一种基于多机协作的受限空间自主探索无人机系统和方法与流程

本发明涉及一种自主探索无人机系统及方法，具体涉及一种基于多机协作的受限空间自主探索无人机系统及方法，属于无人机。

背景技术：

1、无人机自主探索系统是一种集成了多种先进技术的复杂系统，旨在使无人机能够在无人为控制的情况下，自主地执行任务、探索未知环境并做出决策。其在许多领域都有较好的应用前景，包括但不限于军事侦察、环境监测、交通监控、农业、野生动物保护、灾难响应和搜救行动。

2、申请号为2020100510052的发明专利公布了一种无人机的探测定位系统及方法，包括：中心处理站、多个侦收站；中心处理站包括：第一卫星模块、第一处理器、第一卫星天线、第一数据链路模块；其中，第一卫星模块和第一数据链路模块分别连接所述第一处理器；每个侦收站包括：第二卫星模块、第二处理器、第二卫星天线、空地链路信号侦收模块、侦收天线、时间戳标定模块、第二数据链路模块；其中，空地链路信号侦收模块分别与侦收天线以及时间戳标定模块连接，第二卫星模块、空地链路信号侦收模块、时间戳标定模块以及第二数据链路模块分别连接第二处理器。该专利技术可以提高对无人机的探测定位精度。但是，如上述专利的无人机系统大多依赖于gnss系统获得定位，仅能在室外开放空间工作，无法在室内、隧道、管道、罐体、地下等受限空间内工作。

3、随着技术的进步，有部分厂家设计的无人机产品安装有一个激光雷达并运行slam算法，从而可以在受限空间内获得定位并飞行。现有的多机协同slam算法往往都依赖于多机之间的互相观测和对周围环境感知数据的互通讯，但在实际的应用场景中，这两种条件往往都得不到满足，因此导致现有的多机协同slam算法仅停留在学术阶段，难以得到工程应用。比如，具体到受限空间的自主探索而言，各架无人机节点往往各自飞往不同的楼层、不同的隧道岔路方向，互相不可见，根本无法满足多机中间能够持续实时互相观测和持续进行大带宽环境感知数据的需求。而大多数现有的多机协同slam算法都依赖实时的互观测和互通讯数据进行位姿优化，一旦节点进入互相不可见状态，slam算法很容易发散，进而导致无人机自主探索失败。

4、可见，现有的无人机系统探测效率低，无法满足应急救灾、军事侦察等需要在短时间内遍历某一受限空间并建立地图模型的需求，鉴于上述情况，能够多机协同进行受限空间自主飞行探索的无人机系统需求迫切。

技术实现思路

1、为解决现有技术的不足，本发明的目的在于提供一种基于多机协作受限空间自主探索无人机系统和方法，该系统和方法能够在复杂、狭窄或危险环境中进行自主导航和执行任务，具有实际工程应用的可行性。

2、为了实现上述目标，本发明采用如下的技术方案：

3、本发明首先公布了一种基于多机协作受限空间自主探索无人机系统，其包括：相互通信的若干无人机节点和中心指挥站，所述中心指挥站上运行有多节点实时在线协作slam算法和离线高精度slam建模算法；所述无人机节点包括：飞行控制器、执行机构、若干视觉传感器和激光雷达传感器、高性能处理器、存储器和多点通讯装置，所述视觉传感器用于采集周围环境的图像信息，所述激光雷达传感器用于采集周围环境的点云数据，所述高性能处理器上运行有各无人机节点的本地slam建图和遍历探索算法，并与所述视觉传感器、激光雷达传感器、存储器及多点通讯装置相连接，且所述高性能处理器控制飞行控制器，进而发送指令至执行机构。所述视觉传感器和激光雷达传感器通过以太网、mipi或usb高速数据接口与高性能处理器连接。

4、优选地，前述存储器用于存储无人机所搭载的各种传感器的原始数据信息，所述多点通讯装置用于建立各个无人机和中心指挥站的数据通讯。

5、本发明还公布了基于前述的基于多机协作的受限空间自主探索无人机系统的探索方法，包括三个阶段：

6、(1)初始阶段，用于检测各无人机的初始位姿，初始化各个slam节点初值；

7、(2)自主探索粗建模阶段，各个无人机节点进行自主探索，在中心指挥站上建立实时粗略模型，并且该步骤对于节点间的通讯丢失是鲁棒的；

8、(3)离线精确建模阶段，各个无人机节点返航后将数据传送或拷贝至中心指挥站，离线建立精确的模型。

9、优选地，在前述初始阶段，无人机集中于中心节点附近待起飞，环境中还可部署一个或多个激光合作目标，从而增强初始阶段各无人机对周围环境的可观性。

10、更优选地，前述初始阶段的具体工作流程为：

11、s1.1、使各无人机节点保持静置状态数秒，得到无人机机载的imu传感器数据的零偏和重力观测，同步无人机节点将积累数秒钟的视觉和激光雷达观测数据，积分得到对周围环境点云数据的初始观测p0i，其中下角标0表示初始时刻，上角标i表示无人机节点编号，按照无人机通电顺序排列，第一台通电的无人机记为0，后续通电的无人机编号记为1到n，以编号为0的无人机通电时的机体坐标系为全局坐标系；

