CN112327914A - 一种高层消防多无人机室内协同路径规划方法及系统 - Google Patents

Abstract

本发明为克服高层消防多无人机在室内执行消防任务时无人机路径规划效率低、灵活性低的缺陷，提出一种高层消防多无人机室内协同路径规划方法及系统，其中包括以下步骤：采用消防无人机获取事故建筑物的三维空间数据，获取事故建筑物的烟雾感应器、温度传感器数据，构建三维空间模型并规划初步撤离路径；根据三维空间模型规划侦查路径；确定起火点位置，筛选初步撤离路径上的起火点，规划灭火路径；当侦查无人机搜索到被困人员，侦查无人机反馈当前定位坐标数据，在三维空间模型中协同规划侦查无人机与最临近的灭火无人机的汇合路径，最临近的灭火无人机与侦查无人机汇合；规划撤离路径，侦查无人机与灭火无人机带领被困人员沿撤离路径进行撤离。

Description

一种高层消防多无人机室内协同路径规划方法及系统

技术领域

本发明涉及无人机消防技术领域，更具体地，涉及一种高层消防多无人机室内协同路径规划方法及系统。

背景技术

随着城市化进程的加快，高层建筑数量越来越大，在提供大量的住房、商业用房的同时，高层建筑高度与消防救援能力的不匹配日益凸显。无人机因其具有灵活的飞行能力，能够在最短时间内赶到现场，可应用于解决高层消防救援中的困难。其中，无人机可以分为破窗无人机、侦查无人机、灭火无人机等机种，不同机种的无人机分别执行各自的任务，所携带的设备各不相同。在对无人机的研究中，主要对多机种的无人机进行路径规划，分别是总体任务路径、搜索路径、汇合路径以及最终撤离路径。无人机的飞行路径决定了无人机飞行任务中每一时刻的位置，飞行路径规划的质量直接影响执行任务的安全性、效率及成本。

公开号为CN110772728A(公开日：2020-02-11)的专利提出了一种消防专用无人机、系统及其消防方法，其提出了通过无人机在飞行过程中拍摄的图片或视频信息进行分析调整规划路径，然而该方法对无人机路径调整规划需要时间较长，效率及灵活性低，且针对多消防无人机的情况，存在容易发生无人机碰撞的问题。更严重的是，室内火灾是一个强干扰环境，部分无人机常用的设备可能无法有效使用，且在有大量浓烟的室内，能见度非常低，拍摄图片或视频能够分辨出周围环境的可能性极低。此外，考虑到消防任务的紧迫性、危险性等特点，存在影响执行任务的安全性和效率问题。在高层室内火灾救援任务中，需要在尽可能短的时间内完成各项运算，规划出较优的路径；在执行中遇到未知障碍、起火点、被困人员、浓烟时还需要进行修正甚至重新规划。

发明内容

本发明为克服上述现有技术所述的高层消防多无人机在室内执行消防任务时无人机路径规划效率低、灵活性低的缺陷，提供一种高层消防多无人机室内协同路径规划方法，以及一种高层消防多无人机室内协同路径规划系统。

为解决上述技术问题，本发明的技术方案如下：

一种高层消防多无人机室内协同路径规划方法，包括以下步骤：

采用消防无人机获取事故建筑物的三维空间数据，并通过连接事故建筑物局域网络获取事故建筑物内部的烟雾感应器及温度传感器数据，构建事故建筑物的三维空间模型，并建立初步撤离路径；

根据三维空间模型规划侦查路径，侦查无人机根据侦查路径执行侦查任务；

根据初步撤离路径，结合事故建筑物的三维空间数据、烟雾感应器及温度传感器数据，在三维空间模型中确定起火点位置，筛选初步撤离路径上的起火点，规划得到灭火路径，灭火无人机根据灭火路径执行灭火任务；

在侦查无人机执行侦查任务过程中，当侦查无人机搜索到被困人员，侦查无人机反馈当前定位坐标数据，根据侦查路径和灭火路径，在三维空间模型中协同规划侦查无人机与最临近的灭火无人机的汇合路径，最临近的灭火无人机沿汇合路径与侦查无人机汇合；

