CN120255551A 基于多传感器数据融合的无人机动态避障方法 （中航金城无人系统有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120255551A(43)申请公布日2025.07.04

(21)申请号202510750601.2

(22)申请日2025.06.06

(71)申请人中航金城无人系统有限公司

地址210002江苏省南京市秦淮区龙蟠中

路216号

(72)发明人胡镇申哲宁钱晨马宁

(74)专利代理机构南京冠誉至恒知识产权代理有限公司32426

专利代理师夏恒霞

(51)Int.CI.

GO5D1/46(2024.01)

G05D1/622(2024.01)

G05D109/20(2024.01)

权利要求书5页说明书11页附图2页

(54)发明名称

基于多传感器数据融合的无人机动态避障

方法

(57)摘要

CN120255551A本发明属于无人机控制系统领域，公布了基于多传感器数据融合的无人机动态避障方法，解决了无人机在飞行过程中遇到障碍物时，无法绕行障碍物以高效执行飞行动作的问题。在障碍物感知与数据融合过程中，本方法首先提出了一种基于环扫雷达与视觉测距结果相结合的卡尔曼滤波方法，通过对障碍物进行区域化处理，实现精准的目标检测与估计；进一步采用动态调整策略，系统根据实时反馈动态调整测量噪声协方差矩阵参数，估计出更准确的障碍物距离；最后，计算每个障碍物扇区的避障总成本，选择成本最小的方向更新无人机运动方向。通过本发明的方法，能够在不同的飞行场景下实现更加精确与高

CN120255551A

开始飞行

开始飞行

接收控制器飞行指令

通过卡尔曼滤波器估计障碍物准确距离

接收无人机速度数据

计算扇区避障总成本

按收环扫雷达与深度相机数据

雷达与相机数据探测到有效障碍物?

依照控制器飞行指令生成速度目标的方向与大小

继续飞行

找出成本最低的扇区

确定扇区方向

依照扇区方向修改指令生成速度目标的方向与大小

CN120255551A权利要求书1/5页

2

1.基于多传感器数据融合的无人机动态避障方法，其特征在于，包括如下步骤：

S1、将无人机机体水平面分为N个障碍物扇区；

S2、获取组合导航输出的机体速度uavvel;

S3、实时采集无人机环扫雷达与深度相机的原始障碍物数据，分别记为dis,与disc;

S4、当两个传感器测量的障碍物距离均长时间大于障碍物感知反应最小阈值MIN_0BS_DIS时，会一直初始化卡尔曼滤波器，输出的POS(i)则为MIN_0BS_DIS,VEL(i)为观测的uavvel,此时无人机依照控制器飞行指令生成速度目标的方向与大小进行飞行；

S5、当两个传感器测量的障碍物距离小于MIN_0BS_DIS时，结合环扫雷达提供的精度数据，采用卡尔曼滤波器状态预测和校正更新，动态调整环扫雷达与深度相机的测量噪声的协方差矩阵，估计出更加准确的障碍物距离POS(i);

S6、在避障决策中，将环境按若干扇区编号i(i=1,2,3,……,N),每个扇区有对应的障碍物距离d;和回波强度1,,遍历运动方向相邻的有效障碍物扇区，计算每个障碍物扇区的避障总成本，找出成本最低的扇区并确定扇区方向，更新无人机的运动目标方向与速度大小。

2.根据权利要求1所述的基于多传感器数据融合的无人机动态避障方法，其特征在于：所述步骤S1中，障碍物扇区的数量N为整数，由环扫雷达的分辨率n决定，N=360/n。

3.根据权利要求1所述的基于多传感器数据融合的无人机动态避障方法，其特征在于，在进行状态预测时，需建立状态模型并进行位置、速度估计：

设计速度目标值与无人机位置之间的传递函数：

其中，UAVPOS(s)和UAVREFVEL(s)分别是复频域下的无人机位置和速度

目标值的拉普拉斯变换；参数a?、a?、b根据实际飞行数据拟合确定，S表示拉普拉斯变换中的复频率变量；

得到连续时间模型：

uavvel=-a?×uavvel-a?×uavpos+b×uavrefVel,

uavvel、uavpoS和uavrefVel分别是时域下的无人机机体速度、位置与速度

目标值；uavvel为uavvel的导数；

在matlab中通过c2d函数与ssdata函数，计算离散时间状态空间模型的状态矩阵A、输