CN119440090A 一种巡检无人机的自主避障方法、系统、设备及存储介质 （国网湖南省电力有限公司电力科学研究院）

号本申请实施例提供了一种巡检无人机的自巡检无人机的飞行参数和拼接视频帧内的障碍物的运动方程判断巡检无人机与障碍物是否存根据二维二进制极直方图和障碍物的运动轨迹2获取巡检无人机的飞行参数并通过巡检无人机搭载的双目相机实时获取预设航线上对所述双目相机视频帧进行拼接处理和深度计算处理，得到所述巡基于目标检测算法对所述拼接视频帧进行障碍物检测，得到所述基于目标跟踪算法对所述障碍物的障碍信息进行关联根据所述巡检无人机的飞行参数和所述拼接视频帧内的障碍物的运动方程判断所述若所述巡检无人机与障碍物存在碰撞风险，则基于所述三维其中，根据所述巡检无人机的飞行参数和所述拼接视频帧内其中，若所述巡检无人机与障碍物存在碰撞风险，则基于所计算所述巡检无人机的避障路径的具体方式为：基于octomap算法对所述三维点云创建八fn)为当前节点3前巡检无人机的候选飞行方向，poa为之前时间的巡检无人机候选飞行方向，为目标价权重，Ayaw为两个方向的偏航角角度差，A机的飞行参数并通过巡检无人机搭载的双目相机实时获取预设航线上的双目相机视频帧设定所述巡检无人机的拍照点三维坐标和辅助根据所述拍照点三维坐标和辅助点三维坐标确定所述巡检无基于SIFT算法对所述双目相机视频帧的关键点进行配准处理，得基于所述空间映射关系对所述双目相机视频帧进行拼接处理，得到基于三角测量原理将所述视差转换为深度信息，基于所述深算法对所述拼接视频帧进行障碍物检测，得到所述拼接视频帧内障碍物的障碍信息的步根据预设锚框对所述融合特征层进行回归计算和分类4状态包括所述拼接视频帧检测结果的位置参数和根据所述拼接视频帧检测结果预测的拼接视频帧Frx1检测结果的位置参数；在t+1时刻基于匈牙利算法对所述拼接视频帧Frx1的检测结果和所述在t时刻根据所述拼接视频帧检测结果预测的拼接视频帧Fr1检测结果进行跟踪实例匹配；根据所述跟踪实例匹配结果对所述跟踪实例进行更新处理或新增处理结合不同历史时刻拼接视频帧的跟踪实例得到所述拼接视频帧内障碍物的运动方程获取模块，用于获取巡检无人机的飞行参数并通过巡检无人机搭载处理模块，用于对所述双目相机视频帧进行拼接处理和深度计算处理，检测模块，用于基于目标检测算法对所述拼接视频帧进行障碍物检跟踪模块，用于基于目标跟踪算法对所述障碍物的障碍信息进计算模块，用于若所述巡检无人机与障碍物存在碰撞风险运动轨迹计算所述巡检无人机的避障路径，基于octomap算法对所述三维点云创建八叉树环境地图，通过所述八叉树环境地图构建出以所述巡检无人机为中心的二维极坐标直方,其中，n为当前节点、c,5前巡检无人机的候选飞行方向，poa为之前时间的巡检无人机候选飞行方向，为目标价权重，Ayaw为两个方向的偏航角角度差，A所述处理器执行所述计算机程序时实现权利要求1_5中任一项所述的巡检无人机的自主避8.一种计算机可读存储介质，其特征在于，序，所述计算机程序被处理器执行时实现权利要求1_5中任一项所述的巡检无人机的自主6[0003]传统无人机避障的解决方案主要都是依赖于无人机上的红外传感器或双目视觉获取巡检无人机的飞行参数并通过巡检无人机搭载的双目相机实时获取预设航根据所述巡检无人机的飞行参数和所述拼接视频帧内的障碍物的运动方程判断7轨迹计算所述巡检无人机的避障路径的具体方式为：基于octomap算法对所述三维点云创fn)为当前Apitchdown为俯仰角的下偏差，和为对应的系数，根据各所述全部避障路径的路径评估结果和权重选取最终避障路径。