CN117739997A - 一种应急无人机导航方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明涉及无人机导航领域，公开了一种应急无人机导航方法、装置、计算机设备及存储介质，该方法包括：获取无人机上激光雷达对目标隧道的历史采集数据，建立目标隧道的初始三维模型；当检测到应急事件发生时，获取无人机上激光雷达对目标隧道的实时采集数据，建立目标隧道的当前三维模型；将初始三维模型和当前三维模型进行对比，将超宽带定位位置和超宽带基站位置进行对比，确定无人机的当前位置；确定目标飞行航向角；获取无人机的终点位置，基于无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航，本发明通过激光雷达进行数据采集，定位无人机，根据初始三维模型和实时采集数据得到目标飞行航向角，实现对无人机进行飞行导航。

Description

一种应急无人机导航方法、装置、计算机设备及存储介质

技术领域

本发明涉及无人机导航技术领域，具体涉及一种应急无人机导航方法、装置、计算机设备及存储介质。

背景技术

随着高速公路建设不断取得突破，隧道数量增加，隧道长度增长，隧道内发生应急事件的概率不断增加。在应急事件发生后，车辆往往无法正常通行，需要通过无人机对现场情况进行勘察并进行相关处置。

在现有技术中，通常采用照明灯具对隧道入口段、中间段和出口段进行分别检测，对隧道不同路段进行全覆盖、无死角检测，根据实际情况对无人机进行导航。然而，当隧道内浓烟过多、能见度较低时，无人机导航困难。

发明内容

有鉴于此，本发明提供了一种应急无人机导航方法、装置、计算机设备及存储介质，以解决现有技术中隧道浓烟过多、能见度低，无人机导航困难的问题。

第一方面，本发明提供了一种应急无人机导航方法，该方法包括：

获取目标隧道内的超宽带基站位置和无人机上激光雷达对目标隧道的历史采集数据，并根据历史采集数据建立目标隧道的初始三维模型；

当检测到应急事件发生时，获取无人机上激光雷达对目标隧道的实时采集数据和无人机机载超宽带采集的超宽带定位位置，根据实时采集数据建立目标隧道的当前三维模型；

将初始三维模型和当前三维模型进行对比，将超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置；

基于初始三维模型和实时采集数据确定无人机的目标飞行航向角；

获取无人机的终点位置，基于无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航。

本发明通过激光雷达对目标隧道进行数据采集，根据历史采集数据建立目标隧道的初始三维模型，根据实时采集数据建立当前三维模型，采用激光雷达可以不受隧道内浓烟、可见度的影响对目标隧道数据进行采集，根据初始三维模型和当前三维模型进行对比，超宽带定位位置和超宽带基站位置进行对比，以实现对无人机进行定位，根据初始三维模型和实时采集数据得到无人机的目标飞行航向角，从而实现对无人机进行从当前位置到终点位置按照目标飞行航向角飞行的导航。

在一种可选的实施方式中，将初始三维模型和当前三维模型进行对比，将超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置，包括：

从初始三维模型中提取第一特征点云，从当前三维模型中提取第二特征点云；

将第一特征点云和第二特征点云进行对比，确定无人机的第一位置；

将超宽带定位位置和超宽带基站位置进行对比，确定无人机的第二位置；

将第一位置和第二位置进行加权融合，将加权融合后的位置确定为无人机的当前位置。

本发明通过将初始三维模型和当前三维模型的特征点云进行对比，以得到无人机的第一位置，通过将超宽带定位位置和超宽带基站位置进行对比，以得到无人机的第二位置，利用加权融合综合确认无人机的位置，以提高无人机位置的精确度。

