技术领域
[0001] 本发明涉及无人机路径规划领域，具体而言，涉及一种无人机避障方法、避障装置、计算机可读存储介质和无人机。
相关背景技术
[0002] 近年来，随着无人机智能化技术的快速发展，针对无人机自适应飞行和无人机应用领域的研究越来越深入。基于传统的自动化控制理论和基于新型的深度学习方法均为无人机航线自主规划和自适应避障添砖加瓦，加速了无人机在航空摄影、农业喷洒、消防救援以及高空巡检等场景中的应用和创新。然而，无人机在自主飞行过程中常常面临着飞行安全的威胁，避免与障碍物的碰撞是保证无人机安全飞行的重要问题之一，故开展关于无人机安全可靠的避障研究至关重要。
[0003] 无人机避障技术能够提高无人机的飞行效率和自主性，传统的预设避障路径受到环境动态变化的影响，通常需要无人机频繁地修改路径或中断任务。而自适应避障技术根据实时环境信息进行决策，无人机都能够安全有效地应对障碍物，并做出适当的避让动作。目前已经存在的一些基于单一传感器的无人机避障方法，如传感器测距的控制系统或结合感知训练的深度学习方法，这些方法受到光照条件和视野限制的影响存在一定的局限性。
具体实施方式
[0023] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0024] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0025] 需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0026] 正如背景技术中所介绍的，现有技术中目前已经存在的一些基于单一传感器的无人机避障方法，如传感器测距的控制系统或结合感知训练的深度学习方法，这些方法受到光照条件和视野限制的影响存在一定的局限性，为解决现有技术中基于单一传感器的无人机避障方法或结合感知训练的深度学习方法受到光照条件和视野限制的影响存在一定的局限性的问题，本申请的实施例提供了一种无人机避障方法、避障装置、计算机可读存储介质和无人机。
[0027] 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。
[0028] 本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种无人机避障方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0029] 存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的设备信息的显示方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
[0030] 在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的无人机避障方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0031] 图2是根据本申请实施例的无人机避障方法的流程图。如图2所示，该方法包括以下步骤：
[0032] 步骤S201，利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置。
[0033] 具体地，无人机根据内置的定位系统获取当前位置和终点位置，通过双目和超声波传感器持续监测周围环境，及时获取障碍物信息，包括类型、距离和位置。
[0034] 步骤S202，根据多组障碍物信息确定对应的障碍物的威胁概率。
[0035] 具体地，在辅助飞行过程中传感器持续探测周围环境，通过对传感器获取的环境数据进行分析，包括障碍物的距离、类型和位置等障碍物信息，综合避障难度和提醒控制端的强弱响应来设置障碍物的威胁系数。
[0036] 步骤S203，根据多组障碍物信息和障碍物对应的威胁概率得到避障策略。
[0037] 具体地，考虑无人机位置与障碍物位置的距离、无人机与巡检目标相对位置关系，以及无人机机动性能、与障碍物的安全距离、障碍物的威胁概率等条件，可以基于遗传算法求解局部安全飞行路径，根据具体情况选择最佳航线，根据最佳航线调整无人机的飞行高度和方向得到避障策略，确保无人机飞行的安全性和高效性。
[0038] 步骤S204，根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。
