[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

说明书

本发明提出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，建立并训练用于空中目标识别的深度随机森林模型，对无人机飞行过程中的空中目标进行检测和识别，并采用激光雷达对障碍物进行定位，从而能够进行实时的目标检测，更加准确地获得空中目标的类别信息和定位信息，指导无人机绕开障碍物，高效完成飞行任务。

技术领域

本发明属于空中目标检测与避障领域，特别涉及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。

背景技术

空中飞行目标检测可以对空中目标进行识别分类和定位，是实现无人机系统智能化的关键因素，可应用于无人机避障、空中预警、空中指挥、调度系统中，具有十分重要的应用价值，因此无人机空中飞行目标检测避障在九十年代末就成为学术界和应用部门的研究热点。空中目标识别的特征提取和特征分类技术涉及传感器、数字图像处理、最优化方法等多个高新技术学科。

特征提取的基本任务是从图像特征中找出与识别任务联系最为紧密的相关特征，从而降低特征空间维度；特征分类则通过训练分类器对提取的特征进行分类和预测。传统的特征分析和分类往往采用卷积神经网络，通过对图像数据集进行预处理与简单分类的方法来训练分类器模型。在完成障碍物的识别后，需要对障碍物进行定位，执行避障功能。因此，在运行过程中，需要通过大数据集对卷积神经网络模型进行训练，然而在实际应用中，由于数据集标注费用昂贵，往往缺乏足够量的数据集，使用小数据集训练模型很容易导致模型过拟合。此外由于卷积神经网络模型复杂，层与层之间耦合性高，难以进行并行运算，导致目标识别运行时间过长。

此外，在获得空中目标的分类信息后，需要对该目标进行定位，常用的定位方法有超声波传感器测距方法和视觉测距方法等，然而这些方法精度较低，实时性能不佳，难以满足无人机空中飞行避障的要求。

发明内容

为解决上述问题，本发明提供了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，可对无人机运行时的空中目标进行检测和识别，从而有效躲避障碍物，高效完成飞行任务。

本发明的技术方案为：

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：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。

进一步的优选方案，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：