CN114859962A - 具备智能避障、定高巡航功能的无人机系统及控制方法 - Google Patents
具备智能避障、定高巡航功能的无人机系统及控制方法 Download PDFInfo
- Publication number
- CN114859962A CN114859962A CN202210393607.5A CN202210393607A CN114859962A CN 114859962 A CN114859962 A CN 114859962A CN 202210393607 A CN202210393607 A CN 202210393607A CN 114859962 A CN114859962 A CN 114859962A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- point cloud
- height
- obstacle avoidance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000006870 function Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000006073 displacement reaction Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000007405 data analysis Methods 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 17
- 230000004044 response Effects 0.000 abstract description 8
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 7
- 238000012876 topography Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种具备智能避障、定高巡航功能的无人机系统及控制方法，包括：前向激光雷达采集单元、下向激光雷达采集单元、高精度姿态传感器、高度位置传感器以及数据处理单元，通过采用一套独立运算模块来提升运算速度，在雷达采集到的三维数据云中，通过抽稀点云操作，提取重要的数据点，做到避障的精确把控；通过覆盖式数据处理方式，大批量排除无用的数据点，降低了无用计算带来的耗时与耗电，增加了无人机的整体航程，加快了无人机避障的反应速度；通过高度公式求得的切片数量，进一步降低了抽稀点云步骤的耗时性，在不降低抽稀点云重点抽稀数据的前提下，大大降低了计算用时。
Description
技术领域
本发明专利涉及垂直起降固定翼无人机避障巡航技术领域，尤其是一种具备智能避障、定高巡航功能的无人机系统及控制方法。
背景技术
无人机的飞行安全一直是关系到无人机大规模商业应用的核心问题,尤其固定翼无人机，飞行速度快，相对于旋翼无人机，如何感知到障碍物、并且自主的规避障碍物是固定翼无人机飞行安全领域最前沿的研究课题。
随着无人机的自主飞行、跟踪飞行的大规模商业应用,无人机在自主航拍、跟拍的过程中对自主避障的功能要求变得更加迫切。
目前固定翼无人机主要采用四种不同的避障技术：
①基于超声波探测的避障技术架构：
超声波测距避障，这种技术类似于传统的倒车雷达系统,根据超声波探测,获知障碍物距离信息,然后采用相应策略避开障碍物,其特点是探测距离近,探测范围小,虽然方法成熟,但使用范围狭窄，尤其不适合快速移动的固定翼无人机避障。
②基于双目视觉的障碍物深度提取：
这种技术是基于双目视觉的图像景深重构方法,对视场内的景物进行景深重构,通过景深信息来判断视场内的障碍物情况,探测范围更广、距离更远,避障安全距离值更高,但是技术实现难度大,而且会受到光照强弱变化的影响，受外界干扰产生避障失效的几率较大。
例如：现有技术公开了一种无人机避障方法、避障无人机、无人机避障装置以及计算机可读存储介质，涉及无人机技术领域，专利号为：CN2017113477347，公开了一种利用无人机摄像头采集障碍无人机图像；将所述障碍无人机图像输入预先训练的深度学习网络模型，得到避障飞行控制量，所述深度学习网络模型是通过输入障碍无人机训练图像以及对应的无人机实际飞行控制量进行训练得到的；依据所述避障飞行控制量控制无人机的飞行。本发明能够实现无人机在群间的自主避障。
上述现有技术中，采用图像重构模型的技术架构，达到无人机的自动避障目的，但该技术的图像模型就是基于平面的图像计算方式，与三维立体避障技术所采用的三维数据比较，平面二维数据存在避障误判的几率较高。
