CN111967339B - 用于规划无人机路径的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于规划无人机路径的方法和装置。该方法的一具体实施方式包括：获取目标区域内的点云数据；基于该点云数据，对该目标区域进行表面重建，得到重建后的目标区域；对该重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个空间中心；基于该空间中心集合，生成候选视点集合；对该重建后的目标区域进行采样，得到采样点集合；基于该候选视点集合和采样点集合，生成第一类视点集合；选取该候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合；基于视点集合中视点之间的距离，进行局部路径规划，得到局部路径信息集合；基于该局部路径信息集合，生成全局路径信息。

Description

用于规划无人机路径的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于规划无人机路径的方法和装置。

背景技术

小型无人机具有的灵活性使其能够在复杂环境中快速安全的飞行，因此，近年来小型无人机在航拍、农业测绘等各个领域获得了广泛的应用，基于无人机相机拍摄的图片数据对场景进行三维重建的工作也成为了研究的热点。无人机飞行路径的合理性直接影响着三维重建的质量，然而由于需要同时控制无人机的运行路径和摄像机的视点方向，即使是非常有经验的无人机操作员操作起来也比较困难，人工采集场景图像存在效率低下以及扫描不充分的现象，商业软件常用飞行路径通常存在路径简单扫描不充分的问题，因此有必要对无人机在扫描场景时的路径进行合理的规划。同时，随着三维点云重建技术的快速发展，仅仅通过相机拍摄的图像,便可直接获得所扫描三维场景的点云信息，可以充分利用对三维场景进行初始扫描获取到的初始点云对无人机在此场景中的扫描路径进行合理的规划。

目前在利用点云分析结果进行无人机路径规划方面的工作还存在一定的空白，且存在以下问题：点云评估的重点在孔洞边缘点的获取上，未对场景表面特性进行分析。对无人机视点的选择主要集中在以最少的视点覆盖场景，视点没有针对性。现有路径规划方法通常只优化路径长度而忽略了视点方向的变化。本发明针对以上问题，提出了解决方案。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了用于规划无人机路径的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种用于规划无人机路径的方法，该方法包括：获取目标区域内的点云数据；基于上述点云数据，对上述目标区域进行表面重建，得到重建后的目标区域；对上述重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个空间中心；基于上述空间中心集合，生成候选视点集合；对上述重建后的目标区域进行采样，得到采样点集合；基于上述候选视点集合和采样点集合，生成第一类视点集合；选取上述候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合；对上述第一类视点集合和上述第二类视点集合进行合并，生成合并视点集合；基于上述视点集合中视点之间的距离，进行局部路径规划，得到局部路径信息集合；基于上述局部路径信息集合，生成全局路径信息。

第二方面，本公开的一些实施例提供了一种用于规划无人机路径的装置，装置包括：获取单元，获取目标区域内的点云数据；重建单元，基于上述点云数据，对上述目标区域进行表面重建，得到重建后的目标区域。划分单元，对上述重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个空间中心；第一生成单元，基于上述空间中心集合，生成候选视点集合；采样单元，对上述重建后的目标区域进行采样，得到采样点集合；第二生成单元，基于上述候选视点集合和采样点集合，生成第一类视点集合；第三生成单元，选取上述候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合；合并单元，对上述第一类视点集合和上述第二类视点集合进行合并，生成合并视点集合；局部路径规划单元，基于上述视点集合中视点之间的距离，进行局部路径规划，得到局部路径信息集合；全局路径生成单元，基于上述局部路径信息集合，生成全局路径信息。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，通过获取目标区域内的点云数据。然后，基于上述点云数据，对上述目标区域进行表面重建，得到重建后的目标区域。通过基于点云数据对目标区域进行表面重建，实现了目标区域的计算机三维模型的重建，方便计算机进一步的数据处理。其次，对重建后的目标区域进行空间划分，生成单位空间集合，其中每个单元空间包含一个空间中心。再然后，基于空间中心集合，生成候选点集合。进而，对重建后的目标区域进行点采样，得到采样点集合。为下一步的视点选择提供了丰富的选择。然后，基于候选视点集合和采样点集合，生成第一类视点集合。进而，选取候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合。其次，对第一类视点集合和第二类视点集合进行合并，生成合并视点集合。通过不同的方式，选择出视点，使得路径规划能够尽可能的全面。进而，基于视点集合中视点之间的距离，进行局部路径规划，得到局部路径信息集合。最后，基于局部路径信息集合，生成全局路径信息。从而得到该目标区域终最优的全局路径信息。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是本公开的一些实施例的用于规划无人机路径的方法的一个应用场景示意图；