根据三维空间模型、当前定位坐标数据以及预设的安全点坐标数据，规划撤离路径，侦查无人机与灭火无人机带领被困人员沿撤离路径进行撤离。

优选地，三维空间模型中包括硬障碍模型和软障碍模型，其中，硬障碍模型中包括但不仅限于事故建筑物的三维空间数据、实体障碍物坐标，软障碍模型中包括但不仅限于被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度。

优选地，初步撤离路径、侦查路径、灭火路径、汇合路径及撤离路径分别采用改进双向RRT算法(Rapidly-exploring Random Tree，快速遍历随机树)进行路径规划得到；其具体步骤包括：

S101：根据事故建筑物的三维空间数据、事故建筑物内部的烟雾感应器及温度传感器数据采用改进的双向RRT算法进行搜索，计算双向RRT算法中两棵搜索树的搜索面积，当两棵搜索树的搜索面积存在重合面积且重合面积大于预设的搜索阈值时，则停止搜索，连接邻近点，输出可选路径集及路点集；

S102：在可选路径集中，当存在任意2台消防无人机之间的距离小于或等于两倍相对较大的消防无人机的外接圆直径时，利用遗传算法进行局部调整，直到任意2台消防无人机之间的距离大于两倍相对较大的消防无人机的外接圆直径，得到较优可选路径集；

S103：根据较优可选路径集，计算其路程、最小转弯半径、距离软障碍的最近距离参数加权得到得分，取得分值最高的路径作为最优路径；

S104：删除最优路径上的冗余点，输出初步撤离路径、侦查路径、灭火路径、汇合路径或撤离路径。

优选地，S102步骤中，对灭火路径进行局部调整的具体步骤还包括：根据三维空间模型中起火点坐标、栅格温度、栅格烟雾浓度数据，判断灭火路径上的无关起火点的火势：若无关起火点坐标对应的栅格温度大于预设的温度阈值，或无关起火点坐标对应的栅格烟雾浓度大于预设的烟雾浓度阈值，则判断当前无关起火点火势大，并调整灭火路径绕开该无关起火点设置；否则，则判断当前无关起火点火势小，则不进行局部调整。

优选地，S104步骤中，删除最优路径上的冗余点的具体步骤包括，采用RRT算法中的碰撞判断对最优路径中路径点逐个判断：当在最优路径中删除该路径点时，消防无人机不与障碍物发生碰撞，则将该路径点判断为冗余点并删除。

优选地，还包括以下步骤：侦查无人机和灭火无人机分别执行侦查任务和灭火任务过程中实时探测并反馈更新障碍物坐标、被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度，更新事故建筑物的三维空间模型具体步骤包括：

S201：侦查无人机和灭火无人机在分别执行侦查任务和灭火任务的过程中实时检测障碍物、起火点、被困人员的位置坐标并反馈；

S202：根据反馈的位置坐标信息更新事故建筑物的三维空间模型。

优选地，构建事故建筑物的三维空间模型的具体步骤包括：破窗无人机进行破窗作业后，均作为通讯基站悬停在事故建筑物外；其他消防无人机进入事故建筑物内部时通过调谐无线电信标频率以及多普勒测距仪计算其当前坐标，并与作为通讯基站的破窗无人机进行通信；以作为通讯基站的破窗无人机坐标作为固定点建立室内坐标系，根据其他消防无人机的当前坐标及其获取的事故建筑物的三维空间数据构建事故建筑物的三维空间模型。

优选地，消防无人机执行任务过程中采用动态窗口方法(Dynamic WindowApproach,DWA)进行避撞。

本发明还提出了一种多消防无人机协同路径规划系统，应用于上述任一技术方案的多消防无人机协同路径规划方法，其具体包括：

消防无人机，包括破窗无人机、侦查无人机、灭火无人机，其中消防无人机安装了包括生命探测仪、GPS定位模块、红外检测模块、温度传感模块、烟雾浓度检测模块、通信模块、雷达模块、声呐模块中的一种或多种；

上位机，上位机中包括通信模块、存储介质和执行器，其中，上位机通过通信模块与消防无人机进行数据交互；存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述任一技术方案的多消防无人机协同路径规划方法的步骤。

