CN109670656A - 一种基于4g网络的无人机最优通信路线规划方法 - Google Patents

Abstract

本发明涉及一种基于4G网络的无人机最优通信路线规划方法，属于移动通信技术领域，该方法包括：S1：空间建模，栅格划分：S2：基于所述栅格法建立三维空间的数据库，并记录栅格节点内任意位置的4G信号的RSRP；S3：飞行路线预规划：将起点与终点的连接起来，连接线作为预规划路线；S4：飞行路线再规划：利用三维直线光栅化算法和路线由寻路算法，并利用二级数据求出新的再规划路线；S5：通过改进型寻路算法求出最优路线。本发明通过栅格法建模降低了寻路计算复杂度，同时通过寻路算法得出最优解，保证无人机避免进入信号盲区的可能。

Description

一种基于4G网络的无人机最优通信路线规划方法

技术领域

本发明属于移动通信技术领域，涉及一种基于寻路算法的无人机路线规划方法。

背景技术

近年来，无人机相关技术得到了大力的发展，除了民用娱乐，还可用于影视摄影、环境监视、火场探测、目标跟踪等方面，同时还具有自动寻路功能，能根据现场环境或实时需求规划最优路线。

目前民用无人机多采用射频遥控器控制，控制距离短且信号容易受到障碍物阻挡，在如今的通信条件下，4G网络已经能够遍布各大城市的主要地区，能够满足绝大多数用户的需求，为解决民用无人机远程通信技术所遇到的通信距离限制问题提供了优良的解决条件，因此，通过4G网络来实现无人机的远程控制成为了未来无人机远程控制发展的重要方向。然而，4G网络虽然具有分布广、速率高的优点，但是4G信号接收功率大小会因为位置的不同而存在明显的差异，甚至还可能存在信号盲区。因此，在对无人机进行路线规划时必须考虑这一关键因素。

目前常用的无人机路径规划方法，主要包括环境建模和寻路算法。环境建模较多使用栅格法进行建模，即将整体空间划分为不同的栅格，从而将无人机不规则的路线转化成在不同栅格之间的移动。分析现有无人机路径规划技术的缺陷，具体如下：

(1)公开号为CN 107092268 A的专利公开了一种基于GPRS-4G通信的无人机远程定点巡航控制系统，采用PC机与遥控器相结合的方式，利用4G网络控制无人机，PC机上定点巡航控制软件可设置无人机飞行路线，通过4G终端上传给无人机，并在定点巡航控制软件里加入了GPS定位系统，可呈现立体地图，实现对飞行路线的精确规划。然而此系统不具有最优寻路功能，并且未能将空域中的4G网络分布不均的因素考虑进来，因此作为无人机远程控制的后台服务，该发明仍有需要改进的地方。

(2)公开号为CN 107229998 A的专利公开了一种无人机自主寻路策略方法，包括利用极坐标系对环境进行建模、划分扇形栅格、利用最小蚁群算法与遗传算法实现最优寻路，该发明结合了两种寻优算法，精度较高，然而尽管在搜索效率方面进行了优化，却依然存在收敛速度慢、易陷入局部最优以及计算复杂度较高的缺陷，并且参数若设置不当，则可能存在所得解质量较差的现象。

(3)公开号为CN 107453798 A的专利公开了一种通过4G网络与无人机进行远距离信息交互的装置及方法，通过无人机搭载的4G通信模块与传感器来进行数据收发，地面控制人员使用智能移动终端与机载4G模块进行远距离信息交互，用以向无人机相关指令从而控制无人机的飞行以及实时收集图传信息和飞行信息。该专利提出的方案能够实现以4G网络为主要通信环境从而使地面人员足不出户即可对无人机实现远程控制，并获取无人机所在位置周边的图像信息，然而不足之处也很明显，无人机一旦进入4G信号覆盖较差的区域，随时都有可能与地面控制端失去联系，因此要实现远程控制，该专利所述方法还需进一步改进。

发明内容

有鉴于此，本发明的目的在于提供一种基于4G网络的无人机最优通信路线规划方法，保证无人机在飞行时避免因进入信号质量较差的区域而发生通信中断甚至坠机，通过栅格法建模降低了寻路计算复杂度，同时通过寻路算法得出最优解。

