一种用于避碰动态障碍物的无人机类脑避障方法技术

本发明专利技术公开了一种用于避碰动态障碍物的无人机类脑避障方法，包括步骤：1)分析脉冲神经元的响应特性，建立神经元脉冲响应模型；2)对脉冲AC网络的输入相机数据进行差分编码处理，对输出时序信号进行时序编码调制，基于A3C算法的异步更新机制和基于λ回归算法的多步更新机制对脉冲AC网络的网络更新机制进行更新；3)获取无人机的相机数据，通过神经元脉冲响应模型和更新后的脉冲AC网络输出避障决策以进行避障。本发明专利技术具有决策速度快、资源消耗少和生物可解释性强等优点。少和生物可解释性强等优点。少和生物可解释性强等优点。

【技术实现步骤摘要】
一种用于避碰动态障碍物的无人机类脑避障方法


[0001]本专利技术主要涉及无人机
，具体涉及一种用于避碰动态障碍物的无人机类脑避障方法。

技术介绍

[0002]无人机(Unmanned Aerial Vehicle，UAV)在学术界和工业界都受到了空前重视并得到迅速发展。目前，无人机广泛应用于情报侦察、军事打击、信息对抗、搜索救援等军事领域，以及航空摄影、环境保护、农林作业、货物递送、道路交通监控等民用领域。
[0003]许多无人机都涉及到在低空和受限环境的飞行，例如空中格斗、复杂环境快速穿越、巡航过程中遇到突发情况等。这些情况对无人机的快速避障提出了很大的考验。无人机对障碍物识别距离和数量有限，在面对近距离障碍或者障碍速度较快时，无人机需要做出非常剧烈和频繁的机动动作。准确而快速的机动动作决策可以确保无人机自身安全，极大地提高无人机的生存能力。
[0004]随着应用的不断扩展，无人机越来越多地面临着复杂动态的飞行环境。在复杂动态的环境中，无人机遇到突发事故的可能性不断提高，为了能够智能、自主地完成任务，无人机必须具备对快本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于避碰动态障碍物的无人机类脑避障方法，其特征在于，包括步骤：1)分析脉冲神经元的响应特性，建立神经元脉冲响应模型；2)对脉冲AC网络的输入相机数据进行差分编码处理，对输出时序信号进行时序编码调制，基于A3C算法的异步更新机制和基于λ回归算法的多步更新机制对脉冲AC网络的网络更新机制进行更新；3)获取无人机的相机数据，通过神经元脉冲响应模型和更新后的脉冲AC网络输出避障决策以进行避障。2.根据权利要求1所述的用于避碰动态障碍物的无人机类脑避障方法，其特征在于，在步骤2)中，对相机数据进行脉冲化编码，使其能够直接被脉冲神经网络识别；其中对相机数据的脉冲化编码是通过识别对应像素上的数据变化来实现的；其中需要对相机的数据进行差分操作，具体为：相机的数据是RGB的亮度值，根据每个像素位置的亮度变化，产生识别变化的脉冲信号；将每个像素的亮度转化为对数亮度，如下式：L(u,t)＝log(0.299I
R
(u,t)+0.5781I
G
(u,t)+0.1141I
B
(u,t))其中，I
R
、I
G
、I
B
分别是相机的RGB数据，u是对应的像素位置，t为对应的时间；对像素的对数亮度做差分，产生对应的亮度变化；选取一个阈值ΔL，设定亮度变化超过阈值ΔL的变化是无人机需要关注的明显变化，即：f(u,t)＝1,L(u,t)
‑
L(u,t
‑
Δt)>ΔL通过f(u,t)记录这些明显变化；f(u,t)就是所需要的无人机的脉冲输入。3.根据权利要求2所述的用于避碰动态障碍物的无人机类脑避障方法，其特征在于，在步骤2)中，相机输入的帧之间的时间间隔ΔT与仿真时使用的时间间隔Δt是不同的；采用线性插值的方法，将两帧之间的像素对数亮度变化，平摊到帧时间间隔中，以补足帧与帧之间的脉冲信号编码。4.根据权利要求1或2或3所述的用于避碰动态障碍物的无人机类脑避障方法，其特征在于，在步骤2)中，对输出时序信号进行时序编码调制的过程为：Critic网络中，输出层只需要一个脉冲神经元来对信息进行编码，用以表示当前状态的价值函数；经过调制，脉冲神经元可以在任意时刻产生第一个脉冲，即将信息编码到正向时轴上，取值范围为t
out
∈(0,+∞)；设置调制神经元与输出神经元之间连接的权重，调制神经元激发的脉冲，在抵达输出神经元后，会使输出神经元激发一个脉冲，且输出神经元激发脉冲的时间为脉冲响应抵达峰值的时间；在Actor网络中，通过多个脉冲神经元分别产生的第一个脉冲进行编码，使每个神经元分别代表一个待选择的动作...

【专利技术属性】
技术研发人员：喻煌超，王祥科，赵述龙，尹栋，陆俊麒，曹粟，吴欣宁，周波，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：