CN107314772A - 一种无人机自学习航点轨迹飞行方法及其系统 - Google Patents

Abstract

本发明提供了一种无人机自学习航点轨迹飞行方法及其系统，其中，该方法包括以下步骤：获取待飞行地形的各个航点，构建待飞行地形的航点数据库；读取待飞行地形的航点数据库中无人机预定起点和预定终点之间的航点，基于蚂蚁状态转换规则，以获取待飞行地形的预定起点和预定终点的路线轨迹。本发明的一种无人机自学习航点轨迹飞行方法，通过构建待飞行地形的航点数据库，当输入预定起点和预定终点时，可通过蚁群算法，快速轨迹路线，从而使得无人机经过首次手动飞行后，在自动飞行模式下，实现无人机在复杂环境下根据实时情况自动选择合适的飞行轨迹，快速通过目标区域到达预定终点，也可以在任务完成后根据复杂的情况自动选择降落或者返航。

Description

一种无人机自学习航点轨迹飞行方法及其系统

技术领域

本发明涉及无人航线规划技术领域，更具体地，涉及一种无人机自学习航点轨迹飞行方法及其系统。

背景技术

现有的无人机作业一般是由地面站系统进行管理，地面站系统作为管理者，在进行航线规划之后，将规划好的航线通过电台发给无人机上的飞控系统，飞控系统根据规划的航线控制无人机执行飞行任务，执行过程中实时将航迹点信息发送给地面站系统，地面站系统实时接收飞控系统发送的航迹点信息，在飞行任务结束后生成作业文件。

现有的无人机作业的管理模式存在如下缺点：1、通过地面站系统在作业现场进行航线规划时，一般只能依赖于本机的数据库，如果通过移动通讯网络获取数据，会增加不少的成本。而随着作业区域的变化，地面站系统需要不断地更新数据库。2、地面站系统只能管理和监控该地面站控制的一个或少数几个无人机。在工业领域中，有时候需要记录特定区域中的特定航点，当环境发生变化时，要求无人机能够在特定航点进行重复性任务。

因此，本领域需要一种无人机飞行轨迹规划系统和方法来解决现有无人机作业管理中存在的上述问题。

发明内容

本发明提供一种无人机自学习航点轨迹飞行方法及其系统，以解决上现有无人机航线管理成本高及重复性差的技术问题。

根据本发明的一个方面，提供一种无人机自学习航点轨迹飞行方法，包括以下步骤：

步骤S1.获取待飞行地形的各个航点，构建待飞行地形的航点数据库；

步骤S2.读取所述待飞行地形的航点数据库中无人机预定起点和预定终点之间的航点，基于蚂蚁状态转换规则，以获取所述待飞行地形的预定起点和预定终点的路线轨迹。

在上述方案基础上优选，所述步骤S1详细包括：

通过手动控制无人飞机飞越待飞行地形的各个航点，以获取待飞行地形的各个航点信息，构建待飞行地形的航点数据库。

在上述方案基础上优选，所述步骤S1是通过无飞机上的定位模块以获取待飞行地形的各个航点信息。

在上述方案基础上优选，所述定位模块为GPS传感器、红外摄像头或红外发射器中的一种或多种。

在上述方案基础上优选，所述步骤S2进一步还包括

步骤S2.1，基于所述航点数据库，生成Voronoi图，以得到所述待飞行地形的预定起点和预定终点的待选路线轨迹；

步骤S2.2，基于Voronoi图，计算获取每一个所述待选路线轨迹每一条边的初始代价值；

步骤S2.3，根据所述待选路线轨迹每一条边的初始代价值，对相邻节点的可见性及生物信息激素强度参数初始化，基于蚂蚁状态转换规则，以得到每一个所述待选路线轨迹的节点飞行概率，以获取所述待飞行地形的预定起点和预定终点的优化路径。

