本發(fā)明涉及無(wú)人機(jī)，尤其涉及基于分?jǐn)?shù)階微積分的無(wú)人機(jī)微小障礙物動(dòng)態(tài)避讓方法。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，無(wú)人機(jī)在復(fù)雜動(dòng)態(tài)環(huán)境中對(duì)障礙物的避讓主要依賴(lài)于基于整數(shù)階微積分的控制算法，傳統(tǒng)的避障方法通常通過(guò)使用激光雷達(dá)、超聲波傳感器和攝像頭傳感器采集周?chē)h(huán)境的障礙物數(shù)據(jù)，結(jié)合路徑規(guī)劃算法，生成無(wú)人機(jī)的飛行路徑，然而，傳統(tǒng)方法在處理高速運(yùn)動(dòng)中的微小障礙物時(shí)存在一些局限性，尤其是在面對(duì)飛行速度較快、環(huán)境復(fù)雜且障礙物體積較小時(shí)，傳統(tǒng)避障系統(tǒng)往往無(wú)法及時(shí)做出精確的反應(yīng)，容易導(dǎo)致碰撞事故的發(fā)生。

2、目前常見(jiàn)的避障系統(tǒng)主要依賴(lài)整數(shù)階微積分算法來(lái)對(duì)飛行器進(jìn)行控制和路徑規(guī)劃，整數(shù)階微積分算法在較為靜態(tài)或障礙物體積較大的環(huán)境中效果較好，但在高速飛行和微小障礙物的環(huán)境中，整數(shù)階控制算法的響應(yīng)速度和控制精度不足，難以適應(yīng)復(fù)雜的動(dòng)態(tài)環(huán)境變化，此外，現(xiàn)有技術(shù)通常沒(méi)有充分考慮歷史飛行軌跡數(shù)據(jù)和當(dāng)前障礙物動(dòng)態(tài)信息的融合，導(dǎo)致無(wú)人機(jī)在重復(fù)或類(lèi)似場(chǎng)景下無(wú)法有效利用過(guò)去的飛行經(jīng)驗(yàn)進(jìn)行優(yōu)化，增加了避障的復(fù)雜度和不確定性。

3、現(xiàn)有的無(wú)人機(jī)避障技術(shù)還存在障礙物數(shù)據(jù)處理和實(shí)時(shí)避障路徑生成的效率問(wèn)題，傳統(tǒng)方法中，障礙物數(shù)據(jù)通常采用簡(jiǎn)單的濾波和增強(qiáng)處理方式，無(wú)法有效應(yīng)對(duì)噪聲較多或障礙物特征不明顯的復(fù)雜環(huán)境，導(dǎo)致無(wú)人機(jī)在面對(duì)動(dòng)態(tài)變化的障礙物時(shí)，避障決策的準(zhǔn)確性下降，無(wú)法實(shí)時(shí)生成最優(yōu)避障路徑，此外，由于現(xiàn)有系統(tǒng)在障礙物數(shù)據(jù)處理與路徑規(guī)劃之間缺乏緊密的耦合，導(dǎo)致避障路徑的實(shí)時(shí)更新和響應(yīng)速度不足。

4、綜上所述，現(xiàn)有技術(shù)主要存在以下缺點(diǎn)：首先，整數(shù)階控制算法在高速飛行和微小障礙物避讓中響應(yīng)不足，難以適應(yīng)動(dòng)態(tài)復(fù)雜的環(huán)境變化；其次，現(xiàn)有避障技術(shù)沒(méi)有充分利用歷史飛行數(shù)據(jù)進(jìn)行決策優(yōu)化，增加了無(wú)人機(jī)重復(fù)場(chǎng)景中的避障難度；最后，障礙物數(shù)據(jù)處理與避障路徑生成的實(shí)時(shí)性較差，無(wú)法在復(fù)雜動(dòng)態(tài)環(huán)境中實(shí)現(xiàn)精準(zhǔn)的避障操作。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的一個(gè)目的在于提出基于分?jǐn)?shù)階微積分的無(wú)人機(jī)微小障礙物動(dòng)態(tài)避讓方法，本發(fā)明通過(guò)引入自適應(yīng)分?jǐn)?shù)階微積分控制算法，結(jié)合無(wú)人機(jī)飛行狀態(tài)和障礙物檢測(cè)數(shù)據(jù)，實(shí)現(xiàn)了微小障礙物的動(dòng)態(tài)避讓。

