一种无人机三维避障驾驶系统及驾驶方法与流程

本申请涉及无人机技术领域，具体涉及一种无人机三维避障驾驶系统及驾驶方法。

背景技术

随着无人机行业应用规模和深度的迅速发展，飞控手的技能要求和避障风险也大幅增加，现行目视观测和手动操控的作业模式沦为日益突出的制约因素，自主避障技术也升为行业关注和研究的创新焦点。

目前无人机自主避障技术主流技术方案是，基于机载雷达和视频传感器实时监测随机环境障碍，以控制安全间距和飞行姿态。该方案专用传感器和系统还需提升性价比和可靠性，尚无可规模商用的产品。

技术实现要素：

本申请的目的在于提供一种无人机三维避障驾驶系统及驾驶方法，用于解决无人机作业过程中的自动安全避障的技术问题。

为达到上述目的，本申请的无人机三维避障驾驶系统，包括：飞行控制系统，用于为障碍监测系统提供无人机手动操控的运动信息，接收并执行障碍监测系统发送的安全指令；障碍监测系统，用于接收无人机手动操控或地面站航线规划的运动信息，根据空间三维数据与预设障碍安全间距进行飞行冲突检测与分析，并根据分析结果向飞行控制系统或地面站发送相应的安全指令；地面站，用于航线规划和飞行控制系统与障碍监测系统之间的通信。

优选地，障碍监测系统包括：运动信息模块，用于获取无人机手动操控或地面站航线规划的运动信息；冲突检测模块，用于根据无人机运动信息、空间三维数据与预设障碍安全间距进行飞行冲突检测与分析，获得飞行冲突点位及场景；安全指令模块，用于根据飞行冲突点位及场景与安全控制策略，发送相应的手动操控或航线规划安全指令，避免飞行冲突。

优选地，所述冲突检测模块包括障碍包络模块，基于障碍物外形结构、尺寸构建障碍物包络体，再根据预设安全间距构建障碍物多层包络网，所述包络网包括四层，从外向里依次是安全区、强制减速区、强制悬停区和禁入区。

本申请的无人机三维避障驾驶系统，一方面保证了无人机手动操控和规划航线飞行的安全，另一方面提高了无人机智能控制和作业飞行的效率。

本申请还提出无人机三维避障驾驶系统的驾驶方法，包括：获取无人机手动操控或地面站航线规划的运动信息；根据无人机运动信息与空间三维数据、预设障碍安全间距进行飞行冲突检测与分析，获得飞行冲突点位及场景；根据飞行冲突点位及场景与安全控制策略，发送相应的手动操控或航线规划安全指令，避免飞行冲突。

优选地，进行飞行冲突检测与分析的方法为：建立障碍监测系统模型；得到飞行冲突分析场景；进行无人机与障碍物之间的飞行冲突检测；得到无人机与障碍物之间的飞行冲突分析结果。

优选地，建立障碍监测系统模型的方法为:预先采集飞行作业区域的三维空间数据并建立三维空间模型；对三维空间模型中的障碍物基于其外形结构、尺寸进行包络体处理，再根据预设安全间距构建多层包络网；将三维空间模型的地理坐标系转化为无人机飞控系统的本地坐标系。

优选地，进行无人机与障碍物之间的飞行冲突分析的方法为：首先进行z轴方向无人机与各障碍物包络网的位置关系判断；再筛选出在z轴方向有飞行冲突风险的障碍物；对在z轴方向有飞行冲突风险的障碍物再进行x轴与y轴方向的飞行冲突确认判断。

优选地，避免飞行冲突的方法包括：在手动操控飞行时的安全避障控制策略、在规划航线飞行中的安全避障控制策略和在自动返航飞行中的安全避障控制策略等一种或多种；手动操控飞行模式：无人机起飞后，飞行控制系统推送实时飞行运动信息给障碍监测系统进行飞行冲突监测分析，当飞机在安全区内，可继续执行手动操控指令；当飞机进入强制减速区，只执行手动操控的方向指令，航速指令限定规定限值；当飞机进入强制悬停区，自动悬停，并只执行后续手动操控的返回强制减速区方向指令，航速指令限定规定限值；当飞机进入禁入区，自动原航线返回强制悬停区，并悬停，等待后续手动操控的返回强制减速区方向指令；规划航线飞行模式：飞行前在地面站上规划作业航点，推送障碍监测系统进行飞行冲突监测分析，在可视化界面中提示存在飞行冲突的航点，自动或手动修改至全部航点没有飞行冲突。监测修订的规划航线上传无人机后，飞行控制系统可按照规划的航点实现安全避障飞行；自动返航飞行模式：手动操控飞行模式可配置自动返航飞行功能，地面站与障碍监测系统在飞行过程中依据事先指定返航高度和家点实时自动规划返航航线，可以在地面站启动自动返航指令，控制无人机按自动返航规划航线返航降落。

