CN102980581A - 基于不规则海岛的无人机覆盖航迹规划方法 - Google Patents

Abstract

本发明针对无人机航线规划在海岛领域的问题提出了一种基于不规则海岛的无人机覆盖航迹规划方法。本发明充分考虑到海岛航迹遍历的特殊性，即要考虑起飞点到海岛的距离，尤其是距离海岸较远的海岛，起飞点至海岛的距离将很大程度上影响海岛航线规划的总路程，本发明结合航线几何规划方法和起飞点至海岛距离等相关问题提出了一种新的最优回环航线方法，摒弃了传统不实用的航线规划方法，充分考虑到实际飞行中飞机动力等情况。该方法主要包括以下四个方面：海岛外切多边形的提取、多边形最小跨度计算、起飞点至多边形的最小距离计算、航线设计。该方法实现了海岛监测和无人机航线规划的结合，尤其在远岸海岛监测方面具有广阔前景。

Description

基于不规则海岛的无人机覆盖航迹规划方法

技术领域

本发明涉及一种无人机航拍领域的航迹规划技术，尤其涉及到一种基于不规则海岛的无人机覆盖航迹规划方法。

背景技术

由于无人机的便携带、低成本、低损耗、可重复利用、风险小以及应用领域广等优势使得无人机应用在近些年得到了广泛的发展。此后，无人机通过和遥感技术的融合，使无人机更加自动化和智能化且由于无人机的特点使得无人机遥感具有了高时效、高分辨率等特点，使其应用领域进一步扩大，覆盖了军用民用的多个方面，如军用侦查检测、早期预警和民用的资源勘测、环境监测、气象观察和处理突发事件尤其是地质性灾害等。如在08年汶川地震中就已经实现了无人机对灾区情况的实时航拍为国家的相关救援工作提供了巨大帮助。但是由于无人机的载荷、动力的限制和外在环境的影响，使得人们开始探索无人机在航迹规划方面的相关技术，用以缩短航程确保任务的完整执行并且安全返回基地。

近些年国内外众多相关学者提出了诸多无人机航迹规划算法。具体可以分为两大类，一类是传统的经典算法：数学归纳法、动态归纳法、最优控制法。但是传统的航迹规划算法存在着共同的问题：容易陷入局部最优解、计算量大、规划时间长等，这和无人机的快速机动性相悖。另一类算法也是目前无人机航迹规划中常用的算法主要包括：A-star算法、遗传算法、人工神经网络算法、蚁群算法等。其优点是灵活性强，可应变突发威胁情况，现在的很多研究更是基于这些算法进行的改进型和混合型，但这些算法均存在着规划时间长或者计算量大等不同缺陷。

而且在实际应用中，尤其是在航拍获取目的区域相关图片数据时，这些方法都展现了不同的局限性。因为在实际无人机飞行航拍中，应该保持无人机按照规划的航线进行飞行拍摄确保全区域有序覆盖，并且要保持无人机飞行高度不变以使航拍获得的照片具有相同的属性，这样才可以进行后期有效的图像拼接，而且相较于其他应用方面，在民用方面突发威胁并不常见，并不需要考虑威胁区等情况，所以在实际无人机飞行中就需要实际的航线规划方法，就要做到在无人机飞行之前对航拍区域进行系统的考察。

中国具有绵延1.8万公里的海岸线，相关的海上事务，海岛监测以及沿海岸环境状况监测是近些年发展的趋势，所以如何获取这方面的相关数据显得至关重要。卫星海洋监测和有人驾驶飞机进行航拍都暴露出不同的缺点，而无人机在这方面则体现出了机动灵活性强、实时性强、低成本、低损耗等特点。但是由于海岛分布不均情况特殊多变，并且包含近海或者远海等不同距离情况，所以基于海岛的无人机覆盖航迹规划更不同于以往的普通陆上规划方法，甚至对航迹规划的方法要求更高，普通的陆上无人机规划方法不能满足其要求。但是现在无人机航迹规划在海岛领域还处于空白阶段，几乎没有针对海岛的专门的航线规划方法，而一般陆上无人机航线规划方法又由于其局限性未充分考虑海岛的特殊性，所以不能完全照搬其规划方法应用于海岛无人机航线规划。

发明内容

本发明中的无人机覆盖航迹规划方法能够克服上述缺陷，提出了一种基于不规则海岛的无人机覆盖航线规划方法，其能够规划出一条海岛区域内最短路程，最低功耗的最优回环飞行航线。

