【技術實現步驟摘要】
本專利技術涉及無人機控制領域，特別是涉及一種無人機的自主避障方法。
技術介紹
1、無人機飛行時，由于造價高、應用領域廣、常用于精細化操作，飛行環境復雜，常為集群作業等原因，使得無人機避障問題一直是研究的熱點，其發生碰撞，不僅會造成無人機本身的經濟損失，而且可能完成不了既定重要任務，造成更大的人員財產損失，如地形勘測、災害預警等諸多方面。
2、隨著近年來神經網絡學習的發展，無人機自主避障模型受到廣泛關注，但是大多沒有全局考慮飛行環境，且缺乏當前狀態與先前狀態的聯系，導致其精確度還有待提高。
3、因此，如何進一步提高無人機自主避障的能力，是該領域亟待解決的技術問題。
技術實現思路
1、為解決上述技術問題，本專利技術提供一種無人機自主避障模型的構建方法，包括：
2、s1：輸入空域預規劃圖、先前幀標注、當前無人機狀態、當前障礙物狀態；
3、s2：以空域預規劃圖和先前幀標注為輸入，提取得到環境特征；以無人機當前狀態為輸入，提取得到無人機特征；以障礙物狀態為輸入，提取得到障礙物特征；
4、s3：以無人機特征、環境特征和障礙物特征為輸入，生成融合特征；
5、s4：根據融合特征，輸出無人機位置偏移量和下一速度。
6、進一步地，步驟s2，設置特征提取層，包括：
7、第一特征提取層，以空域預規劃圖和先前幀標注為輸入，包括骨干神經網絡，根據先前幀標注截取空域預規劃圖中的非目標區域為粗粒度環境，目標區域為細粒度
8、第二特征提取層，以無人機當前狀態為輸入，包括多個全連接層，提取得到無人機特征；
9、第三特征提取層，以障礙物狀態為輸入，包括深度卷積網絡和一個全連接層，提取得到障礙物特征。
10、進一步地，步驟s3，設置融合層，包括：依次連接的卷積層和多頭注意力層，各特征經過第一卷積層處理，并通過第二卷積層進行通道調整，輸入多頭注意力層，生成融合特征。
11、進一步地，步驟s4，設置預測層，包括：第一輸出端和第二輸出端；第一輸出端，為全連接層，用于計算位置偏移量，包括xyz三維偏移量和置信度；第二輸出端，為全連接層，用于計算無人機下一速度，包括速度大小、速度方向和置信度。
12、進一步地，訓練中：
13、無人機位置偏移量，通過ciou損失函數進行評估，并通過反向傳播對自主避障模型進行迭代優化；下一速度，通過kl散度損失函數進行評估，同樣也通過反向傳播對自主避障模型進行迭代優化。
14、另一方面，本專利技術還提供一種基于神經網絡的無人機自主避障方法，包括：
15、p1：采用上述任意的構建方法，構建自主避障模型；
16、p2：根據無人機的預定軌跡，確定空域預規劃圖；
17、p3：根據先前幀的無人機位置，標注目標區域，確定先前幀標注；
18、p4：獲取當前無人機狀態和當前障礙物狀態；
19、p5：將無人機當前狀態、空域預規劃圖、先前幀標注、障礙物代價輸入自主避障模型，根據輸出結果控制無人機。
20、進一步地，p2，包括：
21、p21：根據無人機的預定軌跡，確定目標空域，劃分為離散的網格單元，得到空域預規劃原圖；
22、p22：根據目標空域預計時間段的待無人機，在空域預規劃原圖上標注進入時間和規劃軌跡，得到空域預規劃圖。
23、進一步地，p3中，當前無人機狀態，包括：無人機當前位置和無人機當前速度；
24、當前障礙物狀態，包括：障礙物位置代價圖和障礙物速度代價圖。
25、另一方面，本專利技術還提供一種計算機存儲介質，存儲有可執行程序代碼；所述可執行程序代碼，用于執行上述任意的構建方法或上述任意的自主避障方法。
26、另一方面，本專利技術還提供一種終端設備，包括存儲器和處理器；所述存儲器存儲有可被處理器執行的程序代碼；所述程序代碼用于執行上述任意的構建方法或上述任意的自主避障方法。
