一種無人機自適應導航系統的制作方法

本發明涉及無人機控制，具體為一種無人機自適應導航系統。

背景技術：

1、在無人機技術蓬勃發展的當下，其在眾多領域（如航拍、測繪、巡檢、物流配送等）的應用日益廣泛。然而，無人機的導航定位精度和穩定性始終是制約其性能提升及應用拓展的關鍵因素。

2、傳統的無人機導航系統主要依賴gps定位，但gps信號在一些復雜環境（如城市高樓區、山區、森林等）中存在信號遮擋、多徑效應等問題，導致定位精度大幅下降甚至失效。同時，僅依靠gps無法滿足無人機在高精度任務（如精準測繪、精細巡檢等）中的定位要求。

3、慣性導航系統（ins）雖不依賴外部信號，能在短時間內提供相對穩定的姿態和位置信息，但其誤差會隨時間累積，長期使用時定位精度難以保證。

4、可見光傳感器在獲取環境視覺信息方面具有獨特優勢，可通過圖像識別和處理實現視覺定位，但受光照條件、圖像噪聲等影響，單獨使用時定位穩定性欠佳。

5、此外，隨著無人機應用場景的多樣化和復雜化，對其環境適應性、飛行安全性和智能化程度提出了更高要求，傳統導航系統已難以滿足，因此，針對上述問題提出一種無人機自適應導航系統。

技術實現思路

1、本發明的目的在于提供一種無人機自適應導航系統，以解決上述背景技術中提出的問題。

2、為實現上述目的，本發明提供如下技術方案：

3、一種無人機自適應導航系統，包括：

4、慣性導航系統；慣性導航系統提供無人機的姿態、速度和加速度數據；

5、可見光傳感器；可見光傳感器至少包含一臺高清攝像頭，用于采集環境圖像信息，并通過圖像處理方法獲取環境特征點，以實現視覺定位；

6、數據融合模塊；數據融合模塊接收來自慣性導航系統和可見光傳感器的數據，采用動態加權卡爾曼濾波算法對定位信息進行優化，在動態環境中自動增加可見光傳感器的權重，在靜態環境中增加慣性導航系統的權重，得到融合后的定位信息；

7、數據庫；數據庫包括地圖庫和特征庫，數據庫存儲環境特征點及地標數據，供可見光傳感器進行實時匹配，以輔助無人機定位，地圖庫與特征庫根據無人機飛行過程中獲取的環境數據進行動態更新，更新算法基于增量學習方法；

8、導航控制模塊；導航控制模塊依據融合后的定位信息生成飛行控制指令，指導無人機穩定飛行，導航控制模塊基于自適應控制算法自動調整飛行策略。

9、作為一種優選方案，可見光傳感器的圖像處理方法包括深度學習算法，深度學習算法通過卷積神經網絡進行實時環境特征提取和匹配，設輸入圖像為,?其中，分別表示圖像像素的橫縱坐標，卷積核為，為卷積核元素坐標，則卷積層的計算公式為：，其中，為卷積層輸出的特征圖在坐標處的值，為偏置項，通過多層卷積、池化以及全連接層的組合操作，對環境特征點的提取與匹配，其中，池化操作采用最大池化公式：，其中，為池化層輸出在坐標處的值，為池化區域。

10、作為一種優選方案，數據融合模塊中的動態加權卡爾曼濾波算法具體如下：

11、狀態預測：，其中，為在時刻對時刻狀態的預測值，為時刻的最優估計值，為狀態轉移矩陣，描述了系統從時刻到時刻的狀態變化規律；

12、協方差預測：，其中，為預測協方差矩陣，為時刻的最優估計協方差矩陣，為過程噪聲協方差矩陣；

13、卡爾曼增益計算：，其中，為卡爾曼增益，用于平衡預測信息和觀測信息在狀態更新中的權重，為觀測矩陣，它將狀態向量映射到觀測向量空間，為觀測噪聲協方差矩陣，表示觀測數據的不確定性；

