一种基于多传感器融合的自主避障无人机系统及控制方法

1.一种基于多传感器融合的自主避障无人机系统，其特征是，包括：
环境信息实时检测模块，采用多传感器融合技术实现对周围的环境进行实时检测并将检测到的信息传输至环境与障碍物数据分析处理模块；
环境与障碍物数据分析处理模块对接收的周围的环境信息进行环境结构感知构建确定所处的障碍物；
避障决策模块根据环境与障碍物数据分析处理模块的输出结果确定避障决策，通过飞控系统驱动动力模块实现无人机对周围障碍物的躲避；
环境结构感知构建时，将无人机四周的双目机器视觉系统组建在一起，构成大视觉空间范围的三维测量系统，使用双目视觉系统中的摄像头接收环境中物体表面的特征点，并通过立体匹配得到视差图像，之后确定深度图像，并进行环境结构感知构建；
构建空间连通区域时，首先建立障碍模型，使用改进的空间八叉树的结构对障碍进行描述，将含有整个场景的空间立方体按三个方向分割成八个子立方体网格，组织成一棵八叉树；若某一子立方体网格中所含景物面片数大于给定的阈值，则为该子立方体作进一步的剖分，上述剖分过程直至八叉树每一个叶子节点所含面片数均小于给定的阈值为止，并结合前进方向毫米波雷达回波信号得到机身与障碍物的距离；构建空间连通区域还包括：
利用人工势场法进行局部路径规划，通过无人机携带的四周双目机器视觉系统获得一个新的三维封闭环境；扫描组合成多分辨率障碍物地图，在局部为了避免障碍物碰撞，进行无人机飞行区域内的局部路径规划；
自主式安全路径规划，路径规划过程分为学习和查询两个阶段，在学习阶段，运用随机路线图(PRM)方法渐增地构建出规划空间中避撞点和避撞路径段组成的飞行路线图G＝(V，E)，V为路线图中避撞点的集合，E为图中避撞路径段的集合；在查询阶段，路径搜索是在飞行路线图中搜索从起点到终点的无人机的最优路径，即在飞行路线图上的路径搜索；
实施避障动作，避障决策模块通过控制信号输送至无人机飞行器伺服机构的舵机，并根据惯导数据和飞行路径生成飞行控制指令，无人机接收飞行控制指令，以便控制无人机对障碍物进行避障。
2.如权利要求1所述的一种基于多传感器融合的自主避障无人机系统，其特征是，所述环境信息实时检测模块包括超声波装置、毫米波雷达、惯性传感器及双目机器视觉系统。
3.如权利要求2所述的一种基于多传感器融合的自主避障无人机系统，其特征是，所述超声波装置通过固定架安装在机架的顶端，且超声波装置的支架四周分别安装有双目机器视觉系统，惯性传感器和前进方向毫米波雷达位于机架的前外表面上。
4.如权利要求3所述的一种基于多传感器融合的自主避障无人机系统，其特征是，所述机架的两侧通过固定杆安装有动力模块，动力模块的输出端上安装有螺旋桨。
5.如权利要求3所述的一种基于多传感器融合的自主避障无人机系统，其特征是，所述机架的底部安装有可收缩的起落架；所述超声波装置的结构为半圆形，且超声波装置中安装防干扰装置。
6.基于权利要求1所述的一种基于多传感器融合的自主避障无人机系统的控制方法，其特征是，包括：
利用环境信息实时检测模块获取无人机周围环境原始信息；
将环境原始信息输入环境与障碍物数据分析处理模块，进行环境结构感知构建；
构建空间连通区域，根据建立的障碍模型结合测距单元得到机身与障碍物的距离，利用人工势场法进行局部路径规划避免障碍物碰撞；
自主式安全路径规划，运用随机路线图方法渐增地构建出规划空间中避撞点和避撞路径段组成的飞行路线图，在飞行路线图中搜索从起点到终点的无人机的最优路径，即在飞行路线图上的路径搜索；
避障决策模块根据环境与障碍物数据分析处理模块的输出结果确定避障决策，通过飞控系统驱动动力模块实现无人机对周围障碍物的躲避；
环境结构感知构建时，将无人机四周的双目机器视觉系统组建在一起，构成大视觉空间范围的三维测量系统，使用双目视觉系统中的摄像头接收环境中物体表面的特征点，并通过立体匹配得到视差图像，之后确定深度图像，并进行环境结构感知构建；
构建空间连通区域时，首先建立障碍模型，使用改进的空间八叉树的结构对障碍进行描述，将含有整个场景的空间立方体按三个方向分割成八个子立方体网格，组织成一棵八叉树；
若某一子立方体网格中所含景物面片数大于给定的阈值，则为该子立方体作进一步的剖分，上述剖分过程直至八叉树每一个叶子节点所含面片数均小于给定的阈值为止，并结合前进方向毫米波雷达回波信号得到机身与障碍物的距离；
