[发明专利]基于多传感器的无人机智能感知系统和方法

说明书

技术领域

本发明涉及计算机视觉领域、传感器领域、嵌入式系统领域、无人机领域，尤其涉及一种基于多传感器的无人机智能感知系统。具体讲,涉及基于多传感器的无人机智能感知系统。

背景技术

无人机是一种远程操控或者通过程序控制的无人驾驶飞机。近年来，由于在军用和民用领域有着十分广阔的应用前景，四旋翼无人机引起了人们的广泛关注；四旋翼无人机具有体积小、重量轻、机动性强、结构简单、安全性好等优点，这使得无人机在地形测绘，航拍，目标跟踪与监视及灾难救援等实际任务中起到重要作用。因此，随着无人机相关技术的发展和应用场景的复杂化，在四旋翼无人机上搭载多种传感器设备，对周围环境进行感知显得尤为关键。

无人机智能感知技术主要解决在未知环境中无人机的自主定位和目标识别两大问题。自主定位是无人机在未知环境中执行复杂任务的基础与关键。传统的无人机定位方法是采用GPS、北斗等全球卫星导航定位系统，定位精度较低，误差较大，而且在复杂环境中通常存在着噪声干扰、信号遮挡等问题，GPS信号不稳定。为解决无GPS环境下的无人机精准定位问题，常采用基于激光雷达，双目摄像头或RGB-D摄像头等传感器设备进行无人机自主定位，或者通过OptiTrack等运动捕捉系统进行定位。目标识别是实现无人机智能感知的另一重要技术。主要基于视觉传感器采集环境图像信息，通过对图像信息的处理，提取图像特征进行目标识别。

针对无人机智能感知问题，目前美国宾夕法尼亚大学的GRASP实验室、麻省理工学院、瑞士苏黎世联邦理工大学、德国慕尼黑工业大学等国家的科研团队都在进行深入研究；近年来，国内的清华大学，北京航空航天大学，天津大学等高校也开展了相关研究。由此可见智能感知是国际无人机领域研究的前沿热点问题。因此，设计一套易扩展、稳定性强、能够实现自主定位和目标识别的无人机智能感知系统具有极高的实际价值和应用意义。

发明内容

为克服现有技术的不足，本发明旨在提出一种基于多传感器的无人机智能感知系统，并在此基础上提出了一种基于SLAM的无人机自主定位方法和一种基于RGB-D传感器的目标识别方法，通过设计无人机的自主定位模块及目标识别模块并运行相应算法，实现无人机对周围环境的智能感知。还可通过该系统对其它自主定位算法及目标识别算法进行验证，有利于算法的修正与改进，提高了智能感知技术的研究效率，具有极大的应用价值。本发明采用的技术方案是，基于多传感器的无人机智能感知系统，包括激光雷达、RGB-D视觉传感器、IMU惯性测量单元、嵌入式机载处理器和飞行控制器，激光雷达用于测量周围环境的距离信息；RGB-D视觉传感器采集周围环境的距离信息和图像信息，激光雷达采集的为2D点云数据，而RGB-D视觉传感器采集的为3D点云数据，IMU惯性测量单元是测量自身三轴姿态角及加速度的设备，飞行控制器主要用于控制无人机的飞行，嵌入式机载处理器包括自主定位和目标识别两个独立模块，分别通过处理点云数据，获得无人机自身位姿并进行目标识别。

自主定位模块采用基于SLAM的无人机自主定位，由以下三个步骤完成：第一步先通过处理激光雷达的点云数据获取周围环境的初始地图；第二步通过高斯牛顿法进行扫描匹配估计无人机在水平面内的位置；第三步通过融合IMU的姿态数据和无人机的高度数据获取无人机在三维空间内的位置姿态。

基于多传感器的无人机智能感知方法，利用激光雷达、RGB-D视觉传感器和嵌入式机载处理器实现，利用激光雷达测量周围环境的距离信息；利用RGB-D视觉传感器采集周围环境的距离信息和图像信息，激光雷达采集的为2D点云数据，而RGB-D视觉传感器采集的为3D点云数据，利用嵌入式机载处理器运行自主定位和目标识别两个独立模块，分别通过处理点云数据，获得无人机自身位姿并进行目标识别。

目标识别模块基于RGB-D传感器进行目标识别的具体步骤是，首先对RGB-D传感器获取的点云数据进行预处理，然后通过支持向量机进行离线建模，建立模型数据库，最后进行在线目标识别，具体地：

第一步：本发明采用双线性插值法得到占据栅格地图概率值V(P_m)建立初始环境地图，P_m为地图坐标(x,y)，双线性插值法的公式如下：

其中(x_i,y_i)，i＝0为,(x,1y)附近的四个整数坐标点；