③基于激光雷达的避障技术：
激光雷达和图像采集最大的区别在于三维和平面的区别，现有技术中激光雷达运算方法和图像采集基本一致，不过激光雷达采集的图像是三维的，更精准的辅助避障系统来区别地体的高度、距离等。
但由于运算量大，运算时，电压会相应增加，能耗也随即增加，续航时间也会相应下降，实现每增加一个激光雷达避障方向，运算量将增加一倍，运算量大，带来的是自动避障的反应时间加大，大大降低了无人机避障的及时性和安全性。
例如：现有技术公开了一种无人机的混合避障装置的避障方法，专利号为：CN2018109790263,包括避障装置，所述避障装置包括装置本体、控制器、数据传输模块、数据处理模块、激光测距模块、超声波测距模块、激光成像模块和图像比对模块，通过设置激光测距和超声波测距混合测距，并将测量数据结合起来能够较为快速准确地完成飞行方向的障碍物检测，同时设置激光成像模块和图像对比模块来对障碍物的空隙进行成像和与无人机自身进行对比，从而判断能否穿过空隙，进而选择合适的飞行路径，本发明能够完成在较复杂的室内或其他障碍物密集的环境中进行有效的避障飞行。
上述现有技术反应时间较长，运算数据较大，在实际操作使用中，不适合固定翼无人机避障的快速响应。
④基于毫米波雷达避障技术：
现有技术还公开了一种雷达探测技术，例如：专利号为：CN2017101933230的发明专利，该发明提供一种固定翼无人机避障系统及其避障方法以及固定翼无人机，所述避障系统包括无人机飞行控制模块和毫米波雷达模块，其中：所述毫米波雷达模块，设置于所述固定翼无人机上，用于持续的发射接收毫米波波束或固定间隔时间的发射接收毫米波波束，探测所述固定翼无人机的前方航线环境，并将探测结果信号传输至所述无人机飞行控制模块；所述无人机飞行控制模块，用于根据所述探测结果信号控制所述固定翼无人机进行飞行和避障。通过采用毫米波雷达，可以提前对障碍物进行预警并具有充足时间对障碍物进行躲避，探测较大的前方空域，探测效率高，可以在复杂天气环境下以及黑夜条件下有效工作，同时整个系统的尺寸小、重量轻、成本较低。
上述技术包括飞行控制模块，毫米波雷达，与传统的激光雷达类似，但该发明探测避障技术中，考量其实时雷达探测的三维点数，可以多达300余万个，采用传统的矢量加载的方式进行渲染显示，分析处理如此庞大的数据集，并要精确分析图标，达到避障的实时精准控制，不是一键容易的事，发明人亦尝试过很多系统，包括 ArcGIS系统处理机制，其在大量数据运算时经常处于卡停状态，一旦发生实际飞行巡航，容易造成无人机的撞击事故，故而上述技术实现起来，困难较大。
发明内容
为了克服现有技术的不足，本发明提供了具备智能避障、定高巡航功能的无人机系统及控制方法，通过独立运算模块配合抽稀点云数据处理技术，大大提高了数据运算速度；结合高度值切片模型，实现快速计算架构，相比于现有技术，能够保证数据分析更加精准，避障响应更加快速。
为解决上述技术问题，本发明提供一种具备智能避障、定高巡航功能的无人机系统及控制方法，其中：
具备智能避障、定高巡航功能的无人机系统，包括：
前向激光雷达采集单元：采用激光雷达结构，用于采集无人机前方的地形及其他障碍的三维数据。
下向激光雷达采集单元：采用激光雷达结构，用于无人机下方的地形及其他障碍的三维数据。
高精度姿态传感器：用于获取、记录和分析无人机的实时姿态信息，并同步传送至独立运算模块。
高度位置传感器：用于获取无人机的高度值信息，并实时传送给独立运算模块。
作为一种举例说明，所述高度位置传感器包括：气压计、GPS。
数据处理单元，包括：独立运算模块，用于对所述前向激光雷达采集单元和下向激光雷达采集单元采集的三维数据进行抽稀点云处理，通过所述独立运算模块内置的高度公式算法，对抽稀点云集进行切片操作，再将切片后的数据进行网格化分析后传送至飞机控制单元。
作为一种举例说明，所述独立运算模块还内置有位移覆盖算法，可进一步降低无人机整体能耗，提高无人机避障反应速度，增加巡航里程。
飞机控制单元，根据所述独立运算模块处理后的数据，控制无人机飞行时的自动避障动作，所述飞机控制单元还用于控制无人机定高巡航。
作为一种举例说明，所述无人机为垂直起降固定翼无人机。
具备智能避障、定高巡航功能的无人机控制方法，包括：
步骤一、自动避障功能开启；
无人机起飞同时，独立运算模块、前向激光雷达采集单元和下向激光雷达采集单元同步开启工作，所述独立运算模块对前向激光雷达采集单元和下向激光雷达采集单元采集到的三维点云数据进行抽稀处理，得到抽稀点云集；
所述抽稀点云集包括：前向抽稀点云集与下向抽稀点云集；
步骤二、对所述前向抽稀点云集和下向抽稀点云集进行切片操作，所述切片操作后得到的切片数量依据高度公式求得；
