一种基于倾斜摄影测量技术的无人机障碍预警方法及系统

摘要

本发明提供了一种基于倾斜摄影测量技术的无人机障碍预警方法及系统，涉及无人机技术领域，该基于倾斜摄影测量技术的无人机障碍预警方法包括以下步骤：利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息；获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型；根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度；根据无人机的安全程度，判断无人机是否需要进行障碍预警。本发明可以根据无人机当前的飞行状态和周围环境的变化，动态地调整安全场分布和障碍预警策略，具有很高的灵活性。

权利要求

1.一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，该基于倾斜摄影测量技术的无人机障碍预警方法包括以下步骤：S1、利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息；

S2、获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型；

S3、根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度；

S4、根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略；

所述根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度包括以下步骤：S31、将无人机和障碍物的参数信息映射到无人机的安全场模型中，得到无人机当前状态的安全场分布情况；

S32、根据无人机的安全程度计算公式计算无人机的安全程度；

其中，所述无人机的安全程度计算公式为：

；

式中，Hi,j表示无人机的安全程度；

f，B均表示大于0的常数；

D表示无人机的风险因子；

Mi表示障碍物i的等效质量；

ri,j表示障碍物i的位置与无人机j的位置间的距离矢量；

vi表示障碍物i的速度；

θi,j表示障碍物i的运动方向与ri,j的夹角。

2.根据权利要求1所述的一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，所述利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息包括步骤：S11、通过预设在无人机上的倾斜摄影测量设备，对无人机的待飞行区域进行地貌采集，得到地貌图像；

S12、对得到的地貌图像进行预处理，所述预处理包括剔除不合格图像、按照预设的格式进行数据转换及去除不完整数据；

S13、将预处理后的地貌图像导入建模软件中进行空三加密，生成地貌点云数据；

S14、根据生成的地貌点云数据，经纹理贴合建立地貌三维点云模型；

S15、分析地貌三维点云模型，通过图像分析算法识别并标注出存在的障碍物；

S16、对识别出的障碍物，提取障碍物在地貌三维点云模型中的参数信息，所述参数信息包括障碍物的形状、位置及类型。

3.根据权利要求2所述的一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，所述获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型包括以下步骤：S21、基于障碍物的参数信息，建立障碍物的障碍场模型；

S22、获取无人机自身的参数信息及无人机周围环境的参数信息建立无人机环境场模型；

S23、利用加权平均法将建立的障碍物的障碍场模型和无人机环境场模型进行融合，得到无人机的安全场模型。

4.根据权利要求3所述的一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，所述基于障碍物的参数信息，建立障碍物的障碍场模型包括以下步骤：S211、基于障碍物的位置信息确定无人机与障碍物之间的距离，并通过预设在无人机上的雷达获取障碍物的速度参数；

S212、根据障碍物的形状和类型，判断障碍物的质量信息，并计算障碍物的等效质量；

S213、根据无人机与障碍物之间的距离和障碍物的等效质量建立障碍物的障碍场模型。

5.根据权利要求3所述的一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，所述获取无人机自身的参数信息及无人机周围环境的参数信息建立无人机环境场模型包括以下步骤：S221、收集无人机自身的参数信息并建立无人机的动能场，所述无人机自身的参数信息包括无人机质量、尺寸、功率及飞行速度；

S222、通过预设在无人机上的传感获取无人机周围环境的参数信息，所述无人机周围环境的参数信息包括气温、风速及风向；

S223、根据无人机周围环境的参数信息对无人机的飞行进行评估，得到无人机的风险因子；

S224、将无人机的动能场和无人机的风险因子进行结合，建立无人机环境场模型。

6.根据权利要求4所述的一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，所述障碍物的等效质量的计算公式为：；

式中，Mi表示障碍物i的等效质量；

Gi表示障碍物i的类型；

mi表示障碍物i的质量信息；

αR和βR均表示常数；

R表示速度多项式的项数；

vi表示障碍物i的速度。

7.根据权利要求1所述的一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，所述根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略包括以下步骤：S41、将无人机的安全程度与预设的安全程度阈值进行比较；

S42、若无人机的安全程度大于预设的安全程度阈值，则表示无人机的当前状态为安全状态，不需要障碍预警，否则，则表示无人机的当前状态为不完全状态，需要障碍预警；

S43、当无人机需要进行障碍预警时，制定障碍预警策略并控制无人机执行障碍预警策略。

8.根据权利要求7所述的一种基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，所述当无人机需要进行障碍预警时，制定障碍预警策略并控制无人机执行障碍预警策略包括步骤：S431、根据无人机自身的参数信息建立无人机的动力学模型；

