无人机的控制方法及系统、无人机设备、远程控制设备与流程

本申请涉及无人机检测技术领域，尤其涉及一种无人机的控制方法及系统、无人机设备、远程控制设备。

背景技术：

随着无人机技术的发展，无人机所涉及的领域越来越多，比如航拍、工业检测、农业、植保、微型自拍、快递运输、灾难救援等领域，其中，无人机在工作时，无人机的控制系统一般利用以卫星定位为主的组合定位定向模组获取无人机的位姿信息，以根据位姿信息控制无人机进行精准飞行。

但是，在卫星信号较弱的地点，监测无人机所获取的位姿信息通常具有一定的延迟，其中的位置信息甚至会偏离实际位置所对应的信息，这就会导致无人机对当前位置的误判，极容易造成无人机的损坏。

技术实现要素：

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种无人机的控制方法及系统、无人机设备、远程控制设备。

根据本申请的第一方面，提供一种无人机的控制方法，应用于无人机设备，包括：

获取三维激光雷达采集的实时三维激光点云数据以及惯性导航单元采集的实时惯导数据；

按照预设融合算法根据所述实时三维激光点云数据和所述实时惯导数据得到无人机当前飞行位姿数据；

根据所述当前飞行位姿数据和目标飞行位姿数据得到飞行调整控制参数；所述目标飞行位姿数据为根据预先获取的初始模型中的初始三维激光点云数据运算得到的；所述初始模型为利用所述初始三维激光点云数据预先构建的待检测物件的模型；

按照所述飞行调整控制参数将无人机的当前飞行位姿调整为目标飞行位姿；所述目标飞行位姿为所述目标飞行位姿数据对应的飞行位姿。

可选的，控制方法还包括：

获取无人机搭载的云台相机的当前拍摄角度；

根据所述当前飞行位姿数据得到目标拍摄角度；

根据所述当前拍摄角度和所述目标拍摄角度得到拍摄角度调整参数；

根据所述拍摄角度调整参数控制所述云台相机从所述当前拍摄角度调整到所述目标拍摄角度。

可选的，在按照预设融合算法根据所述实时三维激光点云数据和所述实时惯导数据得到无人机当前飞行位姿数据之后，且在根据所述当前飞行位姿数据和目标飞行位姿数据得到飞行调整控制参数之前，还包括：

根据多组所述实时三维激光点云数据和多组所述当前飞行位姿数据构建所述无人机预设范围的局部地图；

根据所述局部地图进行碰撞检测，以判断所述预设范围内是否存在障碍物；

当判断存在障碍物时，根据所述局部地图得到避障飞行位姿数据；

将所述目标飞行位姿数据中的数据内容替换为所述避障飞行位姿数据中的数据内容；

当判断不存在障碍物时，保持所述目标飞行位姿数据中的数据内容不变。

可选的，控制方法还包括：

获取待检测物件的预设模型数据；所述模型数据中包括多组预设三维激光点云数据；

从所述多组预设三维激光点云数据得到与所述实时三维激光点云数据相匹配的目标三维激光点云数据；

根据所述目标三维激光点云数据和所述实时三维激光点云数据将所述无人机的坐标系转换为所述预设模型数据中的目标坐标系。

可选的，所述按照预设融合算法根据所述实时三维激光点云数据和所述实时惯导数据得到无人机当前飞行位姿数据，包括：

根据所述实时三维激光点云数据得到无人机当前的第一位姿数据；

根据所述实时惯导数据得到无人机当前的第二位姿数据；

按照预设融合算法对所述第一位姿数据和所述第二位姿数据进行融合，得到无人机当前飞行位姿数据。

可选的，所述控制方法还包括：

获取远程终端设备发送的优化飞行轨迹；

根据所述优化飞行轨迹更新目标飞行轨迹。

根据本申请的第二方面，提供一种无人机的控制方法，应用于远程控制设备，包括：

根据多组局部地图构建全局地图；所述局部地图由无人机设备根据多组实时三维激光点云数据和多组当前飞行位姿数据构建得到；所述当前飞行位姿数据由所述无人机端按照预设融合算法根据三维激光雷达采集的实时三维激光点云数据和惯性导航单元采集的实时惯导数据得到；

