CN111984032A - 无人机路径规划方法、装置、电子设备及存储介质 - Google Patents
无人机路径规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111984032A CN111984032A CN202010724505.8A CN202010724505A CN111984032A CN 111984032 A CN111984032 A CN 111984032A CN 202010724505 A CN202010724505 A CN 202010724505A CN 111984032 A CN111984032 A CN 111984032A
- Authority
- CN
- China
- Prior art keywords
- path
- sub
- target object
- aerial vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004891 communication Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001788 irregular Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例提供了一种无人机路径规划方法、装置、电子设备及存储介质，所述方法包括：确定目标物体边界信息；根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面；针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。如此将目标物体中表面进行分解，并投影至对应平面上生成子区域面，针对任一子区域面进行全覆盖路径规划，继而连接相邻的子区域面中的无人机路径，降低了重复率，提高了对大型物体表面进行安全检测的效率，降低了无人机的能量消耗。
Description
技术领域
本发明实施例涉及无人机路径规划技术领域，尤其涉及一种无人机路径规划方法、装置、电子设备及存储介质。
背景技术
随着社会经济的不断发展，相关规范的健全，人们对于安全意识的提高，对于大型物体表面(例如高楼大厦、桥梁、客机等)进行安全检测的需求迅速增长。无人机作为一种简单易操作、成本较低、安全性能好的飞行载具，可以将检测设备(例如相机)运送到检测人员难以到达的大型物体表面，以协助检测人员完成相应的安全检测任务。
在对大型物体表面进行安全检测的过程中，需要对无人机的运动路径进行规划，以便于检测设备覆盖大型物体的所有表面，自此全覆盖路径规划应运而生。全覆盖路径规划可以确保无人机根据已知的环境地图信息查找一条可以覆盖大型物体所有表面的路径，该路径在确保覆盖大型物体所有表面的同时还需要实现最大覆盖率和最小重复率，尽量减少无人机的能量消耗。
目前对于全覆盖路径规划，可以采用随机路径覆盖的方式，随着时间的增加最大程度地覆盖大型物体的表面。由于随机路径覆盖的方式属于随机策略，导致重复率相对较高，对大型物体表面进行安全检测的效率较低，无人机需要消耗较大的能量。
发明内容
为了解决上述由于随机路径覆盖的方式属于随机策略，导致重复率相对较高，对大型物体表面进行安全检测的效率较低，无人机需要消耗较大的能量的技术问题，本发明实施例提供了一种无人机路径规划方法、装置、电子设备及存储介质。具体技术方案如下：
在本发明实施例的第一方面，首先提供了一种无人机路径规划方法，所述方法包括：
确定目标物体边界信息；
根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面；
针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；
基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。
在一个可选的实施方式中，所述确定目标物体边界信息，包括：
获取与目标物体对应的三维模型或CAD图；
根据所述目标物体的三维模型或CAD图确定目标物体边界信息。
在一个可选的实施方式中，所述根据所述边界信息分解所述目标物体中表面，包括：
根据所述边界信息以及所述目标物体的三维模型分解所述目标物体中表面；
或者，
根据所述边界信息以及所述目标物体的CAD图分解所述目标物体中表面。
在一个可选的实施方式中，所述根据所述目标物体的三维模型或CAD图确定目标物体边界信息，包括：
判断目标物体是否为规则的多面体；
若所述目标物体为规则的多面体，根据所述目标物体的三维模型或CAD图确定所述目标物体边界信息。
在一个可选的实施方式中，所述方法还包括：
若所述目标物体为非规则的多面体，将所述目标物体拆分为多个子物体；
针对任一所述子物体，根据所述目标物体的三维模型或CAD图确定所述子物体边界信息。
