CN109283539A - 一种适用于高层非平整结构的定位方法 - Google Patents

Abstract

本发明实施例涉及高层非平整结构巡检技术领域，具体而言，涉及一种适用于高层非平整结构的定位方法，该方法包括：当飞行机器人本体位于高层非平整结构内部时，激光雷达获取飞行机器人本体周围的障碍物信息，将障碍物信息发送至微处理芯片，微处理芯片接收障碍物信息以及实时动态测量仪器发送的实时定位置信精度，判断实时定位置信精度是否小于设定阈值，若小于，获取光流数据、测距数据、气压数据以及融合算法，将融合算法输入深度神经网络进行训练，将障碍物信息、光流数据、测距数据和气压数据输入训练完毕的深度神经网络计算获得飞行机器人本体在高层非平整结构内部的空间位置信息。采用该方法能够实现对飞行机器人本体的准确定位。

Description

一种适用于高层非平整结构的定位方法

技术领域

本发明实施例涉及高层非平整结构巡检技术领域，具体而言，涉及一种适用于高层非平整结构的定位方法。

背景技术

随着社会的快速发展，大量高层建筑屹立于城市中。高层建筑在使用过程中会遭受日晒雨淋，建筑结构部分可能出现老化或损伤，特别是针对高层建筑的非平整结构部分，老化或损伤情况更为严重，因此，对高层非平整结构进行巡检，进而及时获得高层非平整结构的老化或损伤情况变得尤为重要。

目前，基于无人机的飞速发展，一般采用无人机对高层非平整结构进行巡检，但是现有技术采用无人机对高层非平整结构进行巡检时，难以对无人机进行准确的定位。

发明内容

有鉴于此，本发明提供了一种适用于高层非平整结构的定位方法，能够在飞行机器人本体位于高层非平整结构内时，实现对飞行机器人本体的准确定位。

本发明实施例提供了一种适用于高层非平整结构的定位方法，应用于一飞行机器人定位系统，所述飞行机器人定位系统包括：激光雷达、实时动态测量仪器、光流传感器组件、激光测距传感器组件、微处理芯片和飞行机器人本体，所述激光雷达、所述实时动态测量仪器、所述光流传感器组件、所述激光测距传感器组件和所述微处理芯片均设置于所述飞行机器人本体的飞控，所述激光雷达、所述实时动态测量仪器、所述光流传感器组件和所述激光测距传感器组件均与所述微处理芯片通信连接，所述飞控设置有气压计，所述气压计与所述微处理芯片通信连接，所述方法包括：

当所述飞行机器人本体位于高层非平整结构内部时，所述激光雷达对所述飞行机器人本体所在的平面进行实时扫描，以获取所述飞行机器人本体周围的障碍物信息，将所述障碍物信息发送至所述微处理芯片；

所述微处理芯片接收所述障碍物信息以及所述实时动态测量仪器发送的实时定位置信精度，判断所述实时定位置信精度是否小于设定阈值，若小于，获取所述光流传感器组件采集的光流数据、所述激光测距传感器组件采集的测距数据以及所述气压计采集的气压数据；

将光流定位算法、差分气压测高算法、飞行时差测高算法进行融合以获得融合算法，将所述融合算法输入深度神经网络，对所述深度神经网络进行训练；

将所述障碍物信息、所述光流数据、所述测距数据和所述气压数据输入训练完毕的深度神经网络计算获得所述飞行机器人本体在所述高层非平整结构内部的空间位置信息。

可选地，所述飞控还设置有姿态传感器，所述方法还包括：

所述微处理芯片获取所述激光雷达扫描获得的平行点云线偏角，根据所述平行点云线偏角测量得到偏航角；获取所述姿态传感器测量得到的俯仰角和翻滚角；

结合所述光流数据和所述测距数据，采用光流定位算法对所述偏航角、所述俯仰角和所述翻滚角进行融合修正，将完成融合修正的偏航角、俯仰角和翻滚角作为所述飞行机器人本体在所述高层非平整结构内部的空间姿态信息。

