一种基于抽象模块处理的无人机运动规划方法及系统技术方案

本发明专利技术公开了一种基于抽象模块处理的无人机运动规划方法及系统，应用于无人机路径规划技术领域。包括：步骤1：获取无人机原始传感信息；步骤2：采用抽象模块对原始传感信息进行处理，提取与无人机运动规划强相关特征作为中间表征信息；步骤3：将经抽象模块处理后的中间表征信息作为状态输入至以算法为框架的无人机运动规划模型；步骤4：训练基于SAC算法的无人机运动规划模型，得到训练好的基于SAC算法的无人机运动规划模型；步骤5：利用练好的基于SAC算法的无人机运动规划模型，得到无人机运动规划路径。本发明专利技术保证了无人机具备强探索性与强鲁棒性。与强鲁棒性。与强鲁棒性。

【技术实现步骤摘要】
一种基于抽象模块处理的无人机运动规划方法及系统


[0001]本专利技术涉及无人机路径规划
，更具体的说是涉及一种基于抽象模块处理的无人机运动规划方法及系统。

技术介绍

[0002]近年来，城市作战已成为现代战争的主要作战形态之一，使用无人机作为侦察与打击武器是城市作战常用手段，在无GPS信号和完整地图信息的阻止环境下，无人机如何实现自主运动规划显得尤为重要。目前路径规划算法主要可分为传统规划算法与智能规划算法，这些算法路径搜索能力强，但不具备对复杂环境快速响应能力，收敛速度慢，需要事先标记轨迹才能实现路径规划，因此并不适用于复杂环境。而深度强化学习方法具备无需全局地图、学习能力强、对传感器精度依赖性低等优点，十分适合解决在复杂未知环境中进行高速穿行机动的无人机的自主运动规划问题。
[0003]深度强化学习根据智能体是否能获得环境模型可分为基于模型的强化学习和无模型的强化学习，针对城市作战条件，无模型强化学习算法更广泛地被用于智能装备中。但无模型强化学习算法存在如何让智能体对环境的探索和对已获取经验的开发这相矛盾的两者之间进行权衡的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于抽象模块处理的无人机运动规划方法，其特征在于，包括以下步骤：步骤1：获取无人机原始传感信息；步骤2：采用抽象模块对原始传感信息进行处理，提取与无人机运动规划强相关特征作为中间表征信息；步骤3：将经抽象模块处理后的中间表征信息作为状态输入至以算法为框架的无人机运动规划模型；步骤4：训练基于SAC算法的无人机运动规划模型，得到训练好的基于SAC算法的无人机运动规划模型；步骤5：利用练好的基于SAC算法的无人机运动规划模型，得到无人机运动规划路径。2.根据权利要求1所述的一种基于抽象模块处理的无人机运动规划方法，其特征在于，步骤1中无人机原始传感信息包括：深度图像和IMU数据。3.根据权利要求1所述的一种基于抽象模块处理的无人机运动规划方法，其特征在于，步骤2中的中间表征信息包括：目标的二维特征、障碍的三维特征、无人机的运动轨迹特征。4.根据权利要求1所述的一种基于抽象模块处理的无人机运动规划方法，其特征在于，步骤2包括以下步骤：步骤2
‑
1：使用YOLOv5s网络模型对深度图像进行识别，提取得到目标的二维特征信息；步骤2
‑
2：使用FCOS3D网络模型对深度图像进行识别，提取得到障碍的三维特征信息；步骤2
‑
3：使用VINS
‑
Mono网络模型对二维特征信息和三维特征信息以及IMU数据进行识别，提取得到无人机的运动轨迹的特征信息。5.根据权利要求4所述的一种基于抽象模块处理的无人机运动规划方法，其特征在于，步骤2
‑
1中的YOLOv5s网络模型包括输入端、基准网络、Neck网络和Head输出端。6.根据权利要求4所述的一种基于抽象模块处理的无人机运动规划方法，其特征在于，步骤2
‑
2中的FCOS3D模型主要由三个部分组成：用于特征提取的骨干部分、用于多级分支构造的颈部部分和用于密集预测的检测头。7.根据权利要求4所述的一种基于抽象模块处理的无人机运动规划方法，其特征在于，步骤2
‑
3中的VINS
‑
Mono初始化阶段，从单目相机获取图片，并对所采集的图片进行自适应直方图均衡化处理，基于FAST算法提取图片中的Harris特征点，采用KLT金字塔光流算法对特征点进行跟踪。8.根据权利要求1所述的一种基于抽象模块处理的无人机运动规划方法，其特征在于，步骤4包括以下步骤：步骤4
‑
1：定义环境奖励函数，初始化SAC策略网络和价值网络参数，奖励函数如下式：其中，r(s
t
,a
t
)为当前时刻的环境奖励，r
arrive
为无人机到达目标时的奖励，r
collide<...

【专利技术属性】
技术研发人员：王正杰，侯俊竹，余缙，袁晓东，简中华，郭彦懿，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：