本发明涉及雷达探测，尤其涉及一种无人机惯性导航系统的多雷达全向探测方法。
背景技术：
1、随着无人机的快速发展，行业应用级无人机开始广泛的应用于各个领域，其中无人机在植保发挥着十分重要的作用。而在险峻山区这种复杂环境中进行大面积连续工作时，无人机很容易因为电线，山坡和树木等障碍物发生意外。本技术提出的方法通过整合来自前、后、左、右、上、下六个方向的雷达数据，然后通过压缩得到二维频域数据，再进行恒定虚警率检测得到点云检测结果，形成多维全向探测，实现对周围环境的全面感知，不受环境光线及尘土影响，反馈障碍物与雷达的相对距离、方位角和高度等信息，引导无人机系统自主避开障碍物，实现真正的全向安全防护。
2、现有技术中公开号为：cn115033026a的发明专利公开申请的搭载云台的斜侧装无人机毫米波雷达避障和定高方法，通过雷达原始数据预处理；雷达高精度解角算法处理后输出三维目标点云数据；对全区域点云进行分割操作，负45度附近的点云作为避障处理区域，正45度附近的点云作为定高处理区域，在避障处理区域内检测跟踪三维点云数据，如果满足连续数帧点云与其速度匹配，则形成避障距离航迹，否则清除航迹；在定高源点云簇中计算得到无人机定高数据；对数据结果进行融合处理，实现单个雷达全向探测功能。
3、例如公开号为：cn115980742b的发明专利公开的一种用于无人飞行器的雷达探测方法及装置，通过第一雷达获取无人机的当前飞行信息，将当前飞行信息数据进行定期上传至中心控制器进行监控预警；当当前飞行信息经中心控制器分析后认定无人机发生飞行偏航时，向第二雷达发出无人机的偏航报警指令，第二雷达基于无人机的偏航位置获取无人机的模拟偏航规划信息；第二雷达将无人机的模拟偏航规划信息发送至无人机，无人机依据模拟偏航规划信息进行飞行导航。
4、例如公开号为：cn113820709b的发明专利公开的基于无人机的穿墙雷达探测系统及探测方法，包括：包括无人机、环境感知单元、穿墙雷达、云台和控制单元；无人机、环境感知单元、穿墙雷达、云台均与控制单元相连；穿墙雷达位于无人机上，用于对待测建筑物的外部结构、内部结构以及内部人员进行探测；环境感知单元位于无人机上，用于感知无人机的飞行环境信息，并将飞行环境信息发送至控制单元；控制单元根据飞行环境信息控制无人机的飞行，以使无人机与外墙体之间的距离保持在一定范围内；云台位于无人机上，穿墙雷达的收发天线位于云台上，控制单元根据飞行环境信息控制云台的动作以使收发天线的阵面与外墙体保持平行。
5、但本技术发明人在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
6、现有技术中，通常是通过搭载在无人机云台上的单一雷达(如斜侧装毫米波雷达)和云台调整能力实现了对前方障碍物的精确探测和高度测量，提高了无人机的定高能力，适用于对避障和定高有较高要求的无人机系统，但其数据来源相对单一，主要关注无人机前方的障碍物信息，对于周围环境的全面感知能力有限。在复杂的山地环境中，电线、山坡和树木可能遮挡雷达信号，导致探测盲区，并且山地环境中的尘土、雾霾、雨雪等气象条件会导致雷达信号的衰减，存在多雷达全向探测结果受环境影响大的问题。
技术实现思路
1、本技术实施例通过提供一种无人机惯性导航系统的多雷达全向探测方法，解决了现有技术中多雷达全向探测结果受环境影响大的问题，实现了更准确的进行多雷达全向探测。
2、本技术实施例提供了一种无人机惯性导航系统的多雷达全向探测方法，包括以下步骤：s1，对采集到的雷达原始数据进行压缩得到二维频域数据，并对二维频域数据进行累加并进行恒定虚警率检测，以得到点云检测结果，所述压缩包括一维压缩和二维压缩；s2，对点云进行分类得到点云聚类结果，根据点云聚类结果得到目标数据，并根据目标数据对待探测障碍目标进行分类得到目标分类结果，所述待探测障碍目标表示无人机飞行方向上的障碍物；s3，基于点云检测结果和航迹起始条件判断是否对待探测障碍目标进行跟踪，并基于点云与航迹的关联结果判断是否更新目标数据并维持航迹，若点云与航迹未成功关联，则只保存历史数据；s4，将雷达数据进行数据拼接得到多维全向航迹点数据，并结合无人机飞行方向得到雷达输出距离，基于雷达输出距离和预设安全距离判断是否进行自主避障。
