无人机室内导航方法、装置、设备和存储介质与流程

本发明涉及无人机导航领域，尤其涉及无人机室内导航方法、装置、设备和存储介质。

背景技术：

目前的能实现自主飞行的无人机依赖卫星信号给出位置信息，根据位置信息再使用已有地图规划路径，然而在室内，隧道等有遮蔽物的环境中无人机无法接收到gps信号，因此，无人机室内定位和导航通常为以下方式：

1.基于蓝牙低功耗或者无线网络的定位，这种技术要想达到较高精度，需要提前在室内部署蓝牙信号源网格，再通过在客户端计算信号强度来定位，使得室内定位成本较高；

2.基于蜂窝网络的定位，这种技术不要求任何前置网络部署，普通能接收手机信号的设备都可以通过对比多个基站的信号来定位。但是难以保证定位精度；

3.基于射频识别的定位技术，这种技术要求提前部署射频识别设备，室内导航定位的精度也不是很理想；

4.视觉定位，这种定位系统可以利用摄像头采集周围环境的图像，通过和提前录入的信息对比从而确定位置，这种方式无法确定相同布局的不同分区(比如酒店装修一样的不同房间)，而且由于环境的多变，在相对狭小的空间内，无人机可能无法顺利的避障。

上述方式无人机在飞行过程中无法得到自身与周围环境实际状态，在无人机周围出现突发状况时，无人机无法做出及时反应，导致无人机很难在室内环境下进行自主定位和导航。

技术实现要素：

本发明的主要目的在于提供一种无人机室内导航方法、装置、设备和存储介质，旨在解决当前无人机室内导航成本较高精度较低的技术问题。

为实现上述目的，本发明提供无人机室内导航方法，所述无人机室内导航方法包括以下步骤：

在接收到无人机导航请求时，获取无人机的初始位置和目的位置；

通过所述无人机中的第一采集装置采集所述无人机的运行状态信息，通过所述无人机中的第二采集装置采集所述初始位置处不同高度和不同拍摄角度的周边环境信息；

根据所述运行状态信息和所述周边环境信息构建拍摄对象的特征点云，处理所述特征点云得到所述拍摄对象的点云模型；

将所述点云模型与预设bim模型叠加得到叠加模型，根据所述叠加模型生成到达所述目的位置的导航路线，并控制所述无人机按所述导航路线运行。

在一实施例中，所述在接收到无人机导航请求时，获取无人机的初始位置和目的位置的步骤，包括：

在接收到无人机导航请求时，获取所述无人机当前所处建筑的建筑标识，及所述建筑标识关联的预设bim模型；

基于所述预设bim模型构建三维坐标系，将所述无人机当前位置的三维坐标作为所述无人机的初始位置，获取所述无人机导航请求对应的导航目的地，将所述导航目的地的三维作为所述无人机的目的位置。

在一实施例中，所述第一采集装置包括至少一个惯性测量器和至少一个感知摄像头，所述第二采集装置包括至少一个深度摄像头；

所述通过所述无人机中的第一采集装置采集所述无人机的运行状态信息，通过所述无人机中的第二采集装置采集所述初始位置处不同高度和不同拍摄角度的周边环境信息的步骤，包括：

在所述初始位置处调整无人机的高度和拍摄角度，通过所述惯性测量器采集所述无人机的方向信息，通过所述感知摄像头采集特征图像，分析所述特征图像得到所述无人机的相对位置信息，将所述方向信息和所述相对位置信息作为所述无人机的运行状态信息；

通过所述深度摄像头发射红外线脉冲至拍摄对象，接收所述拍摄对象反射的红外线脉冲及所述红外线脉冲的反射时间，处理所述反射时间获得拍摄对象的深度图像信息，将所述深度图像信息作为周边环境信息。

在一实施例中，所述根据所述运行状态信息和所述周边环境信息构建拍摄对象的特征点云，处理所述特征点云得到所述拍摄对象的点云模型的步骤，包括：

提取所述运行状态信息中的方向信息和相对位置信息，将所述方向信息和所述相对位置信息进行迭代，得到所述无人机中第一采集装置的姿态变化值；

提取所述周边环境信息中的深度图像信息，按所述姿态变化值迭代所述深度图像信息，获得所述无人机拍摄对象的特征点云；

通过预设的slam算法处理所述特征点云，获得所述拍摄对象的点云模型。

在一实施例中，所述将所述点云模型与预设bim模型叠加得到叠加模型，根据所述叠加模型生成到达所述目的位置的导航路线，并控制所述无人机按所述导航路线运行的步骤，包括：

