CN110673633B - 一种基于改进apf的电力巡检无人机路径规划方法 - Google Patents

一种基于改进apf的电力巡检无人机路径规划方法 Download PDF

Info

Publication number
CN110673633B
CN110673633B CN201910934439.4A CN201910934439A CN110673633B CN 110673633 B CN110673633 B CN 110673633B CN 201910934439 A CN201910934439 A CN 201910934439A CN 110673633 B CN110673633 B CN 110673633B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
obstacle
path
apf
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
Application number
CN201910934439.4A
Other languages
English (en)
Other versions
CN110673633A (zh
Inventor
苗东东
王庆
徐海明
吕品
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201910934439.4A priority Critical patent/CN110673633B/zh
Publication of CN110673633A publication Critical patent/CN110673633A/zh
Application granted granted Critical
Publication of CN110673633B publication Critical patent/CN110673633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于改进APF的电力巡检无人机路径规划方法，包括以下步骤：无人机沿着理想路径上飞行，同时感知障碍物；判断感知范围内是否存在障碍物，当存在障碍物时采用改进后的APF避障飞行，此后判断无人机与理想路径的距离是否小于设定值，当小于设定值时理想路径回归结束；以及无人机沿理想路径或回归理想路径飞行直至巡检任务结束。本发明引入无人机在理想投影点的引力场，并设置作用范围，当无人机与理想路径小于d0时，此引力场为零，这样避免无人机在理想路径附近发生反复震荡。当无人机陷入U型障碍物，本发明通过调整无人机的探索范围，限制目标点的引力以及在投影点的引力调整为零，使无人机摆脱U型区域。

