【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。