CN112015199A - 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 - Google Patents
应用于煤矿井下智能巡检无人机的航迹规划方法及装置 Download PDFInfo
- Publication number
- CN112015199A CN112015199A CN202010692437.1A CN202010692437A CN112015199A CN 112015199 A CN112015199 A CN 112015199A CN 202010692437 A CN202010692437 A CN 202010692437A CN 112015199 A CN112015199 A CN 112015199A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- dimensional
- path
- threat
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000007689 inspection Methods 0.000 title claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000003068 static effect Effects 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000007790 scraping Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000011261 inert gas Substances 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 239000011435 rock Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 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
- G05D1/10—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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种应用于煤矿井下智能巡检无人机的航迹规划方法及装置,包括构建八叉树结构的三维栅格地图;采用A*算法规划无人机在所述三维栅格地图的候选路径;建立二维二进制极坐标直方图;在二维二进制直方图中,从所述候选路径中选择可用路径,并计算所述可用路径的航迹总代价,选择所述航迹总代价最小的可用路径作为无人机的可通行路径。本发明基于二维二进制极坐标直方图和三维栅格地图表示三维环境,从三维栅格地图中生成一个二维二进制极坐标直方图来指引无人机飞行,其核心是通过直方图网格使用障碍物的统计表示,这种表示方法非常适合于不准确的传感器数据,并适应多个传感器读数的融合。
Description
技术领域
本申请属于无人机自主避障技术领域,尤其是涉及一种应用于煤矿井下智能巡检无人机的航迹规划方法及装置。
背景技术
煤矿安全生产是党和政府高度重视的问题,它不仅关系到煤炭工业的健康发展,同时也是构建和谐社会的前提和保障。井下无人机可以实现对人难以达到的区域进行巡查、检修等工作,无人机轻便灵活,可随时随地全方位、多角度巡检井下情况,省去人工巡检的环节和高空作业带来的安全隐患,既节省时间,又安全可靠。避障算法是研究无人机自主避障飞行的重中之重,确保了无人机的安全飞行。
矿山井下和地表不同,井下没有卫星信号,因而不能依赖卫星进行飞行设备的定位;空间比较狭小,飞行控制难度大;无线通信难以全面覆盖容易造成通信故障。因而,为了克服以上问题,采用新型的不依赖卫星的定位技术和智能化飞行控制设备可以在矿山井下得以进行各类应用。
随着无人机技术的发展,为当前的机载探测设备提供了广阔的应用空间,由于井下没有全球定位卫星信号,因而无法采用传统的定位技术进行飞行控制和位置定位。
目前常用的航迹规划算法有人工势场法、粒子群优化算法、A*算法等。人工势场法可用于动态环境下的航迹规划,实时性较好,但存在局部最优问题;粒子群优化算法原理简单,实现方便,前期搜索速度快,但同样存在局部最优问题;A*算法是一种经典的启发式搜索算法,理论上可保证全局最优,但存在搜索点多、耗时长的问题。
发明内容
本发明要解决的技术问题是:为解决现有技术航迹规划算法存在局部最优问题以及搜索点多、耗时长的问题。
为解决上述技术问题,本发明提供一种应用于煤矿井下智能巡检无人机的航迹规划方法及装置。
本发明解决其技术问题所采用的技术方案是:
本发明第一方面提供一种应用于煤矿井下智能巡检无人机的航迹规划方法,包括:
获取无人机所在的煤矿井下环境的三维点云地图,并将所述三维点云地图转换成八叉树结构的三维栅格地图;
探索所述三维栅格地图,确定无人机在煤矿井下飞行过程中的突发威胁和静态威胁,在无人机飞行高度满足Hmin<H<Hmax的情况下,采用A*算法规划无人机在所述三维栅格地图的候选路径,其中,H表示无人机当前的飞行高度,Hmin表示设定的最低飞行高度,Hmax表示设定的最大飞行高度;
