CN106598070B - 一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机 - Google Patents
一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机 Download PDFInfo
- Publication number
- CN106598070B CN106598070B CN201611153715.6A CN201611153715A CN106598070B CN 106598070 B CN106598070 B CN 106598070B CN 201611153715 A CN201611153715 A CN 201611153715A CN 106598070 B CN106598070 B CN 106598070B
- Authority
- CN
- China
- Prior art keywords
- circle
- obstacle
- unmanned plane
- path
- straightway
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000007921 spray Substances 0.000 title claims abstract description 36
- 238000007514 turning Methods 0.000 claims abstract description 81
- 238000005507 spraying Methods 0.000 claims abstract description 40
- 230000003044 adaptive effect Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 230000002068 genetic effect Effects 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 7
- 210000000349 chromosome Anatomy 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000003447 ipsilateral effect Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 230000002759 chromosomal effect Effects 0.000 claims description 4
- 108090000623 proteins and genes Proteins 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000010006 flight Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 4
- 230000001788 irregular Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
- B64D1/16—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting
- B64D1/18—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting by spraying, e.g. insecticides
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机,属于无人机飞行路线规划领域。为了解决现有技术的无人机喷施飞行路线规划方法未能选择适合无人机机动特性的避障路径,未考虑到无人机需飞回原路线进行喷施,而导致重喷漏喷面积过多的缺点。植保无人机喷施过程中多障碍下的避障方法包括:将飞行路径的起点和终点连接,形成一条直线段;判断直线段是否与障碍圆相交;若相交,生成与直线段和障碍圆同时相切的最小转弯圆,根据直线段、障碍圆以及最小转弯圆确定复数个可选的飞行路径;根据飞行路径的长度及重喷漏喷面积所计算出的适应值大小来选出最佳的飞行路径。本发明适用于农用植保无人机喷施作业过程的航线规划。
Description
技术领域
本发明涉及一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机,属于无人机飞行路线规划领域。
背景技术
植保无人机喷施作业的区域一般面积较大,而无人机体积小,反应灵活,所以一般植保无人机喷施的路线被规划成来回往复的形如“Π”的形状,其路线如图3所示。图3(a)是标准的矩形喷施区域,图3(b)是一个不规则的喷施区域,但是他们规划的路线都是来回往复的。这种来回往复的路线在没有障碍的情况下喷施作业的效率和喷洒的均匀度(重喷和漏喷)都特别好。但是在实际应用中这种无任何障碍的无人机喷洒作业几乎不存在。