27、本專利技術模型的構建方法、自主避障方法及存儲介質和終端設備，為四輸入兩輸出的模型：輸入有四通道：一是空域預規劃圖，其根據無人機的預規劃路線而確定，把握空域的全局信息，優選的將空域劃分為離散的網格單元，并附上該無人機以及其他預計時間內的無人機的信息；二是先前幀標注，其不僅能對空域預規劃圖做區別對待，以分重點的關注全局空域預規劃圖的重點局部，而且能夠有利于輸出無人機位置偏移量，以利于模型整體訓練時盡快收斂，使得模型效率更高、更精確；三、四是當前無人機狀態和當前障礙物狀態，以輸入當前實施情況，進一步保障輸出結果的時效性和準確性；輸出有兩通道，在常規輸出無人機下一速度的同時，還輸出無人機位置偏移量，與先前幀標注配合，以進一步使得模型整體訓練時盡快收斂，使得模型效率更高、更精確。因此，相較于現有技術的避障方法，其考慮無人機的應用實例，以空域預規劃圖、當前無人機狀態和當前障礙物狀態為輸入，同時考慮空域范圍較大，輸入增設先前幀標注，輸出增設位置偏移量，以進一步提高模型收斂速度和結果精確性。
本文檔來自技高網...【技術保護點】
1.一種無人機自主避障模型的構建方法，其特征在于，包括：
2.根據權利要求1所述的無人機自主避障模型的構建方法，其特征在于，步驟S2，設置特征提取層，包括：
3.根據權利要求1所述的無人機自主避障模型的構建方法，其特征在于，步驟S3，設置融合層，包括：依次連接的卷積層和多頭注意力層，各特征經過第一卷積層處理，并通過第二卷積層進行通道調整，輸入多頭注意力層，生成融合特征。
4.根據權利要求1所述的無人機自主避障模型的構建方法，其特征在于，步驟S4，設置預測層，包括：第一輸出端和第二輸出端；第一輸出端，為全連接層，用于計算位置偏移量，包括XYZ三維偏移量和置信度；第二輸出端，為全連接層，用于計算無人機下一速度，包括速度大小、速度方向和置信度。
5.根據權利要求1-4任意一項所述的無人機自主避障模型的構建方法，其特征在于，訓練中：
6.一種基于神經網絡的無人機自主避障方法，其特征在于，包括：
7.根據權利要求6所述的無人機自主避障方法，其特征在于，P2，包括：
8.根據權利要求6-7任意一項所述的無人機
9.一種計算機存儲介質，其特征在于，存儲有可執行程序代碼；所述可執行程序代碼，用于執行權利要求1-7任意一項所述的數據生成方法或權利要求8所述的圖像識別方法。
10.一種終端設備，其特征在于，包括存儲器和處理器；所述存儲器存儲有可被處理器執行的程序代碼；所述程序代碼用于執行權利要求1-5任意一項所述的構建方法或權利要求6-8任意一項所述的自主避障方法。
...【技術特征摘要】
1.一種無人機自主避障模型的構建方法，其特征在于，包括：
2.根據權利要求1所述的無人機自主避障模型的構建方法，其特征在于，步驟s2，設置特征提取層，包括：
3.根據權利要求1所述的無人機自主避障模型的構建方法，其特征在于，步驟s3，設置融合層，包括：依次連接的卷積層和多頭注意力層，各特征經過第一卷積層處理，并通過第二卷積層進行通道調整，輸入多頭注意力層，生成融合特征。
4.根據權利要求1所述的無人機自主避障模型的構建方法，其特征在于，步驟s4，設置預測層，包括：第一輸出端和第二輸出端；第一輸出端，為全連接層，用于計算位置偏移量，包括xyz三維偏移量和置信度；第二輸出端，為全連接層，用于計算無人機下一速度，包括速度大小、速度方向和置信度。
5.根據權利要求1-4任意一項所述的...
【專利技術屬性】
技術研發人員：張恒，張武，訾斌，李志，楊璐璐，何雄平，陳勇，劉稚舟，
申請(專利權)人：湖南省通用航空發展有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。