【技術實現步驟摘要】
本專利技術涉及無人機感知和避障領域，具體涉及一種基于障礙物狀態預測的無人機避障方法。
技術介紹
1、隨著無人機技術的快速發展，無人機在工業、農業、物流、安防等多個領域得到了廣泛應用。然而，隨著應用場景的復雜化，無人機在飛行過程中經常面臨復雜的環境和動態障礙物，如建筑物、樹木、行人等。這些障礙物的不確定性和動態性，給無人機的安全飛行帶來了巨大的挑戰。
2、傳統的無人機避障方法通?；趯崟r傳感器數據和預設規則來進行避障決策，然而，這些方法往往依賴于對全局地圖的構建和對障礙物的瞬時感知，無法有效處理移動障礙物或預測障礙物未來狀態，導致避障效率低下，甚至可能出現避障失敗的情況。
3、因此，在無人機飛行過程中實時監測視野內障礙物的運動狀態，并對障礙物的運動狀態做出合理預測，將十分有助于無人機提前做出規避動作，確保飛行安全。
技術實現思路
1、本專利技術的目的是，為保證無人機在飛行過程中準確避開障礙物，特別是動態障礙物，提出一種基于障礙物狀態預測的無人機避障方法，本專利技術分為兩個階段，第一階段為對檢測障礙物并預測其運動狀態，第二階段為根據預測的障礙物運動狀態執行避障。
2、本專利技術采用如下技術方案:
3、利用相機實時獲取深度圖像所述相機可以為rgb-d深度相機、雙目相機等可以獲取環境深度信息的相機。
4、進一步的，將所采集的深度圖像轉換為點云。
5、進一步的，對轉換得到的原始點云進行預處理，以得到適用于計算的目標點云。
6、所述點云預處理操作包括點云裁剪、點云濾波。
7、進一步的，對處理后的目標點云進行聚類操作。
8、所述點云聚類方法可以是k-means聚類法、dbscan聚類法。
9、進一步的，計算出每一個聚類的中心位置和尺寸信息。
10、所述的計算每一個聚類的中心位置的方法為：
11、
12、其中，px、py、pz分別代表聚類中心位置在x、y、z軸上的坐標值，xi、yi、zi分別代表聚類中每一個點云在x、y、z軸上的坐標值。
13、所述的計算每一個聚類尺寸信息的方法為：
14、假設每一個聚類中所有點中的最小坐標值為(xmin,ymin,zmin)，最大坐標值為(xmax,ymax,zmax)，計算一個能夠包含該聚類所有點云的立方體錨框，錨框尺寸信息為：
15、長：lx＝|xmax-xmin|
16、寬：ly＝|ymax-ymin|
17、高：lz＝|zmax-zmin|
18、所述錨框尺寸信息則為該聚類的尺寸信息。
19、進一步的，對聚類出的障礙物進行靜態和動態障礙物區分。
20、所述的區分靜態和動態障礙物的具體方法為：設定一個距離閾值dmin和滑動窗口閾值kmin，對于同一個障礙物，當經過kmin幀之后，若其位移距離超過dmin，則標記為動態物體，否則視為靜態物體，將靜態物體的移動速度置為0。
21、進一步的，記錄同一動態物體在每一幀中的聚類的位置和尺寸信息。
22、對于每一幀中所有動態物體聚類構成的集合，表示為c＝{c1,c2,...,cm}，每一個聚類代表一個障礙物，包含該聚類中每一個點的位置和尺寸信息。
23、計算t時刻當前聚類與上一幀中所有聚類的代價，采用歐氏距離表示：
24、
25、其中，i表示當前幀中某一個聚類的索引，j表示上一幀中所有聚類的索引，△t表示當前幀與上一幀之間的時間間隔。
26、為當前幀中的所有聚類構建代價矩陣cost＝(cij)，采用匈牙利算法在代價矩陣cost中求解最優匹配，對于未匹配到任何已有聚類的當前聚類，為其分配一個新的索引。
27、對于在相鄰幀中被匹配為同一索引的聚類，記錄該聚類在每一幀中的位置和錨框尺寸信息。
28、進一步的，針對每一個動態障礙物，基于其歷史位置信息，使用自適應卡爾曼濾波器預測未來運動狀態。
29、所述的自適應卡爾曼濾波器具體實現為：
30、選取自適應卡爾曼濾波算法中的狀態變量為x＝[px,py,pz,vx,vy,vz]，表示為x、y，z三個軸方向上的位置和速度信息。
31、描述動態障礙物運動的狀態方程和測量方程為：
32、狀態方程：
33、xk+1＝axk+vk
34、測量方程：
35、zk＝hxk+wk
36、其中，a為狀態轉移矩陣，h為測量矩陣，k為離散的狀態量，vk為過程噪聲，wk為測量噪聲，vk、wk均滿足高斯分布：
37、vk～n(0,q)
38、wk～n(0,r)
39、q表示過程噪聲協方差矩陣，r表示測量噪聲協方差矩陣。
40、自適應卡爾曼濾波器的預測和更新方程可表示為：
41、預測步驟：
42、
43、更新步驟：
44、
45、其中，p表示誤差協方差矩陣，e表示殘差，k表示卡爾曼增益。
46、自適應更新過程噪聲協方差矩陣q和測量噪聲協方差矩陣r的具體方法為：假設各狀態變量之間相互獨立，則取殘差向量:
47、
48、殘差協方差矩陣:
49、
50、殘差協方差矩陣的對角元素組成向量:
51、
52、過程噪聲協方差矩陣對角元素向量:
53、
54、測量噪聲協方差矩陣對角元素向量:
55、
56、殘差閾值向量:
57、
58、執行更新：
59、
60、其中，表示x方向上的位置殘差，表示y方向上的位置殘差，表示z方向上的位置殘差，表示x方向上的速度殘差，表示y方向上的速度殘差，表示z方向上的速度殘差。表示x方向上的位置測量誤差的方差，
