本發(fā)明涉及無人機(jī)飛行控制領(lǐng)域，尤其涉及一種室內(nèi)無人機(jī)飛行路徑規(guī)劃處理方法及系統(tǒng)。

背景技術(shù)：

1、室內(nèi)無人機(jī)避障技術(shù)的發(fā)展經(jīng)歷了從簡單的機(jī)械避障到復(fù)雜的智能避障的轉(zhuǎn)變。早期的避障技術(shù)主要依賴于機(jī)械傳感器，如紅外線傳感器、超聲波傳感器等，這些傳感器能夠提供有限的避障信息，但檢測范圍和精度有限。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，基于圖像識別的避障技術(shù)開始出現(xiàn)，它能夠提供更豐富的環(huán)境信息，但計(jì)算量大，對硬件要求高。

2、具體來說室內(nèi)無人機(jī)飛控避障技術(shù)也在持續(xù)演進(jìn)，推動著室內(nèi)無人機(jī)應(yīng)用的不斷創(chuàng)新和進(jìn)步。在實(shí)際應(yīng)用中，往往需要根據(jù)具體場景和需求，綜合運(yùn)用多種技術(shù)來實(shí)現(xiàn)安全、高效的室內(nèi)無人機(jī)飛行控制和避障功能。

3、現(xiàn)有技術(shù)中的避障方式是基于圖像識別的飛行障礙物檢測以及避障控制，這種控制方式方式計(jì)算量過大，導(dǎo)致需要滯空時間很長，算力很大影響了室內(nèi)無人機(jī)搬運(yùn)或室內(nèi)無人機(jī)安全作業(yè)的工作效率。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種室內(nèi)無人機(jī)飛行路徑規(guī)劃處理方法及系統(tǒng)，解決了現(xiàn)有技術(shù)中指出的上述技術(shù)問題。

2、本發(fā)明提出了一種室內(nèi)無人機(jī)飛行路徑規(guī)劃處理方法，包括如下操作步驟：

3、獲取室內(nèi)環(huán)境的三維地圖數(shù)據(jù)；三維地圖數(shù)據(jù)是通過存在數(shù)據(jù)庫中預(yù)先進(jìn)行構(gòu)建的三維地圖數(shù)據(jù)；

4、利用激光雷達(dá)掃描室內(nèi)環(huán)境，獲取實(shí)時障礙物信息；即通過激光雷達(dá)設(shè)備實(shí)現(xiàn)掃描室內(nèi)環(huán)境，從而可以獲得環(huán)境內(nèi)的多個障礙物點(diǎn)云信息和障礙物位置信息；

5、基于三維地圖數(shù)據(jù)和實(shí)時障礙物信息構(gòu)建柵格地圖，獲得每個格柵內(nèi)的障礙物的密度和占用面概率值；根據(jù)格柵內(nèi)的障礙物的密度和占用面概率值將柵格地圖劃分為多個等級的分區(qū)區(qū)域；

6、基于多個等級的分區(qū)區(qū)域，采用改進(jìn)的快速擴(kuò)展隨機(jī)樹算法生成初始飛行路徑；

7、對初始飛行路徑進(jìn)行平滑處理，得到優(yōu)化后的飛行路徑；

8、控制無人機(jī)按照優(yōu)化后的飛行路徑飛行。

9、較佳的，在控制無人機(jī)按照優(yōu)化后的飛行路徑飛行之后，還包括：

10、采集所述飛行路徑上的障礙物圖像，基于障礙物圖像進(jìn)行圖像識別判斷當(dāng)前障礙物類型，根據(jù)識別的當(dāng)前障礙物類型篩選危險障礙物，標(biāo)記危險障礙物位置節(jié)點(diǎn)，重新調(diào)整飛行路徑。

11、較佳的，在控制無人機(jī)按照優(yōu)化后的飛行路徑飛行之后，還包括：

12、采集所述飛行路徑上的障礙物圖像，基于障礙物圖像進(jìn)行圖像識別判斷當(dāng)前障礙物類型，根據(jù)識別的當(dāng)前障礙物類型篩選危險障礙物，標(biāo)記危險障礙物位置節(jié)點(diǎn)。

13、較佳的，采集所述飛行路徑上的障礙物圖像，基于障礙物圖像進(jìn)行圖像識別判斷當(dāng)前障礙物類型，根據(jù)識別的當(dāng)前障礙物類型篩選危險障礙物，標(biāo)記危險障礙物位置節(jié)點(diǎn)，具體包括：

14、在飛行過程中，設(shè)定采集頻率，利用無人機(jī)搭載的攝像頭定期拍攝路徑上的障礙物圖像；

15、對采集到的圖像進(jìn)行預(yù)處理，利用深度學(xué)習(xí)視覺算法對預(yù)處理后的圖像進(jìn)行分析，識別判定當(dāng)前障礙物的類型是否屬于危險障礙物，如果屬于則標(biāo)記識別出的危險障礙物，并記錄其位置信息。

16、較佳的，所述基于三維地圖數(shù)據(jù)和實(shí)時障礙物信息構(gòu)建柵格地圖，包括：

17、將三維地圖數(shù)據(jù)離散化為三維柵格；

18、將實(shí)時障礙物信息映射到對應(yīng)的三維柵格中；

19、為每個柵格確定柵格的障礙物的密度以及占用面概率值。

20、較佳的，所述獲得每個格柵內(nèi)的障礙物的密度和占用面概率值包括：

21、獲取障礙物在三維格柵中每個格柵內(nèi)的數(shù)量，計(jì)算柵格中障礙物的密度；所述障礙物的密度為單個格柵內(nèi)的獨(dú)立的障礙物數(shù)量；

22、根據(jù)障礙物密度確定柵格的占用狀態(tài)；

23、同時計(jì)算當(dāng)前柵格內(nèi)的障礙物的占用面概率值，所述障礙物的占用面概率值為柵格內(nèi)被占用的障礙物面積與當(dāng)前的柵格面積的比值。

24、較佳的，根據(jù)格柵內(nèi)的障礙物的密度和占用面概率值將柵格地圖劃分為多個等級的分區(qū)區(qū)域，具體包括：

25、對每個柵格，基于障礙物密度和占用面概率值計(jì)算評分；

26、score＝w1*障礙物密度+w2*占用面概率值；其中w1和w2是預(yù)設(shè)的第一權(quán)重和第二權(quán)重；

27、定義多個閾值a1，a2，score評分小于或等于a1的為低風(fēng)險區(qū)，score評分大于或等于a2的為高風(fēng)險區(qū)，score評分處于a1與a2之間的為中風(fēng)險區(qū)；

28、遍歷當(dāng)前的整個柵格地圖，對柵格地圖中的每個柵格計(jì)算評分，并根據(jù)閾值劃分風(fēng)險等級；

29、對相鄰的相同風(fēng)險等級的柵格進(jìn)行聚類，形成連續(xù)的風(fēng)險區(qū)域。

30、較佳的，基于多個等級的分區(qū)區(qū)域，采用改進(jìn)的快速擴(kuò)展隨機(jī)樹算法生成初始飛行路徑，具體包括：

31、對當(dāng)前的多個等級的分區(qū)區(qū)域進(jìn)行節(jié)點(diǎn)采樣，在采樣時，對不同風(fēng)險等級的區(qū)域賦予不同的采樣頻率，用以降低高風(fēng)險區(qū)域的采樣概率；其中，由低風(fēng)險區(qū)、中風(fēng)險區(qū)到高風(fēng)險區(qū)的采樣頻率逐漸降低；

32、設(shè)定起點(diǎn)和終點(diǎn)，運(yùn)行改進(jìn)后的rrt算法，生成初始飛行路徑；具體執(zhí)行時，由起點(diǎn)的節(jié)點(diǎn)出發(fā)作為初始的候選節(jié)點(diǎn)，在預(yù)設(shè)距離范圍內(nèi)的計(jì)算當(dāng)前候選節(jié)點(diǎn)與現(xiàn)有采樣的多個樹節(jié)點(diǎn)之間的距離；

33、在預(yù)設(shè)距離范圍內(nèi)，選擇與當(dāng)前候選節(jié)點(diǎn)距離較近的n個樹節(jié)點(diǎn)作為作為父節(jié)點(diǎn)，并利用局部規(guī)劃器連接父節(jié)點(diǎn)和候選節(jié)點(diǎn)；

34、檢查連接路徑是否與障礙物相交；

35、若不相交，則將候選節(jié)點(diǎn)添加到樹中；

36、重復(fù)上述步驟，直到找到可行路徑或達(dá)到最大迭代次數(shù)并完成初始飛行路徑的生成。

37、較佳的，在完成初始飛行路徑的生成之后，還包括：

38、對當(dāng)前初始飛行路徑的條數(shù)進(jìn)行判斷，若改進(jìn)的快速擴(kuò)展隨機(jī)樹算法生成的當(dāng)前初始飛行路徑為多條，則計(jì)算多條當(dāng)前初始飛行路徑經(jīng)過各個風(fēng)險等級的區(qū)域數(shù)量，選擇經(jīng)過低風(fēng)險區(qū)域的區(qū)域數(shù)量最多的初始飛行路徑作為最終的目標(biāo)飛行路徑。

39、較佳的，所述對初始飛行路徑進(jìn)行平滑處理的過程包括：

40、使用三次樣條插值法對路徑點(diǎn)進(jìn)行插值；

41、然后插值后的路徑點(diǎn)進(jìn)行局部優(yōu)化算法調(diào)整路徑曲率。

42、較佳的，所述進(jìn)行局部優(yōu)化算法調(diào)整路徑曲率，具體包括：

43、計(jì)算路徑上每個點(diǎn)的曲率；

44、對于曲率超過閾值的點(diǎn)，應(yīng)用以下優(yōu)化公式：

45、p'i＝pi+λ*spi-1+pi+1-2pi+μ*spi+2+pi-2-2pi)；

46、其中，p'i為優(yōu)化后的點(diǎn)坐標(biāo)，pi為當(dāng)前點(diǎn)坐標(biāo)，pi-1、pi+1、pi-2和pi+2為相鄰點(diǎn)坐標(biāo)，λ和μ為權(quán)重系數(shù)；

47、迭代執(zhí)行上述步驟，直到曲率滿足要求或達(dá)到最大迭代次數(shù)。

48、本發(fā)明提供了一種室內(nèi)無人機(jī)飛行路徑規(guī)劃處理系統(tǒng)，包括：

49、三維地圖數(shù)據(jù)獲取模塊，用于獲取室內(nèi)環(huán)境的三維地圖數(shù)據(jù)；三維地圖數(shù)據(jù)是通過存在數(shù)據(jù)庫中預(yù)先進(jìn)行構(gòu)建的三維地圖數(shù)據(jù)；

50、激光雷達(dá)掃描模塊，用于利用激光雷達(dá)掃描室內(nèi)環(huán)境，獲取實(shí)時障礙物信息；即通過激光雷達(dá)設(shè)備實(shí)現(xiàn)掃描室內(nèi)環(huán)境，從而可以獲得環(huán)境內(nèi)的多個障礙物點(diǎn)云信息和障礙物位置信息；

51、柵格地圖構(gòu)建模塊，用于基于三維地圖數(shù)據(jù)和實(shí)時障礙物信息構(gòu)建柵格地圖，獲得每個格柵內(nèi)的障礙物的密度和占用面概率值；根據(jù)格柵內(nèi)的障礙物的密度和占用面概率值將柵格地圖劃分為多個等級的分區(qū)區(qū)域；

52、路徑生成模塊，用于基于多個等級的分區(qū)區(qū)域，采用改進(jìn)的快速擴(kuò)展隨機(jī)樹算法生成初始飛行路徑；

53、路徑優(yōu)化模塊，對初始飛行路徑進(jìn)行平滑處理，得到優(yōu)化后的飛行路徑；

54、飛行控制模塊，用于控制無人機(jī)按照優(yōu)化后的飛行路徑飛行。

55、與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例至少存在如下方面的技術(shù)優(yōu)勢：

56、分析本發(fā)明提供的上述一種室內(nèi)無人機(jī)飛行路徑規(guī)劃處理方法及系統(tǒng)可知，在具體應(yīng)用時，獲取室內(nèi)環(huán)境的三維地圖數(shù)據(jù)；三維地圖數(shù)據(jù)是通過存在數(shù)據(jù)庫中預(yù)先進(jìn)行構(gòu)建的三維地圖數(shù)據(jù)；通過結(jié)合預(yù)先構(gòu)建的三維地圖數(shù)據(jù)(s1)和激光雷達(dá)實(shí)時掃描的障礙物信息(s2)，該方法能夠獲得更加精確和及時的環(huán)境信息。這有助于生成更加準(zhǔn)確的飛行路徑，同時能夠適應(yīng)環(huán)境的動態(tài)變化。

57、利用激光雷達(dá)掃描室內(nèi)環(huán)境，獲取實(shí)時障礙物信息；即通過激光雷達(dá)設(shè)備實(shí)現(xiàn)掃描室內(nèi)環(huán)境，從而可以獲得環(huán)境內(nèi)的多個障礙物點(diǎn)云信息和障礙物位置信息；基于三維地圖數(shù)據(jù)和實(shí)時障礙物信息構(gòu)建柵格地圖，獲得每個格柵內(nèi)的障礙物的密度和占用面概率值；根據(jù)格柵內(nèi)的障礙物的密度和占用面概率值將柵格地圖劃分為多個等級的分區(qū)區(qū)域；基于多個等級的分區(qū)區(qū)域，采用改進(jìn)的快速擴(kuò)展隨機(jī)樹算法生成初始飛行路徑；

58、利用柵格地圖和障礙物密度/占用概率的方法，可以更細(xì)致地描述環(huán)境中的障礙物分布。研究發(fā)現(xiàn)這種分級區(qū)域的劃分有助于無人機(jī)更好地識別和避開不同風(fēng)險等級的區(qū)域。在此技術(shù)基礎(chǔ)上，采用改進(jìn)的快速擴(kuò)展隨機(jī)樹算法來生成初始路徑，比傳統(tǒng)算法具有更快的計(jì)算速度和更好的路徑質(zhì)量。對初始飛行路徑進(jìn)行平滑處理，得到優(yōu)化后的飛行路徑；控制無人機(jī)按照優(yōu)化后的飛行路徑飛行。

59、本發(fā)明提供的上述一種室內(nèi)無人機(jī)飛行路徑規(guī)劃處理方法及系統(tǒng)，特別針對室內(nèi)環(huán)境設(shè)計(jì)，考慮了室內(nèi)環(huán)境的特點(diǎn)(如狹小空間、多障礙物等)，因此特別適合在復(fù)雜的室內(nèi)環(huán)境中應(yīng)用，同時體現(xiàn)了系統(tǒng)較高的自主性和智能性。