CN116700344A - 一种无人机自主避障方法、执飞方法及系统 - Google Patents
一种无人机自主避障方法、执飞方法及系统 Download PDFInfo
- Publication number
- CN116700344A CN116700344A CN202310818275.5A CN202310818275A CN116700344A CN 116700344 A CN116700344 A CN 116700344A CN 202310818275 A CN202310818275 A CN 202310818275A CN 116700344 A CN116700344 A CN 116700344A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- aerial vehicle
- unmanned aerial
- obstacle avoidance
- dimensional
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013507 mapping Methods 0.000 claims abstract description 10
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机自主避障方法、执飞方法及系统,涉及无人机高空飞行与避障技术领域,避障方法包括如下步骤:确定障碍物信息,对障碍物进行模型拟合,得到该障碍物的二维拟合模型;其中,障碍物信息包括中心位置尺寸、水平轮廓尺寸以及垂直轮廓尺寸;将二维拟合模型映射为三维拟合模型,确定三维拟合模型的边界尺寸;基于三维拟合模型的边界尺寸定义绕飞距离,并执行避障路径规划,其中,绕飞距离包括安全距离;执飞方法及系统基于避障方法实现。该避障方法、执飞方法及系统将环境中的复杂障碍物进行简化处理,以拟合得到的三维模型来进行避障考虑,不仅计算量小,而且不会陷入障碍物的局部细节中,从而顺利进行避障。
Description
技术领域
本发明涉及无人机高空飞行与避障技术领域,具体而言,涉及一种无人机自主避障方法、执飞方法及系统。
背景技术
在无人机飞行巡检过程中,难免会遇到障碍物阻挡,如楼房、树木、电线以及各种人为产生的障碍,而且大多都是不规则物体。此时直接进行障碍躲避的计算量太大,亦或者容易陷入障碍物的局部细节中,导致无法找到避让策略。
有鉴于此,特提出本申请。
发明内容
本发明的目的在于提供一种无人机自主避障方法、执飞方法及系统,该避障方法、执飞方法及系统将环境中的复杂障碍物进行简化处理,以拟合得到的三维模型来进行避障考虑,不仅计算量小,而且不会陷入障碍物的局部细节中,从而顺利进行避障。
本发明的实施例是这样实现的:
第一方面,一种无人机自主避障方法,包括如下步骤:确定障碍物信息,对障碍物进行模型拟合,得到该障碍物的二维拟合模型;其中,障碍物信息包括中心位置尺寸、水平轮廓尺寸以及垂直轮廓尺寸;将二维拟合模型映射为三维拟合模型,确定三维拟合模型的边界尺寸;基于三维拟合模型的边界尺寸定义绕飞距离,并执行避障路径规划,其中,绕飞距离包括安全距离。
在可选地实施方式中,三维拟合模型由至少一层圆柱体形成。
在可选地实施方式中,将二维拟合模型映射为三维拟合模型包括如下步骤:基于障碍物的中心位置尺寸与水平轮廓尺寸作为构建二维拟合模型的最小半径;基于垂直轮廓尺寸作为构建三维拟合模型的最小高度;基于该最小高度将二维拟合模型拉伸得到三维拟合模型。
在可选地实施方式中,基于该最小高度将二维拟合模型拉伸得到三维拟合模型包括如下步骤:基于障碍物的水平轮廓尺寸在垂直方向上的变化率将垂直轮廓尺寸进行多段划分;基于划分出的每段垂直轮廓尺寸子项确定多个最小高度;依据每个最小高度对应的二维拟合模型进行拉伸,获得多个柱型拟合模型;根据垂直轮廓尺寸子项的顺序将多个柱型拟合模型进行垂直拼接,得到三维拟合模型。
在可选地实施方式中,基于三维拟合模型的边界尺寸定义绕飞距离包括如下步骤:确定无人机前方障碍物对应的三维拟合模型的边界尺寸;根据该边界尺寸与安全距离计算避障半径,以该避障半径以及三维拟合模型的圆心构建第一弧段;构建无人机的障碍感知线,确定该障碍物感知线的最短距离,其中,最短距离是指无人机能够检测到障碍物对应的三维拟合模型边界的最短距离;以该无人机的最小转弯半径作为半径,以该无人机在最短距离时的位置作为弧点,构建与第一弧段相切的第二弧段;根据第一弧段与第二弧段计算绕飞距离。
在可选地实施方式中,最短距离包括补偿距离,其中,补偿距离是指无人机探测到障碍物并开始转向到最大滚转角时所经过的距离。
在可选地实施方式中,还包括无人机确定避障方向的步骤:确定该无人机在执行避障路径规划时的初始位置以及飞行方向,确定该初始位置与前方障碍物对应的三维拟合模型圆心之间的连线,判断该连线方向与飞行方向的相对位置,若飞行方向位于连线方向的右侧,则避障方向为右侧;若飞行方向位于连线方向的左侧,则避障方向为左侧。
