CN112912811B - 一种无人机路径规划方法、装置及无人机 - Google Patents

一种无人机路径规划方法、装置及无人机 Download PDF

Info

Publication number
CN112912811B
CN112912811B CN201880099092.XA CN201880099092A CN112912811B CN 112912811 B CN112912811 B CN 112912811B CN 201880099092 A CN201880099092 A CN 201880099092A CN 112912811 B CN112912811 B CN 112912811B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
flight direction
path planning
depth
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.)
Active
Application number
CN201880099092.XA
Other languages
English (en)
Other versions
CN112912811A (zh
Inventor
黄金鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Original Assignee
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Autel Intelligent Aviation Technology Co Ltd filed Critical Shenzhen Autel Intelligent Aviation Technology Co Ltd
Publication of CN112912811A publication Critical patent/CN112912811A/zh
Application granted granted Critical
Publication of CN112912811B publication Critical patent/CN112912811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • G05D1/606—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G05D1/652—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G08G5/0039—Modification of a flight plan
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0086—Surveillance aids for monitoring terrain
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/10—Rotorcrafts
    • B64U10/13—Flying platforms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Abstract

一种无人机路径规划方法、装置及无人机，属于机器人控制技术领域。其中，无人机路径规划方法包括：获取无人机前方环境的深度图(S100)；根据深度图，获取以无人机的机体为中心的栅格地图(S300)；根据栅格地图确定无人机的候选飞行方向(S400)；确定候选飞行方向中无人机的最优飞行方向(S500)；控制无人机沿最优飞行方向飞行，以躲避无人机前方环境中的障碍物(S600)。通过上述方式，能够对未知环境及动态环境中突然出现的障碍物进行准确判断，从而实现实时路径规划。