根据所述全局地图构建优化飞行轨迹；

将所述优化飞行轨迹发送到无人机设备，以使所述无人机设备根据所述优化飞行轨迹更新目标飞行轨迹；所述目标飞行轨迹包括所有目标飞行位姿数据；所述目标飞行位姿数据为根据预先获取的初始模型中的初始三维激光点云数据运算得到的；所述初始模型为利用所述初始三维激光点云数据预先构建的待检测物件的模型。

可选的，所述根据所述全局地图构建优化飞行轨迹，包括：

根据所述全局地图构建多条安全飞行轨迹；

根据排序条件按照预设排序次序对多条所述安全飞行轨迹进行排序；

将首条安全飞行轨迹设置为所述优化飞行轨迹。

根据本申请的第三方面，提供一种无人机设备，包括：

无人机本体；

搭载于所述无人机本体上的传感器组件、第一处理器以及与所述第一处理器相连接的第一存储器；

所述传感器组件至少包括用于采集实时三维激光点云数据的三维激光雷达和用于采集实时惯导数据的惯性导航单元；

所述第一存储器用于存储第一计算机程序，所述第一计算机程序至少用于执行本申请第一方面所述的无人机的控制方法；

所述第一处理器用于调用并执行所述第一存储器中的所述第一计算机程序以控制所述无人机本体的飞行状态。

根据本申请的第四方面，提供一种远程控制设备，包括：

第二处理器、与所述第二处理器相连接的通信组件和第二存储器；

所述第二存储器用于存储第二计算机程序，所述第二计算机程序至少用于执行本申请第二方面所述的无人机的控制方法；

所述第二处理器用于调用并执行所述第二存储器中的所述第二计算机程序以控制所述通信组件将优化飞行轨迹发送给无人机设备。

根据本申请的第五方面，提供一种无人机的控制系统，其特征在于，包括：

如权本申请第三方面所述的无人机设备和如本申请第四方面所述的远程控制设备。

本申请提供的技术方案可以包括以下有益效果：利用融合算法，根据获取到的实时三维激光点云数据和实时惯导数据得到无人机当前飞行位姿数据，然后根据目标飞行位姿数据和当前飞行位姿数据调整无人机的飞行位姿，使无人机的飞行位姿调整为目标飞行位姿数据对应的目标飞行位姿，本申请的技术方案利用了三维激光雷达采集的三维激光点云数据和惯性导航单元采集的实时惯导数据运算得到无人机当前飞行位姿数据，从而实现对无人机的定位，不再利用卫星信号实现定位，在弱卫星信号环境下，利用本申请的技术方案仍然可以对无人机进行准确定位。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请的一个实施例提供的一种无人机的控制方法的流程示意图。

图2是本申请的另一实施例提供的一种无人机的控制方法的流程示意图。

图3是本申请的另一实施例提供的一种无人机的控制方法中对云台相机拍摄角度控制的流程示意图。

图4是本申请的另一实施例提供的一种无人机的控制方法的流程示意图。

图5是本申请的另一实施例提供的一种无人机设备的结构示意图。

图6是本申请的另一实施例提供的一种远程控制设备的结构示意图。

图7是本申请的另一实施例提供的一种无人机的控制系统的结构示意图。

图8是本申请的一个实施例提供的角度控制串级反馈控制环的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

请参阅图1，图1是本申请的一个实施例提供的一种无人机的控制方法的流程示意图。本实施例以无人机设备和远程控制设备之间的交互为例进行说明。

如图1所示，本实施例提供的无人机的控制方法可以包括：

步骤s101、无人机设备获取三维激光雷达采集的实时三维激光点云数据。

三维激光雷达为搭载在无人机设备上的传感设备之一，其中，三维激光雷达在工作时，其发射器会发射三维激光，三维激光打在待检测物体上发生反射，反射回来的激光最终被三维激光雷达的接收器接收，由于光的传播速度是已知的，通过获取发射器发射激光的时间以及接收器接收反射光的时间，便可以计算出激光反射点的三维坐标，该激光反射点就是待检测物件表面的某一点，在预设的时间段内获取到的所有的三维坐标集合为本实施中的实时三维激光点云数据。