为达到上述目的，本发明提供如下技术方案：

一种基于4G网络的无人机最优通信路线规划方法，具体包括以下步骤：

S1：空间建模，栅格划分：通过GPS信息为基准将空域通过栅格法划分为大小相等的单元格，单元格大小分为一级数据栅格和二级数据栅格；

S2：基于所述栅格法建立三维空间的数据库，并记录栅格节点内任意位置的4G信号的RSRP，其中每个栅格对应一个独立的坐标(x,y,z)；

S3：飞行路线预规划：将起点与终点的连接起来，连接线作为预规划路线；

S4：飞行路线再规划：利用三维直线光栅化算法求出预规划路线所经过的一级数据栅格；求出直线经过的栅格后，将不满足飞行条件的栅格所包含的直线抹除，此时预规划路线中将会出现若干段长度不等的空缺段，将所述空缺段中的路线由寻路算法利用二级数据求出新的再规划路线；

S5：通过改进型寻路算法求出最优路线。

进一步，步骤S1中，所述一级数据栅格的边长为30m，用于飞行线路的预规划；所述二级数据栅格的边长为10m，飞行线路的再规划，无人机可视为质点，由此将无人机途径的路线等效为在栅格之间的移动。

进一步，步骤S1中，所述数据库内还加入有障碍信息，采用与坐标相应的0-1矩阵(0表示障碍点，1表示非障碍点)来存储每个栅格节点的可达性，即1表示该节点可达，0表示不可达，此节点的代价值将视为无穷大。

进一步，步骤S4中，所述三维直线光栅化算法具体包括：3个分支；设起点与终点分别为P_s(x_s,y_s,z_s)与P_e(x_e,y_e,z_e)，且Δx＝x_e-x_s，Δy＝y_e-y_s，Δz＝z_e-z_s，第一分支Δx大于等于Δy和Δz，该分支中循环的每一步总是将x的坐标加1或减1，然后由递推式判断要对y与z坐标加1、减1或不变；第二分支Δy大于等于Δx和Δz时，此时该分支中循环的每一步总是将y坐标加1或减1，然后判断x与z如何变化；第三分支Δz最大，此时该分支中循环的每一步总是z坐标加1，然后判断x与y坐标如何变化，并且这三个分支完全对称。

进一步，步骤S4中，所述路线再规划具体包括：设第i个栅格的节点坐标为(x_i,y_i,z_i)，当Δx≥Δy>Δz>1时，x_i对应的像素点为P_i,r(x_i,y_i,r,z_i,r)，其中，y_i,r和z_i,r表示最靠近y_i和z_i的整数，通过三维直线光栅化算法求出预规划路线所经过的主要栅格，三维空间直线光栅化由xoy与xoz面合成而来，在xoy面中：

其中D(y_i)表示xoy面中第i个栅格的选择判定，k_xoy表示xoy面中的斜率；

而在xoz面中：

其中D(z_i)表示xoz面中第i个栅格的选择判定，k_xoz表示xoz面中的斜率；

以上两个公式，共同构成了三维空间直线光栅化的递推式，由此求出预规划路线所经栅格；结合一级数据分析这些栅格的RSRP值与可达性，若RSRP值过大或位置不可达，则直接将经过这些栅格的直线截断，这些截断部分的路线将调用二级数据并由寻路算法来确定再规划路线。

进一步，步骤S5中，所述通过改进型寻路算法求出最优路线具体包括：

最优路线的选择以路线的代价为主要参考指标，代价函数为：

f(n)＝h(n)+g(n)

其中，f(n)为总代价，h(n)为指定点到终点的估计代价，g(n)为从起点到指定位置的代价，且：

P_i＝(p_i-p_min)/(p_max-p_min)

h(n)＝(d_n-d_min)/(d_max-d_min)

C_i＝(c_i-c_min)/(c_max-c_min)