所述高度公式为：
Z=Q＆F（当Q≥F时,Z∈Q;当Q＜F时，Z∈F）
其中：
Q=（5000 -H）；
F=1000
无人机实际高度：通过高度位置传感器实时获取；
式中，Z为最终的切片数量；H为无人机实际飞行高度；Q为无人机实际高度不高于4000米时的切片数量值；F为无人机实际高度超过4000米时保留的最低安全切片数量值；
步骤三、所述独立运算模块对得到的数量为Z的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
作为一种举例说明，所述最终分析结果包括：无人机与各目标物体的三维距离；
作为一种举例说明，所述飞机控制单元用于根据所述最终分析结果，结合无人机自身飞行速度、航向角等参数，通过计算得出到达各目标物体所用时间，从而控制无人机自主完成智能实时避障；
步骤四、为了解决前向抽稀点云集与下向抽稀点云集同样存在较多的数据冗余问题，所述独立运算模块内置有位移覆盖算法；
步骤五、所述位移覆盖算法包括：
①对所述前向激光雷达采集单元和下向激光雷达采集单元采集的第一帧三维点云数据分别进行抽稀处理，得到第一帧前向抽稀点云集与第一帧下向抽稀点云集；
②对所述第一帧前向抽稀点云集与第一帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
③对所述前向激光雷达采集单元和下向激光雷达采集单元采集的第二帧三维点云数据分别进行抽稀处理，得到第二帧前向抽稀点云集与第二帧下向抽稀点云集；
④将所述第一帧前向抽稀点云集与第一帧下向抽稀点云集加权位移值后，对所述第二帧前向抽稀点云集与第二帧下向抽稀点云集进行覆盖操作；
作为一种举例说明，所述加权位移值中的位移值为三维空间的位移值，此举可保证所述第一帧前向抽稀点云集与第一帧下向抽稀点云集加权位移值后，能够很好的与所述第二帧前向抽稀点云集与第二帧下向抽稀点云集进行覆盖操作；
⑤对覆盖操作后重复的抽稀点云集进行删除操作，保留未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集；
⑥对所述未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
⑦重复所述覆盖操作，直至无人机降落关停；
作为一种举例说明，通过高精度姿态传感器实时获取无人机的位移、航向角以及无人机自身姿态，结合PID调节计算，得到所述加权位移值；
作为一种举例说明，所述加权位移值还可以通过高精度姿态传感器实时获取的航向角及无人机自身姿态，结合无人机自带的导航模块得出；
步骤六、使用者通过飞机控制单元，还可以控制无人机进行指定高度的巡航。
本发明的有益效果：
1、本发明工作模式是采用一套独立运算模块来提升运算速度，在雷达采集到的三维数据云中，通过抽稀点云操作，提取重要的数据点，做到避障的精确把控；
2、通过覆盖式数据处理方式，大批量排除无用的数据点，降低了无用计算带来的耗时与耗电，增加了无人机的整体航程，加快了无人机避障的反应速度；
3、通过高度公式求得的切片数量，进一步降低了抽稀点云步骤的耗时性，在不降低抽稀点云重点抽稀数据的前提下，大大降低了计算用时。
附图说明
图1是本发明具备智能避障、定高巡航功能的无人机系统之原理结构示意图。
图2是本发明具备智能避障、定高巡航功能的无人机系统及控制方法之下向激光雷达采集单元实时采集到的第一帧三维点云数据举例示意图。
图3是本发明具备智能避障、定高巡航功能的无人机系统及控制方法之下向激光雷达采集单元实时采集到的第二帧三维点云数据举例示意图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细说明。
参照图1至图3所示，一种具备智能避障、定高巡航功能的无人机系统及控制方法，其中：
具备智能避障、定高巡航功能的无人机系统，包括：
前向激光雷达采集单元101：采用激光雷达结构，用于采集无人机前方的地形及其他障碍的三维数据。
下向激光雷达采集单元102：采用激光雷达结构，用于采集无人机下方的地形及其他障碍的三维数据。
高精度姿态传感器103：用于获取、记录和分析无人机的实时姿态信息，并同步传送至独立运算模块。
高度位置传感器104：用于获取无人机的高度值信息，并实时传送给独立运算模块。
作为一种举例说明，所述高度位置传感器包括：气压计。
数据处理单元105，包括：独立运算模块，用于对所述前向激光雷达采集单元101和下向激光雷达采集单元102采集的三维数据进行抽稀点云处理，通过所述独立运算模块内置的高度公式算法，对抽稀点云集进行切片操作，再将切片后的数据进行网格化分析后传送至飞机控制单元106。
