CN111047086A - 车辆路径规划与无人机任务分配联合优化方法和装置 - Google Patents
车辆路径规划与无人机任务分配联合优化方法和装置 Download PDFInfo
- Publication number
- CN111047086A CN111047086A CN201911248318.0A CN201911248318A CN111047086A CN 111047086 A CN111047086 A CN 111047086A CN 201911248318 A CN201911248318 A CN 201911248318A CN 111047086 A CN111047086 A CN 111047086A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- task
- vehicle
- node
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供一种车辆路径规划与无人机任务分配联合优化方法和装置,方法包括:获取任务集合;构建无人机和车辆共同执行所述任务集合的路径规划模型,所述路径规划模型以无人机与车辆共同执行所述任务集合的总时长最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机和车辆共同执行所述任务集合的预设场景而设定;求解所述路径规划模型,得到实现所述优化目标且满足所述预设约束条件的最优解,所述最优解表征无人机与车辆共同执行所述任务集合的最优路径规划方案。本申请不需要工作人员携带大量电池徒步进入到作业现场,减少工作人员的工作量。
Description
技术领域
本发明涉及协同作业技术领域,具体涉及一种车辆路径规划与无人机任务分配联合优化方法、装置、计算机设备和存储介质。
背景技术
无人机因为具有重量轻、体积小、灵活性高和成本低等特性,逐渐受到各行各业的关注,成为提高自动化水平和作业效率的重要辅助工具。但受到自身续航能力有限的影响,无人机无法独自完成远距离或大范围的任务。为了使得无人机能够应用于更多的任务场景,无人机与车辆协同作业的方式被提出。车辆可以作为移动平台搭载、发射和回收无人机,同时无人机在电量不足的情况下可以到车辆上更换电池,增强了无人机的持续作业能力。车辆相比于无人机拥有超长的行驶时间,可以充分地为无人机提供辅助。这种新型的协同方式将无人机的灵活优势与车辆的长时间行驶优势有效结合并实现互补。
有效的路径规划和任务分配可以大大降低无人机执行任务所消耗的成本,在这种无人机与车辆协同的新方式下,路径规划和任务分配问题呈现出新的特征。车辆的路径和无人机的路径是相互关联的,车辆的路径影响无人机任务分配情况,这些都直接影响最终任务完成的成本,且还需要考虑任务的异构性、路网的限制等约束条件,这些都给车辆的路径规划和无人机的任务分配带来较大的难度。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种车辆路径规划与无人机任务分配联合优化方法、装置、计算机设备和存储介质,不需要工作人员携带大量电池徒步进入到作业现场,减少工作人员的工作量。
(二)技术方案
第一方面,本申请实施例提供一种车辆路径规划与无人机任务分配联合优化方法,包括:
获取任务集合,所述任务集合包括多个任务节点对应的任务;
构建无人机和车辆共同执行所述任务集合的路径规划模型,所述路径规划模型以无人机与车辆共同执行所述任务集合的总时长最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机和车辆共同执行所述任务集合的预设场景而设定,所述预设场景包括:车辆沿着道路行驶并在停靠节点上释放无人机,无人机飞向任务节点执行任务,在无人机电量不足以至于无法继续执行下一个任务节点对应的任务时则返回到停靠节点上与车辆汇合并更换电池,继续执行下一个任务节点对应的任务,直至所有的任务节点对应的任务都被执行完成后返回到停靠节点上与车辆汇合;所述预设约束条件包括所述无人机每一次从所述车辆上起飞后至再返回到所述车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点;
求解所述路径规划模型,得到实现所述优化目标且满足所述预设约束条件的最优解,所述最优解表征无人机与车辆共同执行所述任务集合的最优路径规划方案。
第二方面,本申请实施例提供一种车辆路径规划与无人机任务分配联合优化装置,包括:
任务获取模块,用于获取任务集合,所述任务集合包括多个任务节点对应的任务;
模型构建模块,用于构建无人机和车辆共同执行所述任务集合的路径规划模型,所述路径规划模型以无人机与车辆共同执行所述任务集合的总时长最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机和车辆共同执行所述任务集合的预设场景而设定,所述预设场景包括:车辆沿着道路行驶并在停靠节点上释放无人机,无人机飞向任务节点执行任务,在无人机电量不足以至于无法继续执行下一个任务节点对应的任务时则返回到停靠节点上与车辆汇合并更换电池,继续执行下一个任务节点对应的任务,直至所有的任务节点对应的任务都被执行完成后返回到停靠节点上与车辆汇合;所述预设约束条件包括所述无人机每一次从所述车辆上起飞后至再返回到所述车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点;