优选地，上位机还包括显示模块，显示模块与执行器连接，用于显示事故建筑物的三维空间模型、消防无人机的位置、消防无人机的路径规划结果。

与现有技术相比，本发明技术方案的有益效果是：本发明通过根据三维空间模型规划多消防无人机在不同阶段执行各个任务的不同路径，充分利用消防无人机的飞行能力、抗干扰能力配以合适的路径规划，能够提高无人机路径规划的效率和灵活性，进而提高事故建筑物内人员疏散，提高救援效率；当侦查无人机搜索到被困人员时，在三维空间模型中协同规划侦查无人机与最临近的灭火无人机的汇合路径，避免无人机发生碰撞，同时保证被困人员撤离过程中的安全；三维空间模型根据消防无人机反馈的数据不断更新，进而根据更新的三维空间模型对消防无人机的路径进行重新规划，能够提高消防无人机路径的精确度。

附图说明

图1为实施例1的多消防无人机协同路径规划方法的流程图。

图2为实施例2的多消防无人机协同路径规划系统的结构示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

本实施例提出一种多消防无人机协同路径规划方法，如图1所示，为本实施例的多消防无人机协同路径规划方法的流程图。

本实施例提出的多消防无人机协同路径规划方法中，包括以下步骤：

S1：采用消防无人机获取事故建筑物的三维空间数据，获取事故建筑物内部的烟雾感应器及温度传感器数据，构建事故建筑物的三维空间模型，并建立初步撤离路径。

其中，消防无人机中的破窗无人机执行破窗任务后停留在事故建筑物外部，从外向内扫描获取部分事故建筑物的三维空间数据，其他消防无人机进入事故建筑物内部通过检测及定位获取事故建筑物的三维空间数据；此外，破窗无人机或上位机通过与事故建筑物的局域网络连接获取事故建筑物内部的烟雾感应器、温度传感器等内部传感器数据。

本步骤中构建的三维空间模型包括硬障碍模型和软障碍模型，其中，硬障碍模型中包括但不仅限于事故建筑物的三维空间数据、实体障碍物坐标，软障碍模型中包括但不仅限于被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度。

在本实施例中，“硬障碍”是指无人机无论如何都不能穿越、闯入的障碍物，其具体包括建筑物三维空间数据(如墙壁)、实体障碍物(如家具)等；而“软障碍”是指无人机在极其必要时可以闯入的区域，其具体包括火焰区域、高温区域、浓烟区域、喷淋区域等等。在路径规划的过程中，直接通过双向RRT算法中的碰撞判断保证路径不会穿越“硬障碍”，通过降低“软障碍”附近的取点概率尽量避免闯入“软障碍”。

进一步的，本实施例中建立的初步撤离路径在三维空间模型中的未知区域默认为无障碍物的。

进一步的，本步骤旨在已知数据极其有限的情况下，尽可能挖掘现有数据进行大致的任务路径规划，便于进一步对无人机引导被困人员的撤离任务进行规划。首先根据事故建筑物已知数据以及首先到达的消防无人机探测反馈的数据，即事故建筑物内或消防无人机上设置的烟雾感应器、温度传感器数据、坐标位置数据，进行栅格化建模得到三维空间模型并规划初步撤离路径，其中，初步撤离路径在未知区域假设没有障碍物的，以该初步撤离路径将作为任务的主线，其他部分的救援任务将围绕这一条初步撤离路径展开。

进一步的，构建事故建筑物的三维空间模型的具体步骤包括：破窗无人机进行破窗作业后，均作为通讯基站悬停在事故建筑物外；其他消防无人机进入事故建筑物内部通过调谐无线电信标频率以及多普勒测距仪计算其当前坐标，并与作为通讯基站的破窗无人机进行通信；以作为通讯基站的破窗无人机坐标作为固定点建立室内坐标系，根据其他消防无人机的当前坐标及其获取的事故建筑物的三维空间数据构建事故建筑物的三维空间模型。

S2：根据三维空间模型规划侦查路径，侦查无人机根据侦查路径执行侦查任务；其中，侦查路径的规划旨在搜索被困人员概率较大的位置，例如烟雾浓度较低、温度较低、靠近墙壁的位置。