作为一种举例说明，所述独立运算模块还内置有位移覆盖算法，可进一步降低无人机整体能耗，提高无人机避障反应速度，增加巡航里程。
飞机控制单元106，根据独立运算模块处理后的数据，控制无人机飞行时的自动避障动作，所述飞机控制单元还用于控制无人机定高巡航。
作为一种举例说明，所述无人机为垂直起降固定翼无人机。
具备智能避障、定高巡航功能的无人机控制方法，包括：
步骤一、自动避障功能开启；
无人机起飞同时，独立运算模块、前向激光雷达采集单元101和下向激光雷达采集单元102同步开启工作，所述独立运算模块对前向激光雷达采集单元101和下向激光雷达采集单元102采集到的三维点云数据进行抽稀处理，得到抽稀点云集；
所述抽稀点云集包括：前向抽稀点云集与下向抽稀点云集；
步骤二、对所述前向抽稀点云集和下向抽稀点云集进行切片操作，所述切片操作后得到的切片数量依据高度公式求得；
所述高度公式为：
Z=Q＆F（当Q≥F时,Z∈Q;当Q＜F时，Z∈F）
其中：
Q=（5000 -H）；
F=1000
无人机实际高度：通过高度位置传感器104实时获取；
式中，Z为最终的切片数量；H为无人机实际飞行高度；Q为无人机实际高度不高于4000米时的切片数量值；F为无人机实际高度超过4000米时保留的最低安全切片数量值；
步骤三、所述独立运算模块对得到的数量为Z的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元106，通过飞机控制单元106，控制无人机实时避障；
步骤四、为了解决前向抽稀点云集与下向抽稀点云集同样存在较多的数据冗余问题，所述独立运算模块还设置有位移覆盖算法；
步骤五、所述位移覆盖算法包括：
①对所述前向激光雷达采集单元101和下向激光雷达采集单元102采集的第一帧三维点云数据分别进行抽稀处理，得到第一帧前向抽稀点云集与第一帧下向抽稀点云集；
②对所述第一帧前向抽稀点云集与第一帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元106，通过飞机控制单元106，控制无人机实时避障；
③对所述前向激光雷达采集单元101和下向激光雷达采集单元102采集的第二帧三维点云数据分别进行抽稀处理，得到第二帧前向抽稀点云集与第二帧下向抽稀点云集；
④将所述第一帧前向抽稀点云集与第一帧下向抽稀点云集加权位移值后，对所述第二帧前向抽稀点云集与第二帧下向抽稀点云集进行覆盖操作；
⑤对覆盖操作后重复的抽稀点云集进行删除操作，保留未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集；
⑥对所述未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元106，通过飞机控制单元106，控制无人机实时避障；
⑦重复所述覆盖操作，直至无人机降落关停；
作为一种举例说明，通过高精度姿态传感器103实时获取无人机的位移、航向角以及无人机自身姿态，结合PID调节计算，得到所述加权位移值；
作为一种举例说明，所述加权位移值还可以通过高精度姿态传感器实时获取的航向角及无人机自身姿态，结合无人机自带的导航模块得出；
步骤六、使用者通过飞机控制单元106，还可以控制无人机进行指定高度的巡航。
为了更好的说明本发明的工作原理，现通过实施例举例，进行原理阐述与工作方式介绍。
实施例1：
首先、自动避障功能随着无人机的起飞操控同步开启；
固定翼无人机起飞同时，数据处理单元105中的独立运算模块、前向激光雷达采集单元101和下向激光雷达采集单元102同步开启工作，所述独立运算模块对前向激光雷达采集单元101和下向激光雷达采集单元102采集到的三维点云数据进行抽稀处理，得到抽稀点云集；所述抽稀点云集包括：前向抽稀点云集与下向抽稀点云集；
其次、对所述前向抽稀点云集和下向抽稀点云集进行切片操作，此时固定翼无人机巡航高度达到3500米；无人机实际高度：通过高度位置传感器104实时获取；
通过高度公式计算：
Q=5000-3500=1500；
因为1500＞1000；
故而Z∈1500
通过公式设计可以看出，无人机高度越高，所能遇到的障碍物越少，切片数量适当降低，不仅不会产生无人机避障误判，还能增加无人机整体避障时的数据处理速度，降低耗电量，保证无人机远距离航程；设置最低安全切片数量值，可以保证无人机高空飞行时的安全，同时降低无人机的避障耗电系数；
作为一种举例说明，对抽稀点云集进行切片操作，可以更好的通过切片后的分层架构，解决抽稀点云集整体分析虽然准确但耗时过重的不足；通过实验计算得知，按照发明人通过高度公式求得的切片数量Z进行网格化数据分析，计算完成用时均在0.1秒以内，而通过对抽稀点云集整体（不切片）进行网格化数据分析，计算完成用时在2.5-4分钟之间；