优选地，飞行控制系统可配置动力电池监测功能，根据采集的实时与历史的航线与电量数据，根据曲线拟合算法，实时计算预测当前位置自动返航规划航线所需的电量qrtl。可设置自动返航策略，即当：qr≤qrtl+△，其中，△为电量安全阈值，qr为当前实时电量，飞行控制系统会自动启动自动返航指令，使无人机自动返航。

优选地，本申请的无人机三维避障驾驶系统的驾驶方法与无人机三维避障驾驶系统的技术效果一致，在此就不一一赘述。

附图说明

为了更清楚地说明本申请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申请中记载的部分实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本申请的无人机三维避障驾驶系统的结构示意图；

图2是本申请的障碍监测系统的结构示意图；

图3是本申请的冲突分析x坐标的示意图；

图4是本申请的障碍物包络网的结构示意图；

图5是以机场为代表的包络网的结构示意图；

图6是以城市为代表的包络网的结构示意图；

图7是以山区为代表的包络体的结构示意图；

图8是本申请的无人机三维避障驾驶系统的驾驶方法的流程图；

图9是本申请的进行无人机飞行冲突检测与分析，得到飞行冲突分析结果的方法的流程图；

图10是无人机返航时的线路示意图；

图11是无人机返航时的另一线路示意图。

具体实施方式

下面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的部分实施例，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，都属于本发明保护的范围。

实施例一

图1是本申请的无人机三维避障驾驶系统的结构示意图。如图1所示，本申请的无人机三维避障驾驶系统包括：飞行控制系统1、障碍监测系统2和地面站3，其中，飞行控制系统1，用于为障碍监测系统2提供无人机手动操控的运动信息，接收并执行障碍监测系统2发送的安全指令；障碍监测系统2，用于接收无人机手动操控或地面站航线规划的运动信息，根据空间三维数据与障碍预设安全间距进行飞行冲突检测与分析，并根据分析结果向飞行控制系统1发送相应的手动操控或航线规划安全指令；地面站3，用于航线规划和飞行控制系统与障碍监测系统之间的通信。

具体地，地面站3与飞行控制系统1之间的通信协议可以为mavlink协议(microairvehiclelink，微型空中飞行器链路通讯协议)，地面站3与障碍监测系统2之间的通信协议可以为wifi协议。

优选地，飞行控制系统1还包括智能电池监测模块，能够记录和预测无人机每次作业的总飞行时间/航线距离以及某一时刻无人机完成和剩余的飞行时间/航线距离，配合航时管理系统实现自动返航功能。

图2是本申请的障碍监测系统的结构示意图。如图2所示，障碍监测系统包括：运动信息模块21，用于获取无人机的手动操控或规划航线的运动信息；冲突检测模块22，用于根据无人机运动信息、空间三维数据与障碍预设安全间距进行飞行冲突检测与分析，获得飞行冲突点位及场景；安全指令模块23，用于根据飞行冲突点位及场景与安全控制策略，发送相应的手动操控或航线规划安全指令，避免飞行冲突。

可选地，运动信息模块21获取的无人机手动操控或航线规划的运动信息包括：无人机所处的经度、纬度、高度、速度、加速度和航向等。障碍监测系统2向飞行控制系统1发送的安全指令包括：最大速度限制指令、最大加速度限制指令和自行决策指令中的一种或多种。其中，自行决策指令包括：自动悬停指令、自动返航指令、自动降落指令等的一种或多种。

具体地，冲突检测模块22还包括三维空间模型中的障碍物预处理模块，基于其外形结构、尺寸对障碍物进行包络体处理；再根据预设安全间距构建障碍物的多层包络网。包络网包括四层，从外向里依次是安全区、强制减速区、强制悬停区和禁入区。冲突检测模块22进行无人机飞行冲突检测与分析，得到飞行冲突分析结果的方法为：建立障碍监测系统模型；得到飞行冲突分析场景；进行无人机与障碍物之间的飞行冲突检测；得到无人机与障碍物之间的飞行冲突分析结果。

飞行冲突分析将会在无人机飞控系统的本地坐标系中进行。

需要说明的是，在以人为规定模型中的某一地点为原点(o点)，正右方为x轴，正前方为y轴，垂直向上为z轴建立三维空间本地坐标系，本地坐标系是一种笛卡尔直角坐标系。

优选地，建立障碍监测系统模型的方法为：

预先采集飞行作业区域的三维空间数据并建立三维空间模型；对三维空间模型中的障碍物基于其外形结构、尺寸进行包络体处理，并根据预设安全间距构建障碍物的多层包络网，再将三维空间模型地理坐标系以o点为原点映射到本地坐标系，这样将无人机位置信息与空间三维模型统一于本地坐标系。