可选地，所述微处理芯片将光流定位算法、差分气压测高算法、飞行时差测高算法进行融合以获得融合算法，具体包括：

采用扩展卡尔曼算法将所述光流定位算法、所述差分气压测高算法和所述飞行时差测高算法进行融合以获得融合算法。

可选地，所述方法还包括：

所述微处理芯片采用势场法控制所述飞行机器人本体围着所述障碍物信息对应的障碍物的轮廓飞行，从而绕开所述障碍物。

可选地，所述光流传感器组件包括多个光流传感器，各所述光流传感器设置于所述飞控，各所述光流传感器与所述微处理芯片通信连接，所述微处理芯片获取所述光流传感器组件采集的光流数据的步骤，包括：

所述微处理芯片获取各所述光流传感器采集的子光流数据，将各所述子光流数据进行融合以获得光流数据。

可选地，所述方法还包括：

针对每个光流传感器，所述微处理芯片根据所述空间位置信息、所述空间姿态信息以及该光流传感器采集的子光流数据计算该光流传感器的测量偏差；

判断该光流传感器的测量偏差是否在持续设定时长内一直高于第一设定值，若该光流传感器的测量偏差在所述持续设定时长内一直高于所述第一设定值，降低该光流传感器所采集的子光流数据在融合过程中的权重。

可选地，所述光流传感器组件包括第一光流传感器、第二光流传感器和第三光流传感器，所述第一光流传感器和所述第二光流传感器为水平光流传感器，所述第三光流传感器为向下光流传感器，所述第一光流传感器、所述第二光流传感器和所述第三光流传感器设置于所述飞控，所述第一光流传感器、所述第二光流传感器和所述第三光流传感器均与所述微处理芯片通信连接；所述微处理芯片获取各所述光流传感器采集的子光流数据，将各所述子光流数据进行融合以获得光流数据的步骤，包括：

所述微处理芯片获取所述第一光流传感器采集的第一子光流数据、获取所述第二光流传感器采集的第二子光流数据、获取所述第三光流传感器采集的第三子光流数据；

将所述第一子光流数据、所述第二子光流数据和所述第三子光流数据进行融合以获得光流数据。

可选地，所述激光测距传感器组件包括多个激光测距传感器，各所述激光测距传感器设置于所述飞控，各所述激光测距传感器与所述微处理芯片通信连接，所述微处理芯片获取所述激光测距传感器组件采集的测距数据的步骤，包括：

所述微处理芯片获取各所述激光测距传感器采集的子测距数据，将各所述子测距数据进行融合以获得测距数据。

可选地，所述方法还包括：

针对每个激光测距传感器，所述微处理芯片根据所述空间位置信息、所述空间姿态信息以及该激光测距传感器采集的子测距数据计算该激光测距传感器的测量偏差；

判断该激光测距传感器的测量偏差是否在持续设定时长内一直高于第二设定值，若该激光测距传感器的测量偏差在所述持续设定时长内一直高于所述第二设定值，降低该激光测距传感器所采集的子测距数据在融合过程中的权重。

可选地，所述激光测距传感器组件包括第一激光测距传感器、第二激光测距传感器和第三激光测距传感器，所述第一激光测距传感器和所述第二激光测距传感器为水平激光测距传感器，所述第三激光测距传感器为向下激光测距传感器，所述第一激光测距传感器、所述第二激光测距传感器和所述第三激光测距传感器设置于所述飞控，所述第一激光测距传感器、所述第二激光测距传感器和所述第三激光测距传感器均与所述微处理芯片通信连接；所述微处理芯片获取各所述激光测距传感器采集的子测距数据，将各所述子测距数据进行融合以获得测距数据的步骤，包括：

