CN110579214A - 无人机路径规划方法和装置 - Google Patents
无人机路径规划方法和装置 Download PDFInfo
- Publication number
- CN110579214A CN110579214A CN201910981166.9A CN201910981166A CN110579214A CN 110579214 A CN110579214 A CN 110579214A CN 201910981166 A CN201910981166 A CN 201910981166A CN 110579214 A CN110579214 A CN 110579214A
- Authority
- CN
- China
- Prior art keywords
- ground
- nodes
- path
- node
- unmanned aerial
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种无人机路径规划方法及装置,该方法以无人机和地面基站为节点构建拓扑网络,建立三维坐标系,并已知坐标系内所有节点的地面坐标和无人际飞行轨迹在地面上的坐标投影,包括:根据地面节点坐标或地面节点的邻居节点数量,确定地面节点访问顺序;通过凸优化方法在地面节点有效传输区域内寻找路径点;按照访问顺序连接给定起点、终点和寻找路径点步骤中寻找到的所有路径点,获得最优路径。该方案用于解决现有技术中时间最小化与路径变化相互影响等问题,优化无人机的路径,最大限度地减少总任务时间,以达到更高效的无人机和地面节点之间的数据采集和分发。
Description
技术领域
本发明属于无线通信网络技术领域,涉及一种无人机路径规划方 法及装置。
背景技术
随着物联网的出现,数据和信息收集成为实现物联网功能的基础。 类似于无线传感器网络,在物联网中实施数据收集的过程中,现有技 术提出了很多通信协议和路由算法但依然无法保证网络连接顺通无 阻。因为地面节点的流动性,特别是在紧急情况下,通信协议和路由 算法工作效率低下的情况尤为明显。针对这种情况,解决办法是剥削 无人机的移动性,通过飞行中的无人机采集数据后转发到最后一个接 收器。
无人机辅助数据采集与传统方法数据采集方法相比具有以下优势: 无人机在三维空间中具有移动性和灵活性,且因其高概率的LoS(line of sight,无线信号的视线传输)链接方式,无人机以更可靠的方式完 成数据采集;因为有LoS链接,可扩大地面节点到无人机的传输范 围,同时也缩短了无人机的运动路径;数据采集过程几乎不依赖于连 接地面节点网络,降低了地面节点网络部署和管理的复杂性以及成本。 由于数据采集调度和无人机的运行轨迹紧密耦合,高效的数据采集和 无人机优化的运行轨迹紧密相关。由于非精准或紧急情况的传感器部 署导致传统路由式的无线数据采集与分发的连通性无法保证,利用无 人机进行灵活的数据采集与分发已成为新的方式。在应急场景中,数 据的时效性显得尤为重要。要求无人机需要以最短的时间采集和分发 有效数据。
一些现有技术提出了以优化数据采集的性能为目的的无人机路径 设计。现有的方法中,一般只考虑感知区域,不考虑特定的地面节点。 将感知区域分为与数据样本优先级相关的几个子区域。无人机运动路 径是通过确定访问子区域的顺序来设计的,目标是在能量有限的情况 下,无人机尽可能多地采集更高优先级的数据样本。该方法并不能给 出精确高效的无人机运行路径。大部分从大型无线传感器网络采集数 据的已有方法中,都着重设计多跳路由算法和基于密度的聚类形成算 法。无人机路径只是为了确定组的行进顺序,该问题被建模为经典的 旅行商问题。此外,为平衡多跳路由和集群数量应仔细选择簇半径, 但是并没有给出具体解决方法。还有一种涉及最小值的基于路由机制 的生成树的数据压缩采集方法和基于几乎相等大小的簇形成算法的 K-means方法;而且简单针对基于旅行商问题轨迹设计问题提出了最 近邻算法。但不足在于,这种方法前提是,无线传感器网络中的任何 两个传感器在无线电范围内,但是在实践中这是无法实现的。
现有无人机路径规划技术主要存在的主要问题包括:
(1)使用路由方案和簇头来中继的地面节点比使用聚类形成算法 的地面节点在数据采集中消耗更多能量,这可能会缩短网络的生命周 期;
(2)大部分方法考虑能效或能源最小化,但在许多紧急情况下, 最应该考虑的是任务时间最小化。
(3)虽然已经对无人机路径进行了设计,优化速度和高度的需求 与传输调度一样,这可能会影响无人机数据采集的性能。
发明内容