在无人机实时飞行和航线规划的航点的地理信息(经度、纬度、高度)转化为本地坐标系位置信息(x，y，z)。障碍监测系统2将自动分析无人机周围detection_rang(探测范围)内的障碍物包络网各层与无人机的空间关系。

图3是本申请的飞行冲突分析x坐标的示意图。如图3所示，在检测范围内的所有障碍物各包络网各层(安全区、强制减速区、强制悬停区和禁入区)在x轴的顶点坐标与无人机实时航点或规划航点x坐标做比较，并将无人机x坐标与各障碍物包络网各层范围做比较，判断在x方向各障碍物包络网各层与无人机的位置关系，无人机与障碍物之间的飞行冲突分析结果包括：无人机航点在障碍物安全区内、强制减速区或强制悬停区内和禁入区内的一种或多种。有两种情况则需要对无人机与该障碍物进一步做判断分析：无人机航点在障碍物强制减速区或强制悬停区内和禁入区内。

根据无人机飞行与环境关系的特点，相对于地面物体无人机多出现在高空领域，所以本申请的障碍监测系统2将先行判断z轴方向的飞行冲突风险，当发现有冲突风险时再作x轴与y轴方向精确分析，以大幅压缩系统计算量。

需要解释的是，在仿真环境中如果直接对两个物体对象的几何体进行碰撞测试且几何体比较复杂时，对于系统计算资源消耗过大，难以保证仿真程序的实时性。为了减少计算的代价并且为飞行安全提供一定余量，本申请针对不同物体对象进行不同形式的包络体技术处理，即对不同障碍物构建不同形式的多层包络网。

在包络体处理后，在各个障碍物周围形成多层包络网。包络网是一个包含物体对象且体积最小的长方体或球体等多面体。

示例性地，本申请的无人机为多旋翼飞行器，由于多旋翼飞行器可6自由度飞行，飞行过程更为灵活，所以本系统对障碍物建立多层保护区模型从而保证飞行安全。

图4是本申请的障碍物多层包络网的结构示意图。包络网从外向里依次为安全区41、强制减速区42、强制悬停区43和禁入区44。

对于其他静态物体针对对象特性也需要做不同的包络网处理。根据无人机的应用场景和对象特性将静态物体分为三大类：

(1)以机场为代表的禁飞区

机场周围的起降地带、危险区域为低空飞行时常见的管制空域类型。这类飞行空域通常表现为一片立体的三维空间。图5是以机场为代表的包络网的结构示意图。如图5所示，一般是多边体、扇形柱体、椭圆柱体(圆柱体为椭圆柱体的特例)加上顶高和低高来表示。

(2)以城市为代表的复杂区

现代城市对于飞行的干扰因素较为繁杂，高楼、塔吊、通信基站、电视塔、热电烟囱、输电线塔等高耸的建筑都会对飞行安全造成威胁。

由于在城市区域中障碍物多成分散式、无规则、大小形状各异的状态分布。图6是以城市为代表的包络网的结构示意图。如图6所示，根据现代化城市低空飞行场景中静态物体比较多的特点，选用了相对简单、紧密性一般的包络网，依据建筑物外轮廓和预设安全间距，选用多方柱体、椭圆柱体等多种立方体及其组合，保证了碰撞检测的速度，并且该包络网留有设定余度，确保飞行安全。

(3)以山区为代表的大面积对象区

我国地形复杂多样，山区面积广大，也是低空空域飞行场景中最为常见的一种飞行安全的威胁。

图7是以山区为代表的包络体的结构示意图。如图7所示，根据山区特点，将山区进行马赛克分割算法处理，将完整地貌量化为类似方波的长方形，如果在三维空间，整个地形描述就被整量化为无数长方体棱柱。

飞机和障碍包络网存在三种空间关系，一是飞机在安全区内，可继续执行规划的航线任务或手动操控指令；二是飞机进入强制减速区，只执行规划航线或手动操控的方向指令，航速指令限定规定限值；三是飞机进入强制悬停区，自动悬停，并只执行后续手动操控的返回强制减速区方向指令，航速指令限定规定限值；四是飞机进入禁入区，自动按原航线返回强制悬停区，并悬停，等待后续手动操控的返回强制减速区方向指令。

实施例二

本申请还提出一种无人机三维避障驾驶系统的驾驶方法，适用于如实施例一所述的无人机三维避障驾驶系统。

图8是本申请的无人机三维避障驾驶系统的驾驶方法的流程图，如图8所示，驾驶方法包括：获取无人机的手动操控或规划航线的运动信息(810)；根据无人机运动信息与空间三维数据、障碍预设安全间距进行飞行冲突检测与分析，获得飞行冲突点位及场景(820)；根据飞行冲突点位及场景与安全控制策略，发送相应的手动操控或航线规划安全指令，避免飞行冲突(830)。

