[发明专利]一种基于深度随机森林和激光雷达的无人机实时空中目标检测避障方法

权利要求书

1.一种基于深度随机森林和激光雷达的无人机实时空中目标检测避障方法，其特征在于：包括以下步骤：

步骤1：建立用于空中目标识别的深度随机森林模型，并进行训练；

步骤2：无人机飞行时，通过机载摄像头拍摄获得当前空域的图像数据，并将其传输至训练好的深度随机森林模型；

步骤3：深度随机森林模型中的多粒度模块首先对图像数据进行多粒度扫描，提取出n维特征，得到特征向量；

步骤4：将步骤3提取的特征向量送入深度随机森林模型中的级联森林模块，通过已训练好的级联森林进行特征分类，级联森林第一层的输入为n维特征向量，输出为该层所预测的c维类向量，然后将该c维类向量与n维特征向量融合，得到新的n+c维特征向量，送入下一层级联森林，下一层级联森林对特征向量分类，同样得到c维类向量，再将该c维类向量与n维特征向量融合，得到新的n+c维特征向量，再送入下一层级联森林，以此方式不断计算直至最后一层级联森林；

步骤5：对最后一层级联森林输出的类向量进行平均投票，取投票结果所属类别作为目标识别分类结果，完成识别过程；

步骤6：若步骤5识别结果判断为识别到障碍物，则使用激光雷达获取目标相对位置信息，并融合无人机自身定位信息，得到障碍物的高精度位置信息；

步骤7：无人机根据障碍物的位置信息进行判断决策，如果障碍物离无人机距离小于安全阈值，则发出避障指令，无人机执行避障飞行策略。

2.根据权利要求1所述一种基于深度随机森林和激光雷达的无人机实时空中目标检测避障方法，其特征在于：步骤1中训练深度随机森林模型的过程为：

步骤1.1：建立用于空中目标识别的深度随机森林模型，所述深度随机森林模型包括多粒度模块和级联森林模块；所述级联森林模块包含多个级联森林层，每个级联森林层由若干随机森林和若干完全随机森林组成；每个随机森林包含多棵随机树，每个完全随机森林包含多棵随机树；对于随机森林，每棵随机树输入训练样本的一个随机子集，分裂节点选择最优基尼系数的一类进行分裂；对于完全随机森林，每棵随机树使用所有训练样本作为输入，决策树的每个节点都是随机选择一个特征进行分裂，直至每个叶节点包含的实例属于同一个类；

步骤1.2：迭代训练深度随机森林模型：

首先预设一个级联森林的层数，然后采用K折交叉验证方法检验当前层数下模型的识别精度，然后增加一层级联森林，再采用K折交叉验证方法检验当前层数下模型的识别精度，如果识别精度比上一层数模型的识别精度提高，且提高程度达到或超过设定程度，则再增加一层级联森林；依次类推，直至某一层数下模型的识别精度没有比上一层数模型的识别精度提高，或提高程度没有达到设定程度，则以当前层数作为级联森林的层数，并保存模型当前参数，完成训练。

3.根据权利要求2所述一种基于深度随机森林和激光雷达的无人机实时空中目标检测避障方法，其特征在于：所述采用K折交叉验证方法检验当前模型的识别精度的过程为：

将已有的图像数据集分为K份，轮流取一份作为验证集，剩下K-1份作为训练集，共进行K次验证，取K次验证结果的均值作为当前模型的识别精度；对于某一次验证，将训练集输入深度随机森林模型的多粒度模块，采用多粒度扫描方法对图像数据进行特征提取，得到n维特征向量；将n维特征向量输入级联森林模块进行训练，然后用验证集验证此次训练模型的识别精度。

4.根据权利要求1所述一种基于深度随机森林和激光雷达的无人机实时空中目标检测避障方法，其特征在于：所述多粒度模块中采用大、中、小三个尺寸的滑动窗口对图像数据进行卷积，以获取图像特征。