图2是根据本公开的用于规划无人机路径的方法的一些实施例的流程图；

图3是根据本公开的用于规划无人机路径的方法的一些实施例的结构示意图；

图4是根据本公开的用于规划无人机路径的方法的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的用于规划无人机路径的方法的一个应用场景示意图。

在图1的应用场景中，首先，服务器101可以获取目标区域内的点云数据102。之后，基于上述点云数据102，对目标区域进行表面重建，得到重建后的目标区域103。然后，对重建后的目标区域103进行空间划分，生成单位空间集合104。同时，对重建后的目标区域103进行采样，得到采样点集合106。进而，基于单位空间集合104中单位空间的单位中心，生成候选点集合105。再然后，基于候选采样点集合105和采样点集合106，生成第一类视点集合。同时，选取候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合108。其次，对第一类视点集合107和第二类视点集合108进行合并，生成合并视点集合109。再然后，基于合并视点集合中合并视点之间的距离，进行局部路径规划，得到局部路径信息集合110。最后，基于局部路径信息集合110，生成全局路径信息111。

可以理解的是，信息发送方法可以是由终端设备来执行，或者也可以是由服务器101来执行，上述方法的执行主体还可以包括上述终端设备与上述服务器101通过网络相集成所构成的设备，或者还可以是各种软件程序来执行。其中，终端设备可以是具有信息处理能力的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等。执行主体也可以体现为服务器101、软件等。当执行主体为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的服务器数目仅仅是示意性的。根据实现需要，可以具有任意数目的服务器。

继续参考图2，示出了根据本公开的用于规划无人机路径的方法的一些实施例的流程图200。该用于规划无人机路径的方法，包括以下步骤：

步骤201，获取目标区域内的点云数据。

在一些实施例中，用于规划无人机路径的方法的执行主体例如图1所示的服务器)可以通过有线连接方式或者无线连接方式获取目标区域内的点云数据。

步骤202，基于点云数据，对目标区域进行表面重建，得到重建后的目标区域。

在一些实施例中，上述执行主体可以对目标区域进行表面重建，得到重建后的目标区域。

在一些实施例的一些可选的实现方式中，上述执行主体可以基于点云数据，对目标区域进行泊松表面重建，得到重建后的目标区域。

步骤203，对重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个空间中心。

在一些实施例中，上述执行主体可以对重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个空间中心。

步骤204，基于空间中心集合，生成候选视点集合。

在一些实施例中，上述执行主体可以基于空间中心集合，生成候选视点集合。

步骤205，对重建后的目标区域进行点采样，得到采样点集合。

在一些实施例中，上述执行主体可以对重建后的目标区域进行点采样，得到采样点集合。

在一些实施例的一些可选的实现方式中，上述执行主体可以基于重建后的目标区域，使用泊松采样在目标区域上进行均匀点采样，获取采样点集合。

步骤206，基于候选视点集合和采样点集合，生成第一类视点集合。

在一些实施例中，上述执行主体可以基于候选视点集合和采样点集合，生成第一类视点集合。

在一些实施例的一些可选的实现方式中，上述执行主体基于候选视点集合和采样点集合，生成第一类视点集合，可以包含以下步骤：

第一步，通过以下完整性置信度计算公式，确定上述采样点对应的完整性置信度得分：

g(p)＝G(p)×n，

其中，p表示采样点。G(p)表示采样点p处标量场的梯度，n表示采样点p的法线。

第二步，通过以下平滑度置信度计算公式，确定上述采样点对应的平滑度置信度得分：

其中，p表示采样点。q表示与采样点p临近的采样点。j表示个数。q_j表示与采样点p临近的第j个采样点。k表示与采样点p临近的采样点的个数。||p-q_j||表示对采样点p和采样点q_j进行求模。n表示采样点p的法线。dmax表示采样点p与所有临近的采样点之间的最大距离值。u(||p-q_j||)表示一个空间加权值。v(||p-q_j||)表示一个正交加权值。r(p)表示采样点p对应的平滑度置信度得分。