再次、所述独立运算模块对得到的数量为1500的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
而后、无人机起飞时，由于无人机处于运动状态，故而所述前向激光雷达采集单元101和下向激光雷达采集单元102实时采集到的三维点云数据，存在后一帧数据部分包含前一帧数据的情况，由于无人机处在移动状态，这就势必导致这些重复的三维点云数据经过抽稀处理得到的前向抽稀点云集与下向抽稀点云集同样存在较多的重复数据冗余，降低了独立运算模块避障时整体的运算速度，增加了耗电量；为了解决前向抽稀点云集与下向抽稀点云集同样存在较多的数据冗余问题，所述独立运算模块还设置有位移覆盖算法；
所述位移覆盖算法包括：
①对所述前向激光雷达采集单元101和下向激光雷达采集单元102采集的第一帧三维点云数据分别进行抽稀处理，得到第一帧前向抽稀点云集与第一帧下向抽稀点云集；
②对所述第一帧前向抽稀点云集与第一帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元106，控制无人机实时避障；
③对所述前向激光雷达采集单元101和下向激光雷达采集单元102采集的第二帧三维点云数据分别进行抽稀处理，得到第二帧前向抽稀点云集与第二帧下向抽稀点云集；
④将所述第一帧前向抽稀点云集与第一帧下向抽稀点云集加权位移值后，对所述第二帧前向抽稀点云集与第二帧下向抽稀点云集进行覆盖操作；
⑤对覆盖操作后重复的抽稀点云集进行删除操作，保留未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集；
⑥对所述未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
⑦以此类推，重复所述覆盖操作；
最后、使用者通过飞机控制单元，还可以控制无人机进行指定高度的巡航。
本发明工作模式是采用一套独立运算模块来提升运算速度，在雷达采集到的三维数据云中，通过抽稀点云操作，提取重要的数据点，做到避障的精确把控；通过覆盖式数据处理方式，大批量排除无用的数据点，降低了无用计算带来的耗时与耗电，增加了无人机的整体航程，加快了无人机避障的反应速度；通过高度公式求得的切片数量，进一步降低了抽稀点云步骤的耗时性，在不降低抽稀点云重点抽稀数据的前提下，大大降低了计算用时。
以上所述的仅为本发明的优选实施例，所应理解的是，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，并不用于限定本发明的保护范围，凡在本发明的思想和原则之内所做的任何修改、等同替换等等，均应包含在本发明的保护范围之内。
Claims (10)
1.具备智能避障、定高巡航功能的无人机系统，其特征在于，包括：
前向激光雷达采集单元：采用激光雷达结构，用于采集无人机前方的地形及其他障碍的三维数据；
下向激光雷达采集单元：采用激光雷达结构，用于采集无人机下方的地形及其他障碍的三维数据；
高精度姿态传感器：用于获取、记录和分析无人机的实时姿态信息，并同步传送至独立运算模块；
高度位置传感器：用于获取无人机的高度值信息，并实时传送给独立运算模块；
数据处理单元，包括：独立运算模块，用于对所述前向激光雷达采集单元和下向激光雷达采集单元采集的三维数据进行抽稀点云处理，通过所述独立运算模块内置的高度公式算法，对抽稀点云集进行切片操作，再将切片后的数据进行网格化分析后传送至飞机控制单元；
飞机控制单元，根据所述独立运算模块处理后的数据，控制无人机飞行时的自动避障动作，所述飞机控制单元还用于控制无人机定高巡航。
2.根据权利要求1所述的具备智能避障、定高巡航功能的无人机系统，其特征在于，所述高度位置传感器包括：气压计。
3.根据权利要求1所述的具备智能避障、定高巡航功能的无人机系统，其特征在于，所述无人机为垂直起降固定翼无人机。
4.根据权利要求1所述的具备智能避障、定高巡航功能的无人机系统，其特征在于，所述独立运算模块还内置有位移覆盖算法。
5.具备智能避障、定高巡航功能的无人机控制方法，其特征在于，包括：
步骤一、自动避障功能开启；
无人机起飞同时，独立运算模块、前向激光雷达采集单元和下向激光雷达采集单元同步开启工作，所述独立运算模块对前向激光雷达采集单元和下向激光雷达采集单元采集到的三维点云数据进行抽稀处理，得到抽稀点云集；
所述抽稀点云集包括：前向抽稀点云集与下向抽稀点云集；
步骤二、对所述前向抽稀点云集和下向抽稀点云集进行切片操作，所述切片操作后得到的切片数量依据高度公式求得；
所述高度公式为：
Z=Q＆F（当Q≥F时,Z∈Q;当Q＜F时，Z∈F）
其中：