本发明提供一种无人机路径规划方法及装置,用于克服现有技术 中存在时间最小化与路径变化相互影响等缺陷。本发明把时间最小化 问题等效为最短路径问题,并把最短路径问题分解为轨迹优化问题, 实现最短路径规划。
为实现上述目的,本发明提供一种无人机最短路径规划方法,以 地面基站为节点构建拓扑网络与无人机交互以完成数据采集与数据 分发,建立三维坐标系,并已知坐标系内所有节点的地面坐标和无人 际飞行轨迹在地面上的坐标投影,该方法包括:
S01,根据地面节点坐标或地面节点的邻居节点数量,确定地面节 点访问顺序;
S02,在无人机投影所在坐标平面内,按照地面节点的访问顺序, 在起点与终点之间通过凸优化方法在地面节点有效传输区域内,按照 以同一地面节点的有效传输区域仅计算一次为约束条件寻找最短路 径并输出。
为实现上述目的,本发明还提供一种无人机路径规划装置,包括 存储器和处理器,所述存储器存储有无人机路径规划程序,处理器在 运行所述无人机路径规划程序时执行所述无人机路径规划方法的步 骤。
本发明提出一种无人机路径规划方法及装置,优化无人机的路径, 最大限度地减少总任务时间。以达到更高效的无人机和地面节点之间 的数据采集和分发。本发明提出了根据地面节点位置确定地面节点访 问顺序的基于段的路径规划方法,在路径点的规划过程中通过约束条 件以避免重复旅行问题,此外,本发明还提出了根据面节点的邻居节 点数量,确定地面节点访问顺序的基于组的路径规划方法,在路径点 的规划过程中通过约束条件以减少地面节点的重复计算问题,并且为 大规模高密度地面节点部署缓解了基于段的轨迹优化算法引入的大 规模计算。基于段的轨迹优化算法和基于群的轨迹优化算法都实现了 与现有算法相比,轨迹更短,且基于群的轨迹优化算法计算复杂度较 低;此外,建议通过与基准比较,时间最小化设计是有效的方案。
附图说明
图1表示实施例一中一种无人机路径规划方法的整体环境;
图2表示实施例一中在城市情景中地面节点数量为20的情况下利 用已有路径规划方法AO得到的无人机路径长度;
图3表示实施例一中在城市情景中地面节点数量为20的情况下利 用基于段的路径规划方法STOA得到的无人机路径长度;
图4表示实施例一中在城市情景中地面节点数量为20的情况下利 用基于组的路径规划方法GTOA得到的无人机路径长度;
图5表示实施例一中在城市情景中地面节点数量为40的情况下利 用已有路径规划方法AO得到的无人机路径长度;
图6表示实施例一中在城市情景中地面节点数量为40的情况下利 用基于段的路径规划方法STOA得到的无人机路径长度;
图7表示实施例一中在城市情景中地面节点数量为40的情况下利 用基于组的路径规划方法GTOA得到的无人机路径长度;
图8表示实施例一中在地面节点的固定传输功率为50dBm,三种 方法评估不同数量的地面节点下路径长度变化。
图9表示实施例一中在地面节点的固定传输功率为55dBm,三种 方法评估不同数量的地面节点下路径长度变化。
具体实施方式
实施例一
如图1所示,一种无人机路径规划方法,在城市情景下,N个地 面节点构建拓扑网络,建立三维坐标系,虚线部分为无人机飞行路径, 无人机和地面节点n之间的连线和水平方向的夹角为θ,假设已知坐 标系内所有地面节点的地面坐标,并把无人机默认为处于固定高度, 且无人机的飞行路径在地面上的投影为U(t),本发明以下内容所有坐 标都指地面坐标。
具体步骤包括:
S01,根据地面节点的坐标或地面节点的邻居节点数量,确定地面 节点访问顺序;
这里提供两种确定地面节点访问顺序的借助手段:
一是地面节点的位置即所有地面节点在地面坐标系下的坐标,由 于地面节点的位置固定,这些数据可以存储在任意地面节点的服务器 中,通过无人机与服务器的交互能够获得数据采集和数据分发局域网 内任意地面节点的坐标;
二是地面节点的邻居节点数量,将地面节点有效传输区域内的其 他所有地面节点称为邻居节点,地面节点的有效传输区域可以通过局 域网的无线通信环境和地面节点的发射功率计算获得,无线环境指的 是无线通信系统工作的频谱分配,这些参数可以存储在服务器上,需 要参与程序计算时可通过数据交互随时调用;地面节点的访问顺序具 体可采用现有的旅行商问题算法结合上述两种手段获得。
需要说明书的是,第一种情况通常在地面节点比较稀疏的区域使 用;第二种情况通常在地面节点比较密集的区域使用;采用的是用节 点簇的概念,将地面节点及其所有邻居节点当成一个节点簇,将所有 的地面节点按照邻居节点的概念分解成若干节点簇,每个节点簇在通 过旅行商问题算法获取地面节点顺序时仅按照一个节点对待,这样在 后续的路径点获取中将会大大节约计算量,从而缩短路径规划时间, 节约计算资源,降低能源消耗。
