本發(fā)明涉及無人機避障，具體為一種基于毫米波雷達的無人機避障方法。

背景技術：

1、隨著農(nóng)業(yè)自動化技術的快速發(fā)展，植保無人機在農(nóng)作物灑藥領域得到了廣泛的應用。植保無人機的實際農(nóng)田作業(yè)環(huán)境非常復雜，電線桿、樹、人、動物、地勢差等都會成為無人機飛行過程中的障礙物，特別是農(nóng)田中常見的電線桿，提高了無人機炸機的風險。為了避開障礙物，要求用戶在規(guī)劃航線時有意地避開地圖中的障礙物，這容易導致地圖分塊，增加工作量，降低了無人機的作業(yè)效率。特別是在障礙物位置未知的情況下，航線無法準確、可靠地規(guī)劃，導致無人機無法作業(yè)

2、現(xiàn)有技術中，基于圖像的自主避障方法是在攝像頭識別到障礙物時進行懸停并避開障礙物。該類方案無法完全克服夜晚低光飛行對攝像頭成像的影響，只能降低速度飛行，導致夜間作業(yè)效率降低?；诶走_的自主避障方法則遇到障礙物后懸停，無法繼續(xù)自主飛行，必須依賴人為操控避開障礙物，作業(yè)效率大大降低。

3、如中國發(fā)明公開號為cn108594849a所公開的一種基于毫米波雷達的無人機避障方法，該方法利用雷達反饋檢測障礙物，建立避障路線，有效的提高了飛行速度，解除了人為操控避開障礙物，提高了作業(yè)效率，提高了夜晚作業(yè)的工作效率。

4、而上述方法在對動態(tài)障礙物的避障過程中，因動態(tài)障礙物在柵格地圖中的坐標不斷變化，因此在計算障礙物的絕對坐標時，因此相同時間段返回的探測聲波探測的距離信息和角度信息不斷變化，因此絕對坐標在不斷變化，因此導致上述方法在對動態(tài)障礙物進行避障時，存在安全隱患。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本發(fā)明提供了一種基于毫米波雷達的無人機避障方法，解決了上述背景技術中提出的問題。

2、為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：一種基于毫米波雷達的無人機避障方法，包括以下具體步驟：

3、s1：用戶基于毫米波雷達數(shù)據(jù)，以無人機為中心構(gòu)建環(huán)境地圖；其中無人機在飛行的過程中，位于無人機前方和左右兩側(cè)的毫米波雷達不間斷的發(fā)出探測聲波，接收模塊傳遞返回的探測聲波至處理模塊內(nèi)，初步了解目前環(huán)境中遇到的障礙物與無人機之間距離，并協(xié)同視覺傳感器初步構(gòu)建環(huán)境地圖；彌補毫米波雷達在環(huán)境感知方面的缺陷；

4、s2：由兩個相鄰時間返回的探測聲波判斷障礙物的運動狀態(tài)，并基于毫米波雷達數(shù)據(jù)獲知障礙物于環(huán)境地圖內(nèi)的靜止坐標(x1，y1)或動態(tài)坐標的矢量

5、s3：毫米波雷達獲知障礙物靜止坐標(x1，y1)時，根據(jù)毫米波雷達提供的無人機位置、速度、速度方向和高度信息，并結(jié)合無人機此時的坐標(x0，y0)判斷靜止坐標(x1，y1)是否在當前飛行航線上；如是，無人機減速，由卷積神經(jīng)網(wǎng)絡架構(gòu)基于原先飛行航線的基礎上，生成不經(jīng)過靜止坐標(x1，y1)的避障飛行航線。

6、s4：毫米波雷達獲知障礙物動態(tài)坐標的矢量時，根據(jù)毫米波雷達提供的無人機速度、速度方向，并結(jié)合矢量的方向和大小，生成無人機預計的運動軌跡p1和障礙物的運動軌跡p2，若p1和p2出現(xiàn)一個以上的交點，則無人機減速，由卷積神經(jīng)網(wǎng)絡架構(gòu)基于原先飛行航線的基礎上，生成不經(jīng)過運動軌跡p2的避障飛行航線軌跡p3。

7、本發(fā)明技術方案的進一步改進在于：所述s1中環(huán)境地圖基于毫米波雷達數(shù)據(jù)外還包括視覺傳感器傳輸?shù)臄?shù)字信號，視覺傳感器內(nèi)攝像頭的探測圖像可以直接呈現(xiàn)于用戶端，并且呈現(xiàn)于用戶端的探測圖像由毫米波雷達的高分辨率成像單元從低分辨率轉(zhuǎn)變?yōu)楦叻直媛省?/p>