确定预设bim模型中所述初始位置对应的基准位置，将所述点云模型中的边缘信息与所述预设bim模型中所述基准位置处的边缘信息进行比对，得到所述点云模型与所述预设bim模型的最小距离；

将所述点云模型与预设bim模型按所述最小距离进行叠加，得到叠加模型；

根据所述叠加模型从所述初始位置处进行路径追溯，得到到达所述目的位置处的导航路线，并控制所述无人机按所述导航路线运行。

在一实施例中，所述根据所述叠加模型从所述初始位置处进行路径追溯，得到到达所述目的位置处的导航路线，并控制所述无人机按所述导航路线运行的步骤，包括：

从所述叠加模型中所述初始位置处沿所述目的位置进行路径追溯，判断追溯路径中是否存在障碍物、追溯路径重复率是否大于预设重复率和/或是否存在至少两条追溯路径；

若追溯路径中存在障碍物，则更换路径追溯方向；若追溯路径重复率大于预设重复率，则放弃追溯路径；和/或若得到至少两条追溯路径，则将距离最短的追溯路径作为无人机导航路线，并控制所述无人机按所述导航路线运行。

在一实施例中，所述将所述点云模型与预设bim模型叠加得到叠加模型，根据所述叠加模型生成到达所述目的位置的导航路线，并控制所述无人机按所述导航路线运行的步骤之后，包括：

在监测到所述无人机偏离所述导航路线时，发送路线控制指令至所述无人机，以使所述无人机回归所述导航路线；

若预设时间段内所述无人机没有回归所述导航路线，则发送信息采集指令至所述无人机，以使所述无人机反馈当前运行参数；

接收所述无人机反馈的当前运行参数，若所述当前运行参数异常，则输出提示信息。

此外，为实现上述目的，本发明还提供一种无人机室内导航装置，所述无人机室内导航装置包括：

请求接收模块，用于在接收到无人机导航请求时，获取无人机的初始位置和目的位置；

信息采集模块，用于通过所述无人机中的第一采集装置采集所述无人机的运行状态信息，通过所述无人机中的第二采集装置采集所述初始位置处不同高度和不同拍摄角度的周边环境信息；

模型构建模块，用于根据所述运行状态信息和所述周边环境信息构建拍摄对象的特征点云，处理所述特征点云得到所述拍摄对象的点云模型；

路线生成模块，用于将所述点云模型与预设bim模型叠加得到叠加模型，根据所述叠加模型生成到达所述目的位置的导航路线，并控制所述无人机按所述导航路线运行。

此外，为实现上述目的，本发明还提供一种无人机室内导航设备；

所述无人机室内导航设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：

所述计算机程序被所述处理器执行时实现如上所述的无人机室内导航方法的步骤。

此外，为实现上述目的，本发明还提供计算机存储介质；

所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的无人机室内导航方法的步骤。

本发明实施例提出的一种无人机室内导航方法、装置、设备和存储介质，终端在接收到无人机导航请求时，获取无人机的初始位置和目的位置；通过所述无人机中的第一采集装置采集所述无人机的运行状态信息，通过所述无人机中的第二采集装置采集所述初始位置处不同高度和不同拍摄角度的周边环境信息；根据所述运行状态信息和所述周边环境信息构建拍摄对象的特征点云，处理所述特征点云得到所述拍摄对象的点云模型；将所述点云模型与预设bim模型叠加得到叠加模型，根据所述叠加模型生成到达所述目的位置的导航路线，并控制所述无人机按所述导航路线运行。本实施例的技术方案中不需要额外的硬件费用，通过叠加模型准确地确定建筑构件、门窗等无人机导航障碍物的信息，使得无人机可以更好的避障，减少事故发生率，实现了无人机室内自动导航，提高了无人机室内导航的精度。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；