构建空间连通区域还包括：利用人工势场法进行局部路径规划，通过无人机携带的四周双目机器视觉系统获得一个新的三维封闭环境；扫描组合成多分辨率障碍物地图，在局部为了避免障碍物碰撞，进行无人机飞行区域内的局部路径规划；
实施避障动作，避障决策模块通过控制信号输送至无人机飞行器伺服机构的舵机，并根据惯导数据和飞行路径生成飞行控制指令，无人机接收飞行控制指令，以便控制无人机对障碍物进行避障。
7.如权利要求6所述的一种基于多传感器融合的自主避障无人机系统的控制方法，其特征是，飞控系统通过控制信号输送至无人机飞行器伺服机构的舵机，并根据惯导数据和飞行路径生成飞行控制指令，无人机接收飞行控制指令，以便控制无人机对障碍物进行避障。

一种基于多传感器融合的自主避障无人机系统及控制方法\n技术领域\n[0001] 本发明涉及电力系统的运行检修领域，具体涉及一种基于多传感器融合的自主避障无人机系统及控制方法。\n背景技术\n[0002] 通过多年的技术研发和实践应用，无人机巡检已经发展成一种高效、低成本空中巡检技术，是解决输电线路智能巡检的重要手段之一，将故障杜绝在隐患阶段，可极大地提升电力系统输配电运行、管理和维护水平。就无人机而言，自动避障系统是无人机顺利完成飞行任务的重要安全保障，对于无人机的飞行路径规划能力起着至关重要的作用，很大程度上反映了无人机的智能性和安全性。\n[0003] 申请号为“201310334960.7”的《一种无人机的避障方法及其装置》，主要公开了一种基于人类避障行为的无人机避障方法及其装置，但没有给出如何实时探测障碍物的方法。申请号为“201310036235.1”的《用于电力巡线的无人机多重避障控制方法》，融合了两重避障方法，但需要在嵌入式飞行控制器中下载输电线路电磁场分布模型与输电线路三维模型数据，计算实施过程较为复杂。\n[0004] 综上所述，现有技术的无人机避障方法对于无人机巡检作业的避障，其效果并非十分理想，尚有很多问题需要解决。\n发明内容\n[0005] 为解决现有技术存在的不足，本发明公开了一种基于多传感器融合的自主避障无人机系统及控制方法，通过多传感器融合对周围的环境进行实时检测，将检测到的信息通过环境与障碍物数据分析处理模块计算后，由避障决策模块通过飞控系统驱动动力模块实现无人机对周围障碍物的有效躲避，提升了无人机的监控范围，保障无人机系统输电线路巡检的安全。\n[0006] 为实现上述目的，本发明的具体方案如下：\n[0007] 一种基于多传感器融合的自主避障无人机系统，包括：\n[0008] 环境信息实时检测模块，采用多传感器融合技术实现对周围的环境进行实时检测并将检测到的信息传输至障碍物数据分析处理模块；\n[0009] 障碍物数据分析处理模块对接收的周围的环境信息进行环境结构感知构建确定所处的障碍物；\n[0010] 避障决策模块根据障碍物数据分析处理模块的输出结果确定避障决策，通过飞控系统驱动动力模块实现无人机对周围障碍物的躲避。\n[0011] 进一步的，所述环境信息实时检测模块包括超声波装置、毫米波雷达、惯性传感器及双目机器视觉系统。\n[0012] 进一步的，所述超声波装置通过固定架安装在机架的顶端，且超声波装置的支架四周分别安装有双目机器视觉系统，惯性传感器和前进方向毫米波雷达位于机架的前外表面上。\n[0013] 进一步的，所述机架的两侧通过固定杆安装有动力模块，动力模块的输出端上安装有螺旋桨。\n[0014] 进一步的，所述机架的底部安装有可收缩的起落架。\n[0015] 进一步的，所述超声波装置的结构为半圆形，且超声波装置中安装防干扰装置。\n[0016] 一种基于多传感器融合的自主避障无人机系统控制方法，包括：\n[0017] 利用环境信息实时检测模块获取无人机周围环境原始信息；\n[0018] 将环境原始信息输入环境与障碍物数据分析处理模块，进行环境结构感知构建；\n[0019] 构建空间连通区域，根据建立的障碍模型结合测距单元得到机身与障碍物的距离，利用人工势场法进行局部路径规划避免障碍物碰撞；\n[0020] 自主式安全路径规划，运用随机路线图方法渐增地构建出规划空间中避撞点和避撞路径段组成的飞行路线图，在飞行路线图中搜索从起点到终点的无人机的最优路径，即在飞行路线图上的路径搜索；\n[0021] 避障决策模块根据障碍物数据分析处理模块的输出结果确定避障决策，通过飞控系统驱动动力模块实现无人机对周围障碍物的躲避。