CN109976164B - 一种多旋翼无人机能量优化视觉覆盖轨迹规划方法 - Google Patents

Abstract

本发明公开了一种基于最优控制的旋翼无人机能量优化视觉覆盖轨迹规划方法。其包括：建立旋翼无人机能量消耗模型，将旋翼无人机飞行过程中的能量消耗描述为实时功率对时间的积分，建立起实时功率与旋翼无人机运动状态、起飞重量、风阻、空阻之间的对应关系；以最小化旋翼无人机能耗为性能指标，以初始状态，终端状态等作为约束，构建开环最优控制问题并求解任意两路径点之间的能量最优轨迹；把覆盖指定兴趣区域所需遍历的所有路径点记入加权图，通过启发式算法搜索得到覆盖整个兴趣区域能耗最少的覆盖轨迹。本发明可以实现客观、直接、精确的旋翼无人机视觉覆盖轨迹规划，充分考虑旋翼无人机的各种性能约束，并且提高了旋翼无人机的视觉覆盖效率。

Description

一种多旋翼无人机能量优化视觉覆盖轨迹规划方法

技术领域

本发明涉及机器人运动规划领域，尤其涉及一种多旋翼无人机能量优化视觉覆盖轨迹规划方法。

背景技术

覆盖路径规划(CPP)问题，一直是机器人领域的一个热点研究问题。它不同于路径规划(PP)，大多数现有的路径规划策略都是从起点到目标点寻找可行的最优路径。然而，覆盖路径规划(CPP)的任务是确定一条路径，该路径通过感兴趣的区域或体积的所有点，同时避免障碍物。

目前的解决方案中，对于空中机器人的覆盖路径规划大多还都停留在二维平面内的规划，即假设无人机携带视觉传感器，飞行在固定高度，按照设定好的飞行模式覆盖兴趣区域。然而，在一些特定的情景中，如复杂的城市环境、地形起伏大的野外环境，简单的二维规划已经不能满足任务要求。因此，三维覆盖路径规划方法越来越被重视，这些方法都有一个共同的特点，那就是考虑被覆盖区域的三维结构或者地形变化给视觉覆盖任务带来的影响，从而采用三维规划方式来降低这些影响。

对于空中机器人来说，尤其是旋翼无人机，能量约束成为其工作能力拓展的重要阻碍。因此，与常见的最短时间覆盖路径和最短路径的覆盖路径研究不同，基于能量最优的覆盖路径解决方案具有重要意义。此类方法可以理解为以有限能量最大化覆盖范围或者在覆盖范围固定的情况下最小能量消耗。

综上所述，对于空中机器人三维覆盖路径规划方面和最优能量消耗的路径规划方面的研究越来越受重视。但是，对于将以上两者相结合的覆盖路径规划研究很少，因此提出一种基于能量优化的旋翼无人机三维视觉覆盖轨迹规划方法是十分必要的。

发明内容

本发明目的是针对现有技术没有把旋翼无人机视觉三维覆盖轨迹规划和旋翼无人机能量约束相结合考虑旋翼无人机作业效率问题，提供一种基于开环最优控制的旋翼无人机最优能量视觉覆盖轨迹规划方法。该方法通过建立旋翼无人机能量消耗模型和开环最优控制问题，可以实现客观、直接、精确的旋翼无人机视觉覆盖轨迹规划。

本发明的目的是通过以下技术方案来实现的：

一种多旋翼无人机能量优化视觉覆盖轨迹规划方法，包括以下几个步骤：

步骤1：对多旋翼无人机能量消耗建立模型，将无人机飞行过程中的能量消耗描述为实时功率对时间的积分，建立起实时功率与无人机运动状态、起飞重量、风阻、空阻之间的对应关系；

步骤2：构建以多旋翼无人机最小能量消耗为性能指标的最优控制问题，将旋翼无人机的动力学模型在状态空间中进行表达构成被控系统状态方程，初始状态、终端状态、控制输入约束以及特定任务下的其他要求作为约束，无人机最小化消耗能量作为性能指标；

步骤3：对任意两个路径点通过采用最优控制方法进行最优能量轨迹规划，并将规划出的轨迹和对应消耗的能量记入加权图；

步骤4：通过启发式算法搜索加权图得到兴趣区域能量最优的视觉覆盖轨迹。

本发明的有益效果：

第一，本发明中充分考虑了旋翼无人机消耗的实时功率与旋翼无人机运动状态、起飞重量、风阻、空阻之间的对应关系，可以建立精确的旋翼无人机能量消耗模型。

第二，本发明中通过构建关于旋翼无人机系统的最优控制问题，将最优能量轨迹规划问题转化为求解开环最优控制问题，具有客观、直接、精确的优点。

第三，本发明可以充分考虑旋翼无人机的性能约束(如运动学、动力学约束等)和实际覆盖规划中的约束条件，符合实际需求的旋翼无人机覆盖轨迹规划。

第四，本发明中通过启发式算法搜索出最优的路径点遍历顺序，可以提高旋翼无人机对兴趣区域视觉覆盖的效率。

第五，本发明中提出的上述方法适用于各种类型的旋翼无人机，如：四旋翼、六旋翼、八旋翼等类型的无人机系统。

附图说明

图1是本发明的结构框图；

图2是实施例中用到的四旋翼无人机模型示意图；

图3是实施例中加权图示意图；

图4是实施例中规划结果示意图。

其中：1-旋翼无人机轨迹；2-空中路径点；3-相机投影点。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更清楚明确的界定。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