在上述方案基础上优选，所述步骤S2.2中，获取所述待选路线轨迹的每一条边的初始代价值的计算公式为：

C_(r,s)＝kC_a+(1-k)C_b

其中：C_(r,s)表示无人机沿所述Voronoi图的节点r到节点s的边飞行的初始代价；

C_a表示计算该路径中附近航点对该路径的代价值；

C_b表示路径的长度；

k表示权重系数，0＜k＜1。

在上述方案基础上优选，所述步骤S2.3中，获取所述待选路线轨迹的节点飞行概率的计算公式为：

其中，p_i(r,s)表示第i个蚂蚁从边L(r,s)的飞行概率，L(r,s)表示从节点r到节点s的边，τ(r,s)表示蚂蚁存储在边L(r,s)上的生物信息激素强度；η(r,s)表示节点s相对于节点r的可见性，C_(r,s)表示边L(r,s)的初始代价值；J_i(r)表示第i个蚂蚁由节点r可以到达所有可行节点的集合，这些可行节点均是由节点r的相邻节点所构成，且它们比节点r更接近预定终点；α表示信息启发式因子；β表示期望启发式因子，i表示第i个蚂蚁。

在上述方案基础上优选，所述步骤S1中的航点数据库包括每个航点的经度和纬度信息。

本发明还提供了一种无人机自学习轨迹飞行系统，包括遥控器、无人机和地面控制系统，所述遥控器和地面控制系统与所述无人机无线通讯相连，其中，所述无人机包括：

无人机本体；

定位模块，用于获取待飞行地形的各个航点，构建待飞行地形的航点数据库；

存储器，用于存储所述待飞行地形的航点数据库；

控制器，用于读取所述存储器内的所述待飞行地形的航点数据库中无人机预定起点和预定终点之间的航点，并基于蚂蚁状态转换规则，以获取所述待飞行地形的预定起点和预定终点的路线轨迹；

所述定位模板、存储器和控制器分别装设在所述无人机本体上，且所述定位模板和存储器分别与所述控制器电讯相连。

在上述方案基础上优选，所述定位模板包括GPS传感器、红外摄像头或红外发射器中的一种或多种。

在上述方案基础上优选，所述无人机还包括与所述控制器电性连接的报警模块，优选，所述报警模块包括语音报警器和/或闪光器。

在上述方案基础上优选，所述无人机还包括航线提取模块，所述航线提取模块用于自动获取所述无人机的飞行航线，且所述航线提取模块通过所述控制器与所述存储器相连，将获取到的无人机的飞行航线存储至所述存储器内。

本发明的一种无人机自学习航点轨迹飞行方法，通过构建待飞行地形的航点数据库，当输入预定起点和预定终点时，可通过蚁群算法，快速自动获取预定起点和预定终点的轨迹路线，从而使得无人机经过首次手动飞行后，可在自动飞行模式下，实现无人机可以在自动飞行模式下以最短路径(最优路径)到达特定航点，实现无人机自动航线规划管理，使其使用更加方便快捷。

优选的，本发明的无人机还可以在复杂环境下根据实时情况自动选择合适的飞行轨迹，较大程度的逼近需求的目标航点，也可以在任务完成后根据复杂的情况自动选择降落或者返航。

附图说明

图1为本发明的一种无人机自学习航点轨迹飞行方法的流程框图；

图2为本发明的一种无人机自学习航点轨迹飞行系统的结构框图；

图3为本发明的飞行模式的结构框图；

图4为本发明的本发明的Voronoi图；

图5为本发明的蚂蚁状态转换规则的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

请参阅图1所示，本发明提供了一种无人机自学习航点轨迹飞行方法，包括以下步骤：

步骤S1.获取待飞行地形的各个航点，构建待飞行地形的航点数据库；

步骤S2.读取所述待飞行地形的航点数据库中无人机预定起点和预定终点之间的航点，基于蚂蚁状态转换规则，以获取所述待飞行地形的预定起点和预定终点的路线轨迹。

需要说明的是，在步骤S1中，获取待飞行地形的各个航点包括两种，一种是目标航点(实际进行任务的航点)，另一种是手动飞行中需要为目标航点提供的辅助航点。

在工作过程中，首先通过构建待飞行地形的航点数据库，当输入预定起点和预定终点时，可通过蚁群算法，快速自动获取预定起点和预定终点的轨迹路线，从而使得无人机经过首次手动飞行后，可在自动飞行模式下，实现无人机可以快速最优的飞行到特定航点的目的，实现无人机自动航线规划管理，使其使用更加方便快捷。