根据初步撤离路径，结合事故建筑物的三维空间数据、烟雾感应器及温度传感器数据，在三维空间模型中确定起火点位置，筛选初步撤离路径上的起火点，规划得到灭火路径，灭火无人机根据灭火路径执行灭火任务；其中，灭火路径旨在根据初步撤离路径确定需要尽快灭火区域，并规划路径以在最短的时间到达相应的起火点并执行灭火任务。

进一步的，侦查无人机和灭火无人机分别执行侦查任务和灭火任务过程中实时探测并反馈更新障碍物坐标、被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度，更新事故建筑物的三维空间模型。

其中，更新事故建筑物的三维空间模型的具体步骤包括：侦查无人机和灭火无人机在分别执行侦查任务和灭火任务的过程中实时检测障碍物、起火点、被困人员的位置坐标并反馈；根据反馈的位置坐标信息更新事故建筑物的三维空间模型。

在本实施例中，侦查无人机和灭火无人机在分别执行侦查任务和灭火任务的过程中不断对室内三维空间进行测绘，通过共享数据整合事故建筑物的三维空间模型，以及更新起火点、障碍物位置信息，同时基于三维空间模型规划的路径也将随之更新或重构，以适应瞬息万变的火灾现场环境。

S3：在侦查无人机执行侦查任务过程中，当侦查无人机搜索到被困人员，侦查无人机反馈当前定位坐标数据，根据侦查路径和灭火路径，在三维空间模型中协同规划侦查无人机与最临近的灭火无人机的汇合路径，最临近的灭火无人机沿汇合路径与侦查无人机汇合。

S4：根据三维空间模型、当前定位坐标数据以及预设的安全点坐标数据，规划撤离路径，侦查无人机与灭火无人机带领被困人员沿撤离路径进行撤离。

在本实施例中，初步撤离路径、侦查路径、灭火路径、汇合路径及撤离路径分别采用改进双向RRT算法(Rapidly-exploring Random Tree，快速遍历随机树)进行路径规划得到；其具体步骤包括：

S101：根据事故建筑物的三维空间数据、事故建筑物内部的烟雾感应器及温度传感器数据采用改进的双向RRT算法进行搜索，计算双向RRT算法中两棵搜索树的搜索面积，当两棵搜索树的搜索面积存在重合面积且重合面积大于预设的搜索阈值时，则停止搜索，连接邻近点，输出可选路径集及路点集；

S102：在可选路径集中，当存在任意2台消防无人机之间的距离小于或等于两倍相对较大的消防无人机的外接圆直径时，利用遗传算法进行局部调整，直到任意2台消防无人机之间的距离大于两倍相对较大的消防无人机的外接圆直径，得到较优可选路径集；

S103：根据较优可选路径集，计算其路程、最小转弯半径、距离软障碍的最近距离参数加权得到得分，取得分值最高的路径作为最优路径；

S104：删除最优路径上的冗余点，输出初步撤离路径、侦查路径、灭火路径、汇合路径或撤离路径。

进一步的，针对灭火路径进行局部调整的过程中，还包括以下步骤：根据三维空间模型中起火点坐标、栅格温度、栅格烟雾浓度数据，判断灭火路径上的无关起火点的火势：若无关起火点坐标对应的栅格温度大于预设的温度阈值，或无关起火点坐标对应的栅格烟雾浓度大于预设的烟雾浓度阈值，则判断当前无关起火点火势大，并调整灭火路径绕开该无关起火点设置；否则，则判断当前无关起火点火势小，则不进行局部调整。

进一步的，S104步骤中，删除最优路径上的冗余点的具体步骤包括，采用RRT算法中的碰撞判断对最优路径中路径点逐个判断：当在最优路径中删除该路径点时，消防无人机不与障碍物发生碰撞，则将该路径点判断为冗余点并删除。

