一种应用于煤矿井下智能巡检无人机的定位方法及系统技术方案

本发明专利技术涉及一种应用于煤矿井下智能巡检无人机的定位方法及系统，本发明专利技术惯性导航和超宽带定位检测无人机的实时位置数据，通过卡尔曼滤波算法进行数据融合，修正无人机运动状态下的当前实时位置；当无人机达到目标区域时，控制无人机处于悬停状态，并在悬停状态下，通过视觉激光雷达检测无人机悬停的当前位置，并通过高斯卷积算法无人机悬停的当前位置和无人机到达目标区域时的当前实时位置进行融合，修正无人机悬停状态下的位置估计，使定位数据更加精确。

【技术实现步骤摘要】
一种应用于煤矿井下智能巡检无人机的定位方法及系统
本专利技术属于
，尤其是涉及一种应用于煤矿井下智能巡检无人机的定位方法及系统。
技术介绍
无人机因为具有效率高、成本低、可重复使用的特点，应用场景越来越广泛，但是，由于煤矿井巷道狭窄，空间有限，受到噪声干扰、信号屏蔽等情况较地面严重的多，GPS无法获取有效定位信号，因此，难以将GPS运用于煤矿井下无人机的自主导航。同时，由于煤矿井下环境复杂，井下人员、车辆等动态障碍物较多，仅依靠视觉的无人机导航技术无法实时解析有效的数据信息，导致其无法正常实现自身定位功能。另外，由于惯性导航技术具有自修正功能，导致定位精度不高，很难实现精确定位和准确避障。
技术实现思路
本专利技术要解决的技术问题是：为解决现有技术中由于煤矿井下环境复杂，GPS无法在煤矿井下应用，以至于无法实现无人机定位的问题，从而提供一种应用于煤矿井下智能巡检无人机的定位方法及系统。本专利技术解决其技术问题所采用的技术方案是：本专利技术第一方面提供一种应用于煤矿井下智能巡检无人机的定位方法，包括：S1:通过惯性导航检测无人机运行过程中在世界坐标系中的实时位置；S2:通过超宽带定位算法检测无人机的位置数据；S3:通过卡尔曼滤波算法融合惯性导航检测的实时位置数据和超宽带定位算法检测的位置数据，修正无人机运动状态下的实时位置；S4:根据无人机运动状态下的实时位置信息，当判定无人机达到目标区域时，控制无人机处于悬停状态；S5:在悬停状态下，通过视觉激光雷达获取无人机的二维点云数据，得到无人机悬停的当前位置；S6:通过高斯卷积算法将S5中得到的无人机悬停的当前位置和S4得到的控制无人机处于悬停状态时的实时位置进行融合，修正无人机悬停状态下的位置估计。本专利技术第二方面提供一种应用于煤矿井下智能巡检无人机的定位系统，包括：惯性导航模块，用于通过惯性导航测量无人机运行过程中在世界坐标系中的实时位置；超宽带定位模块，用于通过超宽带定位算法检测无人机的位置数据；第一位置修正模块，用于通过卡尔曼滤波算法融合惯性导航检测的实时位置数据和超宽带定位算法检测的位置数据，修正无人机运动状态下的实时位置；判定模块，用于根据无人机运动状态下的实时位置信息，当判定无人机达到目标区域时，控制无人机处于悬停状态；位置检测模块，用于在悬停状态下，通过视觉激光雷达获取无人机的二维点云数据，得到无人机悬停的当前位置；第二位置修正模块，用于通过高斯卷积算法将S5中得到的无人机悬停的当前位置和S4得到的控制无人机处于悬停状态时的实时位置进行融合，修正无人机悬停状态下的位置估计。本专利技术的有益效果是：本专利技术的无人机能够适用于煤矿井下有限巷道空间飞行；本专利技术采用UWB及惯性导航技术相结合的方式能够实现厘米级精准定位；本专利技术采用超声测距与双目视觉的测距结合卡尔曼滤波给出距障碍物的精确距离，能够有效躲避飞行过程中出现的静态及动态障碍物。附图说明下面结合附图和实施例对本专利技术的技术方案进一步说明。