Description

一种基于改进APF的电力巡检无人机路径规划方法
技术领域
本发明涉及一种基于改进APF的电力巡检无人机路径规划方法。
背景技术
随着无人机技术的发展，无人机在电力巡检中应用越来越广泛，无人机的自主巡检越来越重要，因此无人机在电力塔周围的路径规划就显得非常重要。
无人机在电力巡检的应用中，一般是飞手操控无人机作业。不仅费时费力，而且精度不高，容易造成大量的无用照片，作业质量不易保证。随着图像处理和计算机技术的发展，无人机的自主巡检越来越广泛。
无人机自主巡检是指巡检环境已知，事先规划好航迹，最后无人机沿着规划好的路径进行巡检。但是随着时间的推移，环境会发生变化例如树木的生长，又如当无人机沿着规划好的航线飞行，航线上也会出现不可预知的障碍物。这个时候就需要无人机实时的感知环境，遇到障碍物进行避障，并且要保证工作质量，完成巡检任务。
传统人工势场法(Artificial Potential Field，APF)中，无人机只会受到来自目标点的吸引力和来自障碍物的排斥力，不会考虑到无人机的路径问题，而实现无人机对电力的高效率巡检，理想状态下无人机应该按照规划好的路径即理想路径进行巡检，在理想路径下配合无人机所携带的相机等检测设备才会更好的完成巡检。
传统人工势场法只考虑机器人在路径规划环境中目标点与障碍物对其的吸引力和排斥力，大部分改进的人工势场法也集中解决局部极小值以及目标不可达问题，只要求机器人能够实现避障并顺利到达目标点，而对机器人所走的路径没有要求。
此外，无人机依据传统势场飞行还存在容易陷入局部极小点以及无法穿越U型障碍物的问题。
发明内容
本发明的目的在于提供一种基于改进APF的电力巡检无人机路径规划方法，以使无人机在避障后归回至较理想的路径上继续巡检。
为此，本发明提供了一种基于改进APF的电力巡检无人机路径规划方法，包括以下步骤：无人机沿着理想路径上飞行，同时感知障碍物；判断感知范围内是否存在障碍物，当存在障碍物时采用改进后的APF避障飞行，此后判断无人机与理想路径的距离是否小于设定值d0，当小于设定值d0时作为可选飞行路径；以及无人机沿理想路径或在遇到障碍物时沿可选飞行路径飞行，直至巡检任务结束。
其中，改进后的人工势场法的势场函数为：Utotal＝Uatt+Urep+U'，本式中Utotal是合力场，Uatt是引力场，Urep是斥力场，U’为无人机在理想路径投影点Xe的引力场。
进一步地，上述无人机在理想路径投影点Xe的引力场U’的约束条件如下：
Figure BDA0002221235040000021
上式中上式中，m为引力场增益系数；X为无人机的位置；ρ(X,Xe)为无人机到投影点Xe的距离；d0为U’最小作用距离，并且当无人机的探测范围内具有障碍物的时候，U’也为零。
进一步地，上述电力巡检无人机路径规划方法还包括：在遇到障碍物后的飞行过程中对无人机是否陷入U型障碍物中进行自动判断的步骤。
进一步地，上述无人机陷入障碍物中的判断方式如下：
Figure BDA0002221235040000022
上式中，Xt为无人机当前t时刻的位置；Xt-t1为Xt的t1前时刻的位置，ρ(Xt,Xt-t1)为两点的距离，d1是距离常量。
进一步地，上述电力巡检无人机路径规划方法还包括在判定无人机陷入U型障碍物中后使无人机自动脱离凹陷障碍物的步骤。
进一步地，在上述电力巡检无人机路径规划方法中，使无人机自动脱离凹陷障碍物的方法如下：将无人机的探测区域限定为探测机头方向的设定扇形区域，将目标点的吸引力调小至设定值，在此过程中当无人机探测到障碍物时，令理想路径的投影点的吸引力为零。
进一步地，上述电力巡检无人机路径规划方法还包括在无人机避开障碍物的飞行过程中调整云台来避免障碍物造成的巡检盲区。
本发明具有以下效果：
1.引入无人机在理想投影点的引力场，并设置作用范围，当无人机与理想路径小于d0时，此引力场为零，这样避免无人机在理想路径附近发生反复震荡，d0在设计时不仅考虑到要避免无人机的震荡问题，也要保证无人机与理想路径的距离小于d0时无人机的巡检效果。即在垂直以理想路径各个投影点为圆心，d0为半径的圆柱形区域内，均可保证良好的巡检效果。
2.当无人机陷入U型障碍物，调整无人机的探索范围，限制目标点的引力以及在投影点的引力调整为零，使无人机摆脱U型区域。
3.无人机避障之后，记录障碍物的位置，便于下次规划，调整云台避免障碍物引起的巡检盲区。如此，可大大增加无人机巡检的效率，提高巡检质量。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明的电力巡检无人机的人机巡检示意图；
图2是无人机陷入U型区域示意图；
图3是根据本发明的无人机感知范围示意图；
图4是根据本发明的无人机穿越U型障碍物示意图；
图5是根据本发明的无人机避障流程图；以及
图6是根据本发明的无人机巡检路径规划流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
在传统势场的基础上增加无人机在理想路径上投影点的引力场U’，如图1所示，Fatt是引力场产生的吸引力，Frep是斥力场产生的排斥力，F’是所加的投影点的引力场产生的吸引力，改进后的势场函数为：
Utotal＝Uatt+Urep+U'--------------(1)
上式中Utotal是合力场，Uatt是引力场，Urep是斥力场，U’为无人机在理想路径投影点Xe的引力场。
由于无人机存在速度，需对U’进行约束，不然会在理想路径附近震荡，定义U’
Figure BDA0002221235040000041
上式中，m为引力场增益系数；X为无人机的位置；ρ(X,Xe)为无人机到投影点Xe的距离；d0为U’最小作用距离。即无人机到投影点的距离小于d0时，U’为零，当无人机的探测范围内具有障碍物的时候，U’也为零。
这样无人机就始终具有在理想路径上飞行的趋势。
本发明引入无人机在理想投影点的引力场，并设置作用范围，当无人机与理想路径小于d0时，此引力场为零，这样避免无人机在理想路径附近发生反复震荡，d0在设计时不仅考虑到要避免无人机的震荡问题，也要保证无人机与理想路径的距离小于d0时无人机的巡检效果。即在垂直以理想路径各个投影点为圆心，d0为半径的圆柱形区域内，均可保证良好的巡检效果。
无人机的水平探测范围(机体坐标系XOY平面内，与X轴夹角为0-180°的扇形范围)，如图3所示，当某个方向探测到障碍物后就会计算该方向的斥力。无人机具有探测范围，并且具有一定的速度，未到达目标点最小速度不会为零，因此，在未知环境的中，也能较好的避开动态障碍物。
本发明针对传统势场容易陷入局部极小点以及无法穿越U型障碍物的问题，提出解决办法，无人机因为具有初始速度，并可以设置最低速度的大小，因此无人机一般可以越过局部最小值，到无人机遇到U型障碍物的时候，就会出现如图2的情况，无人机在U型区域陷入“陷阱区域”。
当无人机出现这种状况时，判别方法为：
Figure BDA0002221235040000042
式中，Xt为无人机当前(t时刻)的位置；Xt-t1为Xt的t1前时刻的位置，ρ(Xt,Xt-t1)为两点的距离；d1是距离常量。
当无人机出现“打转”时，即合力的方向在无人机前进方向的分力较小，在无人机侧方分力过大。这时，缩小无人机的探测范围，如图3所示，有原来的(Ⅰ+Ⅱ)探测区域改为Ⅰ探测区域即只探测机头方向(例如机头正前方的30°扇形探测范围)。
当无人机只探测机头方向时，就会忽略两侧的障碍物的排斥力，此时引力调整为最小引力，避免引力过大牵扯无人机，因为无人机具有一定的速度，并且设定有最小速度值，当机头转向U型障碍物外侧的时候，机头方向无障碍物，这时，只存在目标点的最小吸引力，侧方障碍物的排斥力为零。无人机依靠自己的速度前进就可跳出障碍物，如图4所示。这里当无人机探测到障碍物时，理想路径投影点的吸引力为零，避免对无人机避障造成干扰。
如图5所示，为无人机基于改进APF进行U型障碍避障的流程图，当无人机探索到障碍物时，无人机在理想路径的投影点对无人机的吸引力为零，以免对无人机避障造成干扰。根据公式(3)判断是否进入U型障碍物。若进入，则调整探索区域，调整方式以及摆脱障碍物原理如上所述。
无人机巡检路径的规划流程如图6所示，当无人机避开障碍物后，转动云台避免障碍物造成的巡检盲区，并记下障碍物的位置，便于下次添加航点或清除障碍物，提高下次路径规划的质量。同时探索范围内若无障碍物，则无人机会受到在理想路径投影点的引力场U’，使无人机回到理想路径继续巡检，改善巡检效果，提高巡检效率。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (9)