Description

一种无人机路径规划方法、装置及无人机
相关申请交叉引用
本申请要求于2018年11月21日申请的、申请号为PCT/CN2018/116701、申请名称为“一种无人机路径规划方法、装置及无人机”的PCT专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请实施例涉及机器人控制技术领域，特别是涉及一种无人机路径规划方法、装置及无人机。
背景技术
无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。随着无人机相关技术的发展及其应用场景的复杂变化，对无人机自动感知能力及路径规划算法的要求越来越高，尤其在无人机的自主飞行技术中，需要无人机通过感知自身的运动状态和周围的环境，并结合路径规划算法，在有障碍物的环境中安全地、无碰撞地达到目标点，避免发生碰撞及炸机情况。
目前，无人机常用全局路径规划方法来获得较好的飞行路径，以防止无人机在飞行过程中与障碍物碰撞。但全局路径规划方法只适用于静态环境，无法对未知环境及动态环境中存在的障碍物进行准确判断，实时性无法得到保证。
发明内容
本申请实施例旨在提供一种无人机路径规划方法、装置及无人机，能够对未知环境及动态环境中突然出现的障碍物进行准确判断，实现实时路径规划。
为解决上述技术问题，本申请实施例采用的一个技术方案是：提供一种无人机路径规划方法，所述方法包括：
获取所述无人机前方环境的深度图；
根据所述深度图，获取以所述无人机的机体为中心的栅格地图；
根据所述栅格地图确定所述无人机的候选飞行方向；
确定所述候选飞行方向中所述无人机的最优飞行方向；
控制所述无人机沿所述最优飞行方向飞行，以躲避所述无人机前方环境中的障碍物。
可选地，所述获取所述无人机前方环境的所述深度图，包括：
通过深度传感器获取所述无人机前方环境的所述深度图。
可选地，所述根据所述栅格地图确定所述无人机的候选飞行方向，包括：
根据所述栅格地图确定所述无人机的可通行区域，其中，所述可通行区域为不存在障碍物的区域；
根据所述可通行区域，确定所述无人机的所述候选飞行方向。
可选地，所述根据所述栅格地图确定所述无人机的所述可通行区域，包括：
将所述栅格地图划分为多个区域；
采样障碍物的坐标；
确定所述坐标未落入的区域为所述可通行区域。
可选地，所述将所述栅格地图划分为所述多个区域，包括：
以所述栅格地图的中心为中心，预设角度为间隔，对所述栅格地图进行划分，以获取所述多个区域。
可选地，所述采样障碍物的坐标包括：
采样栅格地图中被所述障碍物占据的栅格的中心点坐标和/或被所述障碍物占据的栅格的角点坐标。
可选地，所述方法还包括：
当不存在所述可通行区域时，重新划分所述栅格地图。
可选地，所述确定所述候选飞行方向中所述无人机的最优飞行方向，包括：
计算代价函数；
根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向。
可选地，所述代价函数为：
f＝k1×g(direcgoal,direccur)+k2×g(direcpre,direccur)-k3×sum
其中，g(direcgoal,direccur)表示所述候选飞行方向中的其中一个候选飞行方向与所述无人机的目标飞行方向的一致性，g(direcpre,direccur)表示所述候选飞行方向与前一次决策的最优飞行方向的一致性，sum表示所述可通行区域的数量，k1、k2、k3为权重系数。
可选地，所述根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向，包括：
确定最小代价函数值对应的候选飞行方向为所述无人机的最优飞行方向。
可选地，所述方法还包括：
判断所述无人机沿所述最优飞行方向飞行的距离是否达到预设距离；
若是，则重新确定最优飞行方向。
可选地，所述方法还包括：
若所述无人机沿所述最优飞行方向飞行的距离未达到预设距离，则控制所述无人机沿所述最优飞行方向继续飞行。
可选地，在所述根据所述深度图，获取以所述无人机的机体为中心的栅格地图之前，所述方法还包括：
判断所述无人机是否存在俯仰角；
若是，则对所述深度图进行深度补偿。
可选地，若所述无人机存在俯仰角，则所述对所述深度图进行深度补偿，包括：
计算所述深度补偿的像素行数，所述深度补偿的像素行数为：
row_see＝tanθ×f，其中，θ为所述无人机的俯仰角，f为无人机相机的焦距；
根据所述深度补偿的像素行数确定所述无人机的像平面在所述深度图上的行索引，所述无人机的像平面在所述深度图上的行索引row_horizon为：
row_horizon＝row_half+row_see，其中，row_half为所述深度图行数的一半。
为解决上述技术问题，本申请实施例采用的另一个技术方案是：提供一种无人机路径规划装置，所述装置包括：
获取模块，所述获取模块用于获取所述无人机前方环境的深度图；以及
用于根据所述深度图，获取以所述无人机的机体为中心的栅格地图；
确定模块，所述确定模块用于根据所述栅格地图确定所述无人机的候选飞行方向；以及
用于确定所述候选飞行方向中所述无人机的最优飞行方向；
控制模块，所述控制模块用于控制所述无人机沿所述最优飞行方向飞行，以躲避所述无人机前方环境中的障碍物。
可选地，所述获取模块通过深度传感器获取所述无人机前方环境的所述深度图。
可选地，所述确定模块具体用于：
根据所述栅格地图确定所述无人机的可通行区域，其中，所述可通行区域为不存在障碍物的区域；以及
用于根据所述可通行区域，确定所述无人机的所述候选飞行方向。
可选地，所述确定模块具体用于：
将所述栅格地图划分为多个区域；
用于采样障碍物的坐标；以及
用于确定所述坐标未落入的区域为所述可通行区域。
可选地，所述确定模块具体用于：
以所述栅格地图的中心为中心，预设角度为间隔，对所述栅格地图进行划分，以获取所述多个区域。
可选地，所述确定模块具体用于：
采样栅格地图中被所述障碍物占据的栅格的中心点坐标和/或被所述障碍物占据的栅格的角点坐标。