本发明的一种典型实施例是一种多旋翼无人机能量优化视觉覆盖轨迹规划方法，如图1所示，包括以下步骤：

步骤1：选取感兴趣的目标区域，首先获取能够满足任务要求的旋翼无人机空中路径点2，本实例中使用一般的跟随地形视觉覆盖方式，在满足图像重叠率的要求下获取旋翼无人机空中路径点P_k＝(x_k,y_k,z_k),k∈[1,N]。

步骤2：对旋翼无人机的实时能量消耗进行建模，本实例以四旋翼无人机为例，将无人机飞行过程中的能量消耗描述为实时功率对时间的积分，建立起实时功率与无人机运动状态、起飞重量、风阻、空阻之间的对应关系，具体为：

其中，P为无人机实时消耗功率，q(t)和Q(t)为无人机的位置和姿态角，

和

分别为无人机的速度和角速度，m为无人机的起飞重量，f(t)为空阻，f_w(t)为风阻。

步骤3：如图2所示，图2中的{w}为世界坐标系，{B}为四旋翼无人机本体坐标系，{C}为相机坐标系，w₁～w₄为电机转速，F₁～F₄为每个电机生成的拉力，将四旋翼无人机的动力学模型进行状态空间的表达，作为最优控制问题的受控系统状态方程，即

其中

为无人机的状态变量，u(t)为无人机的控制输入。

步骤4：以四旋翼无人机初始状态、终端状态、控制输入约束以及特定任务下的其他要求作为约束，无人机最小化消耗能量作为性能指标，结合无人机系统状态方程，可以建立如下最优控制问题：

x(t₀)＝x₀

x(t_f)＝x_f

F(ξ)＝0

其中，x₀无人机初始状态，x_f为无人机终端状态，

为无人机的性能约束，F(ξ)为其他任务需求约束，如无人机的相机指向约束、无人机姿态约束等。

步骤5：根据建立的最优控制问题，求解任意两路径点之间的能量最优轨迹，并记录对应消耗的能量值e_ij，其中i,j∈{1，2，3...,N}表示路径点的索引序号，如图3所示，把所有路径点作为节点V，路径点之间的轨迹为边E，每条轨迹消耗的能量为权重，记入加权图G(V,E)。

步骤6：采用启发式算法对生成的加权图G(V,E)进行搜索，找到消耗能量最小的遍历顺序S和其对应的总能耗J_tot。

步骤7：使用上述步骤生成的能量最优视觉覆盖轨迹Tr对兴趣区域进行视觉覆盖，如图4所示，完成指定的视觉覆盖任务。

综上，本发明提供一种高效的旋翼无人机视觉覆盖轨迹规划方法。通过建立最优控制问题，完成旋翼无人机两路径点之间的轨迹规划，然后采用启发式算法找出最优的遍历顺序实现兴趣区域的能量最优视觉全覆盖。

Claims (1)

1.一种多旋翼无人机能量优化视觉覆盖轨迹规划方法，其特征在于：包括以下步骤：

步骤1、选取感兴趣的目标区域，首先获取能够满足任务要求的旋翼无人机空中路径点，使用一般的跟随地形视觉覆盖方式，在满足图像重叠率的要求下获取旋翼无人机空中路径点P_k＝(x_k，y_k，z_k)，k∈1，N；

步骤2、对旋翼无人机的实时能量消耗进行建模，以四旋翼无人机为例，将无人机飞行过程中的能量消耗描述为实时功率对时间的积分，建立起实时功率与无人机运动状态、起飞重量、风阻、空阻之间的对应关系，具体为：

其中，P为无人机实时消耗功率，q(t)和Q(t)为无人机的位置和姿态角，

和

为无人机的速度和角速度，m为无人机的起飞重量，f(t)为空气阻力和f_w(t)为风阻；

步骤3、将四旋翼无人机的动力学模型进行状态空间的表达，作为最优控制问题的受控系统状态方程，即

其中

为无人机的状态，u(t)为无人机的控制输入；

步骤4、以四旋翼无人机初始状态、终端状态、控制输入约束以及特定任务下的其他要求作为约束，无人机最小化消耗能量作为性能指标，结合无人机系统状态方程，可以建立如下最优控制问题：

x(t₀)＝x₀

x(t_f)＝x_f

F(ξ)＝0

其中，x₀无人机初始状态，x_f为无人机终端状态，

为无人机的性能约束，F(ξ)为其他任务需求约束，包括无人机的相机指向约束、无人机姿态约束；

步骤5、根据建立的最优控制问题，求解任意两路径点之间的能量最优轨迹，并记录对应消耗的能量值e_ij，其中i，j∈{1，2，3...，N}表示路径点的索引序号，把所有路径点作为节点V，路径点之间的轨迹为边E，每条轨迹消耗的能量为权重，记入加权图G(V，E)；

步骤6、采用启发式算法对生成的加权图G(V，E)进行搜索，找到消耗能量最小的遍历顺序S和其对应的总能耗J_tot；

步骤7、使用上述步骤生成的能量最优视觉覆盖轨迹Tr对兴趣区域进行视觉覆盖，完成指定的视觉覆盖任务。

Images