一种面向无人机自主避障的风险感知自适应OctVox激光惯性建图方法与流程

本发明涉及涉及飞行安全控制，特别是涉及一种面向无人机自主避障的风险感知自适应octvox激光惯性建图方法。

背景技术：

1、随着低空无人机巡检、室内外自主探索、复杂环境三维重建和无人系统智能导航的发展，无人机需要在未知或半未知环境中依靠机载传感器实时感知周围空间，完成自身定位、地图构建、障碍物识别和安全路径规划。激光雷达惯性里程计通过融合激光雷达几何观测和imu高频运动先验，能够在gps受限或无gps环境下提供较为稳定的位姿估计，是无人机自主避障系统中的基础感知模块。

2、现有激光雷达惯性里程计通常包括imu状态预测、点云运动畸变补偿、点云降采样、扫描到地图匹配、滤波或优化更新以及地图维护等步骤。其中，地图结构和近邻搜索策略对系统实时性和精度具有关键影响。kd-tree、增量kd-tree、哈希体素地图、统计体素地图以及八叉树地图等结构均可用于保存局部地图并支持点到点或点到平面的数据关联。

3、为了降低机载嵌入式平台的计算和存储负担，已有紧凑型lio（lidar-inertialodometry，激光雷达惯性里程计）方法提出将哈希体素进一步划分为若干子体素，并在每个子体素内保存代表点，从而通过固定密度约束减少地图冗余点，提高近邻搜索效率。super-lio类方法中的octvox（哈希体素地图）结构即采用每个体素最多保存八个子体素代表点的方式，并配合启发式knn搜索提升匹配效率。

4、但是，对于无人机自主避障而言，地图并不只是用于定位匹配。靠近无人机未来飞行走廊、障碍物边界、狭窄通道、动态障碍物和定位不确定性较大的区域，对飞行安全具有更高价值；而远离航迹、远离障碍物、几何结构稳定且长期未被访问的区域，则对当前避障决策贡献较小。如果仍采用全局统一分辨率、统一代表点数量和统一更新策略，容易出现关键障碍边界表达不足或非关键区域占用过多计算资源的问题。

5、此外，实际无人机飞行场景中常存在走廊、门框、树枝、线缆、栅栏、栏杆、动态行人、移动设备、玻璃弱反射和局部遮挡等复杂情况。单纯依赖距离最近的地图点进行扫描匹配，可能将动态点、退化平面或不稳定障碍边界误用于定位更新；单纯将定位地图直接传递给规划器，也难以区分稳定结构、动态障碍和高风险飞行区域。

6、因此，亟需设计一种将激光惯性建图、飞行风险评估和局部避障需求相结合的自适应octvox地图构建方法。

技术实现思路

1、本发明所要解决的技术问题为：

2、1、如何在激光惯性里程计的实时建图过程中，根据无人机未来飞行轨迹、障碍物距离和安全半径识别对避障安全具有较高影响的空间区域。

3、2、如何在不显著增加整体计算量和内存占用的前提下，提高飞行走廊附近、障碍物边界和狭窄通道区域的地图表达精度。

4、3、如何利用ieskf（迭代误差状态卡尔曼滤波器）或其他状态估计器输出的位姿协方差、局部点云几何退化程度和动态占据变化，对体素地图进行风险评分和分级管理。

5、4、如何根据体素风险等级自适应调整octvox子体素划分尺度、代表点数量、增量平均更新系数、地图保留优先级和缓存淘汰策略。

6、5、如何在近邻搜索和点到平面残差构建过程中引入风险等级、稳定度和动态属性，使稳定结构优先用于定位，高风险障碍边界优先保留用于避障。

7、6、如何将定位建图结果组织为稳定定位层、动态避障层和风险标记层，并向局部路径规划器输出可直接使用的局部风险地图和飞行安全走廊约束。

8、为了解决上述技术问题，本发明提供了如下技术方案：

9、一种面向无人机自主避障的风险感知自适应octvox激光惯性建图方法，该方法以无人机机载激光雷达点云、imu测量数据、激光雷达与imu外参、无人机机体安全半径以及局部规划器输出的未来轨迹为输入，首先通过激光惯性里程计完成imu状态预测、点云去畸变和扫描到地图匹配，获得无人机实时位姿估计和局部点云地图。