步骤s102、无人机设备获取惯性导航单元采集的实时惯导数据。

惯性导航单元同样为搭载在无人机设备上的传感设备之一，惯性导航单元以陀螺和加速度计为敏感器件，利用陀螺的输出建立导航坐标系，根据加速度计的输出解算出无人机设备在导航坐标系中的速度和位置，本实施例中的惯性导航单元采集的实时惯导数据包括上述导航坐标系、速度和位置。

步骤s103、无人机设备向远程控制设备发送模型获取请求。

步骤s104、远程控制设备接收模型获取请求。

步骤s105、远程控制设备根据模型获取请求从数据库中获取对应的预设模型数据。

需要说明的是，预设模型数据为待检测物件的三维模型，该预设模型数据是无人机对待检测物件进行初始建模时，通过采集其初始三维激光点云数据，完成对待检测物件的初始建模，也就是说，预设模型数据是由初始三维激光点云数据构成的。为了避免后续说明中出现歧义，后文中均将初始三维激光点云数据称为预设三维激光点云数据。

步骤s106、远程控制设备将预设模型数据发送给无人机设备。

步骤s107、无人机设备接收预设模型数据。

步骤s108、无人机设备从预设模型数据中的多组预设三维激光点云数据中得到与实时三维激光点云数据相匹配的目标三维激光点云数据。

其中，此处相匹配的意思可以指目标三维激光点云数据与实时三维激光点云数据的相似率达到预设阈值。由于无人机在初始启动时，其坐标系与目标飞行轨迹的坐标系是不同的，因此，需要对无人机进行初始定位，也就是初始化坐标系，将无人机的坐标系转换成预设模型数据中的坐标系。

需要说明的是，此处所指的目标飞行轨迹是由多组目标飞行位姿数据组成，而目标飞行位姿数据是通过对预设模型数据中的预设三维激光点云数据计算得到。

步骤s109、无人机设备根据目标三维激光点云数据和实时三维激光点云数据将无人机的坐标系转换为预设模型数据中的目标坐标系。

坐标系的转换需要依靠旋转矩阵和平移量进行计算，无人机坐标系一般选择无人机自身作为坐标原点，该坐标原点一直处于运动的状态，因此，利用坐标系的关系，直接将无人机坐标系中点的坐标值转换成目标坐标系中的坐标值。

本实施例中，旋转矩阵可以依靠欧拉角得到，旋转矩阵可以如下式：

其中，r3×3表示旋转矩阵，(α，β，γ)为欧拉角，用来表示无人机的旋转。

平移量可以表示为：p3×1＝[txtytz]

其中，p3×1表示平移量，tx表示x轴方向的平移量，ty表示y轴方向的平移量，tz表示z轴方向上的平移量。

无人机坐标系中某点的坐标值vuav转换为目标坐标系中的坐标值vref的转换公式即vref＝r3×3×vuav+p3×1。

步骤s110、无人机设备计算出预设模型数据中的预设三维激光点云数据对应的目标飞行位姿数据。

步骤s111、无人机设备按照预设融合算法根据实时三维激光点云数据和实时惯导数据得到无人机当前飞行位姿数据。

具体的，可以根据实时三维激光点云数据得到无人机当前的第一位姿数据；然后根据实时惯导数据得到无人机当前的第二位姿数据；最后按照预设融合算法对第一位姿数据和第二位姿数据进行融合，得到无人机当前飞行位姿数据。

需要说明的是，此处的预设融合算法可以但不仅限于为slam融合算法，只要是能够做到在不丢失第一位姿数据和第二位姿数据各自特性的情况下将第一位姿数据和第二位姿数据得到一组位姿数据就可以。