所述微处理芯片获取所述第一激光测距传感器采集的第一子测距数据、获取所述第二激光测距传感器采集的第二子测距数据、获取所述第三激光测距传感器采集的第三子测距数据；

将所述第一子测距数据、所述第二子测距数据和所述第三子测距数据进行融合以获得测距数据。

本发明实施例提供的一种适用于高层非平整结构的定位方法，当飞行机器人本体位于高层非平整结构内部时，微处理芯片会根据实时动态测量仪器发送的实时定位置信精度选择采用实时动态测量仪器进行定位还是选择光流传感器组件、激光测距传感器组件以及气压计进行协同定位，能够有效解决飞行机器人本体在高层非平整结构内部时GPS信号弱进而导致定位不准确的问题，通过将光流定位算法、差分气压测高算法、飞行时差测高算法进行融合，并采用深度神经网络对飞行机器人本体的空间位置信息进行计算，能够提高计算的准确性，进而保证在高层非平整结构内部、GPS信号较弱时仍能对飞行机器人本体进行准确的位置定位。

进一步地，对偏航角、俯仰角和翻滚角进行融合修正，能够实现更为精确的姿态定位。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例所提供的一种飞行机器人定位系统100的结构框图。

图2为本发明实施例所提供的一种适用于高层非平整结构的定位方法的流程图。

图3为本发明实施例所提供的一种适用于高层非平整结构的定位方法的另一流程图。

图4为本发明实施例所提供的一种对光流传感器进行校正的流程图。

图标：

100-飞行机器人定位系统；

1-激光雷达；

2-实时动态测量仪器；

3-光流传感器组件；31-第一光流传感器；32-第二光流传感器；33-第三光流传感器；

4-激光测距传感器组件；41-第一激光测距传感器；42-第二激光测距传感器；43-第三激光测距传感器；

5-微处理芯片；

6-飞行机器人本体；61-飞控；611-气压计；612-姿态传感器。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

发明人经调查发现，现有技术采用采用无人机对高层非平整结构进行巡检时，难以对无人机进行准确的定位，究其原因，主要是高层非平整结构的部分周边结构会在较大程度上影响GPS信号，进而导致定位失效。

以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案，都应该是发明人在本发明过程中对本发明做出的贡献。

基于上述研究，本发明实施例提供了一种适用于高层非平整结构的定位方法，能够在飞行机器人本体位于高层非平整结构内时，实现对飞行机器人本体的准确定位。

请参阅图1，为本发明实施例所提供的一种飞行机器人定位系统100的结构框图，由图可见，该飞行机器人定位系统100包括激光雷达1、实时动态测量仪器2、光流传感器组件3、激光测距传感器组件4、微处理芯片5和飞行机器人本体6。其中，激光雷达1、实时动态测量仪器2、光流传感器组件3、激光测距传感器组件4和微处理芯片5均设置于飞行机器人本体6的飞控61。激光雷达1、实时动态测量仪器2、光流传感器组件3和激光测距传感器组件4均与微处理芯片5通信连接，飞控61还设置有气压计611和姿态传感器612，气压计61和姿态传感器612均与微处理芯片5通信连接。

在本实施例中，实时动态测量仪器2为RTK测量仪，借助于GPS信号实现对飞行机器人本体6进行定位，而光流传感器组件3、激光测距传感器组件4以及气压计611则能够在不需要借助GPS信号的前提下进行协同定位。可以理解，高层非平整结构内GPS信号很不稳定，若一直采用RTK测量仪进行定位，可能导致准确性较低，因此，本发明实施例通过将RTK测量仪、光流传感器组件3、激光测距传感器组件4以及气压计611进行组合，能够在GPS信号不稳定的高层非平整结构内实现对飞行机器人本体6的准确定位。

可以理解，相较于RTK测量仪，光流传感器组件3、激光测距传感器组件4以及气压计611为多传感器协同定位，需要注意的是，本实施例采用激光测距传感器组件4而不采用超声波传感器是有一定依据的，具体地，高层非平整结构是一个相对封闭的环境，若采用超声波传感器进行测距，很容易造成干扰，例如，现有技术大多在无人机上配备多个超声波传感器，这类无人机进入高层非平整结构，利用多个超声波传感器测距，会产生多个信号，这些信号会互相干扰，导致测量结果出现严重错误，因此，本发明实施例在此基础上采用激光测距传感器组件进行测距，能够避免超声波的多径效应，在本实施例中，激光测距传感器可以理解为TOF传感器。