其中，C_i为第i个栅格与它前一个栅格之间的实际距离，它是对路线长度的直接惩罚，可以使路线尽快向目标前靠近从而避免陷入寻路死锁状态；P_i为信号覆盖强度的直接代价，值越小表示代价越低，该项参数可以使无人机避免进入信号较差的区域，p_i、p_max、p_min分别为当前栅格的信号强度、所有栅格中的最大信号强度与最小信号强度；w₁、w₂为两个权值，且w₁+w₂＝1，通过需求调整两个权值来确定两个代价指标所占权重；d_n、d_max、d_min分别为分别为栅格n到目标点的地表距离、最大距离、最小距离；c_i为第i个栅格与它前一个栅格之间的地表距离，c_max、c_min可通过以下两个式子求出：

其中，为栅格i与前一个栅格之间经过的栅格数量，Δd为一个栅格的边长，d_i为欧氏距离，Δh_i为高度差，h_max、h_min分别为所有栅格中的最大高度与最小高度。

进一步，在计算g(n)前将对RSRP进行数值判定，若其绝对值大于110，则将所在节点加入closed表中，即视为不可达节点；若相邻节点均不可达，则回退到上一节点并将本节点加入closed表中，重新进行路线搜索。

本发明的有益效果在于：本发明根据4G网络下信号覆盖不均的特征，设计路线使无人机在整个过程拥有较高的通信可靠性，避免了进入信号盲区的可能，从而保证无人机在飞行时避免因进入信号质量较差的区域而发生通信中断甚至坠机；通过栅格法建模降低了寻路计算复杂度，同时通过寻路算法得出最优解。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明所述无人机最优通信路线规划方法的流程图；

图2为直线光栅化的二维节点选择示意图；

图3为直线光栅化的三维节点选择示意图；

图4为直线光栅化仿真示意图；

图5为寻路步骤流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

如图1所示，本发明提供的一种基于4G网络的无人机最优通信路线规划方法，应用于由4G网络远程控制的无人机在任务指派中的航线规划，该规划方法涉及的系统包括有：4G通信系统、数据库、GPS定位系统、飞行控制系统，通过PC控制端与机载嵌入式系统。该规划方法具体包括以下步骤：

S1：空间建模，栅格划分：通过GPS信息为基准将空域通过栅格法划分为大小相等的单元格，单元格大小分为一级数据栅格和二级数据栅格；所述一级数据栅格的边长为30m，用于飞行线路的预规划；所述二级数据栅格的边长为10m，飞行线路的再规划，无人机可视为质点，由此将无人机途径的路线等效为在栅格之间的移动。

在本发明中，除去节点在当前所在水平面中的八个搜索方向以外，再加入向上、向下的两个搜索方向，共计10个搜索方向，本发明中的寻路策略限于已知各栅格所在区域RSRP值为先验条件。

S2：基于所述栅格法建立三维空间的数据库，并记录栅格节点内任意位置的4G信号的RSRP，其中每个栅格对应一个独立的坐标(x,y,z)。例如经度在[106.611057,106.611357]之间、纬度在[29.541607,29.541907]之间、相对高度为10-40米中的空间为坐标(1,1,1)，则同样高度下，经度在[106.611057,106.611062]之间、纬度在[29.541907,29.542207]之间的坐标为(1,2,1)，此划分方法的栅格的边长大约为30m，此数据为一级数据，在这样的基础上，将每个栅格再次细分为3×3×3的更小栅格，这些更小的栅格及其信息将作为二级数据保存。栅格节点内任意位置的RSRP值均以数据库记录为准。考虑到树木与房屋遮挡，需要加入障碍信息，采用与坐标相应的0-1矩阵(0表示障碍点，1表示非障碍点)的方式来存储每个栅格节点的可达性，即1表示该节点可达，0表示不可达，此节点的代价值将视为无穷大。

S3：飞行路线预规划：为了选择出一条较平滑的飞行线路，首先需进行预规划即直接将起点与终点进行连线来作为预规划的路线。

S4：飞行路线再规划：利用三维直线光栅化算法求出预规划路线所经过的一级数据栅格；求出直线经过的栅格后，将不满足飞行条件的栅格所包含的直线抹除，此时预规划路线中将会出现若干段长度不等的空缺段，将所述空缺段中的路线由寻路算法利用二级数据求出新的再规划路线。