模型求解模块,用于求解所述路径规划模型,得到实现所述优化目标且满足所述预设约束条件的最优解,所述最优解表征无人机与车辆共同执行所述任务集合的最优路径规划方案。
第三方面,本申请提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面提供的方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面提供的方法的步骤。
(三)有益效果
本发明实施例提供了一种车辆路径规划与无人机任务分配联合优化方法、装置、计算机设备和存储介质,根据实际场景构建模型的约束条件,由于在设置约束条件时考虑了无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同、无人机在每一个飞行架次中起降点只能是停靠节点等多个因素,从实际应用场景对无人机和车辆协同作业的过程进行约束,使得在该约束下的解都是合理的解,具有实际应用价值。上述过程中,将车辆作为搭载、发射和回收无人机的平台,同时在无人机返回时为其补充能量。车辆可在不同的位置发射和回收无人机,提高工作效率。可见,本申请不需要工作人员携带大量电池徒步进入到作业现场,减少了工作人员的工作量,实现了无人机的自主作业。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例中车辆路径规划与无人机任务分配联合优化方法的流程示意图;
图2为本申请一实施例中停靠节点和任务节点的分布示意图;
图3为本申请一实施例中应用场景的示意图;
图4为本申请一实施例中车辆路径规划与无人机任务分配联合优化装置的结构框图;
图5为本申请一实施例中计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一方面,本申请实施例提供一种车辆路径规划与无人机任务分配联合优化方法,该方法可以由计算机设备执行。如图1所示,该方法包括如下步骤:
S100、获取任务集合,所述任务集合包括多个任务节点对应的任务;
S200、构建无人机和车辆共同执行所述任务集合的路径规划模型,所述路径规划模型以无人机与车辆共同执行所述任务集合的总时长最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机和车辆共同执行所述任务集合的预设场景而设定,所述预设场景包括:车辆沿着道路行驶并在停靠节点上释放无人机,无人机飞向任务节点执行任务,在无人机电量不足以至于无法继续执行下一个任务节点对应的任务时则返回到停靠节点上与车辆汇合并更换电池,继续执行下一个任务节点对应的任务,直至所有的任务节点对应的任务都被执行完成后返回到停靠节点上与车辆汇合;所述预设约束条件包括所述无人机每一次从所述车辆上起飞后至再返回到所述车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点;
可理解的是,具体的任务有多种,例如电力杆塔巡检任务、道路巡逻任务等。以无人机与车辆协同巡检电力杆塔为例,如图3所示,在城市中某架空输电线路分布较为集中的区域里,存在m个待巡检的架空输电线杆塔,由于这些杆塔的塔型(例如体积、结构等)不同,且每个杆塔的重点巡检部位也不全相同,使得无人机在巡检作业时分别需要消耗不同时长来完成巡检。需要研究的是一辆巡检车辆携带一架多旋翼无人机对城市中若干个杆塔进行巡检的协同路径规划问题,即车辆沿着城市道路行驶并在适当位置释放无人机,无人机直接飞向杆塔执行巡检任务。当无人机电量不足、无法继续执行下一个任务时则返回到道路上某处与车辆汇合并更换电池。假设无人机只在停靠在道路上的车辆上起飞和降落,而且车辆也不允许随意在道路上停靠,所以假设在城市道路上有n个点是巡检车可以停靠的点,即有n个停靠节点,只有当车辆停在这些停靠节点时,无人机才能从车上起飞或返回降落到车上,停靠节点和任务节点的分布情况如图2所示。
在建模过程中需要进行如下假设:(1)车辆的续航能力能够满足其完成自身任务的要求,即不考虑车辆的航程约束;(2)无人机只能在车辆可停靠点即停靠节点进行起降;(3)无人机返回车辆后可进行电量补充(如更换电池),补充完成后可用于后续任务的执行;(4)无人机进行电量补充所耗费的时间可忽略不计;(5)无人机任务节点之间以及任务节点与停靠节点之间往返的过程中,不存在阻碍无人机飞行的障碍物,即不考虑无人机避障的问题;(6)不存在无人机等待车辆的情况,即无人机在返回停靠节点时,车辆已经到达该停靠节点等待无人机降落。
下面对公式中可能用到的一些变量进行说明:
采用有向图G=(V,E)对无人机的作业过程进行表述。其中,V=(VR,VT)表示节点总集合,VR={r1,r2,...,rn}表示所有停靠节点形成的集合,停靠节点是道路上的点,是车辆的停靠点,也是无人机的起飞和降落点。VT为所有任务节点形成的集合,VT={t1,t2,...,tm},即V为所有任务节点和所有停靠节点形成的集合。E={<i,j>|i,j∈V,i≠j}表示车辆的行驶路段和无人机的飞行航段所形成的集合。DU表示无人机的单次续航时长即一次飞行的最大时长;cij表示路段或航段<i,j>的距离,即cij为节点i和节点j之间的距离。
为解决无人机与车辆协同作业的问题,可以采用第一公式计算所述无人机与车辆共同执行任务集合的总时长,所述第一公式包括:
式中,time为所述总时长;tk为所述无人机任务节点k所耗费的时长;为所述无人机的飞行速度;xij1取0或1,若xij1取0则表示所述无人机不经过节点i和节点j之间的航段,若xij1取1则表示所述无人机经过节点i和节点j之间的航段。
基于第一公式,模型的目标函数为:
为了确定可行解的范围,下面根据实际情况可设置一些约束条件:
(1)所述无人机每一次从所述车辆上起飞后至再返回到所述车辆上的所用时长不能超过所述无人机的单次续航时长;该约束条件即为无人机的最长续航时长约束,可以用第二公式表示:
(2)每一个任务节点只能被无人机访问一次,该约束条件可以采用第三公式表示:
可理解的是,从任意节点l到任务节点j的总次数为1,且从任务节点j到任意节点p的总次数为1,即任一任务节点只能被无人机访问一次。
(3)无人机只能从停靠节点出发,该约束条件可用第四公式表示:
(4)所述无人机不能在道路上飞行,可以用第五公式表示:
式中,VR为所有停靠节点形成的集合;
(5)无人机的起飞次数和降落次数相同,该约束条件可以用第六公式表示:
(6)无人机在每一个飞行架次中起降点只能是停靠节点,该约束条件可以用第七公式表示:
可理解的是,上述各个预设约束条件和目标函数构成了本申请中的TTI-TSP-D(TransmissionTower Inspection-TSP-D)模型。
S300、求解所述路径规划模型,得到实现所述优化目标且满足所述预设约束条件的最优解,所述最优解表征无人机与车辆共同执行所述任务集合的最优路径规划方案。
在实际应用中,可以采用多种方式求解上述模型,例如,混合整数规划算法、遗传算法等,这里对具体的算法不做限定,可以根据需要进行选择。可理解的是,通过预设算法求解路径规划模型,得到的最优路径为能够实现上述优化目标以及满足上述约束条件的可行解。
可以理解的是,以上各个步骤可以实现对路径的规划,进而可以按照规划的路径对车辆和无人机进行控制从而完成自主作业。
举例来说,任务场景如下:10个任务节点的坐标分别为:任务节点1(240,40),任务节点2(40,420),任务节点3(400,260),任务节点4(360,140),任务节点5(440,440)任务节点6(160,120),任务节点7(100,280),任务节点8(500,320),任务节点9(340,400),任务节点10(180,220);5个停靠节点的坐标分别为:停靠节点1(360,200),停靠节点2(40,280),停靠节点3(400,400),停靠节点4(120,160),停靠节点5(320,80)。注:坐标单位为米(m)。10个任务节点所需要的任务时间分别为:3,7,5,6,4,5,8,5,3,2,单位为分钟。无人机的续航时间为:20分钟,无人机的速度为5m/s。
通过使用CPLEX进行求解,可得到优化后的路径方案如下:车辆从停靠节点3出发,访问任务节点9,之后回到停靠节点3,再出发连续访问任务节点5、任务节点8和任务节点3,之后回到停靠节点1,再出发访问任务节点4,而后回到停靠节点1,再出发连续访问任务节点1和任务节点6,接着回到停靠节点4,随后出发访问任务节点10,在回到停靠节点4,之后再访问任务节点7和任务节点2,最后回到停靠节点2,至此所有的任务节点都被遍历1次,任务全部完成。该路径优化方案所用时长为53.24分钟,满足本申请中所有约束条件。
本申请实施例提供的车辆路径规划与无人机任务分配联合优化方法,根据实际场景构建模型的约束条件,由于在设置约束条件时考虑了无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同、无人机在每一个飞行架次中起降点只能是停靠节点等多个因素,从实际应用场景对无人机和车辆协同作业的过程进行约束,使得在该约束下的解都是合理的解,具有实际应用价值。上述过程中,将车辆作为搭载、发射和回收无人机的平台,同时在无人机返回时为其补充能量。车辆可在不同的位置发射和回收无人机,提高工作效率。可见,本申请不需要工作人员携带大量电池徒步进入到作业现场,减少了工作人员的工作量,实现了无人机的自主作业。
第二方面,本申请实施例提供一种车辆路径规划与无人机任务分配联合优化装置,如图4所示,该装置包括:
任务获取模块,用于获取任务集合,所述任务集合包括多个任务节点对应的任务;