步骤s112、无人机设备根据多组实时三维激光点云数据和多组当前飞行位姿数据构建无人机预设范围的局部地图。

步骤s113、无人机设备根据局部地图进行碰撞检测，以判断预设范围内是否存在障碍物。

需要说明的是，在进行碰撞检测时，可以将无人机本体设置为中心点，以预设距离为半径，对得到的球体进行碰撞检测，以预先检测无人机按照目标飞行轨迹飞行时，该球体会不会碰撞到待检测物件的表面，该预设距离可以进行调整，以适应不同的精度要求。

步骤s114、当判断存在障碍物时，无人机设备根据局部地图得到避障飞行位姿数据；并将目标飞行位姿数据中的数据内容替换为避障飞行位姿数据中的数据内容。

其中，在规划避障飞行位姿数据时，可以是上述球体刚好接触到待检测物件的表面或者与表面具有预设安全距离时的位置和姿态。

由于无人机在对待检测物件进行检测时，待检测物件的具体情况可能会与初始建模时有所不同，在目标飞行轨迹上可能会存在新的障碍物，因此，需要持续执行步骤s112～s115来实现避障。

步骤s115、当判断不存在障碍物时，无人机设备保持目标飞行位姿数据中的数据内容不变。

步骤s116、无人机设备根据当前飞行位姿数据和目标飞行位姿数据得到飞行调整控制参数。

步骤s117、无人机设备按照飞行调整控制参数将无人机的当前飞行位姿调整为目标飞行位姿。

其中，位姿的控制分为姿态控制和位置控制，对于位置控制，通过目标飞行位姿数据和当前飞行位姿数据得到位置偏差，利用位置偏差和pid控制器得到飞行调整控制参数，以控制无人机的位置，其依照的公式如下：

其中，u(n)表示飞行调整控制参数，en为位置偏差，kp1比例系数，ki1为积分时间常数，kd1为微分时间常数。

对于姿态控制，一般需要两个控制器，及角度控制器和角速度控制器，本实施例中，角度控制器和角速度控制器设置为串级反馈控制，将角速度控制器所在的环路设为内环，角度控制器所在的环路设为外环，具体可以参阅图8，图8是本申请的一个实施例提供的角度控制串级反馈控制环的结构示意图。

如图8所示，角度期望指的是无人机期望达到的俯仰角、滚转角和航向角，测量角度指的是当前飞行位姿数据中的当前俯仰角、滚转角和航向角，两两对应偏差后，输入到角度控制器中，本实施例中，角度控制器可以为比例控制器，即对上述输入的偏差进行比例运算，得到角速度期望，得出的角速度期望再与测量角速度进行偏差，得到的结果输入到角速度控制器中，本实施例中，角速度控制器可以为比例微分积分控制器，将输入的偏差结果进行比例微分积分计算后，输出飞行调整控制参数，以控制无人机的姿态。

步骤s118、无人机设备获取无人机搭载的云台相机的当前拍摄角度。

步骤s119、无人机设备根据当前飞行位姿数据得到目标拍摄角度。

步骤s120、无人机设备根据当前拍摄角度和目标拍摄角度得到拍摄角度调整参数。

步骤s121、无人机设备根据拍摄角度调整参数控制云台相机从当前拍摄角度调整到目标拍摄角度。

本实施例中，对于云台相机的控制，也可以使用上述对于无人机姿态控制的方式，对云台相机控制时，其角度期望即为目标拍摄角度，测量角速度即为云台相机转动时的角速度，具体控制过程可以参考上述对于无人机姿态的控制，此处不再赘述。

需要说明的是，云台相机的拍摄角度应当随着当前飞行位姿数据的实时变化而进行调整，当然，也可以先从预设模型数据中运算得到预设拍摄角度，控制云台相机的当前拍摄角度调整到预设拍摄角度，然后实时监控目标飞行位姿数据的数据内容是否发生改变，当发生改变时，根据更新后的目标飞行位姿数据更新预设拍摄角度，以减少无人机设备的数据运算量。