值得说明的是，本发明无人机的飞行模式至少包括手动飞行模式、自动飞行模式、自动降落模式和自动返航模式，无人机在飞行过程中，可自动选择不仅限于返航、降落等措施保证自身安全，如图3所示。

其中，本发明的步骤S1详细包括：

首先，通过手动控制无人飞机飞越待飞行地形的各个航点，以获取待飞行地形的各个航点信息，构建待飞行地形的航点数据库。其中，航点信息包括但是不限于经度、纬度等数据。而步骤S1中的航点信息是通过无飞机上的定位模块以获取待飞行地形的各个航点信息。在无人机手动控制模式模式状态下，可通过手动控制自动选取在任何时间任何地点记录航点信息。

优选的，定位模块是GPS传感器、红外摄像头或红外发射器中的一种或多种。定位过程中，通过定位模块获取图像数据，通过图像处理构建待飞行区域的3D模型以提取每个航点的航点信息，从而完成构建航点数据库的目的。当完成了航点数据库构建后，无人机才能解除自动飞行模式的锁定，进入不限于手动飞行模式的飞行模式，否则不能解除锁定并进行不仅限于发出声音、闪光等警报。

作为本发明的优选实施方案，本发明的步骤S2进一步还包括

步骤S2.1，基于所述航点数据库，生成Voronoi图，利用在Voronoi图中，每个航点都有特定的边界，可以得到待飞行地形的预定起点和预定终点的之间的每一个待选路线轨迹；

步骤S2.2，基于Voronoi图，计算获取每一个待选路线轨迹的初始代价值；

步骤S2.3，根据待选路线轨迹每一条边的初始代价值C_(r,s)，对节点s相对于节点r的可见性η(r,s)以及生物信息激素强度τ(r,s)参数初始化，基于蚂蚁状态转换规则，以得到每一个所述待选路线轨迹的节点飞行概率，以获取所述待飞行地形的预定起点和预定终点的优化路径。

如图4所示为本发明的Voronoi图，Voronoi图是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成。N个在平面上有区别的节点，按照最邻近原则划分平面；每个节点与它的最近邻区域相关联。其中，最邻近原则：在平面上有n个不重合航点，把平面分为n个区域，使得每个区域内的点到它所在区域的航点的距离比到其它区域航点的距离近。Voronoi图的每条边是由相邻航点的垂直平分线构成，在边上的点到两个航点的距离相等。

其中，步骤S2.2中，获取待选路线轨迹的初始代价值的计算公式为：

C_(r,s)＝kC_a+(1-k)C_b；

其中：C_(r,s)表示无人机沿所述Voronoi图的节点r到节点s的边飞行的初始代价；

C_a表示计算该路径中附近航点对该路径的代价值；

C_b表示路径的长度；

k表示权重系数，0＜k＜1。

如图5所示，为本发明利用蚂蚁状态转换规则，获取最优路径的流程图。

其中，具体的过程包括假设有m架无人机，利用Voronoi图中得到的不同路径根据蚂蚁状态转换规则进行飞行，得到具体的每条路径的实际飞行代价，并通过多次循环，直到找到最短的代价路径，从设定的起始航点最短到达目标航点。

本发明的蚂蚁状态转换规则具体是：一个人工蚂蚁选择新可行节点的概率是有两节点间边的代价以及生物信息激素的强度决定的。

而在步骤S2.3中，基于蚂蚁状态转换规则，所述步骤S2.3中，获取所述待选路线轨迹的节点飞行概率的计算公式为：

其中，p_i(r,s)表示第i个蚂蚁从边L(r,s)的飞行概率，L(r,s)表示从节点r到节点s的边，τ(r,s)表示蚂蚁存储在边L(r,s)上的生物信息激素强度；η(r,s)表示节点S相对于节点r的可见性，C_(r,s)表示边L(r,s)的初始代价值；i表示第i个蚂蚁；J_i(r)表示第i个蚂蚁有节点r可以到达所有可行节点的集合，这些节点均是由节点r的相邻节点，而且它们比节点r更接近目标点；α为信息启发式因子，表示路线轨迹的相对重要性，反映了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起的作用；β为期望启发式因子，表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度。蚂蚁从状态r转移到状态S所选可行节点的概率会随着生物信息激素强度的增大而增大，随着通路代价的增大而减少。