图2为本发明无人机室内导航方法第一实施例的流程示意图；

图3为本发明无人机室内导航装置一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端(又叫无人机室内导航设备，其中，无人机室内导航设备可以是由单独的无人机室内导航装置构成，也可以是由其他装置与无人机室内导航装置组合形成)结构示意图。

本发明实施例终端可以固定终端，也可以是移动终端，如，带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、pc(personalcomputer)个人计算机、智能手机、平板电脑、电子书阅读器、便携计算机等。

如图1所示，该终端可以包括：处理器1001，例如，中央处理器centralprocessingunit，cpu)，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真wireless-fidelity，wifi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如，磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、音频电路、wifi模块；输入单元，比显示屏，触摸屏；网络接口可选除无线接口中除wifi外，蓝牙、探针等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，该计算机软件产品存储在一个存储介质(存储介质：又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等，存储介质可以是非易失性可读存储介质，如ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的计算机程序，并执行本发明以下实施例提供的无人机室内导航方法中的步骤。

基于上述硬件运行环境的提出了本发明无人机室内导航方法的实施例。

在本发明无人机室内导航方法的实施例中，需要室内空间中的两个点，实时生成的点云模型，就可以自动规划出无人机室内导航的路线，使得无人机进行导航，具体地：

参照图2，在本发明一种无人机室内导航方法的第一实施例中，所述无人机室内导航方法包括：

步骤s10，在接收到无人机导航请求时，获取无人机的初始位置和目的位置。

本实施例中无人机室内导航方法应用于终端(又叫无人机室内导航设备)，终端与无人机通信连接，终端可以对无人机进行控制，无人机中预设采集装置，采集装置用于采集无人机周边环境信息和无人机运行状态信息(无人机运行状态信息无人机的运行方向和相对位移信息)，采集装置包括但不仅限于惯性测量器、感知摄像头和深度摄像头，惯性测量器、感知摄像头和深度摄像头的具体数量不作限定，无人机将采集到的周边环境信息和无人机运行状态信息发送至终端，终端通过处理周边环境信息和无人机运行状态信息，得到无人机室内导航路线，实现无人机准确导航。

具体地，终端接收无人机导航请求，无人机导航请求的触发方式不作具体限定，即，无人机导航请求可以用户主动触发的，例如，用户在终端显示界面上点击无人机导航对应的按键，以触发无人机导航请求；此外，无人机导航请求还可以是终端自动触发的，例如，终端中预设无人机导航请求触发条件：每天凌晨触发无人机导航请求，以采集xxx楼层信息，终端在到达到凌晨时，自动触发无人机导航请求。

终端在接收到无人机导航请求时，终端获取无人机的初始位置和目的位置，无人机的初始位置和目的位置可以是用户设置的；例如，用户终端上输入无人机的初始位置为：xxx建筑3楼层1房间，目的位置为：xxx建筑2楼层3房间。

本实施例中给出了一种确定无人机初始位置和目的位置的具体实现方式，包括以下步骤：

步骤a1，在接收到无人机导航请求时，获取所述无人机当前所处建筑的建筑标识，及所述建筑标识关联的预设bim模型；

步骤a2，基于所述预设bim模型构建三维坐标系，将所述无人机当前位置的三维坐标作为所述无人机的初始位置，获取所述无人机导航请求对应的导航目的地，将所述导航目的地的三维作为所述无人机的目的位置。

即，终端在接收到无人机导航请求时，终端获取无人机当前所处建筑的建筑标识(建筑标识是指唯一识别建筑物的标识信息，例如，建筑名称，或者建筑位置信息)，终端获取建筑标识关联的预设bim模型(预设bim模型是指预先设置的建筑标识关联的bim模型(buildinginformationmodeling模型)，bim模型中包含有建筑物的)；总的基于预设bim模型构建三维坐标系，终端将无人机当前位置的三维坐标作为无人机的初始位置，终端获取无人机导航请求对应的导航目的地，将导航目的地的三维作为无人机的目的位置。