一般植保无人机在喷施作业中遇到的情况如图4所示,在已经离线规划好的路线中分布着若干障碍,这些障碍的特点是比较小,也比较分散,在离线路线规划其中很难将其排除,此时就要求无人机在喷施作业的过程中还要进行障碍的躲避。
以无人机在喷施作业中遇到一个障碍为例,运用传统的避障算法所得到的避障路线如图5所示。由图5看出,植保无人机在避障的同时进行喷洒作业,因为无人机在躲避障碍的时候不能停止喷施作业,所以就会导致有些区域喷洒不到农药(如图5的漏喷区域),有些区域会在无人机回飞时喷洒两遍(如图5的重复喷洒区域)。此避障方法会导致大面积的重喷和漏喷。
发明内容
本发明的目的是为了解决现有技术的无人机喷施飞行路线规划方法未能选择适合无人机机动特性的避障路径,未考虑到无人机需飞回原路线进行喷施,而导致重喷漏喷面积过多的缺点。而提出一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机。
一种农用植保无人机喷施过程中多障碍下的避障方法,包括如下步骤:
步骤1)将飞行路径的起点和终点连接,形成一条用于表示原飞行路线的直线段;
步骤2)判断所述直线段是否与障碍圆相交,若不相交,则按原路线直线飞行,若相交,则执行步骤3);所述障碍圆是用于表示障碍物位置和大小特征的模型;将与所述直线段相交的障碍圆称为目标障碍圆;
步骤3)生成复数个与所述直线段与所述目标障碍圆同时相切的最小转弯圆;所述最小转弯圆的半径为无人机的最小转弯半径;
步骤4)根据所述直线段、所述目标障碍圆以及所述最小转弯圆确定复数个可选的飞行路径并计算路径的长度以及与所述的可选飞行路径对应的重喷漏喷面积,并将数据进行归一化处理;
步骤5)将所述的复数个可选路径作为初始种群,计算出适应值的大小;
步骤6)使用遗传算法的选择、交叉、变异操作,当满足迭代次数或者满足预定的适应值大小条件时,输出最佳的搜索路径。
一种农用植保无人机喷施过程中小障碍下的避障方法,包括如下步骤:
步骤1)将飞行路径的起点和终点连接,形成一条用于表示原飞行路径的直线段;
步骤2)判断所述直线段是否与障碍圆相交,若不相交,则按原路线直线飞行,若相交,则执行步骤3);所述障碍圆是用于表示障碍物位置和大小特征的模型;
步骤3)比较无人机的最小转弯半径与所述障碍圆的半径大小;
若障碍圆的半径大于等于无人机的最小转弯半径,则生成复数个与所述直线段与所述障碍圆同时相切的最小转弯圆;所述最小转弯圆的半径为无人机的最小转弯半径;
若障碍圆的半径小于无人机的最小转弯半径,则生成两个所述障碍圆的内切圆,并生成复数个与所述直线段与所述内切圆同时相切的最小转弯圆;所述内切圆的圆心位于所述直线段的经过所述障碍圆圆心的垂线上,所述内切圆的半径等于所述最小转弯圆的半径;用所述内切圆换代替所述障碍圆进行后续的步骤;
步骤4)根据所述直线段、所述目标障碍圆以及所述最小转弯圆确定复数个可选路径的飞行路径的长度以及与所述的可选飞行路径对应的重喷漏喷面积,并将数据进行归一化处理;
步骤5)将所述的复数个可选路径作为初始种群,计算出适应值的大小;
步骤6)使用遗传算法的选择、交叉、变异操作,当满足迭代次数或者满足预定的适应值大小条件时,输出最佳的搜索路径。
一种无人机,包括存储器以及与其连接的处理器,所述存储器用于存储喷施区域的宽度、原飞行路线的起点和终点位置、障碍圆位置和大小、无人机最小转弯半径,所述处理器用于从所述存储器中读取数据,并执行前述的农用植保无人机喷施过程中单障碍下的避障方法以及农用植保无人机喷施过程中单障碍下的避障方法。
本发明的有益效果为:1、引入了基准线,即起点和终点的连线,用来排除不会对原飞行路径造成影响的障碍,减少了由于躲避不必要的障碍而导致避障路径条数增加的可能;2、考虑到了无人机的最小转弯半径,不同于现有技术认为无人机可以按照任意轨迹飞行,本发明考虑到了无人机飞行的实际情况,在每次需要改变飞行轨迹时,都将最小转弯半径加入路径的生成和计算;3、考虑到了无人机的最小转弯半径大于障碍圆半径的情况,防止由于最小转弯半径的曲率小于障碍圆模型的曲率,而导致无人机无法完成喷施过程中的避障任务的现象;4、采用启发式的遗传算法搜索路径搜索最优路径的用时更少;5、在已知障碍的情况下,较传统可以大大减少重喷漏喷的面积,相比现有技术能够减少200%-400%左右的重喷漏喷面积。
附图说明
图1为本发明的农用植保无人机喷施过程中多障碍下的避障方法的流程图;
图2为本发明农用植保无人机喷施过程中小障碍下的避障方法的流程图;
图3(a)为无人机在无障碍的矩形区域进行喷施的路线示意图;
图3(b)为无人机在无障碍的不规则区域进行喷施的路线示意图;
图4(a)为无人机在有障碍的矩形区域进行喷施的路线示意图;
图4(b)为无人机在有障碍的不规则区域进行喷施的路线示意图;
图5为现有技术的避障算法的避障路线图;
图6为直线段与多个障碍相交情况的示意图;
图7为最小转弯圆与障碍圆的关系的示意图;
图8为避障路径的一个实施例的示意图;