\n[0022] 进一步的，环境结构感知构建时，将无人机四周的双目机器视觉系统组建在一起，构成大视觉空间范围的三维测量系统，使用双目视觉系统中的摄像头接收环境中物体表面的特征点，并通过立体匹配得到视差图像，之后确定深度图像，并进行环境结构感知构建。\n[0023] 进一步的，构建空间连通区域时，首先建立障碍模型，使用改进的空间八叉树的结构对障碍进行描述，将含有整个场景的空间立方体按三个方向分割成八个子立方体网格，组织成一棵八叉树；\n[0024] 若某一子立方体网格中所含景物面片数大于给定的阈值，则为该子立方体作进一步的剖分，上述剖分过程直至八叉树每一个叶子节点所含面片数均小于给定的阈值为止，并结合前进方向毫米波雷达回波信号得到机身与障碍物的距离。\n[0025] 进一步的，构建空间连通区域还包括：利用人工势场法进行局部路径规划，通过无人机携带的四周双目机器视觉系统获得一个新的三维封闭环境；\n[0026] 扫描组合成多分辨率障碍物地图，在局部为了避免障碍物碰撞，进行无人机飞行区域内的局部路径规划。\n[0027] 进一步的，飞控系统通过控制信号输送至无人机飞行器伺服机构的舵机，并根据惯导数据和飞行路径生成飞行控制指令，无人机接收飞行控制指令，以便控制无人机对障碍物进行避障。\n[0028] 本发明的有益效果：\n[0029] 本发明模块结构稳定、可靠，可以有效避免无人机与各类型障碍物的碰撞，通过模块化设计能够安装在各类无人机上，在无人机的机体四周分别设置有双目机器视觉系统，实现三维空间重构，同时配合超声波装置与前进方向的毫米波雷达，使避障方法更加全面，具有障碍物检测实时性高、可视检测距离远、分别率高的特点。显著提高了障碍物实时检测的效率，保障了无人机巡检系统的飞行安全，有着广阔的应用前景。\n附图说明\n[0030] 图1是本发明的系统总体结构图；\n[0031] 图2为本发明的原理框图；\n[0032] 图3为本发明的避障控制流程图；\n[0033] 图2中：1-惯性传感器；2-环境与障碍物数据分析处理模块；3-前进方向毫米波雷达；4-双目机器视觉系统；5-超声波装置；6-螺旋桨；7-动力模块；8-起落架；9-避障决策模块；10-机架；11-飞控系统。\n具体实施方式：\n[0034] 下面结合附图对本发明进行详细说明：\n[0035] 如图1-2所示，一种基于多传感器融合的自主避障无人机系统，包括环境与障碍物数据分析处理模块2、超声波装置5、螺旋桨6、动力模块7、避障决策模块9和机架10；所述机架10的前外表面上安装有环境与障碍物数据分析处理模块2、该模块具体为处理器，用于实现对环境与障碍物数据的分析处理，惯性传感器1和前进方向毫米波雷达3，且惯性传感器1和前进方向毫米波雷达3位于环境与障碍物数据分析处理模块2的上方，机架10的内部安装有避障决策模块9，超声波装置5通过固定架安装在机架10的顶端，且超声波装置5的支架四周分别安装有双目机器视觉系统4，机架10的两侧通过固定杆安装有动力模块7，动力模块7的输出端上安装有螺旋桨6，惯性传感器1、前进方向毫米波雷达3、双目机器视觉系统4和超声波装置5的输出端与环境与障碍物数据分析处理模块2的输入端电性连接，环境与障碍物数据分析处理模块2的输出端与避障决策模块9的输入端电性连接，避障决策模块9的输出端通过飞控系统11，与动力模块7的输入端连接，超声波装置5为半圆形，且超声波装置5中安装防干扰装置，机架10的底部安装有可收缩的起落架8。\n[0036] 惯性传感器1是检测和测量加速度、倾斜、冲击、振动、旋转和多自由度(DoF)运动的传感器。惯性传感器1用于飞机的导航、定向；前进方向毫米波雷达3用于前进方向的障碍物测距；顶部超声波装置5用于测量飞机上部可能遇到的障碍物距离；双目机器视觉系统4用于构建飞机周围的三维环境。\n[0037] 避障决策模块9基于环境与障碍物数据分析处理模块2给出的环境与障碍物信息，对简单障碍物执行简单避障策略，对复杂障碍物给出为躲避障碍物而规划出的新航路。\n[0038] 动力模块7包括：电机、电子调速器、电调连接板、桨叶、电池。