[发明专利]一种基于单目视觉的无人机低功耗自主避障方法及系统

说明书

本发明涉及一种基于单目视觉的无人机低功耗自主避障方法及系统，提出一个低功耗自主避障算法，先设计一个轻量化的卷积神经网络用于从单目图像中预测障碍物距离，并设计控制算法将距离转化为无人机控制指令用来控制无人机的避障飞行。为了将避障算法和控制算法用于实际系统中，搭建了特洛无人机和嵌入式平台Jetson Nano的避障系统。特洛无人机负责收集视频流并传输到Jetson Nano上，Jetson Nano负责解析视频并运行避障模型和控制算法，得到无人机控制指令后回传到特洛无人机控制其飞行。

技术领域

本发明涉及无人机技术中的自主避障领域，特别是一种基于单目视觉的低功耗自主避障方法及系统。

背景技术

无人机避障主要有两个大的任务，感知和控制，感知阶段常用的传感器有GPS，超声波，激光，雷达等，控制阶段除了势场法，栅格法等传统的方法外，有越来越多的研究倾向于使用神经网络控制避障。不同的避障方法各有优缺点，目前主流的避障方法有：

(1)声波控制法。声波控制法主要利用超声波测距，超声波传感器测距的基本原理是测量超声波的飞行时间。超声波在空气中的速度和空气中的湿度温度都有关系，所以在精确的测量中，需要把空气中温度和湿度的变化及其它因素考虑进去。超声波能够很简单的测出物体距离信息，一般的测距系统大都是采用这种方法。目前超声波的技术比较成熟，成本低，但是作用距离近，并且对反射面的光整程度要求较高，在面对没有反射能力或弱反射能力的障碍物时，安全问题不能得到保障，不同材料对声波的反射或者吸引是不相同的，这在实际应用中都需要考虑。

(2)栅格地图法，栅格地图法属于用启发式算法在单元中搜索安全路径，建立一幅可用于路径规划的地图。栅格粒度越小，障碍物的表示会越精确，也就更好避障。但是栅格地图往往会占用大量的存储空间，不适用于资源受限的平台。

(3)人工势场法，势场法是人工建立势场，将障碍物设置成斥力，目标设置成吸引力，进行力的矢量相加，最后算出合力的方向。优点是简单实用，有良好的实时性，便于底层的实时控制，但是如果某个点引力斥力刚好相等，方向相反，容易陷入局部最优解或震荡。

(4)激光避障法，激光避障法是利用激光雷达避障。常见的激光雷达是基于飞行时间的(ToF，time of flight)，通过测量激光的飞行时间来进行测距d＝ct/2，其中d是距离，c是光速，t是从发射到接收的时间间隔。激光雷达包括发射器和接收器，发射器用激光照射目标，接收器接收反向回的光波。激光雷达的测量距离可以达到几十米甚至上百米，角度分辨率高，通常可以达到零点几度，测距的精度也高。但测量距离的置信度会反比于接收信号幅度的平方，因此，黑体或者远距离的物体距离测量不会像光亮的、近距离的物体那么好的估计。并且，对于透明材料，比如玻璃，激光雷达就无能为力了，由于结构的复杂、器件成本高，激光雷达的成本也很高，运行时功耗也高，所以不适用于资源受限的平台。

这些避障方法能解决一般无人机的避障要求，但是随着无人机技术的发展和智能自动化技术的推动，无人机开始朝向微小型、低功耗的方向发展，而目前的避障方法由于传感器体积大、功耗高和避障模型复杂不适用于资源受限的低功耗无人机平台，因此本发明针对微小型低功耗无人机发明了一种低功耗自主避障方法及系统。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于单目视觉的无人机低功耗自主避障方法及系统，实现用于微小型无人机的低功耗自主避障。

本发明的避障传感器是单目相机，避障模型由卷积神经网络训练而来，因此需要用于训练的数据集和模型，本发明的关键内容在以下几方面：

1.收集数据集：采用深度相机收集数据集，深度相机收集到的是整个场景的距离；同步收集单目RGB图像和深度图像，单目RGB图像数据集作为训练轻量化自主避障模型的数据集，深度图像用于制作距离标签；