在所述三维栅格地图中,探索以无人机为中心的设定边界范围内的体素,并根据得到的体素信息制作二维初级极坐标坐标直方图,同时计算各所述体素将插入到二维初级极坐标直方图中的权重,根据所述权重值的大小建立二维二进制极坐标直方图;
在二维二进制直方图中选择可用路径,并计算所述可用路径的航迹总代价,选择航迹总代价最低的可用路径作为无人机的可通行路径。
本发明第二方面提供一种应用于煤矿井下智能巡检无人机的航迹规划装置,包括:
三维地图转换模块,用于获取无人机所在的煤矿井下环境的三维点云地图,并将所述三维点云地图转换成八叉树结构的三维栅格地图;
候选路径规划模块,用于探索所述三维栅格地图,确定无人机在煤矿井下飞行过程中的突发威胁和静态威胁,在无人机飞行高度满足Hmin<H<Hmax的情况下,采用A*算法规划无人机在所述三维栅格地图的候选路径,其中,H表示无人机当前的飞行高度,Hmin表示设定的最低飞行高度,Hmax表示设定的最大飞行高度;
直方图构建模块,用于在所述三维栅格地图中,查找以无人机为中心的设定边界范围内的体素,并计算各所述体素将添加到二维初级极坐标直方图中的权重,建立二维二进制极坐标直方图;
路径优选模块,用于在二维二进制直方图中选择可用路径,并计算所述可用路径的航迹总代价,选择航迹总代价最低的可用路径作为无人机的可通行路径。
本发明的有益效果是:本发明基于二维二进制极坐标直方图和三维栅格地图表示三维环境,从三维栅格地图中生成一个二维二进制极坐标直方图来指引无人机飞行,其核心是通过直方图网格使用障碍物的统计表示,这种表示方法非常适合于不准确的传感器数据,并适应多个传感器读数的融合。并且,该算法还考虑到了无人机的动态特性和形状、大小,具有鲁棒性强,误差不敏感,计算量小,实时性好等优点。
附图说明
下面结合附图和实施例对本申请的技术方案进一步说明。
图1是本申请实施例的方法流程图。
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申请的技术方案。
实施例1
本实施例提供一种应用于煤矿井下智能巡检无人机的航迹规划方法,如图1所示,包括:
S1:获取无人机所在的煤矿井下环境的三维点云地图,并将所述三维点云地图转换成八叉树结构的三维栅格地图;
S2:探索所述三维栅格地图,确定无人机在煤矿井下飞行过程中的突发威胁和静态威胁,在无人机飞行高度满足Hmin<H<Hmax的情况下,采用A*算法规划无人机在所述三维栅格地图的候选路径,其中,H表示无人机当前的飞行高度,Hmin表示设定的最低飞行高度,Hmax表示设定的最大飞行高度;
S3:在所述三维栅格地图中,探索以无人机为中心的设定边界范围内的体素,并根据得到的体素信息制作二维初级极坐标坐标直方图,同时计算各所述体素将插入到二维初级极坐标直方图中的权重,根据所述权重值的大小建立二维二进制极坐标直方图;
S4:在二维二进制直方图中选择可用路径,并计算所述可用路径的航迹总代价,选择航迹总代价最低的可用路径作为无人机的可通行路径。
为构建三维栅格地图,首先使用三维激光扫描仪获取煤矿井下环境的三维点云地图,然后将其转换为八叉树数据结构。八叉树是一种基于树形层次的数据结构,八叉树充分利用了形体在空间上的相关性,与按照三维体素阵列直接存储的方式相比,它所占用的存储空间要少得多。八叉树结构的主要优点在于管理方便,搜索某一个小方块的时候,能很方便地使用二分法查找,当深度达到一定层次以后,基本可以拟合所有的三维模型。
由于煤矿井下环境的空间限制,无人机的飞行有自身约束,例如最大/最小飞行高度的约束,本实施例需要在满足无人机最大/最小飞行高度的情况下采用A*算法规划其飞行路径,关于A*算法属于本领域比较常规的技术手段,在此不再赘述。
本实施例将来自体素的信息(方位角和仰角)添加到二维初级极坐标直方图中,其中活动体素的位置由两个角度确定。将基于体素计算的权重插入到以方位角和仰角为坐标的二维初级极坐标直方图中。
煤矿井下环境中的主要威胁分为岩石、废墟等静态威胁和移动物体、刮碰等突发威胁,威胁模型包含了各种威胁信息,利用其在大于威胁范围的作业高度规划航迹,结合已有的二维地图实现三维地图范围的航迹规划,可提高航迹规划速度。
作为一种实施例,在采用A*算法规划无人机在所述三维栅格地图的候选路径之前,还包括建立的威胁模型的步骤:
建立移动物体威胁模型,即:
其中,PF(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的移动物体威胁概率;dF为无人机与移动物体中心的实际距离;rF为移动物体的威胁作用半径;γ为井下惰性气体比例;
建立刮碰威胁模型,即:
其中,PB(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的刮碰威胁概率;dB为无人机与刮碰中心的实际距离;rB为刮碰的威胁作用半径;
将静态威胁的影响空间等效为圆锥体和长方体。
作为一种实施例,还包括无人机飞行高度修正的步骤:
无人机在飞行过程中发生突发威胁时,修正无人机的飞行高度,即:
Hx=ΔH/2+H
其中,Hx为修正后的飞行高度;ΔH为无人机当前航迹点与煤矿巷道顶部高度的差;无人机每个航迹点对应范围内突发威胁的最大高度为H。
作为一种实施例,根据所述权重值的大小建立二维二进制极坐标直方图的步骤包括:
将插入到二维初级极坐标直方图中的每个体素的权重值与两个设定阈值τlow和τhigh进行比,当所述体素权重值高于τhigh时,二维初级极坐标直方图中对应的像素点将在二维二进制极坐标直方图中为1,当所述体素权重值小于τlow时,对应的像素点将在二维二进制极坐标直方图中为0;当所述体素权重值位于τlow和τhigh之间时,则与对应的像素点相邻的像素点将用于二维二进制极坐标直方图中。