图1是本专利技术实施例的方法流程图；图2是本专利技术实施例的结构框图。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术的技术方案。实施例1本实施例提供一种应用于煤矿井下智能巡检无人机的定位方法，如图1所示，包括：S1:通过惯性导航检测无人机运行过程中在世界坐标系中的第一实时位置数据；S2:通过超宽带定位算法检测无人机的第二实时位置数据；S3:通过卡尔曼滤波算法融合第一实时位置数据和第二实时位置数据，修正无人机运动状态下的当前实时位置；S4:根据无人机运动状态下的当前实时位置信息，当判定无人机达到目标区域时，控制无人机处于悬停状态；S5:在悬停状态下，通过视觉激光雷达获取无人机的二维点云数据，得到无人机悬停的当前位置；S6:通过高斯卷积算法将S5中得到的无人机悬停的当前位置和S4得到无人机到达目标区域时的当前实时位置进行融合，修正无人机悬停状态下的位置估计。无人机在地面上飞行一般采用GPS和惯性导航相结合实现定位感知，而由于煤矿井下环境特殊，无法获取GPS信号，因此，本实施例采用UWB(超宽带)定位技术和惯性导航技术实现定位感知，能够实现厘米级精准定位，使无人机能够适用于煤矿井下有限巷道空间飞行。本实施例在无人机飞行过程中，采用卡尔曼滤波算法将通过惯性导航系统获取的无人机第一实时位置数据和通过超宽带定位获取的无人机第二实时位置数据进行数据融合，减小定位误差，定位更加精确。在检测到无人机达到目标区域后，控制无人机悬停，通过视觉激光雷达检测无人机二维点云数据，应用ICP点云匹配算法解算出无人机的三维空间位置。无人机在悬停状态下，通过高斯卷积算法融合视觉激光雷达检测到的无人机的单位空间位置和步骤S4得到的无人机到达目标区域时的当前实时位置数据，减小定位误差，提高系统在悬停状态下的定位精度。可选的是，本实施例S3中，通过卡尔曼滤波算法融合第一实时位置数据和第二实时位置数据，修正无人机运动状态下的当前实时位置的具体步骤包括：S31:通过IMU芯片检测的无人机加速度信息、姿态信息，解算得到无人机在世界坐标系中的位置坐标；S32:通过UWB芯片检测UWB定位基站到定位标签之间的距离，解算得到无人机的绝对位置；S33:计算UWB芯片解算得到的绝对位置与IMU芯片解算的位置坐标的差值，将所述差值作为卡尔曼滤波器的量测输入，利用所述卡尔曼滤波器的输出值对无人机的位置信息进行修正。惯性导航的核心元件为IMU(惯性测量单元)，如图2所示，本实施例通过IMU检测无人机的加速度和姿态角，并解算出无人机在世界坐标系中的位置坐标，即第一实时位置数据。通过UWB芯片计算UWB定位标签到UWB定位基站之间的距离，其中的UWB定位标签设置于无人机上，然后通过三角测距原理计算出无人机的绝对位置，即第二实时位置数据。本实施例关于惯性导航技术和超宽带定位技术均属于本领域常规技术手段，在此不再赘述。在得到第一实时位置数据和第二实时位置数据之后，计算第一实时位置数据与第二实时位置数据之间的差值，并将所述差值作为卡尔曼滤波器的量测输入，利用所述卡尔曼滤波器的输出值对无人机悬停状态下的位置信息进行修正，输出更为精确的位置信息。关于卡尔曼滤波算法，也属于本领域的常规技术手段在，在此不再赘述。可选的是，本实施例还包括避障的步骤：在无人机飞行过程中，若探测到无人机飞行前进方向上有障碍物，则测量所述障碍物与无人机之间的相对距离；如果所述相对距离大于设定安全距离，则判定障碍物会对无人机的飞行安全构成威胁，中断当前航路，控制无人机保持悬停状态，并实时根据障碍方位信息规划绕飞航路；...