在一个可选的实施方式中，所述确定所述子区域面中无人机扫描方向，包括：
确定所述子区域面中任一顶点至所述子区域面中对应边界的垂直距离；
从多个所述垂直距离中选择距离最短的目标垂直距离；
确定所述目标垂直距离对应的垂直方向为所述子区域面中无人机扫描方向。
在一个可选的实施方式中，所述基于所述扫描方向规划无人机路径，包括：
利用迂回遍历的方式，基于所述扫描方向规划无人机路径。
在一个可选的实施方式中，所述利用迂回遍历的方式，基于所述扫描方向规划无人机路径，包括：
获取检测设备采集的图像的尺寸信息、采集的图像的水平重叠率、采集的图像的垂直重叠率，其中，所述尺寸信息包括长和宽；
利用迂回遍历的方式，以所述尺寸信息、所述水平重叠率以及所述垂直重叠率为路径约束，基于所述扫描方向规划无人机路径。
在一个可选的实施方式中，所述连接相邻的所述子区域面中的所述无人机路径，包括：
将相邻的所述子区域面中的第一子区域面中无人机路径的终点，与相邻的所述子区域面中的第二子区域面中无人机路径的起点进行拟合；
获取无人机周围环境的点云数据；
基于所述点云数据对拟合生成的直线路径中的任一路径点进行优化，生成对应的目标路径；
基于所述目标路径连接相邻的所述子区域面中的无人机路径。
在一个可选的实施方式中，所述基于所述点云数据对拟合生成的直线路径中的任一路径点进行优化，生成对应的目标路径，包括：
针对拟合生成的直线路径中的任一路径点，判断所述点云数据中是否存在与该路径点重合的目标点云数据；
如果所述点云数据中未存在与该路径点重合的目标点云数据，则确定拟合生成的直线路径为对应的目标路径；
如果所述点云数据中存在与该路径点重合的目标点云数据，确定以所述目标点云数据为中心，以预设距离为半径的障碍物范围；
针对该路径点以及与该路径点之间距离不大于预设距离阈值的路径点，优化生成对应的优化路径点，其中，所述优化路径点位于所述障碍物范围之外；
确定拟合生成的直线路径中的剩余路径点以及所述优化路径点组成的路径为对应的目标路径。
在本发明实施例的第二方面，还提供了一种无人机路径规划装置，所述装置包括：
信息确定模块，用于确定目标物体边界信息；
表面分解模块，用于根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面；
路径规划模块，用于针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；
路径连接模块，用于基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。
在本发明实施例的第三方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一所述的无人机路径规划方法。
在本发明实施例的第四方面，还提供了一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一所述的无人机路径规划方法。
在本发明实施例的第五方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的无人机路径规划方法。
本发明实施例提供的技术方案，通过确定目标物体边界信息，基于目标物体边界信息对目标物体中表面进行分解，并投影至对应平面上生成子区域面，对于任一子区域面，确定该子区域面中无人机扫描方向，基于扫描方向规划无人机路径，基于目标物体中表面的衔接顺序，确定相邻的子区域面，连接相邻的子区域面中的无人机路径，以完成目标物体的三维全覆盖路径规划。如此将目标物体中表面进行分解，并投影至对应平面上生成子区域面，针对任一子区域面进行全覆盖路径规划，继而连接相邻的子区域面中的无人机路径，降低了重复率，提高了对大型物体表面进行安全检测的效率，降低了无人机的能量消耗。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中示出的一种无人机路径规划方法的实施流程示意图；
图2为本发明实施例中示出的一种高楼大厦的边界示意图；
图3为本发明实施例中示出的一种对高楼大厦表面进行分解的示意图；
图4为本发明实施例中示出的一种子区域面中任一顶点至对应边界的垂直距离；
图5为本发明实施例中示出的一种子区域面中无人机扫描方向的示意图；
图6为本发明实施例中示出的一种对目标物体表面进行检测的示意图；
图7为本发明实施例中示出的一种基于扫描方向规划无人机路径的示意图；
图8为本发明实施例中示出的一种路径点j与点云数据i位于同一垂线的示意图；
图9为本发明实施例中示出的一种对直线路径进行优化得到的目标路径的示意图；
图10为本发明实施例中示出的一种无人机路径规划装置的结构示意图；
图11为本发明实施例中示出的一种电子设备的结构示意图。
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的一部分实施例，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做出创造性劳动的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。
