本文摘要：摘要：移動節(jié)點(diǎn)的準(zhǔn)確定位對于無人機(jī)的環(huán)境感知、路徑規(guī)劃及控制系統(tǒng)的開發(fā)至關(guān)重要。對決策樹、SVM和貝葉斯等三種機(jī)器學(xué)習(xí)方法在使用錨節(jié)點(diǎn)的室內(nèi)空間進(jìn)行定位準(zhǔn)確率對比研究，最終選擇了具有高泛化準(zhǔn)確率的貝葉斯方法作為定位方法。結(jié)合改進(jìn)后的A*算法在室
摘要：移動節(jié)點(diǎn)的準(zhǔn)確定位對于無人機(jī)的環(huán)境感知、路徑規(guī)劃及控制系統(tǒng)的開發(fā)至關(guān)重要。對決策樹、SVM和貝葉斯等三種機(jī)器學(xué)習(xí)方法在使用錨節(jié)點(diǎn)的室內(nèi)空間進(jìn)行定位準(zhǔn)確率對比研究，最終選擇了具有高泛化準(zhǔn)確率的貝葉斯方法作為定位方法。結(jié)合改進(jìn)后的A*算法在室內(nèi)空間對無人機(jī)進(jìn)行自動路徑規(guī)劃，并借助激光傳感器感知環(huán)境中未知障礙，不斷更新室內(nèi)地圖并指導(dǎo)無人機(jī)進(jìn)行避障，無人機(jī)導(dǎo)航實(shí)驗(yàn)驗(yàn)證了機(jī)器學(xué)習(xí)方法用于室內(nèi)空間定位的可行性。
關(guān)鍵詞：機(jī)器學(xué)習(xí)方法,室內(nèi)定位,室內(nèi)導(dǎo)航,貝葉斯方法
無人機(jī)的一個主要研究領(lǐng)域是無人機(jī)的環(huán)境感知、路徑規(guī)劃及控制系統(tǒng)的開發(fā)。這些能力對部署無人機(jī)輔助人們進(jìn)行諸如營救、搜索及運(yùn)輸?shù)热蝿?wù)非常必要[1]。在無線傳感網(wǎng)中，不知道事件發(fā)生的確切位置，獲得的傳感器數(shù)據(jù)就沒有價(jià)值，因此節(jié)點(diǎn)的定位就顯得尤為重要[2]。確定無人機(jī)的位置可以用來實(shí)現(xiàn)基于位置信息的服務(wù)。
局部地圖算法的目標(biāo)是根據(jù)探測到的障礙物確定空間中何處有障礙，在探索到障礙時(shí)可以依據(jù)無人機(jī)的位置信息生成障礙地圖，從而可以進(jìn)行室內(nèi)空間導(dǎo)航及其他相關(guān)服務(wù)[3]。定位算法是通過使用傳感器間的節(jié)點(diǎn)測量值，如距離或角度的知識并參考局部或全局坐標(biāo)系統(tǒng)估計(jì)移動目標(biāo)的位置。
無線傳感網(wǎng)中的多數(shù)定位方法集中于一部分稱為錨點(diǎn)的傳感節(jié)點(diǎn)，可以通過GPS或手工配置獲取自己的確切位置，其他的節(jié)點(diǎn)使用定位算法從這些錨點(diǎn)計(jì)算出自己的位置，從而可完成對移動節(jié)點(diǎn)的位置追蹤[4]。為提高基于近似數(shù)據(jù)的定位算法性能，應(yīng)用基于距離、角度或者這些方法混合的額外方法進(jìn)行距離度量。距離度量主要使用RSSI、TWR、TOA和TDOA，更進(jìn)一步可以通過使用指南針或?qū)ｉT智能天線對接收信號的角度進(jìn)行測量[5-6]。
目前，很多方法開始采用機(jī)器學(xué)習(xí)領(lǐng)域的知識推導(dǎo)傳感節(jié)點(diǎn)的位置�？梢约俣ㄒ唤M錨節(jié)點(diǎn)并且使用它們與目標(biāo)節(jié)點(diǎn)的距離作為訓(xùn)練數(shù)據(jù)，過程的結(jié)果即為一個可以用來預(yù)測其他節(jié)點(diǎn)位置的模型[7-11]。