模型构建模块,用于构建无人机和车辆共同执行所述任务集合的路径规划模型,所述路径规划模型以无人机与车辆共同执行所述任务集合的总时长最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机和车辆共同执行所述任务集合的预设场景而设定,所述预设场景包括:车辆沿着道路行驶并在停靠节点上释放无人机,无人机飞向任务节点执行任务,在无人机电量不足以至于无法继续执行下一个任务节点对应的任务时则返回到停靠节点上与车辆汇合并更换电池,继续执行下一个任务节点对应的任务,直至所有的任务节点对应的任务都被执行完成后返回到停靠节点上与车辆汇合;所述预设约束条件包括所述无人机每一次从所述车辆上起飞后至再返回到所述车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点;
模型求解模块,用于求解所述路径规划模型,得到实现所述优化目标且满足所述预设约束条件的最优解,所述最优解表征无人机与车辆共同执行所述任务集合的最优路径规划方案。
第三方面,本申请提供一种计算机设备,该设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面中提供的方法的步骤。
图5示出了一个实施例中计算机设备的内部结构图。如图5所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏等。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可以存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现路径规划方法。该内存储器中也可以储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行路径规划方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的路径规划装置可以实现为一种计算机程序的形式,计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成该路径规划装置的各个程序模块,各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的路径规划方法中的步骤。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面提供的方法的步骤。
可理解的是,第二方面提供的装置、第三方面提供的计算机设备以及第四方面提供的存储介质均与第一方面提供的方法相对应,其有关内容的解释、举例、实施例、有益效果等内容可以参考第一方面中的相应部分,此处不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种车辆路径规划与无人机任务分配联合优化方法,其特征在于,包括:
获取任务集合,所述任务集合包括多个任务节点对应的任务;
构建无人机和车辆共同执行所述任务集合的路径规划模型,所述路径规划模型以无人机与车辆共同执行所述任务集合的总时长最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机和车辆共同执行所述任务集合的预设场景而设定,所述预设场景包括:车辆沿着道路行驶并在停靠节点上释放无人机,无人机飞向任务节点执行任务,在无人机电量不足以至于无法继续执行下一个任务节点对应的任务时则返回到停靠节点上与车辆汇合并更换电池,继续执行下一个任务节点对应的任务,直至所有的任务节点对应的任务都被执行完成后返回到停靠节点上与车辆汇合;所述预设约束条件包括所述无人机每一次从所述车辆上起飞后至再返回到所述车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点;
求解所述路径规划模型,得到实现所述优化目标且满足所述预设约束条件的最优解,所述最优解表征无人机与车辆共同执行所述任务集合的最优路径规划方案。
8.一种车辆路径规划与无人机任务分配联合优化装置,其特征在于,包括:
任务获取模块,用于获取任务集合,所述任务集合包括多个任务节点对应的任务;
模型构建模块,用于构建无人机和车辆共同执行所述任务集合的路径规划模型,所述路径规划模型以无人机与车辆共同执行所述任务集合的总时长最小化为优化目标,所述路径规划模型的预设约束条件为根据无人机和车辆共同执行所述任务集合的预设场景而设定,所述预设场景包括:车辆沿着道路行驶并在停靠节点上释放无人机,无人机飞向任务节点执行任务,在无人机电量不足以至于无法继续执行下一个任务节点对应的任务时则返回到停靠节点上与车辆汇合并更换电池,继续执行下一个任务节点对应的任务,直至所有的任务节点对应的任务都被执行完成后返回到停靠节点上与车辆汇合;所述预设约束条件包括所述无人机每一次从所述车辆上起飞后至再返回到所述车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点;