所述利用直线光栅化算法求出预规划路线所经过的一级数据栅格具体为：三维直线光栅化算法分为3个分支。第一分支Δx大于等于Δy和Δz，该分支中循环的每一步总是将x的坐标加1或减1，然后由递推式判断要对y与z坐标加1、减1或不变；第二分支Δy大于等于Δx和Δz时，此时该分支中循环的每一步总是将y坐标加1或减1，然后判断x与z如何变化；第三分支Δz最大，此时该分支中循环的每一步总是z坐标加1，然后判断x与y坐标如何变化，并且这三个分支完全对称。

以第一分支为例，起点与终点分别为P_s(x_s,y_s,z_s)与P_e(x_e,y_e,z_e)，且Δx＝x_e-x_s，Δy＝y_e-y_s，Δz＝z_e-z_s。此时Δx≥Δy>Δz>1，设x_i对应的像素点为P_i,r(x_i,y_i,r,z_i,r),其中y_i,r和z_i,r表示最靠近y_i和z_i的整数，三维空间中的直线光栅化可以由两个二维平面合成而来。其中如图2所示，取栅格左下角点作为整数坐标点进行计算，在XOY平面中，假设相邻两点的坐标差为1，即x_i+1-x_i＝1，则由二维平面直线方程y＝kx+b(其中k为斜率，b为截距)可知y_i+1-y_i＝k，由于k为实数，因此可用坐标上的点(x_i,y_i,r)来表示，其中y_i,r表示最接近y_i的整数，在图4中，直线斜率k＜1，已选择点E(x_i,y_i,r)为直线经过的栅格点，B点为直线经过的点，显然下一个节点只能从点C或点D中选择，此时设A为CD的中点，若B在A的上方，则应选择点D(x_i+1,y_i+1,r)作为下一节点，否则，应取C点。

为了确定B点在A的上方还是下方，令D(y_i+1)＝y_i+1-y_i,r-0.5，如果D(y_i+1)＜0，则表示B点在A点的下方，反之，B在A的上方。根据此判定规则，并结合图2可得空间直线在xoy面的投影直线中：

其中

D(x_i+1)＝y_i+1-y_i,r-0.5 (2)

同理，在XOZ面中：

其中

D(z_i+1)＝z_i+1-z_i,r-0.5 (4)

由式(1)-(4)可知，P_i+1,r(x_i+1,y_i+1,r,z_i+1,r)一定为图3中的点1,2,3,4中的一个

将式(1)带入式(2)中可得：

其中，k_xoy表示在XOY面投影直线的斜率。

同理将(3)式代入(4)式中可得：

其中，k_xoz表示在XOZ面投影直线的斜率。

式(5)(6)共同构成了直线光栅化算法的递推公式，图4为在matlab中模拟该算法在三维空间中的仿真图，由图4可知，通过使用该算法可将一条空间直线等效为由若干个栅格连接而成的区域，由此便可求出该直线经过的主要栅格。

S5：通过改进型寻路算法求出最优路线。

最优路线的选择以路线的代价为主要参考指标，代价函数为：

f(n)＝h(n)+g(n) (7)

其中，f(n)为总代价，h(n)为指定点到终点的估计代价，g(n)为从起点到指定位置的代价，且：

h(n)＝(d_n-d_min)/(d_max-d_min) (9)

P_i＝(p_i-p_min)/(p_max-p_min) (10)

式(8)中，C_i为第i个栅格与它前一个栅格之间的实际距离，它是对路线长度的直接惩罚，可以使路线尽快向目标前靠近从而避免陷入寻路死锁状态。机载4G模块能够向地面站发送无人机当前位置所在栅格区域的信号RSRP值，该参数经由式(10)计算后即可作为式(8)中g(n)的信号覆盖强度代价计算参数P_i，即为信号覆盖强度的直接代价，值越小表示代价越低，该项参数可以使无人机避免进入信号较差的区域。w₁、w₂为两个权值，且w₁+w₂＝1，可通过需求调整两个权值来确定两个代价指标所占权重。

在式(8)中由于两个代价不在一个数量级上，因此需要对其进行归一化处理，而采用归一化处理的关键是要确定最大值和最小值，其中无人机飞行的最大高度h_max和最小高度h_min是已知的，一旦确定最大、最小高度，那么最大距离c_max和最小距离c_min也可以求出，如下所示：

