基于概率膜计算的煤矿井下无人直升机SLAM制造技术

本发明专利技术涉及无人机监测技术领域，具体涉及基于概率膜计算的煤矿井下无人直升机SLAM。本发明专利技术在分析得出LiDAR、MU和深度相机传感器数学模型的基础上，设计了概率膜系统模型和膜算法，并对建立的模型和算法进行了验证，通过理论分析并与实验相结合，将本发明专利技术提出的方法与单一、两种和三种传感器融合的建图方法进行比较，验证了概率膜计算在建图效果上具备很好的性能。性能。性能。

【技术实现步骤摘要】
基于概率膜计算的煤矿井下无人直升机SLAM


[0001]本专利技术涉及无人机监测
，具体涉及基于概率膜计算的煤矿井下无人直升机SLAM。

技术介绍

[0002]在未知环境下，无人机可以对自身位置和姿态进行估计，是能够有效完成任务的关键技术。当无人机在低空，低速行驶时，使用全球定位系统(Global PositioningSystem，GPS)和惯性导航系统(Inertial Navigation System，INS)等方法可以获得飞行所需的位置、速度等信息，满足在城市中的飞行需求。但是GPS和INS存在使用的局限性，GPS的误差范围为3
‑
10米，而且在室内环境和高山、峡谷等恶劣环境下由于信号弱导致无法正常工作，尤其是近年来无人机发展迅速在开采领域也取得了一定成就，尤其是露天矿场和地下掘进巷道，无人机具有速度快、精度高等优点，可以在复杂环境下快速完成数据采集，地形勘探，但是由于矿场环境复杂，传统的定位装置精度难以保证，因此设计一种多数据融合，可利用无人机自带的传感器进行定位和飞行姿态调整的方法就显得尤为重要。