【技术保护点】
1.一种应用于煤矿井下智能巡检无人机的定位方法，其特征在于，包括：/nS1:通过惯性导航检测无人机运行过程中的第一实时位置数据；/nS2:通过超宽带定位算法检测无人机运行过程中的第二实时位置数据；/nS3:通过卡尔曼滤波算法融合第一实时位置数据和第二实时位置数据，修正无人机运动状态下的当前实时位置；/nS4:根据无人机运动状态下的当前实时位置信息，当判定无人机达到目标区域时，控制无人机处于悬停状态；/nS5:在悬停状态下，通过视觉激光雷达获取无人机的二维点云数据，得到无人机悬停的当前位置；/nS6:通过高斯卷积算法将S5中得到的无人机悬停的当前位置和S4得到无人机到达目标区域时的当前实时位置进行融合，修正无人机悬停状态下的位置估计。/n

【技术特征摘要】
1.一种应用于煤矿井下智能巡检无人机的定位方法，其特征在于，包括：
S1:通过惯性导航检测无人机运行过程中的第一实时位置数据；
S2:通过超宽带定位算法检测无人机运行过程中的第二实时位置数据；
S3:通过卡尔曼滤波算法融合第一实时位置数据和第二实时位置数据，修正无人机运动状态下的当前实时位置；
S4:根据无人机运动状态下的当前实时位置信息，当判定无人机达到目标区域时，控制无人机处于悬停状态；
S5:在悬停状态下，通过视觉激光雷达获取无人机的二维点云数据，得到无人机悬停的当前位置；
S6:通过高斯卷积算法将S5中得到的无人机悬停的当前位置和S4得到无人机到达目标区域时的当前实时位置进行融合，修正无人机悬停状态下的位置估计。


2.根据权利要求1所述的应用于煤矿井下智能巡检无人机的定位方法，其特征在于，S3中，通过卡尔曼滤波算法融合第一实时位置数据和第二实时位置数据，修正无人机运动状态下的当前实时位置的具体步骤包括：
S31:通过IMU芯片检测的无人机加速度信息、姿态信息，解算得到无人机在世界坐标系中的位置坐标；
S32:通过UWB芯片检测UWB定位基站到定位标签之间的距离，解算得到无人机的位置数据；
S33:将UWB芯片结算得到的位置数据与IMU芯片解算的位置坐标作差，将得到的差值作为卡尔曼滤波器的量测输入，利用所述卡尔曼滤波器的输出值对无人机的位置信息进行修正。


3.根据权利要求1所述的应用于煤矿井下智能巡检无人机的定位方法，其特征在于，还包括避障的步骤：
在无人机飞行过程中，若探测到无人机飞行前进方向上有障碍物，则测量所述障碍物与无人机之间的相对距离；
如果所述相对距离大于设定安全距离，则判定障碍物会对无人机的飞行安全构成威胁，中断当前航路，控制无人机保持悬停状态，并实时根据障碍方位信息规划绕飞航路；
直到按照规划的绕飞航路绕开障碍物且无新的障碍物威胁后，复航路，沿原设定路径继续飞行。


4.根据权利要求3所述的应用于煤矿井下智能巡检无人机的定位方法，其特征在于，测量无人机飞行前进方向上最近障碍物与无人机之间的相对距离的步骤包括：
采用超声波测距，得到无人机到障碍物的第一距离数据；
采用双目视觉测距，得到无人机到障碍物的第二距离数据；
通过卡尔曼滤波算法将第一距离数据和第二距离数据进行数据融合，修正无人机到障碍物的距离，修正后的距离数据即为无人机与障碍物之间的相对距离。


5.根据权利要求3所述的应用于煤矿井下智能巡检无人机的定位方法，其特征在于，所述绕飞航路是以障碍物为圆心，以距障碍物1m为半径的半圆航路。


6.一种应用...

【专利技术属性】
技术研发人员：李标，孟庆勇，杨晓辉，吴文臻，张立亚，孟杰，郎琦，靳军，冯海亮，王鑫，
申请(专利权)人：煤炭科学技术研究院有限公司，
类型：发明
国别省市：北京;11