S432、确定无人机避障过程中的目标优化函数和约束条件，所述目标优化函数为最小化无人机的安全风险，所述约束条件为无人机的状态变量和控制变量的物理约束；

S433、基于无人机的动力学模型和目标优化函数，采用预测控制法预测无人机的未来飞行状态，并规划出避障的最优飞行轨迹；

S434、根据避障的最优飞行轨迹计算无人机的飞行控制量；

S435、将无人机的飞行控制量通过数字信号的方式传输至无人机的控制系统，并控制无人机进行障碍物避障飞行。

9.一种基于倾斜摄影测量技术的无人机障碍预警系统，用于实现权利要求1‑8中任一项所述的基于倾斜摄影测量技术的无人机障碍预警方法，其特征在于，该基于倾斜摄影测量技术的无人机障碍预警系统包括：障碍物识别模块、模型建立模块、安全计算模块及预警判断模块；

其中，所述障碍物识别模块、所述模型建立模块、所述安全计算模块及所述预警判断模块之间依次连接；

所述障碍物识别模块，用于利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息；

所述模型建立模块，用于获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型；

所述安全计算模块，用于根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度；

所述预警判断模块，用于根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略。

说明书

一种基于倾斜摄影测量技术的无人机障碍预警方法及系统

技术领域

[0001] 本发明涉及无人机技术领域，具体来说，特别涉及一种基于倾斜摄影测量技术的无人机障碍预警方法及系统。

背景技术

[0002] 近年来，随着我国经济的迅猛发展和高水平的科技创新，特别是电子产业和信息技术的显著提升，无人机技术在我国得到了迅速的发展。我国航天工业的引领作用也大大加速了科技产品的研发速度，推动了我国无人机产业链的全面发展和水平提升，实现了实质性的进步。无人机是电子科技、计算机智能技术、导航与制导技术以及航天技术的综合体现。由于电子计算机、导航与制导技术仍在不断跃升，无人机技术目前正处于快速发展的阶段。这些技术的不断进步使无人机广泛应用于交通监测、巡检、勘察、货运物流、农业和畜牧业等各个领域。

[0003] 随着无人机的操作空域逐渐扩展，从中高空延伸至低空和超低空，无人机在更为复杂的环境中执行任务。在低空和超低空的复杂环境下，无人机的障碍物检测、预警和规避变得至关重要，以确保无人机能够安全地完成任务。然而，目前的技术在无人机的障碍物避让和预警方面存在多项缺陷，其中包括障碍物识别的不够准确、有限的安全评估、受限的避让策略，以及适应多变环境的能力不足，这些缺陷限制了无人机在低空环境中的广泛应用和自主性。从而会使得无人机在飞行过程中无法安全地避免障碍物，从而威胁了飞行安全和任务完成的成功。

[0004] 针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

[0005] 有鉴于此，本发明提供一种基于倾斜摄影测量技术的无人机障碍预警方法及系统，以解决上述提及的障碍物识别的不够准确、有限的安全评估、受限的避让策略，以及适应多变环境的能力不足的问题。

