基于机载激光雷达的辅助导航系统、方法、介质和设备

技术领域

本发明涉及高压架空输电线路维护技术领域，尤其涉及一种基于机载激光雷达的辅助导航系统、方法、介质和设备。

背景技术

在高压架空输电线路维护领域，人工观察巡线方式已基本被无人机巡线方式取代，而无人机自主巡线的实现高度依赖导航技术，目前可采用的导航技术有非组合导航、组合导航两种方式。其中，组合导航是指综合各种导航设备，由监视器和计算机进行控制的导航系统，目前无人机的巡线工作主要以GPS导航结合惯性导航实现，该系统可通过卫星定位系统信息定时对惯性系统进行偏差纠正，在无法接受卫星信号时，惯性定向定位导航系统也能够保障导航信息在一定时间内的精准，以综合两种非组合导航装置，增强导航效果。

但在特定的电力巡线场景下，现有的组合导航的GPS导航系统在电磁干扰严重或有障碍物遮挡的场景下，容易丢失信号或信号误报；而组合导航的惯性导航系统的导航精度随时间而发散，即精度不高且长期稳定性差，不采取回环检测时无法消除积分漂移，从而导航效果差。同时，仅依靠无人机组合导航技术仅能维护无人机自主沿线巡航，若存在巡航线上出现障碍物，不能实现障碍物预警功能，使得机巡作业中存在导航的安全隐患。

发明内容

本发明目的在于，提供一种基于机载激光雷达的辅助导航系统、方法、介质和设备，以解决电力巡线无人机组合导航过程中可能出现的GPS信号失灵、惯性导航漂移过高现象而导致的巡线偏差较大等问题。

