一种基于无人机的复杂环境搜救方法

本发明涉及到救援搜救，具体涉及一种基于无人机的复杂环境搜救方法。

背景技术：

1、随着经济的发展与科技的进步，无人机在技术、产品、应用和市场上取得了重大的突破与发展。无人机作为新兴产品与技术，由于其安全性、灵活性、高效性使得其在监控、林业、救援等多个领域，显示出极大的优越性，展现了广阔的应用前景。无人机的应用领域和范围正在不断扩展，不管是辅助交警、景区监管，还是旅游航拍、商业表演，无人机都展现出巨大的价值和魅力。

2、山林搜救面临复杂地形、茂密植被等挑战。山林中地形崎岖、天气复杂多变，需要克服悬崖、河流等自然障碍；缺乏准确位置信息使搜寻更困难，时间紧迫性增加了紧急性；通信困难，山区信号覆盖差，手机无法使用；夜间搜救难度高，能见度低且缺乏光源；野生动物和毒植物带来潜在威胁。因此常见的搜救技术都有一定的局限性：人员搜救成本高、效率低；直升机搜救搜救成本高且低空飞行困难。

3、相比而言，使用无人机搜救所需成本较低、效率高、可拓展性强。无人机山林搜救是无人机技术中一个非常重要的应用，在救援领域，无人机的操作不依赖于人类，可以减少飞行员在高危行业的工作负担和风险，无人机的快速响应使得救援活动更具高效性；无人机技术具有灵活部署、灵活监测等诸多优点，能够适应不同行业领域的需求。使用无人机可以较为轻松的应对复杂连续的山林环境，并可以对搜救目标进行实时跟踪、监测，及时提供有效的援助。

4、因此，研究一种精准、快速、安全的无人机搜救方案是非常有必要的。

技术实现思路

1、本发明的目的在于提出一种新的基于无人机的复杂环境搜救方法以解决背景技术中所提出的问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于无人机的复杂环境搜救方法，所述方法所使用的无人机采用包括异型布局的塔式结构，所述无人机从上到下依次设置有上位层板、电池载板、中心层板和底板；所述上位层板正前方安装有深度相机，顶部安装有激光雷达，一侧安装有外部电子罗盘；所述电池载板上安装有电池；所述中心层板上安装有飞行控制电路板；所述底板上安装有机载电脑，所述底板延伸端末端下置安装有电机，所述底板背部安装有电子调速器；

4、所述深度相机用以获取无人机前方的深度图像和rgb图像；

5、所述激光雷达用以获取无人机周围的三维点云数据；

6、所述飞行控制板用以向电子调速器发送pwm信号以调节电机的转速；

7、所述方法具体包括以下步骤：

8、s1、利用激光雷达和深度相机进行视觉slam，实时建立复杂环境的三维地图；

9、s2、利用机载电脑运行bevfusion融合框架，将激光雷达、深度相机所获取的数据进行融合；

10、s3、利用机载电脑运行ego-planner局部路径规划算法，根据融合后的数据，实时规划无人机的飞行轨迹，同时考虑无人机的动力学约束和能耗；

11、s4、利用机载电脑运行rt-detr目标检测算法，结合深度学习和神经网络，对复杂环境中的潜在目标进行检测和识别；

12、s5、利用机载电脑运行kcf目标跟踪算法，结合强大的特征描述子和鲁棒性更好的跟踪器，对检测到的目标进行跟踪和定位；

13、s6、利用无人机上的无线通信模块将s5中所得的目标位置信息发送给救援人员。

14、优选地，所述无人机搭载有fluke tix885红外热像仪，用于提升夜晚目标识别精度；所述无人机还安装有ct9002b无线通信模块，用于将图像和音频传输给救援人员。

15、优选地，所述异型布局具体指无人机的机架延长了前后的轴距，不改变左右的轴距，采用长方形布局，对角轴距420mm，左右轴距233mm，前后轴距450mm。

16、优选地，所述塔式结构具体指中心层板的下板为电调预留了散热风扇位置，上下两块中心板都预留了大量孔位，挂载板向前延长，在前方预留了m3的安装位，后面均置了3个抛投器的安装位置，同时镂空有箭头。

17、优选地，所述上位层板、电池载板、中心层板和底板采用碳纤维材质制成，使用铝柱和螺丝进行连接。

18、优选地，s2中所述bevfusion融合框架用以获取复杂环境的三维信息，所述bevfusion融合框架具体包括如下模块：

19、2.1)图像编码模块image-view encoder，用于将输入图像编码为语义信息丰富的深度特征，所述图像编码模块采用dual-swan-tiny作为主干，在骨干网络上使用标准的特征金字塔网络(fpn)来利用多尺度分辨率的特征，并使用简单的特征自适应模块(adp)来细化上采样特征；

20、2.2)视图投影模块view projector module，用于将2d图像坐标转换为3d的ego-car坐标，所述视图投影模块以图像-视图特征作为输入，通过分类方式密集预测深度，推导出在预定义的点云中渲染的图像视图特征；

21、2.3)bev编码器模块，用于进一步将体素特征v∈x×y×z×crin编码为bev空间特征(f camera∈rx×y×c camera)，所述bev编码器模块直接处理全分辨率camera bev特征以保留空间信息。

22、优选地，s3中所述ego-planner局部路径规划算法具体包括如下内容：

23、3.1)采样路径规划，利用k-rrtk-a方式，在无碰撞且符合运动学约束的条件下，规划出一条初始路径；

24、3.2)碰撞力计算，将初始路径用b样条曲线表示，检测并修正路径中的碰撞段，并用距离场公式评估控制点与障碍物的距离；

25、3.3)基于梯度的轨迹优化器，用均匀b样条曲线和微分平坦特性描述无人机的运动轨迹，通过光滑项、碰撞项和可行性惩罚函数来构建目标函数，并用拟牛顿法优化轨迹的控制点；

26、3.4)基于时间分配和轨迹的优化方法，用极限超标率和反比关系调节时间间隔，采用各向异性曲线拟合方法优化控制点，同时利用轴向位移和径向位移平衡轨迹的光滑性和碰撞风险。

27、优选地，s4中所述rt-detr目标检测算法用于进行目标检测和识别，所述rt-detr目标检测算法具体包括如下模块：

28、4.1)transformer encoder，用于提取图像特征；

29、4.2)deformable detr，用于生成无锚框的目标检测结果；

30、4.3)spatial pe，用于增强空间信息的表达；其中，所述rt-detr算法在dinotransformer1的基础上进行优化，采用分离式训练策略，以提高目标检测的效率和准确性。

31、优选地，s5中所述kcf目标跟踪算法具体包括如下内容：

32、5.1)目标检测，使用目标检测算法在当前帧图像中检测出所有可能的目标，并从中选择最靠近图像中心的目标作为跟踪目标，同时选取目标区域并提取相应的特征；

33、5.2)目标跟踪，使用kcf算法根据上一帧的响应图在当前帧中预测目标的位置，并根据预测结果更新核矩阵和响应图；

34、5.3)参数调整，使用跟踪结果评估目标检测算法的性能，并根据评估结果调整目标检测算法的参数，例如缩小搜索区域或调整阈值等，以提高目标检测的准确性。

35、与现有技术相比，本发明提供了一种基于无人机的复杂环境搜救方法，具备以下有益效果：

36、(1)本发明提出了一种基于无人机的复杂环境搜救方法，可以在人力无法到达的地区进行搜索和救援行动，可以在高空、危险、难以到达的区域进行巡检，可以在未知、陌生的环境中进行探索，可以在自然灾害、人为事故等情况下进行应急响应，如地震、火灾、交通事故等。

37、(2)本发明基于机载电脑和深度相机，配套激光雷达与视觉融合的slam框架(bevfusion)，在此基础上融合深度相机内置imu数据以达到自身定位和实时建图的效果。局部路径规划采用改进后的ego-planner算法，通过远程设置goal-point实现全自主规划路径飞行的功能。在搜救场景，通过yolo-v5目标检测算法识别人体，夜间结合热成像模块提升识别精度。在巡检场景，通过segment anything model(sam)实现仪器仪表分割、精准读数。在探索未知环境场景下(如：溶洞、矿洞)通过视觉slam生成三维点云地图得到未知场景的几何结构和形状信息。

38、(3)本发明优化设计无人机搜救过程中的控制方法，无人机集群通过raft一致性的分布式控制算法，协调多个无人机之间的通信和协同控制行为，以达到更好的运动轨迹规划和避障效果。