[0006] 为了解决上述问题，本发明采用的具体技术方案如下：

[0007] 根据本发明的一方面，提供了一种基于倾斜摄影测量技术的无人机障碍预警方法，该基于倾斜摄影测量技术的无人机障碍预警方法包括以下步骤：

[0008] S1、利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息；

[0009] S2、获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型；

[0010] S3、根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度；

[0011] S4、根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略。

[0012] 优选的，利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息包括步骤：

[0013] S11、通过预设在无人机上的倾斜摄影测量设备，对无人机的待飞行区域进行地貌采集，得到地貌图像；

[0014] S12、对得到的地貌图像进行预处理，预处理包括剔除不合格图像、按照预设的格式进行数据转换及去除不完整数据；

[0015] S13、将预处理后的地貌图像导入建模软件中进行空三加密，生成地貌点云数据；

[0016] S14、根据生成的地貌点云数据，经纹理贴合建立地貌三维点云模型；

[0017] S15、分析地貌三维点云模型，通过图像分析算法识别并标注出存在的障碍物；

[0018] S16、对识别出的障碍物，提取障碍物在地貌三维点云模型中的参数信息，参数信息包括障碍物的形状、位置及类型。

[0019] 优选的，获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型包括以下步骤：

[0020] S21、基于障碍物的参数信息，建立障碍物的障碍场模型；

[0021] S22、获取无人机自身的参数信息及无人机周围环境的参数信息建立无人机环境场模型；

[0022] S23、利用加权平均法将建立的障碍物的障碍场模型和无人机环境场模型进行融合，得到无人机的安全场模型。

[0023] 优选的，基于障碍物的参数信息，建立障碍物的障碍场模型包括以下步骤：

[0024] S211、基于障碍物的位置信息确定无人机与障碍物之间的距离，并通过预设在无人机上的雷达获取障碍物的速度参数；

[0025] S212、根据障碍物的形状和类型，判断障碍物的质量信息，并计算障碍物的等效质量；

[0026] S213、根据无人机与障碍物之间的距离和障碍物的等效质量建立障碍物的障碍场模型。

[0027] 优选的，获取无人机自身的参数信息及无人机周围环境的参数信息建立无人机环境场模型包括以下步骤：

[0028] S221、收集无人机自身的参数信息并建立无人机的动能场，无人机自身的参数信息包括无人机质量、尺寸、功率及飞行速度；

[0029] S222、通过预设在无人机上的传感获取无人机周围环境的参数信息，无人机周围环境的参数信息包括气温、风速及风向；

[0030] S223、根据无人机周围环境的参数信息对无人机的飞行进行评估，得到无人机的风险因子；

[0031] S224、将无人机的动能场和无人机的风险因子进行结合，建立无人机环境场模型。

[0032] 优选的，障碍物的等效质量的计算公式为：

[0033] ；

[0034] 式中，Mi表示障碍物i的等效质量；

[0035] Gi表示障碍物i的类型；

[0036] mi表示障碍物i的质量信息；

[0037] αR和βR均表示常数；

[0038] R表示速度多项式的项数；

[0039] vi表示障碍物i的速度。

[0040] 优选的，根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度包括以下步骤：

[0041] S31、将无人机和障碍物的参数信息映射到无人机的安全场模型中，得到无人机当前状态的安全场分布情况；

[0042] S32、根据无人机的安全程度计算公式计算无人机的安全程度；

[0043] 其中，无人机的安全程度计算公式为：

[0044] ；

[0045] 式中，Hi,j表示无人机的安全程度；

[0046] f，B均表示大于0的常数；

[0047] D表示无人机的风险因子；

[0048] Mi表示障碍物i的等效质量；

[0049] ri,j表示障碍物i的位置与无人机j的位置间的距离矢量；

[0050] vi表示障碍物i的速度；

[0051] θi,j表示障碍物i的运动方向与ri,j的夹角。

[0052] 优选的，根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略包括以下步骤：

[0053] S41、将无人机的安全程度与预设的安全程度阈值进行比较；

[0054] S42、若无人机的安全程度大于预设的安全程度阈值，则表示无人机的当前状态为安全状态，不需要障碍预警，否则，则表示无人机的当前状态为不完全状态，需要障碍预警；

[0055] S43、当无人机需要进行障碍预警时，制定障碍预警策略并控制无人机执行障碍预警策略。

[0056] 优选的，当无人机需要进行障碍预警时，制定障碍预警策略并控制无人机执行障碍预警策略包括步骤：

[0057] S431、根据无人机自身的参数信息建立无人机的动力学模型；

[0058] S432、确定无人机避障过程中的目标优化函数和约束条件，目标优化函数为最小化无人机的安全风险，约束条件为无人机的状态变量和控制变量的物理约束；

[0059] S433、基于无人机的动力学模型和目标优化函数，采用预测控制法预测无人机的未来飞行状态，并规划出避障的最优飞行轨迹；

[0060] S434、根据避障的最优飞行轨迹计算无人机的飞行控制量；

[0061] S435、将无人机的飞行控制量通过数字信号的方式传输至无人机的控制系统，并控制无人机进行障碍物避障飞行。

[0062] 根据本发明的另一方面，提供了一种基于倾斜摄影测量技术的无人机障碍预警系统，该基于倾斜摄影测量技术的无人机障碍预警系统包括：障碍物识别模块、模型建立模块、安全计算模块及预警判断模块；