实时运动信息包括初始运动信息和飞行运动信息，运动信息包括无人机的经度、纬度、高度、速度、加速度和航向等信息。

具体地，从无人机的飞行控制系统1获取无人机的初始运动信息，为无人机的初始位置，包括无人机最初所处的经度、纬度、高度、速度、加速度和航向等。飞行控制系统1和障碍监测系统2之间通过地面站3进行通信。

图9是本申请的进行无人机飞行冲突检测与分析，得到飞行冲突分析结果的方法的流程图。如图9所示，方法包括：建立障碍监测系统模型(910)；得到飞行冲突分析场景(920)；进行无人机与障碍物之间的飞行冲突分析(930)；得到无人机与障碍物之间的飞行冲突分析结果(940)。

其中，步骤910中，建立障碍监测系统模型的方法为：预先采集飞行作业区域的三维空间数据并建立三维空间模型；对三维空间模型中的障碍物基于其外形结构、尺寸进行包络体处理，再根据预设安全间距建立障碍物多层包络网；将三维空间模型的地理坐标系转化为无人机飞行控制系统的本地坐标系。本地坐标系的建立参见实施例一中的本地坐标系的建立方法。将无人机当前地理信息转换到本地坐标系中，即可得到飞行冲突分析场景(920)。

需要指出的是，步骤930中，进行无人机与障碍物之间的飞行冲突分析的方法为：首先进行z轴方向无人机与各障碍物包络网的位置关系判断；再筛选出在z轴方向有飞行冲突风险的障碍物；对z轴方向有飞行冲突风险的障碍物再进行x轴与y轴的飞行冲突确认判断。得到的无人机与障碍物之间的飞行冲突分析结果包括：无人机定点在障碍物包络网外、无人机定点在障碍物包络网内和无人机z坐标在障碍物包络网内的一种或多种。对于无人机定点在障碍物包络网内和无人机z坐标在障碍物包络网内需要进一步做判断分析，避免飞行冲突。

步骤830中，避免飞行冲突的方法包括：在手动操控飞行时的安全避障控制策略、在规划航线飞行中的安全避障控制策略和在自动返航飞行中的安全避障控制策略等一种或多种。

手动操控飞行模式：无人机起飞后，飞行控制系统1推送实时飞行运动信息给障碍监测系统2进行飞行冲突监测分析，当飞机在安全区41内，可继续执行手动操控指令；当飞机进入强制减速区42，只执行手动操控的方向指令，航速指令限定规定限值；当飞机进入强制悬停区43，自动悬停，并只执行后续手动操控的返回强制减速区方向指令，航速指令限定规定限值；当飞机进入禁入区44，自动原航线返回强制悬停区，并悬停，等待后续手动操控的返回强制减速区方向指令。

规划航线飞行模式：飞行前在地面站3上规划作业航点，推送障碍监测系统2进行飞行冲突监测分析，在可视化界面中提示存在飞行冲突的航点，自动或手动修改至全部航点没有飞行冲突。监测修订的规划航线上传无人机后，飞行控制系统1可按照规划的航点实现安全避障飞行。

自动返航飞行模式：手动操控飞行模式可配置自动返航飞行功能，地面站3与障碍监测系统2在飞行过程中依据事先指定返航高度和家点实时自动规划返航航线，可以在地面站3启动自动返航指令，控制无人机按自动返航规划航线返航降落。

自动返航航线规划的方法为：人为设定基于家点位置的返航高度，启动自动返航指令后，无人机将自动飞行到该高度，按该高度执行自动返航。图10是无人机返航时的线路示意图。如图10所示，无人机飞至设定高度后，沿箭头返回至家点位置。

需要说明的是，在返航过程中设定的返航高度可能导致无人机与障碍物的冲突风险，障碍监测系统2将实时监测分析，并自动修订安全避障的自动返航规划航线。图11是无人机返航时的另一线路示意图。如图11所示，无人机飞至返航高度后，沿箭头返回至家点位置。

此外，飞行控制系统1可配置动力电池监测功能，根据采集的实时与历史的航线与电量数据，根据曲线拟合算法，实时计算预测当前位置自动返航规划航线所需的电量qrtl。可设置自动返航策略，即当：

qr≤qrtl+△公式(1)

其中，△为电量安全阈值，qr为当前实时电量

飞行控制系统1会自动启动自动返航指令，使无人机自动返航。

本申请的无人机三维避障驾驶系统的驾驶方法与无人机三维避障驾驶系统的技术效果一致，在此就不一一赘述。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。