2、根據(jù)本發(fā)明實(shí)施例的基于分?jǐn)?shù)階微積分的無(wú)人機(jī)微小障礙物動(dòng)態(tài)避讓方法，包括如下步驟：

3、s1.獲取無(wú)人機(jī)飛行環(huán)境中激光雷達(dá)數(shù)據(jù)、超聲波傳感器數(shù)據(jù)以及攝像頭圖像數(shù)據(jù)，并基于多傳感器數(shù)據(jù)融合技術(shù)構(gòu)建包括微小障礙物三維空間位置及微小障礙物動(dòng)態(tài)變化信息的障礙物數(shù)據(jù)集；

4、s2.對(duì)障礙物數(shù)據(jù)集進(jìn)行預(yù)處理，去除噪聲和無(wú)效數(shù)據(jù)，生成經(jīng)過(guò)濾波和增強(qiáng)處理后的障礙物檢測(cè)數(shù)據(jù)；

5、s3.基于障礙物檢測(cè)數(shù)據(jù)利用自適應(yīng)分?jǐn)?shù)階微積分構(gòu)建無(wú)人機(jī)飛行狀態(tài)模型；

6、s4.引入自適應(yīng)分?jǐn)?shù)階控制算法，根據(jù)不同的飛行速度和障礙物復(fù)雜度，自動(dòng)調(diào)整自適應(yīng)分?jǐn)?shù)階微積分的分?jǐn)?shù)階階次，生成最優(yōu)避障路徑；

7、s5.將所述最優(yōu)避障路徑轉(zhuǎn)換為無(wú)人機(jī)的控制指令，并實(shí)時(shí)發(fā)送至無(wú)人機(jī)的飛行控制系統(tǒng)，控制無(wú)人機(jī)根據(jù)最優(yōu)避障路徑避開(kāi)障礙物；

8、s6.在無(wú)人機(jī)飛行過(guò)程中，持續(xù)監(jiān)測(cè)環(huán)境變化，并根據(jù)新的傳感器數(shù)據(jù)實(shí)時(shí)更新所述自適應(yīng)分?jǐn)?shù)階飛行狀態(tài)模型和最優(yōu)避障路徑。

9、可選的，所述s1包括以下步驟：

10、s11.利用激光雷達(dá)獲取無(wú)人機(jī)飛行環(huán)境中的障礙物數(shù)據(jù)，所述障礙物數(shù)據(jù)包括障礙物距離、方位角及高度；

11、s12.利用超聲波傳感器采集障礙物的距離信息及方位信息；

12、s13.使用攝像頭獲取障礙物的圖像數(shù)據(jù)，所述圖像數(shù)據(jù)通過(guò)基于像素點(diǎn)的三維重建技術(shù)生成障礙物三維空間信息，包括位置和障礙物動(dòng)態(tài)變化信息，其中t為時(shí)間變量；

13、s14.基于多傳感器數(shù)據(jù)融合技術(shù)將激光雷達(dá)數(shù)據(jù)、超聲波傳感器數(shù)據(jù)及攝像頭圖像數(shù)據(jù)通過(guò)加權(quán)融合算法融合成統(tǒng)一的障礙物數(shù)據(jù)集，障礙物數(shù)據(jù)集中的微小障礙物三維空間位置計(jì)算為：

14、；

15、其中，、、分別為激光雷達(dá)、超聲波傳感器和攝像頭數(shù)據(jù)的加權(quán)系數(shù)；

16、s15.通過(guò)障礙物動(dòng)態(tài)變化信息對(duì)障礙物的運(yùn)動(dòng)軌跡進(jìn)行建模，所述障礙物的運(yùn)動(dòng)軌跡通過(guò)融合后的障礙物數(shù)據(jù)集動(dòng)態(tài)計(jì)算：

17、；

18、其中，為初始時(shí)間；

19、s16.構(gòu)建最終的障礙物數(shù)據(jù)集：

20、。

21、可選的，所述s2包括以下步驟：

22、s21.?使用均值濾波方法對(duì)障礙物數(shù)據(jù)集中的距離信息進(jìn)行平滑處理，得到平滑后的距離數(shù)據(jù)；

23、s22.?采用高斯濾波對(duì)障礙物數(shù)據(jù)集中的障礙物三維空間信息進(jìn)行處理，消除圖像噪聲，得到經(jīng)過(guò)處理的障礙物三維空間信息；

24、s23.?使用中值濾波對(duì)障礙物數(shù)據(jù)集中的障礙物動(dòng)態(tài)變化信息進(jìn)行去噪處理，得到去噪后的障礙物動(dòng)態(tài)變化信息；