[0063] 其中，障碍物识别模块、模型建立模块、安全计算模块及预警判断模块之间依次连接；

[0064] 障碍物识别模块，用于利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息；

[0065] 模型建立模块，用于获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型；

[0066] 安全计算模块，用于根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度；

[0067] 预警判断模块，用于根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略。

[0068] 本发明的有益效果为：

[0069] 1、本发明通过倾斜摄影测量技术可以自动化地采集无人机周围环境的参数信息，无需人工干预，大大提高了障碍识别和避障的效率，可以实时检测并识别无人机飞行区域中的障碍物，提前做出预警，避免无人机与障碍物的碰撞，提高无人机的飞行安全性，通过建立无人机的安全场模型，可以精确地计算无人机的安全程度，并根据计算结果制定相应的障碍预警策略，实现精确避障，同时，可以根据无人机当前的飞行状态和周围环境的变化，动态地调整安全场分布和障碍预警策略，具有很高的灵活性。

[0070] 2、本发明通过构建安全场模型，无人机能够更好地理解其周围环境，包括障碍物和环境条件，从而更好地规划飞行路径以避免碰撞，通过安全场模型可以对无人机的自身参数、障碍物参数以及环境参数综合考虑，使得无人机在多种环境和条件下都能进行安全、有效的飞行，进而提高了任务执行的效率和成功率。

[0071] 3、本发明可以根据无人机的安全程度进行飞行状态评估和障碍预警，可以有效地提高无人机的飞行安全性，减少碰撞事故的发生，通过建立无人机的动力学模型，确定优化函数和约束条件，能有效地规划出避障的最优飞行轨迹，使无人机在满足安全要求的同时，达到最优的飞行性能，根据最优飞行轨迹计算飞行控制量，并将其传输至无人机的控制系统，可以实现精确的飞行控制，避免无人机的过度反应或反应不足，有利于提高无人机在复杂环境中的飞行安全性和飞行效率。

附图说明

[0072] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

[0073] 图1是根据本发明实施例的一种基于倾斜摄影测量技术的无人机障碍预警方法的流程图；

[0074] 图2是根据本发明实施例的一种基于倾斜摄影测量技术的无人机障碍预警系统的原理框图。

[0075] 图中：

[0076] 1、障碍物识别模块；2、模型建立模块；3、安全计算模块；4、预警判断模块。

具体实施方式

[0077] 为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。

[0078] 根据本发明的实施例，提供了一种基于倾斜摄影测量技术的无人机障碍预警方法及系统。

[0079] 现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明的一个实施例，提供了一种基于倾斜摄影测量技术的无人机障碍预警方法，该基于倾斜摄影测量技术的无人机障碍预警方法包括以下步骤：

[0080] S1、利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息。

[0081] 作为优选实施方式，利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息包括步骤：

[0082] S11、通过预设在无人机上的倾斜摄影测量设备，对无人机的待飞行区域进行地貌采集，得到地貌图像。

[0083] 需要说明的是，倾斜摄影测量技术是一种利用数字照相机拍摄倾斜照片，然后通过照片像素坐标与三维坐标的对应关系来计算物体三维坐标的测量方法。

[0084] S12、对得到的地貌图像进行预处理，预处理包括剔除不合格图像、按照预设的格式进行数据转换及去除不完整数据。

[0085] 需要说明的是，剔除不合格图像是检查图像是否清晰、完整，是否存在模糊、遮挡等问题，按照预设的格式进行数据转换是将不同格式的图像统一转换为统一的格式，去除不完整数据是检查图像是否缺失部分区域数据，如边缘被截取等问题，如果数据不完整，也需要将其剔除。

[0086] S13、将预处理后的地貌图像导入建模软件中进行空三加密，生成地貌点云数据。

[0087] 需要说明的是，利用建模软件内置的空三测量功能，对图像集进行特征点提取和匹配，利用多张图像间的重合区域来计算出特征点在三维空间中的位置，可以利用相机内参和姿态信息对匹配结果进行优化和约束，通过多视图几何关系，利用collinear性原理计算出特征点在相机坐标系中的三维坐标，根据特征点的分布密度，利用建模软件内置的三角网生成和修补功能，在特征点间进行三角网生成和修补，形成一个初步的地貌点云模型，对点云模型进行降采样，优化点云数据格式和体积，得到一个较为紧凑的地貌点云数据。