为实现上述目的，本发明实施例提供一种基于机载激光雷达的辅助导航系统，包括处理模组和功能模组；

所述处理模组，用于获取雷达信息生成周边环境的点云数据，并对所述点云数据进行处理，得到去噪数据和距离信息集；

所述处理模组，还用于获取无人机的位姿信息，并根据所述点云数据，提取点云的线特征和面特征生成特征序列，以得到无人机的旋转矩阵信息和平移向量信息；

所述功能模组，用于根据所述去噪数据和所述距离信息集发出报警信号或调整机巡路线；

所述功能模组，还用于对所述旋转矩阵信息和所述平移向量信息进行坐标系变换，得到坐标信息。

优选地，所述处理模组包括：

采集模块，用于获取雷达信息，生成周边环境的点云数据；

过滤模块，用于根据所述点云数据进行聚类操作去除噪声点云，得到去噪数据；

测距模块，用于根据所述去噪数据，计算检测设备与被测物之间的距离信息，并标注所述距离信息的时刻信息，得到距离信息集；

校正模块，用于获取无人机的位姿信息，并根据所述点云数据，将每次扫描周期内的点云数据进行转化得到点云图像；

特征提取模块，用于根据所述点云图像，提取点云的线特征和面特征生成特征序列，并标注所述特征序列的时刻信息，得到特征序列集；

点云匹配模块，根据所述特征序列集中相邻时刻的特征序列进行特征匹配，得到匹配信息；

位姿估计模块，用于对所述匹配信息进行非线性优化得到无人机的旋转矩阵信息和平移向量信息。

优选地，所述功能模组包括：

预警修正模块，用于根据所述去噪数据，判断所述被测物是障碍物或导线，结合所述距离信息集发出报警信号或调整机巡路线；

定位融合模块，用于对所述旋转矩阵信息和所述平移向量信息进行坐标系变换，得到坐标信息。

优选地，预警修正模块，还用于根据所述旋转矩阵信息和所述平移向量信息调整无人机的飞行位姿。

本发明实施例还提供一种基于机载激光雷达的辅助导航方法，包括：

获取雷达信息生成周边环境的点云数据，并对所述点云数据进行处理，得到去噪数据和距离信息集；

获取无人机的位姿信息，并根据所述点云数据，提取点云的线特征和面特征生成特征序列，以得到无人机的旋转矩阵信息和平移向量信息；

根据所述去噪数据和所述距离信息集发出报警信号或调整机巡路线；

对所述旋转矩阵信息和所述平移向量信息进行坐标系变换，得到坐标信息。

优选地，所述获取雷达信息生成周边环境的点云数据，并对所述点云数据进行处理，得到去噪数据和距离信息集，包括：

获取雷达信息，生成周边环境的点云数据；

根据所述点云数据进行聚类操作去除噪声点云，得到去噪数据；

根据所述去噪数据，计算检测设备与被测物之间的距离信息，并标注所述距离信息的时刻信息，得到距离信息集。

优选地，所述获取无人机的位姿信息，并根据所述点云数据，提取点云的线特征和面特征生成特征序列，以得到无人机的旋转矩阵信息和平移向量信息，包括：

获取无人机的位姿信息，并根据所述点云数据，将每次扫描周期内的点云数据进行转化得到点云图像；

根据所述点云图像，提取点云的线特征和面特征生成特征序列，并标注所述特征序列的时刻信息，得到特征序列集；

所述特征序列集中相邻时刻的特征序列进行特征匹配，得到匹配信息；

对所述匹配信息进行非线性优化得到无人机的旋转矩阵信息和平移向量信息。

优选地，所述根据所述去噪数据和所述距离信息集发出报警信号或调整机巡路线，包括：

根据所述去噪数据，判断所述被测物是障碍物或导线，结合所述距离信息集发出报警信号或调整机巡路线。

本发明实施例还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的基于机载激光雷达的辅助导航方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一实施例所述的基于机载激光雷达的辅助导航方法。

与现有技术相比，本发明具有以下有益效果：

本发明公开的基于机载激光雷达的辅助导航方法，包括：获取雷达信息生成周边环境的点云数据，并对所述点云数据进行处理，得到去噪数据和距离信息集；获取无人机的位姿信息，并根据所述点云数据，提取点云的线特征和面特征生成特征序列，以得到无人机的旋转矩阵信息和平移向量信息；根据所述去噪数据和所述距离信息集发出报警信号或调整机巡路线；对所述旋转矩阵信息和所述平移向量信息进行坐标系变换，得到坐标信息。本发明能够解决电力巡线无人机组合导航过程中可能出现的GPS信号失灵、惯性导航漂移过高现象而导致的巡线偏差较大等问题，同时能够探测无人机与障碍物之间的距离，实现障碍物预警，从而增强巡线无人机的组合导航的精确性、稳定性、鲁棒性与安全性，辅助无人机实现自主导航与安全巡线工作。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明某一实施例提供的基于机载激光雷达的辅助导航系统的结构示意图；

图2为本发明另一实施例提供的基于机载激光雷达的辅助导航系统的结构示意图；

图3为本发明第一实施例提供的基于机载激光雷达的辅助导航方法的流程示意图；

图4为本发明第二实施例提供的基于机载激光雷达的辅助导航方法的流程示意图；

图5为本发明第三实施例提供的基于机载激光雷达的辅助导航方法的流程示意图；

图6为本发明第四实施例提供的基于机载激光雷达的辅助导航方法的流程示意图；

图7为本发明第五实施例提供的基于机载激光雷达的辅助导航方法的流程示意图；

图8为本发明第六实施例提供的基于机载激光雷达的辅助导航方法的流程示意图；

图9是本发明某一实施例提供的计算机终端设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，文中所使用的步骤编号仅是为了方便描述，不作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，图1为本发明某一实施例提供的基于机载激光雷达的辅助导航系统的结构示意图。本实施例提供的基于机载激光雷达的辅助导航系统，包括处理模组10和功能模组20：处理模组10，用于获取雷达信息生成周边环境的点云数据，并对点云数据进行处理，得到去噪数据和距离信息集；处理模组10，还用于获取无人机的位姿信息，并根据点云数据，提取点云的线特征和面特征生成特征序列，以得到无人机的旋转矩阵信息和平移向量信息；功能模组20，用于根据去噪数据和距离信息集发出报警信号或调整机巡路线；功能模组20，还用于对旋转矩阵信息和平移向量信息进行坐标系变换，得到坐标信息。

