[发明专利]应用在避障系统中的决策融合方法

权利要求书

1.应用在避障系统中的决策融合方法，其特征在于，包括决策层做出如下处理：

P1,首先判断无人机与障碍物的相对距离，将相对距离进行三个部分的划分:小于N1m，N1m到N2m，N2m到N3m三个距离范围；

P2,距离划分完成后，根据无人机与障碍物的相对速度进行危险等级的划分:

P3,然后判断无人机与地面的高度值，将该高度值H进行四个等级的划分；

P4,对于危险等级，需要进行步骤P3的操作；对于警示等级，需要紧急减速后进行步骤P3的操作；对于提示等级和不相关等级，不用进行第三步骤的判断，返回重新进行检测。

2.根据权利要求1所述应用在避障系统中的决策融合方法，其特征在于，步骤P2危险等级的划分具体为：

当距离小于N1m，速度大于M1m/s,且预警时间小于Qs，则属于危险等级，速度小于M1m/s时，属于警示等级；

当距离N1m≤R<N2m，速度大于M2m/s时,处于危险等级；当速度M1m/s≤V<M2m/s时，处于警示等级，当速度小于M1m/s时，处于提示等级；

当距离N2m≤R<N3m时，当速度大于M3m/s时,处于危险等级；当速度M2m/s≤V<M3m/s时，处于警示等级，当速度M1m/s≤V<M2m/s时，处于提示等级，当速度小于M1m/s时，处于不相关等级。

3.根据权利要求1所述应用在避障系统中的决策融合方法，其特征在于，步骤P3四个等级的划分具体为：

当高度小于X1m时，障碍物包括墙、树木以及人，根据双目视觉传感器对障碍物的属性进行辨识，区分墙、树木、人，然后选择紧急悬停后进行向上爬升，通过爬升过程，对于人能完全进行避障，但是对于树木和墙需要进行进一步高度判断；

当高度X1m≤H<X2m，在这种高度时，障碍物包括墙、树木，根据双目视觉传感器对障碍物的属性进行辨识，区分墙、树木，然后选择紧急悬停后进行向上爬升，通过爬升过程，对于树木能完全进行避障，但是对于墙需要进行进一步高度判断；

当高度X2m≤H<X3m，在这种高度时，障碍物包括墙和高压线，根据视觉采集传感器对障碍物的属性进行辨识，区分墙和高压线，然后选择紧急悬停后进行向上爬升，通过爬升过程，对于树木能完全进行避障，但是对于墙需要继续进行高度判断；

当高度H≥X3m，在这种高度时根据双目视觉传感器对障碍物的属性进行辨识，如果确认还是墙面的时候，选择紧急悬停后进行折返避障。

4.根据权利要求1所述应用在避障系统中的决策融合方法，其特征在于，上述方法还包括：数据融合层对各个传感器采集到的数据进行处理：

1)毫米波雷达传感器输出数据为无人机与障碍物的相对距离R1、相对速度V1、障碍物与雷达法线之间的角度，包括方位角θ1与俯仰角ψ1；

2)超声波雷达传感器输入无人机与障碍物的相对距离R2；

3)双目视觉传感器输出物体面积S、方位角θ2以及相对距离R3；

4)雷达高度传感器输出无人机与地面的高度值R4；

5)GPS/北斗定位传感器输出时间T，定位状态S，A为定位，V为未定位，北纬N或南纬S，东经经度E或西经经度W，无人机速度V2；

6)AHRS模块输出三维加速度A_x,A_y,A_z、三维角速度w_x,w_y,w_z和三维地磁场强度m_x,m_y,m_z，通过这些数据解算出无人机当前的姿态数据，即飞行方位角θ3、俯仰角ψ2和翻滚角具体为：

5.根据权利要求1或4所述应用在避障系统中的决策融合方法，其特征在于，上述方法还包括：特征层进行无人机与障碍物相对距离的数据融合、无人机与地面相对高度的数据融合，无人机与障碍物的相对速度的数据融合以及获取障碍物的大小、形状等属性特征。