1.一种基于改进APF的电力巡检无人机路径规划方法，其特征在于，包括以下步骤：
无人机沿着理想路径上飞行，同时感知障碍物；
判断感知范围内是否存在障碍物，当存在障碍物时采用改进后的人工势场法避障飞行，此后判断无人机与理想路径的距离是否小于设定值d0，当小于设定值d0时作为可选飞行路径；以及
无人机沿理想路径或在遇到障碍物时沿可选飞行路径飞行，直至巡检任务结束，其中，改进后的人工势场法的势场函数为：
Utotal＝Uatt+Urep+U'--------------(1)
上式中Utotal是合力场，Uatt是引力场，Urep是斥力场，U’为无人机在理想路径投影点Xe的引力场，
所述无人机在理想路径投影点Xe的引力场U’的约束条件如下：
Figure FDA0003979930070000011
上式中上式中，m为引力场增益系数；X为无人机的位置；ρ(X,Xe)为无人机到投影点Xe的距离；d0为U’最小作用距离，并且当无人机的探测范围内具有障碍物的时候，U’也为零。
2.根据权利要求1所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，还包括：在遇到障碍物后的飞行过程中对无人机是否陷入U型障碍物中进行自动判断的步骤。
3.根据权利要求2所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，无人机陷入障碍物中的判断方式如下：
Figure FDA0003979930070000012
上式中，Xt为无人机当前t时刻的位置；Xt-t1为Xt的t1前时刻的位置，ρ(Xt,Xt-t1)为两点的距离，d1是距离常量。
4.根据权利要求2所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，还包括在判定无人机陷入U型障碍物中后使无人机自动脱离凹陷障碍物的步骤。
5.根据权利要求2所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，使无人机自动脱离凹陷障碍物的方法如下：将无人机的探测区域限定为探测机头方向的设定扇形区域，将目标点的吸引力调小至设定值，在此过程中当无人机探测到障碍物时，令理想路径的投影点的吸引力为零。
6.根据权利要求5所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，所述设定扇形区域为±15°～±25°。
7.根据权利要求5所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，所述目标点吸引力的设定值为1/2～1/5目标点吸引力。
8.根据权利要求5所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，在脱出U型障碍物过程中，设定扇形区域和目标点吸引力的设定值初始选取为大值，若无法脱出则调小。
9.根据权利要求1所述的基于改进APF的电力巡检无人机路径规划方法，其特征在于，还包括在无人机避开障碍物的飞行过程中调整云台来避免障碍物造成的巡检盲区。
CN201910934439.4A 2019-09-29 2019-09-29 一种基于改进apf的电力巡检无人机路径规划方法 Active CN110673633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910934439.4A CN110673633B (zh) 2019-09-29 2019-09-29 一种基于改进apf的电力巡检无人机路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910934439.4A CN110673633B (zh) 2019-09-29 2019-09-29 一种基于改进apf的电力巡检无人机路径规划方法

Publications (2)

Publication Number Publication Date
CN110673633A CN110673633A (zh) 2020-01-10
CN110673633B true CN110673633B (zh) 2023-04-07

Family

ID=69080089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910934439.4A Active CN110673633B (zh) 2019-09-29 2019-09-29 一种基于改进apf的电力巡检无人机路径规划方法