为实现上述方法，本发明采用了如下的具体航线规划方法，其包括以下步骤：

(1)提取出不规则海岛的外切多边形；

(2)根据此外切多边形计算其最小跨度，并决定无人机飞行方向以减少转弯次数；

(3)根据海岛附近地形情况计算飞行高度，并确定起飞点至海岛外切多边形的最短距离；

(4)综合考虑转弯次数，多边形最小跨度和起飞点至海岛的最短距离来计算航线距离最小值以获得最优回环航线。

由于是关于海岛区域的覆盖航迹规划，所以要充分考虑到海岛区域的特殊性，也要充分考虑到起飞点到海岛的距离，尤其是距离海岸较远的海岛，起飞点至海岛的距离将很大程度上影响海岛航线规划的总的路程。所以本发明就针对海岛的特殊性对海岛航线进行最优规划。

所述步骤(1)中，本发明提出了一种归一化的思想：即把不规则海岛形状都近似规范取为多边形，这样在计算方面更方便更有优势。并且从面积和计算量两方面考虑，在取不规则海岛的外切多边形时尽量取四至六边形。

所述步骤(2)中，要计算多边形最小跨度首先要明确多边形最小跨度的定义，由于多边形有凹凸之分，但是凹多边形又可以切割分为若干个凸多边形，所以本发明主要考虑较为常见的凸多边形的情况。首先给出凸多边形的跨度和宽度的定义：

在平面上计算多边形的某条边与除了此边上端点之外的所有顶点之间的距离，这些距离中最大值就定义为凸多边形中此边对应的跨度D。然后依次计算其他边上对应的跨度。所有跨度中的最小值就称为凸多边形的最小跨度即宽度D_min。将此方法定义为“点边式”，由此可知，一个凸多边形能有若干个跨度，但是只有一个宽度。

在计算多边形跨度的时候，利用点边式，依次求出各个边上的跨度D，在所有多边形的跨度中选出其中最小的跨度D_min即为此多边形的宽度，并记最小跨度对应边为l_min。

所述步骤(3)中，计算起飞点至海岛间的最小距离d_min时，首先做从起飞点到多边形中距离起飞点较近的几条边上的垂线，然后可以简化成两种情况计算最小距离，一是垂线在这几条边的延长线上时，最小距离d_min为起飞点至最近的多边形顶点之间的距离，二是垂线在多边形的边上，而不是在其延长线上时，则起飞点到多边形的距离最小值即为这几条垂线中最短的一条。

所述步骤(4)中，本发明中选择的方法摒弃了之前广为运用的常见的航线由近及远的规划方式而选取了另一种航线由远及近依次遍历覆盖目标区域的方法。

结合最小跨度、最少转弯次数以及起飞点至海岛的最小距离，设计最优航线。根据以上计算起飞点至海岛最小距离的方法，最优航线的规划也分为几种情况，一是当最小距离为起飞点A至多边形顶点的距离时：(1)若此顶点为最小跨度对应边上的端点时则以此顶点为出发点沿着平行于最小跨度对应边的航线遍历整个目标区域；(2)若此顶点不在最小跨度对应边上时则航线应该设计为：起飞点先飞至较近的最小跨度对应边端点上，然后再遍历目标区域且区域内航线最终点也即返航点应选为此顶点，使之返航线距离最短进而使总航线最优。二是当最小距离为起飞点至多边形其中一边的垂线时：(3)若此边为多边形最小跨度对应边时则采取回环航线遍历飞行覆盖整个目标区域，从而使得航线遍历的起始点和返航点为同一点即垂足；(4)如果此边不是多边形最小跨度对应边时，则从起飞点起飞后应先飞至距离垂足较近的一个最小跨度对应边的端点上，然后再遍历目标区域且使区域内航线最终点也即返航点应选为垂足或者靠近垂足点，使之返程距离最短进而使总航线最优化。

本发明的有益效果在于：此种回环式航线规划方法充分考虑了实际情况更加贴合实际应用，克服了常见的由近及远的航线规划方法的不足，解决了不规则海岛领域的无人机航迹规划问题，满足了海岛对无人机航迹规划的高要求，尤其在距离海岸较远的海岛的监测调查中更能体现出其优势。