本实施例中基于bim模型构建三维坐标系，准确地确定无人机的初始位置和目的位置，以实现无人机的准确导航。

步骤s20，通过所述无人机中的第一采集装置采集所述无人机的运行状态信息，通过所述无人机中的第二采集装置采集所述初始位置处不同高度和不同拍摄角度的周边环境信息。

无人机中预设采集装置，根据采集装置的用途将采集装置划分为第一采集装置和第二采集装置，第一采集装置用于采集无人机的运行状态信息，第一采集装置包括至少一个惯性测量器和至少一个感知摄像头；第二采集装置用于采集无人机周边环境信息，第二采集装置包括至少一个深度摄像头，例如，无人机携带1个惯性测量器、1个深度摄像头和4个环境感知摄像头，其中，惯性测量器负责感知无人机的方向信息，环境感知摄像头负责获得无人机的相对位移，深度摄像头负责感知无人机拍摄对象的深度图像信息，具体地，包括：

步骤b1，在所述初始位置处调整无人机的高度和拍摄角度，通过所述惯性测量器采集所述无人机的方向信息，通过所述感知摄像头采集特征图像，分析所述特征图像得到所述无人机的相对位置信息，将所述方向信息和所述相对位置信息作为所述无人机的运行状态信息；

步骤b2，通过所述深度摄像头发射红外线脉冲至拍摄对象，接收所述拍摄对象反射的红外线脉冲及所述红外线脉冲的反射时间，处理所述反射时间获得拍摄对象的深度图像信息，将所述深度图像信息作为周边环境信息。

本实施例中终端控制无人机在初始位置附近自主调整高度和拍摄角度，进行多角度拍摄得到特征图像，终端提取特征图像的特征点，终端分析特征图像得到无人机的相对位置信息，终端将方向信息和相对位置信息作为无人机的运行状态信息。终端通过深度摄像头发射红外线脉冲，通过计算反射时间来获得深度图像信息，也就是物体表面到摄像头的距离。

步骤s30，根据所述运行状态信息和所述周边环境信息构建拍摄对象的特征点云，处理所述特征点云得到所述拍摄对象的点云模型。

终端将周边环境信息中的深度图像信息转换成三维特征点云，终端将三维特征点云融合到三维网格中得到点云模型，即，终端将当前的采集装置位置发出射线与上一步的三维特征点云求交集，得到当前帧视角下的点云，同时终端计算其法向量，用来对下一帧的输入深度图像信息配准，不断地循环，获得不同视角下的特征点云，从而重建完成的拍摄对象的场景表面，形成点云模型。具体地，步骤s30包括：

步骤b1，提取所述运行状态信息中的方向信息和相对位置信息，将所述方向信息和所述相对位置信息进行迭代，得到所述无人机中第一采集装置的姿态变化值；

步骤b2，提取所述周边环境信息中的深度图像信息，按所述姿态变化值迭代所述深度图像信息，获得所述无人机拍摄对象的特征点云；

步骤b3，通过预设的slam算法处理所述特征点云，获得所述拍摄对象的点云模型。

具体地，终端提取运行状态信息中的方向信息和相对位置信息，终端将方向信息和相对位置信息进行迭代，得到无人机中第一采集装置的姿态变化值；终端提取周边环境信息中的深度图像信息，终端按姿态变化值迭代深度图像信息，获得无人机拍摄对象的特征点云；终端通过预设的slam算法(simultaneouslocalizationandmapping，同步定位与建图算法)处理特征点云，获得拍摄对象的点云模型。

本实施例中终端确定无人机的姿态变化值，用于构建拍摄对象的特征点云，并根据slam算法得到拍摄目标大致的点云模型，终端根据点云模型实时地识别非建筑构件对应的障碍物信息。

步骤s40，将所述点云模型与预设bim模型叠加得到叠加模型，根据所述叠加模型生成到达所述目的位置的导航路线，并控制所述无人机按所述导航路线运行。

终端中预设bim模型，终端根据预设bim模型确定建筑构件信息，终端根据点云模型可以确定非建筑构件信息，终端将bim模型和点云模型进行叠加得到叠加模型，叠加模型中具有建筑构件信息和非建筑构件信息等无人机导航障碍物，终端根据叠加模型生成到达目的位置的导航路线，并控制无人机按导航路线运行。具体地，步骤s30包括：

步骤c1，确定预设bim模型中所述初始位置对应的基准位置，将所述点云模型中的边缘信息与所述预设bim模型中所述基准位置处的边缘信息进行比对，得到所述点云模型与所述预设bim模型的最小距离；

