技术特征：
1.一种基于相对定位的无人机自主穿越框型障碍物方法，其特征在于，包括：在无人机行进路径上需要穿越的框形障碍物上布置uwb传感器；无人机飞行过程中，利用障碍物上的uwb传感器与无人机自身的uwb传感器配合实时获取无人机与框形障碍物的距离信息，并获取无人机的位移信息；根据实时获取的无人机的位移信息，以及无人机与框形障碍物的距离信息构建数学参数模型；利用所述数学参数模型，构建框形障碍物的位置估计器，进行框形障碍物位置的估计，从而可得到无人机与框形障碍物之间的相对位置估计值；构建事件驱动穿越控制器，基于无人机相对位置的估计值，利用所述控制器得到无人机的速度控制指令，通过速度控制指令控制无人机穿越框形障碍物。2.根据权利要求1所述的基于相对定位的无人机自主穿越框型障碍物方法，其特征在于，所述根据实时获取的无人机的位移信息，以及无人机与框形障碍物的距离信息构建数学参数模型，包括：利用所述距离信息与位移信息之间的数学关系构建数学参数模型：利用所述距离信息与位移信息之间的数学关系构建数学参数模型：其中，p
s
是框形障碍物的位置，p0(k)是k时刻无人机的位置，满足q0(k)＝p0(k)-p
s
；q0(k)表示k时刻无人机到框型障碍物的相对位置；p0(0)表示无人机初始时刻的位置，d0(k)表示k时刻无人机与框形障碍物之间的距离，表示无人机k时刻的位移，满足δ1是所构成的位移矩阵的最小特征值，n是本方法的维度。3.根据权利要求1所述的基于相对定位的无人机自主穿越框型障碍物方法，其特征在于，所述利用所述数学参数模型，构建框形障碍物的位置估计器，包括：根据的数学参数模型构建目标函数，将位置估计问题等效成一个最优化问题，目标是使得j0最小：其中e0(k)是参数模型∈
s
(k)的集合矩阵，φ0(k)是位移构成的位移矩阵，μ是阻尼系数，满足n是本方法的维度，δ1是位移矩阵的最小特征值，m(k)是构建的遗忘算子矩阵，满足算子矩阵，满足是k时刻对框形障碍物位置p
s
的估计值，λ为遗忘因子；
针对目标函数(1.3)，采用梯度下降法，对其求导得到：对式(1.4)进行归纳，便设计了如下的位置估计器：其中，i是单位矩阵，r0(k)是构建的协方差矩阵，是k+1时刻对障碍物的位置估计。4.根据权利要求1所述的基于相对定位的无人机自主穿越框型障碍物方法，其特征在于，所述事件驱动穿越控制器具体推导如下：针对未知环境下的无人机位置，将无人机建模为速度有界的离散时间积分器：其中p0(k)为无人机在k时刻的位置，t为采样周期，表明无人机为速度控制的方式，其大小即小于无人机的最大速度v0；将无人机的穿越问题描述成一个不断变化的跟踪问题，因此得到事件驱动穿越控制器：其中，a0是控制器增益，是设计的激励信号，v0(k)是经过事件驱动穿越控制器所得到的速度控制指令，是对v0(k)进行了限速，使得最后的输出速度小于预设的最大速度v0；h0(k)是穿越控制信号开关。5.根据权利要求1所述的基于相对定位的无人机自主穿越框型障碍物方法，其特征在于，穿越控制信号开关h0(k)满足：其中表示无人机到框型障碍物的相对位置估计值，k1为初始时间，k4为运行时间，
sup表示上确界；和是事件触发器的起始点和结束点，rot是框型障碍物相对坐标系的旋转矩阵，在二维情况下，其旋转矩阵为w是障碍物相对于的无人机坐标系的角度，α是穿越过程中的穿越步长。6.根据权利要求1所述的基于相对定位的无人机自主穿越框型障碍物方法，其特征在于，当事件驱动穿越控制器满足的条件，穿越误差是指数收敛；其中，t是式(1.6)的采样时间，a0为制器增益。7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现根据权利要求1-6中任一权利要求所述基于相对定位的无人机自主穿越框型障碍物方法的步骤。8.一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现根据权利要求1-6中任一权利要求所述基于相对定位的无人机自主穿越框型障碍物方法的步骤。
技术总结
本发明公开了一种基于相对定位的无人机自主穿越框型障碍物方法，包括：在无人机行进路径上需要穿越的框形障碍物上布置UWB传感器；无人机飞行过程中，利用障碍物上的UWB传感器与无人机自身的UWB传感器配合实时获取无人机与框形障碍物的距离信息，并获取无人机的位移信息；根据实时获取的无人机的位移信息，以及无人机与框形障碍物的距离信息构建数学参数模型；利用所述数学参数模型，构建框形障碍物的位置估计器，进行框形障碍物位置的估计，从而可得到无人机与框形障碍物之间的相对位置估计值；构建事件驱动穿越控制器，基于无人机相对位置的估计值，利用所述控制器得到无人机的速度控制指令，通过速度控制指令控制无人机穿越框形障碍物。机穿越框形障碍物。机穿越框形障碍物。
技术研发人员：孟伟 郭创鹏 刘芬 臧家瑶
受保护的技术使用者：广东工业大学
技术研发日：2022.04.02
技术公布日：2022/6/28