附图说明

图1为计算起飞点至海岛外切多边形的最小距离的第一种情况附图；

图2为计算起飞点至海岛外切多边形的最小距离的第二种情况附图；

图3为常规航线规划方法的飞行方式附图；

图4为回环航线规划方法的飞行方式附图；

图5为航迹规划情况1的具体航迹规划仿真结果附图；

图6为航迹规划情况2的具体航迹规划仿真结果附图；

图7为航迹规划情况3的具体航迹规划仿真结果附图；

图8为航迹规划情况4的具体航迹规划仿真结果附图。

具体实施方式

本发明的基于不规则海岛的无人机覆盖航线规划方法，包括以下步骤：

(1)提取出不规则海岛的外切多边形；

(2)根据此外切多边形计算其最小跨度，并决定无人机飞行方向以减少转弯次数；

(3)根据海岛附近地形情况计算飞行高度，并确定起飞点至海岛外切多边形的最短距离；

(4)综合考虑转弯次数，多边形最小跨度和起飞点至海岛的最短距离来计算航线距离最小值以获得最优回环航线。

一、不规则海岛的外切多边形的选取

由于大多数海岛形状的不规则性，为了此方法的广泛应用，本发明提出了一种归一化的思想：即把海岛形状都近似取为多边形，这样在计算方面更方便更有优势。而为了使航程最短就要做到航拍区域面积的最小化和航线的最优化。大多数海岛为不规则的圆的形状，如果所取的外切多边形的边数太多，则会在起飞点与海岛最小距离计算方面以及多边形最小跨度计算方面增加很大计算量与无人机快速灵活性相悖；而如果所取外切多边形的边数太少，则多边形包含的无效区域会增多，增加无人机航行距离，所以从面积和计算量两方面考虑，在取不规则海岛的外切多边形时尽量取四至六边形。

二、目标区域内航线的能耗分析

在无人机飞行过程中，通常把无人机看做一个质点，无人机飞行是不重复地对多边形区域进行遍历，遍历采用扫描的方式，即无人机沿直线飞行，传感器的扫描区域(传感器的扫描区域一般为长方形或正方形)遇到边界后转向然后再沿着反方向直线飞行，如此反复直至整个区域被覆盖。所以无人机的能耗问题就总结为两方面：一是总的航线距离，二是转弯航线路程。考虑无风的情况下，无人机直线飞行是匀速飞行，所以发动机推力是不变的；而前人已证明在无人机转弯过程中必定存在着发动机推力的变化，且转弯过程发动机的推力要大于直线飞行过程，这就势必会对无人机能耗产生影响。前人已经证明转弯过程能耗要比直线飞行大，在此不再赘述。

三、计算最小跨度即宽度

在计算凸多边形跨度的时候，利用点边式，依次求出各个边上的跨度D，在所有凸多边形的跨度中选出其中最小的跨度D_min即为此凸多边形的宽度。记最小跨度对应边为l_min。依据前人文章，计算最小跨度算法简列如下：

首先，确定凸多边形的各个顶点的坐标，按顺时针方向分别记为：v₁、v₂、v₃......v_n+1，其中n为凸多边形的顶点数量，v_n+1和v₁为同一顶点。其中顶点v_i(i∈[1，n+1])的坐标设为(x_i，y_i)，且有(x_n+1，y_n+1)＝(x₁，y₁)。

其次，程序输入为：各顶点坐标；输出为：凸多边形的宽度D_min，及相对应的顶点v_min对应边l_min。

则基于以上叙述中描述的“点边式”的方法，最小跨度(宽度)计算的具体算法步骤如下：

步骤1：赋初值i＝1，j＝1。

步骤2：循环。如果j≠i且j≠i+1(即不用计算边v_iv_i+1上两个端点与此直线之间的距离)，则顶点v_j与边v_iv_i+1之间的距离的平方为：

${\mathrm{dis}}_{\mathrm{ij}}^2=\frac{{[(y_{i+1}-y_i)x_j-(x_{i+1}-x_i)y_j+x_{i+1}{y}_i-x_i{y}_{i+1}]}^2}{{(y_{i+1}-y_i)}^2+{(x_{i+1}-x_i)}^2}$

