一种基于多尺度网格细胞路径积分的类脑导航方法技术

本发明专利技术涉及一种基于多尺度网格细胞路径积分的类脑导航方法，属于导航定位与人工智能领域。该方法借鉴哺乳动物大脑内嗅皮层多尺度网格细胞网络路径积分和海马体位置细胞簇网络解算位置神经机理。首先基于指数型增益因子和三维吸引子神经网络构建了三维多尺度网格细胞网络模型，将无人机自运动信息(速度/航向)编码为多尺度网格细胞放电率波包；然后构建了位置细胞簇神经网络模型，将多尺度网格细胞放电率波包解码为无人机三维位置信息。本发明专利技术提供了一种三维、大尺度空间下的鲁棒、准确、智能类脑导航方法，可用于卫星拒止和未知复杂环境下无人机的智能自主导航与定位。环境下无人机的智能自主导航与定位。环境下无人机的智能自主导航与定位。

【技术实现步骤摘要】
一种基于多尺度网格细胞路径积分的类脑导航方法


[0001]本专利技术涉及一种基于多尺度网格细胞路径积分的类脑导航方法，属于导航定位与人工智能领域。

技术介绍

[0002]无人机是一种由动力驱动、机上无人驾驶、可重复使用的飞行器的简称，在侦察、搜救、飞行表演、测绘测量等军民用领域具有广阔的应用前景。导航作为无人机的核心技术之一，是无人机顺利进行作业活动的前提和基础。
[0003]当前，无人机在卫星拒止、未知环境等复杂环境下飞行主要采用基于视觉/激光雷达/惯性等传感器的即时定位与地图构建(SLAM)体系进行导航与定位，由于需要预先构建准确SLAM数学模型，无法较好适应复杂未知环境以及实现准确智能导航定位。
[0004]蝙蝠、老鼠等哺乳动物在未知复杂环境下具有鲁棒、准确、智能的导航能力，这种能力的关键是大脑中的“路径积分系统”。大脑路径积分系统主要由内嗅皮层中的多尺度网格细胞网络和海马体中的位置细胞网络两部分构成：前者对来自大脑前庭系统或视觉产生的自运动信息(速度/航向角)进行路径积分，将自运动信息编码为网格细胞特定的时空放电模式；后者对放电模式不断进行记忆和学习，将放电模式解码为动物的实时位置。动物大脑路径积分系统为解决无人机在未知环境下的导航定位难题提供了较好生物模型。
[0005]目前关于多尺度网格细胞路径积分导航的研究主要是二维小尺度空间的模拟仿真研究，此外还存在噪声敏感、位置解算不准确等突出弊端，难以应用到无人机未知环境下鲁棒智能导航。因此研究三维、大尺度空间下基于多尺度网格细胞路径积分的类脑导航方法，提高未知环境下无人机导航鲁棒性、准确性、智能性具有重要的科学和应用价值。