3、进一步的，所述恒定虚警率检测的具体流程如下：对雷达原始数据进行一维傅里叶变换得到雷达的一维距离像数据；对一维距离像数据进行二维傅里叶变换得到二维频域数据；根据二维频域数据累加后的结果将目标信号分为预设数量的检测窗口，通过检测窗口的邻域区域得到背景噪声信号，根据背景噪声信号得到检测门限；判断检测窗口的待探测目标信号是否超过检测门限，若待探测目标信号超过检测门限，则判定为目标信号，否则判定为噪音。
4、进一步的，所述点云检测结果的具体获取方式如下：将雷达数据输入到雷达坐标系中，并将雷达坐标系转换为无人机坐标系，将目标点云坐标输入到无人机坐标系下得到点云检测结果。
5、进一步的，所述点云与航迹的关联结果的具体获取方式如下：将点云坐标和径向速度与每条航迹的坐标和径向速度进行对比，判断第一坐标差值、第二坐标差值、第三坐标差值和速度差值是否不大于预设差值阈值，若第一坐标差值、第二坐标差值、第三坐标差值和速度差值不大于预设差值阈值，则表明点云与航迹关联成功，否则表明关联失败；所述第一坐标差值表示点云横坐标与航迹横坐标的差值；所述第二坐标差值表示点云纵坐标与航迹纵坐标的差值；所述第三坐标差值表示点云竖坐标与航迹竖坐标的差值；所述速度差值表示径向速度与航迹径向速度的差值。
6、进一步的，所述基于点云与航迹的关联结果判断是否更新目标数据并维持航迹的具体流程如下：判断点云与航迹是否关联成功，若点云与航迹关联成功，则根据系统状态向量更新目标数据并维持航迹，否则判断累计帧数是否达到预设帧数要求，若累计帧数达到预设帧数要求，则根据系统状态向量更新目标数据并维持航迹，否则只保存历史数据；结合每个跟踪航迹得到关联目标数据的均值，根据跟踪航迹状态估计值与目标数据均值之间的测量误差得到系统状态向量、更新误差协方差和更新预测误差协方差。
7、进一步的，所述更新目标数据并维持航迹，之后还包括：b1，将点云和目标包围框进行关联，判断目标点云坐标和径向速度是否在关联门限内，若目标点云坐标和径向速度不在关联门限内，则执行删除操作，否则保留跟踪航迹；b2，判断当前帧的点云数据中是否存在与上一帧关联的雷达id和量测id相关联的数据，若存在，则根据当前帧的点云数据更新目标数据，否则执行b3；b3，在关联门限内进行待探测障碍目标搜索，判断是否存在关联量测，若不存在关联量测，则执行b4，否则判断是否存在唯一关联量测，若存在唯一关联量测，则根据关联量测更新目标数据，否则将当前帧的点云数据与关联量测进行对比得到量测得分，根据量测得分按照降序排列得到的最小量测得分对应的量测更新目标数据；b4，逐级调整径向速度关联门限，在关联门限内重新搜索待探测障碍目标，判断是否存在关联量测，若不存在关联量测，则执行b5，否则判断是否存在唯一关联量测，若存在唯一关联量测，则根据关联量测更新目标数据，否则将当前帧的点云数据与关联量测进行对比得到量测得分，根据量测得分按照降序排列得到的最小量测得分对应的量测更新目标数据；b5，逐级调整cfar能量门限并在距离多普勒热图上进行目标搜索以判断是否存在关联量测，若不存在关联量测，则通过系统状态向量更新融合目标并累计量测丢失时间，如果量测丢失时间超过预设时间，则删除待探测障碍目标，否则判断是否存在唯一关联量测，若存在唯一关联量测，则根据关联量测更新目标数据，否则将当前帧的点云数据与关联量测进行对比得到关联程度，将关联程度按照升序排列得到最大关联程度，根据最大关联程度对应的量测更新目标数据，所述量测丢失时间表示雷达数据没有关联成功的帧数。
8、进一步的，所述多维全向航迹点数据的具体获取方式如下：e1，在预设时间段内接收并存储雷达数据，判断存储的雷达数据是否超过队列长度，若存储的雷达数据超过队列长度，则删除队列头部数据并将未存储的雷达数据存储到队列尾部，否则存储雷达数据并执行e2；e2，将时间连续航迹点数据进行拼接得到全向探测数据，所述时间连续航迹点数据表示在时间维度中连续帧的航迹点数据；e3，将空间连续航迹点数据进行拼接得到重叠部分，将航迹点数据根据雷达照射角度和位置变换到航迹坐标系中得到多维探测数据，所述空间连续航迹点数据表示在空间维度中连续帧的航迹点数据；e4，根据全向探测数据和多维探测数据对航迹点数据进行综合得到多维全向航迹点数据。