[0039] 具体地，根据避障策略，对无人机进行相应的控制，调整飞行状态以避开障碍物，在避开障碍物后自适应地调整角度和速度，直到安全并回归原辅助飞行航线，保证飞行路径的连续性和任务的完成性。
[0040] 本实施例中，首先，利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；然后，根据多组障碍物信息确定对应的障碍物的威胁概率；之后，根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；最后，根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。本申请采用多个传感器进行环境测距得到无人机周围环境中障碍物信息，对障碍物信息进行威胁概率分析以根据不同障碍物情况得到不同的避障策略，通过避障策略综合判断局部航线飞行规划调整无人机的飞行状态灵活避开障碍物直到安全回归原辅助飞行航线上。本申请解决了现有技术中基于单一传感器的无人机避障方法或结合感知训练的深度学习方法受到光照条件和视野限制的影响存在一定的局限性的问题。
[0041] 为了使得本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例对本申请的无人机避障方法的实现过程进行详细说明。
[0042] 为了提高无人机与障碍物之间信息数据的准确性和可靠性，在一种可选的实施方式中，上述步骤S201包括：
[0043] 步骤S2011，通过双目传感器捕捉无人机周围环境图像，并利用三角测量的方法计算障碍物与无人机之间的距离，得到第一距离信息。
[0044] 具体地，多个传感器具体包括双目传感器和超声波传感器。无人机上搭载的双目传感器由两个摄像头组成，模拟人眼的视觉系统，摄像头捕捉环境图像并利用三角测量的方法计算物体与相机之间的距离，即上述第一距离信息，双目视觉传感器可以获取环境物体更准确的深度信息。
[0045] 步骤S2012，通过超声波传感器发射超声波信号并计算接收回波信号的时间来确定与障碍物之间的距离，得到第二距离信息。
[0046] 具体地，对于一些无法通过双目视觉传感器准确检测的物体或近距离的障碍物，超声波传感器能够提供实时距离测量的补充信息，超声波传感器发射超声波信号，通过计算回波信号的时间来确定物体距离，即上述第二距离信息。
[0047] 步骤S2013，对第一距离信息和第二距离信息进行预处理操作，并分析得到多个障碍物的距离，预处理操作包括数据清洗和数据整合。
[0048] 具体地，通过对两种不同传感器获取的距离信息进行预处理和整合，可以提高数据的准确性和可靠性，同时可以得到更全面的障碍物距离信息，有利于无人机避开多个障碍物。
[0049] 为了提高飞行的效率和准确性，在一种可选的实施方式中，在上述步骤S2013之后，该方法还包括：
[0050] 步骤S301，根据多个障碍物信息构建环境三维地图模型，将环境三维地图模型、无人机的实时位置和障碍物信息同步发送至客户端以实时展示无人机的飞行情况。
[0051] 具体地，将环境三维地图模型、无人机的实时位置和障碍物信息同步发送至客户端，可以实时展示无人机的飞行情况，包括无人机所处的位置、高度、飞行速度等信息，以及周围的障碍物情况。通过实时展示无人机飞行情况，可以及时发现无人机与障碍物之间的距离，帮助无人机操作员避免碰撞和事故的发生，确保飞行安全，同时提高飞行的效率和准确性，为相关工作提供及时可靠的支持。
[0052] 为了更准确地评估障碍物的威胁情况，在一种可选的实施方式中，上述步骤S202包括：
[0053] 步骤S2021，计算障碍物类型对应的障碍物的个数与总威胁权重值的比值，得到障碍物对应的威胁概率，总威胁权重值为各障碍物类型对应的障碍物的个数与对应障碍物类型的威胁程度权重的乘积之和，一个障碍物类型对应一个威胁程度权重。
[0054] 具体地，对于威胁概率计算的具体公式如 其中，P小、P大、P移分别为小型固定障碍物、大型固定障碍物和移动障碍物在原辅助飞行航线中的已知的个数，α1、α2、α3分别为设定的小型固定障碍物、大型固定障碍物和移动障碍物威胁重要程度的权重。通过计算障碍物类型对应的威胁概率，可以清晰地了解每种障碍物对无人机的整体威胁程度，有助于确定重点防范对象和制定相应的对策措施。根据障碍物对应的威胁概率，可以更合理地配置资源和人力，优先应对具有较高威胁概率的障碍物类型，及时预警和应对可能发生的威胁事件，降低损失和风险。
