[发明专利]一种电力巡线无人机多传感器数据融合障碍物检测方法

权利要求书

1.一种电力巡线无人机多传感器数据融合障碍物检测方法，其特征在于：包括与无人机系统中的飞行控制器连接的多传感器组合检测装置，多传感器组合检测装置包括毫米波雷达、双目视觉传感器、电磁场传感器、红外传感器、差分GPS和数据融合处理器，毫米波雷达、双目视觉传感器、电磁场传感器、红外传感器和差分GPS均连接到数据融合处理器，检测步骤如下：

1)数据融合处理器采集毫米波雷达、双目视觉传感器、电磁场传感器、红外传感器和差分GPS的信号数据；

2)数据融合处理器对采集的数据进行融合处理，具体步骤为：

a)融合层一：对采集的数据进行预处理：对传感器数据进行标准化处理、格式化处理、次序化处理和压缩处理；

b)融合层二：通过获取的多个传感器的预处理数据进行障碍物状态估计，获得障碍物的位置、方位和类型；

c)融合层三：通过障碍物的位置、方位和类型判断障碍物是否对无人机产生的威胁，若产生威胁，威胁信号发送给飞行控制器，飞行控制器进行避障处理；

d)融合层四：数据融合处理器对步骤2)-4)进行障碍物威胁修正：评价融合过程是否合理，若合理，则此次融合数据可信可用，若不合理对此次融合数据进行修正，而且实时判断是否需要补充其他传感器信息，若需要补充，则把另一种传感器数据加入到数据融合过程，若不需要，则信任此次融合数据，以及融合算法是否需要修改，如果所有传感器数据都加入到了数据融合过程却不能检测到障碍物，则需要修改融合算法，否则不修改。

2.根据权利要求1所述的一种电力巡线无人机多传感器数据融合障碍物检测方法，其特征在于：步骤b)中障碍物状态估计包括以下步骤：

1)检测：障碍物是否存在，若存在，转向步骤2)；

2)定位：确定障碍物相对无人机的方位；

3)分类：确定障碍物类型；

4)辨别：把障碍物进一步限制在观察者的某种知识范围内，通过障碍物的大小、形状和纹理，与障碍物数据比对实现辨别。

3.根据权利要求2所述的一种电力巡线无人机多传感器数据融合障碍物检测方法，其特征在于：检测、分类与辨别均采用人工神经网络模型，采用人工神经网络模型进行计算，经过训练后，把输入数据映射到正确的输出分类中。

4.根据权利要求3所述的一种电力巡线无人机多传感器数据融合障碍物检测方法，其特征在于：人工神经网络模型采用无监督学习的人工神经网络模型，步骤如下：

将网络的某一层确定为竞争层，对输入量X，竞争层的K个神经元均有输出响应，其中响应值最大的神经元j^*为竞争中获胜的神经元，响应值公式为：

只有获胜的神经元才有权调整其权值向量W_j，调整量为：

ΔW_j*＝η(X-W_j*)

其中，η为学习参数(0<η≤1)。