作为一种实施例,在二维二进制直方图中,从候选路径中选择可用路径的步骤包括:
对所述二维二进制极坐标直方图进行窗口扫描,如果空隙大于无人机包络,则判定无人机可通行,对应的候选路径为可用路径;
如果只有一条可用路径,则该可用路径即为无人机的可通行路径;
如果有多条可用路径,计算所述可用路径的权重,选择权重最低的可用路径作为无人机的可通行路径。
本实施例在规划好候选路径后,由于考虑到无人机的形状、大小,需要通过在二维二进制直方图中通过窗口扫描,判定前方候选路径的空隙是否能够容纳无人机通行,如果可以则作为可用路径,在搜索到多个可用路径的情况下,需要计算航迹总代价,并选择最小航迹总代价来作为最终的可通行路径。
可选的是,本实施例所述航迹总代价计算方法为:
M(n)=μ1·l(n)+μ2·p(n)+μ3·h(n)
其中,M(n)为无人机航迹总代价;l(n)为路径长度;p(n)为威胁概率;h(n)为无人机飞行高度;μ1、μ2、μ3分别为路径长度权重系数、威胁权重系数和高度权重系数。
实施例2
本实施例提供一种应用于煤矿井下智能巡检无人机的航迹规划装置,包括:
三维地图转换模块,用于获取无人机所在的煤矿井下环境的三维点云地图,并将所述三维点云地图转换成八叉树结构的三维栅格地图;
候选路径规划模块,用于探索所述三维栅格地图,确定无人机在煤矿井下飞行过程中的突发威胁和静态威胁,在无人机飞行高度满足Hmin<H<Hmax的情况下,采用A*算法规划无人机在所述三维栅格地图的候选路径,其中,H表示无人机当前的飞行高度,Hmin表示设定的最低飞行高度,Hmax表示设定的最大飞行高度;
直方图构建模块,用于在所述三维栅格地图中,探索以无人机为中心的设定边界范围内的体素,并根据得到的体素信息制作二维初级极坐标坐标直方图,同时计算各所述体素将插入到二维初级极坐标直方图中的权重,根据所述权重值的大小建立二维二进制极坐标直方图;
路径优选模块,用于在二维二进制直方图中选择可用路径,并计算所述可用路径的航迹总代价,选择航迹总代价最低的可用路径作为无人机的可通行路径。
本实施例航迹规划装置各个模块的实现,请参阅实施例1,在此不再赘述。
作为一种可行的本实施例,还包括威胁模型构建模块,所述威胁模型包括突发威胁和静态威胁,所述突发威胁包括移动物体、刮碰,所述的静态威胁包括岩石、废墟;
所述威胁模型构建模块用于:
建立移动物体威胁模型,即:
其中,PF(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的移动物体威胁概率;dF为无人机与移动物体中心的实际距离;rF为移动物体的威胁作用半径;γ为井下惰性气体比例;
建立刮碰威胁模型,即:
其中,PB(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的刮碰威胁概率;dB为无人机与刮碰中心的实际距离;rB为刮碰的威胁作用半径;
将静态威胁的影响空间等效为圆锥体和长方体。
作为一种可行的本实施例,所述路径优选模块还包括路径选择单元,用于:
对所述二维二进制极坐标直方图进行窗口扫描,如果空隙大于飞机包络,则判定无人机可通行,对应的候选路径为可用路径;
如果只有一条可用路径,则该可用路径即为无人机的可通行路径;
如果有多条可用路径,计算所述可用路径的航迹总代价,选择航迹总代价最低的可用路径作为无人机的可通行路径。
作为一种可行的本实施例,所述航迹总代价计算方式为:
M(n)=μ1·l(n)+μ2·p(n)+μ3·h(n)
其中,M(n)为无人机航迹总代价;l(n)为路径长度;p(n)为威胁概率;h(n)为无人机飞行高度;μ1、μ2、μ3分别为路径长度权重系数、威胁权重系数和高度权重系数。
本实施例的具体实现方式请参阅实施例1。
以上述依据本申请的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项申请技术思想的范围内,进行多样的变更以及修改。本项申请的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (10)
1.一种应用于煤矿井下智能巡检无人机的航迹规划方法,其特征在于,包括:
获取无人机所在的煤矿井下环境的三维点云地图,并将所述三维点云地图转换成八叉树结构的三维栅格地图;
探索所述三维栅格地图,确定无人机在煤矿井下飞行过程中的突发威胁和静态威胁,在无人机飞行高度满足Hmin<H<Hmax的情况下,采用A*算法规划无人机在所述三维栅格地图的候选路径,其中,H表示无人机当前的飞行高度,Hmin表示设定的最低飞行高度,Hmax表示设定的最大飞行高度;
在所述三维栅格地图中,探索以无人机为中心的设定边界范围内的体素,并根据得到的体素信息制作二维初级极坐标坐标直方图,同时计算各所述体素将插入到二维初级极坐标直方图中的权重,根据所述权重值的大小建立二维二进制极坐标直方图;
在二维二进制极坐标直方图中,从所述候选路径中选择可用路径,并计算所述可用路径的航迹总代价,选择所述航迹总代价最小的可用路径作为无人机的可通行路径。
2.根据权利要求1所述的应用于煤矿井下智能巡检无人机的航迹规划方法,其特征在于,采用A*算法规划无人机在所述三维栅格地图的候选路径之前,还包括建立的威胁模型的步骤,所述威胁模型包括突发威胁和静态威胁,所述突发威胁包括移动物体、刮碰,所述的静态威胁包括岩石、废墟;
所述建立威胁模型的步骤包括:
建立移动物体威胁模型,即:
其中,PF(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的移动物体威胁概率;dF为无人机与移动物体中心的实际距离;rF为移动物体的威胁作用半径;γ为井下惰性气体比例;
建立刮碰威胁模型,即:
其中,PB(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的刮碰威胁概率;dB为无人机与刮碰中心的实际距离;rB为刮碰的威胁作用半径;
将静态威胁的影响空间等效为圆锥体和长方体。
3.根据权利要求3所述的应用于煤矿井下智能巡检无人机的航迹规划方法,其特征在于,还包括无人机飞行高度修正的步骤:
发生突发威胁时,修正无人机的飞行高度,即:
Hx=ΔH/2+H
其中,Hx为修正后的飞行高度;ΔH为无人机当前航迹点与煤矿巷道顶部高度的差;无人机每个航迹点对应范围内突发威胁的最大高度为H。
4.根据权利要求1所述的应用于煤矿井下智能巡检无人机的航迹规划方法,其特征在于,根据所述权重值的大小建立二维二进制极坐标直方图的步骤包括:
将插入到二维初级极坐标直方图中的每个体素的权重值与两个设定阈值τlow和τhigh进行比,当所述体素权重值高于τhigh时,二维初级极坐标直方图中对应的像素点将在二维二进制极坐标直方图中为1,当所述体素权重值小于τlow时,对应的像素点将在二维二进制极坐标直方图中为0;当所述体素权重值位于τlow和τhigh之间时,则与对应的像素点相邻的像素点将用于二维二进制极坐标直方图中。
5.根据权利要求1所述的应用于煤矿井下智能巡检无人机的航迹规划方法,其特征在于,在二维二进制直方图中,从候选路径中选择可用路径的步骤包括:
对所述二维二进制极坐标直方图进行窗口扫描,如果空隙大于无人机包络,则判定无人机可通行,对应的候选路径为可用路径;
如果只有一条可用路径,则该可用路径即为无人机的可通行路径;
如果有多条可用路径,计算所述可用路径的权重,选择权重最低的可用路径作为无人机的可通行路径。
6.根据权利要求5所述的应用于煤矿井下智能巡检无人机的航迹规划方法,其特征在于,所述航迹总代价计算方法为:
M(n)=μ1·l(n)+μ2·p(n)+μ3·h(n)
其中,M(n)为无人机航迹总代价;l(n)为路径长度;p(n)为威胁概率;h(n)为无人机飞行高度;μ1、μ2、μ3分别为路径长度权重系数、威胁权重系数和高度权重系数。
7.一种应用于煤矿井下智能巡检无人机的航迹规划装置,其特征在于,包括:
三维地图转换模块,用于获取无人机所在的煤矿井下环境的三维点云地图,并将所述三维点云地图转换成八叉树结构的三维栅格地图;
候选路径规划模块,用于探索所述三维栅格地图,确定无人机在煤矿井下飞行过程中的突发威胁和静态威胁,在无人机飞行高度满足Hmin<H<Hmax的情况下,采用A*算法规划无人机在所述三维栅格地图的候选路径,其中,H表示无人机当前的飞行高度,Hmin表示设定的最低飞行高度,Hmax表示设定的最大飞行高度;
直方图构建模块,用于在所述三维栅格地图中,探索以无人机为中心的设定边界范围内的体素,并根据得到的体素信息制作二维初级极坐标坐标直方图,同时计算各所述体素将插入到二维初级极坐标直方图中的权重,根据所述权重值的大小建立二维二进制极坐标直方图;
路径优选模块,用于在二维二进制直方图中选择可用路径,并计算所述可用路径的航迹总代价,选择航迹总代价最低的可用路径作为无人机的可通行路径。
8.根据权利要求7所述的应用于煤矿井下智能巡检无人机的航迹规划装置,其特征在于,还包括威胁模型构建模块,所述威胁模型包括突发威胁和静态威胁,所述突发威胁包括移动物体、刮碰,所述的静态威胁包括岩石、废墟;
所述威胁模型构建模块用于:
建立移动物体威胁模型,即:
其中,PF(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的移动物体威胁概率;dF为无人机与移动物体中心的实际距离;rF为移动物体的威胁作用半径;γ为井下惰性气体比例;
建立刮碰威胁模型,即:
其中,PB(xn,yn)为无人机在当前位置坐标(xn,yn)处受到的刮碰威胁概率;dB为无人机与刮碰中心的实际距离;rB为刮碰的威胁作用半径;
将静态威胁的影响空间等效为圆锥体和长方体。
9.根据权利要求7所述的应用于煤矿井下智能巡检无人机的航迹规划装置,其特征在于,所述路径优选模块还包括路径选择单元,用于:
对所述二维二进制极坐标直方图进行窗口扫描,如果空隙大于飞机包络,则判定无人机可通行,对应的候选路径为可用路径;
如果只有一条可用路径,则该可用路径即为无人机的可通行路径;
如果有多条可用路径,计算所述可用路径的航迹总代价,选择航迹总代价最低的可用路径作为无人机的可通行路径。
10.根据权利要求9所述的应用于煤矿井下智能巡检无人机的航迹规划装置,其特征在于,所述航迹总代价计算方式为:
M(n)=μ1·l(n)+μ2·p(n)+μ3·h(n)