技术实现思路

[0003]针对上述技术背景提到的不足，本专利技术的目的在于提供基于概率膜计算的煤矿井下无人直升机SLAM。
[0004]本专利技术的目的可以通过以下技术方案实现：
[0005]基于概率膜计算的煤矿井下无人直升机SLAM，其主要包括传感器模型、基于概率稀疏扩展SLAM、概率膜计算SLAM，所述传感器模型是在分析各传感器工作原理的基础上，给出相应传感器数学模型；其次，设计膜内概率膜算法，构建概率膜系统，基于稀疏滤波实现概率SLAM地图构建。
[0006]进一步的，所述传感器模型包括惯性测量单元、激光雷达、深度相机，惯性测量单元由三个线性、正交的加速度计和陀螺仪构成，可测量正交坐标轴下的角速率和加速度；激光雷达作为利用激光脉冲实现位置测量的传感器，通过控制激光束反射角度来描述方位角及俯仰角，深度相机可测量像素的深度。
[0007]进一步的，所述基于概率稀疏扩展SLAM，具体扩展方法如下：
[0008]当无人直升机不清楚自身位置，无法获取环境地图，所有的数据集中于测量数据和控制数据，从概率学角度，SLAM问题被划分为全SLAM和在线SLAM，在全SLAM中，除了直升机位姿，还需要计算路径和后验地图，时间t时刻的概率可表达为：
[0009]p(x
1～t
,m|y
1～t
,u
1～t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)在线SLAM，考虑即时位姿和地图后验，时间上的概率表达为：
[0010]p(x
t
,m|y
1～t
,u
1～t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0011]式(13)和式(14)中，x
t
表示t时刻直升机位姿，m表示地图，y
1～t
,u
1～t
为测量和控制数据，其分别表示的模型如图4所示，
[0012]在实际应用过程中，对全SLAM的过去状态积分可实现在线SLAM，积分呈现连续状态，依次进行，如式(15)所示，
[0013]p(x
t
,m|y
1～t
,u
1～t
)＝∫∫
···
∫p(x
1～t
,m|y
1～t
,u
1～t
)dx1dx2···
dx
t
‑1ꢀꢀꢀꢀꢀꢀ
(15)
[0014]基于连续和离散的问题，连续问题包含地图中无人机位姿和定位，在特征表示过程中物体以信标等表示，而离散特性与一致性关联，检测到物体时，算法会计算前后检测到物体之间的关联，表现出离散特征，即”0”或”1”状态，因此，一致性的明确很必要，结合式(13)和式(14)，加入一致性变量的在线和全SLAM如下：
[0015][0016]式(16)中，f
t
为一致性变量下对应的矢量，
[0017]稀疏扩展滤波：与扩展卡尔曼滤波相比，出于在线运行和计算高效率目的，稀疏扩展滤波表征了信息的高效性，继承无人直升机位姿和地图后验证，即通过非零元素相连接的维持稀疏矩阵，稀疏扩展滤波的计算过程包含测量更新、运动更新、稀疏化和估计四部分，
[0018]运动更新使用矩阵的稀疏性，在时间上不依赖地图的规模，把信息矩阵Ω和矢量ζ通过更新来完成对控制的处理，根据卡尔曼滤波给出：
[0019][0020][0021]式(17)和式(18)中，Σ表示协方差矩阵，F
x
表示直升机状态矢量矩阵，G
t
表示雅可比矩阵表示对时间t的导数，表示时间t时刻的估计均值，其中G
t
，F
x
，δ的表示如下：
[0022][0023][0024][0025]根据式(18)和式(19)可推导出：
[0026][0027]式(22)中信息矩阵Ω维数随机且在有限时间实现，假设信息矩阵Ω稀疏，则更新效率增强，定义：
[0028][0029]将式(23)代入式(22)可得：
[0030][0031]由矩阵逆引理可进一步得到：
[0032][0033]假设有限时间内根据Ω计算得到Φ
t
，则存在时间有限条件下的计算可行性，利用直升机位姿和地图特征的矩阵元素(非零)，稀疏条件下不依赖Ω的大小，考虑G
t
的逆可以由以下计算得出：
[0034][0035]式(26)中，对应地图特征元素非零，
[0036]测量更新考虑直升机飞行过程中的滤波更新，通过扩展卡尔曼滤波实现：
[0037][0038]其中，Q
t
为噪声协方差矩阵。
[0039]进一步的，所述稀疏扩展滤波对信息矩阵Ω稀疏化是必要的，通过稀疏化的表征，保障其后验分布处于稀疏状态，基于此，剔除直升机位姿和地图特征之间的关联，进一步限制了特征间的数量，为实现上述思想，引入两种新的连接，首先，依靠非活动连接激活此特征，在无人直升机位姿和特征之间引入新连接；其次，直升机运动引入活动特征的两个新连接，限制活动特征的数量，避免出现两个非稀疏边界，此时的稀疏通过少的活动特征获取，
[0040]稀疏化定义过程中将特征集合分为3个子集(不相交)：
[0041]m＝m0+m1+m2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)
[0042]式(28)，m1为活动继续的特征集合，m0为即将激励的活动特征，m2为非活动特征，在稀疏化步骤中继续非活动状态，同时删除直升机位姿和m0之间的连接，将稀疏化引入后验，因m1和m0包含当前所有特征，后验p(y
t
|z
1～t