如图1所示，为本发明实施例提供的一种无人机路径规划方法的实施流程示意图，该方法具体可以包括以下步骤：
S101，确定目标物体边界信息；
在本发明实施例中，对于目标物体，为待进行安全检测的物体，例如可以是高楼大厦、桥梁、客机等，本发明实施例可以确定上述目标物体的边界信息。
其中，在本发明实施例中，可以获取与上述目标物体对应的三维模型或者CAD图，根据该目标物体的三维模型或者CAD图确定目标物体边界信息，该边界信息可以是目标物体各个边界点的三维坐标。
例如，对于高楼大厦，其可以视为一个长方体，根据高楼大厦的三维模型可以确定高楼大厦的边界信息，由这些边界信息可以组成如图2所示的高楼大厦所有表面的边界。
S102，根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面；
对于上述目标物体，可以分解该目标物体中表面，其中，由于该目标物体可能是规则的多面体，也有可能是无规则的多面体，因此本发明实施例在分解该目标物体中表面之前，判断该目标物体是否为规则的多面体，如果该目标物体为规则的多面体，则可以根据上述边界信息分解该目标物体中表面，投影至对应平面上生成子区域面。其中，可以根据人为经验划分规则物体以及非规则物体，本发明实施例对此不作限定。
为了更加精准的分解该目标物体中表面，本发明实施例可以结合边界信息和目标物体的三维模型分解该目标物体中表面，或者，可以结合边界信息和目标物体的CAD图分解该目标物体中表面。
例如，对于高楼大厦的表面，可以根据边界信息以及高楼大厦的三维模型进行分解，分解为表面1(前视)、表面2(右视)、表面3(后视)、表面4(俯视)、表面5(左视)，如图3所示，对于表面1，投影至与该表面1平行的平面上生成子区域面1，对于表面2，投影至与该表面2平行的平面上生成子区域面2，对于表面3，投影至与该表面3平行的平面上生成子区域面3，以此类推，如此对于高楼大厦的表面，可以分别投影为左视图、右视图、前视图、后视图和俯视图。
对于与表面1平行的平面，与表面1之间的距离取决于检测设备(例如相机)视场角，对于与表面2平行的平面，与表面2之间的距离取决于检测设备(例如相机)视场角，对于表面3、表面4、表面5，亦是如此，与各自对应的平面之间的距离同样取决于检测设备(例如相机)视场角，对于该距离可以视为无人机与高楼大厦表面之间的安全距离。
另外，如果该目标物体为非规则的多面体，则将该目标物体拆分为多个子物体，针对任一子物体，根据目标物体的三维模型或者CAD图确定该子物体边界信息，根据该子物体边界信息分解该目标物体中表面，投影至对应平面上生成子区域面。
为了更加精准的分解该目标物体中表面，本发明实施例可以结合该子物体边界信息和目标物体的三维模型分解该目标物体中表面，或者，可以结合该子物体边界信息和目标物体的CAD图分解该目标物体中表面。
例如，对于大型客机，属于不规则凹面体，可以将大型客机分解为机舱、左机翼、右机翼和尾翼等子物体，针对任一子物体，根据大型客机的三维模型或者CAD图确定该子物体边界信息，根据该子物体边界信息分解该大型客机表面，投影至对应平面上生成子区域面，如下表1所示。
表1
由上述表1可以看出，当目标物体为非规则的多面体时，对目标物体中表面进行分解，实质转换为针对每个子物体表面进行分解，对于子物体的每个表面投影至对应平面上生成子区域面，具体投影至对应平面上生成子区域面的处理流程可以参考上述对规则的多面体的处理流程，本发明实施例在此不再一一赘述。
S103，针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；
通过上述步骤，对于目标物体的任一表面，均可以投影至对应平面上生成子区域面，如此可以得到多个子区域面，对于任一子区域面，确定该子区域面中无人机扫描方向，基于该扫描方向规划无人机路径。
其中，确定该子区域面中无人机扫描方向的具体实现方式如下：对于任一子区域面，确定该子区域面中任一顶点至该子区域面中对应边界的垂直距离，从多个垂直距离中选择距离最短的目标垂直距离，确定目标垂直距离对应的垂直方向为该子区域面中无人机扫描方向。
以子区域面A为例，对于子区域面A，如图4所示，确定子区域面A中顶点1至子区域面A中对应边界的垂直距离ls1，确定子区域面A中顶点2至子区域面A中对应边界的垂直距离ls2，确定子区域面A中顶点3至子区域面A中对应边界的垂直距离ls3，确定子区域面A中顶点4至子区域面A中对应边界的垂直距离ls4，确定子区域面A中顶点5至子区域面A中对应边界的垂直距离ls5。
如此对于子区域面A而言，可以得到多个垂直距离：ls1、ls2、ls3、ls4、ls5，从多个垂直距离ls1、ls2、ls3、ls4、ls5中选择距离最短的目标垂直距离，例如垂直距离ls1为目标垂直距离，如此可以达到减少无人机转弯的次数、降低无人机能量消耗的目的，并确定垂直距离ls1对应的垂直方向为子区域面A中无人机扫描方向，如图5所示。