步骤3：如果j＝n则跳转至步骤4；否则赋值j＝j+1，重新跳转至步骤2进行计算。

步骤4；找出多边形各顶点到边v_iv_i+1上的距离平方的最大值

此值即边v_iv_i+1上对应的跨度的平方，并找出其对应的顶点的序号maxv₁。

步骤5：如果i＝n则跳转至步骤6，否则赋值i＝i+1，j＝1，重新跳转至步骤2进行计算。

步骤6：找出所有边对应的跨度平方

中的最小值并开方即可获得此凸多边形的宽度D_min，此时也可获得相对应的顶点和边信息v_min，l_min。

由于无人机转弯过程对于无人机航行来说是低效且高能耗的，所以在实际进行无人机覆盖航迹规划时，要尽量减少转弯次数。为了最大程度的减少转弯次数，则要规划的航线为平行于最小跨度对应边l_min的若干条航线。

四、起飞点与海岛外切多边形间最小距离的计算

首先根据海岛的海拔以及飞行过程中建筑物或山体的最高点确定无人机飞行高度的范围，然后根据航拍图像等其他实际情况计算飞行高度。

计算起飞点A至海岛间的最小距离d_min时，首先做从此点A到多边形中距离此点较近的几条边上的垂线，然后可以简化成两种情况计算最小距离，一是垂线在这几条边的延长线上，则最小距离d_min为起飞点A至最近的多边形顶点B之间的距离，则

如图1(其中d₁为从A点至点B某条边延长线的垂线距离，d₂为对应构成的直角三角形的另一条直角边)；二是垂线在多边形的边上，而不是在其延长线上，则起飞点A到多边形的距离最小值即为这几条垂线中最短的一条，如图2。

五、无人机覆盖航迹规划

设待航拍多边形区域的面积为S，无人机覆盖航线的总路程为L，该总路程包括目标区域的直线航迹L₁以及转弯航迹L₂。所以L＝L₁+L₂。当目标区域的面积S固定以及扫描宽度即航线间距w固定以后，目标区域内的直线航迹L₁也就确定了，所以总的航线路程L就只取决于L₂了。L₂又由转弯的次数决定，所以转弯次数的多少就决定了航线总路程的长短，转弯次数

其中

为数“*”的向上取整运算符。要想N最小，则跨度D应该取该多边形的宽度D_min，所以转弯次数

在实际飞行中，不论油耗无人机还是电力无人机，在执行任务的末段，人们对其动力的持续性更为关注，尤其是电池驱动的无人机，在初始航行时由于动力电充足，所以无人机的发动机推力足够稳定，然而随着无人机动力电池电量的降低，其稳定性也会降低。普通无人机航迹规划时总是从操控手可视区域起飞然后慢慢往远处飞行执行任务，这就会产生一种情况：随着飞机动力电的消耗，飞机离操控手距离越来越远，甚至到操控手的可视范围之外，这就对无人机的安全操控构成了很大的威胁。如果遇到不可预知的突发事故，由于操控手看不到无人机无法凭借视觉获取无人机的相关飞行状态信息，这就会造成无法挽回的损失。所以考虑到这种实际的情况，本发明中的方法摒弃了之前广为运用的常见的航线由近及远的规划方式，如图3(需要注意的是由于无人机性能的约束，无人机转弯角度必须是大于或者等于90°的角度，所以才有如图所示的返航路线)，选取了一种更加可靠的方式，航线由远及近依次遍历覆盖目标区域如图4。两图对比可知图4航线规划方式所需的转弯次数和图3的转弯次数相同，而且也能够完成全目标区域的遍历覆盖。不同点就在于图4的航线飞行是先抵达区域最远处然后开始从最远区域向操控手也即起飞点处飞行，这样在动力逐渐减弱的过程中无人机也会逐渐进入操控手的可视区域范围之内，如遇无人机动力不足等特殊情况可及时处理，最大程度上避免不必要的损失，相较于图3中的航线飞行更加有保障性安全性。而且图3中未考虑返航过程中对区域的扫描，相当于增加了无谓的航程，而图4则考虑的更加全面。通过计算得知图4中的总航线距离和图3中的几乎相同(均为18500m)，甚至在某些情况下(当最后一条返程航线没有与第一条航线重合时)图4中总航线要比图3中航线更短，这样就更加节省动力，确保无人机安全返航。