模型求解模块,用于求解所述路径规划模型,得到实现所述优化目标且满足所述预设约束条件的最优解,所述最优解表征无人机与车辆共同执行所述任务集合的最优路径规划方案。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910883411 | 2019-09-18 | ||
CN2019108834112 | 2019-09-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047086A true CN111047086A (zh) | 2020-04-21 |
CN111047086B CN111047086B (zh) | 2022-11-04 |
Family
ID=70235113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911248318.0A Active CN111047086B (zh) | 2019-09-18 | 2019-12-09 | 车辆路径规划与无人机任务分配联合优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047086B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112817333A (zh) * | 2021-01-06 | 2021-05-18 | 上海明略人工智能(集团)有限公司 | 巡检规划方法、装置、设备及计算机可读介质 |
CN113194444A (zh) * | 2021-04-21 | 2021-07-30 | 北京航空航天大学 | 一种通信计算资源优化方法、装置、系统及存储介质 |
CN113359854A (zh) * | 2021-07-12 | 2021-09-07 | 于伟龙 | 一种多无人机协同作业调度方法、系统及存储介质 |
CN114201925A (zh) * | 2022-02-17 | 2022-03-18 | 佛山科学技术学院 | 无人机集群协同任务规划方法、电子设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108592928A (zh) * | 2018-03-08 | 2018-09-28 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
US20190012636A1 (en) * | 2017-07-05 | 2019-01-10 | Omnitracs, Llc | Vehicle and drone management system |
CN109583665A (zh) * | 2018-12-26 | 2019-04-05 | 武汉烽火凯卓科技有限公司 | 一种无线传感器网络中的无人机充电任务调度方法 |
-
2019
- 2019-12-09 CN CN201911248318.0A patent/CN111047086B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190012636A1 (en) * | 2017-07-05 | 2019-01-10 | Omnitracs, Llc | Vehicle and drone management system |
CN108592928A (zh) * | 2018-03-08 | 2018-09-28 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
CN109583665A (zh) * | 2018-12-26 | 2019-04-05 | 武汉烽火凯卓科技有限公司 | 一种无线传感器网络中的无人机充电任务调度方法 |
Non-Patent Citations (4)
Title |
---|
JIANG BIAN等: ""A Point-Line-Based SLAM Framework for UAV Close Proximity Transmission Tower Inspection"", 《2018 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS (ROBIO)》 * |
JINGKUI CUI等: ""Path planning algorithms for power transmission line inspection using unmanned aerial vehicles"", 《2017 29TH CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
熊传明: ""基于无人机和货车协同送货的调度与路径规划算法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
胡洁等: "一种为地面节点充电的多UAV任务分配与路线规划方法", 《电讯技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112817333A (zh) * | 2021-01-06 | 2021-05-18 | 上海明略人工智能(集团)有限公司 | 巡检规划方法、装置、设备及计算机可读介质 |
CN112817333B (zh) * | 2021-01-06 | 2023-12-29 | 上海明略人工智能(集团)有限公司 | 巡检规划方法、装置、设备及计算机可读介质 |
CN113194444A (zh) * | 2021-04-21 | 2021-07-30 | 北京航空航天大学 | 一种通信计算资源优化方法、装置、系统及存储介质 |
CN113194444B (zh) * | 2021-04-21 | 2023-05-02 | 北京航空航天大学 | 一种通信计算资源优化方法、装置、系统及存储介质 |
CN113359854A (zh) * | 2021-07-12 | 2021-09-07 | 于伟龙 | 一种多无人机协同作业调度方法、系统及存储介质 |
CN114201925A (zh) * | 2022-02-17 | 2022-03-18 | 佛山科学技术学院 | 无人机集群协同任务规划方法、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111047086B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047086B (zh) | 车辆路径规划与无人机任务分配联合优化方法和装置 | |
CN109520504B (zh) | 一种基于网格离散化的无人机巡查路径优化方法 | |
CN111158401B (zh) | 一种分布式鼓励时空数据探索的无人机路径规划系统及方法 | |
CN111047087B (zh) | 无人机与车辆协同下路径的智能优化方法和装置 | |
CN112511250B (zh) | 一种基于drl的多无人机空中基站动态部署方法及系统 | |
CN113342046B (zh) | 基于蚁群算法的输电线路无人机巡检路径优化方法 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN106774421A (zh) | 一种无人机轨迹规划系统 | |
CN116027807B (zh) | 一种异构无人机群协同电力巡检方法 | |
CN111007874A (zh) | 无人机与车辆协同的电力巡检方法和装置 | |
CN113110601B (zh) | 一种无人机电力线路巡检路径优化方法及装置 | |
CN115185303B (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
CN116451934A (zh) | 多无人机边缘计算路径优化与依赖任务调度优化方法及系统 | |
CN115145311A (zh) | 一种巡检路径规划方法、装置、设备和存储介质 | |
CN117032311A (zh) | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 | |
Zheng et al. | The Collaborative Power Inspection Task Allocation Method of “Unmanned Aerial Vehicle and Operating Vehicle” | |
CN112506216A (zh) | 一种无人机的飞行路径规划方法及装置 | |
CN115574826B (zh) | 基于强化学习的国家公园无人机巡护路径优化方法 | |
CN117032298A (zh) | 卡车无人机同步运行协同配送模式下的无人机任务分配规划方法 | |
Yang et al. | Multi-UAV task assignment based on quantum genetic algorithm | |
Sun et al. | Satellites scheduling algorithm based on dynamic constraint satisfaction problem | |
CN115016541A (zh) | 一种巡视路径优化方法、装置、电子设备及存储介质 | |
Cao et al. | Path optimization of joint delivery mode of trucks and UAVs | |
Zhang et al. | Cooperative Route Planning for Fuel-constrained UGV-UAV Exploration | |
Lao et al. | Emergency Medical Terminal Delivery Optimization based on Improved A* Algorithm |
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 |