本文是研究室內(nèi)無人機(jī)的定位算法，實(shí)驗(yàn)中將室內(nèi)空間人為劃分成大小相同的立體網(wǎng)格，使用基于錨節(jié)點(diǎn)的室內(nèi)定位系統(tǒng)計(jì)算與無人機(jī)的距離，并分別使用不同的機(jī)器學(xué)習(xí)算法確定無人機(jī)所在的網(wǎng)格。主要對決策樹[12]、支持向量機(jī)[13]和貝葉斯[14]等三種方法進(jìn)行對比。通過實(shí)驗(yàn)對比三種算法的分類準(zhǔn)確率后選擇基于貝葉斯的分類方法用于定位，并以此對無人機(jī)進(jìn)行導(dǎo)航。實(shí)驗(yàn)中無人機(jī)可以根據(jù)貝葉斯預(yù)測結(jié)果進(jìn)行比較準(zhǔn)確的定位，在飛行過程中通過激光傳感器實(shí)時(shí)探測環(huán)境中的障礙，同時(shí)更新網(wǎng)格地圖，使無人機(jī)可以避障飛行。
1實(shí)驗(yàn)環(huán)境
實(shí)驗(yàn)所用的無人機(jī)型號是crazyflie2.0。配裝在無人機(jī)上的FlowDeck。其中使用的VL53L0x激光傳感器能夠測量無人機(jī)與地面的高度，PMW3901光學(xué)流傳感器可以用來給出其相對于地面的運(yùn)動信息，但缺乏長期的位置感知。外部的系統(tǒng)可提供其當(dāng)前位置的信息，室外可以借助GPS進(jìn)行定位，但室內(nèi)環(huán)境往往受限制，更復(fù)雜、或造價(jià)更高。
本實(shí)驗(yàn)使用的是bitcraze公司的局部定位系統(tǒng)。局部定位系統(tǒng)可被用來獲得物體在空間中的3D位置。系統(tǒng)中主要涉及兩部分：①一組錨節(jié)點(diǎn)傳感器集合，他們被定位在房間中用來做位置參考，坐標(biāo)根據(jù)實(shí)際部署位置手工測量后給出;②一個或更多的標(biāo)簽，被放置在無人機(jī)上，系統(tǒng)可以測量標(biāo)簽和多個錨節(jié)點(diǎn)之間的距離。有了這些距離值，可以通過計(jì)算獲得無人機(jī)的定位信息。
實(shí)驗(yàn)中，在房間里放置6個錨節(jié)點(diǎn)。其中0號為第1個錨節(jié)點(diǎn)，在地面上，一般作為原點(diǎn)坐標(biāo)使用。0、1、2號分別部署在地面上，3、4、5號部署在高層上，這樣可形成一個立體空間，覆蓋區(qū)域?yàn)殛幱安糠至Ⅲw空間。為了能夠確認(rèn)無人機(jī)在空間中的位置，需要在無人機(jī)上安裝相應(yīng)局部定位系統(tǒng)的標(biāo)簽。
2機(jī)器學(xué)習(xí)方法在無人機(jī)定位中的應(yīng)用
在每個網(wǎng)格空間不同位置分別采集與6個錨節(jié)點(diǎn)的距離數(shù)據(jù)d0：0.96886;d1：2.431061;d2：0.926044;d3：1.406135;d4：1.738959;d5：2.292752。實(shí)驗(yàn)中使用局部定位系統(tǒng)獲取的距離可以計(jì)算出3D坐標(biāo)，但由于傳感器數(shù)據(jù)存在的噪聲問題，計(jì)算出的坐標(biāo)存在一定的不確定性。為了增加定位的準(zhǔn)確率，將定位問題建模成為分類問題。
一般情況下，最初兩個步驟是：①類別定義。將空間劃分成大小相同的網(wǎng)格，Gm=(i，j，k)，其中類別Gm是錨節(jié)點(diǎn)覆蓋區(qū)域中的一個網(wǎng)格。②訓(xùn)練數(shù)據(jù)。由于錨節(jié)點(diǎn)坐標(biāo)是已知的，每個錨節(jié)點(diǎn)與網(wǎng)格中位置的距離作為特征值。當(dāng)運(yùn)行分類程序時(shí)就會獲得一個預(yù)測模型，用于預(yù)測無人機(jī)位置屬于哪個網(wǎng)格，為后續(xù)的導(dǎo)航算法提供網(wǎng)格定位信息。