[0088] S14、根据生成的地貌点云数据，经纹理贴合建立地貌三维点云模型。

[0089] 需要说明的是，利用建模软件对点云数据进行滤波处理，去除离群点和杂质点，按照地物类型进行点云分割，分离出不同目标，对不同目标点云进行三角网生成，建立初步的三维模型框架，导入与点云采集时期对应的多光照角度地貌图像集，按照点云三维坐标在图像上的投影位置，利用像素值给不同目标点云贴上颜色纹理；合并不同目标经纹理贴合后的三维模型，构建整体地貌三维点云模型。

[0090] S15、分析地貌三维点云模型，通过图像分析算法识别并标注出存在的障碍物。

[0091] 需要说明的是，对地貌三维点云模型进行视角渲染，生成多个视角的二维图像切片，利用物体检测算法识别存在的障碍物，然后根据形态特征识别障碍物的类别，在三维点云模型中，利用不同颜色对识别出的各类障碍物进行标注区分。

[0092] S16、对识别出的障碍物，提取障碍物在地貌三维点云模型中的参数信息，参数信息包括障碍物的形状、位置及类型。

[0093] S2、获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型。

[0094] 作为优选实施方式，获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型包括以下步骤：

[0095] S21、基于障碍物的参数信息，建立障碍物的障碍场模型。

[0096] 作为优选实施方式，基于障碍物的参数信息，建立障碍物的障碍场模型包括以下步骤：

[0097] S211、基于障碍物的位置信息确定无人机与障碍物之间的距离，并通过预设在无人机上的雷达获取障碍物的速度参数。

[0098] 需要说明的是，通过地貌三维点云模型获取障碍物的位置信息，基于障碍物位置信息确定无人机与障碍物的距离，通过预设在无人机上的雷达获取障碍物的速度参数。

[0099] S212、根据障碍物的形状和类型，判断障碍物的质量信息，并计算障碍物的等效质量。

[0100] 作为优选实施方式，障碍物的等效质量的计算公式为：

[0101] 。

[0102] 式中，Mi表示障碍物i的等效质量，Gi表示障碍物i的类型，mi表示障碍物i的质量信息，αR和βR均表示常数，R表示速度多项式的项数，vi表示障碍物i的速度。

[0103] 需要说明的是，αR和βR这两个常数是通过收集无人机历史飞行数据，并利用等效质量计算公式进行模型拟合得出的，包括尝试不同的参数值，以找到最适合数据的参数组合。通常利用非线性最小二乘法等拟合方法。

[0104] S213、根据无人机与障碍物之间的距离和障碍物的等效质量建立障碍物的障碍场模型。

[0105] 需要说明的是，根据无人机与障碍物之间的距离和障碍物的等效质量定义障碍物对无人机周围环境的影响区域，通过将障碍物的影响区域与无人机的位置信息进行叠加，建立障碍物的障碍场模型，这个模型是一个三维空间中的场景，其中包含了不同位置的障碍物对无人机飞行的影响。

[0106] S22、获取无人机自身的参数信息及无人机周围环境的参数信息建立无人机环境场模型。

[0107] 作为优选实施方式，获取无人机自身的参数信息及无人机周围环境的参数信息建立无人机环境场模型包括以下步骤：

[0108] S221、收集无人机自身的参数信息并建立无人机的动能场，无人机自身的参数信息包括无人机质量、尺寸、功率及飞行速度。

[0109] 需要说明的是，收集无人机的质量、速度、功率等信息。使用物理定律和数学公式对无人机的运动进行模拟，将模拟结果以可视化的方式展现出来，这就是无人机的动能场。

[0110] S222、通过预设在无人机上的传感获取无人机周围环境的参数信息，无人机周围环境的参数信息包括气温、风速及风向。

[0111] S223、根据无人机周围环境的参数信息对无人机的飞行进行评估，得到无人机的风险因子。

[0112] 需要说明的是，首先，确定无人机在飞行过程中的风险因素，为每个风险因素设定一个评分标准：这个标准可以是一个线性或非线性的函数，根据风险因素的重要性和可能出现的程度来设定，将每个风险因素的实际值带入对应的评分标准中，得出每个风险因素的得分，将每个风险因素的得分进行加权求和，得出总的风险因子。