在一种可选的实施方式中，将第一位置和第二位置进行加权融合，包括：

采用实验得到第一位置和第二位置的可信度；

基于第一位置和第二位置的可信度分别确定第一位置的权重和第二位置的权重；

基于第一位置的权重和第二位置的权重对第一位置和第二位置进行加权融合。

本发明通过实验得到的第一位置和第二位置的可信度，利用可信度对第一位置和第二位置进行加权融合，从而灵活调整第一位置和第二位置的权重。

在一种可选的实施方式中，基于初始三维模型和实时采集数据确定无人机的目标飞行航向角，包括：

基于初始三维模型，确定目标隧道的中心线，并将中心线确定为无人机的初始飞行航线；

基于实时采集数据建立激光雷达坐标系，并基于初始飞行航线建立隧道坐标系；

获取无人机上陀螺仪输出的航向角，根据激光雷达坐标系的水平坐标轴和隧道坐标系的水平坐标轴的夹角和陀螺仪输出的航向角确定为无人机的目标飞行航向角。

本发明通过建立激光雷达坐标系和隧道坐标系，综合陀螺仪输出的航向角，综合确定无人机的目标航向角，能够克服通过单一传感器的数据计算航向角导致的误差、噪声等问，以对无人机进行导航，提高目标飞行航向角的准确度。

在一种可选的实施方式中，在基于无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航之后，该方法还包括：

获取无人机的当前飞行航线；

将当前飞行航线和初始飞行航线进行对比，判断无人机飞行是否出现偏差；

若无人机飞行出现偏差，则调整无人机的飞行航向角，以使得调整后的飞行航向角与目标飞行航向角保持一致。

本发明通过对比当前飞行航线和初始飞行航线，确定无人机飞行偏差情况，并在无人机飞行出现偏差时，及时调整无人机的飞行航向角，以避免无人机飞行偏移导致无法完成分行任务的情况。

在一种可选的实施方式中，在基于无人机的当前位置、终点位置以及飞行航向角对无人机进行导航之后，该方法还包括：

获取无人机上毫米波雷达采集的探测数据，并根据探测数据确定目标隧道中的障碍物位置；

若无人机的当前飞行航线和障碍物位置重合，则对当前飞行航线进行调整。

本发明通过确定目标隧道中的障碍物位置，以在无人机飞行航线和障碍物位置重合时，及时对飞行航线进行调整，以避免无人机和障碍物发生碰撞。

第二方面，本发明提供了一种应急无人机导航装置，该装置包括：

第一模型建立模块，用于获取目标隧道内的超宽带基站位置和无人机上激光雷达对目标隧道的历史采集数据，并根据历史采集数据建立目标隧道的初始三维模型；

第二模型建立模块，用于当检测到应急事件发生时，获取无人机上激光雷达对目标隧道的实时采集数据和无人机机载超宽带采集的超宽带定位位置，根据实时采集数据建立目标隧道的当前三维模型；

第一确定模块，用于将初始三维模型和当前三维模型进行对比，将超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置；

第二确定模块，用于基于初始三维模型和实时采集数据确定无人机的目标飞行航向角；

导航模块，用于获取无人机的终点位置，基于无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航。

在一种可选的实施方式中，第一确定模块包括：

提取单元，用于从初始三维模型中提取第一特征点云，从当前三维模型中提取第二特征点云；

第一确定单元，用于将第一特征点云和第二特征点云进行对比，确定无人机的第一位置；

第二确定单元，用于将超宽带定位位置和超宽带基站位置进行对比，确定无人机的第二位置；

第三确定单元，用于将第一位置和第二位置进行加权融合，将加权融合后的位置确定为无人机的当前位置。

第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的应急无人机导航方法。

第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的应急无人机导航方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。

图1是根据本发明实施例的应急无人机导航方法的流程示意图；

图2是根据本发明实施例的应急无人机导航方法的应用示意图；

图3是根据本发明实施例的应急无人机导航装置的结构框图；

图4是本发明实施例的计算机设备的硬件结构示意图。

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。基于本发明中的实施例，本领域技术人员在没有做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。

目前，随着隧道的数量增加以及隧道长度增长，隧道内发生应急事件的概率大大增加。在应急事件发生后，情况紧急，需要通过无人机快速到达现场，进行情况勘查。无人机飞行速度快，不受地面通行条件影响，是隧道内应急事件勘查和处置的理想工具。

