本发明涉及无人机控制，尤其涉及一种基于lidar传感器的无人机探索方法及系统。
背景技术：
1、无人机，特别是四旋翼无人机，由于其灵活性和高机动性，在地形测绘、结构检查和三维建模等各个领域引起了极大关注，并得到了广泛应用。无人机通过使用传感器(如摄像头、激光雷达等)获取大量的场景观测数据，通过将这些观测数据进行融合和配准，可以创建一个高分辨率、连续的三维地图，以表示场景的几何结构和表面特征。这些应用利用高质量的地图来获取场景的真实和详细环境信息，那么研发一种能够快速自主探索未知环境并生成高质量地图的关键技术是很有必要的。
2、近年来，随着自主探索任务越来越受关注，从而出现了许多自主探索方法，比如基于采样的探索和基于边界的探索方法。基于采样的方法通过类似快速探索随机树(rrt)的方法在已知空间中生成一系列候选视点，并通过评估期望信息增益(eig)选择下一个最佳视点，无人机会从当前位置飞行到下一个最佳视点位置进行观测。基于边界的方法首先生成几个边界聚类，为每个边界聚类获取视点，并确定具有最大期望信息增益的下一个最佳视点，并指引无人机进行观测。然而，大多数方法侧重于高效覆盖未知区域(使用立方体网格来代表空间)，而忽视了扫描地图的质量，并没有充分考虑表面信息获取。这种粗糙的表示空间环境的方法对于许多复杂的实际应用来说是不令人满意的。
3、在现有的无人机自主探索方法中，主要存在以下问题：
4、现有的大部分方法侧重于高效覆盖未知区域，只以粗糙的方式(栅格)来代表空间环境，这样会导致探索出的地图存在稀疏区域和空洞区域。
5、现有的规划器以贪婪的方式规划探索路径，例如最大化即时信息增益或导航到最近的未知区域。这种贪婪策略忽视了全局最优性，因此导致整体效率较低。此外，大多数方法在先前未知的环境中生成相当保守的运动，以同时确保信息获取和安全性。
6、最后，许多方法存在计算开销高且无法快速而频繁地响应环境变化的问题，导致当出现新的环境信息时，无法立即重新规划新的运动路径，造成低效的探索。
技术实现思路
1、本发明实施例的主要目的在于提出一种实时高效的基于lidar传感器的无人机探索方法及系统，可以生成高效的全局路径和安全的、完全覆盖的局部观测路径。
2、为实现上述目的，本发明实施例的一方面提出了一种基于lidar传感器的无人机探索方法，包括以下步骤：
3、无人机利用机载激光雷达传感器获取单帧点云数据；
4、通过slam模块将获取到的所述单帧点云数据注册到全局点云地图中；
5、根据所述全局点云地图，通过slam模块获得点云地图和三维占据栅格地图，以进行点云密度分析以及边界检测；其中，所述点云地图用于进行点云密度分析；所述三维占据栅格地图用于进行边界检测；
6、将所述点云密度分析和所述边界检测的结果被纳入信息增益中，以指导候选视点的生成；
7、根据生成的候选视点进行全局路径规划，并确定局部路径；
8、对所述局部路径进行优化，并生成一个受时间约束的平滑轨迹，以指导无人机的运动。
9、在一些实施例中，所述点云密度分析的过程包括：
10、根据每个点云与若干个最近邻点之间的平均距离计算得到每个点云的密度，其中，点云密度的计算公式为：
11、
12、其中，k代表最近邻点的个数；pi代表第i个点；τp代表点云密度的阈值；
13、创建一个体素表征结构；所述体素表征结构包括点云层、高分辨率体素层、网格层；
14、在所述点云层中，根据所述点云密度的计算公式来评估视点捕获的可见区域内点云的合格性；
15、在所述高分辨率体素层中，将离散点云根据其位置划分为连续的体素，体素的合格性由体素内合格点数量与不合格点数量的比值来确定，若该比值超过阈值则视为合格；
16、在所述网格层中，将体素放置到更大的网格中，如果网格内包含的合格体素数量与不合格体素数量的比值超过一定的阈值，则网格被视为合格。
17、在一些实施例中，所述将所述点云密度分析和所述边界检测的结果被纳入信息增益中，以指导候选视点的生成，包括：
18、从局部规划范围内均匀采样一组候选点，将所述局部规划范围的边界上的点定义为边界点；
19、根据采样到的候选点，生成候选视点来完全覆盖边界和不合格的点云的目标区域；
20、对于所述候选点的每个点，多个偏航角被确定为多个独立的传感器的最大覆盖范围对所述目标区域的覆盖，评估符合传感器模型且没有被障碍物遮挡的每个偏航角的信息增益，进而生成候选视点。
21、在一些实施例中，所述信息增益的计算公式为：
22、
23、其中，gainv代表mpoint的信息增益；sv表示从mpoint观察到的不合格网格的数量；fv表示从mpoint观察到的边界的数量；gmax表示sv中高分辨率体素的数量；λf是fv的权重系数；代表每个si中不合格体素的数量。
24、在一些实施例中，所述确定局部路径，包括：
25、通过计算所有候选视点的目标区域之和，计算在所述局部规划范围内的总增益；
26、对所有mpoint的信息增益进行排序，并从排名前n的mpoint中随机选择一个添加到已选择的视点集合中；
27、重新计算候选视点中的信息增益，向视点集合中预先加入无人机的当前位置坐标和边界点的坐标，并返回执行对所有mpoint的信息增益进行排序，并从排名前n的mpoint中随机选择一个添加到已选择的视点集合中的步骤，直至获得一组能够覆盖总增益的视点子集；
28、根据旅行商问题的解决策略，生成一个从无人机当前位置开始并通过视点集合中的所有其他点的开环路径，得到粗略的局部路径。
29、在一些实施例中，所述对所述局部路径进行优化，包括：
30、从粗略的局部路径的目标路径段中均匀采样点；
31、根据采样点生成能覆盖目标区域的范围；
32、将所述目标路径段中的一个端点进行替换，得到新的目标路径段，并返回执行根据采样点生成能覆盖目标区域的范围的步骤，直至完成对局部路径中各个路径段的优化。
33、在一些实施例中，所述根据生成的候选视点进行全局路径规划，包括：
34、定义全局规划范围，将局部规划范围外部的空间划分为均匀的立方体子空间；
35、将全局路径规划形式化为旅行商问题，计算从无人机的当前位置、起始边界点、处于探索中状态的子空间的质心以及一个结束边界点开始的闭环路径；
36、通过构建包含最短路径长度的距离矩阵来确定两个边界点。
37、在一些实施例中，所述生成一个受时间约束的平滑轨迹，包括：
38、使用均匀b样条曲线来平滑旋转，并设置时间约束项来控制旋转角度的旋转时间；
39、其中，旋转角度ξ、过渡时间tb和时间约束项jt的计算公式分别为：
40、
41、jt＝max{(ns-k)×δt,tb}
42、其中，表示在时间ti到达的位置，和分别是速度和偏航角角速度的约束的最大值，ns和k分别是控制点的数量和均匀b样条曲线的维数，δt表示时间间隔，给定观察路径th中每个观察点的距离和角度向量分别定义为d和y；
43、对于给定的观察路径，使用均匀b样条曲线进行优化，生成一个受时间约束的平滑轨迹。
44、本发明实施例的另一方面还提供了一种基于lidar传感器的无人机探索系统，包括：
45、第一模块，用于无人机利用机载激光雷达传感器获取单帧点云数据；
46、第二模块，用于通过slam模块将获取到的所述单帧点云数据注册到全局点云地图中；
47、第三模块，用于根据所述全局点云地图，通过slam模块获得点云地图和三维占据栅格地图，以进行点云密度分析以及边界检测；其中，所述点云地图用于进行点云密度分析；所述三维占据栅格地图用于进行边界检测；
48、第四模块，用于将所述点云密度分析和所述边界检测的结果被纳入信息增益中，以指导候选视点的生成；
49、第五模块，用于根据生成的候选视点进行全局路径规划，并确定局部路径；
50、第六模块，用于对所述局部路径进行优化，并生成一个受时间约束的平滑轨迹，以指导无人机的运动。
51、为实现上述目的，本发明实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前面所述的方法。
52、为实现上述目的，本发明实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。
53、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
54、本发明实施例至少包括以下有益效果：本发明提供一种基于lidar传感器的无人机探索方法及系统,该方案通过无人机利用机载激光雷达传感器获取单帧点云数据；通过slam模块将获取到的所述单帧点云数据注册到全局点云地图中；根据所述全局点云地图，通过slam模块获得点云地图和三维占据栅格地图，以进行点云密度分析以及边界检测；其中，所述点云地图用于进行点云密度分析；所述三维占据栅格地图用于进行边界检测；将所述点云密度分析和所述边界检测的结果被纳入信息增益中，以指导候选视点的生成；根据生成的候选视点进行全局路径规划，并确定局部路径；对所述局部路径进行优化，并生成一个受时间约束的平滑轨迹，以指导无人机的运动。本发明实施例的实时性高，可以生成高效的全局路径和安全的、完全覆盖的局部观测路径。
1.一种基于lidar传感器的无人机探索方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于lidar传感器的无人机探索方法，其特征在于，所述点云密度分析的过程包括：
3.根据权利要求1所述的一种基于lidar传感器的无人机探索方法，其特征在于，所述将所述点云密度分析和所述边界检测的结果被纳入信息增益中，以指导候选视点的生成，包括：
4.根据权利要求3所述的一种基于lidar传感器的无人机探索方法，其特征在于，所述信息增益的计算公式为：
5.根据权利要求4所述的一种基于lidar传感器的无人机探索方法，其特征在于，所述确定局部路径，包括：
6.根据权利要求5所述的一种基于lidar传感器的无人机探索方法，其特征在于，所述对所述局部路径进行优化，包括：
7.根据权利要求6所述的一种基于lidar传感器的无人机探索方法，其特征在于，所述根据生成的候选视点进行全局路径规划，包括：
8.根据权利要求7所述的一种基于lidar传感器的无人机探索方法，其特征在于，所述生成一个受时间约束的平滑轨迹，包括：
9.一种基于lidar传感器的无人机探索系统，其特征在于，包括：
10.一种电子设备，其特征在于，包括处理器以及存储器；