Q=（5000 -H）；
F=1000
式中，Z为最终的切片数量；H为无人机实际飞行高度；无人机实际飞行高度H：通过高度位置传感器实时获取；Q为无人机实际高度不高于4000米时的切片数量值；F为无人机实际高度超过4000米时保留的最低安全切片数量值；
步骤三、所述独立运算模块对得到的数量为Z的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
步骤四、使用者通过飞机控制单元，还可以控制无人机进行指定高度的巡航。
6.根据权利要求5所述的具备智能避障、定高巡航功能的无人机控制方法，其特征在于，所述独立运算模块还内置有位移覆盖算法；
所述位移覆盖算法包括：
①对所述前向激光雷达采集单元和下向激光雷达采集单元采集的第一帧三维点云数据分别进行抽稀处理，得到第一帧前向抽稀点云集与第一帧下向抽稀点云集；
②对所述第一帧前向抽稀点云集与第一帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
③对所述前向激光雷达采集单元和下向激光雷达采集单元采集的第二帧三维点云数据分别进行抽稀处理，得到第二帧前向抽稀点云集与第二帧下向抽稀点云集；
④将所述第一帧前向抽稀点云集与第一帧下向抽稀点云集加权位移值后，对所述第二帧前向抽稀点云集与第二帧下向抽稀点云集进行覆盖操作；
⑤对覆盖操作后重复的抽稀点云集进行删除操作，保留未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集；
⑥对所述未重复部分的第二帧前向抽稀点云集与第二帧下向抽稀点云集依据所述高度公式进行切片；并对所得的切片逐一进行网格化数据分析，并将最终分析结果实时传送至飞机控制单元，通过飞机控制单元，控制无人机实时避障；
⑦重复所述覆盖操作，直至无人机降落关停。
7.根据权利要求5所述的具备智能避障、定高巡航功能的无人机控制方法，其特征在于，所述加权位移值是通过高精度姿态传感器实时获取无人机的位移、航向角以及无人机自身姿态，结合PID调节计算得到。
8.根据权利要求5所述的具备智能避障、定高巡航功能的无人机控制方法，其特征在于，所述加权位移值还可以通过高精度姿态传感器实时获取的航向角及无人机自身姿态，结合无人机自带的导航模块得出。
9.根据权利要求8所述的具备智能避障、定高巡航功能的无人机控制方法，其特征在于，所述最终分析结果包括：无人机与各目标物体的三维距离。
10.根据权利要求8所述的具备智能避障、定高巡航功能的无人机控制方法，其特征在于，所述飞机控制单元用于根据所述最终分析结果，结合无人机自身飞行速度、航向角等参数，通过计算得出到达各目标物体所用时间，从而控制无人机实现智能实时避障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210393607.5A CN114859962B (zh) | 2022-04-15 | 2022-04-15 | 具备智能避障、定高巡航功能的无人机控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210393607.5A CN114859962B (zh) | 2022-04-15 | 2022-04-15 | 具备智能避障、定高巡航功能的无人机控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114859962A true CN114859962A (zh) | 2022-08-05 |
| CN114859962B CN114859962B (zh) | 2022-12-20 |
Family
ID=82631557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210393607.5A Active CN114859962B (zh) | 2022-04-15 | 2022-04-15 | 具备智能避障、定高巡航功能的无人机控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114859962B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115033026A (zh) * | 2022-08-10 | 2022-09-09 | 长沙莫之比智能科技有限公司 | 搭载云台的斜侧装无人机毫米波雷达避障和定高方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109633674A (zh) * | 2018-12-17 | 2019-04-16 | 云南电网有限责任公司带电作业分公司 | 基于激光点云数据的输电巡视三维航迹自动规划方法 |
| CN112486171A (zh) * | 2020-11-30 | 2021-03-12 | 中科院软件研究所南京软件技术研究院 | 一种基于视觉的机器人避障方法 |
| CN113238578A (zh) * | 2021-05-11 | 2021-08-10 | 上海电力大学 | 一种电力杆塔无人机巡检路线规划方法及系统 |
| US20210358206A1 (en) * | 2020-05-14 | 2021-11-18 | Star Institute Of Intelligent Systems | Unmanned aerial vehicle navigation map construction system and method based on three-dimensional image reconstruction technology |
| CN113703438A (zh) * | 2021-07-14 | 2021-11-26 | 深圳市水务工程检测有限公司 | 用于输水隧洞巡检的auv自主导航路径规划方法 |
| CN113759947A (zh) * | 2021-09-10 | 2021-12-07 | 中航空管系统装备有限公司 | 基于激光雷达的机载飞行避障辅助方法、装置及系统 |
| CN114185364A (zh) * | 2021-12-06 | 2022-03-15 | 群周科技(上海)有限公司 | 一种基于激光雷达的无人机自主式辅助降落方法及系统 |
-
2022
- 2022-04-15 CN CN202210393607.5A patent/CN114859962B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109633674A (zh) * | 2018-12-17 | 2019-04-16 | 云南电网有限责任公司带电作业分公司 | 基于激光点云数据的输电巡视三维航迹自动规划方法 |
| US20210358206A1 (en) * | 2020-05-14 | 2021-11-18 | Star Institute Of Intelligent Systems | Unmanned aerial vehicle navigation map construction system and method based on three-dimensional image reconstruction technology |
| CN112486171A (zh) * | 2020-11-30 | 2021-03-12 | 中科院软件研究所南京软件技术研究院 | 一种基于视觉的机器人避障方法 |
| CN113238578A (zh) * | 2021-05-11 | 2021-08-10 | 上海电力大学 | 一种电力杆塔无人机巡检路线规划方法及系统 |
| CN113703438A (zh) * | 2021-07-14 | 2021-11-26 | 深圳市水务工程检测有限公司 | 用于输水隧洞巡检的auv自主导航路径规划方法 |
| CN113759947A (zh) * | 2021-09-10 | 2021-12-07 | 中航空管系统装备有限公司 | 基于激光雷达的机载飞行避障辅助方法、装置及系统 |
| CN114185364A (zh) * | 2021-12-06 | 2022-03-15 | 群周科技(上海)有限公司 | 一种基于激光雷达的无人机自主式辅助降落方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115033026A (zh) * | 2022-08-10 | 2022-09-09 | 长沙莫之比智能科技有限公司 | 搭载云台的斜侧装无人机毫米波雷达避障和定高方法 |
| CN115033026B (zh) * | 2022-08-10 | 2022-12-20 | 长沙莫之比智能科技有限公司 | 搭载云台的斜侧装无人机毫米波雷达避障和定高方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114859962B (zh) | 2022-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109923492B (zh) | 飞行路径确定 | |
