一种适用于动态复杂环境的无人机导航方法技术

本发明专利技术公开了一种适用于动态复杂环境的无人机导航方法，属于三维建模和无人机设备技术领域，包括如下步骤：S100：视觉里程计模块算出位姿信息；S200：搭建神经网络；S300：绘制三维认知地图；S400：闭环检测校正位姿信息。本发明专利技术通过神经网络的实时更新，驱动创建三维认知地图，通过历史场景的匹配实现神经网络的位姿校正，纠正三维认知地图中的累积错误，解决了无人机在动态复杂环境下飞行误差大、精度低、智能性弱的问题。智能性弱的问题。智能性弱的问题。

【技术实现步骤摘要】
一种适用于动态复杂环境的无人机导航方法


[0001]本专利技术涉及三维建模和无人机设备
，特别涉及一种适用于动态复杂环境的无人机导航方法。

技术介绍

[0002]目前，同步定位和地图构建(Simultaneous Localization and Mapping, SLAM)技术是无人机的核心技术之一，在未知动态复杂环境下的定位和导航发挥着重要作用。传统的基于概率模型的SLAM方法，运算复杂度高、智能化水平低、成本高，无法满足无人机的导航需求。因此基于视觉传感器的SLAM技术成为SLAM领域的重要发展方向。视觉传感器虽然在一些方面弥补了概率方法的不足，但无人机在复杂动态环境下飞行时，极易受外界环境影响，智能化水平不高。
[0003]有些学者根据动物记忆目标与适应环境的导航模型，提出了一些基于生物导航细胞神经网络模型的类脑SLAM并将其运用于移动机器人。类脑SLAM 以啮齿类动物大脑导航机理为基础，配备轻便、低成本的视觉传感器，通过导航细胞活性更新进行导航信息迭代和地图构建，并利用局部场景细胞活性进行校正，不依赖高精度传感器，自主智能水平高，适用于在复杂的动态环境中进行导航和地图构建。NeuroSLAM是一种新型神经灵感四自由度SLAM系统，它基于3D网格细胞和多层头部方向细胞的计算模型，与提供外部视觉提示和自运动线索的视觉系统集成，与无人机实际飞行情景更加匹配。鉴于目前许多模型对无人机方位信息的表达局限于二维参数，对无人机实际的三维飞行环境并不适用，存在着飞行误差大、精度低、智能性弱的问题。
专利
技术实现思路

