一种无RTK信号场景下全自动无人机巡检智能路径规划方法技术

本发明专利技术属于无人机飞行路径规划技术领域，具体涉及一种无RTK信号场景下全自动无人机巡检智能路径规划方法。发明专利技术采用双目视觉定位技术在无RTK信号的场景下计算出无人机和未知障碍物的位置，通过识别未知障碍物的边缘特征点，并且根据无人机的反应距离对其进行偏移处理，得到虚拟节点，以此规划出新的巡航路径，由于未知障碍物的形状不确定，在无人机到达虚拟节点之后有充分的时间进行再次避障，并与已知的第一巡航路径交叉计算，使得其能够在不碰触障碍物的前提下继续巡航，同时也就使得无人机在巡航过程中具备连续避障的能力，让无人机在无RTK信号的场景中的巡航工作更具安全性。无RTK信号的场景中的巡航工作更具安全性。无RTK信号的场景中的巡航工作更具安全性。

【技术实现步骤摘要】
一种无RTK信号场景下全自动无人机巡检智能路径规划方法


[0001]本专利技术属于无人机飞行路径规划
，具体涉及一种无RTK信号场景下全自动无人机巡检智能路径规划方法。

技术介绍

[0002]无人机在巡检过程中，难免会遇到无RTK信号的场景，此时，便无法通过远程操控技术来操控无人机进行飞行，此时，便需要使用全自动的无人机自行在该场景中进行飞行，在飞行之前，需要对无RTK信号的场景进行实地考察，标记出影响无人机飞行的障碍物等，然后根据实地考察的结果进行建模，并且计算出巡航路径，以此来保证无人机在巡航过程中不会碰触到障碍物而损坏。
[0003]实地考察的场景中，难免会存在一些不可控的信息，例如树木的增长，新架设的电缆等，还有随风飘荡的树叶等，均是需要无人机自行识别并绕开的障碍物，现有的全自动无人机虽然搭载有避障系统，但是需要配合射频信号或者雷达信号进行实现，对于物RTK信号的场景而言，其显然是不适用的，信号的延迟，极有可能会导致无人机与障碍物相碰撞，基于此，本专利技术提供了一种能够在无RTK信号场景下自动规划路径的方法。