10、在地图表示方面，本发明以哈希体素地图为基础，将每个体素配置为可变精度octvox单元。不同于固定八子体素的普通octvox，本技术为每个体素维护风险等级、代表点集合、观测计数、稳定度、动态占据标记、法向量或协方差以及最近访问时间等属性。系统根据体素中心到未来飞行轨迹的距离、体素与障碍物边界的关系、位姿估计协方差、局部几何退化程度和动态占据变化，计算体素飞行风险评分，并据此将体素划分为低风险、中风险和高风险三类。

11、对于低风险体素，本发明采用中心代表点、低频更新或较大合并阈值，以压缩远离航迹区域的地图规模；对于中风险体素，采用常规2×2×2八子体素表示，以保持实时定位所需的基本几何覆盖；对于高风险体素，采用更细的4×4×4子体素、每子体素多代表点或附加法向量/协方差的增强表达，以保留飞行走廊附近障碍边界、窄通道和动态障碍物的几何细节。

12、在近邻搜索方面，本发明在普通启发式knn的几何距离下界基础上引入体素风险等级和稳定度因子，优先检索对定位和避障更有价值的候选点。对于稳定静态结构点，提高其在点到平面残差中的权重；对于动态或低稳定度点，降低其对状态估计的影响，但在动态避障层中保留其瞬时占据信息。由此避免动态障碍对定位造成干扰，同时保证规划器能够及时获得动态障碍风险。

13、在规划耦合方面，本技术将局部规划器输出的未来轨迹或候选轨迹集合转换为飞行安全走廊，并将走廊附近体素的风险评分提高，使地图更新主动增强未来可能经过区域的几何表达。更新后的风险自适应octvox地图又向规划器输出局部障碍边界、动态占据、风险等级和不确定性标记，形成定位建图与自主避障之间的闭环。

14、最终，本技术输出包括无人机实时位姿、稳定定位层地图、动态避障层地图、体素风险层、局部飞行安全走廊、障碍物边界点以及风险体素列表在内的结构化结果，可直接作为局部路径规划、碰撞检测、速度约束生成和安全控制策略切换的输入。

15、与现有技术相比，本发明公开了以下技术效果：

16、1、本发明通过飞行风险评分机制将无人机避障任务需求引入lio地图更新过程，使地图精度不再均匀分配，而是优先分配给未来飞行走廊、障碍物边界和定位不确定性较高的区域，从而提高关键区域的环境表达能力。

17、2、本发明采用风险分级的自适应octvox表达，在低风险区域保持紧凑存储，在高风险区域局部提高分辨率或增加代表点数量，能够在总体计算量可控的情况下提升窄通道、边界障碍和细小障碍物的保留效果。

18、3、本发明将状态协方差、局部几何退化和动态占据变化纳入体素风险评分，可在定位可靠性下降或场景几何约束不足时主动增强关键区域地图，提高激光惯性里程计在复杂无人机飞行环境中的鲁棒性。

19、4、本发明在近邻搜索和残差构建过程中区分稳定定位点与动态避障点，能够减少动态障碍物对lio状态更新的干扰，同时保留其对局部路径规划的安全约束价值。

20、5、本发明通过未来轨迹反馈形成规划需求驱动的地图精度调整机制，能够使lio建图、障碍检测和局部避障之间形成闭环，减少传统模块分离导致的关键区域表达不足问题。

21、6、本发明的建图方法适用于nvidiaorinnx、jetson系列、arm嵌入式计算平台和机载小型计算单元等资源受限环境，可在有限算力下兼顾实时定位、紧凑建图和安全避障。