25、s24.?對(duì)預(yù)處理后的障礙物數(shù)據(jù)進(jìn)行增強(qiáng)處理，對(duì)障礙物邊緣信息進(jìn)行增強(qiáng)；

26、s25.?輸出經(jīng)過(guò)濾波和增強(qiáng)處理后的障礙物檢測(cè)數(shù)據(jù)：

27、；

28、其中，為增強(qiáng)后的障礙物三維空間位置數(shù)據(jù)，為增強(qiáng)后的障礙物動(dòng)態(tài)變化信息。

29、可選的，所述s3包括以下步驟：

30、s31.?基于障礙物檢測(cè)數(shù)據(jù)和歷史飛行軌跡數(shù)據(jù)對(duì)當(dāng)前時(shí)間t無(wú)人機(jī)的位置信息、速度信息進(jìn)行初始化：

31、；

32、其中，和分別為障礙物檢測(cè)數(shù)據(jù)和歷史飛行軌跡的權(quán)重系數(shù)，為當(dāng)前障礙物檢測(cè)的三維空間位置，為歷史飛行軌跡中的位置信息；

33、s32.?結(jié)合當(dāng)前飛行速度v(t)和加速度構(gòu)建飛行狀態(tài)模型，飛行狀態(tài)模型描述無(wú)人機(jī)在時(shí)間t上的動(dòng)態(tài)響應(yīng)特性：

34、；

35、其中，為無(wú)人機(jī)當(dāng)前的速度；

36、s33.?使用自適應(yīng)分?jǐn)?shù)階微積分方法優(yōu)化飛行狀態(tài)模型，對(duì)飛行狀態(tài)模型進(jìn)行分?jǐn)?shù)階微分計(jì)算，綜合歷史飛行狀態(tài)、當(dāng)前障礙物檢測(cè)數(shù)據(jù)及飛行速度v(t)的影響，構(gòu)建動(dòng)態(tài)響應(yīng)方程：

37、；

38、其中，為無(wú)人機(jī)的動(dòng)態(tài)響應(yīng)模型，為分?jǐn)?shù)階階次，為障礙物檢測(cè)數(shù)據(jù)對(duì)動(dòng)態(tài)響應(yīng)的權(quán)重，為障礙物數(shù)據(jù)的記憶衰減因子，用于調(diào)整障礙物影響隨時(shí)間的變化，為歷史飛行軌跡數(shù)據(jù)的影響權(quán)重，為經(jīng)過(guò)預(yù)處理的當(dāng)前障礙物檢測(cè)數(shù)據(jù)，為歷史飛行軌跡數(shù)據(jù)。

39、可選的，所述s4包括以下步驟：

40、s41.?基于無(wú)人機(jī)的飛行速度v(t)和障礙物的復(fù)雜度確定自適應(yīng)分?jǐn)?shù)階控制算法中的分?jǐn)?shù)階階次，分?jǐn)?shù)階階次隨時(shí)間動(dòng)態(tài)變化適應(yīng)當(dāng)前環(huán)境的復(fù)雜性：

41、；

42、其中，為初始分?jǐn)?shù)階階次，為速度調(diào)節(jié)系數(shù)，為障礙物復(fù)雜度調(diào)節(jié)系數(shù)；

43、s42.?計(jì)算當(dāng)前無(wú)人機(jī)的最優(yōu)避障路徑，最優(yōu)避障路徑基于分?jǐn)?shù)階控制算法，結(jié)合歷史飛行軌跡、當(dāng)前障礙物檢測(cè)數(shù)據(jù)和分?jǐn)?shù)階響應(yīng)特性得出；

44、s43.?在無(wú)人機(jī)飛行過(guò)程中，實(shí)時(shí)調(diào)整分?jǐn)?shù)階控制算法中的分?jǐn)?shù)階階次優(yōu)化避障響應(yīng)，使無(wú)人機(jī)動(dòng)態(tài)避讓障礙物并生成最優(yōu)路徑。

45、可選的，所述s42包括以下步驟：

46、s421.?基于歷史飛行軌跡、當(dāng)前障礙物檢測(cè)數(shù)據(jù)以及分?jǐn)?shù)階響應(yīng)特性，構(gòu)建當(dāng)前環(huán)境下的飛行狀態(tài)預(yù)測(cè)模型：

47、；

48、其中，為當(dāng)前時(shí)刻基于歷史軌跡和障礙物數(shù)據(jù)修正后的飛行狀態(tài)，為分?jǐn)?shù)階動(dòng)態(tài)響應(yīng)特性；