在本发明实施例中，处理模组10包括：

采集模块11，用于获取雷达信息，生成周边环境的点云数据；

过滤模块12，用于根据点云数据进行聚类操作去除噪声点云，得到去噪数据；

测距模块13，用于根据去噪数据，计算检测设备与被测物之间的距离信息，并标注距离信息的时刻信息，得到距离信息集；

校正模块14，用于获取无人机的位姿信息，并根据点云数据，将每次扫描周期内的点云数据进行转化得到点云图像；

特征提取模块15，用于根据点云图像，提取点云的线特征和面特征生成特征序列，并标注特征序列的时刻信息，得到特征序列集；

点云匹配模块16，根据特征序列集中相邻时刻的特征序列进行特征匹配，得到匹配信息；

位姿估计模块17，用于对匹配信息进行非线性优化得到无人机的旋转矩阵信息和平移向量信息。

在某一实施例中，采集模块11获取雷达信息生成周边环境的点云数据。其中，点云数据的数据格式为三维坐标点XYZ，采集模块11执行数据采集与数据传输的功能，为后续处理层提供原始的点云数据。

在某一实施例中，过滤模块12根据点云数据进行聚类操作去除噪声点云，得到去噪数据。具体通过KMeans聚类的方法保留有效的点云数据，有效的点云数据包括输电线路点云与潜在障碍物点云，去除无关的小型的噪声点云，为测距模块13提供有效的目标点云，降低算法复杂性与增强运行实时性。

在某一实施例中，特征提取模块15，根据点云图像中点云的曲率情况来提取点云的线特征和面特征生成特征序列，并标注特征序列的时刻信息，得到特征序列集。

在某一实施例中，位姿估计模块17根据两时刻之间的特征匹配，利用LM非线性优化的方法，解耦出无人机旋转矩阵R与平移向量T，处理后的结果输出到定位融合层中。

在本发明实施例中，功能模组20包括：

预警修正模块21，用于根据去噪数据，判断被测物是障碍物或导线，结合距离信息集发出报警信号或调整机巡路线；

定位融合模块22，用于对旋转矩阵信息和平移向量信息进行坐标系变换，得到坐标信息。

在本发明实施例中，预警修正模块21，还用于根据旋转矩阵信息和平移向量信息调整无人机的飞行位姿。

在某一实施例中，预警修正模块21判断被测物是导线结合距离信息集，利用反馈修正逻辑来辅助无人机与导线等距飞行，动态调整机巡路线，从而实现平稳巡线。

在某一实施例中，预警修正模块21判断被测物是障碍物结合距离信息集，若机体正在靠近障碍物，及时输出报警信号。

请参阅图2，图2为本发明另一实施例提供的基于机载激光雷达的辅助导航系统的结构示意图。在本实施例中与上述实施例相同的部分，在此不再赘述。预警修正模块21和定位融合模块22功能的实现，还通过卫星定位系统信息定时对惯性系统进行偏差纠正，在无法接受卫星信号时，本实施例提供的辅助导航系统也为了保障导航信息在一定时间内的精准度，基于预警修正模块21和定位融合模块22对无人机的定位和位置调整，对点云数据进行预判。

请参阅图3，图3为本发明第一实施例提供的基于机载激光雷达的辅助导航方法的流程示意图。本实施例提供的基于机载激光雷达的辅助导航方法，包括以下步骤：

S110，获取雷达信息生成周边环境的点云数据，并对点云数据进行处理，得到去噪数据和距离信息集；

S120，获取无人机的位姿信息，并根据点云数据，提取点云的线特征和面特征生成特征序列，以得到无人机的旋转矩阵信息和平移向量信息；

S210，根据去噪数据和距离信息集发出报警信号或调整机巡路线；

S220，对旋转矩阵信息和平移向量信息进行坐标系变换，得到坐标信息。

请参阅图4，图4为本发明第二实施例提供的基于机载激光雷达的辅助导航方法的流程示意图。在本发明实施例中，步骤S110，获取雷达信息生成周边环境的点云数据，并对点云数据进行处理，得到去噪数据和距离信息集，包括：