| CN107783106B (zh) | 无人机与障碍物之间的数据融合方法 | |
| US20200026720A1 (en) | Construction and update of elevation maps | |
| EP3230972B1 (en) | Commercial and general aircraft avoidance using light, sound, and/or multi-spectral pattern detection | |
| EP3428766B1 (en) | Multi-sensor environmental mapping | |
| US20180308370A1 (en) | Systems and methods for unmanned aerial vehicle object avoidance | |
| CN104881042B (zh) | 一种多尺度航空遥感测试平台 | |
| CN109683629B (zh) | 基于组合导航和计算机视觉的无人机电力架线系统 | |
| CN107783545B (zh) | 基于ooda环多传感器信息融合的灾后救援旋翼无人机避障系统 | |
| US20160247405A1 (en) | Commercial and General Aircraft Avoidance using Acoustic Pattern Recognition | |
| CN105203084A (zh) | 一种无人机3d全景视觉装置 | |
| CN113657270A (zh) | 一种基于深度学习图像处理技术的无人机追踪方法 | |
| KR102313115B1 (ko) | 인공지능 신경망을 이용한 자율비행 드론 | |
| CN111316121A (zh) | 用于调制航空器上lidar传感器范围的系统及方法 | |
| CN107783119A (zh) | 应用在避障系统中的决策融合方法 | |
| CN114859962B (zh) | 具备智能避障、定高巡航功能的无人机控制方法 | |
| CN110104167A (zh) | 一种采用红外热成像传感器的自动化搜救无人机系统和控制方法 | |
| CN108399289B (zh) | 一种用于无人机低空环境飞行的安全包络模型及其构建方法 | |
| CN111831010A (zh) | 一种基于数字空间切片的无人机避障飞行方法 | |
| CN116661497A (zh) | 一种智能飞行汽车 | |
| CN113759947B (zh) | 基于激光雷达的机载飞行避障辅助方法、装置及系统 | |
| EP3989034A1 (en) | Automatic safe-landing-site selection for unmanned aerial systems | |
| CN113383763A (zh) | 一种全天候全区域智能驱鸟系统和装置 | |
| CN115840459B (zh) | 一种面向扑翼飞行器的单目视觉避障系统 | |
| CN113917948B (zh) | 一种低可视环境无人机地基辅助降落方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 102209 7th floor, block C, No.18, Binhe Avenue, future science and Technology City, Changping District, Beijing Applicant after: State Grid Power Space Technology Co.,Ltd. Applicant after: Super high voltage branch of State Grid Tibet Electric Power Co.,Ltd. Address before: 102209 7th floor, block C, No.18, Binhe Avenue, future science and Technology City, Changping District, Beijing Applicant before: SGCC GENERAL AVIATION Co.,Ltd. Applicant before: Super high voltage branch of State Grid Tibet Electric Power Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |