一种复杂环境下智能体自主导航算法及系统技术方案

本发明专利技术公开了一种复杂环境下智能体自主导航算法及系统，包括卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块；所述卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块均与数据处理模块连接；所述数据处理模块与自主导航算法处理模块连接。本发明专利技术通过采集智能体周围的环境参数，构建了四种组合导航方式，高于各种导航方式独立使用时的精度，并根据智能体所处环境参数选取一种精度最高稳定性最好的组合导航方式；同时，本发明专利技术在任何时刻都只有两种导航方式即一种组合导航方式进行工作，实现了资源的节省，提高了运算速度并且减少了电量的消耗。

An Agent Autonomous Navigation Algorithms and System in Complex Environment

【技术实现步骤摘要】
一种复杂环境下智能体自主导航算法及系统
本专利技术属于自主导航的
，具体涉及一种复杂环境下智能体自主导航算法及系统。
技术介绍
随着智能驾驶、无人机、机器人技术快速发展，对位置信息的精度要求越来越高，将多种不同的导航方法进行优劣互补融合，设计用于民用、工业应用和军用的组合导航算法已经成为导航学科领域中富有挑战性的新方向。目前，导航系统大多使用卫星导航系统或惯性导航系统(InertialNavigationSystem，以下简称INS)或卫星导航系统与惯性导航系统(INS)相融合。卫星导航系统包括美国全球定位系统(GPS)、中国北斗卫星导航系统(BeiDouNavigationSatelliteSystem，BDS)、俄罗斯格洛纳斯卫星导航系统(GLONASS)和欧洲伽利略卫星导航系统(Galileosatellitenavigationsystem)。卫星导航系统在室外空旷环境拥有较高的定位精度，但是受制于信号强度，卫星定位信号很容易受到遮挡或干扰，导致卫星定位系统在森林、峡谷及室内环境定位不准确甚至无法定位，并且卫星导航系统耗电量大不适宜长时间使用。惯性导航系统(INS)是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统，但由于内部存在积分环节，长时间使用会产生较大的累计误差。导航误差是衡量一个导航系统好坏的主要评判标准，由于工作原理和工作环境的不同，每个导航系统有着不同的误差特性。由于各种导航定位技术都有各自的优缺点以及最合适的使用场景，而实际使用环境比较复杂，单一的采用任何一种定位方式都很难实现高可靠性、高准确度和高精度的定位。但是可以将多种有互补特性的传感器进行组合，通过卡尔曼滤波将采集的数据进行信息融合，从而获得优于单独使用各个传感器的系统性能的定位导航结果。
技术实现思路
本专利技术的目的在于针对现有技术中的上述不足，提供一种复杂环境下智能体自主导航算法及系统，以解决或改善上述的问题。为达到上述目的，本专利技术采取的技术方案是：一种复杂环境下智能体自主导航算法及系统，其包括卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块；卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块均与数据处理模块连接；数据处理模块与自主导航算法处理模块连接。优选地，惯性导航系统包括与数据处理模块信号连接的加速度计和陀螺仪。优选地，视觉里程计模块包括与数据处理模块信号连接的光敏传感器和视觉传感器。优选地，还包括在信号干扰或屏蔽、光照过强或过弱时，用于实现避障与导航的预留模块；预留模块内置激光模块、雷达模块、主动红外模块或被动红外模块。一种复杂环境下智能体自主导航算法，包括：S1、输入视觉传感器的工作光强范围A，以及智能体的运动方式C，并根据智能体工作环境预设卫星导航模块工作范围值B；S2、采集当前环境下的光强大小a、卫星定位数据b、位置信息c、图像信息、加速度和角速度，并将采集到的当前环境下的数据进行预处理；S3、根据当前环境采集到的光强大小a、卫星定位数据b和位置信息c，分别判断视觉传感器、卫星导航模块和里程计模块是否处于正常工作状态，并将处于正常工作状态的导航系统两两相融合；S4、分别计算得到惯性导航系统、卫星导航系统、视觉里程计和里程计的位置、速度信息，根据卡尔曼滤波和无偏估计算法构建位置、速度误差模型，并基于多传感器数据融合算法分别对视觉里程计与惯性导航系统、视觉里程计与里程计、卫星导航系统与惯性导航系统、卫星导航系统与里程计四种进行数据融合处理；S5、根据开源数据和专家决策系统构建类脑知识库，并基于类脑知识库中先验知识判断出定位精度最高的组合导航方案。优选地，步骤S3中判断视觉传感器、卫星导航模块和里程计模块是否处于正常工作状态的方法为：判断光强大小a是否在视觉传感器可正常工作的光强范围值A内，若在则输出第一条件判断值为1，否则输出0；判断卫星定位数据b是否在预设卫星导航模块工作范围值B内，若在则输出第二条件判断值为1，否则输出0；判断里程计模块是否能采集位置信息c，若能则输出第三条件判断值为1，否则输出0。优选地，步骤S3中处于正常工作状态的导航系统两两相融合的方法为：S3.1、若输出条件判断值为111，则组合导航方案为视觉里程计与惯性导航系统相融合、视觉里程计与里程计相融合、卫星导航系统与惯性导航系统相融合和卫星导航系统与里程计相融合；S3.2、若输出条件判断值为110，则组合导航方案为视觉里程计与惯性导航系统相融合和卫星导航系统与惯性导航系统相融合；S3.3、若输出条件判断值为101，则组合导航方案为视觉里程计与惯性导航系统相融合和视觉里程计与里程计相融合；S3.4、若输出条件判断值为100，则组合导航方案为视觉里程计与惯性导航系统相融合；S3.5、若输出条件判断值为011，则组合导航方案为卫星导航系统与惯性导航系统相融合和卫星导航系统与里程计相融合；S3.6、若输出条件判断值为010代表，则组合导航方案为卫星导航系统与惯性导航系统相融合；S3.7、若输出条件判断值为001，则不满足使用组合导航条件，使用里程计或惯性导航系统单独导航；S3.8、若输出条件判断值为000，则不满足使用组合导航条件，惯性导航系统单独导航。优选地，步骤S4的具体步骤包括：S4.1、分别计算得到惯性导航系统、卫星导航系统、视觉里程计和里程计的位置信息、速度信息；S4.2、通过卡尔曼滤波和无偏估计算法构建位置、速度误差模型，利用步骤S4.1中所得的智能体位置、速度信息，根据多传感器数据融合算法分别对视觉里程计与惯性导航系统、视觉里程计与里程计、卫星导航系统与惯性导航系统、卫星导航系统与里程计四种组合导航方式进行数据融合处理，并利用量测值对状态估计进行修正。优选地，步骤S5中根据先验知识判断出定位精度最高的组合导航方案的方法为：根据输出条件判断值，确定可用的组合导航方式的种类，并根据各传感器采集的数据计算所有组合导航方案的定位值，根据先验知识判断出定位精度最高的组合导航方案，并将所述方案作为载体的组合导航方式。优选地，还包括预留模块，在信号干扰或屏蔽、光照过强或过弱时，用于实现避障与导航，其具体实现方法为：T1、根据智能体工作环境预设雷达模块工作范围值D和激光传感器正常工作区域的直径范围值E；T2、采集雷达信息d和参照物距离信息e，并预处理所述信息d和信息e；T3、判断雷达信息d是否在预设雷达模块工作范围值D内，若在则输出第四条件判断值为1，否则输出0；判断参照物距离信息e是否在预设激光传感器可正常工作区域的直径范围值E内，若在则输出第五条件判断值为1，否则输出0；若视觉传感器不能正常工作时，则启用主动红外模块或被动红外模块进行避障与导航。本专利技术提供的复杂环境下智能体自主导航算法及系统，具有以下有益效果：本专利技术通过采集智能体周围的环境参数，构建了四种组合导航方式，高于各种导航方式独立使用时的精度，并根据智能体所处环境的参数选取一种精度最高稳定性最好的组合导航方式；同时，本专利技术在任何时刻都只有两种导航方式即一种组合导航方式进行工作，实现了资源的节省，提高了运算速度并且减少了电量的消耗。附图说明图1为复杂环境下智能体自主导航算法及系统的系统框图。图2为复杂环境下智能体自主导航算法及系统的数据处理算法流程图。图3为本文档来自技高网...

【技术保护点】
1.一种复杂环境下智能体自主导航系统，其特征在于：包括卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块；所述卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块均与数据处理模块连接；所述数据处理模块与自主导航算法处理模块连接。

【技术特征摘要】
1.一种复杂环境下智能体自主导航系统，其特征在于：包括卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块；所述卫星导航系统、惯性导航系统、视觉里程计模块和里程计模块均与数据处理模块连接；所述数据处理模块与自主导航算法处理模块连接。2.根据权利要求1所述的复杂环境下智能体自主导航系统，其特征在于：所述惯性导航系统包括与数据处理模块信号连接的加速度计和陀螺仪。3.根据权利要求1所述的复杂环境下智能体自主导航系统，其特征在于：所述视觉里程计模块包括与数据处理模块信号连接的光敏传感器和视觉传感器。4.根据权利要求1所述的复杂环境下智能体自主导航系统，其特征在于：还包括在信号干扰或屏蔽、光照过强或过弱时，用于实现避障与导航的预留模块；所述预留模块内置激光模块、雷达模块、主动红外模块或被动红外模块。5.一种根据权利要求1-4任一所述的复杂环境下智能体自主导航算法，包括：S1、输入视觉传感器的工作光强范围A，以及智能体的运动方式C，并根据智能体工作环境预设卫星导航模块工作范围值B；S2、采集当前环境下的光强大小a、卫星定位数据b、位置信息c、图像信息、加速度和角速度，并将采集到的当前环境下的数据进行预处理；S3、根据当前环境采集到的光强大小a、卫星定位数据b和位置信息c，分别判断视觉传感器、卫星导航模块和里程计模块是否处于正常工作状态，并将处于正常工作状态的导航系统两两相融合；S4、分别计算得到惯性导航系统、卫星导航系统、视觉里程计和里程计的位置、速度信息，根据卡尔曼滤波和无偏估计算法构建位置、速度误差模型，并基于多传感器数据融合算法分别对视觉里程计与惯性导航系统、视觉里程计与里程计、卫星导航系统与惯性导航系统、卫星导航系统与里程计四种进行数据融合处理；S5、根据开源数据和专家决策系统构建类脑知识库，并基于类脑知识库中先验知识判断出定位精度最高的组合导航方案。6.根据权利要求5所述的复杂环境下智能体自主导航算法，其特征在于，所述步骤S3中判断视觉传感器、卫星导航模块和里程计模块是否处于正常工作状态的方法为：判断光强大小a是否在视觉传感器可正常工作的光强范围值A内，若在则输出第一条件判断值为1，否则输出0；判断卫星定位数据b是否在预设卫星导航模块工作范围值B内，若在则输出第二条件判断值为1，否则输出0；判断里程计模块是否能采集位置信息c，若能则输出第三条件判断值为1，否则输出0。7.根据权利要求5所述的复杂环境下智能体自主导航算法，其特征在于，所述步骤S3中处于正常工作状态的导航系统两两相融合的方法为：S3.1、若输出条件判断值为111，则组合导航方案为视觉里程计与惯性导...

【专利技术属性】
技术研发人员：霍建文，陈浩然，白才艳，张华，刘满禄，刘冉，毕冬雪，李玥，王海力，郭明明，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：四川,51