一种基于全区域激光扫描的多无人机协作定位方法技术

本发明专利技术涉及多旋翼无人机技术领域，尤其涉及一种基于全区域激光扫描的多无人机协作定位方法。一种基于全区域激光扫描的多无人机协作定位方法，包括以下步骤：步骤一、基于三维点云的多目标在线定位观测；步骤二、基于三维点云的多目标在线定位跟踪。本发明专利技术的有益效果：本发明专利技术基于旋转二维激光获取全区域的稠密点云，减小了视野盲区。使用无人机搭载轻量化旋转二维激光雷达对场景中的多个运动无人机目标进行实时跟踪定位，将多机协作定位问题转化为多目标追踪问题，降低了被观测无人机对自身所搭载传感器的依赖。由于整个定位追踪过程只基于激光雷达的扫描，所以不受光照条件的影响。

【技术实现步骤摘要】
一种基于全区域激光扫描的多无人机协作定位方法
本专利技术涉及多旋翼无人机
，尤其涉及一种基于全区域激光扫描的多无人机协作定位方法。
技术介绍
近年来，多旋翼无人机广泛应用在农药喷洒、环境探索、搜寻救援等领域，为了提高工作效率，往往需要多架无人机在同一场景内同时进行工作，鲁棒的相对位姿估计能够确保多无人机各自规划的轨迹互不干扰，从而保证飞行任务的安全性。目前应用在无人机上的定位方法按照传感器划分主要分为基于视觉的定位和基于激光的定位。基于视觉的定位通过相机感光元件来捕获环境中物体的影像。随着相机位置的变化，相机所捕获的场景图像也相对的发生变化，视觉里程计算法从变化的图像中推断出机器人自身的位姿信息。基于激光的定位以激光作为信号源发射脉冲激光，打到周围环境中的树木、桥梁和建筑物上。激光在这些物体表面引起散射，一部分会被反射到雷达的接收器上。雷达根据激光测距原理计算其自身与周围环境之间的相对位姿。文献(VINS-Mono:ARobustandVersatileMonocularVisual-InertialStateEstima本文档来自技高网...

【技术保护点】
1.一种基于全区域激光扫描的多无人机协作定位方法，其特征在于包括以下步骤：/n步骤一、基于三维点云的多目标在线定位观测：/n对点云数据进行降噪处理；然后对地面进行提取并滤除，得到地面拟合结果；再将地面点云与非地面点云进行分割，并对非地面点云场景中的多个无人机目标进行聚类；从非地面点云中获取到多无人机目标的聚类之后，确定每个聚类目标的三维尺寸和朝向；/n步骤二、基于三维点云的多目标在线定位跟踪：/n在处理完连续两帧点云数据之后，需要对这两帧数据中的多个无人机目标状态进行关联，为形成目标连续运动轨迹和状态估计提供数据基础。/n

【技术特征摘要】
1.一种基于全区域激光扫描的多无人机协作定位方法，其特征在于包括以下步骤：
步骤一、基于三维点云的多目标在线定位观测：
对点云数据进行降噪处理；然后对地面进行提取并滤除，得到地面拟合结果；再将地面点云与非地面点云进行分割，并对非地面点云场景中的多个无人机目标进行聚类；从非地面点云中获取到多无人机目标的聚类之后，确定每个聚类目标的三维尺寸和朝向；
步骤二、基于三维点云的多目标在线定位跟踪：
在处理完连续两帧点云数据之后，需要对这两帧数据中的多个无人机目标状态进行关联，为形成目标连续运动轨迹和状态估计提供数据基础。


2.根据权利要求1所述的一种基于全区域激光扫描的多无人机协作定位方法，其特征在于，对点云数据进行降噪处理的具体步骤为：首先以点云中的每个点为中心各自确定半径为r的球形邻域，当邻域内点的数量小于预先设定的阈值k时，即认为该中心点为噪声点，滤除该噪声点。


3.根据权利要求1所述的一种基于全区域激光扫描的多无人机协作定位方法，其特征在于，对地面进行提取并滤除的具体步骤为：首先估计出地面高度的大致范围，并从该范围内的点云中随机选择最小子集来确定平面，再计算点云中每个点到平面模型的距离：



将所有点到平面的距离进行累加，重复以上操作N次，最后选出累加和最小的平面模型作为地面拟合结果。


4.根据权利要求1所述的一种基于全区域激光扫描的多无人机协作定位方法，其特征在于，将地面点云与非地面点云进行分割，并对非地面点云场景中的多个无人机目标进行聚类的具体步骤为：首先在点云中随机选择一个未访问过的点p，找到在其半径为r邻域内的所有邻近点，将p标记为已访问过，当在r邻域内的点数量大于阈值min_samples，则判定p是一个“核心点”，并创建一个聚类C；否则，将p判定为“噪声点”；遍历点p的r邻域内所有点，并将他们加入到聚类C中，当发现某一个点也是一个“核心点”，将其更新为新的p点，并且重复遍历点p的r邻域内所有点来检测是否为核心点，直到邻域内的点都被访问过，将聚类C从点云中提取出来，重新聚类剩余点云，当全部点云都被访问过以后算法终止。


5.根据权利要求1所述的一种基于全区域激光扫描的多无人机协作定位方法，其特征在于，确定每个聚类目标的三维尺寸和朝向的具体步骤为：首先将点云数据去中心化，得到去中心化之后的点云坐标Y＝(y1,y2,...,yn)，再计算协方差矩阵S＝YYT，S的特征向量是最大方差的方向，用特征值分解法求解协方差矩阵的特征值与特征向量，并对特征值由小到大排序，选择其中最大的3个，这3个特征向量所指的方向即为该目标点云的主方向，也就是聚类目标最小外接矩形长宽高所指的方向。分别统计出聚类中的点到三个特征向量的最大距离，将该距离乘以2即得到目标对象的最小外接矩形的尺寸。


6.根据权利要求1所述的一种基于全区域激光扫描的多无人机协作定位方法，其特征在于，关联滤波器对连续两帧的多目标状态进行关联，算法的流程分为预测、测量验证、关联概率计算与状态估计四部分。


7.根据权利要求6...

【专利技术属性】
技术研发人员：王翰章，刘一莎，庄严，李卓函，
申请(专利权)人：大连理工大学人工智能大连研究院，大连理工大学，大连天华智能科技有限公司，
类型：发明
国别省市：辽宁;21