进一步的，消防无人机执行任务过程中采用动态窗口方法(Dynamic WindowApproach,DWA)进行避撞。

进一步的，对完成协同规划的侦查路径、灭火路径或汇合路径采用NURBS或Bézier曲线算法进行平滑化处理，进一步实现避撞。

进一步的，考虑到高层室内火灾环境的多变性，对于路径重规划拟采取周期触发与事件触发配合的触发策略，即当发现当前所执行的路径上存在“硬障碍”或者增加了许多“软障碍”，则触发路径重规划，执行S101～S104步骤；若在预设的周期内没有触发路径重规划，则执行S101～S104步骤，提高消防无人机的应变能力。

本实施例提出的多消防无人机协同路径规划方法主要将无人机路径规划与高层消防救援任务实际紧密结合，突出高层消防救援“救人第一，固移结合”的思想，将起火点、烟雾浓度等数据进行建模并作为限制条件进行路径规划。

在具体应用中，破窗无人机可以与事故建筑物内部装设的无线烟雾感应器、无线火灾感应器等设备关联并组建网络，实时汇总检测事故建筑物内部的参数，结合其他消防无人机探测反馈的数据，可以得到与起火点接近的、浓烟较大处相近的传感器位置作为终点，以破窗位置为终点进行大致的初步撤离路径规划。同时考虑到一般住宅建筑物主要都是在公共空间布置固定消防设备，户内基本上没有能够与公共空间的消防设备组网的设备，或者只有独立的烟雾感应器或火灾感应器，因此可以将火灾仍未扩散到多层立体燃烧前，疏散到数值正常的烟雾感应器、火灾感应器的位置作为安全区域。

在侦查无人机、灭火无人机执行任务过程中，实时探测并反馈更新、障碍物坐标、被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度，更新事故建筑物的三维空间模型，然后根据更新的三维空间模型再次进行路径规划，即消防无人机的路径规划将会贯穿整个消防救援任务，从而实现协同路径规划。期间，侦查无人机所执行的侦查任务是在事故建筑物内不停地搜索，需要在未知的环境中规划几乎覆盖全屋的搜索路径，而灭火无人机则先行沿不断更新的初步撤离路径飞行，寻找初步撤离路径上的起火点。当侦查无人机搜索到了被困人员，则会联系距离当前坐标最近的灭火无人机，让灭火无人机与侦查无人机在安全的地方汇合，然后，以到目前为止最新的撤离路径为基础，进行局部路径规划，以带领被困人员安全撤离。

在路径规划过程中，由于应用场景中存在多消防无人机，本实施例通过智能算法局部调整为协同路径，在避免碰撞的同时，提升侦查无人机的搜索效率以及灭火无人机的灭火效率。

实施例2

本实施例提出一种多消防无人机协同路径规划系统，应用于实施例1提出的一种多消防无人机协同路径规划方法。如图2所示，为本实施例的多消防无人机协同路径规划系统的结构示意图。

本实施例提出的多消防无人机协同路径规划系统中，其具体包括：

消防无人机10，包括破窗无人机、侦查无人机、灭火无人机，且消防无人机10上搭载设置有GPS定位模块11、红外检测模块12、温度传感模块13、烟雾浓度检测模块14、通信模块15、生命探测仪16、毫米波雷达模块17、声呐模块18；其中，通信模块15中包括信标以及多普勒测距仪，通信模块15和GPS定位模块11用于获取当前消防无人机10的坐标位置信息，红外检测模块12、生命探测仪16、毫米波雷达模块17、声呐模块18分别用于检测当前移动路径上是否存在被困人员，温度传感模块13用于检测当前移动路径上的温度，烟雾浓度检测模块14用于检测当前移动路径上的烟雾浓度；

上位机20，上位机20中包括通信模块21、存储介质22和执行器23，其中，上位机20通过通信模块21与消防无人机10进行数据交互；存储介质22上存储有计算机程序，计算机程序被处理器23执行时实现实施例1提出的多消防无人机协同路径规划的步骤。

进一步的，上位机20还包括显示模块24，显示模块24与执行器23连接，用于显示事故建筑物的三维空间模型、消防无人机的位置、消防无人机的路径规划结果。

在具体实施过程中，首先采用消防无人机获取事故建筑物的三维空间数据，具体地，通过消防无人机上搭载的GPS定位模块11、红外检测模块12、温度传感模块13、烟雾浓度检测模块14对事故建筑物内部数据进行检测，得到事故建筑物的三维空间信息、障碍物坐标、被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度等；此外，采用破窗无人机或上位机20从事故建筑物内部物联网或外接系统获取事故建筑物内部的烟雾感应器及温度传感器数据，构建事故建筑物的三维空间模型，并反馈到上位机20中规划建立初步撤离路径；

