[发明专利]基于GAAS的自主飞行方法及系统、存储介质

权利要求书

1.一种基于GAAS的自主飞行方法，其特征在于，包括：

基于SLAM对无人机中多融合传感器和双目/深度/单目相机采集的多种待处理信息进行位姿估计，优化无人机飞控过程中的位置姿态，所述多融合传感器至少包括惯性测量单元IMU、GPS绝对位置定位传感器和气压计；

结合基于满足动力学约束的A-star算法和基于双目/单目/深度摄像头的障碍物检测算法进行飞控过程中的路径规划；

采用基于梯度(Gradient)的轨迹优化算法对轨迹进行优化，生成具有动力学可行性的轨迹(Trajectory)；

基于单应性矩阵恢复无人机降落时视距传感器和降落目标之间的旋转和平移关系，指导无人机降落至目标地。

2.根据权利要求1所述的飞行控制方法，其特征在于，所述基于SLAM对无人机中多融合传感器和双目/深度/单目相机采集的多种待处理信息进行位姿估计，包括：

采用双目/深度/单目相机和IMU进行联合标定，实现无人机的视觉定位；

基于GPS绝对位置定位传感器采集的GPS信息以及气压计采集的气压信息进行相对位置的估计；

根据所述视觉定位和所述相对位置估计得到的位置姿态、路标点、路标点的重投影误差以及位置姿态误差确定优化后的位置姿态。

3.根据权利要求1所述的飞行控制方法，其特征在于，所述方法还包括：

采用基于DBoW的词袋模型消除SLAM在位姿估计中的累计误差。

4.根据权利要求3所述的飞行控制方法，其特征在于，所述采用基于DBoW的词袋模型消除SLAM在位姿估计中的累计误差，包括：

在基于SLAM的位姿估计中，若当前图像的BoW向量与历史环境中的一向量的汉明距离小于预设值，确定当前环境与上述历史环境是一致的；

根据当前时刻和历史时刻的位置变换和旋转变换，确定当前环境和历史环境的相对位置变换和相对旋转变换；

根据所述相对位置变换和相对旋转变换之间的差异，消除SLAM运行过程中的累计误差。

5.根据权利要求1所述的飞行控制方法，其特征在于，所述方法还包括：

采用优化的Fast特征点检测算法对视觉定位中的图像数据进行特征提取。

6.根据权利要求5所述的飞行控制方法，其特征在于，所述采用优化的Fast特征点检测算法对视觉定位中的图像数据进行特征提取，包括：

对双目/深度/单目相机采集的图像数据进行网格化处理，对各网格内的图像进行特征点检测；

基于网格内特征点周围的灰度变化确定各网格内的最优特征点。

7.根据权利要求1所述的飞行控制方法，其特征在于，所述结合基于满足动力学约束的A-star算法和基于双目/单目/深度摄像头的障碍物检测算法进行飞控过程中的路径规划，包括：

无人机每运行一定的距离，根据视觉传感器采集的环境信息构建周围环境的障碍地图；

根据当前地图和自身运动状态采用满足动力学约束的A-star算法规划出一条全局路径；

无人机每运行一定的距离，便通过传感器信息更新周围环境，为下一次的局部路径规划提供最新的环境信息。

8.根据权利要求7所述的飞行控制方法，其特征在于，所述使用基于梯度(Gradient)的轨迹优化算法对轨迹进行优化，生成具有动力学可行性的轨迹(Trajectory)，包括：

根据A-star路径规划的对应的路径得到无人机将要经过的途径点(waypoint)，使用基于梯度(Gradient)的轨迹优化算法优化所述路径并生成一条能够被无人机执行的多项式轨迹；

对所述多项式轨迹进行给定时间段求导数，得到该时段的一阶导数(速度)，二阶导数(加速度)，将各项数值传入加速度控制器控制无人机沿轨迹飞行；

针对未知环境，无人机每运行一定的距离，根据更新的地图重新进行规划路径，并更新轨迹。