[发明专利]一种基于四叉树递归的无人机最佳着陆点搜索方法及装置

说明书

本发明涉及一种基于四叉树递归的无人机最佳着陆点搜索方法及装置，其中方法包括：步骤S1：采集深度图像，获取深度地图；步骤S2：根据无人机几何尺寸生成匹配模板以及卷积核；步骤S3：对深度地图进行卷积，构建二值化的着陆点候选地图，其中，着陆点候选地图中各点分为可降落点和不可降落点；步骤S4：通过基于四叉树递归算法对着陆点候选地图进行快速搜索，获得最佳着陆点。与现有技术相比，本发明采用基于四叉树递归的最佳着陆点搜索方法，无人机上的机载主板可以在几秒钟内快速计算出最佳着陆点，即距离不可降落点边界最远的点，该方法可应用于实际的应用程序中。

技术领域

本发明涉及无人机着陆控制方法，尤其是涉及一种基于四叉树递归的无人机最佳着陆点搜索方法及装置。

背景技术

无人机(UAV)具有灵活性，可接近一些难以到达甚至无法到达的区域而得到了越来越多的应用。旋翼飞机是能够进行垂直起降的无人机的主流类型，因此避免了使用固定翼飞机的失控。此外，它具有成本低，易于开发，自动化等优点，因此广泛用于民用，商业，军事和救援目的。近年来，一些自动操纵和抓取等功能，在检查和监视等的任务中有广泛应用。根据欧洲机器人战略研究议程(eSRA)的计划制定的未来计划中，基于无人机的航空航天机器人可以实现在飞行中对物体和工具的操纵以及与环境的互动。

但是，在这些场景中自动降落的风险很高。特别是在搜索和救援情况下。研究人员报告说，强制性着陆会导致飞机发生致命事故，潜在的解决方案包括起落架的重新设计。

传统的无人机只能在假定着陆点平坦，开阔和空旷的地面上着陆。当无人机试图降落在不平坦的山区，如倾斜的道路或不规则的废墟地形等时，经常会发生翻滚和坠毁等事故。要完成自适应降落以突破极限，这是一项艰巨的任务。着陆限制，特别是在无人机从遥控器丢失信号或出现功率不足的情况下。

无人机悬停在潜在的可着陆区域上方，然后找到合适的着陆点。通常，自适应着陆可以依次分解为两个阶段，在第一阶段，无人机在预定区域上四处移动。连接到无人机的传感器(包括摄像机或激光雷达)收集下面的地形信息。之后，无人机上的计算系统可以构建地图并通过对地图的每个点评分来选择最佳着陆点，这被定义为“搜索”步骤。第一阶段主要是整个智能着陆系统的感知部分。

一些研究关注了在未知地形上的安全着陆，尽管一些研究已经提到了避免在崎岖地面上进行危险的准备。米塔尔等人根据平整度，陡度，深度精度和能耗等多种危险因素建立评分值作为标准。早些时候，西奥多(Theodore)等人。提出了一种考虑了多个指标的着陆点选择算法，包括着陆面的坡度，粗糙度，着陆点大小等。邓普顿等通过结合最适合平面与水平面的角度，普通误差等对落地质量进行评分。Jongho等人结合深度，平坦度和能耗三项措施确定了安全着陆点。Desaraju等人通过基于视觉的感知系统将着陆点的置信度建模为一个不断演变的高斯过程，以监测一个合适的降落点。

这些算法的目标是为无人机找到相对开放和平坦的区域，这更适合在无人机处于高空时进行大面积搜索。但是，在封闭的环境中或更复杂的场景(如震后场景)中，很难达到这些要求，因此降落效果不佳甚至无法降落。

发明内容

本发明的目的就是为了提供一种基于四叉树递归的无人机最佳着陆点搜索方法及装置，采用基于四叉树递归的最佳着陆点搜索方法，无人机上的机载主板可以在几秒钟内快速计算出最佳着陆点，即距离不可降落点边界最远的点，该方法可应用于实际的应用程序中。

本发明的目的可以通过以下技术方案来实现：

一种基于四叉树递归的无人机最佳着陆点搜索方法，包括：

步骤S1：采集深度图像，获取深度地图；

步骤S2：根据无人机几何尺寸生成匹配模板以及卷积核；

步骤S3：对深度地图进行卷积，构建二值化的着陆点候选地图，其中，着陆点候选地图中各点分为可降落点和不可降落点；