[发明专利]一种基于光流的无人机仿生智能避障方法

摘要

本发明公开了一种基于光流的无人机智能仿生避障方法，通过软硬件结合来实现无人机避障飞行，属于人工智能和计算机视觉领域。具体方法为通过无人机上搭载的单目摄像头，捕获图像序列，根据前后两帧图像，利用LK(Lucas Kanade)方法计算光流场，并过滤噪声光流；将图像分为边缘、左中、右中三部分，基于SVM分类器，判断左右两侧是否为大型障碍物；计算各列TTC和，标定并插值free和obstacle区间，得到最大的free连通区间；结合左右光流平衡策略得到平移量和旋转量，从而控制无人机避障飞行。本发明能实现无人机在未知杂乱环境中实时避障飞行。

主权项

1.一种基于光流的无人机智能仿生避障方法，其特征在于步骤如下：步骤1：无人机进行初始化后，控制无人机按照一定高度D、速度V飞行；步骤2：无人机按照控制指令飞行，利用单目摄像头捕获图像帧，根据前后两帧图像I1、I2，利用LK(Lucas‑Kanade)方法计算得到光流，过滤噪声光流；步骤3：将图像I2分为边缘、左中、右中三部分，得到图像左中部分Dleft、图像右中部分Dright和图像边缘Dedge，因为处于图像边缘的物体对于无人机避障飞行基本没有影响，所以此处只考虑图像中间部分出现的障碍物；步骤4：计算Dleft、Dright两侧光流水平标量之和，记为LS、RS，LS为Dleft区间光流水平标量之和，RS为Dright区间光流水平标量之和；其中，|vi_x|为第i个像素点光流水平标量；i表示图像中第i个像素，x表示光流水平标量方向；步骤5：通过SVM对训练集中的图像特征进行训练，得到大型障碍物分类器检测前方是否为大型障碍物，即SVM大型障碍物分类器；提取图像光流特征，带入SVM分类器，根据分类结果分别判定Dleft、Dright是否为大型障碍物；大型障碍物是指无人机搭载的摄像头捕获的图像帧中，障碍物所占图像面积比较大，如果无人机距离障碍物很近时，障碍物基本占了整个图像帧，这时无人机需要旋转角度避开障碍物，此时的障碍物则为大型障碍物；步骤6：如果Dleft为大型障碍物，Dright不是大型障碍物，则控制无人机向右旋转R度；如果Dright为大型障碍物，Dleft不是大型障碍物，则控制无人机向左旋转角度R，转向步骤2；步骤7：如果Dleft、Dright均为大型障碍物，若LS＞RS，说明无人机前方为大型障碍物，且无人机当前姿态下离左侧更近，则控制无人机向右旋转角度krR，反之控制无人机向左旋转角度krR，必须满足kr＞1，kr为旋转量比例系数，因为无人机前方为大型障碍物时，避障需要旋转量比一侧为障碍物时的避障旋转量大，kr＞1，转向步骤2；步骤8：如果左右两侧均不为大型障碍物，计算图像中每个像素点的TTC值，设第i个像素点TTC值为TTCi，求每列TTC之和TTCcol以及平均TTCavg，对每列进行标记0和1，0代表free，指无障碍物区间，即无人机可以飞行的区间，1代表obstacle，指有障碍物区间，即无人机需要避开的区间，标记准则为：标记完成后，再对free和obstacle区间进行插值；步骤9：找出free的最大连通区间[free_left，free_right]，如果free区间整体在图像左侧区间，则控制无人机向左侧平移T；如果均在图像右侧的区间，则控制无人机向右平移T，其中，k_m为比例系数，用于调节无人机左右平移量，转向步骤2；其中，width为图像的宽度；步骤10：如果free区间整体不在图像左侧或右侧，则根据左右光流平衡策略控制无人机飞行，无人机运动方向和旋转量rotation由下述公式确定，转向步骤2；free区间表示图像中连续标记为0的区间，即无障碍物区间，其中，k用于调节光流平衡策略的敏感度，kd为比例系数，用于调节无人机左右旋转量。