其中,M(n)为无人机航迹总代价;l(n)为路径长度;p(n)为威胁概率;h(n)为无人机飞行高度;μ1、μ2、μ3分别为路径长度权重系数、威胁权重系数和高度权重系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010692437.1A CN112015199B (zh) | 2020-07-17 | 2020-07-17 | 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010692437.1A CN112015199B (zh) | 2020-07-17 | 2020-07-17 | 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112015199A true CN112015199A (zh) | 2020-12-01 |
CN112015199B CN112015199B (zh) | 2024-05-28 |
Family
ID=73498929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010692437.1A Active CN112015199B (zh) | 2020-07-17 | 2020-07-17 | 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015199B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050685A (zh) * | 2021-03-18 | 2021-06-29 | 中煤科工集团上海有限公司 | 一种煤矿井下无人机自主巡检的方法 |
CN115862273A (zh) * | 2022-11-23 | 2023-03-28 | 中国十七冶集团有限公司 | 一种有毒气体智能监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130070095A1 (en) * | 2011-09-16 | 2013-03-21 | Harman International Industries, Incorporated | Fast obstacle detection |
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
CN107677273A (zh) * | 2017-09-11 | 2018-02-09 | 哈尔滨工程大学 | 一种基于二维栅格划分的集群无人机多航迹规划方法 |
US20190035286A1 (en) * | 2017-07-27 | 2019-01-31 | Beihang University | Airplane flight path planning method and device based on the pigeon-inspired optimization |
US20190103032A1 (en) * | 2017-10-03 | 2019-04-04 | Topcon Corporation | Unmanned aerial vehicle, data processing device, path selection device, processing method and processing program |
CN110544296A (zh) * | 2019-07-31 | 2019-12-06 | 中国矿业大学 | 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法 |
-
2020
- 2020-07-17 CN CN202010692437.1A patent/CN112015199B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130070095A1 (en) * | 2011-09-16 | 2013-03-21 | Harman International Industries, Incorporated | Fast obstacle detection |
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
US20190035286A1 (en) * | 2017-07-27 | 2019-01-31 | Beihang University | Airplane flight path planning method and device based on the pigeon-inspired optimization |
CN107677273A (zh) * | 2017-09-11 | 2018-02-09 | 哈尔滨工程大学 | 一种基于二维栅格划分的集群无人机多航迹规划方法 |
US20190103032A1 (en) * | 2017-10-03 | 2019-04-04 | Topcon Corporation | Unmanned aerial vehicle, data processing device, path selection device, processing method and processing program |
CN110544296A (zh) * | 2019-07-31 | 2019-12-06 | 中国矿业大学 | 一种敌方威胁不确定环境下无人机三维全局航迹智能规划方法 |
Non-Patent Citations (2)
