一种服务于无人机自主导航的简化环境建模方法技术

本发明专利技术提供一种服务于无人机自主导航的简化环境建模方法，包括获取深度图像并统计分析每列深度图像数据的概率密度分布，根据峰值宽度分析障碍物粗糙程度，并计算深度图像上每列障碍物的位置；将深度图像上提取的障碍物映射到三维空间中，称为障碍物垂直条带，借助深度图像的索引序号对障碍物垂直条带进行快速空间聚类；搜索聚类内部障碍物垂直条带之间的缝隙，若缝隙大于无人机可穿行尺寸，则根据缝隙位置分割聚类，反之将缝隙填充；根据聚类结果拟合障碍物轮廓平面，构建由多层多边形棱柱面组成的简化环境模型。本发明专利技术将无人机携带的深度传感器数据转化为简化环境模型，消除无关的环境细节信息，为无人机自主导航和感知信息共享提供服务。

A Simplified Environment Modeling Method for Autonomous Navigation of UAV

【技术实现步骤摘要】
一种服务于无人机自主导航的简化环境建模方法
本专利技术属于机器人自动化领域，尤其涉及一种服务于无人机自主导航的简化环境建模方法。
技术介绍
无人机是无人驾驶飞机的简称，近年来广泛的应用需求带来了无人机领域的蓬勃发展，其应用包括搜寻与营救、智能交通、三维重建和电力巡线等。根据无人机的自动化程度可以将其分为半自主无人机和全自主无人机，前者要求操作人员辅助执行任务，后者完全依靠无人机携带的传感器在线感知环境并自主导航和执行决策。半自主无人机的应用容易受到环境和任务的限制，对于危险性较大的应用场景，现场操作人员将面临生命危险，另外远程操作容易受到通信故障和网络延迟的影响，因此全自主无人机将是未来该领域研究的重要趋势。全自主无人机在线导航的基础组件是构建环境地图，根据传感器探测数据建模周围障碍物与自由空间，从而服务于路径规划和躲避障碍等任务。传统的地图构建方法主要是基于占据栅格地图：将地图划分为相等大小的正方形或立方体格子，并计算每个格子是障碍物或自由空间的概率。由于无人机的存储和计算资源有限，随着探测区域面积的增加，无人机将面临较大的存储负担。简化环境建模方法不仅可以降低存储压力，提高地图搜索速度，还能为无人机在线导航等任务提供直观的环境感知信息。并且简化的环境模型可以减少无人机共享感知数据等任务的通信负担和传输延时。目前已有的简化环境模型中，应用于自动驾驶和地面机器人的方法主要针对二维场景，无法直接应用于无人机自主导航任务。现有的三维环境简化建模方法仍然依赖栅格地图，首先将传感器数据转化为三维栅格地图，进一步提取障碍物的多边形轮廓从而构建简化环境模型。该方法依赖于栅格尺寸的大小，且障碍物边缘容易受到量化的影响，建模精度降低。
技术实现思路
本专利技术针对现有技术的不足，提供一种服务于无人机自主导航的简化环境建模方法。本专利技术的技术方案为一种服务于无人机自主导航的简化环境建模方法，包括以下步骤：步骤1，获取深度图像并统计分析每列深度图像数据的概率密度分布，根据峰值宽度分析障碍物粗糙程度，并计算深度图像上每列障碍物的位置；步骤2，将深度图像上提取的障碍物映射到三维空间中，称为障碍物垂直条带，借助深度图像的索引序号对障碍物垂直条带进行快速空间聚类；步骤3，搜索聚类内部障碍物垂直条带之间的缝隙，若缝隙大于无人机可穿行尺寸，则根据缝隙位置分割聚类，反之将缝隙填充；步骤4，根据步骤3中得到的聚类结果拟合障碍物轮廓平面，构建由多层多边形棱柱面组成的简化环境模型。而且，步骤1中，设深度图像中第u列像素的概率密度分布为fu(x)，x为核密度估计结果中的像素深度值，每列深度图像中提取的障碍物的近似深度记为其中为障碍物的近似深度，i用于表示当前列从图像顶部开始第i个障碍物，k为当前列障碍物数目；采用自适应大小的滑动窗口提取障碍物，滑动窗口宽度Δx为其中和分表为核密度估计结果的峰值宽度两侧的深度值，α为峰值宽度系数，下标表示x±与峰值的值关系，x±表示左右两边满足条件的x值；设定滑动窗口的高度为其中，HUAV为无人机高度，fx为相机的焦距，β为误差系数。而且，步骤2中，设障碍物垂直条带为其中Xc,Yc分别为障碍物垂直条带X轴、Y轴的坐标值，为障碍物垂直条带的Z轴下端和上端的坐标值，相机坐标系中X轴正方向朝右，Y轴正方向朝前，Z轴正方向超上，其中u表示深度图像的列坐标，i用于标识深度图像第u列从上计算第i个障碍物；通过借助二维深度图像的列索引序号，避免空间中邻域搜索的复杂计算，包括从深度图像第一列开始创建第一个类C1，类采用队列存储结构，每一个聚类用队列上标l表示当前队列的存储数量，下表qn表示队列序号，将第一列第一个障碍物垂直条带填入第一个队列中，依次计算下一个障碍物垂直条带与已有聚类的队列末端的垂直条带之间的欧几里得距离D，若距离D小于无人机宽度WUAV，将该列垂直条带填入相应的聚类队列末端，反之则创建新的聚类，从而实现障碍物垂直条带的快速空间聚类。而且，步骤3中，根据每个障碍物垂直条带上的缝隙是其相对整个墙面的高度范围的补集，计算缝隙宽度，当缝隙宽度大于无人机宽度时，保留该缝隙，并从该缝隙处分割聚类，最终同一聚类内部障碍物垂直柱子高度相等，否则将缝隙填补；多个障碍物垂直条带的缝隙有效高度为相邻障碍物垂直条带高度补集的交集。而且，采用二分法对聚类内部的障碍物条带进行搜索，若该障碍物垂直条带的补集高度小于无人机高度，则将该障碍物垂直条带的高度缝隙填补，并从该处分割墙体为两部分，对分割后的墙面重复上述搜索分割步骤，直到墙面宽度小于无人机宽度时停止搜索。而且，步骤4中，设多层多边形棱柱面组成的简化障碍物模型为由多个空间邻接且垂直地面的矩形组成，障碍物为O∈R3，R3为三维空间，其中Θ为简化障碍物模型，满足即简化障碍物模型包含障碍物本身，Πr为组成障碍物简化模型的矩形平面，下标r表示矩形的序号，描述障碍物的矩形数量为R，每个矩形平面由四个顶点组成，从正视方向看分别为矩形的左下角，左上角、右下角和右上角坐标，由于该矩形面垂直于地面，和在水平面上的投影坐标值相同，因此矩形Πr简化表达为从而较少存储量，其中矩形的两个对角顶点和其中xa,ya,zmin为点的x,y,z轴的坐标值，其中xb,yb,zmax为点的x,y,z轴的坐标值，矩形参数η为np为该平面拟合的障碍物垂直条带的数量，分别为属于该平面的障碍物垂直条带的x轴坐标和x轴坐标的平均值，分别为属于该平面的障碍物垂直条带的x轴坐标与y轴坐标之积的平均值和x轴坐标平方的平均值，存储拟合平面的参数，便于合并相邻近似平行的平面。而且，步骤4中，所述的拟合障碍物轮廓平面，实现方式为，步骤3得到的障碍物垂直条带聚类中，相同聚类内部的障碍物垂直条带高度相同，从俯视方向看障碍物轮廓的提取视为带有高度数值的线段提取过程；采用分割与合并的线段提取思想，拟合聚类内部的障碍物垂直条带，得到拟合平面l，利用点到平面距离的计算方法，计算每个障碍物垂直条带中心到平面l的距离，距离的最大值记为最大拟合误差εmax，如果最大拟合误差εmax小于阈值εl，则该聚类可以用一个拟合平面表示，如果最大拟合误差εmax大于等于阈值εl，将聚类从最大拟合误差处分割开，继续对分割开的两个部分执行上述分割流程，直到剩余点数小于预设数值nl时，停止分割。而且，为了进一步减少与无人机导航无关的环境细节信息，将分割与合并的线段提取结果中分割点数小于nl的部分进行凹陷填补。本专利技术将无人机携带的深度传感器数据转化为由棱柱面组成的简化环境模型，采用概率密度估计的方法提取深度图像上的障碍物并计算其位置信息，根据无人机的安全飞行尺寸消除与自主导航无关的环境细节信息，用尽可能少的数据量描述环境模型，同时保证较高的建模精度，为无人机自主导航和感知信息共享提供服务。附图说明图1是本专利技术实施例的原理示意图；图2是本专利技术实施例的流程图；图3是本专利技术实施例的简化环境模型的平面表达参数的示意图；图4是本专利技术实施例的每列深度图像的概率密度估计结果和深度图像的关系示意图；图5是本专利技术实施例的自适应滑动窗口提取一列深度图像中的障碍物示意图；图6是本专利技术实施例的障碍物高度缝隙过滤说明图；图7是本专利技术实施例的障碍物轮廓拟合和凹陷填补的流程示意图；图8是本专利技术实施例的仿真环境中简本文档来自技高网...

【技术保护点】
1.一种服务于无人机自主导航的简化环境建模方法，包括以下步骤：步骤1，获取深度图像并统计分析每列深度图像数据的概率密度分布，根据峰值宽度分析障碍物粗糙程度，并计算深度图像上每列障碍物的位置；步骤2，将深度图像上提取的障碍物映射到三维空间中，称为障碍物垂直条带，借助深度图像的索引序号对障碍物垂直条带进行快速空间聚类；步骤3，搜索聚类内部障碍物垂直条带之间的缝隙，若缝隙大于无人机可穿行尺寸，则根据缝隙位置分割聚类，反之将缝隙填充；步骤4，根据步骤3中得到的聚类结果拟合障碍物轮廓平面，构建由多层多边形棱柱面组成的简化环境模型。

【技术特征摘要】
1.一种服务于无人机自主导航的简化环境建模方法，包括以下步骤：步骤1，获取深度图像并统计分析每列深度图像数据的概率密度分布，根据峰值宽度分析障碍物粗糙程度，并计算深度图像上每列障碍物的位置；步骤2，将深度图像上提取的障碍物映射到三维空间中，称为障碍物垂直条带，借助深度图像的索引序号对障碍物垂直条带进行快速空间聚类；步骤3，搜索聚类内部障碍物垂直条带之间的缝隙，若缝隙大于无人机可穿行尺寸，则根据缝隙位置分割聚类，反之将缝隙填充；步骤4，根据步骤3中得到的聚类结果拟合障碍物轮廓平面，构建由多层多边形棱柱面组成的简化环境模型。2.根据权利要求1所述语义关联的面向对象城市不透水面遥感提取方法，其特征在于：步骤1中，设深度图像中第u列像素的概率密度分布为fu(x)，x为核密度估计结果中的像素深度值，每列深度图像中提取的障碍物的近似深度记为其中为障碍物的近似深度，i用于表示当前列从图像顶部开始第i个障碍物，k为当前列障碍物数目；采用自适应大小的滑动窗口提取障碍物，滑动窗口宽度Δx为其中和分表为核密度估计结果的峰值宽度两侧的深度值，α为峰值宽度系数，下标表示x±与峰值的值关系，x±表示左右两边满足条件的x值；设定滑动窗口的高度为其中，HUAV为无人机高度，fx为相机的焦距，β为误差系数。3.根据权利要求1所述语义关联的面向对象城市不透水面遥感提取方法，其特征在于：步骤2中，设障碍物垂直条带为其中Xc,Yc分别为障碍物垂直条带X轴、Y轴的坐标值，为障碍物垂直条带的Z轴下端和上端的坐标值，相机坐标系中X轴正方向朝右，Y轴正方向朝前，Z轴正方向超上，其中u表示深度图像的列坐标，i用于标识深度图像第u列从上计算第i个障碍物；通过借助二维深度图像的列索引序号，避免空间中邻域搜索的复杂计算，包括从深度图像第一列开始创建第一个类C1，类采用队列存储结构，每一个聚类用队列上标l表示当前队列的存储数量，下表qn表示队列序号，将第一列第一个障碍物垂直条带填入第一个队列中，依次计算下一个障碍物垂直条带与已有聚类的队列末端的垂直条带之间的欧几里得距离D，若距离D小于无人机宽度WUAV，将该列垂直条带填入相应的聚类队列末端，反之则创建新的聚类，从而实现障碍物垂直条带的快速空间聚类。4.根据权利要求1所述语义关联的面向对象城市不透水面遥感提取方法，其特征在于：步骤3中，根据每个障碍物垂直条带上的缝隙是其相对整个墙面的高度范围的补集，计算缝隙宽度，当缝隙宽度大于无人机宽度时，保留该缝隙，并从该缝隙处分割聚类，最终同一聚类内部障碍物垂直柱子高度相等，否则将缝...

【专利技术属性】
技术研发人员：李德识，孟凯涛，陈健，宋卫涛，黄威，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42