步骤c2，将所述点云模型与预设bim模型按所述最小距离进行叠加，得到叠加模型；

步骤c3，根据所述叠加模型从所述初始位置处进行路径追溯，得到到达所述目的位置处的导航路线，并控制所述无人机按所述导航路线运行。

终端确定预设bim模型中初始位置对应的基准位置，终端将点云模型中拍摄对象图像与预设bim模型中基准位置处图像进行比对，得到两张图象边缘特征点距离最小距离，终端将点云模型与预设bim模型按最小距离进行叠加，得到叠加模型。终端根据叠加模型从初始位置处进行路径追溯，得到到达目的位置处的导航路线，并控制无人机按导航路线运行。

本实施例的技术方案中不需要额外的硬件费用，通过叠加模型准确地确定建筑构件、门窗等无人机导航障碍物的信息，使得无人机可以更好的避障，减少事故发生率，实现了无人机室内自动导航，提高了无人机室内导航的精度。

进一步地，在本发明第一实施例的基础上，提出了本发明无人机室内导航方法的第二实施例。

本实施例是第一实施例中步骤s40的细化，本实施例与本发明第一实施例的区别在于：

步骤s41，从所述叠加模型中所述初始位置处沿所述目的位置进行路径追溯，判断追溯路径中是否存在障碍物、追溯路径重复率是否大于预设重复率和/或是否存在至少两条追溯路径；

终端从叠加模型中初始位置处沿目的位置进行路径追溯，即，叠加模型中包含建筑构件信息和非建筑构件信息，终端将建筑构件信息和非建筑构件信息作为障碍物，终端避开障碍物进行路径追溯，具体地，终端判断追溯路径中是否存在障碍物(障碍物可以是墙体、灯具、装饰品等等)，追溯路径重复率是否大于预设重复率(预设重复率是指预先设置全路径与重复路径的比例，例如，预设重复率设置为30％)和/或是否存在至少两条追溯路径。

步骤s42，若追溯路径中存在障碍物，则更换路径追溯方向；若追溯路径重复率大于预设重复率，则放弃追溯路径；和/或若得到至少两条追溯路径，则将距离最短的追溯路径作为无人机导航路线，并控制所述无人机按所述导航路线运行。

若追溯路径中存在障碍物，终端确定该路径到达尽头，终端更换路径追溯方向；若追溯路径重复率大于预设重复率，终端判定该路径为重复路径，则放弃追溯路径；和/或若得到至少两条追溯路径，终端将距离最短的追溯路径作为无人机导航路线，并控制无人机按导航路线运行。本实施例中给出了路径生成方式，有效地保证了无人机导航路线的合理性，使得无人机导航更加准确。

进一步地，在本发明上述实施例的基础上，提出了本发明无人机室内导航方法的第三实施例。

本实施例是第一实施例中步骤s40之后的步骤，本实施例与本发明第一实施例的区别在于：

步骤s50，在监测到所述无人机偏离所述导航路线时，发送路线控制指令至所述无人机，以使所述无人机回归所述导航路线。

终端实时地监测无人机的运行路径信息，运行路径信息包括运行速度，运行路线和运行时间等等，终端根据无人机的运行路径信息，判断无人机是否偏离导航路线，若无人机偏离导航路线，终端发送路线控制指令至无人机，以使无人机根据路线控制指令回归导航路线。

步骤s60，若预设时间段内所述无人机没有回归所述导航路线，则发送信息采集指令至所述无人机，以使所述无人机反馈当前运行参数。

若预设时间段内(预设时间段根据具体场景设置，例如预设时间段设置为2分钟)无人机没有回归导航路线，终端发送信息采集指令至无人机，无人机接收终端发送的采集指令，无人机获取当前运行参数，运行参数包括运行时间、运行路线，无人机将当前运行参数反馈至移动终端。

步骤s70，接收所述无人机反馈的当前运行参数，若所述当前运行参数异常，则输出提示信息。

终端接收无人机反馈的当前运行参数，终端将当前运行参数与预设的标准运行参数进行比较，判断当前运行参数是否符合标准运行参数，若当前运行参数不符合标准运行参数，终端确定当前运行参数异常，终端判定无人机故障，终端输出提示信息。本实施例中终端对无人机的运行状态进行监测，在无人机故障时，终端可以实时地输出提示信息，进行无人机的及时维修。