步骤s122、无人机设备将局部地图发送给远程控制设备。

步骤s123、远程控制设备接收局部地图。

步骤s124、远程控制设备根据多组局部地图构建全局地图。

步骤s125、远程控制设备根据全局地图构建多条安全飞行轨迹。

步骤s126、远程终端设备根据排序条件按照预设排序次序对多条安全飞行轨迹进行排序。

步骤s127、远程终端设备将首条安全飞行轨迹设置为优化飞行轨迹。

其中，步骤s122中的排序条件可以是安全性排序与平滑性排序相结合，其结合的具体方式可以是对安全性和平滑性进行权重计算，也可以是先对安全性排序，取预设数目个安全飞行轨迹，再对取得的安全飞行轨迹按照平滑性排序，预设排序次序可以是从高到低。

步骤s128、远程终端设备将优化飞行轨迹发送到无人机设备。

步骤s129、无人机设备接收优化飞行轨迹。

步骤s130、无人机设备根据优化飞行轨迹更新目标飞行轨迹中对应的目标飞行位姿数据的数据内容。

本实施例的方案利用融合算法，根据获取到的实时三维激光点云数据和实时惯导数据得到无人机当前飞行位姿数据，然后根据目标飞行位姿数据和当前飞行位姿数据调整无人机的飞行位姿，使无人机的飞行位姿调整为目标飞行位姿数据对应的目标飞行位姿，本申请的技术方案利用了三维激光雷达采集的三维激光点云数据和惯性导航单元采集的实时惯导数据运算得到无人机当前飞行位姿数据，从而实现对无人机的定位，不再利用卫星信号实现定位，在弱卫星信号环境下，利用本申请的技术方案仍然可以对无人机进行准确定位。

需要说明的是，本实施例中的其他相关具体说明可以参考其他实施例，此处不再赘述。

请参阅图2，图2是本申请的另一实施例提供的一种无人机的控制方法的流程示意图。

本实施例以无人机设备一侧的执行为例进行说明，如图1所示，本实施例提供的无人机的控制方法可以包括：

步骤s201、获取三维激光雷达采集的实时三维激光点云数据以及惯性导航单元采集的实时惯导数据。

本实施例中，实时三维激光点云数据为在预设的时间段内，三维激光雷达根据其发射器发射三维激光的时间和接收器接收到反射的激光的时间计算出的待检测物件表面反射点的三维坐标的集合。实时惯导数据可以包括惯性导航单元利用陀螺的输出建立的导航坐标系以及根据加速度计的输出解算出的无人机设备在导航坐标系中的速度和位置。

步骤s202、按照预设融合算法根据实时三维激光点云数据和实时惯导数据得到无人机当前飞行位姿数据。

需要说明的是，飞行位姿数据包括位置数据和姿态数据，利用实时三维激光点云数据和实时惯导数据都可以得到各自对应的位置数据和姿态数据，因此，可以直接利用预设融合算法对两组位姿数据进行融合，得到当前飞行位姿数据，这样，就可以避免使用卫星信号得到位姿数据，从而提高弱卫星信号环境下无人机设备定位的精准度。

步骤s203、根据当前飞行位姿数据和目标飞行位姿数据得到飞行调整控制参数。目标飞行位姿数据为根据预先获取的初始模型中的初始三维激光点云数据运算得到的；初始模型为利用初始三维激光点云数据预先构建的待检测物件的模型。

初始模型为对待检测物件进行初始建模时构建的模型，由于初始建模时同样可以将三维激光雷达作为传感设备，因此，该初始模型中就包括了初始三维激光点云数据，通过初始三维激光点云数据，可以计算出目标飞行位姿数据，目标飞行位姿数据即为无人机设备所要达到的飞行位姿对应的位姿数据。

本实施例中，可以利用预先存储的位置环和姿态环，根据当前飞行位姿数据和目标飞行位姿数据，得到将当前飞行位姿数据对应的飞行位姿调整到目标飞行位姿数据对应的飞行位姿的飞行调整控制参数。

