[发明专利]一种适用于噪声条件下大尺度空间的类脑导航方法

说明书

本发明提供一种适应于噪声条件下大尺度空间的类脑导航方法，包括采集无人系统瞬时速度及瞬时运动方向，获得无人系统速度矢量和方向矢量，建立速度控制振荡的二维网格细胞放电模型，得到实时位置矢量，判断无人系统运行瞬时位置矢量模值与网格细胞空间尺度大小，构建斜轴坐标系，将网格细胞空间尺度两两组合，构建组合空间尺度，解算位置矢量，将斜轴坐标系中位置坐标转换为笛卡尔直角坐标系位置坐标；本发明方法在相位测量噪声条件下，可以在大尺度环境下准确解算出位置矢量，并且每个维度中位置的解算精度可以达到1cm以内，有效提高了大尺度空间内矢量导航的鲁棒性。

技术领域

本发明属于导航定位与人工智能领域，具体涉及一种适应于噪声条件下大尺度空间的仿生导航方法。

背景技术

无人系统是一种能够执行侦察、搜救、表演等多种任务，并能重复使用的智能化无人平台，其自主智能导航能力是实现无人系统顺利飞行和执行任务的关键技术能力之一。然而，现阶段无人系统运行主要依靠卫星导航、激光雷达、惯性等传感器与已有电子地图结合的导航定位方法来实现，但对于电子地图信息不全的未知环境难以实现自主智能的导航与定位。然而，在解决先验信息不足条件下未知环境自主智能导航定位问题方面，哺乳动物大脑却表现出了一种鲁棒、准确、智能的矢量导航能力。为此，提出未知环境下无人系统类脑智能导航方法。

医学研究表明，哺乳动物目标矢量导航是由大脑海马体内嗅皮层的网格细胞和位置细胞的协同放电作用而实现。网格细胞被认为是支持动物矢量导航的核心单元，为位置细胞提供了路径整合信息实现对大尺度空间表征。此外，矢量导航还与海马区中的位置细胞、边界细胞、头朝向细胞、速度细胞等多种导航细胞息息相关。网格细胞在内嗅皮层中离散为多个层级，每一层由大量具有相同空间尺度的网格细胞构成，不同层的空间尺度沿内嗅皮层背侧向腹侧的方向增加。每一层的网格细胞分别接收边界细胞、头朝向细胞、速度细胞等导航细胞提供的自运动信息，网格细胞进行路径整合并将位移矢量信息传递给位置细胞，因此通过模拟各层网格细胞放电机理就为开展无人系统的类脑智能导航提供了可能。

伦敦大学Neil Burgess教授在O’Keefe和Moorse夫妇研究基础上，依据网格细胞相位进动原理，基于记录的大鼠放电生物实验数据，构建了多输入速度控制的神经元树突膜电位振荡模型，通过膜电位振荡模型的相关干涉及矢量叠加，得到了速度控制振荡(VCO-velocity control oscillator)激发网格细胞规律性放电的数学表达，称为速度控制振荡的网格细胞放电模型(简称VCO模型)。该VCO模型不仅在模拟多层网格细胞六边形空间放电样式、放电强度具有很好的一致性，而且在小尺度二维空间环境的路径整合定位与矢量导航具有较好的鲁棒性和可用性。模型克服了网格细胞吸引子模型(网格细胞另一类放电模型)必须通过多层网格细胞群连接才能模拟小尺度空间相位进动的不足，因此将该模型应用在无人系统定位与导航具有较大的应用前景。然而，当网格细胞VCO模型应用到大尺度空间环境的无人系统自主运行时，由于空间尺度远远大于网格细胞放电样式表征空间尺度，路径整合将出现距离解算模糊问题，特别是噪声影响将导致较大的运动定位导航误差，无法满足室外开阔场地大尺度空间环境无人系统自主导航需求。

上述大尺度空间环境是相对于网格细胞表征空间位移尺度而言的，大尺度空间环境具体指无人系统所运行的空间环境边界位移尺度远大于单个网格细胞放电野表征空间位移尺度的开阔空间(至少100-200倍网格细胞空间尺度以上)，也可以理解为无人系统运行的真实空间环境。