S02,在无人机投影所在坐标平面内,按照地面节点的访问顺序, 在起点与终点之间通过凸优化方法在地面节点有效传输区域内,按照 以同一地面节点的有效传输区域仅计算一次为约束条件寻找最短路 径并输出。
在寻找最短路径的过程中,以同一地面节点的有效传输区域仅计 算一次为约束条件,获取路径点,这样能够减少同一地面节点因重复 参见计算而导致计算时间延长、浪费计算资源等问题,具体实现的手 段:
对于第一种情况来说,可以分段计算,每次优化过程中只取同一 顺序中(例如与起点连接的一段)的一路径段,按照上次获取的路径 段的终点为起点,以原始终点为终点依次优化路径,获得第二路径段、 第三路径段、直到第N路径段,最后按照计算的顺序连接上述N段 路径段即获得了最优路径;在分段计算的过程中,为了避免同一地面 节点重复参与计算,可每计算一路径段,就删掉与该路径段相关的地 面节点;
对于第二种情况来说,在获取路径点时,可先计算每个节点簇有 效传输区域的交集,然后通过凸优化算法在交集中按照最短路径获得 路径点,然后按照访问顺序依次连接路径点即获得了最优路径。为了 避免同一地面节点重复参与计算,可以在对节点簇进行划分时,每划 分一个节点簇就将该节点簇包含的所有地面节点从参与计算的地面 节点集合中删除,防止同一地面节点分别从属于两个以上不同的节点 簇。
作为优选实施例一,本发明针对第一种情况提供一种基于段的路 径规划方法进行无人机路径规划,包括以下步骤:
S1,获取地面节点数量及所有地面节点在坐标平面内覆盖的面域;
S2,根据地面节点数量及覆盖的面域值获得用来描述地面节点稀 疏度的密度值;
在确定的面域内,覆盖的所有地面节点的数量与面域面积的比值 为地面节点稀疏的密度值,通常在人口密集的区域基站密度值较大, 例如大城市的中心地带,在人口稀疏山区或乡村,基站密度值较小。
S3,在地面节点密度值小于或等于给定门限值时,使用基于段的 路径规划方法进行无人机路径规划;
S101a,根据地面节点坐标,确定地面节点访问顺序;通常采用现 有的旅行商计算方法确定;
S02,在无人机投影所在坐标平面内,按照地面节点的访问顺序, 在起点与终点之间通过凸优化方法在地面节点有效传输区域内,按照 以同一地面节点的有效传输区域仅计算一次为约束条件寻找最短路 径并输出。优选的,所述S02包括:
S201a,按照地面节点的访问顺序,在起点与终点之间通过凸优化 方法在地面节点有效传输区域内,寻找最短路径;
S202a,从最短路径的起点或从终点取一路径段,获得有效传输区 域与该路径段相交的地面节点;
这里的相交指的是贯穿地面节点的有效传输区域,包括相切,可 以理解为与地面节点的有效传输区域边界具有两个交点,或一个切点, 并不包含相交且只有一个交点的情况;
需要说明的是:这里在获取路径段的过程中,如果从第一路径短 起选择的是与起点连接的那段路径段,那么在后面取第二、第三、一 直到第N路径段时都按照同一规则获取与起点连接的那段路径段; 如果从第一路径短起选择的是与终点连接的那段路径段,那么在后面 取第二、第三、一直到第N路径段时都按照同一规则获取与终点连 接的那段路径段;因为在中间计算路径时,需要以前面获取的路径段 的终点作为起点,这样才能使得各路径段按照正确的顺序连接;
S203a,将上述获得的地面节点均排除在外并重复S101a、S201a、 S202a;直到所有地面节点均被排除完,结束循环;这里排除的手段 可以包括删除或移除或跳过等技术手段;
S204a,按照获取的次序连接所有获取的路径段形成最优路径并输 出。
所述基于段的路径规划方法包括:
S101a,根据地面节点坐标位置,由旅行商问题算法获得地面节点 的访问顺序;
S102a,根据无线通信环境和地面节点发射功率,确定地面节点的 最大传输半径,根据最大传输半径确定有效传输区域,其中有效传输 区域为地面节点接收信噪比大于给定门限的区域,且为凸集;有利于 后面的凸优化算法的适用;
S201a,根据访问顺序和有效传输区域,利用凸优化算法计算出使 路径最短的各有效传输区域内的路径点并获得初始最短路径;
S202a,初始最短路径为多条首尾连接的线段组成,将有效传输区 域与连接顺序上第一段线段(第一路径段)相交的地面节点删除,在 剩下节点中重新确定访问顺序和利用凸优化算法计算路径;
S203a,重复S101a、S201a、S202a,直至所有地面节点被删除, 结束路径循环;
S204a,按照获取的次序连接所有获取的路径段,即获得最终最短 路径。
具体程序如下:
上述计算路径的过程中,由于在每次获得第一路径段后,将与之 相交的地面节点删除后,再将剩余的地面节点重新确定访问顺序并计 算最短路径,省去了将前面那些与第一路径段相交的地面节点参与计 算的过程,并且这些地面节点均可在无人机经过第一路径段时完成与 其数据交互的过程,实现数据采集与分发,相对于现有技术避免部分 地面节点重复参与路径计算。