為了解決分類問題，可以使用機(jī)器學(xué)習(xí)中的各種分類方法，本研究主要使用決策樹、SVM和貝葉斯方法進(jìn)行分類測試，并根據(jù)測試結(jié)果和問題的需要選擇適合的分類方法。實(shí)驗(yàn)中，將無人機(jī)放置在不同網(wǎng)格中，使用自行設(shè)計(jì)的數(shù)據(jù)采集程序，收集來自錨節(jié)點(diǎn)的距離數(shù)據(jù)，將6個距離數(shù)據(jù)直接作為特征值來訓(xùn)練分類模型。
為了選擇合適的機(jī)器學(xué)習(xí)方法用于定位，驗(yàn)證訓(xùn)練數(shù)據(jù)量對分類準(zhǔn)確率的影響，使用規(guī)模不同的兩種數(shù)據(jù)集，分別為每個網(wǎng)格采集148組不同數(shù)據(jù);每個網(wǎng)格采集351組不同數(shù)據(jù)，訓(xùn)練時(shí)使用十折交叉驗(yàn)證來計(jì)算分類準(zhǔn)確率。訓(xùn)練后再次采集新的數(shù)據(jù)驗(yàn)證不同方法的泛化誤差。三種機(jī)器學(xué)習(xí)方法對應(yīng)不同規(guī)模數(shù)據(jù)量的準(zhǔn)確率對比圖，SVM和貝葉斯兩種分類準(zhǔn)確率相近，都明顯高于決策樹分類。
三種機(jī)器學(xué)習(xí)方法在不同規(guī)模數(shù)據(jù)量訓(xùn)練模型下實(shí)際數(shù)據(jù)測試的泛化準(zhǔn)確率，貝葉斯方法在實(shí)際分類中準(zhǔn)確率較高。無人機(jī)在飛行過程中需要不斷根據(jù)傳感數(shù)據(jù)判斷所在位置，準(zhǔn)確率對后續(xù)的尋路算法及避障有重要作用，因此本文選取貝葉斯方法作為位置判斷的方法。在訓(xùn)練數(shù)據(jù)時(shí)，數(shù)據(jù)量規(guī)模對測試準(zhǔn)確率的提高有重要作用，可通過線下采集大量訓(xùn)練數(shù)據(jù)集的辦法進(jìn)一步提高分類準(zhǔn)確率。
3室內(nèi)導(dǎo)航及避障
3.1室內(nèi)尋路算法
路徑搜索的目標(biāo)是找到一條避免障礙物好的路徑，并把代價(jià)(距離、轉(zhuǎn)向)最小化。運(yùn)動的目標(biāo)是找到一條路徑并且沿著它行進(jìn)。A*是路徑搜索中最受歡迎的選擇，因?yàn)樗喈?dāng)靈活，并且能用于多種多樣的情形之中。A*算法根據(jù)新的啟發(fā)函數(shù)計(jì)算的從S到E的最優(yōu)路徑。無人機(jī)在起點(diǎn)S使用A*算法，以E為終點(diǎn)尋找一條最優(yōu)路徑。飛行時(shí)不斷采集與錨節(jié)點(diǎn)的距離數(shù)據(jù)并使用貝葉斯方法確定自己位置，并按規(guī)劃路徑向終點(diǎn)方向飛行。
同時(shí)，使用激光傳感器探測前方相鄰網(wǎng)格障礙物，更新地圖后再次調(diào)用A*算法重新尋路，避開障礙物。考慮到無人機(jī)在飛行過程中網(wǎng)格交叉位置定位準(zhǔn)確率低的情況，在本文的A*算法中不支持無人機(jī)選取對角線的路徑，所以在選取當(dāng)前格子的相鄰格子時(shí)，只考慮前后左右四個方向的直行路線。又因?yàn)闊o人機(jī)按原方向直行的代價(jià)較低，所以在計(jì)算G值的過程中對與無人機(jī)當(dāng)前運(yùn)行方向不同的相鄰格子的G值適當(dāng)提高了代價(jià)，從而可在尋路時(shí)優(yōu)先選擇與無人機(jī)同方向的下一格子。
3.2室內(nèi)避障及地圖更新