第三步，基于完整性置信度得分和平滑度置信度得分，通过以下最终置信度计算公式，得到采样点的最终置信度得分：

O(p)＝g(p)×r(p)，

其中，p表示采样点。g(p)表示采样点对应的完整性置信度得分。r(p)表示采样点对应的平滑度置信度得分。O(p)表示采样点对应的最终置信度得分。

第四步，通过以下权重公式计算上述候选视点对应的权重：

其中，v表示候选视点。p表示采样点。wdist表示在距离度量上的权重。wori表示在方向度量上的权重。wsee表示在可见性方面的权重。dopt表示最佳工作距离。dnear表示预设的最近距离。dfar表示预设的最远距离。W(v，p)表示候选视点对应的权重。||v-p||表示对采样点p和候选候视点v进行求模运算。

第五步，通过以下候选第一类视点确定公式，生成候选第一类视点集：

其中，v表示候选视点。p表示采样点。W(v，p)表示候选视点v对应的权重。max{}表示最大值。S(v)表示候选最大值对应的候选视点。O(p)表示采样点p对应的最终置信度得分。p_k中k表示序号。S表示采样点总个数。pk表示第k个采样点。min_k∈S{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最小值。max_k∈s{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最大值。f(p)表示对采样点p的最终置信度得分O(p)进行归一化；

第六步，响应于从候选第一类视点集中选出对应权重大于0.6的候选第一类视点，生成第一类视点。

步骤207，选取候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合。

在一些实施例中，上述执行主体可以选取候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合。

在一些实施例的一些可选的实现方式中，上述执行主体选取候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合，可以包括以下步骤：

第一步，通过以下视觉显著性检测公式，对采样点集合中的采样点进行视觉显著性检测：

其中，p表示采样点。v表示候选视点。pstand表示预设的基本采样点。C(p)表示采样点p与预设的基本采样点pstand实现之间的差值。W(v，p)表示候选视点v对应的权重。f(p)表示对采样点p的最终置信度得分O(p)进行归一化。J(v，p)表示候选视点经过视觉显著性检测后的视觉显著性检测值。选取最大视觉显著性检测值对应的候选视点，生成第二类视点集合。

步骤208，对第一类视点集合和第二类视点集合进行合并，生成合并视点集合。

在一些实施例中，上述执行主体可以对第一类视点集合和第二类视点集合进行合并，生成合并视点集合。

步骤209，基于合并视点集合中合并视点之间的距离，进行局部路径规划，得到局部路径信息集。

在一些实施例中，上述执行主体可以基于合并视点集合中合并视点之间的距离，进行局部路径规划，得到局部路径信息集。

在一些实施例的一些可选的实现方式中，上述执行主体可以基于上述合并视点集合中的合并视点之间的距离，使用蚁群算法，进行局部路径规划，得到局部路径信息集合。

步骤210，基于局部路径信息集合，生成全局路径信息。

在一些实施例中，上述执行主体可以基于局部路径信息集合，生成全局路径信息。

在一些实施例的一些可选的实现方式中，上述执行主体可以基于上述局部路径信息集合，使用Djikstra算法，生成全局路径信息。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，通过获取目标区域内的点云数据。然后，基于上述点云数据，对上述目标区域进行表面重建，得到重建后的目标区域。通过基于点云数据对目标区域进行表面重建，实现了目标区域的计算机三维模型的重建，方便计算机进一步的数据处理。其次，对重建后的目标区域进行空间划分，生成单位空间集合，其中每个单元空间包含一个空间中心。再然后，基于空间中心集合，生成候选点集合。进而，对重建后的目标区域进行采样，得到采样点集合。为下一步的视点选择提供了丰富的选择。然后，基于候选视点集合和采样点集合，生成第一类视点集合。进而，选取候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合。其次，对第一类视点集合和第二类视点集合进行合并，生成合并视点集合。通过不同的方式，选择出视点，使得路径规划能够尽可能的全面。进而，基于视点集合中视点之间的距离，进行局部路径规划，得到局部路径信息集合。最后，基于局部路径信息集合，生成全局路径信息。从而得到该目标区域终最优的全局路径信息。