12、s1.2、各无人机节点将自身对周围环境的点云观测降采样后的数据传输到中心指挥站；此时，各无人机节点尚未出发，仍处于中心节点附近，故此传输是具备可行性的。

13、s1.3、中心指挥站将各无人机采样的点云观测数据与第一台无人机采样的点云观测数据互相匹配，得到各无人机出发前的相对位姿和变换矩阵其中指初始时刻第i架无人机在全局坐标下的位置向量，指初始时刻第i架无人机在全局坐标系下的姿态角四元数，指初始时刻从第i架无人机机体坐标转移到全局坐标系的转移矩阵；

14、s1.4、中心指挥站将各无人机出发前的相对位姿发回给各无人机节点，用于初始化各slam节点状态变量的初始位姿。

15、再优选地，前述自主探索阶段的具体工作流程为：

16、s2.0、各无人机和中心指挥站将要探索的空间栅格化，划分成三维体素网格，并将所有网格均初始化为未抵达的；

17、s2.1、各无人机节点运行自身的slam算法，通过imu传感器数据进行状态更新，将状态传导至其中k指当前时刻，k-1指上一时刻；

18、s2.2、各无人机节点将点云观测数据匹配到各自的局部地图mlocali上进行观测更新，优化自身的位姿信息和变换矩阵并使用该位姿信息进行无人机的位姿控制，指当前时刻k从第i架无人机机体坐标转移到全局坐标系的转移矩阵；

19、s2.3、各无人机节点维护拼接自己的局部地图：

20、s2.4、各无人机节点将自身的位姿信息变换矩阵和降采样后的观测点云数据传输到中心指挥站；

21、s2.5、中心指挥站根据s2.2中接收到的变换矩阵将各无人机观测到的新点云数据变换到全局坐标系，并拼接成粗略的实时全局地图：

22、s2.6、中心指挥站将粗略实时全局地图映射到三维体素栅格地图，并将有映射的栅格标记为已抵达的，其余栅格仍保持原状态；

23、s2.7、中心指挥站将已抵达栅格的更新信息广播传输给各无人机节点；

24、s2.8、各无人机节点按照距离远近搜索自身附近的栅格，直到找到最近的未抵达栅格，然后将无人机指引飞向该方向，并从步骤s2.1开始重复工作；若周围所有栅格均已抵达，则控制无人机返航。

25、进一步优选地，前述每个三维体素网格可存储一种探索状态，所述探索状态分为：已抵达、未抵达。

26、再进一步优选地，前述离线精确建模阶段的具体工作流程为：

27、s3.1、中心指挥站控制各无人机节点返航到初始位置，各无人机的原始传感器数据传送到中心指挥站上；

28、s3.2、按照s1.3中观测出的初始位姿，为每个子slam算法赋初值；

29、s3.3、拼接各个节点的初始观测点云，作为初始精确全局地图：

30、s3.4、按照每个节点采样时间顺序轮流的方式，根据每个子slam节点的imu数据为每个子slam算法执行更新步骤，将状态传导至

31、s3.5、按照每个节点采样时间顺序轮流的方式，为每个子slam算法执行观测步骤，将观测点云匹配到精细全局地图，优化状态变量中的位姿精度。该步骤中，与s2.2中的区别是：点云观测将在整个精细全局地图mglobalp上进行，因而能够更好地将多个无人机感知的点云数据匹配起来；

32、s3.6、拼接每一步的精细全局地图：

33、s3.7、执行回环检测和图优化，进一步提高位姿和建模精度；

34、s3.8、循环至s3.3重新开始工作，直至所有传感器数据均被处理完为止；

35、s3.9、输出最终的全局地图mglobalp，作为精细化全局模型。

36、优选地，步骤s3.1中，通过数据链路或可移动的存储介质将各无人机的原始传感器数据传输或拷贝到中心指挥站上。

37、本发明的有益之处在于：

38、本发明的具有创新性的多机协同受限空间自主探索无人机系统，其能够在中心指挥站的控制下，由多台无人机通过机载的视觉传感器和激光雷达传感器自主在受限空间内进行定位和建图，自主规划探索轨迹，遍历该受限空间，并在中心指挥站上建立粗略的实时地图。无人机返回后，将多机存储的传感器原始数据合并导入到中心指挥站，并计算建立精确的地图模型，能够实现在复杂、狭窄或危险环境中进行自主导航和执行任务，供应急搜救、军事行动指挥之用。

39、与现有技术中其他类似系统相比，本发明将协同探索过程分为了仅依赖各无人机节点局部地图信息的实时自主探索阶段和需要全局信息的离线精确建模阶段。其中前一个过程无需依赖无人机之间的实时大带宽数据通讯，而后一个过程在无人机返航后进行，故而本发明具备了实际工程应用的可行性。其他类似系统在探索阶段均需要无人机节点之间观测信息的实时数据交互来进行位置解算和建模，而在本发明针对的受限空间探索场景，因地形、墙壁、障碍的遮挡，这种传输是不具备可行性的，故其他类似系统在不做针对性优化的前提下很难在本发明场景下得到应用。