在本发明实施例中，基于扫描方向规划无人机路径的具体实现方式如下：可以利用迂回遍历的方式，基于扫描方向规划无人机路径。
具体地，可以获取检测设备采集的图像的尺寸信息、采集的图像的水平重叠率、采集的图像的垂直重叠率，其中，所述尺寸信息包括长和宽，利用迂回遍历的方式，以所述尺寸信息、所述水平重叠率以及所述垂直重叠率为路径约束，基于所述扫描方向规划无人机路径。
例如，如图6所示的对目标物体表面进行检测的示意图，相机在子区域面中照片的长度为l，宽度为w，参数h和v分别表示图像之间的水平重叠率和垂直重叠率，d表示迂回遍历路径中行间距。
利用迂回遍历的方式，以照片的长l和宽w、图像的水平重叠率h以及图像的垂直重叠率v作为路径约束，基于上述扫描方向规划无人机路径，如图7所示。
需要说明的是，对于子区域面中规划的无人机路径中的路径点，为空间路径点，可以插入三维坐标，以确保无人机平稳飞行。在对目标物体表面进行检测的过程中，可以将子区域面中规划的无人机路径包含的空间路径点按照一定时间间隔输入无人机控制节点程序，输出无人机电机速度，控制无人机按照预定轨迹飞行。
S104，基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。
对于任一子区域面，基于目标物体中表面的衔接顺序，确定相邻的子区域面，连接相邻的所述子区域面中的所述无人机路径。
例如，对于如图3所示的表面1、表面2、表面3、表面4、表面5，在对目标物体表面1、表面2、表面3、表面4、表面5进行分解的过程中，设置表面1、表面2、表面3、表面4、表面5的衔接顺序，如下表2所示。
表2
表面1与子区域面1对应，表面2与子区域面2对应，表面3与子区域面3对应，表面4与子区域面4对应，表面5与子区域面5对应，基于目标物体表面1、表面2、表面3、表面4、表面5的衔接顺序，可以确定子区域面1与子区域面2相邻，子区域面2分别与子区域面1、子区域面3相邻，子区域面3分别与子区域面2、子区域面4相邻，子区域面4分别与子区域面3、子区域面5相邻，子区域面5与子区域面4相邻。
对于任一相邻的子区域面，其中包含两个子区域面，可以称为第一子区域面和第二子区域面，连接相邻的所述子区域面中的所述无人机路径，具体可以通过以下方式连接相邻的所述子区域面中的所述无人机路径：
将相邻的所述子区域面中的第一子区域面中无人机路径的终点，与相邻的所述子区域面中的第二子区域面中无人机路径的起点进行拟合，获取无人机周围环境的点云数据，基于所述点云数据对拟合生成的直线路径中的任一路径点进行优化，生成对应的目标路径，基于所述目标路径连接相邻的所述子区域面中的无人机路径。
例如，对于相邻的子区域面1(即第一子区域面)与子区域面2(即第二子区域面)，将子区域面1中无人机路径的终点与子区域面2中无人机路径的起点进行拟合，拟合生成直线路径作为全局路径，通过深度相机获取此时无人机周围环境的深度图像信息，将获取的深度图像信息生成无人机周围环境的点云数据，基于该点云数据对拟合生成的直线路径中的任一路径点进行优化，生成对应的目标路径，基于目标路径连接相邻的子区域面1中无人机路径与子区域面2中无人机路径。
需要说明的是，对于相邻的子区域面2与子区域面3、相邻的子区域面3与子区域面4、相邻的子区域面4与子区域面5，处理流程与上述相邻的子区域面1和子区域面2类型，本发明实施例在此不再一一赘述。
在实际应用过程中，无人机由子区域面1飞往子区域面2时，为了保证无人机飞行路径最短且可以达到实时避障，因此针对拟合生成的直线路径中的任一路径点进行优化，生成对应的目标路径，具体实现方式如下：
针对拟合生成的直线路径中的任一路径点，判断所述点云数据中是否存在与该路径点重合的目标点云数据；如果所述点云数据中未存在与该路径点重合的目标点云数据，则确定拟合生成的直线路径为对应的目标路径；如果所述点云数据中存在与该路径点重合的目标点云数据，确定以所述目标点云数据为中心，以预设距离为半径的障碍物范围；针对该路径点以及与该路径点之间距离不大于预设距离阈值的路径点，优化生成对应的优化路径点，其中，所述优化路径点位于所述障碍物范围之外；确定拟合生成的直线路径中的剩余路径点以及所述优化路径点组成的路径为对应的目标路径。
例如，针对拟合生成的直线路径中的某个路径点j(j＝1，2，3，4……)，判断点云数据中是否存在与该路径点j重合的目标点云数据，如果点云数据中未存在与该路径点j重合的目标点云数据，表示直线路径上未存在障碍物，可以直接确定拟合生成的直线路径为对应的目标路径，无需做避障处理。
如果点云数据中存在与该路径点j重合的目标点云数据，则表示直线路径上存在障碍物，需要进行避障处理，如图8所示，在直线路径上，存在与路径点j重合的目标点云数据i(i＝1，2，3，4……)，确定以该目标点云数据i为中心，以预设距离为半径的障碍物范围，针对该路径点j以及与该路径点j之间距离不大于预设距离阈值的路径点，优化生成对应的优化路径点，其中需要确保优化路径点位于所述障碍物范围之外，然后确定拟合生成的直线路径中的剩余路径点以及所述优化路径点组成的路径为对应的目标路径，如图9所示。