进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种用于规划无人机路径的装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，一些实施例的用于规划无人机路径的装置300包括：获取单元301，获取目标区域内的点云数据；重建单元302，基于上述点云数据，对上述目标区域进行表面重建，得到重建后的目标区域；分单元303，对上述重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个空间中心；第一生成单元304，基于上述空间中心集合，生成候选视点集合；采样单元305，对上述重建后的目标区域进行采样，得到采样点集合；第二生成单元306，基于上述候选视点集合和采样点集合，生成第一类视点集合；第三生成单元307，选取上述候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合；合并单元308，对上述第一类视点集合和上述第二类视点集合进行合并，生成合并视点集合；局部路径规划单元309，基于上述视点集合中视点之间的距离，进行局部路径规划，得到局部路径信息集合；全局路径生成单元310，基于上述局部路径信息集合，生成全局路径信息。

可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。

下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口404也连接至总线404。

通常，以下装置可以连接至I/O接口404：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标区域内的点云数据；基于上述点云数据，对上述目标区域进行表面重建，得到重建后的目标区域；对上述重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个单位空间中心；基于上述单位空间中心集合，生成候选视点集合；对上述重建后的目标区域进行点采样，得到采样点集合；基于上述候选视点集合和采样点集合，生成第一类视点集合；选取上述候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合；对上述第一类视点集合和上述第二类视点集合进行合并，生成合并视点集合；基于上述合并视点集合中合并视点之间的距离，进行局部路径规划，得到局部路径信息集合；基于上述局部路径信息集合，生成全局路径信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、重建单元、划分单元、第一生成单元、采样单元、第二生成单元、第三生成单元、合并单元、局部路径规划单元、全局路径规划单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标区域内的点云数据的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术。

Claims (10)