图9为避障路径的另一个实施例的示意图;
图10为本发明的障碍圆及障碍圆区域半径的示意图;
图11为本发明的障碍圆与最小转弯圆构成的三角形区域的示意图;
图12为障碍圆半径小于无人机最小转弯半径时的避障路线示意图;
图13为图12的局部放大图。
具体实施方式
本发明的具体实施方式一至五为不考虑无人机的最小转弯半径与障碍圆关系的情形,而具体实施方式六至九针对无人机的最小转半径与障碍圆的关系的不同进行了更细致的情况划分。
具体实施方式一:本实施方式的一种农用植保无人机喷施过程中多障碍下的避障方法,包括如下步骤:
步骤1)将飞行路径的起点和终点连接,形成一条用于表示原飞行路线的直线段;即这条路线表示在没有障碍的情况下可以按照此路线进行喷施作业,即在无障碍的情况下,飞行路径可以是“沿喷施区域的一条边飞行→转弯180°至下一条直线路径”的往返飞行。而本发明不考虑往返飞行的部分,只考虑沿直线飞行时可能碰到障碍的情况。
步骤2)判断所述直线段是否与障碍圆相交,若不相交,则按原路线直线飞行,若相交,则执行步骤3);所述障碍圆是用于表示障碍物位置和大小特征的模型。
图6示出了直线段与多个障碍相交的情况,其中S为起点,T为终点。
这样设置的好处是,使用直线段排除了不会对原飞行路线产生影响的障碍。由于现有技术的飞行路线规划往往考虑一定区域内的所有障碍,这会导致规划出的路线存在多条计算路径,从而增加了计算量,并且可能造成无人机重复喷施和漏喷的情况。本发明仅考虑会对飞行路线造成影响的障碍,这大大减少了无人机所需做的计算,并且更符合植保无人机的喷施作业过程。
需要说明的是,步骤1)和步骤2)并不是显而易见的,现有技术的无人机路线规划没有排除不需要躲避的障碍,不会考虑障碍物是否会影响原定飞行路线的问题,本发明可以更好地排除不必考虑的障碍,从而使此情形下的飞行路径规划更加合理,更贴合实际。
步骤3)生成复数个与所述直线段与所述障碍圆同时相切的最小转弯圆;所述最小转弯圆的半径为无人机的最小转弯半径。
最小转弯圆与障碍圆的关系如图7所示。其中R代表障碍圆的半径,Rz代表无人机的最小转弯半径。
步骤4)根据所述直线段、所述目标障碍圆以及所述最小转弯圆确定复数个可选的飞行路径并计算路径的长度以及与所述的可选飞行路径对应的重喷漏喷面积,并将数据进行归一化处理。本步骤选出的可选路径可以是任意个,可以按照障碍物的数量决定选取何值,复数个可选路径代表了后面遗传算法中的初始种群数量。
使用步骤3)和步骤4)的好处是,无人机在经过Dubins路径进行避障后,可以飞回原飞行路径,这也满足了具有原定飞行路线的无人机的飞行特点。
步骤5)将所述的复数个可选路径作为初始种群,计算出适应值的大小;适应值的参数中需要有重喷漏喷面积以及路径长度,函数的具体形式可以有多种,只要考虑到上述参数,并且参数与适应值是正相关即可。
步骤6)使用遗传算法的选择、交叉、变异操作,当满足迭代次数或者满足预定的适应值大小条件时,输出最佳的搜索路径。
具体实施方式二:本实施方式与具体实施方式一不同的是:
遗传算法的染色体基因对应于顶点,所述顶点的确定方法为:
过每个障碍圆的圆心,作直线段的垂线,垂线与障碍圆形成2个交点;将所有交点与飞行路径的起点与终点的集合作为顶点的集合。即对于绕障碍圆飞行的路径部分,沿着障碍圆的圆弧中点即为顶点。
设K为障碍圆的个数,则所述顶点集中有2+2K个顶点;
染色体编码从第1位到第2K+2位分别表示选择原飞行路径的起点、第1个障碍圆左侧的路径、选择第1个障碍圆右侧的路径、选择第2个障碍圆左侧的路径……选择第K个圆的右侧路径、原飞行路径的终点。
即这2+2K个顶点其中的2表示起点和终点,2K表示K个障碍圆都有左侧的路径和右侧的路径。规定顶点的概念是为了将无人机避障问题转化为图论,以便进一步使用遗传算法解决该问题。也就是说将每个障碍圆的左侧路径和右侧路径分别都视为一个图论中的顶点,那么一组从起点经过每个障碍圆的左侧路径或右侧路径,再到达终点的过程就可以用从起始点到每个顶点,最后再到终点的一组有向图的路径来表示。因此上述的顶点确定方式还有很多种,本实施方式仅举出一个具体的例子,只要选取的顶点能够唯一对应一个障碍圆的左侧路径或右侧路径即可,本发明不做限制。
以图8为例,图中共有5个障碍,通过上面的第一步发现有两个不是必经的障碍点,所以排除后只剩下3个。染色体编码如下
其中,D后面第一位代表第几个障碍,第二位代表该障碍的左侧或右侧,左侧为1,右侧为2。例如,D12表示遇到第一个障碍时选取障碍圆右侧的曲线作为飞行轨迹,D31表示遇到第三个障碍时选取障碍圆左侧的曲线作为飞行轨迹。
因此,图8中的路径可以表示为“起点→D11→D22→D32→终点”,其染色体描述为(1,2,5,7,8)。
适应度函数为路径的长短和重喷漏喷面积归一化之后和的倒数,适应值越大则表示适应度越好。
图9为对图8使用遗传算法搜索到的最佳路径示意图。最小障碍圆的实线部分表示实际选取的路径。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是:
步骤4)中,每条可选的飞行路径的长度的计算公式为:
其中N为必须躲避的障碍总数,N1是障碍圆与最小转弯圆异侧的障碍圆个数,N2是障碍圆与最小转弯圆同侧的情况,且满足N1+N2=N。
其中b为直线段的长度;Ri为第i个障碍圆的半径;Rz为无人机的最小转弯半径;Li为第i个障碍圆的圆心到所述直线段的垂线段距离;
障碍圆半径R满足公式R=Rd+Rl,其中Rd为障碍圆的中心到最边缘的距离,Rl为无人机需要与障碍物保持的安全距离。上述公式对应的几何示意图如图10所示。
图7代表了障碍圆与最小转弯圆之间的几何关系。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是:
遗传算法的适应度函数为:
其中Fitness(i)为第i条路径的适应度,D(xi)和S(xi)分表代表路径长度归一化后的数据以及重喷漏喷面积归一化后的数据;β1、β2分别代表路径长度和重喷漏喷面积的权重;
路径长度和重喷漏喷面积采用的数据归一化函数为:
其中x为待处理的数据,x*为经过归一化处理后的数据。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是:步骤5)中与每条飞行路径对应的重喷漏喷面积的计算公式为:
其中N为必须躲避的障碍总数,N1是障碍圆与最小转弯圆异侧的障碍圆个数,N2是障碍圆与最小转弯圆同侧的情况,且满足N1+N2=N。
本实施方式的有益效果是,考虑到了无人机需要与障碍物保持的安全距离,现有技术未处于安全性考虑到这一点。进一步使无人机飞行路径贴近实际情形。
重喷面积用于表示无人机在进行避障过程中对一定区域重复喷施的总面积,其示意图如图11所示,阴影部分表示重复喷施的区域。正如前述的避障过程,该避障过程会使植保无人机的喷施过程产生重喷和漏喷的情况,重喷面积是植保无人机在第二条回飞路径上回飞喷施造成的,漏喷面积是躲避障碍时无法喷施到造成的,下面就其重喷漏喷的面积给予计算和推导。
如图11所示,在没有特殊情况下(如重喷面积处出现障碍减少了重喷面积,或者漏喷面积处出现了障碍,减少了漏喷的面积),产生的重喷面积和漏喷面积基本相似,这里只给出重喷面积的推导,漏喷面积的与其相似。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六:具体实施方式六至九将考虑障碍圆的半径小于无人机的最小转弯半径的情形,“小障碍”的表述意味着本发明主题的技术手段考虑到了障碍圆的半径较小的情形。
本实施方式的一种植保无人机喷施过程中小障碍下的避障方法包括:
步骤1)将飞行路径的起点和终点连接,形成一条用于表示原飞行路径的直线段。
步骤2)判断直线段是否与障碍圆相交,若不相交,则按原路线直线飞行,若相交,则执行步骤3);障碍圆是用于表示障碍物位置和大小特征的模型。
步骤3)比较无人机的最小转弯半径与障碍圆的半径大小。
若障碍圆的半径大于等于无人机的最小转弯半径,则生成复数个与直线段与障碍圆同时相切的最小转弯圆;最小转弯圆的半径为无人机的最小转弯半径。
若障碍圆的半径小于无人机的最小转弯半径,则生成两个障碍圆的内切圆,并生成复数个与直线段与内切圆同时相切的最小转弯圆内切圆的圆心位于直线段的经过障碍圆圆心的垂线上,内切圆的半径等于最小转弯圆的半径;用内切圆换代替障碍圆进行后续的步骤。
步骤4)根据所述直线段、所述目标障碍圆以及所述最小转弯圆确定复数个可选的飞行路径并计算路径的长度以及与所述的可选飞行路径对应的重喷漏喷面积,并将数据进行归一化处理。
步骤5)将所述的复数个可选路径作为初始种群,计算出适应值的大小。
步骤6)使用遗传算法的选择、交叉、变异操作,当满足迭代次数或者满足预定的适应值大小条件时,输出最佳的搜索路径。
这样设置的好处是,步骤3)考虑到了障碍圆的半径与无人机的最小转弯半径之间的关系,如果无人机的转弯半径大于障碍圆半径,使用生成内切圆的方法进一步减少可选的飞行路线的总数,减少了计算量。
步骤3)的实质就是利用生成的两个内切圆来代替原来的小障碍。这一改进点体现了本实施方式的创造性。
下面结合图12具体说明步骤3)的部分过程:
在喷施区域的建模中,针对可能出现的小障碍,如果直接取小障碍圆的半径R和最小转弯半径Rz中较大的一个来生成Dubins路径进而生成可飞路线,可能会导致:①增加了避障路径长度;②加大了重喷漏喷面积;③增加了耗能。对于小障碍本文的处理方法如图11所示。
图12中出现了一个小于最小转弯圆的障碍(虚线圆为最小转弯圆),此时的处理方法是:过此小障碍圆的圆心,做与ST垂直的直线,以最小转弯圆的大小为大小,作此障碍圆的内切圆,内切圆的圆心落在之前做的垂线上,这样的内切圆有两个,分别以这两个内切圆的切点加入到有向图中,作为两个顶点,进行最佳路径的搜索。当障碍圆的半径小于最小转弯圆时,后续所有的计算中都使用内切圆来代替障碍圆,或者说将内切圆视为原障碍圆。
图13是图12的局部放大图,从图13中可以看出,障碍圆的内切圆可以做出两个,内切圆的圆心均位于障碍圆圆心与直线段所确定的垂线上。
具体实施方式七:本实施方式与具体实施方式六不同的是:
遗传算法的染色体基因对应于顶点,顶点的确定方法为:
过每个障碍圆的圆心,作直线段的垂线,垂线与障碍圆形成2个交点;将所有交点与飞行路径的起点与终点的集合作为顶点的集合;
设K为障碍圆的个数,则顶点集中有2+2K个顶点;
染色体编码从第1位到第2K+2位分别表示选择原飞行路径的起点、第1个障碍圆左侧的路径、选择第1个障碍圆右侧的路径、选择第2个障碍圆左侧的路径……选择第k个圆的右侧路径、原飞行路径的终点。
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八:本实施方式与具体实施方式六或七不同的是:
每条可选的飞行路径的长度的计算公式为:
其中N为必须躲避的障碍总数,N1是障碍圆与最小转弯圆异侧的障碍圆个数,N2是障碍圆与最小转弯圆同侧的情况,且满足N1+N2=N。
其中b为直线段的长度;Rz为无人机的最小转弯半径;
当障碍圆的半径大于等于无人机的最小转弯半径时,Ld为障碍圆的圆心到直线段的距离,R为障碍圆的半径;
当障碍圆的半径小于无人机的最小转弯半径时,Ld为内切圆的圆心到直线段的距离,R代表最小转弯半径的大小;
上述步骤具体体现了在障碍圆的半径小于无人机的最小半径的情况下,使用内切圆代替障碍圆的情况。
障碍圆半径R满足公式R=Rd+Rl,其中Rd为障碍圆的中心到最边缘的距离,Rl为无人机需要与障碍物保持的安全距离。
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九:本实施方式与具体实施方式六至八之一不同的是:
步骤5)中与每条飞行路径对应的重喷漏喷面积的计算公式为:
其中N为必须躲避的障碍总数,N1是障碍圆与最小转弯圆异侧的障碍圆个数,N2是障碍圆与最小转弯圆同侧的情况,且满足N1+N2=N。
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十:本实施方式提供一种无人机,包括存储器以及与其连接的处理器,其特征在于,存储器用于存储原飞行路线的长度、原飞行路线的起点和终点位置、障碍圆位置和大小、无人机最小转弯半径,处理器用于从存储器中读取数据,并执行如具体实施方式一至九中任意一项所述的方法。
存储器也体现了无人机可具有预先存储的原定飞行路线的特点,存储器预先存储无人机和喷数区域的部分参数,处理器从存储器中取出这些参数,并用这些参数执行具体实施方式一至八中任意一项所述的运算。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种农用植保无人机喷施过程中多障碍下的避障方法,其特征在于,包括如下步骤:
步骤1)将飞行路径的起点和终点连接,形成一条用于表示原飞行路线的直线段;
步骤2)判断所述直线段是否与障碍圆相交,若不相交,则按原路线直线飞行,若相交,则执行步骤3);所述障碍圆是用于表示障碍物位置和大小特征的模型;将与所述直线段相交的障碍圆称为目标障碍圆;
步骤3)生成复数个与所述直线段与所述目标障碍圆同时相切的最小转弯圆;所述最小转弯圆的半径为无人机的最小转弯半径;
步骤4)根据所述直线段、所述目标障碍圆以及所述最小转弯圆确定复数个可选的飞行路径并计算路径的长度以及与所述可选的飞行路径对应的重喷漏喷面积,并将数据进行归一化处理;
所述步骤4)中,每条可选的飞行路径的长度的计算公式为:
其中N为必须躲避的障碍总数,N1 是障碍圆与最小转弯圆异侧的障碍圆个数,N2 是障碍圆与最小转弯圆同侧的情况,且满足N1+N2=N;b为所述直线段的长度;Ri为第i个障碍圆的半径;Rz为无人机的最小转弯半径;Li为第i个障碍圆的圆心到所述直线段的垂线段距离;所述第i个障碍圆半径Ri满足公式Ri=Rd+R1,其中Rd为第i个障碍圆的中心到最边缘的距离,Rl为无人机需要与障碍物保持的安全距离;
步骤4)中与每条飞行路径对应的重喷漏喷面积的计算公式为:
步骤5)将所述复数个可选路径作为初始种群,计算出适应值的大小;
步骤6)使用遗传算法的选择、交叉、变异操作,当满足迭代次数或者满足预定的适应值大小条件时,输出最佳的搜索路径;
2.根据权利要求1所述的方法,其中,所述遗传算法的染色体基因对应于顶点,所述顶点的确定方法为:
过每个障碍圆的圆心,作所述直线段的垂线,所述垂线与所述障碍圆形成2个交点;将所有所述交点与所述飞行路径的起点与终点的集合作为顶点的集合;
设K为障碍圆的个数,则所述顶点集中有2+2K个顶点;
所述染色体编码从第1位到第2k+2位分别表示选择原飞行路径的起点、第1个障碍圆左侧的路径、选择第1个障碍圆右侧的路径、选择第2个障碍圆左侧的路径……选择第k个圆的右侧路径、原飞行路径的终点。
3.根据权利要求1所述的方法,其特征在于,所述遗传算法的适宜度函数为:
其中Fitness(i)为第i条路径的适宜度,D(xi)和S(xi)分表代表路径长度归一化后的数据以及重喷漏喷面积归一化后的数据;β1、β2分别代表路径长度和重喷漏喷面积的权重;
路径长度和重喷漏喷面积采用的数据归一化函数为:
其中x为待处理的数据,x*为经过归一化处理后的数据。