14、狀態更新：，其中，是時刻的觀測值，是時刻的最優估計值；

15、協方差更新：，其中，是單位矩陣，是時刻的最優估計協方差矩陣；

16、動態加權卡爾曼濾波中的加權處理：

17、設慣性導航系統的估計值為，協方差為，可見光傳感器的估計值為，協方差為；

18、定義權重和，且滿足，根據環境的光照強度變化、圖像紋理復雜度以及無人機飛行姿態變化率進行實時調整，加權計算公式為：

19、，其中，為、、相應的權重影響系數；

20、；

21、融合后的狀態估計值為：；

22、融合后的協方差估計值為：。

23、作為一種優選方案，地圖庫與特征庫在動態更新過程中，對于新采集到的環境特征點數據，采用聚類分析方法進行初步篩選，去除噪聲數據后再進行特征庫的更新優化；設特征點集為，其中，是第i個環境特征點，是特征點的總數，采用k-means聚類算法，其目標函數為：，其中，為預先設定的將特征點劃分成的類別數量，為第個聚類集合，為第個聚類的中心，表示歐幾里得距離，通過不斷迭代優化，使得目標函數最小，將離聚類中心設定距離的特征點視為噪聲點并剔除，將篩選后的特征點加入特征庫進行更新。

24、作為一種優選方案，導航控制模塊在生成飛行控制指令時，考慮無人機的剩余電量、通信信號強度以及周圍空域的交通狀況，設飛行控制指令向量為，則基于多因素的控制指令生成公式為：；其中，，為不同因素的權重系數，且，為與剩余電量相關的控制函數，為與通信信號強度相關的控制函數，為與周圍空域交通狀況相關的控制函數。

25、由上述本發明提供的技術方案可以看出，本發明提供的一種無人機自適應導航系統，有益效果是：

26、1、通過將慣性導航系統（ins）與可見光傳感器相結合，并采用動態加權卡爾曼濾波算法進行數據融合，充分發揮了兩種傳感器的優勢；ins在短期內能提供穩定的姿態、速度和加速度數據，尤其在gps信號丟失或環境動態性較低時，可為無人機提供可靠的定位基礎；可見光傳感器則在環境特征豐富的場景下（如城市環境、有明顯地標區域），通過視覺定位獲取高精度的位置信息；動態加權機制根據環境動態變化實時調整傳感器權重，在動態環境中增加可見光傳感器權重以獲取更準確的實時位置信息，在靜態環境中增加ins權重以利用其長期穩定性，從而顯著提高了定位精度，使無人機在各種復雜環境下都能實現更精準的定位；

27、2、地圖庫和特征庫存儲了豐富的環境特征點及地標數據，可見光傳感器采集的圖像信息可與庫中數據進行實時匹配，進一步輔助定位；這不僅提高了定位的準確性，還增強了系統在不同場景下的適應性，即使在未知環境中飛行一段時間后，也能通過不斷更新地圖庫和特征庫，逐漸提高定位精度，為無人機的穩定飛行和任務執行提供了堅實的定位保障；

28、3、動態加權卡爾曼濾波算法中，權重根據環境的光照強度變化、圖像紋理復雜度以及無人機飛行姿態變化率等因素實時調整；在光照強度變化大（如日出日落、進出陰影區域）、圖像紋理復雜（如城市建筑密集區）或飛行姿態變化頻繁（如機動飛行時）的動態環境中，系統能自動增加可見光傳感器的權重，更好地利用視覺信息進行定位和導航；而在光照穩定、紋理簡單且飛行姿態平穩的靜態環境中，增加慣性導航系統的權重，確保定位的穩定性；這種自適應的權重調整策略使導航系統能夠靈活應對各種復雜多變的環境條件，保證無人機在不同場景下都能穩定、準確地飛行；

29、4、高精度的定位信息為無人機的飛行控制提供了準確依據，導航控制模塊根據融合后的定位信息生成精確的飛行控制指令，使無人機能夠更精準地按照預定航線飛行，減少偏離航線的風險；同時，在飛行過程中，系統能夠實時監測無人機的位置和姿態，及時發現并糾正可能出現的飛行偏差，確保飛行軌跡的穩定性，有效避免了因定位誤差導致的飛行事故，大大提高了飛行安全性。