[0113] S224、将无人机的动能场和无人机的风险因子进行结合，建立无人机环境场模型。

[0114] 需要说明的是，动能场和风险因子结合，建立无人机环境场模型。在这个模型中，动能场和风险因子可以互相影响。例如，当风险因子增加时，无人机可能需要调整速度或航向，从而改变动能场。反之，如果无人机的动能变化，可能会影响风险因子的评估。

[0115] S23、利用加权平均法将建立的障碍物的障碍场模型和无人机环境场模型进行融合，得到无人机的安全场模型。

[0116] 需要说明的是，首先，确定障碍物的障碍场模型和无人机环境场模型的权重，通过加权平均法进行模型的融合。具体来说，对于模型中的每一个元素（例如，一个飞行路径点），其在融合模型中的值是其在障碍物的障碍场模型中的值和在无人机环境场模型中的值的加权平均，得到融合了障碍物的障碍场模型和无人机环境场模型的无人机安全场模型。这个模型将无人机的动能、风险因子以及障碍物等各个因素都考虑在内，可以用来指导无人机的飞行，使其尽可能地避免风险。

[0117] 具体的，通过构建安全场模型，无人机能够更好地理解其周围环境，包括障碍物和环境条件，从而更好地规划飞行路径以避免碰撞，通过安全场模型可以对无人机的自身参数、障碍物参数以及环境参数综合考虑，使得无人机在多种环境和条件下都能进行安全、有效的飞行，进而提高了任务执行的效率和成功率。

[0118] S3、根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度。

[0119] 作为优选实施方式，根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度包括以下步骤：

[0120] S31、将无人机和障碍物的参数信息映射到无人机的安全场模型中，得到无人机当前状态的安全场分布情况。

[0121] 需要说明的是，将无人机和障碍物的参数信息映射到无人机的安全场模型中，具体而言，通常需要根据参数信息来计算模型中的各个元素的值。例如，无人机的位置可以映射为模型中的一个点，障碍物的位置和大小可以映射为模型中的一个区域，无人机的速度和航向可以映射为模型中的一个向量等。

[0122] S32、根据无人机的安全程度计算公式计算无人机的安全程度。

[0123] 其中，无人机的安全程度计算公式为：

[0124] 。

[0125] 式中，Hi,j表示无人机的安全程度，f，B均表示大于0的常数，D表示无人机的风险因子，Mi表示障碍物i的等效质量，ri,j表示障碍物i的位置与无人机j的位置间的距离矢量，vi表示障碍物i的速度，θi,j表示障碍物i的运动方向与ri,j的夹角。

[0126] 需要说明的是，f，B这两个常数的具体值一般需要根据实际应用环境和无人机的具体性能特性来确定。这通常需要进行一些预设和测试，常见的方法是先设定一个初始值，然后通过实地测试和模拟实验来调整这两个常数的值，以达到最优的飞行安全程度评估结果。

[0127] S4、根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略。

[0128] 作为优选实施方式，根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略包括以下步骤：

[0129] S41、将无人机的安全程度与预设的安全程度阈值进行比较。

[0130] S42、若无人机的安全程度大于预设的安全程度阈值，则表示无人机的当前状态为安全状态，不需要障碍预警，否则，则表示无人机的当前状态为不完全状态，需要障碍预警。

[0131] S43、当无人机需要进行障碍预警时，制定障碍预警策略并控制无人机执行障碍预警策略。

[0132] 作为优选实施方式，当无人机需要进行障碍预警时，制定障碍预警策略并控制无人机执行障碍预警策略包括步骤：

[0133] S431、根据无人机自身的参数信息建立无人机的动力学模型。

[0134] 需要说明的是，首先确定要使用的动力学模型的类型，选择惯性坐标系以描述无人机的位置、速度和姿态，有助于更好地描述无人机的运动，然后基于物理原理，描述无人机运动的动力学方程，使用无人机的参数信息，如质量、惯性矩阵、发动机参数和控制面参数等，来填充动力学方程中的参数，根据无人机自主控制系统的控制输入，建立包括控制效应的动力学模型。

[0135] S432、确定无人机避障过程中的目标优化函数和约束条件，目标优化函数为最小化无人机的安全风险，约束条件为无人机的状态变量和控制变量的物理约束。

[0136] 需要说明的是，目标优化函数用于描述无人机避障过程中实现的目标，约束条件是对无人机和环境的物理限制和约束，包括动力学约束，避障约束，控制输入约束等。

[0137] S433、基于无人机的动力学模型和目标优化函数，采用预测控制法预测无人机的未来飞行状态，并规划出避障的最优飞行轨迹。

[0138] 需要说明的是，预测控制法，也叫模型预测控制，是一种优化控制工具；在无人机飞行控制中，使用此方法根据当前状态和动力学模型预测未来的飞行状态，并根据一种优化目标，像是对飞行时间的最小化，或者对飞行路径长度的最小化，来求解最优的控制输入。