请继续参阅图2所示，本发明还提供了一种无人机自学习轨迹飞行系统，包括遥控器、无人机和地面控制系统，遥控器和地面控制系统与无人机无线通讯相连，其中，本发明的无人机包括：

无人机本体，用于完成无人机的飞行；

定位模块，用于获取待飞行地形的各个航点，构建待飞行地形的航点数据库；

存储器，用于存储待飞行地形的航点数据库；

控制器，用于读取存储器内的待飞行地形的航点数据库中无人机预定起点和预定终点之间的航点，并基于蚂蚁状态转换规则，以获取待飞行地形的预定起点和预定终点的路线轨迹；

定位模板、存储器和控制器分别装设在无人机本体上，且定位模板和存储器分别与控制器电讯相连。

而本发明的无人机本体具有多种飞行模式，而该飞行模式至少包括手动飞行模式、自动飞行模式、自动降落模式和自动返航模式，无人机在飞行中发生故障可自动选择不仅限于返航、降落等措施保证自身安全，并确保每次相同任务有一定精度。

使用时，当首次飞行待飞行区域时，无人机的自动飞行模式是锁定的。此时，需将无人机切换至手动状态，利用遥控器与无人机上的控制器进行通信，通过遥控器控制无人机飞过待飞行区域，然后，利用无人机本体上的定位模块获取待飞行区域上的航点信息并将其存储至存储器内，以完成航点数据库的构建，解除无人机的自动飞行模式。当进行下一次在上述的飞行区域飞行时，无人机可进入自动飞行模式，根据输入的预定起点和预定终点，自动检索存储器内的航点信息，通过蚁群算法，规划处待飞行地形的预定起点和预定终点的轨迹路线，实现自动重复性飞行，一方面可有效提高无人机飞行轨迹的管理效率，另一方面还可以有效确保飞行的准确性，保证无人机自动重复性飞行至预定终点重复性采集数据。

值得说明的是，本发明的无人机具有多种可切换的飞行模式，至少在自动飞行模式下无人机可以自动读取航点进行任务轨迹规划并根据不仅限于风速等原因实时调整飞行轨迹，尽可能精确地在有限时间内到达飞手设定的航点。如果无法读取航点，将无法自动飞行，无人机发出不仅限于声音、闪光灯等警报，并自主根据情况选择自动降落或自动返航。

其中，本发明的定位模板包括GPS传感器、红外摄像头或红外发射器中的一种或多种。定位过程中，通过定位模块获取图像数据，通过图像处理构建待飞行区域的3D模型以提取每个航点的航点信息，从而完成构建航点数据库的目的。当完成了航点数据库构建后，无人机才能解除自动飞行模式的锁定，进入不限于手动飞行模式的飞行模式，否则不能解除锁定并进行不仅限于发出声音、闪光等警报。

作为本发明的另一实施例，本发明的无人机还包括与所述控制器电性连接的报警模块，优选，报警模块包括语音报警器和/或闪光器。使用过程中，可通过报警模块作为无人机完成其中某一程序或者出现其它任何异常情况的提示。

进一步的，本发明无人机还包括航线提取模块，航线提取模块用于自动获取无人机的飞行航线，且航线提取模块通过控制器与存储器相连，将获取到的无人机的飞行航线存储至存储器内。使用时，通过对每次任务的航点轨迹的综合分析拟合，可得出最接近期望的航点进行航点轨迹飞行。

最后，需要说明的是，本发明的无人机可以在自动飞行模式下，到达飞手设定的航点时，可以根据航点的不仅限于起飞到目标航点、在目标航点悬停飞手设定时间、自动降落、自动返航、按特定半径绕点飞行等命令属性进行任务。与此同时，无人机可以在完成飞手规定的任务后，自主比较无人机可能存在的不仅限于电量不足、大风大雨等天气情况与航点命令属性，自动选择降落或自动返航并实时把位置通过不仅限于数传等模块回传到地面站上。

最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种无人机自学习航点轨迹飞行方法，其特征在于，包括以下步骤：

