无人机及其避障路线的生成方法与流程

本发明涉及无人机控制，特别涉及一种无人机及其避障路线的生成方法。

背景技术：

1、在电力系统运维时，需要定期对电力线路杆塔及其器件进行巡检。为提高巡检效率，相关技术中提出采用无人机进行巡检，在巡检过程中，通过无人机采集电力线路杆塔及其器件的可见光图像，之后对该图像进行识别解决基于图像识别系统和基于缺陷识别系统均存在一定问题，图像检测不清晰，呈现颗粒状分散，背景杂乱，白噪点干扰较多。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的目的在于提出一种无人机及其避障路线的生成方法，该方法可解决无人机路线误判的问题，采用激光器扫描障碍物信息，提取障碍物坐标并生成无人机自动避障路线，实现无人机高效智能避障。

2、为达到上述目的，本发明第一方面实施例提出了一种无人机避障路线的生成方法，所述方法包括：通过所述无人机上激光器采集点云数据；对所述点云数据进行聚类处理，并根据聚类结果得到障碍物的运动状态；针对每个所述障碍物构建卡尔曼滤波器，并利用所述卡尔曼滤波器根据对应障碍物的运动状态进行该障碍物的位置检测；根据检测得到的各障碍物位置生成所述无人机的避障路线。

3、另外，本发明上述实施例的无人机避障路线的生成方法还可以具有如下附加的技术特征：

4、根据本发明的一个实施例，通过下式对所述点云数据进行聚类处理：

5、

6、其中，di,i+1为所述点云数据中第i个点与第i+1个点之间距离，r为聚类搜索半径，nk为聚类得到的第k个障碍物对应的点数，n为聚类所需的最少点数。

7、根据本发明的一个实施例，所述根据聚类结果得到障碍物的运动状态，包括：针对不同时刻的点云数据得到的每个障碍物，根据该障碍物的激光点数和激光点位置，计算该障碍物的质心位置和面积；根据不同时刻各所述障碍物的激光点数、质心位置和面积，对不同时刻的障碍物进行关联评估；根据关联评估结果得到所述障碍物的运动状态。

8、根据本发明的一个实施例，通过下式对t时刻的障碍物k1和t-1时刻的障碍物k2进行关联评估：

9、

10、其中，为t时刻的障碍物k1的激光点数，为t-1时刻的障碍物k2的激光点数，n为与差值的绝对值，为t时刻的障碍物k1在高度方向上的质心，为t-1时刻的障碍物k2在高度方向上的质心，f为与差值的绝对值，为t时刻的障碍物k1的面积，为t-1时刻的障碍物k2的面积，g为t时刻的障碍物k1与t-1时刻的障碍物k2的不重合面积占总面积的比值；其中，所述根据关联评估结果得到所述障碍物的运动状态，包括：当n、f、g满足预设条件时，确定t时刻的障碍物k1与t-1时刻的障碍物k2是同一障碍物，并根据同一障碍物在不同时刻的位置得到该障碍物的运动状态。

11、根据本发明的一个实施例，所述卡尔曼滤波器的更新公式为：

12、

13、其中，zt＝vt+hxt，为t时刻的系统观测值，vt为t时刻的正态分布的测量噪声，h为激光器测量矩阵，xt＝(xt,yt,zt)，为对所述障碍物的运动信息进行高斯白噪声处理后得到的状态向量，xt,yt,zt分别为t时刻所述无人机在正北方向上、正东方向上的位移、竖直方向上的位移，为t时刻的系统状态，为t时刻的误差协方差预测值，p为预测出的误差协方差，f为牛顿力学导出的标准三维运动模型，f为f的雅可比矩阵，q为滤波操作中的噪声协方差，k为卡尔曼增益，pt为t时刻的系统状态；

14、检测得到的障碍物位置为：

15、

16、其中，(x,y,z)为所述检测得到的障碍物位置，(xb,yb,zb)为通过所述卡尔曼滤波器预测得到的无人机位置，o为0，εx,εy,εz分别为两个坐标系之间x、y、z轴的旋转角度，(δx0,δy0,δz0)为所述两个坐标系原点坐标之间的差值，所述两个坐标系为激光器坐标系和无人机坐标系。

17、根据本发明的一个实施例，所述根据检测得到的各障碍物位置生成所述无人机的避障路线，包括：根据各所述障碍物位置得到所述无人机的飞行方向、飞行角速度和飞行线速度；根据所述飞行方向、飞行角速度和飞行线速度生成所述无人机避障路线。