第二方面,一种无人机自主执飞方法,包括如下步骤:时刻捕捉目标航点的位置,判断与目标航点之间是否存在障碍物;若存在障碍物,则执行上述的无人机自主避障方法进行避障绕飞;判断是否完成避障,若完成避障后搜寻下一目标航点进行执飞。
在可选地实施方式中,判断是否完成避障包括如下步骤:若无人机与前方障碍物对应的三维拟合模型圆心的连线同该无人机与下一目标航点的连线之间的夹角不小于90°,则认为完成避障,否则继续避障。
第三方面,一种无人机自主执飞系统,包括:第一判断模块,其用于时刻捕捉目标航点的位置,判断与目标航点之间是否存在障碍物;避障模块,其用于判断存在障碍物时,执行上述的无人机自主避障方法进行避障绕飞;第二判断模块,其用于判断是否完成避障,若完成避障后搜寻下一目标航点进行执飞。
本发明实施例的有益效果是:
本发明实施例提供的无人机自主避障方法通过将障碍物进行二维模型拟合,以覆盖障碍物的关键区域,再将该二维模型映射为三维模型,从而将整个障碍物进行覆盖,无人机进行障碍物探测绕飞时以该三维模型为基础进行避障计算,从而可以极大地减轻计算量与计算压力,同时也不会陷入障碍物的局部细节中而导致无法判断并执行绕飞任务,在针对无人机常规巡检任务时,可以极大地保障无人机的执飞效率;
本发明实施例提供的无人机自主执飞方法及系统利用上述的无人机自主避障方法,在整个执飞过程中不断搜寻目标航点,在与目标航点的飞行路径上存在障碍物时可以利用该自主避障方法快捷、安全地进行避障绕飞,从而具备高效率及高安全性的特点并完成整个执行任务;
总体而言,本发明实施例提供的无人机自主避障方法、执飞方法及系统通过简化障碍物模型,大大降低了算法的计算量,并能够进行灵活避障绕飞作业,同时无人机在进行航点跟踪时,与障碍物始终保持安全距离,具备高标准的安全作业条件。
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为本发明实施例提供的自主避障方法的主要步骤的流程图;
图2为本发明一种实施例提供的障碍物三维拟合模型的示意图;
图3为本发明另一实施例提供的障碍物三维拟合模型的示意图;
图4为本发明实施例提供的障碍感知线定义与检测示意图;
图5为本发明实施例提供的无人机避障方向判断的示意图;
图6为本发明实施例提供的自主执飞方法的主要步骤的流程图;
图7为本发明实施例提供的非线性制导律的原理示意图;
图8为本发明实施例提供的无人机水平航点跟踪的示意图;
图9为本发明实施例提供的四旋翼无人机航点跟踪三维曲线图(a);
图10为本发明实施例提供的四旋翼无人机航点跟踪三维曲线图(b);
图11为本发明实施例提供的四旋翼无人机航点跟踪三维曲线图(c);
图12为本发明实施例提供的四旋翼无人机航点跟踪三维曲线图(d);
图13为本发明实施例提供的无人机二维平面避障功能仿真图;
图14为本发明实施例提供的四旋翼无人机三维避障功能仿真及三维路线图(a);
图15为本发明实施例提供的四旋翼无人机三维避障功能仿真及三维路线图(b);
图16为本发明实施例提供的四旋翼无人机三维避障功能仿真及三维路线图(c);
图17为本发明实施例提供的四旋翼无人机三维避障功能仿真及三维路线图(d)。
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,所描述的实施例是本发明一部分实施例,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。
应当理解,本发明使用的“系统”、“装置”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其它词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本发明和权利要求书所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般来说,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本发明中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或者同时处理各个步骤。同时,也可以将其它操作添加到这些过程中,或从这些过程移除某一步或数步操作。
实施例1
无人机的高空定位和目标识别功能已应用于实际任务中,无人机在执行例如电力设备巡视任务时,往往需要穿梭在复杂的环境空间中,受外部电磁信号感染,阵风等环境因素影响,在遇到空间狭小、障碍物较多的环境时,无人机飞行安全性能受到严峻考验,哪怕是具有自主控制系统的无人机也难免因为躲避障碍不及时或躲避轨迹不当而发生碰撞坠机。为此,为保障无人机飞行的安全性,通常在开阔无障碍的高空场地飞行,这大大限制了无人机飞行活动的范围,并且严重降低了无人机获取巡视图片的质量,也影响了无人机在变电巡视领域的应用。