步骤S1.获取待飞行地形的各个航点，构建待飞行地形的航点数据库；

步骤S2.读取所述待飞行地形的航点数据库中无人机预定起点和预定终点之间的航点，基于蚂蚁状态转换规则，以获取所述待飞行地形的预定起点和预定终点的路线轨迹。

2.如权利要求1所述的一种无人机自学习航点轨迹飞行方法，其特征在于，所述步骤S1详细包括：

通过手动控制无人飞机飞越待飞行地形的各个航点，以获取待飞行地形的各个航点信息，构建待飞行地形的航点数据库。

3.如权利要求2所述的一种无人机自学习航点轨迹飞行方法，其特征在于，所述步骤S1是通过无飞机上的定位模块以获取待飞行地形的各个航点信息，且所述定位模块为GPS传感器、红外摄像头或红外发射器中的一种或多种。

4.如权利要求1所述的一种无人机自学习航点轨迹飞行方法，其特征在于，所述步骤S2进一步还包括

步骤S2.1，基于所述航点数据库，生成Voronoi图，以得到所述待飞行地形的预定起点和预定终点的待选路线轨迹；

步骤S2.2，基于Voronoi图，计算获取每一个所述待选路线轨迹每一条边的初始代价值；

步骤S2.3，根据所述待选路线轨迹每一条边的初始代价值，对相邻节点的可见性及生物信息激素强度初始化，基于蚂蚁状态转换规则，以得到每一个所述待选路线轨迹的节点飞行概率，以获取所述待飞行地形的预定起点和预定终点的优化路径。

5.如权利要求4所述的一种无人机自学习航点轨迹飞行方法，其特征在于，所述步骤S2.2中，获取所述待选路线轨迹的每一条边的初始代价值的计算公式为：

C_(r,s)＝kC_a+(1-k)C_b

其中：C_(r,s)表示无人机沿所述Voronoi图的节点r到节点s的边飞行的初始代价；

C_a表示计算该路径中附近航点对该路径的代价值；

C_b表示路径的长度；

k表示权重系数，0＜k＜1。

6.如权利要求4所述的一种无人机自学习航点轨迹飞行方法，其特征在于，所述步骤S2.3中，获取所述待选路线轨迹的节点飞行概率的计算公式为：

其中，p_i(r,s)表示第i个蚂蚁从边L(r,s)的飞行概率，L(r,s)表示从节点r到节点s的边，τ(r,s)表示蚂蚁存储在边L(r,s)上的生物信息激素强度；η(r,s)表示节点s相对于节点r的可见性，C_(r,s)表示边L(r,s)的初始代价值；J_i(r)表示第i个蚂蚁由节点r可以到达所有可行节点的集合，这些可行节点均是由节点r的相邻节点所构成，且它们比节点r更接近预定终点；α表示信息启发式因子；β表示期望启发式因子，i表示第i个蚂蚁。

7.如权利要求1所述的一种无人机自学习航点轨迹飞行方法，其特征在于，所述步骤S1中的航点数据库包括每个航点的经度和纬度信息。

8.一种无人机自学习轨迹飞行系统，其特征在于，包括遥控器、无人机和地面控制系统，所述遥控器和地面控制系统与所述无人机无线通讯相连，其中，所述无人机包括：

无人机本体；

定位模块，用于获取待飞行地形的各个航点，构建待飞行地形的航点数据库；

存储器，用于存储所述待飞行地形的航点数据库；

控制器，用于读取所述存储器内的所述待飞行地形的航点数据库中无人机预定起点和预定终点之间的航点，并基于蚂蚁状态转换规则，以获取所述待飞行地形的预定起点和预定终点的路线轨迹；

所述定位模板、存储器和控制器分别装设在所述无人机本体上，且所述定位模板和存储器分别与所述控制器电讯相连。

9.如权利要求8所述的一种无人机自学习轨迹飞行系统，其特征在于，所述定位模板包括GPS传感器、红外摄像头或红外发射器中的一种或多种。

10.如权利要求8所述的一种无人机自学习轨迹飞行系统，其特征在于，所述无人机还包括航线提取模块，所述航线提取模块用于自动获取所述无人机的飞行航线，且所述航线提取模块通过所述控制器与所述存储器相连，将获取到的无人机的飞行航线存储至所述存储器内。