作为优选实施例二,针对第二种情况本发明提供一种基于组的路 径规划方法进行路径规划,具体包括以下步骤:
S1,获取地面节点数量及所有地面节点在坐标平面内覆盖的面域;
S2,根据地面节点数量及覆盖的面域值获得用来描述地面节点稀 疏度的密度值;
S4,当地面节点密度值大于给定门限值时,使用基于组的路径规 划方法进行路径规划;
所述S01包括:
S101b,根据地面节点及该地面节点的邻居节点数量,确定地面节 点的访问顺序。
优选为,地面节点及该地面节点的邻居节点形成节点簇,根据每 一节点簇中包含的节点数量确定节点簇的访问顺序。
所述S02包括:
S201b,获取每个节点簇包含的地面节点的有效传输区域的交集;
S202b,在起点与终点之间通过凸优化方法在交集内寻找使得路径 最短的路径点;
S203b,按照节点簇的访问顺序连接所有路径点形成最优路径。
通过将地面节点按照有效传输区域是否与同一地面节点存在交叉 覆盖范围分成若干节点簇,为了提高路径规划效率,获取每个节点簇 的交集,在寻找路径点时仅在每个节点簇的交集内寻找,这样可以保 证无人机在经过每个路径点时均可实现与包含该路径点在内的节点 簇整体进行数据交互。
S101b包括:
S401,在其他地面节点的有效传输区域与当前地面节点的有效传 输区域存在交集时,将该其他地面节点作为当前地面节点的邻居节点, 获取当前地面节点的所有邻居节点数量;
S402,将邻居节点数量最多的地面节点依次放作为所在节点簇的 虚拟组节点放入虚拟组节点集;
S403,根据旅行商问题算法确定所有虚拟组节点的访问顺序。
所述S401包括:
在当前地面节点对应的有效传输区域内,建立该地面节点对应的 邻居节点关系指示矩阵,行和列的数量等于所有节点数,在行与列对 应的两个节点之间的距离在其中任一个节点的有效传输区域内,则邻 居节点关系矩阵中对应的元素赋值为1;
所述S402包括:
根据S401中得到的邻居节点关系指示矩阵,将有效传输区域内邻 居节点最多的地面节点标记为虚拟组节点并放入虚拟组节点集合,并 将该虚拟组节点和其邻居节点删除,重复上述过程,直至所有具有邻 居节点的地面节点被删除,获得虚拟节点集。
具体程序如下:
上述方案中,通过构建临济节点关系指示矩阵,能够快速获得邻 居节点最多的节点,并且每次获得一个虚拟组节点后将该虚拟组节点 及其所有邻居节点删除,再次获取其他地面节点指示矩阵时均不会再 次参与计算,防止一个地面节点同时参与两个节点簇的计算,进一步 提升路径优化效率。
上述优选实施例一和实施例二中,地面节点的门限值可以根据实 际场景设定,或计算设定,不限于下面的实验数据40。
下面提供一组模拟实验数据,以证实本方案的具体效果:
在一个3000m×3000m的二维区域内,N个地面节点均匀随机分 布。已知在该二维区域内,起点坐标为(5,5),终点坐标为(3000,15)。 已有路径规划方法、基于段的路径规划方法和基于组的路径规划方法 轨迹比较与分析具体如下:
旅行商算法第一次在决定地面节点数据采集顺序上使用。通过凸 优化计算每个有序地面节点的有效传输区域内的最佳访问地点。以上 交替更新访问顺序和访问地点的过程达到收敛之前都可以被重复。
图2、3和4分别表示在城市情景中,地面节点数量为20的情况 下,分别利用已有路径规划方法AO、基于段的路径规划方法STOA 和基于组的路径规划方法GTOA得到的无人机路径。对应的,无人 机飞行路径长度分别为:7492米、6670米和6681米。图5、6和7 分别表示在城市情景中,地面节点数为50的情况下,分别利用已有 路径规划方法AO、基于段的路径规划方法和基于组的路径规划方法 得到的无人机的路径。分别对应的路径长度为:8664米、7508米和 7515米。在城市情景中,基于段的路径规划方法获得了最好的路径 优化结果。基于组的路径规划方法仅此其后。因为已有路径规划方法 AO允许无人机重复访问相同的地面节点,OA方法对应的路径比基 于段的路径规划方法和基于组的路径规划方法都要长。
图8和图9分别在地面节点的固定传输功率50dBm和55dBm情 境时,评估不同数量的地面节点下路径长度变化。详细反映出用户数 量变化和传输功率变化对路径设计的影响。图8表示地幔节点的传输 功率为50dBm时,三种方法的平均路径长度随着地面节点数量增加 的变化情况。图9表示地幔节点的传输功率为55dBm时,三种方法 的平均路径长度随着地面节点数量增加的变化情况。由图9可知,地 面节点传输功率越大,OA方法的收敛性越差。