1.一种用于规划无人机路径的方法，包括：

获取目标区域内的点云数据；

基于所述点云数据，对所述目标区域进行表面重建，得到重建后的目标区域；

对所述重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个单位空间中心；

基于所述单位空间中心集合，生成候选视点集合；

对所述重建后的目标区域进行点采样，得到采样点集合；

基于所述候选视点集合和所述采样点集合，生成第一类视点集合；

选取所述候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合；

对所述第一类视点集合和所述第二类视点集合进行合并，生成合并视点集合；

基于所述合并视点集合中合并视点之间的距离，进行局部路径规划，得到局部路径信息集合；

基于所述局部路径信息集合，生成全局路径信息，其中，所述基于所述候选视点集合和所述采样点集合，生成第一类视点集合，包括：

通过以下候选第一类视点确定公式，生成候选第一类视点集：

其中，v表示候选视点；

p表示采样点；

W(v，p)表示候选视点v对应的权重；

max{}表示最大值；

S(v)表示候选最大值对应的候选视点；

O(p)表示采样点p对应的最终置信度得分；

S表示采样点总个数；

p_k表示第k个采样点；

p_k中k表示序号；

min_k∈S{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最小值；

max_k∈S{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最大值；

f(p)表示对采样点p的最终置信度得分O(p)进行归一化；

响应于从候选第一类视点集中选出对应权重大于0.6的候选第一类视点，生成第一类视点集合。

2.根据权利要求1所述的方法，其中，所述基于所述点云数据，对所述目标区域进行表面重建，得到重建后的目标区域，包括：

基于所述点云数据进行泊松表面重建，得到重建后的目标区域。

3.根据权利要求2所述的方法，其中，所述对所述重建后的目标区域进行采样，得到采样点集合，包括：

基于所述重建后的目标区域，使用泊松采样在目标区域上进行均匀点采样，获取采样点集合。

4.根据权利要求3所述的方法，其中，所述基于所述候选视点集合和采样点集合，生成第一类视点集合，包括：

通过以下完整性置信度计算公式，确定所述采样点对应的完整性置信度得分：

g(p)＝G(p)×n，

其中，p表示采样点；

G(p)表示采样点p处标量场的梯度；

n表示采样点p的法线；

g(p)表示采样点p对应的完整置信度得分；

对采样点进行平滑度置信度计算，确定所述采样点对应的平滑度置信度得分：

其中，p表示采样点；

q表示与采样点p临近的采样点；

j表示个数；

q_j表示与采样点p临近的第j个采样点；

k表示与采样点p临近的采样点的个数；

||p-qj||表示对采样点p和采样点q_j进行求模；

n表示采样点p的法线；

dmax表示采样点p与所有临近的采样点之间的最大距离值；

u(||p-q_j||)表示一个空间加权值；

v(||p-q_j||)表示一个正交加权值；

r(p)表示与采样点p对应的平滑度置信度得分；

基于所述完整性置信度得分和所述平滑度置信得分，通过以下最终置信度计算公式，得到所述采样点的最终置信度得分：

O(p)＝g(p)×r(p)，

其中，p表示采样点；

g(p)表示采样点对应的完整性置信度得分；

r(p)表示采样点对应的平滑度置信度得分；

O(p)表示采样点对应的最终置信度得分；

通过以下权重公式计算所述候选视点对应的权重：

其中，v表示候选视点；

p表示采样点；

wdist表示在距离度量上的权重；

wori表示在方向度量上的权重；

wsee表示在可见性方面的权重；

dopt表示最佳工作距离；

dnear表示预设的最近距离；

dfar表示预设的最远距离；

W(v，p)表示候选视点对应的权重；

||v-p||表示对采样点p和候选候视点v进行求模运算；

通过以下候选第一类视点确定公式，生成候选第一类视点集：

其中，v表示候选视点；

p表示采样点；

W(v，p)表示候选视点v对应的权重；

max{}表示最大值；

S(v)表示候选最大值对应的候选视点；

O(p)表示采样点p对应的最终置信度得分；

S表示采样点总个数；

p_k表示第k个采样点；

p_k中k表示序号；

min_k∈S{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最小值；

max_k∈S{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最大值；

f(p)表示对采样点p的最终置信度得分O(p)进行归一化；

响应于从候选第一类视点集中选出对应权重大于0.6的候选第一类视点，生成第一类视点集合。

5.根据权利要求4所述的方法，其中，所述选取所述候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合，包括：

通过以下视觉显著性检测公式，对采样点集合中的采样点进行视觉显著性检测：

其中，p表示采样点；

v表示候选视点；

pstand表示预设的基本采样点；

C(p)表示采样点p与预设的基本采样点pstand之间的差值；

W(v，p)表示候选视点v对应的权重；

f(p)表示对采样点p的最终置信度得分O(p)进行归一化；

J(v，p)表示候选视点经过视觉显著性检测后的视觉显著性检测值；

选取最大视觉显著性检测值对应的候选视点，生成第二类视点集合。

6.根据权利要求1所述的方法，其中，所述基于所述合并视点集合中合并视点之间的距离，进行局部路径规划，得到局部路径信息集合，包括：

基于所述合并视点集合中的合并视点之间的距离，使用蚁群算法，进行局部路径规划，得到局部路径信息集合。

7.根据权利要求1所述的方法，其中，所述基于所述局部路径信息集合，生成全局路径信息，包括：

基于所述局部路径信息集合，使用Djikstra算法，生成全局路径信息。

8.一种用于规划无人机路径的装置，包括：

获取单元，获取目标区域内的点云数据；

重建单元，基于所述点云数据，对所述目标区域进行表面重建，得到重建后的目标区域；

划分单元，对所述重建后的目标区域进行空间划分，生成单位空间集合，其中每个单位空间包含一个空间中心；

第一生成单元，基于所述空间中心集合，生成候选视点集合；

采样单元，对所述重建后的目标区域进行点采样，得到采样点集合；

第二生成单元，基于所述候选视点集合和采样点集合，生成第一类视点集合；

第三生成单元，选取所述候选视点集合中满足视觉显著性检测的候选视点，生成第二类视点集合；

合并单元，对所述第一类视点集合和所述第二类视点集合进行合并，生成合并视点集合；

局部路径规划单元，基于所述合并视点集合中合并视点之间的距离，进行局部路径规划，得到局部路径信息集合；

全局路径生成单元，基于所述局部路径信息集合，生成全局路径信息，其中，所述基于所述候选视点集合和所述采样点集合，生成第一类视点集合，包括：

通过以下候选第一类视点确定公式，生成候选第一类视点集：

其中，v表示候选视点；

p表示采样点；

W(v，p)表示候选视点v对应的权重；

max{}表示最大值；

S(v)表示候选最大值对应的候选视点；

O(p)表示采样点p对应的最终置信度得分；

S表示采样点总个数；

p_k表示第k个采样点；

p_k中k表示序号；

min_k∈S{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最小值；

max_k∈S{O(p_k)}表示采样点集合中采样点对应的最终置信度得分的最大值；

f(p)表示对采样点p的最终置信度得分O(p)进行归一化；

响应于从候选第一类视点集中选出对应权重大于0.6的候选第一类视点，生成第一类视点集合。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images