其中，在对该路径点j以及与该路径点j之间距离不大于预设距离阈值的路径点，优化生成对应的优化路径点的过程中，可以使该路径点j对应的优化路径点与目标点云数据i垂直相交，与该路径点j之间距离不大于预设距离阈值的路径点对应的优化路径点可以以该路径点j对应的优化路径点对称分布，且距离直线路径的距离可以遵循梯度下降的趋势，如此可以使优化路径点组成的路径尽可能平滑，如图9所示。
对于目标路径中的路径点，为空间路径点，可以插入三维坐标，以确保无人机平稳飞行。在对目标物体表面进行检测的过程中，可以将上述目标路径中空间路径点按照一定时间间隔输入无人机控制节点程序，输出无人机电机速度，控制无人机按照预定轨迹飞行。
通过上述对本发明实施例提供的技术方案的描述，通过确定目标物体边界信息，基于目标物体边界信息对目标物体中表面进行分解，并投影至对应平面上生成子区域面，对于任一子区域面，确定该子区域面中无人机扫描方向，基于扫描方向规划无人机路径，基于目标物体中表面的衔接顺序，确定相邻的子区域面，连接相邻的子区域面中的无人机路径，以完成目标物体的三维全覆盖路径规划。如此将目标物体中表面进行分解，并投影至对应平面上生成子区域面，针对任一子区域面进行全覆盖路径规划，继而连接相邻的子区域面中的无人机路径，降低了重复率，提高了对大型物体表面进行安全检测的效率，降低了无人机的能量消耗。
与上述方法实施例相对应，本发明实施例还提供了一种无人机路径规划装置，如图10所示，该装置可以包括：信息确定模块1010、表面分解模块1020、路径规划模块1030、路径连接模块1040。
信息确定模块1010，用于确定目标物体边界信息；
表面分解模块1020，用于根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面；
路径规划模块1030，用于针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；
路径连接模块1040，用于基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。
本发明实施例还提供了一种电子设备，如图11所示，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信，
存储器113，用于存放计算机程序；
处理器111，用于执行存储器113上所存放的程序时，实现如下步骤：
确定目标物体边界信息；根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面；针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种存储介质，该存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的无人机路径规划方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的无人机路径规划方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在存储介质中，或者从一个存储介质向另一个存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。
Claims (11)
1.一种无人机路径规划方法，其特征在于，所述方法包括：
确定目标物体边界信息，其中，所述边界信息包括目标物体各个边界点的三维坐标；
根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面，其中，所述表面包括外表面；
针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；
其中，所述基于所述扫描方向规划无人机路径，包括：获取检测设备采集的图像的尺寸信息、采集的图像的水平重叠率、采集的图像的垂直重叠率，其中，所述尺寸信息包括长和宽；利用迂回遍历的方式，以所述尺寸信息、所述水平重叠率以及所述垂直重叠率为路径约束，基于所述扫描方向规划无人机路径，以覆盖所述子区域面中所有区域；
基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。
2.根据权利要求1所述的方法，其特征在于，所述确定目标物体边界信息，包括：
获取与目标物体对应的三维模型或CAD图；
根据所述目标物体的三维模型或CAD图确定目标物体边界信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述边界信息分解所述目标物体中表面，包括：