4.一种农用植保无人机喷施过程中小障碍下的避障方法,其特征在于,包括如下步骤:
步骤1)将飞行路径的起点和终点连接,形成一条用于表示原飞行路径的直线段;
步骤2)判断所述直线段是否与障碍圆相交,若不相交,则按原路线直线飞行,若相交,则执行步骤3);所述障碍圆是用于表示障碍物位置和大小特征的模型;将与所述直线段相交的障碍圆称为目标障碍圆;
步骤3)比较无人机的最小转弯半径与所述障碍圆的半径大小;
若障碍圆的半径大于等于无人机的最小转弯半径,则生成复数个与所述直线段与所述障碍圆同时相切的最小转弯圆;所述最小转弯圆的半径为无人机的最小转弯半径;
若障碍圆的半径小于无人机的最小转弯半径,则生成两个所述障碍圆的内切圆,并生成复数个与所述直线段与所述内切圆同时相切的最小转弯圆;所述内切圆的圆心位于所述直线段的经过所述障碍圆圆心的垂线上,所述内切圆的半径等于所述最小转弯圆的半径;用所述内切圆代替所述障碍圆进行后续的步骤;
步骤4)根据所述直线段、所述目标障碍圆以及所述最小转弯圆确定复数个可选的飞行路径并计算路径的长度以及与所述的可选的飞行路径对应的重喷漏喷面积,并将数据进行归一化处理;
所述步骤4)中,每条可选的飞行路径的长度的计算公式为:
其中N为必须躲避的障碍总数,N1 是障碍圆与最小转弯圆异侧的障碍圆个数,N2 是障碍圆与最小转弯圆同侧的情况,且满足N1+N2=N;
其中b为所述直线段的长度;Rz为无人机的最小转弯半径;
当障碍圆的半径大于等于无人机的最小转弯半径时,Ld为所述障碍圆的圆心到所述直线段的距离,Ri为第i个障碍圆的半径;
当障碍圆的半径小于无人机的最小转弯半径时,Ld为所述内切圆的圆心到所述直线段的距离;
所述第i个障碍圆的半径Ri满足公式Ri=Rd+Rl,其中Rd为第i个障碍圆的中心到最边缘的距离,Rl为无人机需要与障碍物保持的安全距离;
步骤4)中与每条飞行路径对应的重喷漏喷面积的计算公式为:
步骤5)将所述的复数个可选的飞行路径作为初始种群,计算出适应值的大小;
步骤6)使用遗传算法的选择、交叉、变异操作,当满足迭代次数或者满足预定的适应值大小条件时,输出最佳的搜索路径。
5.根据权利要求4所述的方法,其中,所述遗传算法的染色体基因对应于顶点,所述顶点的确定方法为:
过每个障碍圆的圆心,作所述直线段的垂线,所述垂线与所述障碍圆形成2个交点;将所有所述交点与所述飞行路径的起点与终点的集合作为顶点的集合;
设K为障碍圆的个数,则所述顶点集中有2+2K个顶点;
所述染色体编码从第1位到第2K+2位分别表示选择原飞行路径的起点、第1个障碍圆左侧的路径、选择第1个障碍圆右侧的路径、选择第2个障碍圆左侧的路径……选择第k个圆的右侧路径、原飞行路径的终点。
6.一种农用植保无人机,包括存储器以及与其连接的处理器,其特征在于,所述存储器用于存储如下数据:原飞行路线的长度、原飞行路线的起点和终点位置、障碍圆位置和大小、无人机最小转弯半径;所述处理器用于从所述存储器中读取所述数据,并根据所述数据执行如权利要求1至5中任意一项所述的方法,以使无人机规划并执行喷施作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611153715.6A CN106598070B (zh) | 2016-12-14 | 2016-12-14 | 一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611153715.6A CN106598070B (zh) | 2016-12-14 | 2016-12-14 | 一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106598070A CN106598070A (zh) | 2017-04-26 |
CN106598070B true CN106598070B (zh) | 2019-11-22 |
Family
ID=58801131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611153715.6A Active CN106598070B (zh) | 2016-12-14 | 2016-12-14 | 一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106598070B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681335A (zh) * | 2017-01-22 | 2017-05-17 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的避障路径规划及其控制方法 |
CN107839883B (zh) * | 2017-10-23 | 2020-10-30 | 广州极飞科技有限公司 | 飞行器及其巡航喷洒控制方法、装置和控制终端 |
