本技術(shù)涉及無人機(jī)。更具體地說，本技術(shù)涉及一種無人機(jī)的路徑規(guī)劃方法、系統(tǒng)、無人機(jī)及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、傳統(tǒng)的無人機(jī)的路徑規(guī)劃方法，通常是僅采用epnp算法對(duì)無人機(jī)采集的圖像進(jìn)行識(shí)別處理，以獲得該無人機(jī)的位姿信息。但是，由于在極端環(huán)境下，圖像數(shù)據(jù)可能受到更嚴(yán)重的噪聲干擾，如極端光照條件、圖像模糊或傳感器故障等。這些噪聲會(huì)影響3d點(diǎn)和2d投影點(diǎn)之間的對(duì)應(yīng)關(guān)系，影響epnp算法的準(zhǔn)確性，導(dǎo)致由epnp算法輸出的位姿不夠準(zhǔn)確，從而影響無人機(jī)的路徑規(guī)劃的準(zhǔn)確度。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的是，提供一種無人機(jī)的路徑規(guī)劃方法、系統(tǒng)、無人機(jī)及存儲(chǔ)介質(zhì)，其能夠在極端環(huán)境下保證穩(wěn)定的位姿輸出，以提高無人機(jī)路徑規(guī)劃的準(zhǔn)確性。本技術(shù)實(shí)施例主要通過下述技術(shù)方案實(shí)現(xiàn)：

2、本技術(shù)實(shí)施例的第一方面，提供了一種無人機(jī)的路徑規(guī)劃方法，包括：

3、獲取目的地信息、第一深度圖像和第二深度圖像，其中，所述第一深度圖像和所述第二深度圖像展示的是不同角度下的同一場(chǎng)景；

4、對(duì)所述第一深度圖像和所述第二深度圖像進(jìn)行特征匹配處理，獲得第一匹配結(jié)果、多個(gè)第一特征點(diǎn)和多個(gè)第二特征點(diǎn)；

5、在所述第一匹配結(jié)果為匹配成功的情況下，采用epnp算法結(jié)合ransac算法對(duì)所述多個(gè)第一特征點(diǎn)和所述多個(gè)第二特征點(diǎn)進(jìn)行定位處理，獲得第一位姿信息；

6、基于所述第一位姿信息和所述目的地信息規(guī)劃無人機(jī)的第一飛行路徑。

7、根據(jù)本技術(shù)的一個(gè)實(shí)施例，所述對(duì)所述第一深度圖像和所述第二深度圖像進(jìn)行特征匹配處理，獲得第一匹配結(jié)果、多個(gè)第一特征點(diǎn)和多個(gè)第二特征點(diǎn)的步驟包括：

8、對(duì)所述第一深度圖像進(jìn)行縮放處理，獲得第一待處理圖像；

9、對(duì)所述第二深度圖像進(jìn)行縮放處理，獲得第二待處理圖像；

10、提取所述第一待處理圖像中的多個(gè)第一像素點(diǎn)，獲得多個(gè)第三特征點(diǎn)，并對(duì)所述多個(gè)第三特征點(diǎn)進(jìn)行區(qū)域分配，獲得所述多個(gè)第一特征點(diǎn)；

11、提取所述第二待處理圖像中的多個(gè)第二像素點(diǎn)，獲得多個(gè)第四特征點(diǎn)，并對(duì)所述多個(gè)第四特征點(diǎn)進(jìn)行區(qū)域分配，獲得所述多個(gè)第二特征點(diǎn)；

12、設(shè)置第一預(yù)設(shè)閾值；

13、計(jì)算所述多個(gè)第一特征點(diǎn)和所述多個(gè)第二特征點(diǎn)的相同數(shù)量；

14、在所述相同數(shù)量大于所述第一預(yù)設(shè)閾值的情況下，所述第一匹配結(jié)果為匹配成功；

15、在所述相同數(shù)量等于或者小于所述第一預(yù)設(shè)閾值的情況下，所述第一匹配結(jié)果為匹配不成功。

16、根據(jù)本技術(shù)的一個(gè)實(shí)施例，在所述基于所述第一位姿信息和所述目的地信息規(guī)劃無人機(jī)的第一飛行路徑的步驟之后，所述無人機(jī)的路徑規(guī)劃方法還包括：

17、基于所述第一位姿信息構(gòu)建第一地圖；

18、對(duì)所述第三特征點(diǎn)和所述第四特征點(diǎn)進(jìn)行回環(huán)檢測(cè)，獲得第二位姿信息和融合地圖；

19、基于所述第一地圖和所述第二位姿信息生成第三位姿信息；

20、基于所述第三位姿信息和所述目的地信息規(guī)劃所述無人機(jī)的第二飛行路徑。

21、根據(jù)本技術(shù)的一個(gè)實(shí)施例，所述對(duì)所述第三特征點(diǎn)和所述第四特征點(diǎn)進(jìn)行回環(huán)檢測(cè)，獲得第二位姿信息和融合地圖的步驟包括：

22、獲取第二地圖；設(shè)置第二預(yù)設(shè)閾值；

23、基于所述第三特征點(diǎn)和所述第四特征點(diǎn)進(jìn)行回環(huán)檢測(cè)，獲得檢測(cè)結(jié)果；

24、計(jì)算所述檢測(cè)結(jié)果的置信參數(shù)，所述置信參數(shù)用于表征所述第三特征點(diǎn)和所述第四特征點(diǎn)為所述無人機(jī)經(jīng)過的歷史回環(huán)位置的置信度；