其中，为栅格i与前一个栅格之间经过的栅格数量，Δd为一个栅格的边长，d_i为欧氏距离，Δh_i为高度差，h_max、h_min分别为所有栅格中的最大高度与最小高度。故而可得：

C_i＝(c_i-c_min)/(c_max-c_min) (13)

式(13)描述了式(8)中的距离代价指标参数计算方法。式(9)中的d_n、d_max、d_min分别为栅格n到目标点的地表距离、最大距离、最小距离，计算方法同式(11)(12)。

如图5所示，本发明所述的基于4G网络的无人机最优通信路线规划方法的具体流程为：

1)预处理：读取数据库信息并保存在两个三维数组中，数组的三个下标对应(x,y,z)坐标，其中一个数组保存每个节点的RSRP值，另一个数组保存障碍信息在搜索时，有障碍的节点一律视为代价无穷大。

2)再处理：

S1：确定起点与终点并连接该两点作为预规划路线；

S2：调用一级数据，并利用直线光栅化算法求出预规划路线所经过的一级数据栅格；

S3：将不满足条件的栅格所包含的直线段抹除，并对抹除部分进行再规划；

S4：调用抹除部分所在位置的二级数据，并确定每一段的起点与终点；

S5：设置open表和closed表，其中open表中保存的是待搜索的节点，closed表中保存的是不再关注的节点；

S6：设置起点和终点，将起点加入到open表中，假设起点为A；

S7：检查与起点A相邻的节点，并将其中可达的节点加入到open表中；

S8：取总代价最低的节点作为下一个目标点B；

S9：验证目标点B相邻的节点，如果B点的相邻且可达节点均在open表中，则返回S3并将B点加入到closed表中，反之，继续下一步；

S10：将A点加入到父节点队列中，并将A加入到closed表中，表示A点将不再关注；

S11：假设此时已确定选择B为下一前进方向，则检查所有与B相邻的节点，忽略已经加入closed表中的节点，如果某个节点不在open表中，则将它加入进去；

S12：以B节点为起点，计算相邻所有可达节点的f(n)、g(n)、h(n)值；

S13：检查与B节点相邻的所有可达节点RSRP值，将绝对值大于110的节点加入closed表中。若B点的所有相邻节点均在closed表中，则将B点也加入到closed表中并回退到上一节点重新进行寻路搜索，否则，进行下一步；

S14：选择代价最小的节点暂定为下一个搜索目标；

S15：将当前所在节点设置为父节点；

S16：如果某个相邻节点已经在open表中，则检查该路径是否具有更小的g(n)值，如果没有，则不作任何动作，反之，则将该节点的父节点设为当前节点，并重新计算它的代价函数；

S17：如果终点被加入到open表中，表示寻路完成，否则，继续搜索，如果未到达终点且open表为空，则表示寻路失败；

S18：从终点开始，沿着父节点移动至起点，即为所得路线。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (7)

1.一种基于4G网络的无人机最优通信路线规划方法，其特征在于，该方法具体包括以下步骤：

S1：空间建模，栅格划分：通过GPS信息为基准将空域通过栅格法划分为大小相等的单元格，单元格大小分为一级数据栅格和二级数据栅格；

S2：基于所述栅格法建立三维空间的数据库，并记录栅格节点内任意位置的4G参考信号接收功率(Reference Signal Receiving Power,RSRP)，其中每个栅格对应一个独立的坐标(x,y,z)；

S3：飞行路线预规划：将起点与终点的连接起来，连接线作为预规划路线；

S4：飞行路线再规划：利用三维直线光栅化算法求出预规划路线所经过的一级数据栅格；求出直线经过的栅格后，将不满足飞行条件的栅格所包含的直线抹除，此时预规划路线中将会出现若干段长度不等的空缺段，将所述空缺段中的路线由寻路算法利用二级数据求出新的再规划路线；

S5：通过改进型寻路算法求出最优路线。

2.根据权利要求1所述的基于4G网络的无人机最优通信路线规划方法，其特征在于，步骤S1中，所述一级数据栅格的边长为30m，用于飞行线路的预规划；所述二级数据栅格的边长为10m，飞行线路的再规划。

