[发明专利]一种基于激光里程计的无人机动态障碍物检测方法

说明书

本发明公开了一种基于激光里程计的无人机动态障碍物检测方法，该方法包括：步骤1，通过激光点云数据的几何特性，提取符合预设曲率特征的点云作为特征点，建立同一特征点在两帧相邻时刻激光点云数据中的匹配关系，并构建重投影代价函数，获得无人机位姿信息；步骤2包括：步骤21，使用区域生长法将整体点云按照障碍物聚类为多个点云簇，区分为各自独立的障碍物目标；步骤22，将多帧激光点云数据中的障碍物关联起来；步骤23，判断障碍物运动状态，得到动态障碍物的运动方向及速度。

技术领域

本发明涉及一种面向无人机领域的动态障碍物检测方法，特别是关于一种基于激光里程计的无人机动态障碍物检测方法。

背景技术

在无人机领域中，由于飞行安全的需要，无人机的自主避障技术一直以来都是研究热点之一。无人机执行任务时，复杂的飞行环境中除地形和静态障碍物以外，还存在动态障碍物。若将动态障碍物当作静态障碍物处理，则会得出不正确的碰撞倒计时，这对于自主避障功能来说是不可接受的。自主避障功能往往希望能够通过预测动态障碍物的运动状态，来达到灵活修改飞行路径的目的，故动态障碍物检测是自主避障技术中不可或缺的一环。

现如今常用的动态障碍物检测方式是通过障碍物状态估计实现的，即通过观测多帧数据的障碍物并使其关联后，通过判断其运动状态，区分动、静态障碍物。在不依靠其它传感器的前提下，由于无法获取当前无人机的运动状态，仅依靠多帧障碍物状态，估计判断出的障碍物运动状态是相对于当前无人机运动状态，例如：当多个无人机分布式匀速飞行时，无人机间的相对速度为零，会被判定为静态障碍物。若依靠额外传感器，如惯性导航单元等，会增加额外的标定工作和硬件拓扑复杂度。通常在无人机的实际应用中，希望尽可能降低硬件拓扑复杂度，使系统更加简单、可靠。目前基于单一传感器的无人机动态障碍物检测方法仍不成熟，相关理论有待进一步完善。

发明内容

本发明的目的在于提供一种基于激光里程计的无人机动态障碍物检测方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种基于激光里程计的无人机动态障碍物检测方法，该方法包括：

步骤1，通过激光点云数据的几何特性，提取符合预设曲率特征的点云作为特征点，建立同一特征点在两帧相邻时刻激光点云数据中的匹配关系，并构建重投影代价函数，使用非线性优化技术使其在三维解空间中进行迭代，直至位姿收敛，获得无人机位姿信息；

步骤2，其具体包括：

步骤21，根据步骤1输出的无人机的位姿信息，使用区域生长法将整体点云按照障碍物聚类为多个点云簇，以区分为各自独立的障碍物目标；

步骤22，根据激光里程计计算得到的两帧相对运动以及多帧激光点云数据中障碍物的质心和法线差异程度，计算差异度函数，并建立关联矩阵，将多帧激光点云数据中的障碍物关联起来；

步骤23，根据动态障碍物的关联情况，结合激光里程计计算得到的帧间相对运动，判断障碍物运动状态，从而得到动态障碍物的运动方向及速度。

进一步地，步骤1中，所述提取符合预设曲率特征的点云作为特征点的方法具体包括：

步骤11，对点云数据进行体素滤波；

步骤12，利用下式(1)计算点云数据中各点云的曲率值r，并按照曲率值r的大小排序，曲率值最大的点云定义为特征角点，曲率值最小的点云定义为特征平面点：

式中，X_(k,i)表示第k帧点云数据P_k中的第i个点云在雷达坐标系中的坐标，X_(k,j)表示P_k中的第j个点云在雷达坐标系中的坐标，S表示X_(k,i)的邻域。