技术实现思路

[0004]本专利技术的目的是提供一种无RTK信号场景下全自动无人机巡检智能路径规划方法，能够在无RTK信号场景下进行避障，并且自动规划出新的路径。
[0005]本专利技术采取的技术方案具体如下：一种无RTK信号场景下全自动无人机巡检智能路径规划方法，包括：获取巡航场景信息，并依据所述巡航场景信息搭建巡航空间模型，其中，所述场景信息包括地理信息、环境信息以及图像信息；获取所述巡航场景信息中的巡检目标位置，根据双目立体视觉模型确定无人机的巡航起点信息，并依据巡航起点信息和巡检目标位置计算得出第一巡航路径，其中，所述巡航起点信息包括起点坐标、飞行速度以及飞行方向；所述无人机实时获取航行方向前端的空间信息，并判断所述空间信息中是否存在未知障碍物；若存在未知障碍物，则获取未知障碍物的边缘特征点，生成未知障碍物模型，且计算出其坐标信息，并根据无人机实时坐标信息和飞行状态信息生成绕行路径，并将绕行路径和第一巡航路径进行交叉计算，得出第二巡航路径；根据无人机飞行速度，判断未知障碍物接近无人机的速度；若接近速度大于无人机飞行速度，则标定为威胁障碍信息，且根据无人机飞行速度计算出惯性终点，并计算出惯性终点坐标信息，再与第一巡航路径进行交叉计算，得出第三巡航路径；若接近速度小于或等于无人机飞行速度，则标定为安全障碍信息，且无人机按照
第二巡航路径继续航行；获取安全障碍信息，并同步至所述巡航空间模型中，且所述无人机返航时，以所述第二巡航路径作为最优路径；若不存在未知障碍物，则无人机按照第一巡航路径继续航行。
[0006]在一种优选方案中，所述根据双目立体视觉模型确定无人机的巡航起点信息，并依据巡航起点信息和巡检目标位置计算得出第一巡航路径的步骤，包括：所述双目相机采集无人机前端的图像特征信息，其中，所述双目相机被配置于所述无人机上；以所述巡航空间模型为基础，建立世界坐标体系，并且获取图像特征点投影至双目相机中的成像平面中，得到特征投影点，且对特征投影点进行畸变校正，得到两个特征投影点的平面坐标；根据特征投影点的两个平面坐标计算出特征投影点的视差，其计算公式为：，式中，表示双目相机的视差值，表示双目相机焦距，表示基线长度，表示图像特征点到成像平面的深度；根据视差确定双目相机的坐标位置，其表示为：P（，，），其中，、分别表示图像特征点在世界坐标中的横坐标和纵坐标；根据双目相机的坐标位置判断无人机的当前位置；将所述无人机当前位置坐标和目标位置代入狄克斯特拉算法中进行计算，得出无人机巡航的第一巡航路径。
[0007]在一种优选方案中，所述无人机实时获取航行方向前端的空间信息，并判断所述空间信息中是否存在障碍物的步骤，包括：获取第一巡航路径中固有障碍物的图像信息，并将其确定为安全特征信息；所述双目相机获取空间信息中目标障碍物图像的目标特征信息；将所述一级特征信息与安全特征信息代入匹配度目标函数中进行比对；其中，目标函数的公式为：，式中，表示目标特征信息与安全特征信息的匹配值，和分别表示固有障碍物图像和目标障碍物图像的所有可能的灰度值，取值为正整数，和分别表示目标障碍物图像和固有障碍物的图像的像素总数，和表示灰度在目标障碍物图像和固有障碍物像素中出现的次数，和分别表示目标障碍物图像和固有障碍物的像素灰度；获取匹配度的标准阈值为0.8；若所述匹配值＜0.8，则说明目标障碍物和固有障碍物不匹配，并将目标障碍物标定为未知障碍物，且无人机不能按照第一巡航路径继续飞行；若所述匹配值≥0.8，则说明目标障碍物和固有障碍物相匹配，无人机能按照第一巡航路径继续飞行。
[0008]在一种优选方案中，获取未知障碍物的边缘特征点，生成未知障碍物模型，且计算出其坐标信息的过程也采用双目立体视觉模型进行确定。
[0009]在一种优选方案中，根据无人机实时坐标信息和飞行状态信息生成绕行路径的步骤，包括：获取无人机反应时间，并代入至反应距离公式中，得到无人机在发现未知障碍物后的滑行距离，其中，反应距离公式为：，式中，表示反应距离，表示无人机飞行速度，表示反应时间；获取未知障碍物边缘特征点的坐标位置，且对这些边缘特征点的坐标位置进行偏移，得到多个第一虚拟节点；以无人机反应距离的终点作为起点，多个虚拟节点为目标节点，并代入狄克斯特拉算法中进行计算，得到绕行路径。
[0010]在一种优选方案中，所述将绕行路径和第一巡航路径进行交叉计算，得出第二巡航路径的步骤，包括：获取所述第一巡航路径中与未知障碍物边缘特征点交叉的节点，并将此节点标定为一级碰撞点；对所述一级碰撞点进行偏移处理，得到第二虚拟节点；以所述绕行路径的终点为起点，第二虚拟节点为目标节点，代入狄克斯特拉算法中进行计算，得到第二巡航路径。
[0011]在一种优选方案中，所述根据无人机飞行速度，判断未知障碍物接近无人机的速度的步骤，包括：获取所述无人机飞行速度；以未知障碍物被标定的时间点为起始节点，建立两个采集节点；获取两个采集节点中无人机与未知障碍物之间的距离，并代入至判定公式中，其中，所述判定公式为：，式中，表示未知障碍物接近无人机的速度，表示第一个采集节点下，无人机与未知障碍物之间的距离，表示第二个采集节点下，无人机与未知障碍物之间的距离，表示第一个采集节点对应的时间节点，表示第二个采集节点对应的时间节点。