[0055] 为了准确确定障碍物的类型以制定不同的安全措施，在一种可选的实施方式中，在上述步骤S2021之前，该方法包括：
[0056] 步骤S401，对固定的障碍物建立数学模型，得到障碍物对应的最大切面长方体。
[0057] 具体地，如图3所示，障碍物类型包括小型固定障碍物3、大型固定障碍物4和移动障碍物1，对于固定的障碍物的数学模型通过设置最大长、宽、高的切面长方体进行表示，具体表示如： 其中，xm、ym、zm分别为第m个障碍物的长宽高，为第m个障碍物最大切面的长宽高。通过数学模型来确定障碍物的类型，从
而能够更好地进行障碍物的管理和控制。通过对障碍物建立数学模型，可以得到障碍物对应的最大切面长方体，从而可以更准确地描述障碍物的形状和大小。在确定障碍物类型时，可以根据最大切面长方体中边的长度来判断障碍物的类型，这样可以更科学地对障碍物进行分类和管理。
[0058] 步骤S402，在最大切面长方体中的任意一条边的长度大于或等于设定长度的情况下，确定障碍物对应的障碍物类型为大型固定障碍物。
[0059] 具体地，如图3所示，大型固定障碍物4具体包括高楼、大山等无法短距离飞越的物体，自主避障易跟丢巡检目标，遇到这类障碍物首先判断物体最大切面的长方体中，长宽高中任意一条边的长度是否大于设定长度，若是则为大型固定障碍物。最大切面长方体具体表示如下： 其中，max x、max y、max z分别为大型固定障碍物4的最大长宽高的切面阈值。
[0060] 步骤S403，在最大切面长方体中的所有边的长度均小于设定长度的情况下，确定障碍物对应的障碍物类型为小型固定障碍物。
[0061] 具体地，如图3所示，小型固定障碍物3具体包括树枝、导线或杆塔上缠绕的塑料袋、风筝等，这类障碍物通常为固定区域大小的小型物体，最大切面长方体具体表示如下：其中，max x、max y、max z分别为小型固定障
碍物3的最大长宽高的切面阈值。
[0062] 步骤S404，对移动的障碍物确定为移动障碍物。
[0063] 具体地，如图3所示，移动障碍物1通常为空中飞行的小鸟、风筝等，相对无人机2有一个远离或逼近的速度。
[0064] 为了确保无人机在飞行过程中能够有效地避开障碍物，在一种可选的实施方式中，上述步骤S203包括：
[0065] 步骤S2031，在障碍物为小型固定障碍物且威胁概率低于设定威胁概率的情况下，确定避障策略为控制无人机继续前进。
[0066] 具体地，为了确保无人机在飞行过程中能够有效地避开障碍物，确保飞行安全和飞行任务的顺利完成。各种情况下的避障策略能够有效应对不同类型和威胁程度的障碍物，从而提高了飞行安全性和成功完成任务的可能性。在遇到小型固定障碍物且威胁概率低时，例如树枝、杆塔上缠绕的塑料袋，对于遇到这些且低风险的小型固定障碍物，无人机可以继续前进避免无谓的飞行高度或方向调整，提高飞行效率。
[0067] 步骤S2032，在障碍物为小型固定障碍物且威胁概率高于设定威胁概率，或者障碍物为大型固定障碍物且威胁概率低于设定威胁概率的情况下，确定避障策略为控制无人机调整飞行高度或飞行方向以绕开障碍物。
[0068] 具体地，当遇到威胁较高的小型固定障碍物或者低威胁的大型固定障碍物时，例如，导线或未启动使用的车辆，调整飞行高度或方向可以有效避开障碍物，降低碰撞风险。
[0069] 步骤S2033，在障碍物为大型固定障碍物且威胁概率高于设定威胁概率的情况下，确定避障策略为控制无人机悬停并将遇障信息发送至客户端，响应于客户端发出的飞行指令进行飞行控制，飞行指令为根据遇障信息确定的相应避障措施的指令。
[0070] 具体地，遇到威胁较高的大型固定障碍物时，无人机悬停并发送遇障信息至客户端，客户端的无人机操作员将根据遇障信息指定对应的避障策略并生成相应的飞行指令发送至无人机，无人机响应客户端的飞行指令进行飞行控制，能够在最大程度上保证飞行安全，同时保持对飞行的灵活控制。
[0071] 步骤S2034，在障碍物为移动障碍物的情况下，确定避障策略为控制无人机处于安全范围内与移动障碍物保持安全距离飞行，安全范围为以无人机为中心，在设定最小安全距离内的范围。
[0072] 具体地，对于移动障碍物，保持与其保持安全距离飞行可以有效避免与其碰撞，确保飞行安全。在安全范围内选择落差避让策略，改变飞行高度或速度、进行紧急制动等操作，以规避潜在的碰撞风险。
[0073] 为了提高飞行的可靠性和安全性，在一种可选的实施方式中，上述步骤S2034包括：