随着地面节点数量增加,不同设计方案之间的性能差距也越来越 大。基于组的路径规划方法的性能比基于段的路径规划方法略差。原 因在于,当地面节点数量增加时,AO方法重复访问的地面节点数量 和几率都在增加,因此随着地面节点数量的增加,AO方法对应的路 径长度增长速度大于基于段的路径规划方法和基于组的路径规划方 法的路径长度增长速度。另外一方面,因为基于段的路径规划方法计 算每个有效传输区域的最佳访问地点受到各个最佳传输区域的约束, 基于组的路径规划方法计算最佳访问地点受到多个有效传输区域的 交叉区域的约束,这些都减少了搜索空间,且增加了选择更好地点的 几率。除此之外,在本发明情景中,不同的传输功率相当于有效传输 区域的不同传输半径,因此在更长的半径下比在比较短的半径下,更 大概率寻找更好的定位且缩短路径。因此,在55dbm情况下路径长 度增长速度比在50dbm情况下快。
实施例二
在上述实施例一的基础上,本发明实施例还提供一种无人机路径 规划装置,包括存储器和处理器,所述存储器存储有无人机路径规划 程序,处理器在运行所述无人机路径规划程序时执行所述无人机路径 规划方法的步骤。由于采用了上述实施例一的无人机路径规划方法, 因此也具备上述任意实施例的技术效果,在此不再赘述。
Claims (10)
1.一种无人机路径规划方法,以地面基站为节点构建拓扑网络与无人机交互以完成数据采集与数据分发,建立三维坐标系,并已知坐标系内所有节点的地面坐标和无人际飞行轨迹在地面上的坐标投影,其特征在于,该方法包括:
S01,根据地面节点坐标或地面节点的邻居节点数量,确定地面节点访问顺序;
S02,在无人机投影所在坐标平面内,按照地面节点的访问顺序,在起点与终点之间通过凸优化方法在地面节点有效传输区域内,按照以同一地面节点的有效传输区域仅计算一次为约束条件寻找最短路径并输出。
2.如权利要求1所述的一种无人机路径规划方法,其特征在于,在S01之前还包括:
S1,获取地面节点数量及所有地面节点在坐标平面内覆盖的面域;
S2,根据地面节点数量及覆盖的面域值获得用来描述地面节点稀疏度的密度值;
S3,在地面节点密度值小于或等于给定门限值时,使用基于段的路径规划方法进行无人机路径规划;
所述S01包括:
S101a,根据地面节点坐标,确定地面节点访问顺序。
3.如权利要求2所述的一种无人机最短路径规划方法,其特征在于,在S3之后还包括:
S4,当地面节点密度值大于给定门限值时,使用基于组的路径规划方法进行路径规划;
所述S01包括:
S101b,根据地面节点及该地面节点的邻居节点数量,确定地面节点的访问顺序。
4.如权利要求2所述的一种无人机路径规划方法,其特征在于;
所述S02包括:
S201a,按照地面节点的访问顺序,在起点与终点之间通过凸优化方法在地面节点有效传输区域内,寻找最短路径;
S202a,从最短路径的起点或从终点取一路径段,获得有效传输区域与该路径段相交的地面节点;
S203a,将上述获得的地面节点均排除在外并重复S101a、S201a、S202a;直到所有地面节点均被排除完,结束循环;
S204a,按照获取的次序连接所有获取的路径段形成最优路径。
5.如权利要求4所述的一种无人机路径规划方法,其特征在于,所述基于段的路径规划方法包括:
S101a,根据地面节点坐标位置,由旅行商问题算法获得地面节点的访问顺序;
S102a,根据无线通信环境和地面节点发射功率,确定地面节点的最大传输半径,根据最大传输半径确定有效传输区域;
S201a,根据访问顺序和有效传输区域,利用凸优化算法计算出使路径最短的各有效传输区域内的路径点并获得初始最短路径;
S202a,初始最短路径为多条首尾连接的线段组成,将有效传输区域与连接顺序上第一段线段相交的地面节点删除,在剩下节点中重新确定访问顺序和利用凸优化算法计算路径;
S203a,重复S101a、S201a、S202a,直至所有地面节点被删除,结束路径循环;
S204a,按照获取的次序连接所有获取的路径段,即获得最终最短路径。
6.如权利要求3所述的一种无人机路径规划方法,其特征在于,
所述S01包括:
S101b,地面节点及该地面节点的邻居节点形成节点簇,根据每一节点簇中包含的节点数量确定节点簇的访问顺序。
7.如权利要求6所述的一种无人机路径规划方法,其特征在于,所述S02包括:
S201b,获取每个节点簇包含的地面节点的有效传输区域的交集;
S202b,在起点与终点之间通过凸优化方法在交集内寻找使得路径最短的路径点;
S203b,按照节点簇的访问顺序连接所有路径点形成最优路径。
8.如权利要求7所述的一种无人机路径规划方法,其特征在于,S101b包括:
S401,在其他地面节点的有效传输区域与当前地面节点的有效传输区域存在交集时,将该其他地面节点作为当前地面节点的邻居节点,获取当前地面节点的所有邻居节点数量;S402,将邻居节点数量最多的地面节点依次放作为所在节点簇的虚拟组节点放入虚拟组节点集;
S403,根据旅行商问题算法确定所有虚拟组节点的访问顺序。
9.如权利要求8所述的一种无人机路径规划方法,其特征在于,所述S401包括:
在当前地面节点对应的有效传输区域内,建立该地面节点对应的邻居节点关系指示矩阵,行和列的数量等于所有节点数,在行与列对应的两个节点之间的距离在其中任一个节点的有效传输区域内,则邻居节点关系矩阵中对应的元素赋值为1;
所述S402包括:
根据S401中得到的邻居节点关系指示矩阵,将有效传输区域内邻居节点最多的地面节点标记为虚拟组节点并放入虚拟组节点集合,并将该虚拟组节点和其邻居节点删除,重复上述过程,直至所有具有邻居节点的地面节点被删除,获得虚拟节点集。
10.一种无人机路径规划装置,其特征在于,包括存储器和处理器,所述存储器存储有无人机路径规划程序,处理器在运行所述无人机路径规划程序时执行权利要求1~9任一项所述无人机路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910981166.9A CN110579214B (zh) | 2019-10-16 | 2019-10-16 | 无人机路径规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910981166.9A CN110579214B (zh) | 2019-10-16 | 2019-10-16 | 无人机路径规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110579214A true CN110579214A (zh) | 2019-12-17 |
CN110579214B CN110579214B (zh) | 2022-06-14 |
Family
ID=68814964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910981166.9A Active CN110579214B (zh) | 2019-10-16 | 2019-10-16 | 无人机路径规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110579214B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111711974A (zh) * | 2020-07-10 | 2020-09-25 | 河南科技大学 | 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 |
CN112697135A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 路径缩短方法、装置、无人设备及存储介质 |
CN112985407A (zh) * | 2021-02-23 | 2021-06-18 | 北京理工大学 | 基于动态优先级解耦的无人机集群轨迹序列凸规划方法 |
CN113093789A (zh) * | 2021-03-22 | 2021-07-09 | 北京航空航天大学 | 一种基于路径点优选的飞行器禁飞区规避轨迹规划方法 |
CN113794948A (zh) * | 2021-08-10 | 2021-12-14 | 邹平市供电有限公司 | 一种偏远地区用电量采集方法及系统 |
CN114646314A (zh) * | 2020-12-17 | 2022-06-21 | 奥多比公司 | 用于生成可穿越路径的指示的系统 |
CN116011695A (zh) * | 2023-03-27 | 2023-04-25 | 湖南胜云光电科技有限公司 | 一种获取无人机目标路径的数据处理系统 |
CN117312687A (zh) * | 2023-11-01 | 2023-12-29 | 杭州柏源科技有限公司 | 一种无人机网络中进行时空范围查询处理的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100163621A1 (en) * | 2006-01-11 | 2010-07-01 | Carmel-Haifa University Economic Corporation Ltd. | Uav decision and control system |
