无人机室内飞行条件下的环境感知与障碍告警

摘要

无人机在建筑物内等对通讯信号有屏蔽作用的环境中飞行时，由于无法获取GPS信号，导致无人机无法直接获取自身定位信息。此外，复杂的室内环境对无人机飞行安全也造成威胁。为解决上述问题，一方面需要基于无人机地面站，为其开发自主定位功能；另一方面要为无人机开发实时感知周围复杂环境，并及时对威胁其飞行安全的障碍进行告警的功能。论文主要工作及创新点如下：
　　（1）对使用视觉方法解决SLAM问题的技术进行了详细的总结与研究，对无人机视觉SLAM实现中涉及到的关键技术进行了系统地研究，并对现有主要的视觉SLAM系统的特点进行了对比和总结。通过对无人机视觉SLAM技术全面的介绍，为无人机在室内环境下利用视觉SLAM技术感知环境，对障碍物进行障碍告警的方案提出提供了理论支撑。
　　（2）介绍了从运动恢复结构方法中涉及到的主要算法，对基于该方法的无人机视觉SLAM技术进行了详细研究。在此基础上研究了单目视觉SLAM的实现-PTAM算法。在机器人操作系统（ROS）环境下，以四旋翼无人机AR.Drone2.0为飞行试验平台，对该算法进行了验证。通过对试验数据的分析，结合无人机在室内环境下飞行的应用需求，对PTAM算法进行了改进，提出了无人机室内飞行环境自适应特征点生成算法。飞行试验结果表明对PTAM算法修改后，有效提高了算法对室内环境的适应性。
　　（3）在对PTAM算法改进的基础上，针对无人机室内复杂环境中飞行实时避障的需求，选取合适的聚类算法对SLAM地图路标点进行聚类分析，并设计了当障碍物威胁到无人机飞行安全时，系统能够主动对操作员进行告警的辅助机制。利用飞行试验平台进行多次飞行试验，试验结果验证了该机制对障碍物实时告警的有效性。

目录

声明

第一章 绪论

1.1 课题研究背景

1.2 国内外研究现状

1.3 基于概率滤波方法的无人机SLAM技术

1.4 论文研究内容与结构

第二章 无人机SLAM方法研究

2.1 无人机SLAM问题建模

2.2 无人机视觉SLAM问题建模

2.3 基于运动恢复结构的视觉SLAM算法

2.4 本章小结

第三章 无人机飞行环境感知算法实现及优化改进

3.1算法试验环境

3.2 环境感知算法改进

3.3 基于改进PTAM算法的飞行试验

3.4 本章小结

第四章 基于无人机环境感知的障碍自动检测与告警技术

4.1 聚类算法分析

4.2 障碍物自动检测与告警算法

4.3飞行试验与结果分析

4.4 本章小结

第五章 总结与展望

5.1 论文工作总结

5.2 技术展望

致谢

参考文献

作者在学期间取得的学术成果