的方差。上式中，a表示观测点a1的位置信息，b表示观测点b1的位置信息。也就是说，a,b可以为观测点a1和观测点b1大地坐标系下的坐标(xa1,ya1,za1)、(xb1,yb1,zb1)。
由于高斯过程回归的回归效果很大程度取决于核函数的形式，选取了合适的核函数之后，就要对核函数的参数进行估计。为了便于求解高斯核函数中的参数，可以根据高斯核函数中的参数l和σ构建一个超参数θ，其中，超参数θ为参数l和σ的集合，也即超参数θ＝{l,σ}。
示例性的，所述确定所述核函数的超参数的步骤，包括：利用极大似然法确定所述核函数的超参数。
具体地，可以通过构建似然函数，使得超参数θ的后验分布最大化来求解超参数，以确定高斯核函数中的超参数。
具体地，对于超参数θ，构建的似然函数为：
其中，x,y,z分别为已知观测点的第一位置信息、第二位置信息和高度位置信息，k为观测点的协方差矩阵，zt表示矩阵z的转置矩阵，n为已知观测点的数量。
对于构建的关于超参数θ的似然函数，可以采用梯度下降法求解超参数θ的最优值，如下所示：
对上述公式进行求解，可以随机给定一些观测点的观测数据，也即式中x,y,z的值，以求解超参数θ。
s104、根据所述协方差矩阵，确定所述地面点集合中每个地面点的高度位置信息。
其中，根据协方差矩阵，确定地面点集合中每个地面点的高度位置信息，具体是由于地面点的高度位置信息隶属于一个一维正态分布，因此，利用正态分布的公式计算该正态分布的均值，均值记为地面点的高度位置信息的估计值。
在一些实施例中，所述根据所述观测数据中观测点的位置信息和所述地面点集合中一个地面点的位置信息构建包括所述地面点的位置信息的协方差矩阵的步骤，包括：
利用确定所述超参数的核函数，根据所述观测数据中的观测点的位置信息构建所述观测数据中的观测点的协方差矩阵；根据所述观测点的协方差矩阵和所述地面点集合中一个地面点的位置信息构建包括所述地面点的位置信息的协方差矩阵。
其中，高斯过程是给定观测点的位置信息(x,y)，对观测点的高度位置信息z进行建模，并且假设对应的这些高度位置信息z服从联合正态分布。
也即，对于已知的多个观测点，根据观测点的位置信息有如下的联合正态分布：
令：
其中，z为n个观测点的高度位置信息，m为该联合正态分布的均值，k为该联合正态分布的方差。其中，kse(xi,xj)是指第i个观测点的位置信息(x,y)和第j个观测点的位置信息(x,y)之间的协方差。
在确定观测点的协方差矩阵k后，根据目标区域中的地面点(x*,y*)，对该地面点的高度位置信息z*进行建模，并且假设z*与观测点的高度位置信息z属于同一个联合正态分布，则有：
计算每一个地面点和每一个观测点的位置信息之间的样本距离并利用高斯核计算得到上述联合正态分布的协方差矩阵，也即k*，如下：
在获取到地面点的协方差矩阵k*后，利用k*和n个观测点的高度位置信息z，即可对地面点(x*,y*)所对应的高度位置信息z*进行回归预测，以确定地面点的高度位置信息。
示例性的，所述根据所述协方差矩阵确定所述地面点集合中每个地面点的高度位置信息的步骤，包括：
根据所述观测点的协方差矩阵对所述地面点集合中每个地面点的协方差矩阵进行回归分析，得到每个地面点的高度位置信息。
其中，由于对于地面点的高度位置信息所服从的联合正态分布中的所有参数均为已知，因此，利用公式即可得到z*属于一个一维的正态分布，参数为：
z*～n(a*,σ*)
μ*＝k*k-1z
其中，μ*为该正态分布的均值，也即为地面点(x*,y*)的高度位置信息z*的高斯过程回归预测值，即是目标区域中的地面点的高度位置信息。
需要说明的是，可以根据已经预测的地面点和扫描区域中的观测点对未预测的地面点构建协方差矩阵，以预测该未预测的地面点的高度位置信息。
s105、根据所述每个地面点的高度位置信息确定所述目标区域的地形信息。
其中，地形信息包括地面高度、地面平整度、地面坡度中的一项或多项。根据地面点的高度位置信息即可在三维空间中确定与地面点对应的空间点，通过对多个空间点进行拟合得到拟合平面，通过拟合平面即可提取地面高度、地面坡度、地面平整度等地形信息。
示例性的，所述根据所述每个地面点的高度位置信息确定所述目标区域的地形信息的步骤，包括：
根据所述地面点集合中每个地面点的位置信息和高度位置信息进行拟合，以得到所述目标区域的拟合平面；根据所述拟合平面确定所述目标区域的地形信息。
其中根据地面点的位置信息和高度位置信息即可在三维空间中确定与地面点对应的空间点，通过对多个空间点进行拟合，得到目标区域的拟合平面，通过拟合平面即可提取目标区域的地面高度、地面坡度、地面平整度等地形信息。
示例性的，根据拟合平面中多个空间点的高度位置信息计算均值，根据均值确定扫描区域的地面平整度。在一个实施方式中，根据拟合平面多个空间点的残差计算均值，根据均值确定扫描区域的地面平整度。