CN103542852A (zh) * | 2013-10-23 | 2014-01-29 | 上海大学 | 一种基于分割法的无人机路径规划方法 |
CN103697896A (zh) * | 2014-01-13 | 2014-04-02 | 西安电子科技大学 | 一种无人机路径规划方法 |
CN109547938A (zh) * | 2019-01-11 | 2019-03-29 | 西南大学 | 无线传感器网络中无人机的轨迹规划方法 |
-
2019
- 2019-10-16 CN CN201910981166.9A patent/CN110579214B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100163621A1 (en) * | 2006-01-11 | 2010-07-01 | Carmel-Haifa University Economic Corporation Ltd. | Uav decision and control system |
CN103542852A (zh) * | 2013-10-23 | 2014-01-29 | 上海大学 | 一种基于分割法的无人机路径规划方法 |
CN103697896A (zh) * | 2014-01-13 | 2014-04-02 | 西安电子科技大学 | 一种无人机路径规划方法 |
CN109547938A (zh) * | 2019-01-11 | 2019-03-29 | 西南大学 | 无线传感器网络中无人机的轨迹规划方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111711974A (zh) * | 2020-07-10 | 2020-09-25 | 河南科技大学 | 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 |
CN111711974B (zh) * | 2020-07-10 | 2023-03-17 | 河南科技大学 | 基于轨迹预测的飞行自组织网络能量有效型机会路由方法 |
CN114646314A (zh) * | 2020-12-17 | 2022-06-21 | 奥多比公司 | 用于生成可穿越路径的指示的系统 |
CN112697135A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 路径缩短方法、装置、无人设备及存储介质 |
WO2022143920A1 (zh) * | 2020-12-31 | 2022-07-07 | 广州极飞科技股份有限公司 | 路径缩短方法、装置、无人设备及存储介质 |
CN112985407A (zh) * | 2021-02-23 | 2021-06-18 | 北京理工大学 | 基于动态优先级解耦的无人机集群轨迹序列凸规划方法 |
CN112985407B (zh) * | 2021-02-23 | 2022-10-11 | 北京理工大学 | 基于动态优先级解耦的无人机集群轨迹序列凸规划方法 |
CN113093789A (zh) * | 2021-03-22 | 2021-07-09 | 北京航空航天大学 | 一种基于路径点优选的飞行器禁飞区规避轨迹规划方法 |
CN113794948A (zh) * | 2021-08-10 | 2021-12-14 | 邹平市供电有限公司 | 一种偏远地区用电量采集方法及系统 |
CN116011695A (zh) * | 2023-03-27 | 2023-04-25 | 湖南胜云光电科技有限公司 | 一种获取无人机目标路径的数据处理系统 |
CN117312687A (zh) * | 2023-11-01 | 2023-12-29 | 杭州柏源科技有限公司 | 一种无人机网络中进行时空范围查询处理的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110579214B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110579214B (zh) | 无人机路径规划方法和装置 | |
Zhang et al. | Mobility prediction: A survey on state-of-the-art schemes and future applications | |