[0012]在一种优选方案中，所述根据无人机飞行速度计算出惯性终点，并计算出惯性终点坐标信息，再与第一巡航路径进行交叉计算，得出第三巡航路径的步骤，包括：获取双目相机标定未知障碍物时间节点下的无人机飞行速度；获取无人机减速状态下的加速度，代入变速公式：，求得惯性终点，式中，表示惯性终点，表示无人机飞行速度，表示减速时长，表示加速度；获取所述第一巡航路径中与威胁障碍物边缘特征点交叉的节点，并将此节点标定为二级碰撞点；对所述二级碰撞点进行偏移处理，得到第三虚拟节点以所述惯性终点为起点，第三虚拟节点为目标节点，代入狄克斯特拉算法中进行
计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无RTK信号场景下全自动无人机巡检智能路径规划方法，其特征在于：包括：获取巡航场景信息，并依据所述巡航场景信息搭建巡航空间模型，其中，所述场景信息包括地理信息、环境信息以及图像信息；获取所述巡航场景信息中的巡检目标位置，根据双目立体视觉模型确定无人机的巡航起点信息，并依据巡航起点信息和巡检目标位置计算得出第一巡航路径，其中，所述巡航起点信息包括起点坐标、飞行速度以及飞行方向；所述无人机实时获取航行方向前端的空间信息，并判断所述空间信息中是否存在未知障碍物；若存在未知障碍物，则获取未知障碍物的边缘特征点，生成未知障碍物模型，且计算出其坐标信息，并根据无人机实时坐标信息和飞行状态信息生成绕行路径，并将绕行路径和第一巡航路径进行交叉计算，得出第二巡航路径；根据无人机飞行速度，判断未知障碍物接近无人机的速度；若接近速度大于无人机飞行速度，则标定为威胁障碍信息，且根据无人机飞行速度计算出惯性终点，并计算出惯性终点坐标信息，再与第一巡航路径进行交叉计算，得出第三巡航路径；若接近速度小于或等于无人机飞行速度，则标定为安全障碍信息，且无人机按照第二巡航路径继续航行；获取安全障碍信息，并同步至所述巡航空间模型中，且所述无人机返航时，以所述第二巡航路径作为最优路径；若不存在未知障碍物，则无人机按照第一巡航路径继续航行；其中，所述根据无人机实时坐标信息和飞行状态信息生成绕行路径的步骤，包括：获取无人机反应时间，并代入至反应距离公式中，得到无人机在发现未知障碍物后的滑行距离，其中，反应距离公式为：，式中，表示反应距离，表示无人机飞行速度，表示反应时间；获取未知障碍物边缘特征点的坐标位置，且对这些边缘特征点的坐标位置进行偏移，得到多个第一虚拟节点；以无人机反应距离的终点作为起点，多个第一虚拟节点为目标节点，并代入狄克斯特拉算法中进行计算，得到绕行路径；其中，所述将绕行路径和第一巡航路径进行交叉计算，得出第二巡航路径的步骤，包括：获取所述第一巡航路径中与未知障碍物边缘特征点交叉的节点，并将此节点标定为一级碰撞点；对所述一级碰撞点进行偏移处理，得到第二虚拟节点；以所述绕行路径的终点为起点，第二虚拟节点为目标节点，代入狄克斯特拉算法中进行计算，得到第二巡航路径；其中，所述根据无人机飞行速度，判断未知障碍物接近无人机的速度的步骤，包括：获取所述无人机飞行速度；以未知障碍物被标定的时间点为起始节点，建立两个采集节点；
获取两个采集节点中无人机与未知障碍物之间的距离，并代入至判定公式中，其中，所述判定公式为：，式中，表示未知障碍物接近无人机的速度，表示第一个采集节点下，无人机与未知障碍物之间的距离，表示第二个采集节点下，无人机与未知障碍物之间的距离，表示第一个采集节点对应的时间节点，表示第二个采集节点对应的时间节点。2.根据权利要求1所述的一种无RTK信号场景下全自动无人机巡检智能路径规划方法，其特征在于：所述根据双目立体视觉模型确定无人机的巡航起点信息，并依据巡航起点信息和巡检目标位置计算得出第一巡航路径的步骤，包括：所述双目相机采集无人机前端的图像特征信息，其中，所述双目相机被配置于所述无人机上；以所述巡航空间模型为基础，建立世界坐标体系，并且获取图像特征点投影至双目相机中的成像平面中，得到特征投影点，且对特征投影点进行畸变校正，得到两个特征投影点的平面坐标；根据特征投影点的两个平面坐标计算出特征投影点的视差，其计算公式为：，式中，表示双目相机的视差值，表示双目相机焦距，表示基线长度，表示图像特征点到成像平面的深度；根据视差确定双目相机的坐标位置，其表示为：P（，，），其中，、分别表示图像特征点在世界坐标中的横坐标和纵坐标；根据双目相机的坐标位置判断无人机的当前位置；将所述无人机当前位置坐标和目标位置代入狄克斯特拉算法中进行计算，得出无人机巡航的第一巡航路径。3.根据权利要求1所述的一种无RTK信号场景下全自动无...

【专利技术属性】
技术研发人员：陈高辉，罗少杰，黄迪，王宁涛，徐良荣，应彬，严性平，赵欢伟，陆伟民，李泽，
申请(专利权)人：浙江大有实业有限公司杭州科技发展分公司，
类型：发明
国别省市：