[0004]本专利技术的目的在于提供一种适用于动态复杂环境的无人机导航方法，通过神经网络的实时更新，驱动创建三维认知地图，通过历史场景的匹配实现神经网络的位姿校正，纠正三维认知地图中的累积错误，可以有效地解决无人机在动态复杂环境下飞行误差大、精度低、智能性弱的问题，更贴合于实际的飞行情景，提高了无人机导航的性能。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种适用于动态复杂环境的无人机导航方法，包括如下步骤：
[0007]S100：视觉里程计模块算出位姿信息，位姿信息与无人机上传感器获得的飞行环境数据打包筛选，筛选出动态复杂环境下无人机飞行所需的位姿信息以及与其相匹配的飞行环境数据；
[0008]S200：搭建神经网络，对导向细胞网络、网格细胞3D网络以及位置细胞网络进行建模，形成神经网络，将视觉里程计得到的位姿信息及飞行环境数据导入神经网络；
[0009]S300：绘制三维认知地图，网格细胞3D网络通过得到的当前位置和方向信息、位置细胞网络的校正信息和视觉里程计得到的位姿信息以及飞行环境数据，不断更新，获得三维地图，将采集到的图片汇集成点集，构建三维地图模型，不断地对三维地图上的点集和三
维地图模型的点集比对校正，直到三维地图上的点集和三维地图模型的点集融合，这样经过校正后绘制出无人机的三维认知地图；
[0010]S400：闭环检测校正位姿信息，系统在位置细胞激活时，将当前四个自由度的活动信息修正为校正后的信息，并将当前的信息输入到神经网络中，得到全新的位姿信息。
[0011]进一步地，S100中的具体步骤为：
[0012]视觉里程计模块获取相机采集的视频，提取场景信息并获取所得视频流中当前帧与上一帧之间的图像差别特征，从而估算出无人机的位姿信息。
[0013]进一步地，S100中生成视觉模板的具体步骤为：
[0014]生成视觉模板，分析历史场景和目前场景的对应关系，若匹配成功，则激活位置细胞。
[0015]进一步地，导向细胞网络表示无人机方向变化(θ)，网格细胞3D网络表示无人机绝对位置变化(x，y，z)，组合表示四自由度位(x,y,z,θ)，位置细胞网络校正网格细胞网络和导向细胞网络。
[0016]进一步地，搭建导向细胞网络的具体步骤为：
[0017]用一个二维矩阵表示导向细胞网络的一个单元，一个维度表示无人机高度变化，一个维度表示方向变化，当发生活动时，部分单元被激励，再经历整体抑制和活动正常化，最终得到无人机的活动变化，用活动矩阵描述导向细胞网络的活动，当部分单元被激励，重量矩阵为：
[0018][0019]其中，δ
d
、δ
h
分别为关于无人机方向和高度分布的方差常数，α、β表示单元之间的距离指数；
[0020]激励时活动变化为：
[0021][0022]其中n
d
、n
h
分别为矩阵的2个维度；
[0023]距离指数为α，β：
[0024]α＝(x
‑
i)(mod n
d
)
[0025]β＝(y
‑
i)(mod n
h
)
[0026]整体抑制时活动变化为：
[0027][0028]其中为抑制量级矩阵,τ为整体抑制参数；
[0029]活动正常化时，活动变化为：
[0030][0031]由于导向细胞网络的总活动与活动正常化时保持一致，所以得到最终活动变化
[0032]进一步地，搭建网格细胞3D网络的具体步骤为：
[0033]用一个三维矩阵表示导向细胞网络的一个单元，三个维度分别表示无人机的三维绝对位置信息、导向细胞网络发送的位姿相关信息和视觉里程计发送的位姿相关信息信息，当发生活动时，部分单元被激励，再经历整体抑制和活动正常化，最终得到无人机的活动变化，用活动矩阵描述网格细胞3D网络的活动，当部分单元被激励，重量矩阵为：
[0034][0035]其中，δ
x
、δ
y
、δ
z
分别为关于无人机三维空间分布的方差常数，α、β、γ表示单元之间的距离指数，距离指数为：
[0036]α＝(x
‑
i)(mod n
x
)
[0037]β＝(y
‑
i)(mod n
y
)
[0038]γ＝(z
‑
i)(mod n
z
)
[0039]激励时活动变化为：
[0040][0041]其中n
x
、n
y
、n
z
分别为矩阵的3个维度；
[0042]整体抑制时活动变化为：
[0043][0044]其中为抑制量级矩阵，τ为整体抑制参数；
[0045]活动正常化时，活动变化为：
[0046][0047]由于网格细胞3D网络的总活动与活动正常化时保持一致，所以得到最终活动变化
[0048]进一步地，位置细胞网络校正网格细胞3D网络和导向细胞网络具体为：位置细胞网络通过连接权值矩阵反馈到相关的导向细胞网络和网格细胞3D网络中，进行校正；
[0049]定义位置细胞网络对导向细胞网络和网格本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于动态复杂环境的无人机导航方法，其特征在于，包括如下步骤：S100：视觉里程计模块算出位姿信息，位姿信息与无人机上传感器获得的飞行环境数据打包筛选，筛选出动态复杂环境下无人机飞行所需的位姿信息以及与其相匹配的飞行环境数据；S200：搭建神经网络，对导向细胞网络、网格细胞3D网络以及位置细胞网络进行建模，形成神经网络，将视觉里程计得到的位姿信息及飞行环境数据导入神经网络；S300：绘制三维认知地图，网格细胞3D网络通过得到的当前位置和方向信息、位置细胞网络的校正信息和视觉里程计得到的位姿信息以及飞行环境数据，不断更新，获得三维地图，将采集到的图片汇集成点集，构建三维地图模型，不断地对三维地图上的点集和三维地图模型的点集比对校正，直到三维地图上的点集和三维地图模型的点集融合，这样经过校正后绘制出无人机的三维认知地图；S400：闭环检测校正位姿信息，系统在位置细胞激活时，将当前四个自由度的活动信息修正为校正后的信息，并将当前的信息输入到神经网络中，得到全新的位姿信息。2.如权利要求1所述的一种适用于动态复杂环境的无人机导航方法，其特征在于，S100中的具体步骤为：视觉里程计模块获取相机采集的视频，提取场景信息并获取所得视频流中当前帧与上一帧之间的图像差别特征，从而估算出无人机的位姿信息。3.如权利要求1所述的一种适用于动态复杂环境的无人机导航方法，其特征在于，S100中生成视觉模板的具体步骤为：生成视觉模板，分析历史场景和目前场景的对应关系，若匹配成功，则激活位置细胞。4.如权利要求1所述的适用于动态复杂环境的无人机导航方法，其特征在于，导向细胞网络表示无人机方向变化(θ)，网格细胞3D网络表示无人机绝对位置变化(x，y，z)，组合表示四自由度位(x，y，z，θ)，位置细胞网络校正网格细胞网络和导向细胞网络。5.如权利要求4所述的适用于动态复杂环境的无人机导航方法，其特征在于，搭建导向细胞网络的具体步骤为：用一个二维矩阵表示导向细胞网络的一个单元，一个维度表示无人机高度变化，一个维度表示方向变化，当发生活动时，部分单元被激励，再经历整体抑制和活动正常化，最终得到无人机的活动变化，用活动矩阵描述导向细胞网络的活动，当部分单元被激励，重量矩阵为：其中，δ
d
、δ
h
分别为关于无人机方向和高度分布的方差常数，α、β表示单元之间的距离指数；激励时活动变化为：
其中n
d
、n
h
分别为矩阵的2个维度；距离指数为α，β：α＝(x
‑
i)(mod n
d
)β＝(y
‑
i)(mod n
h
)整体抑制时活动变化为：其中为抑制量级矩阵，τ为整体抑制参数；活动正常化时，活动变化为：由于导向细胞网络的总活动与活动正常化时保持一致，所以得到最终活动变化6.如权利要求1所述的适用于动态复杂环境的无人机导航方法，其特征在于，搭建网格细胞3D网络的具体步骤为：用一个三维矩阵表示导向细胞网络的一个单元，三个维度分别表示无人机的三维绝对位置信...

【专利技术属性】
技术研发人员：张德华，谢奕，郝昕源，牟书含，董涛，梁琳琳，秦春斌，
申请(专利权)人：河南大学，
类型：发明
国别省市：