基于RealSense的无人机避障算法的设计与实现

发布时间：2021-08-29 03:32

　　随着无人机相关行业的发展以及操作方式的日趋简单,无人机的机动性与载重能力大幅提高、环境适应性明显提升、价格及维修成本也日趋低廉。其功能已从最初的战斗、巡逻、侦查等军用领域逐步延伸至工业及民用领域,如电力巡线、军警消防、测绘或是航拍等,这也使得无人机的安全问题受到越来越高的重视。为了进一步提升无人机的自主性能,提高其安全性,无人机需要具备避障能力。当在飞行路线上遇到如建筑、树木、电线杆等障碍物体时,无人机可及时感知并采取适当的方式进行避让。为了实现无人机的避障功能,参考了传统的避障算法,如VFH算法（Vector Field Histogram,向量场直方图）、人工势场法等,以及近几年应用较为广泛的基于机器学习实现避障的算法。本课题将RealSense与无人机结合,获取无人机前进方向的深度数据,并基于该数据设计了两组不同的避障算法:一组在VFH算法的基础上提出一种三维VFH算法,将传统的二维避障算法应用于三维空间内;另一组则采用机器学习中的强化学习实现避障。两组避障算法均以深度数据作为输入数据,并结合无人机的尺寸及当前的目的飞行方向确定避障策略。测试结果表明两组算法均可实现无人机在三维空... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 相关领域的研究现状
    1.3 课题的主要研究内容及难点
    1.4 论文组织结构
第2章 总体方案设计
    2.1 需求分析
    2.2 硬件系统结构
        2.2.1 RealSense避障系统
        2.2.2 四旋翼无人机
    2.3 软件系统结构
    2.4 本章小结
第3章 三维VFH算法的设计与实现
    3.1 经典避障算法总结
    3.2 三维VFH算法的设计
        3.2.1 三维环境描述
        3.2.2 建立极性直方图
        3.2.3 建立二值极性直方图
        3.2.4 确定避障角度
    3.3 算法的实现过程
        3.3.1 数据预处理
        3.3.2 避障方向计算过程
        3.3.3 避障与无人机控制的结合
    3.4 本章小结
第4章 基于强化学习的避障算法的设计与实现
    4.1 强化学习基本情况介绍
    4.2 DDPG的基本概念
    4.3 算法的实现过程
        4.3.1 问题描述
        4.3.2 数据预处理
        4.3.3 训练前期准备
        4.3.4 reward设计
        4.3.5 网络结构设计
        4.3.6 action设计
    4.4 本章小结
第5章 测试及分析
    5.1 仿真环境测试
        5.1.1 仿真环境的基本情况
        5.1.2 三维VFH算法仿真测试过程及结果
        5.1.3 基于强化学习的避障算法仿真测试过程及结果
    5.2 实际环境测试
        5.2.1 实际环境的基本情况
        5.2.2 三维VFH算法实际测试过程及结果
        5.2.3 基于强化学习的避障算法实际测试过程及结果
    5.3 本章小结
结论
参考文献
攻读硕士学位期间获得的学术成果
致谢



本文编号：3369815