3.根据权利要求1所述的基于4G网络的无人机最优通信路线规划方法，其特征在于，步骤S1中，所述数据库内还加入有障碍信息，采用与坐标相应的0-1矩阵来存储每个栅格节点的可达性，即1表示该节点可达，0表示不可达，此节点的代价值将视为无穷大。

4.根据权利要求1所述的基于4G网络的无人机最优通信路线规划方法，其特征在于，步骤S4中，所述三维直线光栅化算法具体包括：3个分支；设起点与终点分别为P_s(x_s,y_s,z_s)与P_e(x_e,y_e,z_e)，且Δx＝x_e-x_s，Δy＝y_e-y_s，Δz＝z_e-z_s，第一分支Δx大于等于Δy和Δz，该分支中循环的每一步总是将x的坐标加1或减1，然后由递推式判断要对y与z坐标加1、减1或不变；第二分支Δy大于等于Δx和Δz时，此时该分支中循环的每一步总是将y坐标加1或减1，然后判断x与z如何变化；第三分支Δz最大，此时该分支中循环的每一步总是z坐标加1，然后判断x与y坐标如何变化，并且这三个分支完全对称。

5.根据权利要求4所述的基于4G网络的无人机最优通信路线规划方法，其特征在于，步骤S4中，所述路线再规划具体包括：设第i个栅格的节点坐标为(x_i,y_i,z_i)，当Δx≥Δy>Δz>1时，x_i对应的点为P_i,r(x_i,y_i,r,z_i,r)，其中，y_i,r和z_i,r表示最靠近y_i和z_i的整数，通过三维直线光栅化算法求出预规划路线所经过的主要栅格，三维空间直线光栅化由xoy与xoz面合成而来，在xoy面中：

其中D(y_i)表示在xoy投影面中第i个栅格的选择判定，k_xoy表示xoy面中的斜率；

而在xoz面中：

其中D(z_i)表示xoz面中第i个栅格的选择判定，k_xoz表示xoz面中的斜率；

以上两个公式，共同构成了三维空间直线光栅化的递推式，由此求出预规划路线所经栅格；结合一级数据分析这些栅格的RSRP值与可达性，若RSRP值过大或位置不可达，则直接将经过这些栅格的直线截断，这些截断部分的路线将调用二级数据并由寻路算法来确定再规划路线。

6.根据权利要求1所述的基于4G网络的无人机最优通信路线规划方法，其特征在于，步骤S5中，所述通过改进型寻路算法求出最优路线具体包括：

最优路线的选择以路线的代价为主要参考指标，代价函数为：

f(n)＝h(n)+g(n)

其中，f(n)为总代价，h(n)为指定点到终点的估计代价，g(n)为从起点到指定位置的代价，且：

P_i＝(p_i-p_min)/(p_max-p_min)

h(n)＝(d_n-d_min)/(d_max-d_min)

C_i＝(c_i-c_min)/(c_max-c_min)

其中，C_i为第i个栅格与它前一个栅格之间的实际距离；P_i为信号覆盖强度的直接代价，值越小表示代价越低，p_i、p_max、p_min分别为当前栅格的信号强度、所有栅格中的最大信号强度与最小信号强度；w₁、w₂为两个权值，且w₁+w₂＝1，通过需求调整两个权值来确定两个代价指标所占权重；d_n、d_max、d_min分别为栅格n到目标点的地表距离、最大距离、最小距离；c_i为第i个栅格与它前一个栅格之间的地表距离，c_max、c_min通过以下两个式子求出：

其中，为栅格i与前一个栅格之间经过的栅格数量，Δd为一个栅格的边长，d_i为欧氏距离，Δh_i为高度差，h_max、h_min分别为所有栅格中的最大高度与最小高度。

7.根据权利要求6所述的基于4G网络的无人机最优通信路线规划方法，其特征在于，在计算g(n)前将对RSRP进行数值判定，若其绝对值大于110，则将所在节点加入closed表中，即视为不可达节点；若相邻节点均不可达，则回退到上一节点并将本节点加入closed表中，重新进行路线搜索。