[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在审
| 申请号： | 201910746000.9 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110490114A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 刘贞报;马博迪;江飞鸿;严月浩;张超;布树辉 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G01S17/93;G01S17/42 |
| 代理公司： | 61204 西北工业大学专利中心 | 代理人： | 陈星<国际申请>=<国际公布>=<进入国 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 空中目标 激光雷达 随机森林 障碍物 无人机飞行 定位信息 类别信息 目标检测 检测 避障 绕开 飞行 | ||
【主权项】：
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：/n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；/n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；/n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；/n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；/n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；/n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；/n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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学，未经西北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910746000.9/，转载请声明来源钻瓜专利网。