技术实现思路

[0006]为了解决现有无人机导航方法在卫星拒止、未知复杂环境下存在的鲁棒性差、不准确导航难题，本专利技术提出了一种基于多尺度网格细胞路径积分的类脑导航方法。
[0007]本专利技术为解决其技术问题采用如下技术方案：
[0008]一种基于多尺度网格细胞路径积分的类脑导航方法，包括如下步骤：
[0009]步骤1，视觉处理模块接收无人机视觉传感器实时采集的图像，并根据相邻两帧图像的像素值变化解算无人机前向和高度方向线速度以及航向角；
[0010]步骤2，基于三维吸引子神经网络构建三维网格细胞网络模型，所述网格细胞网络模型的输入为无人机前向和高度方向线速度以及航向角，输出为网格细胞放电率波包；
[0011]步骤3，构建指数递增型速度增益因子序列，所述序列长度为M；
[0012]步骤4，将M个因子分别与M个网格细胞网络模型中的无人机前向速度和高度方向线速度相乘，构建三维多尺度网格细胞网络模型，生成M个网格细胞放电率波包；
[0013]步骤5，计算由步骤4生成的M个网格细胞放电率波包三维坐标；
[0014]步骤6，构建3个位置细胞簇网络，并将步骤5中的M个网格细胞放电率波包三维坐
标映射到3个位置细胞簇网络中进行稀疏化处理；
[0015]步骤7，构建位置细胞簇网络连接权值训练数据集；
[0016]步骤8，采用有监督赫布突触学习训练获得位置细胞簇网络连接权值矩阵；
[0017]步骤9，将由步骤5获得的网格细胞放电率波包三维坐标带入步骤6进行稀疏化处理，并基于步骤8生成的连接权值矩阵进行网格迭代计算；
[0018]步骤10，采用“赢者通吃”规则对位置细胞簇网络中各细胞放电激活率进行滤波，然后循环执行步骤9、步骤10，直到位置细胞簇网络收敛到稳定状态，读取网络状态，获取无人机三维位置。
[0019]步骤2所述三维网格细胞网格模型为：
[0020][0021]其中，为当前时刻三维网格细胞网络所有细胞放电率构成的活性矩阵，γ为余数矩阵，为t
‑
1时刻归一化后的网格细胞活性矩阵，a、b、c分别为沿网络拓扑x、y、z方向的网格细胞活性矩阵更新自变量，分别是沿网络拓扑x、y、z方向的向下取整整数偏移量；
[0022](2.1)γ的数学表达式为：
[0023][0024][0025][0026][0027]其中，分别是沿网络拓扑x、y、z方向的小数偏移量，x、y、z分别是网络拓扑的3个坐标轴，k
x
、k
y
、k
z
为常数，v、v
h
、θ分别为无人机水平前向速度、高度速度、航向角，代表向下取整运算符号；
[0028](2.2)的数学表达式为：
[0029][0030]其中，为t
‑
1时刻归一化后的网格细胞活性矩阵，为t
‑
1时刻进行归一化
计算前的网格细胞活性矩阵，其计算过程如下：
[0031][0032]其中，分别为吸引子动力学全局抑制后的网格细胞活性矩阵变化量、局部兴奋后的网格细胞活性矩阵变化量、t
‑
1时刻的网格细胞活性矩阵；
[0033](2.3)的数学表达式为：
[0034][0035]其中，为局部兴奋后的网格细胞活性矩阵变化量，ε
u,v,w
为任意两个网格细胞之间的兴奋性连接权值，为全局抑制因子常量，n
x
、n
y
、n
z
分别为三维网格细胞网络沿x、y、z三个方向的网格细胞数量；
[0036](2.4)ε
u,v,w
计算公式如下：
[0037][0038]其中，δ
x
、δ
y
、δ
z
分别为x、y、z三个方向的方差常数，u
x
、v
y
、w
z
分别为三维网格细胞网络中任意两个网格细胞分别沿网络拓扑x、y、z三个方向的网格距离，其计算公式如下：
[0039][0040]其中，x
n
、y
n
、z
n
分别为某一网格细胞在网格细胞网络中的索引标号，i、j、k为另一网格细胞索引标号，n
x
、n
y
、n
z
分别为三维网格细胞网络沿网络拓扑x、y、z三个方向的网格细胞数量；
[0041](2.5)的数学表达式为：
[0042][0043]其中，网格细胞活性矩阵中放电率大于0的网格细胞构成的细胞簇即为三维网格细胞网络模型输出的网格细胞放电率波包。
[0044]步骤3所述指数递增型增益因子序列G数学表达式为：
[0045]G＝[g1,