作用是执行飞机的高度控制、航向、速度控制，从而按照避障决策模块9给出的新航路执行飞行。\n[0039] 飞控系统11集成各种传感器、飞行控制器、电源系统、机上电缆和执行机构。飞行控制系统11是一个闭环负反馈控制系统，它可以控制无人机自动实现定高度、定航向、定姿态飞行，控制机动飞行时飞行姿态较稳定，以保证无人机的安全降落。\n[0040] 一种基于多传感器融合的自主避障无人机系统控制方法如如图3所示，包括以下步骤：步骤1：无人机飞行环境信息采集；步骤2：环境与障碍物数据分析处理；步骤3：构建空间连通区域；步骤4：自主式安全路径规划；步骤5：避障决策；步骤6：实施避障。\n[0041] 步骤1：基于多传感器获取无人机周围环境原始信息。通过无人机机载的前进方向毫米波雷达、顶部超声波传感器和双目机器视觉系统获取无人机周围环境原始信息。\n[0042] 步骤2：将环境原始信息输入环境与障碍物数据分析处理模块，进行环境结构感知构建。\n[0043] 将无人机四周的双目机器视觉系统组建在一起，构成大视觉空间范围的三维测量系统，使用双目视觉系统中的摄像头接收环境中物体表面的特征点，并通过立体匹配得到视差图像，之后确定深度图像，并进行环境结构感知构建。\n[0044] 环境结构感知构建就是通过模拟，构建出无人机周围的空间结构，步骤3中的构建空间连通区域，是基于第二步得到的无人机周围环境，在避免与障碍物碰撞的前提下，得到的可用于飞行的空间连通区域，可以理解为三维空间中剔除障碍物所占的空间部分，剩余的可连通的空间。\n[0045] 步骤3：构建空间连通区域。\n[0046] 首先建立障碍模型，使用改进的空间八叉树的结构对障碍进行描述。将含有整个场景的空间立方体按三个方向分割成八个子立方体网格，组织成一棵八叉树。若某一子立方体网格中所含景物面片数大于给定的阈值，则为该子立方体作进一步的剖分。上述剖分过程直至八叉树每一个叶子节点所含面片数均小于给定的阈值为止，并结合前进方向毫米波雷达回波信号得到障碍物距离。\n[0047] 确定障碍物方法：一是基于前进方向毫米波雷达回波信号得到障碍物距离，二是通过无人机携带的四周双目机器视觉系统获得一个新的三维封闭环境。扫描组合成多分辨率障碍物地图。\n[0048] 其次利用人工势场法进行局部路径规划，通过无人机携带的四周双目机器视觉系统获得一个新的三维封闭环境。扫描组合成多分辨率障碍物地图，在局部为了避免障碍物碰撞，进行无人机飞行区域内的局部路径规划。局部路径规划用于飞机自身实时避障，与简单避障策略相结合。\n[0049] 步骤4：自主式安全路径规划。路径规划过程分为学习和查询两个阶段，在学习阶段，运用随机路线图(PRM)方法渐增地构建出规划空间中避撞点和避撞路径段组成的飞行路线图G＝(V，E)，V为路线图中避撞点的集合，E为图中避撞路径段的集合。在查询阶段，路径搜索是在飞行路线图中搜索从起点到终点的无人机的最优路径，即在飞行路线图上的路径搜索。飞行路线图上可以结合无人机的约束条件，如机型、飞行高度、速度等，规划资源消耗大大减少，有利于无人机的可变任务路径搜索。同时可以根据规划时间和存储空间的要求，设定路线图的精细程度。自主式安全路径规划与复杂避障策略相结合，需要在飞控地面站(软件)中实现。\n[0050] 步骤5：避障策略选择与决策。总体上分为两个级别的避障策略：简单避障策略和复杂避障策略。简单避障策略通过悬停和爬升越障的方式，处理障碍物避障。复杂避障主要是通过改变航线和动态航线规划的方式处理避障，这种方式是用于处理复杂障碍物的避障。\n[0051] 通过局部路径规划，一次性可完成躲避的障碍物可以认为是简单障碍物；基于局部路径规划结合空间连通区域，如果在完成简单避障策略后仍会遇到新的障碍物，则放弃简单避障策略，需要进行安全路径规划，处理复杂障碍物避障，简单来说一次避障可躲避的障碍物认为是简单障碍物，由于一次避障而遇到新的障碍物则认为这些障碍物组成了复杂障碍物。\n[0052] 步骤6：实施避障动作，避障决策模块通过控制信号输送至无人机飞行器伺服机构的舵机，并根据惯导数据和飞行路径生成飞行控制指令，无人机接收飞行控制指令，以便控制无人机对障碍物进行避障。\n[0053] 上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。