18、根据本发明的一个实施例，根据各所述障碍物位置得到所述无人机的飞行方向，包括：将所述无人机可扫描的区域划分成n个子区域；根据各所述障碍物位置求解相应的极小扫描距离，并根据所述极小扫描距离从n个子区域中确定出候选子区域；根据所述候选子区域得到所述无人机的飞行方向。

19、根据本发明的一个实施例，所述根据所述候选子区域得到所述无人机的飞行方向，包括：将相邻候选子区域合并成准飞行区域其中，j＝1,2,l,nc，rj为sj对应的半径阈值，为sj中第一个具有编号的候选区间，为sj中最后一个具有编号的候选区，θj为无人机坐标系x轴和sj角平分方向间的夹角；根据所述准飞行区域计算候选飞行方向，其中，记第i个候选飞行方向为{(θi,ri,li)||i＝1,l,n}，θi是第i个候选飞行方向与无人机坐标系x轴的夹角，ri是第i个候选飞行方向对应的准飞行区域半径阈值，li是第i个候选飞行方向对应的扇区弦长；选取最大半径阈值对应的候选飞行方向作为所述无人机的飞行方向，其中，|θi-θtarget|≤δ，θtarget为目标障碍物与无人机坐标系x轴的夹角，δ为预设常数。

20、根据本发明的一个实施例，所述飞行角速度的计算公式为：ω＝kωθe，其中，kω>0，为常数；所述飞行线速度的计算公式为：v＝vmax+kvxv，其中，vmax为所述无人机的最大飞行速度，vmin为所述无人机的最小飞行速度，rmax为最大阈值，r0为最小阈值，rs为所述飞行方向对应的阈值，xm为|θe|在最大值且rs＝r0时xv的取值，w1,w2为权重因子。

21、为达到上述目的，本发明第二方面实施例提出了一种无人机，包括激光器和控制器，所述控制器包括存储器、处理器和存储在所述存储器上的计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1-9中任一项所述的方法，其中，所述处理器与所述激光器连接。

22、本发明实施例的无人机及其避障路线的生成方法，可解决无人机路线误判的问题，采用激光器扫描障碍物信息，提取障碍物坐标并生成无人机自动避障路线，实现无人机高效智能避障。

技术特征：

1.一种无人机避障路线的生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的无人机避障路线的生成方法，其特征在于，通过下式对所述点云数据进行聚类处理：

3.根据权利要求1所述的无人机避障路线的生成方法，其特征在于，所述根据聚类结果得到障碍物的运动状态，包括：

4.根据权利要求3所述的无人机避障路线的生成方法，其特征在于，通过下式对t时刻的障碍物k1和t-1时刻的障碍物k2进行关联评估：

5.根据权利要求1所述的无人机避障路线的生成方法，其特征在于，所述卡尔曼滤波器的更新公式为：

6.根据权利要求1所述的无人机避障路线的生成方法，其特征在于，所述根据检测得到的各障碍物位置生成所述无人机的避障路线，包括：

7.根据权利要求6所述的无人机避障路线的生成方法，其特征在于，根据各所述障碍物位置得到所述无人机的飞行方向，包括：

8.根据权利要求7所述的无人机避障路线的生成方法，其特征在于，所述根据所述候选子区域得到所述无人机的飞行方向，包括：

9.根据权利要求8所述的无人机避障路线的生成方法，其特征在于，

10.一种无人机，其特征在于，包括激光器和控制器，所述控制器包括存储器、处理器和存储在所述存储器上的计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1-9中任一项所述的方法，其中，所述处理器与所述激光器连接。

技术总结
本发明公开了一种无人机及其避障路线的生成方法，方法包括：通过无人机上激光器采集的点云数据；对点云数据进行聚类处理，并根据聚类结果得到障碍物的运动状态；针对每个障碍物构建卡尔曼滤波器，并利用卡尔曼滤波器根据对应障碍物的运动状态进行该障碍物的位置检测；根据检测得到的各障碍物位置生成无人机的避障路线。该方法可解决无人机路线误判的问题，采用激光器扫描障碍物信息，提取障碍物坐标并生成无人机自动避障路线，实现无人机高效智能避障。

技术研发人员：郭可贵,章海斌,王法治,王远,马欢,汪晓,孙飞,谭弘武,苏欣欣
受保护的技术使用者：国网安徽省电力有限公司超高压分公司
技术研发日：
技术公布日：2024/1/15