Country Status (1)

Country Link
CN (1) CN110673633B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112947417A (zh) * 2021-01-27 2021-06-11 厦门大学 一种用于智能运动体避障的控制方法
CN113030977A (zh) * 2021-04-16 2021-06-25 西南科技大学 一种无人机雷达探测系统
CN113268075A (zh) * 2021-06-10 2021-08-17 合肥工业大学 一种无人机控制方法及系统
CN115167511A (zh) * 2022-07-22 2022-10-11 上海扩博智能技术有限公司 飞行器路径规划方法、系统、设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103092204A (zh) * 2013-01-18 2013-05-08 浙江大学 一种混合的机器人动态路径规划方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
CN109521794A (zh) * 2018-12-07 2019-03-26 南京航空航天大学 一种多无人机航路规划及动态避障方法
CN110262478A (zh) * 2019-05-27 2019-09-20 浙江工业大学 基于改进人工势场法的人机安全避障路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103092204A (zh) * 2013-01-18 2013-05-08 浙江大学 一种混合的机器人动态路径规划方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
CN109521794A (zh) * 2018-12-07 2019-03-26 南京航空航天大学 一种多无人机航路规划及动态避障方法
CN110262478A (zh) * 2019-05-27 2019-09-20 浙江工业大学 基于改进人工势场法的人机安全避障路径规划方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Visual Servo Control of an Underwater Vehicle Using a Laser Vision System;George C. Karras，Kostas J. Kyriakopoulos;《2008 IEEE/RSJ International Conference on Intelligent Robots and Systems》;20081231;第4116-4122页 *
冗余度机器人梯度投影避障算法的改进;张立栋，等;《机械科学与技术》;20151031;第34卷(第10期);第1511-1516页 *
基于人工势场法的移动机器人动态路径规划;张希闻，肖本贤;《山东农业大学学报(自然科学版)》;20181231;第49卷(第6期);第937-940页 *
基于改进人工势场法电力巡检无人机航迹规划;苗东东，等;《计算机与数字工程》;20211231;第49卷(第11期);第2260-2265页 *
基于邻边垂直外扩法的移动机器人避障新算法;宋文龙，等;《计算机仿真》;20180131;第35卷(第1期);第327-331页 *
结合模糊逻辑和改进人工势场的局部路径规划;蒋纬洋，刘满禄;《西南科技大学学报》;20120630;第27卷(第2期);第49-52页 *

Also Published As

Publication number Publication date
CN110673633A (zh) 2020-01-10

Similar Documents

Publication Publication Date Title
CN110673633B (zh) 一种基于改进apf的电力巡检无人机路径规划方法
CN108594853B (zh) 无人机队形控制方法
CN112379672B (zh) 一种基于改进人工势场的智能无人船路径规划方法
CN102707724B (zh) 一种无人机的视觉定位与避障方法及系统
WO2018058442A1 (zh) 路径规划的方法、装置、飞行控制系统、全方位避障系统与无人机
CN109521794A (zh) 一种多无人机航路规划及动态避障方法
Zhang et al. Spill detection and perimeter surveillance via distributed swarming agents
CN112684807A (zh) 无人机集群三维编队方法
KR102476681B1 (ko) 운송수단 충돌 회피
CN104965518A (zh) 基于三维数字地图的电力巡检飞行机器人航线规划方法
CN109828274A (zh) 调整机载雷达的主探测方向的方法、装置和无人机
Spurny et al. Cooperative transport of large objects by a pair of unmanned aerial systems using sampling-based motion planning
CN113655810B (zh) 一种基于速度势场的无人机避障方法和系统
WO2021037071A1 (zh) 一种飞行控制方法及相关装置
CN112379697A (zh) 轨迹规划方法、装置、轨迹规划器、无人机及存储介质
CN109582032A (zh) 多旋翼无人机在复杂环境下的快速实时避障路径选择方法
Schofield et al. Cloud to cable: A drone framework for autonomous power line inspection
CN114371720A (zh) 无人机实现跟踪目标的控制方法和控制装置
CN107807671A (zh) 无人机集群危险规避方法
Chen et al. A review of autonomous obstacle avoidance technology for multi-rotor UAVs
CN115903880A (zh) 一种基于改进强化学习的无人机自主图像导航与避障方法
Huang et al. Visual servoing of a micro quadrotor landing on a ground platform
Wubben et al. A vision-based system for autonomous vertical landing of unmanned aerial vehicles
WO2021238743A1 (zh) 一种无人机飞行控制方法、装置及无人机
CN116339321A (zh) 一种基于5g通信的全局信息驱动的分布式多机器人强化学习编队合围方法

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