Konstantopoulos et al. | Effective determination of mobile agent itineraries for data aggregation on sensor networks | |
US7924735B2 (en) | Virtual grid | |
CN113316118A (zh) | 基于任务认知的无人机集群网络自组织系统及方法 | |
Khedr et al. | Successors of PEGASIS protocol: A comprehensive survey | |
US20160377442A1 (en) | Region Guided and Change Tolerant Fast Shortest Path Algorithm and Graph Preprocessing Framework | |
Praveen et al. | Energy efficient congestion aware resource allocation and routing protocol for IoT network using hybrid optimization techniques | |
KR101946730B1 (ko) | IoT 디바이스의 센싱 데이터를 수집하여 전달하는 노드의 위치 결정 방법 | |
Hashish et al. | Efficient wireless sensor network rings overlay for crowd management in Arafat area of Makkah | |
CN114727353A (zh) | 基于遗传算法的移动机会传感器网络自适应信息传输方法 | |
JPWO2014142344A1 (ja) | 情報転送装置、遅延耐性ネットワーク、情報伝達方法、及び記録媒体 | |
CN111050398B (zh) | 寻呼方法、装置、设备及存储介质 | |
Benmad et al. | Data collection in UAV-assisted wireless sensor networks powered by harvested energy | |
Zobel et al. | Topology-aware path planning for in-transit coverage of aerial post-disaster communication assistance systems | |
KR101243244B1 (ko) | 애드혹 네트워크에서 에너지 소모를 최소화하는 경로 탐색 장치 및 방법 | |
Li et al. | Trajectory-aware spatio-temporal range query processing for unmanned aerial vehicle networks | |
CN103269505A (zh) | 基于多移动因子的无线传感器网络数据收集方法 | |
Zhou et al. | Age of information oriented data collection via energy-constrained UAVs in wireless sensor networks | |
Rathod et al. | Relay placement algorithms for IoT connectivity and coverage in an outdoor heterogeneous propagation environment | |
CN107509234B (zh) | 基于有限路由信息的飞行自组网关键节点检测方法及系统 | |
Tchendji et al. | Management of low-density sensor-actuator network in a virtual architecture | |
Slama et al. | Multiple mobile sinks deployment for energy efficiency in large scale wireless sensor networks | |
Buvana et al. | An efficient cluster based service discovery model for mobile ad hoc network | |
CN113543264B (zh) | 一种非均匀路由协议设计方法 |
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 |