[0139] 通过无人机的动力学模型，可以预测未来每一时刻无人机的状态，通过数学优化算法，像是线性规划，二次规划，或者随机优化等方法求解优化问题，得到每一时刻无人机的最优控制输入。

[0140] S434、根据避障的最优飞行轨迹计算无人机的飞行控制量。

[0141] 需要说明的是，最优飞行轨迹应包括未来的位置、速度、加速度、姿态等信息，然后根据无人机的控制系统设计和所需的飞行状态，计算出所需的控制量。

[0142] S435、将无人机的飞行控制量通过数字信号的方式传输至无人机的控制系统，并控制无人机进行障碍物避障飞行。

[0143] 具体的，根据无人机的安全程度进行飞行状态评估和障碍预警，可以有效地提高无人机的飞行安全性，减少碰撞事故的发生，通过建立无人机的动力学模型，确定优化函数和约束条件，能有效地规划出避障的最优飞行轨迹，使无人机在满足安全要求的同时，达到最优的飞行性能，根据最优飞行轨迹计算飞行控制量，并将其传输至无人机的控制系统，可以实现精确的飞行控制，避免无人机的过度反应或反应不足，有利于提高无人机在复杂环境中的飞行安全性和飞行效率。

[0144] 如图2所示，根据本发明的另一个实施例，提供了一种基于倾斜摄影测量技术的无人机障碍预警系统，该基于倾斜摄影测量技术的无人机障碍预警系统包括：障碍物识别模块1、模型建立模块2、安全计算模块3及预警判断模块4。

[0145] 其中，障碍物识别模块1、模型建立模块2、安全计算模块3及预警判断模块4之间依次连接。

[0146] 障碍物识别模块1，用于利用倾斜摄影测量技术对无人机的待飞行区域的障碍物进行识别，确定障碍物的参数信息。

[0147] 模型建立模块2，用于获取无人机自身及无人机周围环境的参数信息并基于障碍物的参数信息建立无人机的安全场模型。

[0148] 安全计算模块3，用于根据无人机和障碍物的参数信息及无人机的安全场模型确定无人机当前状态的安全场分布情况，并计算无人机的安全程度。

[0149] 预警判断模块4，用于根据无人机的安全程度，判断无人机是否需要进行障碍预警，若不需要，则继续飞行，若需要，则执行障碍预警策略。

[0150] 综上所述，借助于本发明的上述技术方案，本发明通过倾斜摄影测量技术可以自动化地采集无人机周围环境的参数信息，无需人工干预，大大提高了障碍识别和避障的效率，可以实时检测并识别无人机飞行区域中的障碍物，提前做出预警，避免无人机与障碍物的碰撞，提高无人机的飞行安全性，通过建立无人机的安全场模型，可以精确地计算无人机的安全程度，并根据计算结果制定相应的障碍预警策略，实现精确避障，同时，可以根据无人机当前的飞行状态和周围环境的变化，动态地调整安全场分布和障碍预警策略，具有很高的灵活性；本发明通过构建安全场模型，无人机能够更好地理解其周围环境，包括障碍物和环境条件，从而更好地规划飞行路径以避免碰撞，通过安全场模型可以对无人机的自身参数、障碍物参数以及环境参数综合考虑，使得无人机在多种环境和条件下都能进行安全、有效的飞行，进而提高了任务执行的效率和成功率；本发明可以根据无人机的安全程度进行飞行状态评估和障碍预警，可以有效地提高无人机的飞行安全性，减少碰撞事故的发生，通过建立无人机的动力学模型，确定优化函数和约束条件，能有效地规划出避障的最优飞行轨迹，使无人机在满足安全要求的同时，达到最优的飞行性能，根据最优飞行轨迹计算飞行控制量，并将其传输至无人机的控制系统，可以实现精确的飞行控制，避免无人机的过度反应或反应不足，有利于提高无人机在复杂环境中的飞行安全性和飞行效率。

[0151] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、光学存储器等）上实施的计算机程序产品的形式。

[0152] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。