针对上述问题,本实施例提供了可以针对环境复杂性,能够高效、安全且灵活的自主避障方法。请参阅图1,本实施例提供的一种无人机自主避障方法包括如下步骤:
S100:确定障碍物信息,对所述障碍物进行模型拟合,得到该障碍物的二维拟合模型;其中,所述障碍物信息包括中心位置尺寸、水平轮廓尺寸以及垂直轮廓尺寸;该步骤表示预先对障碍物进行检测和分析,获得该障碍物的至少中心位置尺寸、水平轮廓尺寸以及垂直轮廓尺寸,例如采用图像识别方式,以二维图像确定障碍物位置、尺寸及相关信息,然后基于以上尺寸信息对障碍物进行二维模型拟合,将其关键区域拟合为二维模型,例如从垂直方向上进行水平截面关键区域的二维拟合。
S200:将所述二维拟合模型映射为三维拟合模型,确定所述三维拟合模型的边界尺寸;该步骤表示基于该水平截面的二维拟合模型映射为对应的三维拟合模型,例如将该水平截面的二维拟合模型进行拉伸得到水平尺寸一致并具有高度的三维模型,从而将整个障碍物拟合为能够进行完全覆盖的三维拟合模型。
S300:基于所述三维拟合模型的边界尺寸定义绕飞距离,并执行避障路径规划,其中,所述绕飞距离包括安全距离。该步骤表示根据三维拟合模型的外边沿尺寸作为基准,在此基础上结合安全距离来计算绕飞距离,若能绕开该三维拟合模型,便能绕开整个障碍物,从而可以根据该绕飞距离直接执行避障路径的规划,达到本次避障飞行的目的。
通过以上技术方案,可利用相对规则的二维图形(如圆形、方形、三角形等)将障碍物的关键区域(此处的关键区域是指主体区域)覆盖,被二维图形覆盖后的区域作为绕飞区域,此时映射得到的三维图形整体作为不可通过的区域,此时便可做到通过障碍拟合后进行无人机避障的模式,大大降低了算法的计算量,并且由于是整体覆盖,规则的图形与障碍之间存在着一定空隙,大大提高了避障的安全性。
在一些实施方式中,所述三维拟合模型由至少一层圆柱体形成。即表示一方面该三维拟合模型对应的二维拟合模型可以是圆形。通过对比比较,在二维规则图形,圆形的覆盖率最好,且规避障碍的轨迹可以直接选择绕边缘飞行的圆弧状,避障轨迹平滑稳定。通过转化,二维的圆形可映射为三维圆柱(如图2所示),以此能够得到三维立体障碍的拟合方法。其中的圆柱模型的近似表达式如式(1):
(1)
式(1)中,(x,y,z)为空间中任意一点P,(x0,y0,z0)为圆柱模型中心坐标,a=b,r大于1,且a、b、c决定圆柱模型大小,而的大小是判断无人机与圆柱位置关系的依据。
将障碍物用圆柱体拟合能够简化障碍的模型,使得圆柱体在垂直方向上的半径均相同,即无人机在垂直方向上无论从哪里避障,避障半径均相同,等于圆柱体底面的半径,其代表着无人机避障所需的时间及避障轨迹形状也均相同。
另一方面,该障碍物还可以由多层三维圆柱体进行拟合,可以应对遇到障碍物垂直方向的大小差别较大时,通过拟合的多层半径不同的圆柱对障碍进行拟合,选择最优避障路径进行绕飞。综上而言,通过将三维拟合模型由至少一层圆柱体形成,在对环境中的障碍物进行规则拟合时,可以将无人机飞行时环境中所遇到的障碍转化为多个规则圆柱体组成的障碍物群,从而使无人机的避障算法统一为绕圆柱飞行的算法,大大简化了障碍物模型,降低了避障时所需的计算量。
在本实施例中,所述将所述二维拟合模型映射为三维拟合模型包括如下步骤:
S210:基于所述障碍物的中心位置尺寸与所述水平轮廓尺寸作为构建所述二维拟合模型的最小半径;该步骤表示通过障碍物的中心以及其与(采用圆形模型则是指圆心,以下以圆心为例进行说明)最大水平距离之间的连线作为最小半径进行圆形覆盖,构建出规则圆形的二维拟合模型(当方形、三角形同理,仅是构建时额外确定顶点的方位即可)。
S220:基于所述垂直轮廓尺寸作为构建所述三维拟合模型的最小高度;该步骤表示确定障碍物的垂直高度的上下尺寸之差,以此作为构建三维拟合模型的最小高度,然后通过步骤S230:基于该最小高度将所述二维拟合模型拉伸得到所述三维拟合模型,经过最小高度拉伸后便能完成二维拟合模型转换为对应的三维拟合模型的映射过程。
在以上方案的基础上,如上所述,当遇到障碍物垂直方向的大小差别较大时,会出现过长的冗余避障轨迹,影响避障效率,如图3所示的障碍物。因此,通过上述的多层圆柱体拟合的形式,即按照障碍物垂直方向大小差别,将障碍划分为多层,并利用多层半径不同的圆柱对障碍进行拟合,来应对此问题。
具体而言,所述基于该最小高度将所述二维拟合模型拉伸得到所述三维拟合模型包括如下步骤S231-S234:
S231:基于所述障碍物的水平轮廓尺寸在垂直方向上的变化率将所述垂直轮廓尺寸进行多段划分;该步骤表示,通过对障碍物垂直方向上水平轮廓尺寸的变化来确定划分的段数,例如依照在相邻间隔之内变化率超过第一阈值的两端进行划分的方式,由此在垂直方向上获得多段障碍物部分结构。