8设定所述巡检无人机的拍照点三维坐标和辅助根据所述拍照点三维坐标和辅助点三维坐标确定所述巡检无例的状态包括所述拼接视频帧检测结果的位置参数和根据所述拼接视频帧检测结果预测的拼接视频帧Fr1检测结果的位置参数；在t+1时刻基于匈牙利算法对所述拼接视频帧Frx1的检测结果和所述在t时刻根据所述拼接视频帧检测结果预测的拼接视频帧Fr1检测结果进行跟踪实例匹配；根据所述跟踪实例匹配结果对所述跟踪实例进行更新处理或新增处理或删除处结合不同历史时刻拼接视频帧的跟踪实例得到所述拼接视频帧内障碍物的运动9图2示出了本申请实施例提供的一种从二维双目图像获取深度信息的数学原理如图1所示，为本申请实施例提供的一种巡检无人机的自主避障方法的流程示意[0024]所述获取巡检无人机的飞行参数并通过巡检无人机搭载的双目相机实时获取预设定所述巡检无人机的拍照点三维坐标和辅助根据所述拍照点三维坐标和辅助点三维坐标确定所述巡检无点并生成特征描述子，根据关键点和特征描述子建立像素间的空间映射关系，基于所述空间映射关系，将双目相机视频帧中对应的特征点对齐，形成一个连续的视频帧。基于SGBMx_X。巡检无人机能够准确的识别和定位视频中的障碍物，为巡检无人机的安全飞行提供了保例的状态包括所述拼接视频帧检测结果的位置参数和根据所述拼接视频帧检测结果预测的拼接视频帧Fr1检测结果的位置参数；在t+1时刻基于匈牙利算法对所述拼接视频帧Frx1的检测结果和所述在t时刻根据所述拼接视频帧检测结果预测的拼接视频帧Fr1检测结果进行跟踪实例匹配；根据所述跟踪实例匹配结果对所述跟踪实例进行更新处理或新增处理或删除处结合不同历史时刻拼接视频帧的跟踪实例得到所述拼接视频帧内障碍物的运动[0038]具体地，拼接视频帧Fr1检测结果的位置参数是通过卡尔曼滤波器根据所述拼如果拼接视频帧Fr1检测结果与根据拼接视频帧预测的拼接视频帧Frx1结果相匹配，则保留该预测结果对应的跟踪实例，并用拼接视频帧Fr1检测结果的位置参数和根据拼接视频帧Fr1检测结果预测的拼接视频帧Frx2结果的位置参数更新该跟踪实例的状态；如果拼接视频帧Fr1检测结果未匹配到根据拼接视频帧预测的拼接视频帧Frx1结果，则在跟踪实例中新增一条记录，该记录的状态由拼接视频帧Fr1检测结果的位置信息和根据拼接视频帧Fr1检测结果预测的拼接视频帧Frx2结果的位置参数组成；如果根据拼接视频帧预测的拼接视频帧Frx1结果未匹配到拼接视频帧Fr1检测结果，则删除根据拼接视频帧预测的拼接视频帧Fr1结果对应的跟踪实例。基于目标跟踪算法对所述障[0040]所述根据所述巡检无人机的飞行参数和所述拼接视频帧内的障碍物的运动方程根据所述巡检无人机的运动方程和所述障碍物的运动方程确定障碍物与巡检无变化关系。所述预设安全避障阈值为巡检无人机与障碍物之间应保持的最小避免碰撞距基于octomap算法对所述三维点云创建八叉通过所述八叉树环境地图构建出以所述巡检无人机为中心的二维极坐根据所述障碍物的运动轨迹将存在碰撞风险的障碍物的障碍信息引入所述二维,其中，g为巡检无人机目标位置cioral为总的代价权重，Ayaw为两个方向的偏航角角度差，Apitchup为俯仰角的上偏差，Apitchdown为俯仰角的下偏差，和为对应的系数；获取模块301，用于获取巡检无人机的飞行参数并通过巡检无人机搭载的双目相判断模块305，用于根据所述巡检无人机的飞行参数和所述拼接视频帧内的障碍[0050]本实施例提供的巡检无人机的自主避障系统300可以实施实施例1所示的巡检无[0051]本申请实施例提供的巡检无人机的自主避障系统300，通过获取巡检无人机的飞用于在传输介质上与各种其