[0074] 步骤S20341，获取移动障碍物的空间大小、与无人机之间距离以及与无人机之间的相对速度。
[0075] 具体地，对于移动障碍物先要判断移动障碍物的空间大小，距离和相对速度。
[0076] 步骤S20342，在移动障碍物与无人机同向飞行的情况下，根据移动障碍物的移动速度，控制调节飞行速度和飞行角度，使得无人机与障碍物保持安全距离飞行同时保证与巡检目标的距离，巡检目标为无人机进行监控观测的物体。
[0077] 具体地，移动障碍物与无人机同向飞行，无人机通过调节飞行速度和角度，与障碍物保持安全距离飞行的同时，保证与巡检目标的距离和方向。 0≤α≤90，d min≤||di‑p||≤d max，其中，vi、 分别为无人机i时刻的最小、最大飞行速度，vm为移动障碍物的速度，α为无人机调整角度，di‑p为无人机与前进垂向平面的巡检目标的点的直线距离，d min、d max分别为最小、最大有效巡检距离。
[0078] 步骤S20343，在移动障碍物与无人机反向飞行的情况下，根据无人机的三维坐标，移动障碍物的三维坐标以及无人机与障碍物的设定最小安全距离建立数学约束模型得到安全范围，以控制移动障碍物处于安全范围之外。
[0079] 具体地，在移动物体与无人机相对飞行的情况下，无人机根据探测的障碍物实时位置，以自身为中心设置一个安全范围，控制障碍物在此范围之外，数学约束模型如下：2 2 2 2
(xi‑xm)+(yi‑ym) +(zi‑zm) ≥r，其中，xi、yi、zi分别为无人机i时刻的三维坐标，xm、ym、zm分别为障碍物m的三维坐标，r为设定的无人机与障碍物的最小安全距离。通过精确控制飞行参数和建立安全范围模型，可以有效避免碰撞和意外事件，提高飞行的可靠性和安全性。
[0080] 本实施例涉及一种具体的无人机避障方法，如图4所示，包括如下步骤：
[0081] 步骤S1：根据超声波和双目传感器进行环境测距，以此信息构建三维地图模型，并将无人机当前位置以及障碍物信息同步发送给APP控制端；
[0082] 步骤S2：无人机根据初始规划路径进行辅助飞行，并在传感器探测区域内确认障碍物威胁概率，根据障碍物类型确认避障策略和遇障预警；
[0083] 步骤S3：无人机根据当前位置和障碍物位置信息综合判断局部航线飞行规划生成避障策略，融合辅助飞行航线规划进行自适应调整；
[0084] 步骤S4：根据生成的避障策略，无人机自主调整飞行指令，灵活应对复杂的环境变化，保证安全飞行。
[0085] 需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0086] 本申请实施例还提供了一种无人机避障装置，需要说明的是，本申请实施例的无人机避障装置可以用于执行本申请实施例所提供的用于无人机避障方法。该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0087] 以下对本申请实施例提供的无人机避障装置进行介绍。
[0088] 图5是根据本申请实施例的无人机避障装置的结构框图。如图5所示，该装置包括：
[0089] 监测单元10，用于利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置。
[0090] 具体地，无人机根据内置的定位系统获取当前位置和终点位置，通过双目和超声波传感器持续监测周围环境，及时获取障碍物信息，包括类型、距离和位置。
[0091] 第一确定单元20，用于根据多组障碍物信息确定对应的障碍物的威胁概率。
[0092] 具体地，在辅助飞行过程中传感器持续探测周围环境，通过对传感器获取的环境数据进行分析，包括障碍物的距离、类型和位置等障碍物信息，综合避障难度和提醒控制端的强弱响应来设置障碍物的威胁系数。
[0093] 第二确定单元30，用于根据多组障碍物信息和障碍物对应的威胁概率得到避障策略。
[0094] 具体地，考虑无人机位置与障碍物位置的距离、无人机与巡检目标相对位置关系，以及无人机机动性能、与障碍物的安全距离、障碍物的威胁概率等条件，可以基于遗传算法求解局部安全飞行路径，根据具体情况选择最佳航线，根据最佳航线调整无人机的飞行高度和方向得到避障策略，确保无人机飞行的安全性和高效性。
[0095] 避障单元40，用于根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。