步骤S111，获取雷达信息，生成周边环境的点云数据；

步骤S112，根据点云数据进行聚类操作去除噪声点云，得到去噪数据；

步骤S113，根据去噪数据，计算检测设备与被测物之间的距离信息，并标注距离信息的时刻信息，得到距离信息集。

请参阅图5，图5为本发明第三实施例提供的基于机载激光雷达的辅助导航方法的流程示意图。在本发明实施例中，步骤S120，获取无人机的位姿信息，并根据点云数据，提取点云的线特征和面特征生成特征序列，以得到无人机的旋转矩阵信息和平移向量信息，包括：

步骤S121，获取无人机的位姿信息，并根据点云数据，将每次扫描周期内的点云数据进行转化得到点云图像；

步骤S122，根据点云图像，提取点云的线特征和面特征生成特征序列，并标注特征序列的时刻信息，得到特征序列集；

步骤S123，特征序列集中相邻时刻的特征序列进行特征匹配，得到匹配信息；

步骤S124，对匹配信息进行非线性优化得到无人机的旋转矩阵信息和平移向量信息。

在本发明实施例中，步骤S210，根据去噪数据和距离信息集发出报警信号或调整机巡路线，具体包括：根据去噪数据，判断被测物是障碍物或导线，结合距离信息集发出报警信号或调整机巡路线。

请参阅图6，图6为本发明第四实施例提供的基于机载激光雷达的辅助导航方法的流程示意图。在本实施例中，主要体现基于机载激光雷达的辅助导航系统中预警修正模块进行第k次运行的过程。获取机载激光雷达采集扫描到的雷达信息得到点云集合PC0(k)作为点云数据，然后通过KMeans聚类方法去除不相关点，形成有效点云集PC1(k)作为去噪数据，通过PC1(k)计算机体到被测物的距离D(k)，并与前一个时刻计算机体到被测物的距离D(k-1)比较，若两者之差的绝对值大于可接受阈值，则说明无人机并非贴被测物飞行。当判断被测物为巡检线路，算法首先判断D(k)-D(k-1)<-1.0e-2是否成立，若成立，说明无人机正靠近输电线路，则输出横向远离导线信号B0，返回采集点云步骤重新进行流程；若D(k)-D(k-1)<-1.0e-2不成立，则继续判断D(k)-D(k-1)>+1.0e-2是否成立，若成立，说明无人机正在远离输电线路，则输出横向接近导线信号B1，返回采集点云步骤重新进行流程，若不成立，则该次运行过程结束。

KMeans聚类即k均值聚类(k-means clustering algorithm)是一种迭代求解的聚类分析方法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，误差平方和局部最小。

请参阅图7，图7为本发明第五实施例提供的基于机载激光雷达的辅助导航方法的流程示意图。在本实施例中，主要体现基于机载激光雷达的辅助导航系统中预警修正模块进行第k次运行的过程。获取机载激光雷达采集扫描到的雷达信息得到点云集合PC0(k)作为点云数据，然后通过KMeans聚类方法去除不相关点，形成有效点云集PC1(k)作为去噪信息，当判断被测物为障碍物，通过PC1(k)计算机体到被测物的距离D(k)，并与前一个时刻先验机体到障碍物的距离D(k-1)比较，若D(k)

请参阅图8，图8为本发明第六实施例提供的基于机载激光雷达的辅助导航方法的流程示意图。在本实施例中，主要体现基于机载激光雷达的辅助导航系统中定位融合模块进行第k次运行的过程。获取机载激光雷达采集扫描到的雷达信息得到点云集合PC0(k)作为点云数据，通过周期内组合导航位姿序列T0(k)来校准扫描时刻点云集PC1(k)，使所有点云都标定到同一时刻，然后通过KMeans聚类去噪形成点云集PC2(k)，之后提取点云线面特征Q(k)，与第k-1次点云线面特征Q(k-1)相匹配，构建基于旋转矩阵R、平移向量T为优化变量的误差函数X(k)，若|X(k)|

请参阅图9，本发明实施例提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的基于机载激光雷达的辅助导航方法。

处理器用于控制该计算机终端设备的整体操作，以完成上述的基于机载激光雷达的辅助导航方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于机载激光雷达的辅助导航方法，并达到如上述方法一致的技术效果。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的基于机载激光雷达的辅助导航方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的基于机载激光雷达的辅助导航方法，并达到如上述方法一致的技术效果。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。