CN108717293B (zh) * | 2018-03-22 | 2022-07-05 | 杭州苏珀曼智能科技有限公司 | 环岛识别方法及其识别系统 |
CN110573982B (zh) * | 2018-03-28 | 2022-09-23 | 深圳市大疆软件科技有限公司 | 一种植保无人机作业的控制方法和控制装置 |
CN108445912A (zh) * | 2018-06-04 | 2018-08-24 | 成都天麒科技有限公司 | 一种植保无人机飞行控制系统 |
CN108780320A (zh) * | 2018-06-15 | 2018-11-09 | 深圳前海达闼云端智能科技有限公司 | 机器人运动控制方法、装置、存储介质及机器人 |
CN108803660B (zh) * | 2018-06-22 | 2021-06-18 | 苏州得尔达国际物流有限公司 | 货运无人机群路径规划方法 |
CN109298714A (zh) * | 2018-11-09 | 2019-02-01 | 浙江国自机器人技术有限公司 | 机器人移动控制方法、系统、设备及计算机可读存储介质 |
WO2020107475A1 (zh) * | 2018-11-30 | 2020-06-04 | 深圳市大疆创新科技有限公司 | 喷洒无人机的避障控制方法、装置、设备及存储介质 |
CN110347178B (zh) * | 2019-06-21 | 2021-11-05 | 东华大学 | 一种基于空间几何特征的无人机航迹规划方法 |
WO2021087718A1 (zh) * | 2019-11-05 | 2021-05-14 | 深圳市大疆创新科技有限公司 | 无人机的控制方法、装置、设备及存储介质 |
CN111781949B (zh) * | 2020-07-03 | 2022-11-18 | 江苏大学 | 一种无人机针对杆型障碍物的规避方法 |
CN112229414B (zh) * | 2020-10-22 | 2023-03-24 | 广州极飞科技股份有限公司 | 障碍物规避路线的生成方法、装置、无人设备和存储介质 |
WO2022095040A1 (zh) * | 2020-11-09 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 无人机的喷洒航线规划方法和设备 |
CN113050684B (zh) * | 2021-03-06 | 2022-05-24 | 南京航空航天大学 | 一种面向突发威胁的无人机航迹规划算法 |
CN113491262B (zh) * | 2021-06-29 | 2022-12-16 | 江苏大学 | 一种低用药量环保型植保无人机避障智能侧喷装置 |
CN113504791B (zh) * | 2021-07-08 | 2022-06-14 | 中国南方电网有限责任公司超高压输电公司大理局 | 一种无人机飞行路线的确定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130037697A (ko) * | 2013-03-12 | 2013-04-16 | 노인철 | 무인항공기의 충돌 방지 시스템 및 방법 |
CN103676944A (zh) * | 2013-12-11 | 2014-03-26 | 北京理工大学 | 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法 |
CN103950540A (zh) * | 2014-04-01 | 2014-07-30 | 东北农业大学 | 一种基于无线传感器网络的植保无人机喷施作业方法 |
CN105547366A (zh) * | 2015-12-30 | 2016-05-04 | 东北农业大学 | 微小型无人机农作物信息获取与施肥灌溉指导装置 |
CN106022274A (zh) * | 2016-05-24 | 2016-10-12 | 零度智控(北京)智能科技有限公司 | 一种避障方法、避障装置及无人驾驶机器 |
-
2016
- 2016-12-14 CN CN201611153715.6A patent/CN106598070B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130037697A (ko) * | 2013-03-12 | 2013-04-16 | 노인철 | 무인항공기의 충돌 방지 시스템 및 방법 |
CN103676944A (zh) * | 2013-12-11 | 2014-03-26 | 北京理工大学 | 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法 |
CN103950540A (zh) * | 2014-04-01 | 2014-07-30 | 东北农业大学 | 一种基于无线传感器网络的植保无人机喷施作业方法 |