示例性的，依据多个空间点的高度位置信息，确定拟合平面的坡度。具体地，在一个实施方式中，依据多个空间点的高度沿某一水平方向的变化趋势，确定扫描区域的坡度。
在一些实施例中，该地形检测方法还包括：根据所述扫描区域的观测数据确定所述扫描区域的地形信息。
其中，对扫描区域各个观测点的观测数据进行拟合，得到扫描区域对应的拟合平面，通过该拟合平面即可提取出扫描区域的地形信息。
在一些实施例中，为了提高得到的地形信息的连续性和完整度，该地形检测方法还包括：将所述扫描区域的观测数据与所述目标区域的预测数据进行拼接，得到拼接数据；对所述拼接数据进行拟合以得到所述扫描区域和目标区域的拟合平面，根据所述拟合平面确定所述扫描区域和目标区域的地形信息。
其中，目标区域的预测数据包括目标区域的地面点的高度位置信息的预测值和地面点的位置信息。将扫描区域的观测数据和目标区域的预测数据进行拼接，得到一个完整的待扫描区域的拼接数据，其中，待扫描区域包括目标区域和扫描区域。然后对拼接数据进行拟合，得到完整的待扫描区域的拟合平面，从而根据该拟合平面确定待扫描区域的地形信息。
将扫描区域的观测数据与目标区域的预测数据进行拼接，得到整个待扫描区域的拼接数据，从而可以对整个待扫描区域的地形进行预测，提高了地形预测的连续性和完整度。
上述实施例通过获取目标区域并对目标区域进行地面点采样得到地面点集合，然后根据扫描区域对应的观测数据和地面点集合构建地面点集合对应的协方差矩阵，根据协方差矩阵确定地面点集合中各个地面点的高度位置信息，最终根据各个地面点的高度位置信息确定目标区域的地形信息。实现对未扫描的目标区域的地形信息的预测，提高地形预测的准确率。
请参阅图5，图5是本申请一实施例提供的可移动平台的示意性框图。该可移动平台11包括处理器111、存储器112和检测装置113，处理器111、存储器112和检测装置113通过总线连接，该总线比如为i2c(inter-integratedcircuit)总线或者，检测装置113与处理器111通过can总线连接。
其中，该可移动平台包括飞行器、机器人或自动无人驾驶车辆等。
具体地，处理器111可以是微控制单元(micro-controllerunit，mcu)、中央处理单元(centralprocessingunit，cpu)或数字信号处理器(digitalsignalprocessor，dsp)等。
具体地，存储器112可以是flash芯片、只读存储器(rom，read-onlymemory)磁盘、光盘、u盘或移动硬盘等。
具体地，检测装置113用于地形检测并采集扫描区域的观测数据。
其中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现如下步骤：
获取未扫描的目标区域，对所述目标区域进行地面点采样以得到所述目标区域对应的地面点集合；
获取扫描区域对应的观测数据；
根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵；
根据所述协方差矩阵，确定所述地面点集合中每个地面点的高度位置信息；以及
根据所述每个地面点的高度位置信息确定所述目标区域的地形信息。
在一些实施例中，所述目标区域为所述扫描区域相邻的扫描盲区。
在一些实施例中，所述处理器实现所述根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵的步骤之前，包括：
对所述观测数据中观测点的坐标进行坐标转换，根据聚类算法对坐标转换后的观测数据中观测点进行聚类以剔除杂点。
在一些实施例中，所述处理器实现所述对所述观测数据中观测点的坐标进行坐标转换的步骤，包括：
获取检测装置的姿态四元数，所述检测装置用于检测扫描区域得到观测数据；
根据所述姿态四元数将所述观测数据中观测点的坐标从第一坐标系转换成第二坐标系，其中，所述第一坐标系和所述第二坐标系不同。
在一些实施例中，所述第一坐标系包括雷达坐标系，所述第二坐标系包括大地坐标系。
在一些实施例中，所述聚类算法包括k-means聚类算法、均值漂移聚类算法、dbscan算法聚类、最大期望聚类和层次聚类算法中的一种。
在一些实施例中，所述处理器实现所述根据聚类算法对坐标转换后的观测数据中观测点进行聚类以剔除杂点的步骤，包括：
基于dbscan算法聚类，根据所述坐标转换后的观测数据中观测点的密集程度，对所述观测点进行聚类以剔除杂点。
在一些实施例中，所述处理器实现所述根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵的步骤，包括：
基于高斯过程回归，根据所述观测数据中观测点的位置信息和所述地面点集合中一个地面点的位置信息构建包括所述地面点的位置信息的协方差矩阵；