此外，参照图3，本发明实施例还提出一种无人机室内导航装置，所述无人机室内导航装置包括：

请求接收模块10，用于在接收到无人机导航请求时，获取无人机的初始位置和目的位置；

信息采集模块20，用于通过所述无人机中的第一采集装置采集所述无人机的运行状态信息，通过所述无人机中的第二采集装置采集所述初始位置处不同高度和不同拍摄角度的周边环境信息；

模型构建模块30，用于根据所述运行状态信息和所述周边环境信息构建拍摄对象的特征点云，处理所述特征点云得到所述拍摄对象的点云模型；

路线生成模块40，用于将所述点云模型与预设bim模型叠加得到叠加模型，根据所述叠加模型生成到达所述目的位置的导航路线，并控制所述无人机按所述导航路线运行。

在一实施例中，所述第一采集装置包括至少一个惯性测量器和至少一个感知摄像头，所述第二采集装置包括至少一个深度摄像头；

所述信息采集模块20，包括：

第一采集模块，用于在所述初始位置处调整无人机的高度和拍摄角度，通过所述惯性测量器采集所述无人机的方向信息，通过所述感知摄像头采集特征图像，分析所述特征图像得到所述无人机的相对位置信息，将所述方向信息和所述相对位置信息作为所述无人机的运行状态信息；

第二采集模块，用于通过所述深度摄像头发射红外线脉冲至拍摄对象，接收所述拍摄对象反射的红外线脉冲及所述红外线脉冲的反射时间，处理所述反射时间获得拍摄对象的深度图像信息，将所述深度图像信息作为周边环境信息。

在一实施例中，所述模型构建模块30，包括：

姿态计算单元，用于提取所述运行状态信息中的方向信息和相对位置信息，将所述方向信息和所述相对位置信息进行迭代，得到所述无人机中第一采集装置的姿态变化值；

点云确定单元，用于提取所述周边环境信息中的深度图像信息，按所述姿态变化值迭代所述深度图像信息，获得所述无人机拍摄对象的特征点云；

模型生成单元，用于通过预设的slam算法处理所述特征点云，获得所述拍摄对象的点云模型。

在一实施例中，所述路线生成模块40，包括：

信息比对子模块，用于确定预设bim模型中所述初始位置对应的基准位置，将所述点云模型中的边缘信息与所述预设bim模型中所述基准位置处的边缘信息进行比对，得到所述点云模型与所述预设bim模型的最小距离；

模型叠加子模块，用于将所述点云模型与预设bim模型按所述最小距离进行叠加，得到叠加模型；

路线生成子模块，用于根据所述叠加模型从所述初始位置处进行路径追溯，得到到达所述目的位置处的导航路线，并控制所述无人机按所述导航路线运行。

在一实施例中，所述路线生成子模块，包括：

追溯判断单元，用于从所述叠加模型中所述初始位置处沿所述目的位置进行路径追溯，判断追溯路径中是否存在障碍物、追溯路径重复率是否大于预设重复率和/或是否存在至少两条追溯路径；

控制运行单元，用于若追溯路径中存在障碍物，则更换路径追溯方向；若追溯路径重复率大于预设重复率，则放弃追溯路径；和/或若得到至少两条追溯路径，则将距离最短的追溯路径作为无人机导航路线，并控制所述无人机按所述导航路线运行。

在一实施例中，所述的无人机室内导航装置，包括：

路线监测模块，用于在监测到所述无人机偏离所述导航路线时，发送路线控制指令至所述无人机，以使所述无人机回归所述导航路线；

指令发送模块，用于若预设时间段内所述无人机没有回归所述导航路线，则发送信息采集指令至所述无人机，以使所述无人机反馈当前运行参数；

提示输出模块，用于接收所述无人机反馈的当前运行参数，若所述当前运行参数异常，则输出提示信息。

其中，无人机室内导航装置的各个功能模块实现的步骤可参照本发明无人机室内导航方法的各个实施例，此处不再赘述。

此外，本发明实施例还提出一种计算机存储介质。

所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的无人机室内导航方法中的操作。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。