為了能夠探測環(huán)境中的障礙及障礙的位置，在無人機(jī)上裝備Multiranger板，在4個方向上(前、后、左、右)分別裝備激光傳感器，在飛行過程中收集4個傳感器傳送回的距離數(shù)據(jù)，根據(jù)障礙探測算法確定相鄰格子出現(xiàn)的障礙，根據(jù)方向?qū)⒌貓D中的相鄰位置填上障礙標(biāo)記。實(shí)線為在S'網(wǎng)格探測到前方存在障礙后，將障礙標(biāo)記更新到地圖中，重新調(diào)用A*算法規(guī)劃出的新路線。無人機(jī)在S'格需要進(jìn)行轉(zhuǎn)向，按新路徑飛行到E。
3.3基于規(guī)劃路線的貝葉斯定位準(zhǔn)確率的進(jìn)一步提升
由于網(wǎng)格空間是人為劃分的，兩個網(wǎng)格相交處沒有明顯的界限。在實(shí)驗(yàn)中發(fā)現(xiàn)，出現(xiàn)分類錯誤往往是在兩個網(wǎng)格交界的地方。在實(shí)驗(yàn)過程中總結(jié)出兩種有關(guān)定位與飛行路線不吻合的情況：①無人機(jī)飛行路線正確，但貝葉斯預(yù)測為相鄰網(wǎng)格，解決方法是通過使無人機(jī)在此處上飛，下飛n次，取與飛行路線吻合的那次判斷;②無人機(jī)受動作噪聲影響，偏離路徑。
如果①中所有n次都與飛行路線所定網(wǎng)格不同，按投票方法選取預(yù)測多的那個網(wǎng)格對無人機(jī)進(jìn)行定位，重新規(guī)劃飛行路線。由于選取的貝葉斯方法的泛化準(zhǔn)確率比較高，再以規(guī)劃路線及實(shí)際飛行情況輔助提高準(zhǔn)確率，實(shí)驗(yàn)中可以完成無人機(jī)的室內(nèi)飛行精確定位，正確導(dǎo)航其從起點(diǎn)飛行到終點(diǎn)，并可準(zhǔn)確避障飛行。
4結(jié)論
1)在室內(nèi)環(huán)境中，通過無人機(jī)定位完成室內(nèi)導(dǎo)航研究中，使用錨節(jié)點(diǎn)作為已知節(jié)點(diǎn)，將其信號覆蓋空間劃分成網(wǎng)格。根據(jù)無人機(jī)在不同網(wǎng)格中接收到與各個錨節(jié)點(diǎn)的距離信息，分別使用三種機(jī)器學(xué)習(xí)方法進(jìn)行訓(xùn)練分析后，選定貝葉斯方法作為定位方法。無人機(jī)在飛行過程中不斷通過預(yù)測方法獲得自己所在位置后使用A*算法進(jìn)行尋路，并利用裝備的激光傳感器來探測周圍障礙情況，根據(jù)位置、障礙實(shí)時(shí)更新網(wǎng)格地圖，調(diào)整導(dǎo)航路線直至到達(dá)終點(diǎn)。
2)為了簡化操作，本研究中的地圖只使用了地面一層的平面地圖，A*算法是在平面地圖中進(jìn)行的。后續(xù)可以將算法擴(kuò)充為立體地圖并基于立體地圖進(jìn)行3D導(dǎo)航的研究。貝葉斯方法的訓(xùn)練過程需要事先采集各個網(wǎng)格的數(shù)據(jù)，這個過程費(fèi)時(shí)而且高空不容易進(jìn)行，所以需要進(jìn)一步研究合適的采集方法從而簡化空間數(shù)據(jù)的訓(xùn)練過程，增強(qiáng)方法的實(shí)用性。
無人機(jī)方向評職知識：無人機(jī)應(yīng)用研究論文發(fā)表要求高嗎
無人機(jī)飛行技術(shù)發(fā)展突飛猛進(jìn)，關(guān)于無人機(jī)應(yīng)用方面的研究論文有很多，有作者問發(fā)表無人機(jī)應(yīng)用研究論文發(fā)表要求高嗎?不同級別的期刊對論文發(fā)表要求不一樣，核心期刊比普刊要高一些，不過不論是哪個級別的期刊，論文發(fā)表都要保證查重率合格。
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/20667.html