S232:基于划分出的每段垂直轮廓尺寸子项确定多个最小高度;该步骤表示对每段障碍物部分结构均通过上述步骤S220的方式确定出多个最小高度,然后进行步骤S233:依据每个最小高度对应的二维拟合模型进行拉伸,获得多个柱型拟合模型;该步骤表示通过步骤S230的方式对每个二维拟合模型分别进行拉伸,以此得到多个圆柱体形式(方形则是四棱柱、三角形则是三棱柱等)的柱型拟合模型。
S234:根据垂直轮廓尺寸子项的顺序将多个所述柱型拟合模型进行垂直拼接,得到所述三维拟合模型;该步骤表示依照原始的垂直轮廓尺寸子项对应的障碍物部分结构在垂直方向上的排列顺序,再次垂直组合并拼接为整体,得到该三维拟合模型(如图3所示)。
通过将障碍物在垂直方向上划分为不同部分,更进一步优化了拟合图形,保障了无人机在跟踪航线的基础上,从最优避障路线处航行,大大提高了无人机避障效率。
通过以上技术方案,能够将一系列复杂不规则物体,拟合为一层或多层半径不同的规则圆柱,并将圆柱区域设为不可到达区域,将避障问题简化为绕圆柱航行的圆弧路径跟踪问题。在此基础上定义绕飞距离则相对更加容易。具体而言,所述基于所述三维拟合模型的边界尺寸定义绕飞距离包括如下步骤S310-S340:
S310:确定无人机前方障碍物对应的三维拟合模型的边界尺寸;根据该边界尺寸与所述安全距离计算避障半径,以该避障半径以及三维拟合模型的圆心构建第一弧段;该步骤表示针对无人机能够绕飞前方障碍物进行第一弧段的路径构建,再根据定义的安全距离进行圆弧避障路径跟踪。此过程中首先需要确定避障半径,该避障半径例如是由三维拟合模型的边界尺寸(圆柱体的半径)以及安全距离之和构成,例如当探测到障碍或威胁时,便会生成半径为Ravid圆弧形的障碍规避路径,圆弧的半径为无人机所在的圆柱层半径与避障规定的安全距离之和,可表示为:
上式中,Robs为当前障碍的圆柱拟合半径最小层圆的半径,会随着拟合模型大小改变,Lsafe为安全距离,可由环境情况、航行路线选取,只需保障无人机与障碍物有一定安全飞行的距离即可。每次避障均可以通过此计算模式来得到无人机的避障路径距离,因此,无人机自主避障的总路径可表示为式(2):
(2)
式(2)中,P目标为无人机原始航行路径,Pi 圆弧i为第i个圆弧避障轨迹,n为障碍个数。
在以上避障路径中还需要确定无人机感知到障碍物时,开始移动到避障绕飞点时的经过距离,由此经过的距离加上避障绕飞的距离来构成所述绕飞距离。具体地,通过步骤S320:构建无人机的障碍感知线,确定该障碍物感知线的最短距离,其中,所述最短距离是指无人机能够检测到障碍物对应的三维拟合模型边界的最短距离;该步骤表示需要预先确定无人机的检测到障碍物的感知距离,此感知距离可以是通过预设的无人机感知线在实际航行中来计算获得。
由于现有针对障碍物检测大多利用红外线、超声波、激光雷达或者直接利用图形信息进行障碍物检测,本实施例则定义一条障碍物感知线来代替这些传感器,以此来判断无人机前方是否存在障碍,从而做出相应避障动作。具体如图4所示,由勾股定理:(Robs+Lmin)2+Rmin 2=(Robs+Rmin)2,可得障碍物感知线最短距离如式(3):
(3)
式(3)中,Robs为当前障碍的圆柱拟合半径最小层圆的半径,Rmin为无人机最小转弯半径,其表达式如式(4):
(4)
式(4)中,v为无人机飞行速度,g为重力加速度,φmax为无人机最大滚转角。
通过以上方案可以得到障碍物的最短感知距离,然后通过步骤S330:以该无人机的最小转弯半径作为半径,以该无人机在所述最短距离时的位置作为弧点,构建与所述第一弧段相切的第二弧段;请再次参阅图4,此第二弧段为无人机检测到障碍物时,转向至最大滚转角后进行飞行的轨迹,而当第一弧段与第二弧段相接并相切时,即表示无人机此时可进入圆弧避障绕飞轨迹。由无人机检测到障碍物时,转向至最大滚转角(当无人机障碍感知线所规定的距离中出现物体时,无人机便开始转弯至最大滚转角)后进行飞行的距离以及到达避障点飞行的距离来得到整个避障过程中的绕飞距离。即步骤S340:根据所述第一弧段与所述第二弧段计算所述绕飞距离。例如依据两者求和得到所述绕飞距离。
在以上方案的基础上,所述最短距离还包括补偿距离,其中,所述补偿距离是指无人机探测到障碍物并开始转向到最大滚转角时所经过的距离。由于无人机从检测到障碍开始转弯到到达最大滚转角期间有一定时间,因此,需要给障碍探测线相应的时间补偿,即(飞行速度V)*(转弯时间t),则障碍物感知线最短距离为式(5):
(5)
当无人机与圆柱体中心的距离D≤L+Robs时,开始进行转弯,且实时障碍物检测。在一些情形下,当探测线末端与障碍中心的距离a<Robs时,说明前方有障碍,则需要躲避。
在无人机跟踪目标路径飞行时,避障方向是否合理地选取,影响无人机避障时的总路程以及时间,若避障方向选取不合理,往往会使无人机绕大弯才能到达目标路径,既费时又耗能。因此,需要对避障方向进行定义,使无人机在躲避障碍时选取最优避障路径。具体而言,在一些实施方式中,该避障方法还包括无人机确定避障方向的步骤:
确定该无人机在执行避障路径规划时的初始位置以及飞行方向,确定该初始位置与前方障碍物对应的三维拟合模型圆心之间的连线,判断该连线方向与所述飞行方向的相对位置,若飞行方向位于连线方向的右侧,则避障方向为右侧;若飞行方向位于连线方向的左侧,则避障方向为左侧。避障方向可由无人机位置、飞行方向以及拟合模型的圆心来判断,具体请参阅图5,根据无人机此时位置与圆心的连线AB和无人机飞行速度方向AC所形成的夹角大小,可确定无人机从障碍物何处避障能实现最优,设该夹角为θ,则有表达式(6):
(6)
式(6)中,φobs为 AB 与正北方向夹角,α为AC与正北方向夹角。当θ>0 时,无人机沿障碍左侧飞行,反之沿障碍右侧飞行。
通过以上技术方案,考虑到障碍物在垂直方向上的大小不同,以及无人机飞行过程与电力设备保持的安全距离,传统的立体模型无法完全准确拟合障碍物,因此,本实施例通过利用多层大小不同的圆柱体将障碍包裹,使其在拟合障碍物的同时,满足其垂直方向不规则的特性,保证无人机在进行航点跟踪时与障碍物的安全距离,能够根据障碍垂直方向大小不同,选取最优避障线路;同时,通过建立相应模型,设计能安全规避障碍的圆弧轨迹,供无人机跟踪避障,最后,确定避障算法结束规则,完成无人机自主避障。整个避障过程计算量大大减小,能够选择最优绕飞路径,同时飞行平滑,从而具备避障高效、灵活、安全的特点。
实施例2
本实施例提供了一种无人机自主执飞方法,包括如下步骤:
S10:时刻捕捉目标航点的位置,判断与目标航点之间是否存在障碍物;该步骤表示无人机在执行飞行任务时,需要到达目标航点位置,由于目标航点可能存在多个或者位置时刻改变,因此需要时刻捕捉目标航点的位置,其捕捉方式例如可以采用L1导航算法的非线性制导律实现。
S20:若存在障碍物,则实施例1所述的无人机自主避障方法进行避障绕飞;需要说明的是,此处的实施例1所述的无人机自主避障方法是指能够实现“将环境中的复杂障碍物进行简化处理,以拟合得到的三维模型来进行避障”目的的最小组成技术方案。然后进行步骤S30:判断是否完成避障,若完成避障后搜寻下一目标航点进行执飞,以此来完成整个执飞过程,整个执飞过程的流程图如图6所示:
首先,让无人机跟踪设置的航点飞行并实时检测前方安全范围内是否有障碍,若有障碍,则通过计算规划出安全避开障碍物的圆弧轨迹以及障碍规避方向,并跟踪规避路线,直至完成避障,并搜寻下一目标航点对其跟踪,到达最终位置后结束飞行。
在本实施例中,无人机的避障是依靠水平航线跟踪来实现的,水平航线的跟踪分为直线路径跟踪以及避障时圆弧路径跟踪,将避障路径设定为圆弧形能有效地降低航点从飞行模式切换为避障模式时航线不光滑的问题。如上所述,直线路径跟踪采用L1导航算法的非线性制导律实现,具体可参阅图7,目标航线P1、P2间取一个参考点a(L1导航算法实际上是在跟踪一个目标点a,而点a是按一定频率刷新的,最终形成目标路径,因此,跟踪目标点a就相当于跟踪目标路径,实现无人机自主避障),利用这个参考点a使无人机产生一个往目标航线偏离的加速度,在加速度的作用下,接近目标航线,该加速度如式(7):
(7)
式(7)中,L1为无人机到点a的直线距离,η为无人机飞行速度方向与无人机到点a的夹角。当无人机飞行路径近似直线时,η角接近0,加速度a1可近似于式(8):
(8)
弧形路径跟踪的本质是保证无人机以安全距离与障碍物半径之和为半径,进行圆弧运动,因此,其运动加速度可由向心加速度求出,即如式(9)所示:
(9)
如图8所示,当无人机沿着WP1点飞行至WP2点时,由障碍物感知线检测到前方障碍,并根据避障方向定义的规则进行避障方向选择,随着飞行惯性,无人机行驶至最大滚转角A 点,开始做圆弧轨迹避障运动至点B,此时满足结束避障要求,完成避障,并跟踪下一航点WP3。
在以上方案的基础上,所述判断是否完成避障包括如下步骤:
若无人机与前方障碍物对应的三维拟合模型圆心的连线同该无人机与下一目标航点的连线之间的夹角不小于90°,则认为完成避障,否则继续避障。即表示,若无人机与拟合模型圆心的连线和无人机与目标航点的连线间的夹角β≥90时,则判断无人机前方无障碍,避障结束,并跟踪下一可达航点。
本实施例通过搭建算法仿真模型并进行实验分析,验证了此避障算法的可行性,具体如下:
设无人机整体的半径为0.1m,质量为100g,障碍物感知线长度可调节范围为0.2~2m,离障碍物可飞行的安全距离为0.2m,并且设置了可调节的无人机前视距离,前视距离大,无人机飞行速度更快,但相撞的风险更大;前视距离小,无人能及飞行速度慢,但飞行较安全,因此,可根据不同地形,调节不同前视距离,使无人机避障效率最大。
首先,针对无人机航点跟踪性能测试,做了如下实验:在三维坐标系中随机给出5个坐标,测试3组,如表1-1所示。
表1-1 三组随机航点坐标比较