[0096] 具体地，根据避障策略，对无人机进行相应的控制，调整飞行状态以避开障碍物，在避开障碍物后自适应地调整角度和速度，直到安全并回归原辅助飞行航线，保证飞行路径的连续性和任务的完成性。
[0097] 本实施例中，监测单元，用于利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；第一确定单元，用于根据多组障碍物信息确定对应的障碍物的威胁概率；第二确定单元，用于根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；避障单元，用于根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。本申请采用多个传感器进行环境测距得到无人机周围环境中障碍物信息，对障碍物信息进行威胁概率分析以根据不同障碍物情况得到不同的避障策略，通过避障策略综合判断局部航线飞行规划调整无人机的飞行状态灵活避开障碍物直到安全回归原辅助飞行航线上。本申请解决了现有技术中基于单一传感器的无人机避障方法或结合感知训练的深度学习方法受到光照条件和视野限制的影响存在一定的局限性的问题。
[0098] 为了提高无人机与障碍物之间信息数据的准确性和可靠性，在一种可选的实施方式中，上述监测单元包括：
[0099] 第一监测模块，通过双目传感器捕捉无人机周围环境图像，并利用三角测量的方法计算障碍物与无人机之间的距离，得到第一距离信息。
[0100] 具体地，多个传感器具体包括双目传感器和超声波传感器。无人机上搭载的双目传感器由两个摄像头组成，模拟人眼的视觉系统，摄像头捕捉环境图像并利用三角测量的方法计算物体与相机之间的距离，即上述第一距离信息，双目视觉传感器可以获取环境物体更准确的深度信息。
[0101] 第二监测模块，通过超声波传感器发射超声波信号并计算接收回波信号的时间来确定与障碍物之间的距离，得到第二距离信息。
[0102] 具体地，对于一些无法通过双目视觉传感器准确检测的物体或近距离的障碍物，超声波传感器能够提供实时距离测量的补充信息，超声波传感器发射超声波信号，通过计算回波信号的时间来确定物体距离，即上述第二距离信息。
[0103] 预处理模块，对第一距离信息和第二距离信息进行预处理操作，并分析得到多个障碍物的距离，预处理操作包括数据清洗和数据整合。
[0104] 具体地，通过对两种不同传感器获取的距离信息进行预处理和整合，可以提高数据的准确性和可靠性，同时可以得到更全面的障碍物距离信息，有利于无人机避开多个障碍物。
[0105] 为了提高飞行的效率和准确性，在一种可选的实施方式中，该装置还包括：
[0106] 同步单元，用于在对第一距离信息和第二距离信息进行预处理操作，并分析得到多个障碍物信息之后，根据多个障碍物信息构建环境三维地图模型，将环境三维地图模型、无人机的实时位置和障碍物信息同步发送至客户端以实时展示无人机的飞行情况。
[0107] 具体地，将环境三维地图模型、无人机的实时位置和障碍物信息同步发送至客户端，可以实时展示无人机的飞行情况，包括无人机所处的位置、高度、飞行速度等信息，以及周围的障碍物情况。通过实时展示无人机飞行情况，可以及时发现无人机与障碍物之间的距离，帮助无人机操作员避免碰撞和事故的发生，确保飞行安全，同时提高飞行的效率和准确性，为相关工作提供及时可靠的支持。
[0108] 为了更准确地评估障碍物的威胁情况，在一种可选的实施方式中，上述第一确定单元包括：
[0109] 计算模块，计算障碍物类型对应的障碍物的个数与总威胁权重值的比值，得到障碍物对应的威胁概率，总威胁权重值为各障碍物类型对应的障碍物的个数与对应障碍物类型的威胁程度权重的乘积之和，一个障碍物类型对应一个威胁程度权重。
[0110] 具体地，对于威胁概率计算的具体公式如 其中，P小、P大、P移分别为小型固定障碍物、大型固定障碍物和移动障碍物在原辅助飞行航线中的已知的个数，α1、α2、α3分别为设定的小型固定障碍物、大型固定障碍物和移动障碍物威胁重要程度的权重。通过计算障碍物类型对应的威胁概率，可以清晰地了解每种障碍物对无人机的整体威胁程度，有助于确定重点防范对象和制定相应的对策措施。根据障碍物对应的威胁概率，可以更合理地配置资源和人力，优先应对具有较高威胁概率的障碍物类型，及时预警和应对可能发生的威胁事件，降低损失和风险。
[0111] 为了准确确定障碍物的类型以制定不同的安全措施，在一种可选的实施方式中，该装置包括：
[0112] 建立模型单元，用于在计算障碍物对应的障碍物类型的总个数与总威胁权重值的比值，得到障碍物对应的威胁概率之前，对固定的障碍物建立数学模型，得到障碍物对应的最大切面长方体。
[0113] 具体地，如图3所示，障碍物类型包括小型固定障碍物3、大型固定障碍物4和移动障碍物1，对于固定的障碍物的数学模型通过设置最大长、宽、高的切面长方体进行表示，具体表示如： 其中，xm、ym、zm分别为第m个障碍物的长宽高，为第m个障碍物最大切面的长宽高。通过数学模型来确定障碍物的类型，从
而能够更好地进行障碍物的管理和控制。通过对障碍物建立数学模型，可以得到障碍物对应的最大切面长方体，从而可以更准确地描述障碍物的形状和大小。在确定障碍物类型时，可以根据最大切面长方体中边的长度来判断障碍物的类型，这样可以更科学地对障碍物进行分类和管理。
[0114] 第三确定单元，用于在最大切面长方体中的任意一条边的长度大于或等于设定长度的情况下，确定障碍物对应的障碍物类型为大型固定障碍物。
[0115] 具体地，如图3所示，大型固定障碍物4具体包括高楼、大山等无法短距离飞越的物体，自主避障易跟丢巡检目标，遇到这类障碍物首先判断物体最大切面的长方体中，长宽高中任意一条边的长度是否大于设定长度，若是则为大型固定障碍物。最大切面长方体具体表示如下： 其中，max x、max y、max z分别为大型固定障碍物4的最大长宽高的切面阈值。
[0116] 第四确定单元，用于在最大切面长方体中的所有边的长度均小于设定长度的情况下，确定障碍物对应的障碍物类型为小型固定障碍物。
[0117] 具体地，如图3所示，小型固定障碍物3具体包括树枝、导线或杆塔上缠绕的塑料袋、风筝等，这类障碍物通常为固定区域大小的小型物体，最大切面长方体具体表示如下：其中，max x、max y、max z分别为小型固定障
碍物3的最大长宽高的切面阈值。
[0118] 第五确定单元，用于对移动的障碍物确定为移动障碍物。
[0119] 具体地，如图3所示，移动障碍物1通常为空中飞行的小鸟、风筝等，相对无人机2有一个远离或逼近的速度。
[0120] 为了确保无人机在飞行过程中能够有效地避开障碍物，在一种可选的实施方式中，上述第二确定单元包括：
[0121] 第一确定模块，在障碍物为小型固定障碍物且威胁概率低于设定威胁概率的情况下，确定避障策略为控制无人机继续前进。
[0122] 具体地，为了确保无人机在飞行过程中能够有效地避开障碍物，确保飞行安全和飞行任务的顺利完成。各种情况下的避障策略能够有效应对不同类型和威胁程度的障碍物，从而提高了飞行安全性和成功完成任务的可能性。在遇到小型固定障碍物且威胁概率低时，例如树枝、杆塔上缠绕的塑料袋，对于遇到这些且低风险的小型固定障碍物，无人机可以继续前进避免无谓的飞行高度或方向调整，提高飞行效率。
[0123] 第二确定模块，在障碍物为小型固定障碍物且威胁概率高于设定威胁概率，或者障碍物为大型固定障碍物且威胁概率低于设定威胁概率的情况下，确定避障策略为控制无人机调整飞行高度或飞行方向以绕开障碍物。
[0124] 具体地，当遇到威胁较高的小型固定障碍物或者低威胁的大型固定障碍物时，例如，导线或未启动使用的车辆，调整飞行高度或方向可以有效避开障碍物，降低碰撞风险。
[0125] 第三确定模块，在障碍物为大型固定障碍物且威胁概率高于设定威胁概率的情况下，确定避障策略为控制无人机悬停并将遇障信息发送至客户端，响应于客户端发出的飞行指令进行飞行控制，飞行指令为根据遇障信息确定的相应避障措施的指令。
[0126] 具体地，遇到威胁较高的大型固定障碍物时，无人机悬停并发送遇障信息至客户端，客户端的无人机操作员将根据遇障信息指定对应的避障策略并生成相应的飞行指令发送至无人机，无人机响应客户端的飞行指令进行飞行控制，能够在最大程度上保证飞行安全，同时保持对飞行的灵活控制。
[0127] 第四确定模块，在障碍物为移动障碍物的情况下，确定避障策略为控制无人机处于安全范围内与移动障碍物保持安全距离飞行，安全范围为以无人机为中心，在设定最小安全距离内的范围。
[0128] 具体地，对于移动障碍物，保持与其保持安全距离飞行可以有效避免与其碰撞，确保飞行安全。在安全范围内选择落差避让策略，改变飞行高度或速度、进行紧急制动等操作，以规避潜在的碰撞风险。
[0129] 为了提高飞行的可靠性和安全性，在一种可选的实施方式中，上述第四确定模块包括：
[0130] 获取子模块，获取移动障碍物的空间大小、与无人机之间距离以及与无人机之间的相对速度。
[0131] 具体地，对于移动障碍物先要判断移动障碍物的空间大小，距离和相对速度。
[0132] 第一控制子模块，在移动障碍物与无人机同向飞行的情况下，根据移动障碍物的移动速度，控制调节飞行速度和飞行角度，使得无人机与障碍物保持安全距离飞行同时保证与巡检目标的距离，巡检目标为无人机进行监控观测的物体。
[0133] 具体地，移动障碍物与无人机同向飞行，无人机通过调节飞行速度和角度，与障碍物保持安全距离飞行的同时，保证与巡检目标的距离和方向。 0≤α≤90，d min≤||di‑p||≤d max，其中， 分别为无人机i时刻的最小、最大飞行速度，vm为移动障碍物的速度，α为无人机调整角度，di‑p为无人机与前进垂向平面的巡检目标的点的直线距离，d min、d max分别为最小、最大有效巡检距离。
[0134] 第二控制子模块，在移动障碍物与无人机反向飞行的情况下，根据无人机的三维坐标，移动障碍物的三维坐标以及无人机与障碍物的设定最小安全距离建立数学约束模型得到安全范围，以控制移动障碍物处于安全范围之外。
[0135] 具体地，在移动物体与无人机相对飞行的情况下，无人机根据探测的障碍物实时位置，以自身为中心设置一个安全范围，控制障碍物在此范围之外，数学约束模型如下：2 2 2 2
(xi‑xm)+(yi‑ym) +(zi‑zm) ≥r，其中，xi、yi、zi分别为无人机i时刻的三维坐标，xm、ym、zm分别为障碍物m的三维坐标，r为设定的无人机与障碍物的最小安全距离。通过精确控制飞行参数和建立安全范围模型，可以有效避免碰撞和意外事件，提高飞行的可靠性和安全性。
[0136] 上述无人机避障装置包括处理器和存储器，上述监测单元、第一确定单元和第二确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
[0137] 处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中基于单一传感器的无人机避障方法或结合感知训练的深度学习方法受到光照条件和视野限制的影响存在一定的局限性的问题。
[0138] 存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
[0139] 本发明实施例提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在上述程序运行时控制上述计算机可读存储介质所在设备执行上述无人机避障方法。
[0140] 具体地，无人机避障方法包括：
[0141] 步骤S201，利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；
[0142] 步骤S202，根据多组障碍物信息确定对应的障碍物的威胁概率；
[0143] 步骤S203，根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；
[0144] 步骤S204，根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。
[0145] 本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述无人机避障方法。
[0146] 具体地，无人机避障方法包括：
[0147] 步骤S201，利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；
[0148] 步骤S202，根据多组障碍物信息确定对应的障碍物的威胁概率；
[0149] 步骤S203，根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；
[0150] 步骤S204，根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。
[0151] 本发明实施例提供了一种无人机，无人机包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
[0152] 步骤S201，利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；
[0153] 步骤S202，根据多组障碍物信息确定对应的障碍物的威胁概率；