根据所述边界信息以及所述目标物体的三维模型分解所述目标物体中表面；
或者，
根据所述边界信息以及所述目标物体的CAD图分解所述目标物体中表面。
4.根据权利要求2所述的方法，其特征在于，所述根据所述目标物体的三维模型或CAD图确定目标物体边界信息，包括：
判断目标物体是否为规则的多面体；
若所述目标物体为规则的多面体，根据所述目标物体的三维模型或CAD图确定所述目标物体边界信息。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
若所述目标物体为非规则的多面体，将所述目标物体拆分为多个子物体；
针对任一所述子物体，根据所述目标物体的三维模型或CAD图确定所述子物体边界信息。
6.根据权利要求1所述的方法，其特征在于，所述确定所述子区域面中无人机扫描方向，包括：
确定所述子区域面中任一顶点至所述子区域面中对应边界的垂直距离；
从多个所述垂直距离中选择距离最短的目标垂直距离；
确定所述目标垂直距离对应的垂直方向为所述子区域面中无人机扫描方向。
7.根据权利要求1所述的方法，其特征在于，所述连接相邻的所述子区域面中的所述无人机路径，包括：
将相邻的所述子区域面中的第一子区域面中无人机路径的终点，与相邻的所述子区域面中的第二子区域面中无人机路径的起点进行拟合；
获取无人机周围环境的点云数据；
基于所述点云数据对拟合生成的直线路径中的任一路径点进行优化，生成对应的目标路径；
基于所述目标路径连接相邻的所述子区域面中的无人机路径。
8.根据权利要求7所述的方法，其特征在于，所述基于所述点云数据对拟合生成的直线路径中的任一路径点进行优化，生成对应的目标路径，包括：
针对拟合生成的直线路径中的任一路径点，判断所述点云数据中是否存在与该路径点重合的目标点云数据；
如果所述点云数据中未存在与该路径点重合的目标点云数据，则确定拟合生成的直线路径为对应的目标路径；
如果所述点云数据中存在与该路径点重合的目标点云数据，确定以所述目标点云数据为中心，以预设距离为半径的障碍物范围；
针对该路径点以及与该路径点之间距离不大于预设距离阈值的路径点，优化生成对应的优化路径点，其中，所述优化路径点位于所述障碍物范围之外；
确定拟合生成的直线路径中的剩余路径点以及所述优化路径点组成的路径为对应的目标路径。
9.一种无人机路径规划装置，其特征在于，所述装置包括：
信息确定模块，用于确定目标物体边界信息，其中，所述边界信息包括目标物体各个边界点的三维坐标；
表面分解模块，用于根据所述边界信息分解所述目标物体中表面，投影至对应平面上生成子区域面，其中，所述表面包括外表面；
路径规划模块，用于针对任一所述子区域面，确定所述子区域面中无人机扫描方向，基于所述扫描方向规划无人机路径；
其中，所述基于所述扫描方向规划无人机路径，包括：获取检测设备采集的图像的尺寸信息、采集的图像的水平重叠率、采集的图像的垂直重叠率，其中，所述尺寸信息包括长和宽；利用迂回遍历的方式，以所述尺寸信息、所述水平重叠率以及所述垂直重叠率为路径约束，基于所述扫描方向规划无人机路径，以覆盖所述子区域面中所有区域；
路径连接模块，用于基于所述目标物体中表面的衔接顺序，确定相邻的所述子区域面，连接相邻的所述子区域面中的所述无人机路径。
10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1至8中任一项所述的方法步骤。
11.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010724505.8A CN111984032B (zh) | 2020-07-24 | 2020-07-24 | 无人机路径规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010724505.8A CN111984032B (zh) | 2020-07-24 | 2020-07-24 | 无人机路径规划方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111984032A true CN111984032A (zh) | 2020-11-24 |
| CN111984032B CN111984032B (zh) | 2024-02-23 |
Family
ID=73438909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010724505.8A Active CN111984032B (zh) | 2020-07-24 | 2020-07-24 | 无人机路径规划方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111984032B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538683A (zh) * | 2021-07-28 | 2021-10-22 | 视伴科技(北京)有限公司 | 一种确定实体流线的规划位置的方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106537274A (zh) * | 2014-07-05 | 2017-03-22 | 里达·阿扎兹 | 用于控制飞行器清洁表面的方法 |