Title |
---|
ZHEPING YAN 等: "Obstacle Avoidance for Unmanned Undersea Vehicle in Unknown Unstructured Environment", MATHEMATICAL PROBLEMS IN ENGINEERING, vol. 2013, pages 1 - 12 * |
吕文红 等: "基于改进A~*算法的灾后井下无人机航迹规划", 工矿自动化, vol. 44, no. 05, pages 85 - 90 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050685A (zh) * | 2021-03-18 | 2021-06-29 | 中煤科工集团上海有限公司 | 一种煤矿井下无人机自主巡检的方法 |
CN113050685B (zh) * | 2021-03-18 | 2023-06-16 | 中煤科工集团上海有限公司 | 一种煤矿井下无人机自主巡检的方法 |
CN115862273A (zh) * | 2022-11-23 | 2023-03-28 | 中国十七冶集团有限公司 | 一种有毒气体智能监测方法 |
CN115862273B (zh) * | 2022-11-23 | 2023-09-29 | 中国十七冶集团有限公司 | 一种有毒气体智能监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112015199B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10962650B2 (en) | Polyhedral geofences | |
CN103703490B (zh) | 用于产生三维特征数据的设备以及用于产生三维特征数据的方法 | |
CN114419152B (zh) | 一种基于多维度点云特征的目标检测与跟踪方法及系统 | |
KR20210043518A (ko) | 고정밀도 맵 작성 방법 및 장치 | |
CN112184736B (zh) | 一种基于欧式聚类的多平面提取方法 | |
CN113776534B (zh) | 一种基于立体剖分网格的无人机三维时变空域导航方法 | |
Liu et al. | Point cloud segmentation based on Euclidean clustering and multi-plane extraction in rugged field | |
CN110515390B (zh) | 飞行器自主降落方法及装置、电子设备、存储介质 | |
CN107478233B (zh) | 一种地质勘探航迹规划方法及系统 | |
CN112015199A (zh) | 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 | |
CN111862200B (zh) | 一种煤棚内无人机定位方法 | |
CN114020015A (zh) | 基于障碍物地图双向搜索的无人机路径规划系统及方法 | |
CN115145315A (zh) | 一种改进a*算法的适合杂乱环境的无人机路径规划方法 | |
CN113674355A (zh) | 一种基于相机与激光雷达的目标识别与定位方法 | |
CN116482711A (zh) | 一种用于着陆区自主选择的局部静态环境感知方法及装置 | |
Song et al. | BIM-aided scanning path planning for autonomous surveillance UAVs with LiDAR | |
Stepanas et al. | Ohm: Gpu based occupancy map generation | |
Wu et al. | A Non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning | |
CN117406771B (zh) | 一种基于四旋翼无人机的高效自主探索方法、系统及设备 | |
CN104898106B (zh) | 面向复杂地形机载激光雷达数据的地面点提取方法 | |
Soleimani et al. | A disaster invariant feature for localization | |
CN114882339B (zh) | 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法 | |
Zhu et al. | Cloud‐based Real‐time Outsourcing Localization for a Ground Mobile Robot in Large‐scale Outdoor Environments | |
CN113625764A (zh) | 基于边界驱动的无人机自主探索方法、导航系统及无人机 | |
Chen | UAV patrol path planning based on machine vision and multi-sensor fusion |
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 |