在规划得到的初步撤离路径的基础上，上位机20根据三维空间模型规划侦查路径，然后发送至侦查无人机中控制侦查无人机根据侦查路径执行侦查任务；

在初步撤离路径的基础上，上位机20结合事故建筑物的三维空间数据、烟雾感应器及温度传感器数据，在三维空间模型中确定起火点位置，筛选初步撤离路径上的起火点，规划得到灭火路径，灭火无人机根据灭火路径执行灭火任务。

在侦查无人机和灭火无人机分别根据其接收的侦查路径、灭火路径执行侦查任务、灭火任务过程中实时探测，并通过无人机上搭载的通信模块15向上位机20反馈更新障碍物坐标、被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度，上位,20根据所接收的更新数据进一步更新事故建筑物的三维空间模型。

在侦查无人机执行侦查任务过程中，当侦查无人机搜索到被困人员，侦查无人机通过无人机上搭载的GPS定位模块11和通信模块15向上位机20反馈无人机当前定位的坐标数据；上位机20根据当前无人机的侦查路径和灭火路径，在三维空间模型中协同规划侦查无人机与最临近的灭火无人机的汇合路径，最临近的灭火无人机沿汇合路径与侦查无人机汇合。

进一步的，上位机20根据三维空间模型、当前定位坐标数据以及预设的安全点坐标数据，规划撤离路径，然后通过通信模块21发送至侦查无人机与灭火无人机中，侦查无人机与灭火无人机根据接收的撤离路径带领被困人员进行撤离。

此外，还可以通过在消防无人机上搭载的多普勒测距仪、无线电信标、惯性导航等导航设备，以完成破窗任务并悬停的破窗无人机作为通讯基站，实现在GPS信号不理想的室内环境通过定向、测距的无线电设备对在室内执行任务的消防无人机进行定位。

相同或相似的标号对应相同或相似的部件；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种高层消防多无人机室内协同路径规划方法，其特征在于，包括以下步骤：

采用消防无人机获取事故建筑物的三维空间数据，并获取事故建筑物内部的烟雾感应器及温度传感器数据，构建事故建筑物的三维空间模型，并建立初步撤离路径；

根据所述三维空间模型规划侦查路径，侦查无人机根据所述侦查路径执行侦查任务；

根据所述初步撤离路径，结合事故建筑物的三维空间数据、烟雾感应器及温度传感器数据，在所述三维空间模型中确定起火点位置，筛选初步撤离路径上的起火点，规划得到灭火路径，灭火无人机根据所述灭火路径执行灭火任务；

在所述侦查无人机执行侦查任务过程中，当侦查无人机搜索到被困人员，所述侦查无人机反馈当前定位坐标数据，根据所述侦查路径和灭火路径，在所述三维空间模型中协同规划侦查无人机与最临近的灭火无人机的汇合路径，最临近的灭火无人机沿所述汇合路径与侦查无人机汇合；

根据所述三维空间模型、当前定位坐标数据以及预设的安全点坐标数据，规划撤离路径，所述侦查无人机与灭火无人机带领被困人员沿撤离路径进行撤离。

2.根据权利要求1所述的高层消防多无人机室内协同路径规划方法，其特征在于，所述三维空间模型中包括硬障碍模型和软障碍模型，其中，所述硬障碍模型中包括但不仅限于事故建筑物的三维空间数据、实体障碍物坐标，软障碍模型中包括但不仅限于被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度。

3.根据权利要求2所述的高层消防多无人机室内协同路径规划方法，其特征在于，所述初步撤离路径、侦查路径、灭火路径、汇合路径及撤离路径分别采用改进双向RRT算法进行路径规划得到；其具体步骤包括：