应当理解，本发明实施例侧重在于数据信息的处理，因此图1仅示出了对应部件的框图，请结合参阅图2，为本发明实施例所提供的一种适用于高层非平整结构的定位方法的流程图，该方法应用于上述飞行机器人定位系统100，下面将对图2所示的具体流程进行详细阐述：

步骤S21，当飞行机器人本体位于高层非平整结构内部时，激光雷达对飞行机器人本体所在平面进行实时扫描，以获取飞行机器人本体周围的障碍物信息，将障碍物信息发送至微处理芯片。

应当理解，本发明实施例的应用环境为高层非平整结构内部。

在本实施例中，障碍物信息包括障碍物的尺寸、轮廓、方位以及障碍物与飞行机器人本体之间的距离。

可选地，微处理芯片5在获得了障碍物信息之后，会采用势场法控制飞行机器人本体围着障碍物信息对应的障碍物的轮廓飞行，从而自动绕开障碍物，实现自主避障。

步骤S22，微处理芯片接收障碍物信息以及实时动态测量仪器发送的实时定位置信精度。

可以理解，实时动态测量仪器2在GPS信号较好的情况下，向微处理芯片5发送的实时定位置信精度和信号强度较高，因此，可以通过对实时定位精度进行判断，进而决策是否采用多传感器协同定位。

步骤S23，微处理芯片判断实时定位置信精度是否小于设定阈值。

可以理解，微处理芯片5可以通过对实时定位置信精度进行判断，进而决策是采用实时动态测量仪器2进行定位还是采用光流传感器组件3、激光测距传感器组件4以及气压计611进行定位。

具体地，若实时定位置信精度不小于设定阈值，表明实时动态测量仪器2处于GPS信号较好的区域下，此时可以继续采用实时动态测量仪器2对飞行机器人本体6进行定位。

若实时定位置信精度小于设定阈值，表明实时动态测量仪器2处于GPS信号较差的区域，此时若继续采用实时动态测量仪器2进行定位可能造成定位不准确，因此，需要转换为多传感器协同定位(光流传感器组件3+激光测距传感器组件4+气压计611)，转向步骤S24。

步骤S24，微处理芯片获取光流传感器组件采集的光流数据、激光测距传感器组件采集的测距数据以及气压计采集的气压数据。

可以理解，若采用多传感器协同定位，微处理芯片5会获取光流传感器组件3、激光测距传感器组件4和气压计611采集的相关数据，然后利用这些数据对飞行机器人本体6进行定位。

步骤S25，微处理芯片将光流定位算法、差分气压测高算法、飞行时差测高算法进行融合以获得融合算法，将融合算法输入深度神经网络，对深度神经网络进行训练。

可以理解，多传感器协同定位可以采用融合算法进行计算，因此，首先需要获得一融合算法，在本实施例中，通过扩展卡尔曼算法将Lucas-Kanade光流定位算法、差分气压测高算法和飞行时差测高算法(TOF算法)进行融合，并将融合算法输入深度神经网络，对深度神经网络进行训练。

可以理解，训练完毕的深度神经网络能够根据输入的光流数据、测距数据以及气压数据计算获得空间位置信息。

步骤S26，微处理芯片将障碍物信息、光流数据、测距数据和气压数据输入训练完毕的深度神经网络计算获得飞行机器人本体在高层非平整结构内部的空间位置信息。

其中，将障碍物信息输入深度神经网络能够计算出飞行机器人本体6在高层非平整结构内部的相对位置，进而提高空间位置定位的准确性。

应当理解，上述步骤S21～步骤S26用于对飞行机器人本体6的空间位置信息进行计算，本发明实施例所提供的定位方法还可以对飞行机器人本体6的空间姿态信息进行计算，请结合参阅图3，下面将对图3所示的具体流程进行详细阐述：

