一种用于无人机智能避障的增量式三维构图方法技术

一种用于无人机智能避障的增量式三维构图方法，1、建立三维滑动栅格地图模型；2、预处理里程计和深度信息，获得里程计，获得深度信息，将里程计和深度时间对齐，再对深度进行降采样和坐标变换，将载体坐标系下的深度信息转换成世界坐标系的点云；3、构建占据栅格地图，将测量到的占据信息融合至占据栅格地图中；4、使用广度优先搜索算法BFS膨胀地图，在每次占据栅格地图更新中，使用lower数组记录占据栅格地图中栅格状态由自由变成占据的索引，使用raise数组记录占据栅格地图中栅格状态由占据变成自由的索引。该方法克服了大范围大尺寸地图膨胀耗时大的问题，适用于无人机自主避障的三维建图，提高三维建图效率，进而提高避障成功率。功率。功率。

【技术实现步骤摘要】
一种用于无人机智能避障的增量式三维构图方法


[0001]本专利技术属于无人机自主避障
，提出一种用于无人机智能避障的增量式三维构图方法，特别涉及一种用于无人机智能避障的增量式三维构图方法。

技术介绍

[0002]无人机具有敏捷性高、负载能力强等特点，近年来在电力巡检、自主探索和应急救援等领域应用广泛。在未知复杂环境中，实时自主建图规划是无人机实现这些应用的关键技术。通常，无人机采用立体视觉、激光雷达等传感器，获取周边障碍物信息，并通过地图构建系统表达空间中物体的占据概率或距离等信息。轨迹规划是多目标优化问题，具有质点规划、距离约束是软约束的特点。因此，在原始地图的基础上，将物体按照无人机的大小膨胀一定尺寸是保证无人机安全性的重要手段之一。
[0003]膨胀地图在原始地图的基础上，将物体膨胀一定尺寸，形成虚拟的物体区域，以此限制无人机质心实际能够到达的区域。地图膨胀一般是规划地图的必要步骤，能够提高飞行轨迹的安全性。首先，主流的规划算法将无人机抽象成质点，在搜索和优化过程中不考虑无人机形状。其次，当无人机控制精度和深度测量精度不高时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于无人机智能避障的增量式三维构图方法，包括以下步骤，其特征在于：(1)建立三维滑动栅格地图模型，用数组存储地图信息；利用地图原点的移动，实现滑动栅格地图，空间中某点p
W
的信息和数组索引的映射关系如公式所示：其中，表示地图的原点，该原点随着无人机移动而移动，r表示地图分辨率；然后，根据数组在计算机中实现方式，获得对应索引，访问方式如公式所示：index＝size(0)
×
size(1)
×
voxel(0)+size(1)
×
voxel(1)+voxel(2)其中，index表示数组的索引，size表示地图的边长；(2)预处理里程计和深度信息；获取深度图，记作D∈R
H
×
W
，将里程计和深度时间对齐，再对深度进行降采样和坐标变换，将载体坐标系下的深度信息转换成世界坐标系的点云：p
W
RKD
u，v，d
+t其中，K表示深度相机的内参矩阵，D
u,v，d
表示深度图的索引，里程计(R，t)表示载体坐标系到世界坐标系的坐标映射关系；(3)构建占据栅格地图；假设对地图的观测过程具有马尔可夫性并且体素之间测量相互独立，通过光线投射遍历整幅深度图，将射线沿途的体素的占据概率降低，将最终击中的体素的占据概率提高，其中，贝叶斯滤波更新体素占据概率：其中，D
t
表示t时刻观测到的深度图，x
t
表示t时刻无人机的位姿；P(m
t
)和P(m
t
‑1)表示t和t—1时刻的占据栅格地图置信度；p(m0)表示地图的初始置信度；P(m|D
t
，x
t
)是测量模型，表示t时刻的深度测量引起的地图概率变化值；使用对数概率重写上式：L(m
t
)＝L(m
t
‑1)+L(m|D
t
,x
t
)
‑
L(m0)考虑工作环境中物体的动态特性，对上式中添加最大和最小约束，L(m
t
)＝min{max[L(m
t
‑1)+L(m|D
t
，x
t
)
‑
L(m0)，L
min
]，L
max

【专利技术属性】
技术研发人员：王立辉，李勇，
申请(专利权)人：东南大学，
类型：发明
国别省市：