无人机从[000]位置出发,依次经过点WP1~WP6,图9-图12为第一组航路的三维仿真曲线,在无障碍情况下,无人机能够精确的跟踪任意航点位置。但根据航点分布位置的不同,可以看出,当目标航点分布在同一直线上时,无人机基本不发生偏航,因此,能够准确飞行至目标点,误差较小;但无人机飞行时若发生偏航行为,受到惯性作用,飞行线路波动较大,尽管利用PID控制加快了系统响应速度,但由于三个方向的速度惯性难把握,因此,误差依旧存在。由图表数据可得,当无人机跟随直线航点飞行时,飞行误差基本为0;当目标航点分布不规律,无人机需要进行偏航运动时,无人机飞行水平误差控制在±1m内,高度误差控制在±0.5m内。对于误差问题,可以通过不断调节算法中PID参数,来使无人机三个方向的运动都能达到最优响应速度,同时可以在航线上适当增加多个目标航点,将弧线划分为多段类似直线的路径,以达到降低误差的效果。
在实现航点跟踪功能后,便可对无人机自主避障进行验证。首先是在二维平面中验证避障的可行性,如图13所示,在二维平面中的航点间添加一个圆形拟合的障碍,无人机依旧从起点出发,依次经过各个航点,但航点间存在障碍,因此,需要无人机通过障碍感知线检测,并作出相应的避障动作,才能到达目标点。
从图13的轨迹可知,四旋翼无人机在点(10,10)前沿着预定轨迹直线行驶,在(10,10)处检测到前方障碍,开始进行避障;待无人机因惯性转弯至(18,9)点时开始绕半径为(Robs+0.2)的圆弧轨迹做避障运动,运动至(30,15)时避障结束,并朝下一目标航点飞行;在点(28,31)处又检测到障碍威胁,进行避障。从仿真结果中可知,在二维平面中,无人机能有效地进行避障并准确跟踪目标航,因为少了Z方向的速度,因此轨迹跟踪较三维空间更加贴合。航点坐标如表1-2所示。
表 1-2 无人机二维避障航点比较
最后,将无人机模型放置在有障碍的三维空间中,随机了6个障碍物,并将每个障碍用三层随机半径的圆柱进行拟合,再往障碍之间随机添加多个目标航点,航点坐标如表1-3。
表1-3无人机三维避障航点比较
无人机避障后的路径跟踪结果如图14-图17所示,由图14可知,若将障碍单纯用圆柱拟合,无人机避障则需按照图中最大半径层的圆柱来进行,利用多层半径圆柱能够将障碍自适应化,固定无人机避障的安全距离,避免出现安全距离过大导致避障路径过长的缺点,能够大大优化避障路径,节约能耗,提高飞行效率;结合无人机飞行的三维航线图可知,无人机是跟踪直线路径飞行的,当检测到前方障碍时,便进行圆弧轨迹避障如图15,且在Z方向上依旧呈上升趋势,能够更加平滑地到达下一目标期望点如图16和图17;通过对目标航点以及实际航点的比较可知,上述技术内容针对无人机避障的自主飞行功能是有效的,目标与实际航点大致符合,能够做到准确跟踪飞行路径,但因为障碍的存在,改变了无人机直线行驶的方向,同时受到惯性、阻力以及自身重力的影响,定位会产生一定偏差,导致无法与预期轨迹完全重合,可以通过不断调节PID参数减少误差,以及适当增加飞行航点来平滑飞行路线。
综上所述,通过对障碍物检测和避障原理的分析,将环境中不规则障碍进行多层圆柱模型规则拟合,使无人机跟踪弧形避障航线进行避障,将避障问题转化成路径跟踪问题,大大降低了由障碍物的不确定性导致的复杂计算量;同时,因为圆柱体拟合存在安全边界,也保障了无人机避障的安全性。通过定义避障过程中的障碍物检测、避障半径、避障方向、避障完成的规则,最终实现无人机在三维方向上最优避障线路的跟踪飞行。通过对避障算法的仿真与分析,结果表明,本文提出的用多层圆柱进行障碍拟合与利用圆弧轨迹进行避障相结合的自主避障算法有着安全性高,避障效率高的优点,满足四旋翼无人机自主避障所需的安全性、高效性、灵活性。
本实施例中还提供一种无人机自主执飞系统,主要用于根据上述方法的实施例对无人机自主执飞系统进行功能模块的划分。例如可以划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。其中,该无人机自主执飞系统可以包括第一判断模块、避障模块和第二判断模块。下面对各个单元模块的功能进行阐述。
第一判断模块,其用于时刻捕捉目标航点的位置,判断与目标航点之间是否存在障碍物。避障模块,其用于判断存在障碍物时,执行如实施例1中所述的无人机自主避障方法进行避障绕飞。第二判断模块,其用于判断是否完成避障,若完成避障后搜寻下一目标航点进行执飞;该第二判断模块还用于执行以下判断:若无人机与前方障碍物对应的三维拟合模型圆心的连线同该无人机与下一目标航点的连线之间的夹角不小于90°,则认为完成避障,否则继续避障。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(sol标识 state disk,SSD))等。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种无人机自主避障方法,其特征在于,包括如下步骤:
确定障碍物信息,对所述障碍物进行模型拟合,得到该障碍物的二维拟合模型;其中,所述障碍物信息包括中心位置尺寸、水平轮廓尺寸以及垂直轮廓尺寸;
将所述二维拟合模型映射为三维拟合模型,确定所述三维拟合模型的边界尺寸;
基于所述三维拟合模型的边界尺寸定义绕飞距离,并执行避障路径规划,其中,所述绕飞距离包括安全距离。
2.根据权利要求1所述的无人机自主避障方法,其特征在于,所述三维拟合模型由至少一层圆柱体形成。
3.根据权利要求1或2所述的无人机自主避障方法,其特征在于,所述将所述二维拟合模型映射为三维拟合模型包括如下步骤:
基于所述障碍物的中心位置尺寸与所述水平轮廓尺寸作为构建所述二维拟合模型的最小半径;基于所述垂直轮廓尺寸作为构建所述三维拟合模型的最小高度;基于该最小高度将所述二维拟合模型拉伸得到所述三维拟合模型。
4.根据权利要求3所述的无人机自主避障方法,其特征在于,所述基于该最小高度将所述二维拟合模型拉伸得到所述三维拟合模型包括如下步骤:
基于所述障碍物的水平轮廓尺寸在垂直方向上的变化率将所述垂直轮廓尺寸进行多段划分;基于划分出的每段垂直轮廓尺寸子项确定多个最小高度;依据每个最小高度对应的二维拟合模型进行拉伸,获得多个柱型拟合模型;根据垂直轮廓尺寸子项的顺序将多个所述柱型拟合模型进行垂直拼接,得到所述三维拟合模型。
5.根据权利要求2所述的无人机自主避障方法,其特征在于,所述基于所述三维拟合模型的边界尺寸定义绕飞距离包括如下步骤:
确定无人机前方障碍物对应的三维拟合模型的边界尺寸;根据该边界尺寸与所述安全距离计算避障半径,以该避障半径以及三维拟合模型的圆心构建第一弧段;
构建无人机的障碍感知线,确定该障碍物感知线的最短距离,其中,所述最短距离是指无人机能够检测到障碍物对应的三维拟合模型边界的最短距离;
以该无人机的最小转弯半径作为半径,以该无人机在所述最短距离时的位置作为弧点,构建与所述第一弧段相切的第二弧段;
根据所述第一弧段与所述第二弧段计算所述绕飞距离。
6.根据权利要求5所述的无人机自主避障方法,其特征在于,所述最短距离包括补偿距离,其中,所述补偿距离是指无人机探测到障碍物并开始转向到最大滚转角时所经过的距离。
7.根据权利要求2所述的无人机自主避障方法,其特征在于,还包括无人机确定避障方向的步骤:
确定该无人机在执行避障路径规划时的初始位置以及飞行方向,确定该初始位置与前方障碍物对应的三维拟合模型圆心之间的连线,判断该连线方向与所述飞行方向的相对位置,若飞行方向位于连线方向的右侧,则避障方向为右侧;若飞行方向位于连线方向的左侧,则避障方向为左侧。
8.一种无人机自主执飞方法,其特征在于,包括如下步骤:
时刻捕捉目标航点的位置,判断与目标航点之间是否存在障碍物;
若存在障碍物,则执行权利要求1-7中任一项权利要求所述的无人机自主避障方法进行避障绕飞;
判断是否完成避障,若完成避障后搜寻下一目标航点进行执飞。
9.根据权利要求8所述的无人机自主执飞方法,其特征在于,所述判断是否完成避障包括如下步骤:
若无人机与前方障碍物对应的三维拟合模型圆心的连线同该无人机与下一目标航点的连线之间的夹角不小于90°,则认为完成避障,否则继续避障。
10.一种无人机自主执飞系统,其特征在于,包括:
第一判断模块,其用于时刻捕捉目标航点的位置,判断与目标航点之间是否存在障碍物;
避障模块,其用于判断存在障碍物时,执行权利要求1-7中任一项权利要求所述的无人机自主避障方法进行避障绕飞;
第二判断模块,其用于判断是否完成避障,若完成避障后搜寻下一目标航点进行执飞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310818275.5A CN116700344A (zh) | 2023-07-05 | 2023-07-05 | 一种无人机自主避障方法、执飞方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310818275.5A CN116700344A (zh) | 2023-07-05 | 2023-07-05 | 一种无人机自主避障方法、执飞方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116700344A true CN116700344A (zh) | 2023-09-05 |
Family
ID=87839152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310818275.5A Pending CN116700344A (zh) | 2023-07-05 | 2023-07-05 | 一种无人机自主避障方法、执飞方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116700344A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117389293A (zh) * | 2023-10-31 | 2024-01-12 | 广州天海翔航空科技有限公司 | 巡检无人机飞行控制管理方法及系统 |