步骤S31，微处理芯片获取激光雷达扫描获得的平行点云线偏角，根据平行点云线偏角测量得到偏航角，获取姿态传感器测量得到的俯仰角和翻滚角。

可以理解，飞行机器人本体的空间姿态信息包括偏航角、俯仰角和翻滚角，通过上述方式可以获得偏航角、俯仰角和翻滚角，但是由于实际测量存在误差，且该飞行机器人本体处于高层非平整结构中，因此测量得到的偏航角、俯仰角和翻滚角不准确，需要进行修正。

步骤S32，微处理芯片结合光流数据和测距数据，采用光流定位算法对偏航角、俯仰角和翻滚角进行融合修正，将完成融合修正的偏航角、俯仰角和翻滚角作为飞行机器人本体在高层非平整结构内部的空间姿态信息。

可以理解，对偏航角、俯仰角和翻滚角进行修正后，能实现高层非平整结构内部的空间姿态定位。

因此，通过图2和图3所示的步骤能够在高层非平整结构内部实现对飞行机器人本体6准确的空间位置定位和空间姿态定位，无需担心高层非平整结构内部GPS信号的强弱。

请继续参阅图1，光流传感器组件3和激光测距传感器组件4包括多个对应的传感器，例如，光流传感器组件3包括第一光流传感器31、第二光流传感器32和第三光流传感器33，激光测距传感器4包括第一激光测距传感器41、第二激光测距传感器42和第三激光测距传感器43。其中，第一光流传感器31、第二光流传感器32、第三光流传感器33、第一激光测距传感器41、第二激光测距传感器42和第三激光测距传感器43均设置于飞行机器人主体6，第一光流传感器31、第二光流传感器32、第三光流传感器33、第一激光测距传感器41、第二激光测距传感器42和第三激光测距传感器43均与微处理芯片5通信连接。

在本实施例中，第一光流传感器31和第二光流传感器32为水平光流传感器，第三光流传感器33为向下光流传感器，第一激光测距传感器41和第二激光测距传感器42为水平激光测距传感器，第三激光测距传感器43为向下激光测距传感器。

可以理解，多传感器协同定位可能会出现某一传感器测量偏差较大，进而导致定位结果不准确，因此，需要对传感器的测量偏差进行实时矫正，必要时需要降低测量偏差较大的传感器在协同定位中的权重。

请参阅图4，为本发明实施例所提供的一种对光流传感器进行校正的流程图，下面将对图4所示的具体流程进行详细阐述：

步骤S41，针对每个光流传感器，微处理芯片根据空间位置信息、空间姿态信息以及该光流传感器采集的子光流数据计算该光流传感器的测量偏差。

在本实施例中，微处理芯片5获取第一光流传感器31采集的第一子光流数据、获取第二子光流传感器32采集的第二子光流数据、获取第三子光流传感器33采集的第三子光流数据，将第一子光流数据、第二子光流数据和第三子光流数据进行融合以获得光流数据。

例如，微处理芯片5根据空间位置位置信息、空间姿态信息以及第一光流传感器31采集的第一子光流数据计算第一光流传感器31的测量偏差。

步骤S42，判断该光流传感器的测量偏差是否在持续设定时长内一直高于第一设定值。

若第一光流传感器31的测量偏差在持续设定时长内一直高于第一设定值，转向步骤S43。

步骤S43，降低该光流传感器所采集的子光流数据在融合过程中的权重。

例如，微处理芯片5在对第一子光流数据、第二子光流数据和第三子光流数据进行融合时，降低第一子光流数据在融合过程中的权重，又例如，减少第一子光流数据的权重系数的值。

可以理解，对第一激光测距传感器41、第二激光测距传感器42和第三激光测距传感器43进行校正的过程与图4所示的步骤类似：

例如，例如，微处理芯片5根据空间位置位置信息、空间姿态信息以及第一激光测距传感器41采集的第一子测距数据计算第一激光测距传感器41的测量偏差。判断第一激光测距传感器41的测量偏差是否在持续设定时长内一直高于第二设定值，若第一激光测距传感器41的测量偏差在持续设定时长内一直高于第二设定值，降低第一子测距数据在融合过程中的权重。

可以理解，采用本实施例所提供的定位方法对飞行机器人本体进行空间位置定位和空间姿态定位时，可以在实时动态测量仪器2定位以及多传感器协同定位之间互相转换，并不限于一种定位方式，例如，若飞行机器人本体在高层非平整结构内的第一区域内GPS信号强，此时采用实时动态测量仪器2进行定位更加便捷，若飞行机器人本体飞行到第二区域内，GPS信号弱，此时可以采用多传感器协同定位，若飞行机器人飞行到第三区域内，GPS信号又变强，此时可以采用实时动态测量仪器2进行定位，可以理解，采用实时动态测量仪器2进行定位时，微处理芯片5可以基于之前多传感器协同定位获得的定位结果对每个传感器(光流传感器或激光测距传感器)进行矫正，也可以利用各个传感器进行互相矫正，确保下一次采用多传感器协同定位时的准确性。

综上，本发明实施例所提供的一种适用于高层非平整结构的定位方法，能够在飞行机器人本体位于高层非平整结构内时，实现对飞行机器人本体的准确定位。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种适用于高层非平整结构的定位方法，其特征在于，应用于一飞行机器人定位系统，所述飞行机器人定位系统包括：激光雷达、实时动态测量仪器、光流传感器组件、激光测距传感器组件、微处理芯片和飞行机器人本体，所述激光雷达、所述实时动态测量仪器、所述光流传感器组件、所述激光测距传感器组件和所述微处理芯片均设置于所述飞行机器人本体的飞控，所述激光雷达、所述实时动态测量仪器、所述光流传感器组件和所述激光测距传感器组件均与所述微处理芯片通信连接，所述飞控设置有气压计，所述气压计与所述微处理芯片通信连接，所述方法包括：

当所述飞行机器人本体位于高层非平整结构内部时，所述激光雷达对所述飞行机器人本体所在的平面进行实时扫描，以获取所述飞行机器人本体周围的障碍物信息，将所述障碍物信息发送至所述微处理芯片；

所述微处理芯片接收所述障碍物信息以及所述实时动态测量仪器发送的实时定位置信精度，判断所述实时定位置信精度是否小于设定阈值，若小于，获取所述光流传感器组件采集的光流数据、所述激光测距传感器组件采集的测距数据以及所述气压计采集的气压数据；

将光流定位算法、差分气压测高算法、飞行时差测高算法进行融合以获得融合算法，将所述融合算法输入深度神经网络，对所述深度神经网络进行训练；

将所述障碍物信息、所述光流数据、所述测距数据和所述气压数据输入训练完毕的深度神经网络计算获得所述飞行机器人本体在所述高层非平整结构内部的空间位置信息。

2.根据权利要求1所述的一种适用于高层非平整结构的定位方法，其特征在于，所述飞控还设置有姿态传感器，所述方法还包括：

所述微处理芯片获取所述激光雷达扫描获得的平行点云线偏角，根据所述平行点云线偏角测量得到偏航角；获取所述姿态传感器测量得到的俯仰角和翻滚角；

结合所述光流数据和所述测距数据，采用光流定位算法对所述偏航角、所述俯仰角和所述翻滚角进行融合修正，将完成融合修正的偏航角、俯仰角和翻滚角作为所述飞行机器人本体在所述高层非平整结构内部的空间姿态信息。

3.根据权利要求1所述的一种适用于高层非平整结构的定位方法，其特征在于，所述微处理芯片将光流定位算法、差分气压测高算法、飞行时差测高算法进行融合以获得融合算法，具体包括：

采用扩展卡尔曼算法将所述光流定位算法、所述差分气压测高算法和所述飞行时差测高算法进行融合以获得融合算法。

4.根据权利要求1所述的一种适用于高层非平整结构的定位方法，其特征在于，所述方法还包括：

所述微处理芯片采用势场法控制所述飞行机器人本体围着所述障碍物信息对应的障碍物的轮廓飞行，从而绕开所述障碍物。

5.根据权利要求1所述的一种适用于高层非平整结构的定位方法，其特征在于，所述光流传感器组件包括多个光流传感器，各所述光流传感器设置于所述飞控，各所述光流传感器与所述微处理芯片通信连接，所述微处理芯片获取所述光流传感器组件采集的光流数据的步骤，包括：

所述微处理芯片获取各所述光流传感器采集的子光流数据，将各所述子光流数据进行融合以获得光流数据。

6.根据权利要求5所述的一种适用于高层非平整结构的定位方法，其特征在于，所述方法还包括：

针对每个光流传感器，所述微处理芯片根据所述空间位置信息、所述空间姿态信息以及该光流传感器采集的子光流数据计算该光流传感器的测量偏差；

判断该光流传感器的测量偏差是否在持续设定时长内一直高于第一设定值，若该光流传感器的测量偏差在所述持续设定时长内一直高于所述第一设定值，降低该光流传感器所采集的子光流数据在融合过程中的权重。

7.根据权利要求5所述的一种适用于高层非平整结构的定位方法，其特征在于，所述光流传感器组件包括第一光流传感器、第二光流传感器和第三光流传感器，所述第一光流传感器和所述第二光流传感器为水平光流传感器，所述第三光流传感器为向下光流传感器，所述第一光流传感器、所述第二光流传感器和所述第三光流传感器设置于所述飞控，所述第一光流传感器、所述第二光流传感器和所述第三光流传感器均与所述微处理芯片通信连接；所述微处理芯片获取各所述光流传感器采集的子光流数据，将各所述子光流数据进行融合以获得光流数据的步骤，包括：

所述微处理芯片获取所述第一光流传感器采集的第一子光流数据、获取所述第二光流传感器采集的第二子光流数据、获取所述第三光流传感器采集的第三子光流数据；

将所述第一子光流数据、所述第二子光流数据和所述第三子光流数据进行融合以获得光流数据。

8.根据权利要求1所述的一种适用于高层非平整结构的定位方法，其特征在于，所述激光测距传感器组件包括多个激光测距传感器，各所述激光测距传感器设置于所述飞控，各所述激光测距传感器与所述微处理芯片通信连接，所述微处理芯片获取所述激光测距传感器组件采集的测距数据的步骤，包括：

所述微处理芯片获取各所述激光测距传感器采集的子测距数据，将各所述子测距数据进行融合以获得测距数据。

9.根据权利要求8所述的一种适用于高层非平整结构的定位方法，其特征在于，所述方法还包括：

针对每个激光测距传感器，所述微处理芯片根据所述空间位置信息、所述空间姿态信息以及该激光测距传感器采集的子测距数据计算该激光测距传感器的测量偏差；

判断该激光测距传感器的测量偏差是否在持续设定时长内一直高于第二设定值，若该激光测距传感器的测量偏差在所述持续设定时长内一直高于所述第二设定值，降低该激光测距传感器所采集的子测距数据在融合过程中的权重。

10.根据权利要求9所述的一种适用于高层非平整结构的定位方法，其特征在于，所述激光测距传感器组件包括第一激光测距传感器、第二激光测距传感器和第三激光测距传感器，所述第一激光测距传感器和所述第二激光测距传感器为水平激光测距传感器，所述第三激光测距传感器为向下激光测距传感器，所述第一激光测距传感器、所述第二激光测距传感器和所述第三激光测距传感器设置于所述飞控，所述第一激光测距传感器、所述第二激光测距传感器和所述第三激光测距传感器均与所述微处理芯片通信连接；所述微处理芯片获取各所述激光测距传感器采集的子测距数据，将各所述子测距数据进行融合以获得测距数据的步骤，包括：

所述微处理芯片获取所述第一激光测距传感器采集的第一子测距数据、获取所述第二激光测距传感器采集的第二子测距数据、获取所述第三激光测距传感器采集的第三子测距数据；

将所述第一子测距数据、所述第二子测距数据和所述第三子测距数据进行融合以获得测距数据。