| CN107514993A (zh) * | 2017-09-25 | 2017-12-26 | 同济大学 | 基于无人机的面向单体建筑建模的数据采集方法及系统 |
| CN109060281A (zh) * | 2018-09-18 | 2018-12-21 | 山东理工大学 | 基于无人机的一体化桥梁检测系统 |
| US20190127064A1 (en) * | 2017-10-31 | 2019-05-02 | Disney Enterprises, Inc. | Drone-based painting system |
| CN110162083A (zh) * | 2018-02-12 | 2019-08-23 | 维布络有限公司 | 利用无人机执行三维结构检查及维护任务的方法和系统 |
| WO2019242516A1 (zh) * | 2018-06-22 | 2019-12-26 | 华为技术有限公司 | 建立室内3d地图的方法和无人机 |
| CN110703805A (zh) * | 2019-11-13 | 2020-01-17 | 广州极飞科技有限公司 | 立体物体测绘航线规划方法、装置、设备、无人机及介质 |
-
2020
- 2020-07-24 CN CN202010724505.8A patent/CN111984032B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106537274A (zh) * | 2014-07-05 | 2017-03-22 | 里达·阿扎兹 | 用于控制飞行器清洁表面的方法 |
| CN107514993A (zh) * | 2017-09-25 | 2017-12-26 | 同济大学 | 基于无人机的面向单体建筑建模的数据采集方法及系统 |
| US20190127064A1 (en) * | 2017-10-31 | 2019-05-02 | Disney Enterprises, Inc. | Drone-based painting system |
| CN110162083A (zh) * | 2018-02-12 | 2019-08-23 | 维布络有限公司 | 利用无人机执行三维结构检查及维护任务的方法和系统 |
| WO2019242516A1 (zh) * | 2018-06-22 | 2019-12-26 | 华为技术有限公司 | 建立室内3d地图的方法和无人机 |
| CN109060281A (zh) * | 2018-09-18 | 2018-12-21 | 山东理工大学 | 基于无人机的一体化桥梁检测系统 |
| CN110703805A (zh) * | 2019-11-13 | 2020-01-17 | 广州极飞科技有限公司 | 立体物体测绘航线规划方法、装置、设备、无人机及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘山 等: "基于区域分割的无人机路径规划", 基于区域分割的无人机路径规划, vol. 29, no. 3, pages 120 - 125 * |
| 陈海 等: "一种凸多边形区域的无人机覆盖航迹规划算法", 航空学报, vol. 31, no. 9, pages 1802 - 1808 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538683A (zh) * | 2021-07-28 | 2021-10-22 | 视伴科技(北京)有限公司 | 一种确定实体流线的规划位置的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111984032B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Hamilton–jacobi reachability: Some recent theoretical advances and applications in unmanned airspace management | |
| Martínez-Gutiérrez et al. | Digital twin for automatic transportation in industry 4.0 | |
| CN109144097B (zh) | 障碍物或地面识别及飞行控制方法、装置、设备及介质 | |
