[发明专利]一种无人机室内自主导航方法

说明书

本发明公开了一种无人机室内自主导航方法，属于模式识别技术领域。本发明所述方法采用双目立体视觉作为主要传感器，利用卷积神经网络作为室内环境分类器，针对不同的室内环境利用不同的视觉线索执行不同的飞行策略，进而完成室内自主导航任务。本发明所述方法在三种环境下的检测成功率和自主导航成功率都很高。

技术领域

本发明属于模式识别技术领域，具体涉及一种无人机室内自主导航方法。

背景技术

近几年，无人机自主导航方面涌现了许多文献，但多集中于室外环境，而针对于室内等GPS缺失环境却只有少量研究工作。无人机自主导航一般基于传感器的不同往往采用不同的技术方法，诸如GPS，激光，雷达等等。随着相机的推广与普及，基于图像处理的自主导航方法逐渐变得实用与廉价，从而成为研究的热点。

现阶段，基于图像的无人机室内自主导航系统一般分为以下几种方法：(1)基于3D重构的方法；(2)基于坐标距离计算的方法；(3)基于图像视觉线索的方法。一般而言，对于使用3D重构的方法运算代价巨大，难以满足实时性要求；使用坐标距离计算方法，往往需要计算许多不需要的细节，造成计算力的浪费；而基于图像视觉线索的方法，则具备灵巧高效的特点。

文献“3D model-based tracking for UAV position control”采用3D重构的方法，模仿人类认知周围环境的方式，通过建立具体的三维结构，从而进行具体的导航，但是计算量大，实时性较差。文献“Learning Depth from Single Monocular Images”利用求解无人机所在空间坐标或者与周围打距离的方法来进行自主导航，在前者的基础上提高了实时性，但无法避免不必要细节的计算消耗。文献“Mono-vision corner SLAM for indoornavigation”公开了一种基于单目视觉的无人机走廊定位导航方法，其通过单目相机获取飞行过程所拍摄画面，进行角点提取，进而利用摄影几何之间的变换关系来计算出走廊左右墙壁到无人机的距离，在此基础之上利用视觉即时定位与地图构建技术(Visual-SLAM)完成无人机在该环境下的飞行。文献“Autonomous indoor helicopter flight using asingle onboard camera”在单目视觉基础上结合光流技术来实现无人机室内实时定位与导航的算法，其首先利用基于代价树的近邻算法对相机获取图像进行分类，进一步进行无参数学习估计出无人机的全局位置与方向，然后通过光流法估计出无人机每一时刻的飞行速度，将两者结合以实现无人机室内导航控制。文献“MAV navigation through indoorcorridors using optical flow”通过下置鱼眼相机，在走廊飞行移动过程中，可以获取较短间隔时间中相机成像平面上墙壁产生的光流，并结合惯性测量单元(InertialMeasurement Unit，IMU)的旋转数据构建每一时刻无人机在摄像机视角内距离墙壁的深度图，从而获取深度距离信息；利用视角内左右两面墙壁的平均深度进行去中心化来生成无人机偏离走廊正中心的距离；标准化为[-1，1]区间后传递给控制模块进行导航飞行。文献“Visual Odometry and Mapping for Autonomous Flight Using an RGB-D Camera”公开了一种基于RGB-D相机进行视觉测距和测绘的系统，并将其应用在室内飞行的无人机上。利用视觉测距技术与飞行测绘工作相结合，该系统可以在只使用无人机机载传感器与计算模块的条件下，规划复杂的三维路径同时保持高度的场景结构，从而保证无人机能够在杂乱的室内环境中进行安全而稳定的实时三维飞行。文献“Collision Avoidance forQuadrotors with a Monocular Camera”首先从无人机在悬停过程中获取的图像序列中恢复出相机所拍摄的当前场景的深度图，然后根据当前场景的深度图提取出接下来可以保证无人机无碰撞前向飞行的路径点。文献“Enabling UAV Navigation with Sensor andEnvironmental Uncertainty in Cluttered and GPS-Denied Environments”公开了一种将计算机视觉技术与无人机飞行控制相结合的算法，实现了在更加复杂化的室内环境下无人机成功完成障碍规避飞行。该方法利用部分可观测马尔科夫决策过程(Partially-Observable Markov Decision Processes，POMDP)，在室内人工布置的障碍区域内设定无人机的飞行状态和动作集合，并构造了无人机采取某个动作导致负面结果的惩罚函数，利用高斯分布来表示无人机在起飞、转向以及视觉计算过程中的不确定性，在多批次的实验中训练得到相应的参数值，最终实现无人机在该障碍区域中无碰撞安全飞行从而达到指定目的地。