步骤s204、按照飞行调整控制参数将无人机的当前飞行位姿调整为目标飞行位姿。目标飞行位姿为目标飞行位姿数据对应的飞行位姿。

本实施例的方案利用融合算法，根据获取到的实时三维激光点云数据和实时惯导数据得到无人机当前飞行位姿数据，然后根据目标飞行位姿数据和当前飞行位姿数据调整无人机的飞行位姿，使无人机的飞行位姿调整为目标飞行位姿数据对应的目标飞行位姿，本申请的技术方案利用了三维激光雷达采集的三维激光点云数据和惯性导航单元采集的实时惯导数据运算得到无人机当前飞行位姿数据，从而实现对无人机的定位，不再利用卫星信号实现定位，在弱卫星信号环境下，利用本申请的技术方案仍然可以对无人机进行准确定位。

请参阅图3，图3是本申请的另一实施例提供的一种无人机的控制方法中对云台相机拍摄角度控制的流程示意图。

为了使搭载在无人机设备的云台相机对待检测物件的拍摄角度更加准确，本申请还提供了对于云台相机拍摄角度的控制方法，如图3所示，对云台相机拍摄角度控制的流程可以包括：

步骤s301、获取无人机搭载的云台相机的当前拍摄角度。

当前拍摄角度可以是相机拍摄方向与云台相机认定的平面的角度，比如以水平面为认定的平面，而相机的拍摄方向可以设定为相机镜头中各组件的中心点构成的线。

步骤s302、根据当前飞行位姿数据得到目标拍摄角度。

无人机设备的飞行位姿不同，适合云台相机拍摄待检测物件的角度也是有所不同的，且无人机设备的飞行位姿与合适的拍摄角度具有一定的数学关系，因此，可以通过无人机设备的当前飞行位姿数据计算得到合适的拍摄角度，即目标拍摄角度。

步骤s303、根据当前拍摄角度和目标拍摄角度得到拍摄角度调整参数。

步骤s304、根据拍摄角度调整参数控制云台相机从当前拍摄角度调整到目标拍摄角度。

除此之外，也可以先从预设模型数据中运算得到预设拍摄角度，将预设拍摄角度作为前述目标拍摄角度，控制云台相机的当前拍摄角度调整到预设拍摄角度。

另外，由于无人机在对待检测物件进行检测时，待检测物件的具体情况可能会与初始建模时有所不同，在目标飞行轨迹上可能会存在新的障碍物，因此，需要进行避障，因此，在步骤s202和步骤s203之间，本实施例的方法还可以包括：根据多组实时三维激光点云数据和多组当前飞行位姿数据构建无人机预设范围的局部地图；根据局部地图进行碰撞检测，以判断预设范围内是否存在障碍物；当判断存在障碍物时，根据局部地图得到避障飞行位姿数据；将目标飞行位姿数据中的数据内容替换为避障飞行位姿数据中的数据内容；当判断不存在障碍物时，保持目标飞行位姿数据中的数据内容不变。

由于无人机在初始启动时，其坐标系与目标飞行轨迹的坐标系是不同的，因此，需要对无人机进行初始定位，也就是初始化坐标系，将无人机的坐标系转换成预设模型数据中的坐标系。具体的，初始定位的步骤可以包括：获取待检测物件的预设模型数据；模型数据中包括多组预设三维激光点云数据；从多组预设三维激光点云数据得到与实时三维激光点云数据相匹配的目标三维激光点云数据；根据目标三维激光点云数据和实时三维激光点云数据将无人机的坐标系转换为预设模型数据中的目标坐标系。

由于上述避障过程中，目标飞行位姿数据的数据内容可能会发生改变，因此可以实时监控目标飞行位姿数据的数据内容是否发生改变，当发生改变时，根据更新后的目标飞行位姿数据更新预设拍摄角度，以减少无人机设备的数据运算量。

需要说明的是，步骤s202中，得到当前飞行位姿数据的具体过程可以包括：根据实时三维激光点云数据得到无人机当前的第一位姿数据；根据实时惯导数据得到无人机当前的第二位姿数据；按照预设融合算法对第一位姿数据和第二位姿数据进行融合，得到无人机当前飞行位姿数据。