CN117472081A (zh) * | 2023-12-25 | 2024-01-30 | 西安辰航卓越科技有限公司 | 一种基于感知约束的无人机避障方法 |
-
2023
- 2023-07-05 CN CN202310818275.5A patent/CN116700344A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117389293A (zh) * | 2023-10-31 | 2024-01-12 | 广州天海翔航空科技有限公司 | 巡检无人机飞行控制管理方法及系统 |
CN117389293B (zh) * | 2023-10-31 | 2024-05-24 | 广州天海翔航空科技有限公司 | 巡检无人机飞行控制管理方法及系统 |
CN117472081A (zh) * | 2023-12-25 | 2024-01-30 | 西安辰航卓越科技有限公司 | 一种基于感知约束的无人机避障方法 |
CN117472081B (zh) * | 2023-12-25 | 2024-03-15 | 西安辰航卓越科技有限公司 | 一种基于感知约束的无人机避障方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116700344A (zh) | 一种无人机自主避障方法、执飞方法及系统 | |
CN110018689B (zh) | 一种基于动态窗口的多虚拟目标点全局动态路径规划算法 | |
CN110320933B (zh) | 一种巡航任务下无人机避障运动规划方法 | |
KR102230144B1 (ko) | 인공 지능 심층 학습 타겟 탐지 및 속도 퍼텐셜 필드 알고리즘 기반 장애물 회피 및 자율 주행 방법 및 장치 | |
CN110362098B (zh) | 无人机视觉伺服控制方法、装置以及无人机 | |
CN106873599A (zh) | 基于蚁群算法和极坐标变换的无人自行车路径规划方法 | |
CN112612273B (zh) | 一种巡检机器人避障路径规划方法、系统、设备和介质 | |
CN106774347A (zh) | 室内动态环境下的机器人路径规划方法、装置和机器人 | |
CN106989748A (zh) | 一种基于云模型的农业移动机器人人机合作路径规划方法 | |
CN108475059A (zh) | 自主视觉导航 | |
WO2022105394A1 (en) | Simulation method and system, device, readable storage medium, and platform for autonomous driving | |
US20220057804A1 (en) | Path determination method | |
WO2017168423A1 (en) | System and method for autonomous guidance of vehicles | |
CN114755373B (zh) | 一种基于多机器人编队的空气污染源预警定位方法 | |
CN113359808A (zh) | 一种无人机电力巡检多级路径规划方法及相关装置 | |
CN116301014A (zh) | 一种无人直升机贴地飞行轨迹优化方法 | |
CN114237256B (zh) | 一种适用于欠驱动机器人的三维路径规划与导航方法 | |
CN110793522A (zh) | 一种基于蚁群算法的航迹规划方法 | |
US11231712B2 (en) | Digital model rectification with sensing robot | |
CN111176324A (zh) | 一种多无人机分布式协同编队规避动态障碍的方法 | |
CN115509260A (zh) | 轨迹规划方法、装置、设备及存储介质 | |
JP2020149095A (ja) | 倒立振子型ロボット | |
Huang et al. | An autonomous UAV navigation system for unknown flight environment | |
CN114721438A (zh) | 一种无人机编队协同避障的搜索方法、装置及电子设备 | |
US11220006B2 (en) | Digital model rectification |
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 |