[0154] 步骤S203，根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；
[0155] 步骤S204，根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。
[0156] 本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
[0157] 步骤S201，利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；
[0158] 步骤S202，根据多组障碍物信息确定对应的障碍物的威胁概率；
[0159] 步骤S203，根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；
[0160] 步骤S204，根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。
[0161] 显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0162] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。
[0163] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0164] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0165] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0166] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
[0167] 存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
[0168] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0169] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0170] 从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：
[0171] 1)、本申请的无人机避障方法，首先，利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；然后，根据多组障碍物信息确定对应的障碍物的威胁概率；之后，根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；最后，根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。本申请采用多个传感器进行环境测距得到无人机周围环境中障碍物信息，对障碍物信息进行威胁概率分析以根据不同障碍物情况得到不同的避障策略，通过避障策略综合判断局部航线飞行规划调整无人机的飞行状态灵活避开障碍物直到安全回归原辅助飞行航线上。本申请解决了现有技术中基于单一传感器的无人机避障方法或结合感知训练的深度学习方法受到光照条件和视野限制的影响存在一定的局限性的问题。
[0172] 2)、本申请的无人机避障装置，监测单元，用于利用多个传感器实时监测无人机周围环境，得到多组障碍物信息，一组障碍物信息对应一个障碍物，一组障碍物信息包括障碍物类型、无人机与障碍物的距离和障碍物的位置；第一确定单元，用于根据多组障碍物信息确定对应的障碍物的威胁概率；第二确定单元，用于根据多组障碍物信息和障碍物对应的威胁概率得到避障策略；避障单元，用于根据避障策略控制无人机调整飞行状态以避开障碍物回归原辅助飞行航线，原辅助飞行航线为给无人机初始设定的巡检路线。本申请采用多个传感器进行环境测距得到无人机周围环境中障碍物信息，对障碍物信息进行威胁概率分析以根据不同障碍物情况得到不同的避障策略，通过避障策略综合判断局部航线飞行规划调整无人机的飞行状态灵活避开障碍物直到安全回归原辅助飞行航线上。本申请解决了现有技术中基于单一传感器的无人机避障方法或结合感知训练的深度学习方法受到光照条件和视野限制的影响存在一定的局限性的问题。
[0173] 以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