,u本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于概率膜计算的煤矿井下无人直升机SLAM，其主要包括传感器模型、基于概率稀疏扩展SLAM、概率膜计算SLAM，其特征在于，所述传感器模型是在分析各传感器工作原理的基础上，给出相应传感器数学模型；其次，设计膜内概率膜算法，构建概率膜系统，基于稀疏滤波实现概率SLAM地图构建。2.根据权利要求1所述的基于概率膜计算的煤矿井下无人直升机SLAM，其特征在于，所述传感器模型包括惯性测量单元、激光雷达、深度相机，惯性测量单元由三个线性、正交的加速度计和陀螺仪构成，可测量正交坐标轴下的角速率和加速度；激光雷达作为利用激光脉冲实现位置测量的传感器，通过控制激光束反射角度来描述方位角及俯仰角，深度相机可测量像素的深度。3.根据权利要求1所述的基于概率膜计算的煤矿井下无人直升机SLAM，其特征在于，所述基于概率稀疏扩展SLAM，具体扩展方法如下：当无人直升机不清楚自身位置，无法获取环境地图，所有的数据集中于测量数据和控制数据，从概率学角度，SLAM问题被划分为全SLAM和在线SLAM，在全SLAM中，除了直升机位姿，还需要计算路径和后验地图，时间t时刻的概率可表达为：p(x
1～t
,m|y
1～t
,u
1～t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)在线SLAM，考虑即时位姿和地图后验，时间上的概率表达为：p(x
t
,m|y
1～t
,u
1～t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)式(13)和式(14)中，x
t
表示t时刻直升机位姿，m表示地图，y
1～t
,u
1～t
为测量和控制数据，其分别表示的模型如图4所示，在实际应用过程中，对全SLAM的过去状态积分可实现在线SLAM，积分呈现连续状态，依次进行，如式(15)所示，p(x
t
,m|y
1～t
,u
1～t
)＝∫∫
···
∫p(x
1～t
,m|y
1～t
,u
1～t
)dx1dx2···
dx
t
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)基于连续和离散的问题，连续问题包含地图中无人机位姿和定位，在特征表示过程中物体以信标等表示，而离散特性与一致性关联，检测到物体时，算法会计算前后检测到物体之间的关联，表现出离散特征，即”0”或”1”状态，因此，一致性的明确很必要，结合式(13)和式(14)，加入一致性变量的在线和全SLAM如下：式(16)中，f
t
为一致性变量下对应的矢量，稀疏扩展滤波：与扩展卡尔曼滤波相比，出于在线运行和计算高效率目的，稀疏扩展滤波表征了信息的高效性，继承无人直升机位姿和地图后验证，即通过非零元素相连接的维持稀疏矩阵，稀疏扩展滤波的计算过程包含测量更新、运动更新、稀疏化和估计四部分，运动更新使用矩阵的稀疏性，在时间上不依赖地图的规模，把信息矩阵Ω和矢量ζ通过更新来完成对控制的处理，根据卡尔曼滤波给出：更新来完成对控制的处理，根据卡尔曼滤波给出：式(17)和式(18)中，Σ表示协方差矩阵，F
x
表示直升机状态矢量矩阵，G
t
表示雅可比矩
阵表示对时间t的导数，表示时间t时刻的估计均值，其中G
t
，F
x
，δ的表示如下：，δ的表示如下：，δ的表示如下：根据式(18)和式(19)可推导出：式(22)中信息矩阵Ω维数随机且在有限时间实现，假设信息矩阵Ω稀疏，则更新效率增强，定义：将式(23)代入式(22)可得：由矩阵逆引理可进一步得到：假设有限时间内根据Ω计算得到Φ
t
，则存在时间有限条件下的计算可行性，利用直升机位姿和地图特征的矩阵元素(非零)，稀疏条件下不依赖Ω的大小，考虑G
t
的逆，可以由以下计算得出：式(26)中，对应地图特征元素非零，测量更新考虑直升机飞行过程中的滤波更新，通过扩展卡尔曼滤波实现：其中，Q
t
为噪声协方差矩阵。4.根据权利要求3所述的基于概率膜计算的煤矿井下无人直升机SLAM，其特征在于，所述稀疏扩展滤波对信息矩阵Ω稀疏化是必要的，通过稀疏化的表征，保障其后验分布处于
稀疏状态，基于此，剔除直升机位姿和地图特征之间的关联，进一步限制了特征间的数量，为实现上述思想，引入两种新的连接，首先，依靠非活动连接激活此特征，在无人直升机位姿和特征之间引入新连接；其次，直升机运动引入活动特征的两个新连接，限制活动特征的数量，避免出现两个非稀疏边界，此时的稀疏通过少的活动特征获取，稀疏化定义过程中将特征集合分为3个子集(不相交)：m＝m0+m1+m2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)式(28)，m1为活动继续的特征集合，m0为即将激励的活动特征，m2为非活动特征，在稀疏化步骤中继续非活动状态，同时删除直升机位姿和m0之间的连接，将稀疏化引入后验，因m1和m0包含当前所有特征，后验p(y
t
|z
1～t
,u
1～t

【专利技术属性】
技术研发人员：许家昌，方瑞茺，李虹金，张贵生，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：