| Heng et al. | Autonomous visual mapping and exploration with a micro aerial vehicle | |
| Chen et al. | Reachability-based safety and goal satisfaction of unmanned aerial platoons on air highways | |
| Droeschel et al. | Multilayered mapping and navigation for autonomous micro aerial vehicles | |
| WO2017211029A1 (zh) | 无人机飞行路径规划方法和装置 | |
| Bian et al. | A monocular vision–based perception approach for unmanned aerial vehicle close proximity transmission tower inspection | |
| Hu et al. | ROSUnitySim: Development and experimentation of a real-time simulator for multi-unmanned aerial vehicle local planning | |
| WO2021237448A1 (zh) | 路径规划方法、装置及系统 | |
| CN112650300B (zh) | 一种无人机避障方法和装置 | |
| US20240239484A1 (en) | Fast path planning for dynamic avoidance in partially known environments | |
| Liu et al. | A review of collaborative air-ground robots research | |
| Andersson et al. | WARA-PS: a research arena for public safety demonstrations and autonomous collaborative rescue robotics experimentation | |
| CN116880561A (zh) | 基于改进粒子群无人机路径规划安全增强的优化方法及系统 | |
| CN112419403A (zh) | 一种基于二维码阵列的室内无人机定位方法 | |
| CN111984032B (zh) | 无人机路径规划方法、装置、电子设备及存储介质 | |
| Liang et al. | Autonomous aerial obstacle avoidance using LiDAR sensor fusion | |
| Politi et al. | Path planning and landing for unmanned aerial vehicles using ai | |
| Tøttrup et al. | A real-time method for time-to-collision estimation from aerial images | |
| Hamledari et al. | UAV mission planning using swarm intelligence and 4D BIMs in support of vision-based construction progress monitoring and as-built modeling | |
| Zhou et al. | Hybrid obstacle avoidance system with vision and ultrasonic sensors for multi-rotor MAVs | |
| Chen | High dimensional reachability analysis: Addressing the curse of dimensionality in formal verification | |
| Rezaee et al. | Comprehensive Review of Drones Collision Avoidance Schemes: Challenges and Open Issues | |
| Rubio-Sierra et al. | Path planner for autonomous exploration of underground mines by aerial vehicles |
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 |