【技术实现步骤摘要】
一种用于飞行器空间全向避障方法及系统
[0001]本专利技术属于无人机飞行控制领域,尤其涉及用于飞行器空间全向避障方法及系统。
技术介绍
[0002]近几年,对无人机自动感知与控制提出了越来越高的要求,尤其是主动避障方面,使无人机能在复杂环境中自主安全的飞行,而不会发生碰撞及炸机情况。目前有少数无人机企业将毫米波雷达、超声波雷达、光流、红外等传感器安装在无人机上,进行避障应用,但是上述方案存在检测距离和范围受限、精度不高等缺点,进而容易引发漏检和误检等意外情况,因此涉及到航空科技研发的企业还需要在飞行器的避障方面不断的进行创新和研究投入,作为飞行器无论是民用还是军用方面,怎样安全的飞行一直都是备受大家关注的问题。
[0003]目前行业内,在飞行器避障方面采用最多的方案有如下几种:1、使用传统的雷达进行障碍物探测;2、使用激光雷达进行障碍物扫描识别;3、超声波传感器障碍物探测;4、基于计算机视觉技术的障碍物检测。
[0004]采用雷达进行避障的方案不仅设备价格昂贵,而且很难实现空间全向的障碍物检测,很难适用于在 ...
【技术保护点】
【技术特征摘要】
1.一种用于飞行器空间全向避障系统,所述的避障系统包括一架四旋翼无人飞行器,所述的飞行器包括机身,四个螺旋桨,四个马达电机,摄像头,飞行控制系统和电池系统;所述的电机马达与飞行控制系统和电池系统之间电连接;所述的摄像头与飞行控制系统和电池系统之间电连接,其特征在于:所述的机身上安装有三组摄像头,第一组摄像头安装在机头上方的位置和机尾上方的位置;第二组摄像头安装在机身底部,与机身上方的摄像头安装位置完全对称;第三组摄像头安装在机头正前方。2.一种用于飞行器空间全向避障的方法,其特征在于:包括如下步骤:步骤1、采集一组鱼眼双目摄像头的图像;步骤2、将步骤1采集到的双目图像输入到计算深度的深度学习网络模型,输出预测深度图步骤3、将步骤1采集到的双目图像输入到深度立体匹配计算模块,输出真实深度图d(x,y);步骤4、计算匹配损失loss,迭代优化深度学习网络模型,使得匹配损失最小化;步骤5、重复步骤1至步骤4,直到匹配损失loss小于阈值ε;步骤6、根据空间关系,将步骤1输出的预测深度图中每一个点投影到3维空间中,输出3维点云P;步骤7、对每一组双目图像按照步骤2至步骤6操作,输出多组点云P1、P...
【专利技术属性】
技术研发人员:赵荟文,张圣超,何旭东,
申请(专利权)人:涵涡智航科技玉溪有限公司,
类型:发明
国别省市:
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。