49、s422.?結(jié)合飛行速度v(t)和障礙物復(fù)雜度通過(guò)自適應(yīng)分?jǐn)?shù)階控制算法計(jì)算最優(yōu)避障路徑，最優(yōu)避障路徑優(yōu)化目標(biāo)為最小化與障礙物的碰撞風(fēng)險(xiǎn)，并最大化飛行路徑的平滑度，最優(yōu)避障路徑計(jì)算為：

50、；

51、其中，為當(dāng)前最優(yōu)避障路徑，為障礙物的實(shí)時(shí)檢測(cè)數(shù)據(jù)。

52、可選的，所述s5包括以下步驟：

53、s51.?將最優(yōu)避障路徑轉(zhuǎn)換為無(wú)人機(jī)的控制指令，包括將最優(yōu)避障路徑信息轉(zhuǎn)換為無(wú)人機(jī)的航向角指令、俯仰角指令以及速度指令：

54、；

55、；

56、；

57、其中，為最優(yōu)避障路徑上的位置信息，為當(dāng)前無(wú)人機(jī)位置；

58、s52.?將航向角指令、俯仰角指令以及速度指令發(fā)送至無(wú)人機(jī)的飛行控制系統(tǒng)，飛行控制系統(tǒng)根據(jù)接收到的指令調(diào)整無(wú)人機(jī)的姿態(tài)和速度，使無(wú)人機(jī)按照最優(yōu)避障路徑飛行，避開(kāi)障礙物。

59、本發(fā)明的有益效果是：

60、（1）?本發(fā)明采用自適應(yīng)分?jǐn)?shù)階微積分動(dòng)態(tài)調(diào)整分?jǐn)?shù)階階次，根據(jù)不同的飛行速度和障礙物復(fù)雜度，實(shí)時(shí)調(diào)節(jié)控制算法的響應(yīng)速度和精度，自適應(yīng)分?jǐn)?shù)階微積分相較于傳統(tǒng)整數(shù)階微積分更適合處理復(fù)雜的動(dòng)態(tài)環(huán)境，通過(guò)動(dòng)態(tài)調(diào)整分?jǐn)?shù)階階次使無(wú)人機(jī)在高速飛行時(shí)具備更高的避障靈活性和反應(yīng)能力，避免了傳統(tǒng)算法在處理微小且快速移動(dòng)障礙物時(shí)容易出現(xiàn)的響應(yīng)滯后和精度不足的問(wèn)題，有效提升了無(wú)人機(jī)在復(fù)雜環(huán)境中的避障性能，特別是在面對(duì)微小障礙物時(shí)的避讓效率。

61、（2）?本發(fā)明構(gòu)建了結(jié)合歷史飛行軌跡數(shù)據(jù)與實(shí)時(shí)障礙物檢測(cè)數(shù)據(jù)的飛行狀態(tài)模型，避免了傳統(tǒng)算法中無(wú)法有效利用歷史數(shù)據(jù)的問(wèn)題，通過(guò)記憶無(wú)人機(jī)的歷史飛行軌跡，并結(jié)合當(dāng)前障礙物的檢測(cè)信息構(gòu)建了更為精確的飛行狀態(tài)模型，使得無(wú)人機(jī)能夠在重復(fù)或相似的場(chǎng)景下，通過(guò)對(duì)歷史軌跡的參考動(dòng)態(tài)調(diào)整飛行路徑，生成更為優(yōu)化的避障決策，減少了計(jì)算的復(fù)雜性，提高了避障的準(zhǔn)確性，增強(qiáng)了無(wú)人機(jī)應(yīng)對(duì)復(fù)雜動(dòng)態(tài)環(huán)境的能力。

62、（3）?本發(fā)明通過(guò)自適應(yīng)分?jǐn)?shù)階控制算法生成的最優(yōu)避障路徑，結(jié)合飛行速度、障礙物位置以及復(fù)雜度實(shí)時(shí)更新路徑信息，并轉(zhuǎn)換為無(wú)人機(jī)的控制指令，確保無(wú)人機(jī)在飛行過(guò)程中能夠持續(xù)動(dòng)態(tài)避障，與傳統(tǒng)避障系統(tǒng)相比，本發(fā)明實(shí)現(xiàn)了飛行路徑和控制指令的實(shí)時(shí)耦合，使得無(wú)人機(jī)在應(yīng)對(duì)突發(fā)的障礙物變化時(shí)，能夠迅速做出調(diào)整，避免碰撞的發(fā)生。