…
,g
m
,
…
,g
M
][0046]g
m
＝g
M
·
α
m
‑
M
[0047]其中，g
m
为第m个网格细胞网络对应的速度增益因子，g
M
为第M个网格细胞网络对应的速度增益因子常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度网格细胞路径积分的类脑导航方法，其特征在于，包括如下步骤：步骤1，视觉处理模块接收无人机视觉传感器实时采集的图像，并根据相邻两帧图像的像素值变化解算无人机前向和高度方向线速度以及航向角；步骤2，基于三维吸引子神经网络构建三维网格细胞网络模型，所述网格细胞网络模型的输入为无人机前向和高度方向线速度以及航向角，输出为网格细胞放电率波包；步骤3，构建指数递增型速度增益因子序列，所述序列长度为M；步骤4，将M个因子分别与M个网格细胞网络模型中的无人机前向速度和高度方向线速度相乘，构建三维多尺度网格细胞网络模型，生成M个网格细胞放电率波包；步骤5，计算由步骤4生成的M个网格细胞放电率波包三维坐标；步骤6，构建3个位置细胞簇网络，并将步骤5中的M个网格细胞放电率波包三维坐标映射到3个位置细胞簇网络中进行稀疏化处理；步骤7，构建位置细胞簇网络连接权值训练数据集；步骤8，采用有监督赫布突触学习训练获得位置细胞簇网络连接权值矩阵；步骤9，将由步骤5获得的网格细胞放电率波包三维坐标带入步骤6进行稀疏化处理，并基于步骤8生成的连接权值矩阵进行网格迭代计算；步骤10，采用“赢者通吃”规则对位置细胞簇网络中各细胞放电激活率进行滤波，然后循环执行步骤9、步骤10，直到位置细胞簇网络收敛到稳定状态，读取网络状态，获取无人机三维位置。2.根据权利要求1所述一种基于多尺度网格细胞路径积分的类脑导航方法，其特征在于，步骤2所述三维网格细胞网格模型为：其中，为当前时刻三维网格细胞网络所有细胞放电率构成的活性矩阵，γ为余数矩阵，为t
‑
1时刻归一化后的网格细胞活性矩阵，a、b、c分别为沿网络拓扑x、y、z方向的网格细胞活性矩阵更新自变量，分别是沿网络拓扑x、y、z方向的向下取整整数偏移量；(2.1)γ的数学表达式为：(2.1)γ的数学表达式为：(2.1)γ的数学表达式为：
其中，分别是沿网络拓扑x、y、z方向的小数偏移量，x、y、z分别是网络拓扑的3个坐标轴，k
x
、k
y
、k
z
为常数，v、v
h
、θ分别为无人机水平前向速度、高度速度、航向角，代表向下取整运算符号；(2.2)的数学表达式为：其中，为t
‑
1时刻归一化后的网格细胞活性矩阵，为t
‑
1时刻进行归一化计算前的网格细胞活性矩阵，其计算过程如下：其中，分别为吸引子动力学全局抑制后的网格细胞活性矩阵变化量、局部兴奋后的网格细胞活性矩阵变化量、t
‑
1时刻的网格细胞活性矩阵；(2.3)的数学表达式为：其中，为局部兴奋后的网格细胞活性矩阵变化量，ε
u,v,w
为任意两个网格细胞之间的兴奋性连接权值，为全局抑制因子常量，n
x
、n
y
、n
z
分别为三维网格细胞网络沿x、y、z三个方向的网格细胞数量；(2.4)ε
u,v,w
计算公式如下：其中，δ
x
、δ
y
、δ
z
分别为x、y、z三个方向的方差常数，u
x
、v
y
、w
z
分别为三维网格细胞网络中任意两个网格细胞分别沿网络拓扑x、y、z三个方向的网格距离，其计算公式如下：其中，x
n
、y
n
、z
n
分别为某一网格细胞在网格细胞网络中的索引标号，i、j、k为另一网格细胞索引标号，n
x
、n
y
、n
z
分别为三维网格细胞网络沿网络拓扑x、y、z三个方向的网格细胞数量；(2.5)的数学表达式为：
其中，网格细胞活性矩阵中放电率大于0的网格细胞构成的细胞簇即为三维网格细胞网络模型输出的网格细胞放电率波包。3.根据权利要求1所述一种基于多尺度网格细胞路径积分的类脑导航方法，其特征在于，步骤3所述指数递增型增益因子序列G数学表达式为：G＝[g1,
…
,g
...

【专利技术属性】
技术研发人员：杨闯，熊智，刘建业，华冰，晁丽君，陈雨荻，王雅婷，戴嘉伟，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：