结合最小跨度、最少转弯次数以及起飞点至海岛的最小距离，设计最优航线。

根据以上计算起飞点至海岛最小距离的方法，最优航线的规划也分为几种情况，一是当最小距离为起飞点A至多边形顶点的距离时：(1)若此顶点为最小跨度对应边上的端点时则以此端点为出发点沿着平行于最小跨度对应边的航线遍历方式遍历整个目标区域，此种情况为情况1；(2)若此顶点不在最小跨度对应边上时则航线应该设计为：起飞点先飞至较近的最小跨度对应边端点上，然后再遍历目标区域且区域内航线最终点也即返航点应选为此顶点，使之返航线距离最短进而使总航线最优，此为情况2。

二是当最小距离为起飞点至多边形其中一边的垂线时：(3)若此边为多边形最小跨度对应边时则采取回环航线遍历飞行覆盖整个目标区域，从而使得航线遍历的起始点和返航点为同一点即垂足，此为情况3；(4)如果此边不是多边形最小跨度对应边时，则从起飞点起飞后应先飞至距离垂足较近的一个最小跨度对应边的端点上，然后再遍历目标区域且区域内航线最终点也即返航点应选为垂足或者靠近垂足点，使之返程距离最短进而使总航线最优化，此为情况4。

六、实施例

首先，由以上分析，先要将待规划区域多边形放置于坐标系中，读出各个顶点的坐标，根据多边形最小跨度计算方法计算出最小跨度。确定最小跨度对应的顶点以及边：v_min，l_min。如图5、6、7、8，其中点虚线即为l_min(图中实线段和点虚线围成的区域为目标区域，线段虚线为飞行航线)。

本仿真实验中，应用正方形栅格法建立待覆盖区域的模型，如果一个栅格单元中包含有部分待覆盖区域，则认为该栅格单元式需要进行覆盖的；无人机的转弯选取正常转弯过程；覆盖方式选取扫描线方式，扫描宽度即航线间距为w＝2×10²m，拍照区域的长宽比假定为1∶1，即拍照区域的扫描宽度和长度均为2×10²m。最终得到的相关多边形区域的覆盖航迹规划结果如下：

情况1：情况1中的覆盖航线遍历见图5

情况2：情况2中的覆盖航线遍历见图6

情况3：情况3中的覆盖航线遍历见图7

情况4：情况4中的覆盖航线遍历见图8

仿真结果说明了此种回环式航线规划方法充分考虑了实际情况更加贴合实际应用，尤其在距离海岸较远的海岛的监测调查中更能体现出其优势。如遇特殊需求，比如需直线航线遍历目标区域的话，只需令无人机在飞行过程中当无人机质点在遇到边界以后转弯即可，其他情形与本发明所述情况相似。

Claims (4)

1.一种基于不规则海岛的无人机覆盖航迹规划方法，其特征在于，目标区域的特殊性，该方法主要包括海岛外切多边形的提取、多边形最小跨度计算、起飞点至多边形的最小距离计算，航线设计等四个流程，其中：

(1)提取出不规则海岛的外切多边形；

(2)根据此外切多边形计算其最小跨度，并决定无人机飞行方向以减少转弯次数；

(3)根据海岛附近地形情况计算飞行高度，并确定起飞点至海岛外切多边形的最短距离；

(4)综合考虑转弯次数，多边形最小跨度和起飞点至海岛的最短距离来计算航线距离最小值以获得最优回环航线。

2.根据权利要求1所述的基于不规则海岛的无人机覆盖航迹规划方法，其特征在于：所述步骤(1)中的提取海岛外切多边形，要考虑面积与计算量两方面因素，将不规则海岛的外切多边形提取为四至六边多边形。

3.根据权利要求1所述的基于不规则海岛的无人机覆盖航迹规划方法，其特征在于：所述步骤(3)中的起飞点至多边形区域的最小距离的计算，首先做从起飞点到多边形中距离此点较近的几条边上的垂线，然后可以简化成两种情况计算最小距离：一是垂线在多边形的边上，而不是在其延长线上，则起飞点到多边形的距离最小值即为这几条垂线中最短的一条；二是垂线在这几条边的延长线上，则最小距离为起飞点至最近的多边形顶点之间的距离。

4.根据权利要求1所述的基于不规则海岛的无人机覆盖航迹规划方法，其特征在于：所述步骤(4)中的复杂情况综合考虑即结合实际提出了一种新型的“由远及近”的回环式航线遍历方法并结合多边形最小跨度，起飞点至多边形最小距离以及能耗分析三种实际情况设计最优回环航线。

Images