其中，所述地面点集合对应的协方差矩阵为所述地面点集合中每个地面点的协方差矩阵的集合，每个所述地面点的协方差矩阵均属于联合正态分布。
在一些实施例中，所述高斯过程回归包括：确定核函数，并确定所述核函数的超参数。
在一些实施例中，所述确定所述核函数的超参数，包括:利用极大似然法确定所述核函数的超参数。
在一些实施例中，所述处理器实现所述根据所述观测数据中观测点的位置信息和所述地面点集合中一个地面点的位置信息构建包括所述地面点的位置信息的协方差矩阵的步骤，包括：
利用确定所述超参数的核函数，根据所述观测数据中的观测点的位置信息构建所述观测数据中的观测点的协方差矩阵；
根据所述观测点的协方差矩阵和所述地面点集合中一个地面点的位置信息构建包括地面点的位置信息的协方差矩阵。
在一些实施例中，所述核函数包括样条核函数、多项式核函数、感知器核函数和高斯核函数中的一种。
在一些实施例中，所述处理器实现所述根据所述协方差矩阵确定所述地面点集合中每个地面点的高度位置信息的步骤，包括：
根据所述观测点的协方差矩阵对所述地面点集合中每个地面点的协方差矩阵进行回归分析，得到每个地面点的高度位置信息。
在一些实施例中，所述位置信息包括第一位置信息和第二位置信息，所述第一位置信息和第二位置信息不同。
在一些实施例中，所述处理器实现所述对所述目标区域进行地面点采样以得到所述目标区域对应的地面点集合的步骤，包括：
以预设的空间步长间隔对所述目标区域进行多次均匀采样，得到多个地面点，所述多个地面点构成地面点集合。
在一些实施例中，所述处理器实现所述对所述目标区域进行地面点采样以得到所述目标区域对应的地面点集合的步骤，包括：
对所述目标区域进行多次随机采样，得到多个地面点，所述多个地面点构成地面点集合。
在一些实施例中，所述处理器还实现：根据所述扫描区域的观测数据确定所述扫描区域的地形信息。
在一些实施例中，所述处理器实现所述根据所述每个地面点的高度位置信息确定所述目标区域的地形信息的步骤，包括：
根据所述地面点集合中每个地面点的位置信息和高度位置信息进行拟合，以得到所述目标区域的拟合平面；
根据所述拟合平面确定所述目标区域的地形信息。
在一些实施例中，所述地形信息包括地面高度、地面平整度、地面坡度中的一项或多项。
在一些实施例中，所述处理器还实现：
将所述扫描区域的观测数据与所述目标区域的预测数据进行拼接，得到拼接数据；
对所述拼接数据进行拟合以得到所述扫描区域和目标区域的拟合平面，根据所述拟合平面确定所述扫描区域和目标区域的地形信息。
请参阅图6，图6是本申请一实施例提供的控制设备的示意性框图。该控制设备12包括处理器121和存储器122，处理器121和存储器122通过总线连接，该总线比如为i2c(inter-integratedcircuit)总线。
具体地，处理器121可以是微控制单元(micro-controllerunit，mcu)、中央处理单元(centralprocessingunit，cpu)或数字信号处理器(digitalsignalprocessor，dsp)等。
具体地，存储器122可以是flash芯片、只读存储器(rom，read-onlymemory)磁盘、光盘、u盘或移动硬盘等，存储器122用于存储计算机程序。
其中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现如下步骤：
获取未扫描的目标区域，对所述目标区域进行地面点采样以得到所述目标区域对应的地面点集合；
获取扫描区域对应的观测数据；
根据所述观测数据和所述地面点集合构建所述地面点集合对应的协方差矩阵；
根据所述协方差矩阵，确定所述地面点集合中每个地面点的高度位置信息；以及
根据所述每个地面点的高度位置信息确定所述目标区域的地形信息，并将确定的地形信息发送至可移动平台。
本申请的实施例还提供了一种控制系统，可例如为图1所示的飞行控制系统，所述控制系统包括可移动平台和控制设备，所述控制设备与所述可移动平台通信连接；
其中，所述可移动平台用于对目标区域进行采样得到所述目标区域对应的地面点集合，以及采集扫描区域的观测数据，并将所述地面点集合和所述观测数据发送至所述控制设备。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现上述实施例提供的地形检测方法的步骤。
其中，所述计算机可读存储介质可以是前述任一实施例所述的可移动平台或控制设备的内部存储单元，例如所述可移动平台的硬盘或内存。所述计算机可读存储介质也可以是所述可移动平台的外部存储设备，例如所述可移动平台上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
- 还没有人留言评论。精彩留言会获得点赞！