在相关技术中，使用照明灯具对隧道进行勘察，易受浓烟影响，在能见度较低的条件下，无人机导航困难。隧道内往往无卫星导航定位信息，无法采用卫星定位信息对无人机进行导航定位。由于隧道内可能会有大量车辆通行，车辆引起电磁场扰动，磁罗盘无法正常工作，因此，采用磁罗盘或双GPS(Global Positioning System，全球定位系统)天线进行导航定位的方法也完全失效。隧道内空间狭小，对无人机定位的精度要求高，对无人机的飞行控制要求高。因此，如何在应急事件发生时，对无人机进行导航是亟待解决的问题。

根据本发明实施例，提供了一种应急无人机导航方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种应急无人机导航方法，可用于移动终端，图1是根据本发明实施例的应急无人机导航方法的流程图，如图1所示，该流程包括如下步骤：

步骤S101，获取目标隧道内的超宽带基站位置和无人机上激光雷达对目标隧道的历史采集数据，并根据历史采集数据建立目标隧道的初始三维模型。

在本发明实施例中，预先在目标隧道中安装超宽带基站，无人机上搭载有传感器，传感器包括一个激光雷达以及机载超宽带(Ultra Width Band，UWB)。

在目标隧道内数据采集条件较好时，例如，目标隧道内无车辆通行或车辆较少时，利用无人机上的激光雷达对目标隧道进行数据采集，得到历史采集数据，利用历史采集数据预先建立目标隧道的初始三维模型。

步骤S102，当检测到应急事件发生时，获取无人机上激光雷达对目标隧道的实时采集数据和无人机机载超宽带采集的超宽带定位位置，根据实时采集数据建立目标隧道的当前三维模型。

在本发明实施例中，当应急事件发生时，移动终端向无人机发送飞行任务，无人机在执行飞行任务时，通过激光雷达实时对目标隧道进行数据采集，得到实时采集数据，利用实时采集数据建立目标隧道的当前三维模型。

无人机机载超宽带和目标隧道内的超宽带基站进行通信，得到无人机机载超宽带采集的超宽带定位位置。

具体地，激光雷达采集的数据为点云数据，根据历史采集数据建立初始三维模型和根据实时采集数据建立当前三维模型，均可以通过Trimble RealWorks点云数据处理软件，将激光雷达采集到的点云数据导入至点云数据处理软件中，对点云数据进行预处理，将预处理后的点云数据转换为适用于Houdini的格式，利用Houdini软件加载三维模型，还可以通过其他方式生成三维模型，此处仅为举例，不作为限定。

步骤S103，将初始三维模型和当前三维模型进行对比，将超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置。

在本发明实施例中，将当前三维模型和预先构建的初始三维模型进行对比，以确定构建的当前三维模型对应的隧道段在整个目标隧道段的具体位置，将超宽带定位位置和超宽带基站位置进行对比，以确定无人机和目标隧道内超宽带之间的通信距离，综合确定无人机的当前位置。

步骤S104，基于初始三维模型和实时采集数据确定无人机的目标飞行航向角。

在本发明实施例中，根据初始三维模型和实时采集数据确定目标飞行航向角度，以根据目标隧道内的情况和无人机的实时飞行情况对无人机的飞行进行导航。

步骤S105，获取无人机的终点位置，基于无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航。

在本发明实施例中，获取无人机的终点位置，可以为用户实时输入的终点位置，也可以为无人机执行飞行任务时预先设定好的终点位置，根据无人机的当前位置和终点位置，对无人机按照目标飞行航向角进行飞行导航。

本实施例提供的应急无人机导航方法，通过激光雷达对目标隧道进行数据采集，根据历史采集数据建立目标隧道的初始三维模型，根据实时采集数据建立当前三维模型，采用激光雷达可以不受隧道内浓烟、可见度的影响对目标隧道数据进行采集，根据初始三维模型和当前三维模型进行对比，超宽带定位位置和超宽带基站位置进行对比，以实现对无人机进行定位，根据初始三维模型和实时采集数据得到无人机的目标飞行航向角，从而实现对无人机进行从当前位置到终点位置按照目标飞行航向角飞行的导航。

具体地，在一实施例中，上述步骤S103具体包括如下步骤：

步骤S1031，从初始三维模型中提取第一特征点云，从当前三维模型中提取第二特征点云。

步骤S1032，将第一特征点云和第二特征点云进行对比，确定无人机的第一位置。

步骤S1033，将超宽带定位位置和超宽带基站位置进行对比，确定无人机的第二位置。

步骤S1034，将第一位置和第二位置进行加权融合，将加权融合后的位置确定为无人机的当前位置。

在本发明实施例中，从初始三维模型和当前三维模型中分别提取第一特征点云和第二特征点云，可以利用点特征直方图(Point Feature Histograms，PFH)提取三维模型中的特征点云，也可以利用快速点特征直方图(Fast Point Feature Histograms，FPFH)提取三维模型中的特征点云，此处仅为举例，不作为限定。

将第一特征点云和第二特征点云进行对比，可以利用点云配准算法将第一特征点云和第二特征点云进行对比，具体地，可以通过ICP(Iterative Closest Point，迭代最近点)点云配准算法计算第一特征点云和第二特征点云之间的距离，将第一特征点云和第二特征点云的距离确定为当前三维模型在初始三维模型中的位置，根据三维模型和目标隧道的对应关系，确定无人机在目标隧道中的实际位置。

无人机机载超宽带通过UWB标签和超宽带基站进行通信，根据无人机机载超宽带接收到的信号，确定无人机在目标隧道中的实际位置。

将以上两种方法得到的无人机的位置进行加权融合，得到无人机的当前位置。

通过将初始三维模型和当前三维模型的特征点云进行对比，以得到无人机的第一位置，通过将超宽带定位位置和超宽带基站位置进行对比，以得到无人机的第二位置，利用加权融合综合确认无人机的位置，以提高无人机位置的精确度。

具体地，在一实施例中，上述步骤S1034中将第一位置和第二位置进行加权融合，具体包括如下步骤：

步骤S10341，采用实验得到第一位置和第二位置的可信度。

步骤S10342，基于第一位置和第二位置的可信度分别确定第一位置的权重和第二位置的权重。

步骤S10343，基于第一位置的权重和第二位置的权重对第一位置和第二位置进行加权融合。

在本发明实施例中，通过有限次实验获取第一位置和第二位置的可信度，例如，第一位置的可信度为80％，第二位置的可信度为20％，则设置第一位置的权重为0.8，第二位置的权重为0.2，根据第一位置的权重和第二位置的权重进行加权融合，以最终得到无人机的位置。

通过实验得到的第一位置和第二位置的可信度，利用可信度对第一位置和第二位置进行加权融合，从而灵活调整第一位置和第二位置的权重。

具体地，在一实施例中，上述步骤S104中基于初始三维模型和实时采集数据确定无人机的目标飞行航向角，具体包括如下步骤：

步骤S1041，基于初始三维模型，确定目标隧道的中心线，并将中心线确定为无人机的初始飞行航线。

步骤S1042，基于实时采集数据建立激光雷达坐标系，并基于初始飞行航线建立隧道坐标系。

步骤S1043，获取无人机上陀螺仪输出的航向角，根据激光雷达坐标系的水平坐标轴和隧道坐标系的水平坐标轴的夹角和陀螺仪输出的航向角确定为无人机的目标飞行航向角。

在本发明实施例中，基于初始三维模型，将目标隧道的中心线确定为无人机的初始飞行航线，即可以根据目标隧道顶部和底部的距离、目标隧道左侧和右侧的距离，将距离目标隧道顶部、底部、左侧、右侧相同的曲线确定为初始飞行航线。在有车辆通行时，还可以根据目标隧道内通行车辆的高度，留出通行车辆高度的前提下，将距离目标隧道顶部、通行车辆顶部、左侧、右侧相同的曲线确定为初始飞行航线。

基于实时采集数据，将无人机的位置作为原点，以激光雷达采集的点云数据作为坐标，水平向前为x轴，水平向左为y轴，竖直向上为z轴，建立激光雷达坐标系。基于初始飞行航线，以初始飞行航线上的点为原点，以初始飞行航线水平投影的切线为x轴，根据右手法则确定y轴，以竖直指向上方为z轴，建立隧道坐标系。

获取无人机飞控系统内部的三轴陀螺仪输出的航向角，由于激光雷达采集的数据和陀螺仪测量的数据均存在噪声误差，因此，将激光雷达坐标系的x轴和隧道坐标系的x轴的夹角和无人机飞控系统内部的三轴陀螺仪输出的航向角进行数据融合，对数据进行清洗处理，以降低噪声误差，将数据融合后的航向角确定为目标飞行航向角。

通过建立激光雷达坐标系和隧道坐标系，综合陀螺仪输出的航向角，综合确定无人机的目标航向角，利用多传感器对航向角进行数据融合，能够克服通过单一传感器的数据计算航向角导致的误差、噪声等问题，以提高目标飞行航向角的准确度。

具体地，在一实施例中，本发明实施例提供的应急无人机导航方法还包括如下步骤：

步骤S105，获取无人机的当前飞行航线。

步骤S106，将当前飞行航线和初始飞行航线进行对比，判断无人机飞行是否出现偏差。

步骤S107，若无人机飞行出现偏差，则调整无人机的飞行航向角，以使得调整后的飞行航向角与目标飞行航向角保持一致。

在本发明实施例中，通过获取无人机上安装的激光雷达、毫米波雷达和机载超宽带采集的数据，确定无人机的当前飞行航线。将无人机的当前飞行航线和初始飞行航线进行对比，以确定无人机位置和航向角是否出现偏差。

若无人机的位置和航向角均未出现偏差，则按照当前飞行航向角继续飞行，执行下一个飞行任务。若无人机的位置和航向角出现偏差，则调整飞行航向角，以使得调整后的飞行航向角和目标飞行航向角一致，无人机向初始飞行航线进行靠拢，待飞行航向角调整后，继续飞行，执行下一个飞行任务。

通过对比当前飞行航线和初始飞行航线，确定无人机飞行偏差情况，并在无人机飞行出现偏差时，及时调整无人机的飞行航向角，以避免无人机飞行偏移导致无法完成分行任务的情况。

具体地，在一实施例中，本发明实施例提供的应急无人机导航方法还包括如下步骤：

步骤S108，获取无人机上毫米波雷达采集的探测数据，并根据探测数据确定目标隧道中的障碍物位置。

步骤S109，若无人机的当前飞行航线和障碍物位置重合，则对当前飞行航线进行调整。

在本发明实施例中，无人机上搭载的传感器还包括四个毫米波雷达，毫米波雷达分别向前、向上、向左、向右安装，毫米波雷达对目标隧道各个方向进行探测，根据探测数据确定目标隧道中的障碍物位置，具体包括障碍物在目标隧道内的哪一个隧道段、距离目标隧道截面的相对位置等。判断无人机的当前飞行航线是否和障碍物位置重合，若当前飞行航线和障碍物位置重合时，及时通过左右绕开的方式对飞行航线进行调整，以避开障碍物。

通过确定目标隧道中的障碍物位置，以在无人机飞行航线和障碍物位置重合时，及时对飞行航线进行调整，以避免无人机和障碍物发生碰撞。

作为本发明实施例的一个具体应用实施例，如图2所示，无人机上安装的传感器共包括激光雷达、三轴陀螺仪、机载超宽带以及毫米波雷达。根据无人机上激光雷达对目标隧道的历史采集数据，预先构建目标隧道的初始三维模型，并预先标定超宽带基站在目标隧道中的位置和在初始三维模型中的位置。在无人机执行飞行任务时，获取无人机上激光雷达对目标隧道的实时采集数据，实时构建目标隧道的当前三维模型，将当前三维模型和初始三维模型进行对比，结合超宽带定位位置和超宽带基站位置的比较结果，确定无人机的位置，结合三轴陀螺仪输出的航向角确定目标飞行航向角，对无人机进行导航。

在无人机执行飞行任务过程中，将无人机的当前飞行航线和初始飞行航线进行对比，判断无人机飞行是否出现偏差。若无人机飞行未出现偏差，则按当前航向角方向继续飞行，执行下一飞行任务。若无人机飞行出现偏差，则调整飞行航向角，待调整完后继续执行下一飞行任务。根据毫米波雷达的探测数据，确定障碍物的位置，并在无人机的飞行航线和障碍物位置重合时，通过左右绕行的方式进行避障。最终，判断无人机是否到达航迹终点，或人工接管无人机，待无人机到达航迹重点，结果导航。

在本实施例中还提供了一种应急无人机导航装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种应急无人机导航装置，如图3所示，包括：

第一模型建立模块301，用于获取目标隧道内的超宽带基站位置和无人机上激光雷达对目标隧道的历史采集数据，并根据历史采集数据建立目标隧道的初始三维模型。

第二模型建立模块302，用于当检测到应急事件发生时，获取无人机上激光雷达对目标隧道的实时采集数据和无人机机载超宽带采集的超宽带定位位置，根据实时采集数据建立目标隧道的当前三维模型。

第一确定模块303，用于将初始三维模型和当前三维模型进行对比，将超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置。

第二确定模块304，用于基于初始三维模型和实时采集数据确定无人机的目标飞行航向角。

导航模块305，用于获取无人机的终点位置，基于无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航。

在一些可选的实施方式中，第一确定模块303包括：

提取单元，用于从初始三维模型中提取第一特征点云，从当前三维模型中提取第二特征点云。

第一确定单元，用于将第一特征点云和第二特征点云进行对比，确定无人机的第一位置。

第二确定单元，用于将超宽带定位位置和超宽带基站位置进行对比，确定无人机的第二位置。

第三确定单元，用于将第一位置和第二位置进行加权融合，将加权融合后的位置确定为无人机的当前位置。

在一些可选的实施方式中，第三确定单元包括：

可信度得到子单元，用于采用实验得到第一位置和第二位置的可信度。

确定子单元，用于基于第一位置和第二位置的可信度分别确定第一位置的权重和第二位置的权重。

加权融合子单元，用于基于第一位置的权重和第二位置的权重对第一位置和第二位置进行加权融合。

在一些可选的实施方式中，第二确定模块304包括：

第四确定单元，用于基于初始三维模型，确定目标隧道的中心线，并将中心线确定为无人机的初始飞行航线。

建立单元，用于基于实时采集数据建立激光雷达坐标系，并基于初始飞行航线建立隧道坐标系。

第五确定单元，用于获取无人机上陀螺仪输出的航向角，根据激光雷达坐标系的水平坐标轴和隧道坐标系的水平坐标轴的夹角和陀螺仪输出的航向角确定为无人机的目标飞行航向角。

在一些可选的实施方式中，该装置还包括：

获取模块，用于获取无人机的当前飞行航线。

判断模块，用于将当前飞行航线和初始飞行航线进行对比，判断无人机飞行是否出现偏差。

第一调整模块，用于若无人机飞行出现偏差，则调整无人机的飞行航向角，以使得调整后的飞行航向角与目标飞行航向角保持一致。

在一些可选的实施方式中，该装置还包括：

第三确定模块，用于获取无人机上毫米波雷达采集的探测数据，并根据探测数据确定目标隧道中的障碍物位置。

第二调整模块，用于若无人机的当前飞行航线和障碍物位置重合，则对当前飞行航线进行调整。

上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本实施例中的应急无人机导航装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

本发明实施例还提供一种计算机设备，具有上述图3所示的应急无人机导航装置。

请参阅图4，图4是本发明可选实施例提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器10为例。

处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。

其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。

存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。

该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置30可接收输入的数字或字符信息，以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入，例如触摸屏等。输出装置40可以包括显示设备等。

本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种应急无人机导航方法，其特征在于，所述方法包括：

获取目标隧道内的超宽带基站位置和无人机上激光雷达对目标隧道的历史采集数据，并根据所述历史采集数据建立目标隧道的初始三维模型；

当检测到应急事件发生时，获取无人机上激光雷达对目标隧道的实时采集数据和无人机机载超宽带采集的超宽带定位位置，根据所述实时采集数据建立目标隧道的当前三维模型；

将所述初始三维模型和当前三维模型进行对比，将所述超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置；

基于所述初始三维模型和实时采集数据确定无人机的目标飞行航向角；

获取无人机的终点位置，基于所述无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航。

2.根据权利要求1所述的方法，其特征在于，所述将所述初始三维模型和当前三维模型进行对比，将所述超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置，包括：

从所述初始三维模型中提取第一特征点云，从所述当前三维模型中提取第二特征点云；

将所述第一特征点云和所述第二特征点云进行对比，确定无人机的第一位置；

将所述超宽带定位位置和超宽带基站位置进行对比，确定无人机的第二位置；

将所述第一位置和第二位置进行加权融合，将加权融合后的位置确定为无人机的当前位置。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一位置和第二位置进行加权融合，包括：

采用实验得到第一位置和第二位置的可信度；

基于所述第一位置和第二位置的可信度分别确定第一位置的权重和第二位置的权重；

基于所述第一位置的权重和第二位置的权重对第一位置和第二位置进行加权融合。

4.根据权利要求1所述的方法，其特征在于，所述基于所述初始三维模型和实时采集数据确定无人机的目标飞行航向角，包括：

基于所述初始三维模型，确定目标隧道的中心线，并将所述中心线确定为无人机的初始飞行航线；

基于所述实时采集数据建立激光雷达坐标系，并基于所述初始飞行航线建立隧道坐标系；

获取无人机上陀螺仪输出的航向角，根据激光雷达坐标系的水平坐标轴和隧道坐标系的水平坐标轴的夹角和陀螺仪输出的航向角确定为无人机的目标飞行航向角。

5.根据权利要求4所述的方法，其特征在于，在基于所述无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航之后，所述方法还包括：

获取无人机的当前飞行航线；

将所述当前飞行航线和所述初始飞行航线进行对比，判断无人机飞行是否出现偏差；

若无人机飞行出现偏差，则调整无人机的飞行航向角，以使得调整后的飞行航向角与目标飞行航向角保持一致。

6.根据权利要求5所述的方法，其特征在于，在基于所述无人机的当前位置、终点位置以及飞行航向角对无人机进行导航之后，所述方法还包括：

获取无人机上毫米波雷达采集的探测数据，并根据所述探测数据确定目标隧道中的障碍物位置；

若无人机的当前飞行航线和所述障碍物位置重合，则对当前飞行航线进行调整。

7.一种应急无人机导航装置，其特征在于，所述装置包括：

第一模型建立模块，用于获取目标隧道内的超宽带基站位置和无人机上激光雷达对目标隧道的历史采集数据，并根据所述历史采集数据建立目标隧道的初始三维模型；

第二模型建立模块，用于当检测到应急事件发生时，获取无人机上激光雷达对目标隧道的实时采集数据和无人机机载超宽带采集的超宽带定位位置，根据所述实时采集数据建立目标隧道的当前三维模型；

第一确定模块，用于将所述初始三维模型和当前三维模型进行对比，将所述超宽带定位位置和超宽带基站位置进行对比，基于对比结果确定无人机的当前位置；

第二确定模块，用于基于所述初始三维模型和实时采集数据确定无人机的目标飞行航向角；

导航模块，用于获取无人机的终点位置，基于所述无人机的当前位置、终点位置以及目标飞行航向角对无人机进行导航。

8.根据权利要求7所述的装置，其特征在于，所述第一确定模块包括：

提取单元，用于从所述初始三维模型中提取第一特征点云，从所述当前三维模型中提取第二特征点云；

第一确定单元，用于将所述第一特征点云和所述第二特征点云进行对比，确定无人机的第一位置；

第二确定单元，用于将所述超宽带定位位置和超宽带基站位置进行对比，确定无人机的第二位置；

第三确定单元，用于将所述第一位置和第二位置进行加权融合，将加权融合后的位置确定为无人机的当前位置。

9.一种计算机设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至6中任一项所述的应急无人机导航方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至6中任一项所述的应急无人机导航方法。