8、本發(fā)明技術方案的進一步改進在于：所述s2中動態(tài)坐標的矢量由毫米波雷達內(nèi)一組并行的窄帶濾波器覆蓋預期的多普勒頻率范圍，通過檢測濾波器輸出，確定障礙物的速率即矢量的大小，并根據(jù)兩個或多個相鄰時間返回的探測聲波判斷障礙物的運動方向即矢量的方向，其中當目標和毫米波雷達之間存在相對運動時，接收到的回波信號頻率會發(fā)生變化，這種現(xiàn)象稱為多普勒效應，多普勒頻率與目標的徑向速度成正比，因此可以通過檢測多普勒頻率來估計目標的速度，并由兩個或多個相鄰時間返回的探測聲波判斷障礙物的運動方向，為后續(xù)無人機避障動態(tài)障礙物提供基礎。

9、本發(fā)明技術方案的進一步改進在于：所述s3中避障飛行航線由包含卷積神經(jīng)網(wǎng)絡架構(gòu)的執(zhí)行模塊生成，所述執(zhí)行模塊包括運算單元、學習單元以及數(shù)據(jù)庫，通過運算單元計算出無人機自身坐標(x0，y0)與靜止坐標(x1，y1)的直線距離l1，并基于毫米波雷達提供的無人機速度v1的基礎上，得出可能的接觸時間t1，若靜止坐標(x1，y1)在當前飛行航線上，則在t1時間內(nèi)重新生成不經(jīng)過靜止坐標(x1，y1)的避障飛行航線。

10、本發(fā)明技術方案的進一步改進在于：所述學習單元完成對無人機飛行航線所遇障礙物時數(shù)據(jù)的歸納存儲，并將處理數(shù)據(jù)存儲于數(shù)據(jù)庫內(nèi)，無人機以自身為中心構(gòu)建的環(huán)境地圖遇到相同靜止坐標的第二障礙物后，執(zhí)行模塊根據(jù)數(shù)據(jù)庫內(nèi)的處理數(shù)據(jù)自行生成避障決策，其中學習單元基于機器學習算法用于訓練無人機識別和分類障礙物，提高避障效率，并支撐無人機對于固定障礙物的自主決策和規(guī)劃。

11、本發(fā)明技術方案的進一步改進在于：所述s4中障礙物運動軌跡p2的生成包括以下具體步驟：

12、q1：由兩個或多個相鄰時間返回的探測聲波得到障礙物的多個位置信息和位置坐標；

13、q2：將q1中得到的多個位置坐標整合于以無人機為中心構(gòu)建的環(huán)境地圖上；

14、q3：通過a-star算法對q2中的多個位置坐標進行整合計算，得到多個位置坐標的障礙物路徑軌跡；

15、q4：對后續(xù)多個相鄰時間返回的探測聲波得到的位置信息和位置坐標作為采樣信息與障礙物路徑軌跡進行驗證，若驗證通過將后續(xù)的位置信息和位置坐標整合到原先的障礙物路徑軌跡內(nèi)，得到障礙物的運動軌跡p2，若驗證不通過則返回q2將多個坐標重新整合于以無人機為中心構(gòu)建的環(huán)境地圖上。

16、本發(fā)明技術方案的進一步改進在于：所述q1中視覺傳感器內(nèi)攝像頭所得到障礙物的多個位置探測圖像呈現(xiàn)于用戶端用于輔助驗證q3中的障礙物路徑軌跡。

17、本發(fā)明技術方案的進一步改進在于：所述障礙物的運動軌跡p2與無人機預計的運動軌跡p1若不存在交點的情況下，障礙物運動軌跡p2與無人機預計的運動軌跡p1最近距離需小于無人機寬度。

18、與現(xiàn)有技術相比，本發(fā)明的有益效果是：通過毫米波雷達獲知動態(tài)障礙物動態(tài)坐標并由兩個或多個相鄰時間返回的探測聲波得到障礙物的多個位置信息和位置坐標，在這一基礎上整合動態(tài)障礙物路徑軌跡，由執(zhí)行模塊和用戶判斷動態(tài)障礙是否與無人機后續(xù)飛行存在接觸點，實現(xiàn)基于毫米波雷達的無人機躲避動態(tài)障礙物；

19、通過學習單元基于機器學習算法用于訓練無人機識別和分類障礙物，提高避障效率，并支撐無人機對于固定障礙物的自主決策和規(guī)劃，避免用戶端頻繁人為自主控制無人機，提高無人機飛行效率；

20、通過位于無人機前方和左右兩側(cè)的毫米波雷達不間斷的發(fā)出探測聲波，接收模塊傳遞返回的探測聲波至處理模塊內(nèi)，初步了解目前環(huán)境中遇到的障礙物與無人機之間距離，并協(xié)同視覺傳感器初步構(gòu)建環(huán)境地圖；彌補毫米波雷達在環(huán)境感知方面的缺陷。