CN105547366A (zh) * | 2015-12-30 | 2016-05-04 | 东北农业大学 | 微小型无人机农作物信息获取与施肥灌溉指导装置 |
CN106022274A (zh) * | 2016-05-24 | 2016-10-12 | 零度智控(北京)智能科技有限公司 | 一种避障方法、避障装置及无人驾驶机器 |
Non-Patent Citations (1)
Title |
---|
基于Dubins路径的无人机避障规划算法;关震宇 等;《北京理工大学学报》;20140630;第34卷(第6期);第570-575页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106598070A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106598070B (zh) | 一种农用植保无人机喷施过程中多障碍、小障碍下的避障方法及无人机 | |
CN106774395B (zh) | 农用植保无人机避障喷施路径规划方法及无人机 | |
CN106774394B (zh) | 农用植保无人机喷施过程中单障碍、小障碍下的避障方法及无人机 | |
CN110083165B (zh) | 一种机器人在复杂狭窄环境下路径规划方法 | |
Wen et al. | UAV online path planning algorithm in a low altitude dangerous environment | |
CN106406346A (zh) | 一种多无人机协同快速覆盖搜索航迹规划方法 | |
Cai et al. | Mobile robot path planning in dynamic environments: A survey | |
CN105841702A (zh) | 一种基于粒子群优化算法的多无人机航路规划方法 | |
CN109540136A (zh) | 一种多无人艇协同路径规划方法 | |
CN106813667B (zh) | 一种基于禁飞区约束的航路规划方法与装置 | |
CN104503464A (zh) | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 | |
CN110262563A (zh) | 多无人机协同搜索水上目标的方法 | |
CN102855387B (zh) | 一种基于小生境粒子群的二维空间多路径规划方法 | |
Yakovlev et al. | Grid-based angle-constrained path planning | |
CN111678524A (zh) | 一种基于飞行安全的救援航空器路径规划方法及系统 | |
Ghorbani et al. | Using genetic algorithm for a mobile robot path planning | |
Ji et al. | Mapless-planner: A robust and fast planning framework for aggressive autonomous flight without map fusion | |
CN110530373A (zh) | 一种机器人路径规划方法、控制器及系统 | |
Foderaro et al. | A model-based cell decomposition approach to on-line pursuit-evasion path planning and the video game Ms. Pac-Man | |
CN116301014A (zh) | 一种无人直升机贴地飞行轨迹优化方法 | |
Kashyap et al. | Improved modified chaotic invasive weed optimization approach to solve multi-target assignment for humanoid robot | |
Yu et al. | Balanced multi-region coverage path planning for unmanned aerial vehicles | |
CN111427341A (zh) | 一种基于概率地图的机器人最短预期时间目标搜索方法 | |
Wu et al. | Real-time three-dimensional smooth path planning for unmanned aerial vehicles in completely unknown cluttered environments | |
Pour Arab et al. | Complete coverage path planning for wheeled agricultural robots |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |