一种基于多传感器融合的无人机自主避障与返航控制系统的制作方法
本发明涉及无人机自主避障与返航控制,是一种基于多传感器融合的无人机自主避障与返航控制系统。
背景技术:
1、无人机已经大量用于电力巡检、物流运输、应急救援、农业植保、测绘等场景,现有无人机避障方案多采用单一或者两类传感器组合,在雨、雪、雾等低能见度恶劣环境下,可见光相机容易失效;普通毫米波雷达容易被雨滴、雾滴散射形成大量虚假障碍物回波;超声传感器探测距离有限,不同传感器受环境影响程度差异大,固定权重的融合策略无法适配能见度动态变化场景;
2、另外,现有方案缺少传感器故障降级冗余机制,当局部感知硬件失效后,容易出现感知盲区,造成避障失效;同时,避障逻辑和返航策略相互独立,没有结合环境风险等级联动调整返航安全裕度,恶劣环境下返航安全性不足;
3、基于此,本发明提供了一种基于多传感器融合的无人机自主避障与返航控制系统。
技术实现思路
1、本发明所要解决的技术问题是针对现有技术中,雨雪雾低能见度环境下虚假障碍物干扰、传感器融合权重固化、感知节点单点故障带来安全隐患,以及避障-返航策略无法联动适配环境风险的问题,提出了一种基于多传感器融合的无人机自主避障与返航控制系统。
2、本发明一种基于多传感器融合的无人机自主避障与返航控制系统,包括:飞行控制模块、多模态抗干扰感知模组、环境能见度实时评估单元、散射噪声过滤单元以及动态避障与返航协同控制单元;
3、所述多模态抗干扰感知模组与所述飞行控制模块电连接,所述多模态抗干扰感知模组包括极化分集毫米波雷达单元、红外偏振成像单元和低功耗超声阵列单元;所述极化分集毫米波雷达单元用于采集环境的极化散射回波数据,所述红外偏振成像单元用于采集环境的红外偏振轮廓数据,所述低功耗超声阵列单元用于采集环境的近距离超声测距数据;
4、所述环境能见度实时评估单元与所述多模态抗干扰感知模组电连接,用于接收极化散射回波数据、红外偏振轮廓数据以及近距离超声测距数据,计算得到当前场景的能见度系数,并依据所述能见度系数输出各传感器对应的融合权重;
5、所述散射噪声过滤单元分别与所述环境能见度实时评估单元、所述动态避障与返航协同控制单元电连接,用于对毫米波雷达的极化散射矩阵开展协方差分解,滤除雨雪雾带来的散射噪声干扰,输出修正后的障碍物三维空间坐标以及风险等级;
6、所述动态避障与返航协同控制单元分别与所述散射噪声过滤单元、所述飞行控制模块电连接,用于接收障碍物三维空间坐标、风险等级以及能见度系数,生成适配当前环境的避障机动路径以及返航安全裕度阈值,向所述飞行控制模块输出飞行控制指令;
7、所述动态避障与返航协同控制单元内置动态风险场模型,所述动态风险场模型以障碍物空间距离、能见度系数、无人机飞行速度、散射噪声过滤单元输出的风险等级作为输入参数,并依据输出的环境风险密度值执行三级分级避障控制逻辑。
8、优选地,所述极化分集毫米波雷达单元采用24ghz与77ghz双频共口径极化天线架构;其中24ghz频段天线采用水平与垂直双线极化,77ghz频段天线采用圆极化;
9、所述极化分集毫米波雷达单元配置有基于stokes参数的极化散射矩阵分解模块,用于区分雨雪雾的散射干扰回波和真实障碍物回波。
10、优选地,所述红外偏振成像单元的焦平面阵列上集成微偏振片阵列,能够同步采集0°、45°、90°、135°四个方向的红外偏振度参数与红外辐射强度参数;
11、所述红外偏振成像单元还配置偏振轮廓对比度增强模块,用于在低能见度环境下提取障碍物边缘轮廓特征。
12、优选地,所述多模态抗干扰感知模组采用双轴前向增强与五轴周向覆盖的部署结构;
13、无人机的前、后轴向分别布置两个微型感知节点,左、右、上、下轴向分别布置一个微型感知节点;每个微型感知节点均集成毫米波雷达子单元、红外偏振成像子单元以及超声探头;
14、前、后轴向的微型感知节点的毫米波雷达子单元相对于无人机的水平面向下倾斜安装;沿机头至机尾方向,前方两处微型感知节点,靠近机头的节点配置77ghz毫米波雷达子单元,远离机头的节点配置24ghz毫米波雷达子单元。
15、优选地,所述环境能见度实时评估单元配置改进ds证据理论置信度修正模块,所述改进ds证据理论置信度修正模块根据能见度系数所处区间,自适应调整极化分集毫米波雷达单元、红外偏振成像单元、低功耗超声阵列单元三者的融合权重。
16、优选地,所述动态风险场模型配置多组加权系数组合,多组加权系数组合分别对应巡检模式、运输模式、救援模式,无人机切换作业模式时调用对应的加权系数组合。
17、优选地,所述三级分级避障控制逻辑包括:
18、当环境风险密度处于低风险区间时,保持原有航路,执行减速通行并持续监测障碍物;
19、当环境风险密度处于中风险区间时,执行沿障碍物切向的机动避障,并且跟踪障碍物轮廓实时修正机动轨迹;
20、当环境风险密度处于高风险区间时,执行原地悬停,完成周边环境确认后,以改进a算法规划带安全裕度的绕障返航路径。
21、优选地,还包括传感器故障降级单元;
22、所述传感器故障降级单元用于在某一轴向微型感知节点失效时,调取其余相邻轴向感知节点的数据进行空间插值补全,再结合无人机imu惯性测量单元输出的运动轨迹预测结果对补全数据做时序一致性校验,输出降级后的感知数据,同时降低失效区域对应的数据融合置信度,将处理后的数据送入动态避障与返航协同控制单元;
23、所述动态避障与返航协同控制单元,依据实时能见度系数,动态调整返航路径的安全高度裕度、返航飞行速度以及水平安全间距;同时结合散射噪声过滤单元输出的风险等级,对安全高度裕度做修正补偿。
24、一种基于多传感器融合的无人机自主避障与返航控制方法,应用于上述任一项所述的基于多传感器融合的无人机自主避障与返航控制系统,包括如下步骤:
25、s1:通过多模态抗干扰感知模组采集极化散射回波数据、红外偏振轮廓数据以及近距离超声测距数据;
26、s2:根据采集得到的多源感知数据计算当前场景的能见度系数,依据能见度系数输出各传感器的融合权重;
27、s3:对毫米波雷达极化散射矩阵进行协方差分解,滤除雨雪雾带来的散射噪声干扰,输出障碍物三维空间坐标与风险等级;
28、s4:将障碍物空间距离、能见度系数、无人机飞行速度、风险等级输入动态风险场模型,计算环境风险密度值;
29、s5:依据环境风险密度值执行三级分级避障控制,同步根据能见度系数以及障碍物风险等级调整返航路径的安全裕度,生成飞行控制指令输出至无人机飞行控制模块完成避障与返航。
30、还包括传感器故障降级步骤:当某一轴向微型感知节点失效时,调用相邻轴向感知节点数据进行空间插值补全,结合无人机imu轨迹预测对补全数据做时序校验,降低失效区域数据融合置信度,输出降级后的感知数据用于避障返航控制。
31、与现有技术相比,本发明的技术效果如下:
32、1、采用极化分集毫米波雷达、红外偏振成像、超声阵列多模态感知组合,结合散射噪声过滤单元,能够抑制雨、雪、雾天气下大气粒子造成的虚假回波干扰,提升低能见度环境障碍物检测可靠性;
33、2、设置环境能见度实时评估单元,基于能见度自适应调整多传感器融合权重,克服固定权重融合策略在不同天气下性能下降的缺陷;
34、3、设置动态风险场模型,综合障碍物距离、能见度、飞行速度、障碍物风险等级多维度因素,实现三级分级避障,同时将避障与返航安全裕度联动控制,提升恶劣条件下返航安全性;
35、4、多模态抗干扰感知模组采用双轴前向增强与五轴周向覆盖的轻量化部署,兼顾全向感知覆盖与无人机续航;配置传感器故障降级单元,单点感知节点故障时仍可以维持感知能力,提升系统容错能力;
36、5、动态风险场模型可适配不同作业模式,面向巡检、运输、救援、植保等不同业务场景自适应调整评估权重,拓展系统适用范围。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com