9、进一步的，所述雷达输出距离的具体获取方式如下：获取当前时刻无人机飞行方向，同时根据航迹点坐标系中的航迹点获取对应的唯一标识符，所述唯一标识符包括航迹点的id和对应的雷达编号；判断无人机飞行方向上是否存在航迹点，若无人机飞行方向上不存在航迹，则将航迹点输出为第一标识，否则将航迹点输出为第二标识并输出雷达输出距离和速度信息。
10、进一步的，所述获取当前时刻无人机飞行方向，之前还包括：通过读取无人机在空中飞行时的姿态信息得到无人机当前时刻各方向的倾角数据；通过无人机飞行控制系统中的编译器将倾角数据编译成电子信号，并实时传输给无人机飞行控制系统中的单片机；根据无人机当前时刻各方向的倾角数据得到补偿角，根据得到的补偿角对无人机进行航迹点坐标系补偿处理。
11、进一步的，所述自主避障的具体流程如下：根据雷达输出距离控制无人机各桨叶的驱动电机转速，并判断雷达输出距离是否小于预设安全距离，若雷达输出距离小于预设安全距离，则中断飞行动作并进行刹车，同时通过无人机地面站显示器实时输出雷达输出距离和相对雷达运动速度，否则不进行处理。
12、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
13、1、通过压缩雷达原始数据得到二维频域数据，据此得到点云检测结果，然后基于点云检测结果和航迹起始条件判断是否对目标进行跟踪，最后将雷达数据拼接得到多维全向航迹点数据，据此得到雷达输出距离，并基于雷达输出距离和预设安全距离判断是否进行自主避障，从而更精确地识别和检测目标，进而实现了更准确的进行多雷达全向探测，有效解决了现有技术中多雷达全向探测结果受环境影响大的问题；
14、2、通过在预设时间段内接收并存储雷达数据，然后将时间连续航迹点数据进行拼接得到全向探测数据，接着将空间连续航迹点数据进行拼接得到重叠部分，并根据雷达照射角度和位置变换到航迹坐标系中得到多维探测数据，最后根据全向探测数据和多维探测数据对航迹点数据得到多维全向航迹点数据，从而更全面地描述目标的运动状态，进而实现了多维度全向探测；
15、3、通过读取无人机在空中飞行时的姿态信息得到无人机当前时刻各方向的倾角数据，将倾角数据编译成电子信号，并实时传输给无人机飞行控制系统中的单片机，根据无人机当前时刻各方向的倾角数据得到补偿角，根据得到的补偿角对无人机进行航迹点坐标系补偿处理，从而准确获取无人机的倾角数据，进而实现了雷达测角和测距更加精确。
1.一种无人机惯性导航系统的多雷达全向探测方法，其特征在于，包括以下步骤：
2.如权利要求1所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述恒定虚警率检测的具体流程如下：
3.如权利要求1所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述点云检测结果的具体获取方式如下：
4.如权利要求1所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述点云与航迹的关联结果的具体获取方式如下：
5.如权利要求1所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述基于点云与航迹的关联结果判断是否更新目标数据并维持航迹的具体流程如下：
6.如权利要求5所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述更新目标数据并维持航迹，之后还包括：
7.如权利要求1所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述多维全向航迹点数据的具体获取方式如下：
8.如权利要求1所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述雷达输出距离的具体获取方式如下：
9.如权利要求8所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述获取当前时刻无人机飞行方向，之前还包括：
10.如权利要求1所述一种无人机惯性导航系统的多雷达全向探测方法，其特征在于：所述自主避障的具体流程如下：