由于无人机在进行某一次检测时，对于待检测物件检测可能是很多次，因此，在第一次检测时，可以将所有的局部地图发送给远程控制设备，以使远程控制设备根据所有局部地图规划处优化飞行轨迹，因此，本实施例的方法还可以包括：获取远程终端设备发送的优化飞行轨迹；根据优化飞行轨迹更新目标飞行轨迹中对应的目标飞行位姿数据的数据内容。

需要说明的是，本实施例中的其他相关具体说明可以参考其他实施例，此处不再赘述。

请参阅图4，图4是本申请的另一实施例提供的一种无人机的控制方法的流程示意图。

本实施例中以远程控制设备侧的执行为例进行说明，如图4所示，本实施例提供的无人机的控制方法可以包括：

步骤s401、根据多组局部地图构建全局地图；局部地图由无人机设备根据多组实时三维激光点云数据和多组当前飞行位姿数据构建得到；当前飞行位姿数据由无人机端按照预设融合算法根据三维激光雷达采集的实时三维激光点云数据和惯性导航单元采集的实时惯导数据得到；

步骤s402、根据全局地图构建优化飞行轨迹；

步骤s403、将优化飞行轨迹发送到无人机设备，以使无人机设备根据优化飞行轨迹更新目标飞行轨迹；目标飞行轨迹包括所有目标飞行位姿数据；目标飞行位姿数据为根据预先获取的初始模型中的初始三维激光点云数据运算得到的；初始模型为利用初始三维激光点云数据预先构建的待检测物件的模型。

具体的，步骤s402可以包括：根据全局地图构建多条安全飞行轨迹；根据排序条件按照预设排序次序对多条安全飞行轨迹进行排序；将首条安全飞行轨迹设置为优化飞行轨迹。

其中，排序条件可以是安全性排序与平滑性排序相结合，其结合的具体方式可以是对安全性和平滑性进行权重计算，也可以是先对安全性排序，取预设数目个安全飞行轨迹，再对取得的安全飞行轨迹按照平滑性排序，预设排序次序可以是从高到低。

需要说明的是，本实施例中的其他相关具体说明可以参考其他实施例，此处不再赘述。

请参阅图5，图5是本申请的另一实施例提供的一种无人机设备的结构示意图。

如图5所示，本实施例提供的无人机设备可以包括：

无人机本体501；

搭载于无人机本体上的传感器组件502、第一处理器503以及与第一处理器相连接的第一存储器504；

传感器组件至少包括用于采集实时三维激光点云数据的三维激光雷达和用于采集实时惯导数据的惯性导航单元；

第一存储器用于存储第一计算机程序，第一计算机程序至少用于执行本申请实施例二提供的无人机的控制方法；

第一处理器用于调用并执行第一存储器中的第一计算机程序以控制无人机本体的飞行状态。

需要说明的是，本实施例中的其他相关具体说明可以参考其他实施例，此处不再赘述。

请参阅图6，图6是本申请的另一实施例提供的一种远程控制设备的结构示意图。

如图6所示，本实施例提供的远程控制设备可以包括：

第二处理器601、与第二处理器相连接的通信组件602和第二存储器603；

第二存储器用于存储第二计算机程序，第二计算机程序至少用于执行本申请实施例二提供的无人机的控制方法；

第二处理器用于调用并执行第二存储器中的第二计算机程序以控制通信组件将优化飞行轨迹发送给无人机设备。

需要说明的是，本实施例中的其他相关具体说明可以参考其他实施例，此处不再赘述。

请参阅图7，图7是本申请的另一实施例提供的一种无人机的控制系统的结构示意图。

如图7所示，本实施例提供的一种无人机的控制系统可以包括：如本申请实施例四提供的无人机设备701和如本申请实施例五提供的远程控制设备702。

需要说明的是，本实施例中的其他相关具体说明可以参考其他实施例，此处不再赘述。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。