25、在所述置信參數(shù)大于所述第二預(yù)設(shè)閾值的情況下，生成檢測(cè)地圖；

26、將所述第二地圖和所述檢測(cè)地圖進(jìn)行融合處理，獲得融合地圖；

27、基于所述融合地圖生成第二位姿信息。

28、根據(jù)本技術(shù)的一個(gè)實(shí)施例，在所述對(duì)所述第三特征點(diǎn)和所述第四特征點(diǎn)進(jìn)行回環(huán)檢測(cè)，獲得第二位姿信息和融合地圖的步驟之后，所述無人機(jī)的路徑規(guī)劃方法還包括：

29、對(duì)所述融合地圖進(jìn)行回環(huán)優(yōu)化，得到第一優(yōu)化結(jié)果；

30、基于所述第一優(yōu)化結(jié)果和所述第一地圖輸出第四位姿信息；

31、基于所述第四位姿信息和所述目的地信息規(guī)劃所述無人機(jī)的第三飛行路徑。

32、根據(jù)本技術(shù)的一個(gè)實(shí)施例，在所述對(duì)所述融合地圖進(jìn)行回環(huán)優(yōu)化，得到第一優(yōu)化結(jié)果的步驟之后，所述無人機(jī)的路徑規(guī)劃方法還包括：

33、基于所述第一優(yōu)化結(jié)果進(jìn)行全局優(yōu)化，獲得第二優(yōu)化結(jié)果；

34、基于所述第二優(yōu)化結(jié)果和所述第一地圖輸出第五位姿信息；

35、基于所述第五位姿信息和所述目的地信息規(guī)劃所述無人機(jī)的第四飛行路徑。

36、根據(jù)本技術(shù)的一個(gè)實(shí)施例，在所述基于所述第一優(yōu)化結(jié)果進(jìn)行全局優(yōu)化，獲得第二優(yōu)化結(jié)果的步驟之后，所述無人機(jī)的路徑規(guī)劃方法還包括：

37、對(duì)所述第一地圖進(jìn)行局部?jī)?yōu)化，獲得第三優(yōu)化結(jié)果；

38、將所述第三優(yōu)化結(jié)果和所述第二優(yōu)化結(jié)果進(jìn)行聯(lián)合優(yōu)化，獲得第四優(yōu)化結(jié)果；

39、基于所述第四優(yōu)化結(jié)果生成第六位姿信息；

40、基于所述第六位姿信息和所述目的地信息規(guī)劃所述無人機(jī)的第五飛行路徑。

41、本技術(shù)實(shí)施例的第二方面，提供了一種無人機(jī)的路徑規(guī)劃系統(tǒng)，包括：

42、獲取模塊，用于獲取目的地信息、第一深度圖像和第二深度圖像，其中，所述第一深度圖像和所述第二深度圖像展示的是不同角度下的同一場(chǎng)景；

43、匹配模塊，用于對(duì)所述第一深度圖像和所述第二深度圖像進(jìn)行特征匹配處理，獲得第一匹配結(jié)果、多個(gè)第一特征點(diǎn)和多個(gè)第二特征點(diǎn)；

44、定位模塊，用于在所述第一匹配結(jié)果為匹配成功的情況下，采用epnp算法結(jié)合ransac算法對(duì)所述多個(gè)第一特征點(diǎn)和所述多個(gè)第二特征點(diǎn)進(jìn)行定位處理，獲得第一位姿信息；

45、規(guī)劃模塊，用于基于所述第一位姿信息和所述目的地信息規(guī)劃無人機(jī)的第一飛行路徑。

46、本技術(shù)實(shí)施例的第三方面，提供了一種無人機(jī)，包括：處理器和存儲(chǔ)器，該存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述處理器用于調(diào)用并運(yùn)行所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序，執(zhí)行上述本技術(shù)實(shí)施例第一方面所述的無人機(jī)的路徑規(guī)劃方法的步驟。

47、本技術(shù)實(shí)施例的第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序使得計(jì)算機(jī)執(zhí)行上述本技術(shù)實(shí)施例第一方面所述的無人機(jī)的路徑規(guī)劃方法的步驟。

48、本技術(shù)實(shí)施例的有益效果包括：

49、本技術(shù)實(shí)施例在epnp算法的基礎(chǔ)上，加入了ransac算法，以提高位姿輸出的準(zhǔn)確性。具體的，本技術(shù)實(shí)施例是通過對(duì)第一深度圖像和第二深度圖像進(jìn)行特征匹配處理，獲得第一匹配結(jié)果；在所述第一匹配結(jié)果為匹配成功的情況下，采用epnp算法結(jié)合ransac算法對(duì)所述多個(gè)第一特征點(diǎn)和所述多個(gè)第二特征點(diǎn)進(jìn)行定位處理，獲得第一位姿信息；從而，無人機(jī)可以基于所述第一位姿信息和目的地信息規(guī)劃第一飛行路徑。ransac算法可以在迭代的過程中優(yōu)化epnp算法輸出的第一位姿信息，因此，與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例能夠在極端環(huán)境下保證穩(wěn)定的位姿輸出，以提高無人機(jī)路徑規(guī)劃的準(zhǔn)確性。