61、表示y方向上的位置測量誤差的方差，表示z方向上的位置測量誤差的方差，表示x方向上的速度測量誤差的方差，表示y方向上的速度測量誤差的方差，表示z方向上的位置測量誤差的方差。表示x方向上的位置過程噪聲方差，表示y方向上的位置過程噪聲方差，表示z方向上的位置過程噪聲方差，表示x方向上的速度過程噪聲方差，表示y
62、方向上的速度過程噪聲方差，表示z方向上的速度過程噪聲方差。表示x方向上的位置測量噪聲方差，表示y方向上的位置測量噪聲方差，
63、表示z方向上的位置測量噪聲方差，表示x方向上的速度測量噪聲方差，
64、表示y方向上的速度測量噪聲方差，表示z方向上的速度測量噪聲方差。
65、表示x方向上的位置殘差閾值，表示y方向上的位置殘差閾值，表示z方向上的位置殘差閾值。表示x方向上的速度殘差閾值，表示y方向上的速度殘差閾值，表示z方向上的速度殘差閾值，i的取本文檔來自技高網...
【技術保護點】
1.一種基于障礙物狀態預測的無人機避障方法，其特征在于，包括：實時獲取深度圖像信息并進行點云轉換；對原始點云進行預處理；對預處理后的點云進行聚類；對聚類出的障礙物進行靜態和動態障礙物區分；記錄障礙物在每一幀中的位置和尺寸信息；通過自適應卡爾曼濾波算法，基于障礙物的歷史狀態信息預測障礙物的未來狀態信息。
2.根據權利要求1所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所述對預處理后的點云進行聚類的方法包括K-means聚類法和DBSCAN聚類法。
3.根據權利要求1所述的基于障礙物狀態預測的無人機避障方法，其特征在于，所述進行靜態和動態障礙物區分的方法包括：設定一個距離閾值dmin和滑動窗口閾值hmin，對于同一個障礙物，當經過hmin幀之后，若其位移距離超過dmin，則標記為動態物體，否則視為靜態物體。
4.根據權利要求1所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所述記錄障礙物在每一幀中的位置和尺寸信息，具體實現步驟包括：
5.根據權利要求4所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所述通過自適應卡爾
6.根據權利要求5所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所選取的自適應卡爾曼濾波算法中的狀態變量為x＝[px,py,pz,vx,vy,vz]，表示為x、y、z三個軸方向上的位置和速度信息。
7.根據權利要求5所述的基于障礙物狀態預測的無人機避障方法，其特征在于：描述動態障礙物運動的狀態方程和測量方程為：
8.根據權利要求7所述的基于障礙物狀態預測的無人機避障方法，其特征在于：自適應卡爾曼濾波器的預測和更新方程可表示為：
9.根據權利要求5所述的基于障礙物狀態預測的無人機避障方法，其特征在于：自適應更新過程噪聲協方差矩陣Q和測量噪聲協方差矩陣R的具體方法為：
10.根據權利要求9所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所述的基于預測的障礙物狀態信息，采用速度障礙法規劃出規避速度，在采用速度障礙法規劃速度時，利用位置殘差對障礙物進行膨脹處理，具體為：
...【技術特征摘要】
1.一種基于障礙物狀態預測的無人機避障方法，其特征在于，包括：實時獲取深度圖像信息并進行點云轉換；對原始點云進行預處理；對預處理后的點云進行聚類；對聚類出的障礙物進行靜態和動態障礙物區分；記錄障礙物在每一幀中的位置和尺寸信息；通過自適應卡爾曼濾波算法，基于障礙物的歷史狀態信息預測障礙物的未來狀態信息。
2.根據權利要求1所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所述對預處理后的點云進行聚類的方法包括k-means聚類法和dbscan聚類法。
3.根據權利要求1所述的基于障礙物狀態預測的無人機避障方法，其特征在于，所述進行靜態和動態障礙物區分的方法包括：設定一個距離閾值dmin和滑動窗口閾值hmin，對于同一個障礙物，當經過hmin幀之后，若其位移距離超過dmin，則標記為動態物體，否則視為靜態物體。
4.根據權利要求1所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所述記錄障礙物在每一幀中的位置和尺寸信息，具體實現步驟包括：
5.根據權利要求4所述的基于障礙物狀態預測的無人機避障方法，其特征在于：所述通過自適應卡爾曼濾波算法，基于障礙物的歷史狀態信息預測障礙物的未來狀態信息，其中自適應卡爾曼濾波算法包含預測和更新兩個步驟；所述的預測步驟負責根據...
【專利技術屬性】
技術研發人員：方祝平，吳均，劉知貴，李理，彭章君，唐榮，劉道廣，萬明非，柴薪垚，羅志鑫，
申請(專利權)人：綿陽中科慧農數智科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。