基于多源传感器融合与图神经网络的桥下无人机导航与路径生成方法及系统与流程

本发明涉及无人机自主导航，特别是涉及一种基于多源传感器融合与图神经网络的桥下无人机导航与路径生成方法及系统。

背景技术：

1、无人机在桥下、隧道、高架桥底部等gnss信号拒止环境执行巡检、监测与侦察任务时，需依赖机载传感器实现自主定位与导航。视觉、惯性及激光雷达是常用的定位传感器，但单一传感器在桥下复杂环境中存在显著局限：视觉里程计在弱纹理、光照剧烈变化或重复纹理区域易出现特征跟踪丢失；激光雷达在结构对称或稀疏场景中点云配准易产生漂移；惯性导航存在积分累积误差，难以长期保持精度。多源传感器融合虽能部分缓解上述问题，但现有融合方法多为后端松耦合或紧耦合优化，缺乏对传感器观测信息丰富度的主动感知与规划能力。

2、图神经网络近年来被引入机器人感知与规划领域，能够对环境中地标节点与观测节点之间的空间拓扑关系与信息传递进行建模，适用于非结构化环境下的定位置信度评估。然而，现有基于图神经网络的导航方法多集中于单一规划尺度，未将全局路径拓扑、局部避障与传感器朝向优化纳入统一框架，尤其缺乏针对桥下垂向结构复杂、水平空间受限等特殊环境的专用设计。

3、现有无人机运动规划方法通常以路径最短、时间最优或能量最小为优化目标，未将视觉定位置信度作为规划代价项主动融入轨迹生成过程；偏航角规划多采用固定朝向或跟随速度方向，未根据环境特征分布进行朝向优化，导致无人机在特征匮乏区域定位精度骤降；局部规划与全局规划之间缺乏基于定位质量反馈的重规划触发机制，一旦进入定位退化区域难以及时恢复。因此，亟需一种能够融合多源传感信息、分尺度评估定位置信度并据此主动规划路径与朝向的桥下无人机导航方法。

技术实现思路

1、本发明提供一种基于多源传感器融合与图神经网络的桥下无人机导航与路径生成方法及系统，旨在解决现有无人机在桥下环境中因视觉特征匮乏、结构对称、gnss信号拒止而导致的定位精度下降与导航失效问题。

2、第一方面，本申请实施例提供一种基于多源传感器融合与图神经网络的桥下无人机导航与路径生成方法，所述方法包括：

3、融合视觉、惯性及激光雷达的传感数据，构建全局静态子图、方向敏感子图和局部动态子图；

4、以所述全局静态子图作为第一图神经网络的输入，推理获得全局定位置信度，并以该置信度为代价项生成全局时空轨迹；

5、以所述全局时空轨迹的采样点为候选位置，以所述方向敏感子图作为第二图神经网络的输入，推理获得不同朝向下朝向定位置信度，联合偏航角能量代价优化获得偏航角序列并赋予所述全局时空轨迹，合成六自由度全局参考轨迹；

6、以所述六自由度全局参考轨迹的位姿为初始状态，以所述局部动态子图作为第三图神经网络的输入，经增量推理获得实时定位置信度场，驱动b样条滚动生成继承偏航朝向且满足避障与动力学约束的局部可行轨迹，替代全局参考轨迹执行导航；

7、执行局部可行轨迹时实时监测所述实时定位置信度，若低于预设阈值则更新所述全局静态子图中当前区域节点权重，依次触发所述第一图神经网络、所述第二图神经网络和所述第三图神经网络逐级重规划，直至置信度恢复或重规划次数达上限。

8、第二方面，本申请实施例提供一种基于多源传感器融合与图神经网络的桥下无人机导航与路径生成系统，应用于如第一方面所述的方法，所述系统包括：

9、多源传感融合建图模块，用于融合视觉、惯性及激光雷达的传感数据，构建全局静态子图、方向敏感子图和局部动态子图；

10、全局轨迹规划模块，用于以所述全局静态子图作为第一图神经网络的输入，推理获得全局定位置信度，并以该置信度为代价项生成全局时空轨迹；

11、偏航角规划模块，用于以所述全局时空轨迹的采样点为候选位置，以所述方向敏感子图作为第二图神经网络的输入，推理获得不同朝向下朝向定位置信度，联合偏航角能量代价优化获得偏航角序列并赋予所述全局时空轨迹，合成六自由度全局参考轨迹；

12、局部轨迹规划模块，用于以所述六自由度全局参考轨迹的位姿为初始状态，以所述局部动态子图作为第三图神经网络的输入，经增量推理获得实时定位置信度场，驱动b样条滚动生成继承偏航朝向且满足避障与动力学约束的局部可行轨迹，替代全局参考轨迹执行导航；

13、置信度监测与重规划触发模块，用于在执行局部可行轨迹时实时监测所述实时定位置信度，若低于预设阈值则更新所述全局静态子图中当前区域节点权重，依次触发所述第一图神经网络、所述第二图神经网络和所述第三图神经网络逐级重规划，直至置信度恢复或重规划次数达上限。

14、第三方面，本申请实施例提供一种电子设备，包括：

15、处理器；

16、用于存储处理器可执行指令的存储器；

17、其中，所述处理器被配置为执行所述指令时实现如第一方面所述的基于多源传感器融合与图神经网络的桥下无人机导航与路径生成方法。

18、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序，所述程序指示设备执行如第一方面所述的基于多源传感器融合与图神经网络的桥下无人机导航与路径生成方法。

19、本发明通过融合视觉、惯性及激光雷达构建三类特征子图，实现多源传感信息的优势互补，克服了单一传感器在桥下弱纹理环境中的感知局限；采用三个图神经网络分别推理不同尺度的定位置信度，并作为代价项主动融入全局轨迹时空优化与偏航角优化，使无人机在规划阶段即预判并规避定位退化区域，改变了传统感知与规划分离的被动模式；通过局部动态子图增量推理与b样条滚动优化保证低延时实时响应，偏航朝向继承确保局部与全局规划一致性；同时建立基于置信度反馈的逐级重规划闭环机制，在定位退化时自动触发全局至局部的分层重规划并调整子图节点权重引导轨迹向特征丰富区域调整，从而显著提升了无人机在桥下gnss拒止环境中的定位鲁棒性、导航连续性与飞行安全性。

1.一种基于多源传感器融合与图神经网络的桥下无人机导航与路径生成方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述构建全局静态子图具体包括：

3.根据权利要求1所述的方法，其特征在于，所述构建方向敏感子图具体包括：

4.根据权利要求1所述的方法，其特征在于，所述构建局部动态子图具体包括：

5.根据权利要求1所述的方法，其特征在于，所述以所述全局静态子图作为第一图神经网络的输入，推理获得全局定位置信度，并以该置信度为代价项生成全局时空轨迹，具体包括：

6.根据权利要求1所述的方法，其特征在于，所述以所述全局时空轨迹的采样点为候选位置，以所述方向敏感子图作为第二图神经网络的输入，推理获得不同朝向下朝向定位置信度，联合偏航角能量代价优化获得偏航角序列并赋予所述全局时空轨迹，合成六自由度全局参考轨迹，具体包括：

7.根据权利要求1所述的方法，其特征在于，所述以所述六自由度全局参考轨迹的位姿为初始状态，以所述局部动态子图作为第三图神经网络的输入，经增量推理获得实时定位置信度场，驱动b样条滚动生成继承偏航朝向且满足避障与动力学约束的局部可行轨迹，具体包括：

8.根据权利要求7所述的方法，其特征在于，所述b样条滚动优化采用时间一致性保持策略，具体包括：

9.根据权利要求1所述的方法，其特征在于，所述执行局部可行轨迹时实时监测所述实时定位置信度，若低于预设阈值则更新所述全局静态子图中当前区域节点权重，依次触发所述第一图神经网络、所述第二图神经网络和所述第三图神经网络逐级重规划，直至置信度恢复或重规划次数达上限，具体包括：

10.一种基于多源传感器融合与图神经网络的桥下无人机导航与路径生成系统，应用于如权利要求1至9任一项所述的方法，其特征在于，所述系统包括：