S101：根据事故建筑物的三维空间数据、事故建筑物内部的烟雾感应器及温度传感器数据采用改进的双向RRT算法进行搜索，计算双向RRT算法中两棵搜索树的搜索面积，当两棵搜索树的搜索面积存在重合面积且重合面积大于预设的搜索阈值时，则停止搜索，连接邻近点，输出可选路径集及路点集；

S102：在所述可选路径集中，当存在任意2台消防无人机之间的距离小于或等于两倍相对较大的消防无人机的外接圆直径时，利用遗传算法进行局部调整，直到任意2台消防无人机之间的距离大于两倍相对较大的消防无人机的外接圆直径，得到较优可选路径集；

S103：根据所述较优可选路径集，计算其路程、最小转弯半径、距离软障碍的最近距离参数加权得到得分，取得分值最高的路径作为最优路径；

S104：删除所述最优路径上的冗余点，输出初步撤离路径、侦查路径、灭火路径、汇合路径或撤离路径。

4.根据权利要求3所述的高层消防多无人机室内协同路径规划方法，其特征在于，所述S102步骤中，对灭火路径进行局部调整的具体步骤还包括：

根据三维空间模型中起火点坐标、栅格温度、栅格烟雾浓度数据，判断灭火路径上的无关起火点的火势：若无关起火点坐标对应的栅格温度大于预设的温度阈值，或无关起火点坐标对应的栅格烟雾浓度大于预设的烟雾浓度阈值，则判断当前无关起火点火势大，并调整灭火路径绕开该无关起火点设置；否则，则判断当前无关起火点火势小，则不进行局部调整。

5.根据权利要求3所述的高层消防多无人机室内协同路径规划方法，其特征在于，所述S104步骤中，删除所述最优路径上的冗余点的具体步骤包括，采用RRT算法中的碰撞判断对所述最优路径中路径点逐个判断：当在所述最优路径中删除该路径点时，消防无人机不与障碍物发生碰撞，则将该路径点判断为冗余点并删除。

6.根据权利要求3所述的高层消防多无人机室内协同路径规划方法，其特征在于，还包括以下步骤：侦查无人机和灭火无人机分别执行侦查任务和灭火任务过程中实时探测并反馈更新、障碍物坐标、被困人员坐标、起火点坐标、栅格温度、栅格烟雾浓度，更新事故建筑物的三维空间模型；其具体步骤包括：

S201：侦查无人机和灭火无人机在分别执行侦查任务和灭火任务的过程中实时检测障碍物、起火点、被困人员的位置坐标并反馈；

S202：根据反馈的位置坐标信息更新事故建筑物的三维空间模型。

7.根据权利要求3所述的高层消防多无人机室内协同路径规划方法，其特征在于，构建事故建筑物的三维空间模型的具体步骤包括：

所述破窗无人机进行破窗作业后，均保持在原地作为通讯基站；其他消防无人机进入事故建筑物内部时通过调谐无线电信标频率以及多普勒测距仪计算当前坐标，并与所述作为通讯基站的破窗无人机进行通信；以所述作为通讯基站的破窗无人机坐标作为固定点建立室内坐标系，根据其他消防无人机的当前坐标及其获取的事故建筑物的三维空间数据构建事故建筑物的三维空间模型。

8.根据权利要求1～7任一项所述的高层消防多无人机室内协同路径规划方法，其特征在于，所述消防无人机执行任务过程中采用动态窗口方法进行避撞。

9.一种高层消防多无人机室内协同路径规划系统，其特征在于，包括：

消防无人机，包括破窗无人机、侦查无人机、灭火无人机，所述消防无人机中安装有包括生命探测仪、GPS定位模块、红外检测模块、温度传感模块、烟雾浓度检测模块、通信模块、雷达模块、声呐模块中的一种或多种；

上位机，所述上位机中包括通信模块、存储介质和执行器，其中，所述上位机通过通信模块与消防无人机进行数据交互；所述存储介质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权利要求1至8中任一项所述的方法的步骤。

10.根据权利要求9所述的高层消防多无人机室内协同路径规划系统，其特征在于，所述上位机还包括显示模块，所述显示模块与所述执行器连接，用于显示事故建筑物的三维空间模型、消防无人机的位置、消防无人机的路径规划结果。

Images