可选地，所述确定模块还用于：
当不存在所述可通行区域时，重新划分所述栅格地图。
可选地，所述确定模块具体用于：
计算代价函数；以及
用于根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向。
可选地，所述代价函数为：
f＝k1×g(direcgoal,direccur)+k2×g(direcpre,direccur)-k3×sum
其中，g(direcgoal,direccur)表示所述候选飞行方向中的其中一个候选飞行方向与所述无人机的目标飞行方向的一致性，g(direcpre,direccur)表示所述候选飞行方向与前一次决策的最优飞行方向的一致性，sum表示所述可通行区域的数量，k1、k2、k3为权重系数。
可选地，所述确定模块具体用于：
确定最小代价函数值对应的候选飞行方向为所述无人机的最优飞行方向。
可选地，所述装置还包括：
判断模块，所述判断模块用于判断所述无人机沿所述最优飞行方向飞行的距离是否达到预设距离；
若是，则由所述确定模块重新确定最优飞行方向。
可选地，所述控制模块还用于：
若所述无人机沿所述最优飞行方向飞行的距离未达到预设距离，则控制所述无人机沿所述最优飞行方向继续飞行。
可选地，所述判断模块还用于：
判断所述无人机是否存在俯仰角；
所述装置还包括深度补偿模块，所述深度补偿模块用于当所述无人机存在俯仰角时，对所述深度图进行深度补偿。
可选地，所述深度补偿模块具体用于：
计算所述深度补偿的像素行数，所述深度补偿的像素行数为：
row_see＝tanθ×f，其中，θ为所述无人机的俯仰角，f为无人机相机的焦距；
根据所述深度补偿的像素行数确定所述无人机的像平面在所述深度图上的行索引，所述无人机的像平面在所述深度图上的行索引row_horizon为：
row_horizon＝row_half+row_see，其中，row_half为所述深度图行数的一半。
为解决上述技术问题，本申请实施例采用的另一个技术方案是：提供一种无人机，包括：
机身；
机臂，与所述机身相连；
动力装置，设于所述机臂；
至少一个处理器，设于所述机身内；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够用于执行上述无人机路径规划方法。
为解决上述技术问题，本申请实施例采用的另一个技术方案是：提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使无人机执行上述无人机路径规划方法。
本申请实施例的有益效果是：区别于现有技术的情况下，本申请实施例提供一种无人机路径规划方法、装置及无人机，所述无人机路径规划方法包括：获取无人机前方环境的深度图，并根据深度图获取以无人机为中心的栅格地图；根据栅格地图确定无人机的候选飞行方向，并在候选飞行方向中确定无人机的最优飞行方向；控制无人机沿最优飞行方向飞行，以使无人机能够躲避前方环境中的障碍物。在本申请实施例中，通过无人机前方环境的深度图来确定无人机能够躲避障碍物的最优飞行方向时，由于无人机前方环境的深度图能够随着无人机的飞行过程实时反映无人机飞行路径上的环境情况，因此获取前方环境的深度图使得无人机能够对未知环境及动态环境中突然出现的障碍物进行准确判断，此时，通过无人机前方环境的深度图来确定最优飞行方向，使得无人机能够根据实际飞行情况实时调整飞行路线，实现实时路径规划。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本申请实施例提供的一种无人机的结构示意图；
图2是本申请实施例提供的一种无人机路径规划方法中当无人机存在俯仰角，对深度图进行深度补偿的原理示意图；
图3是本申请实施例提供的一种无人机路径规划方法的流程示意图；
图4是图3所示方法中步骤S400的流程示意图；
图5是图4所示方法中步骤S410的流程示意图；
图6是图3所示方法中步骤S500的流程示意图；
图7是本申请另一实施例提供的一种无人机路径规划方法的部分流程示意图；
图8是本申请又一实施例提供的一种无人机路径规划方法的流程示意图；
图9是图8所示方法中步骤S200的流程示意图；
图10是本申请实施例提供的一种无人机路径规划装置的结构示意图；
图11是本申请另一实施例提供的一种无人机路径规划装置的结构示意图；
图12是本申请又一实施例提供的一种无人机路径规划装置的结构示意图；
图13是本申请实施例提供的一种无人机的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
此外，下面所描述的本申请各个实施例中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本申请提供了一种无人机路径规划方法及装置，该方法及装置应用于无人机，从而使得该无人机能够在飞行过程中对未知环境及动态环境中突然出现在前方的障碍物进行准确判断，且能够根据实际飞行情况实时规划出最优飞行方向并沿最优飞行方向飞行，以躲避障碍物。其中，最优飞行方向指不存在障碍物的方向。
本申请中的无人机可以是任何合适类型的高空无人机或者低空无人机，包括固定翼无人机、旋翼无人机、伞翼无人机或者扑翼无人机等。
下面，将通过具体实施例对本申请进行阐述。
请参阅图1，是本申请其中一实施例提供的一种无人机100，包括机身10、机臂20、动力装置30、深度传感器40以及飞控系统50。机臂20以及深度传感器40均与机身10连接，飞控系统50则设置于机身10内，动力装置30则设置于机臂20上。其中，动力装置30和深度传感器40均与飞控系统50通信连接，使得飞控系统50能够通过动力装置30来控制无人机100的飞行姿态，还能够通过深度传感器40获得无人机100飞行路径前方的环境情况。
优选地，机臂20数量为4，均匀分布于机身10四周，用于承载动力装置30。机臂20可以与机身10固定连接、一体成型或相对于机身10可折叠或展开。
动力装置30设置于机臂20远离机身10的一端，包括设于机臂20的电机以及与电机轴连接的螺旋桨，电机能够带动螺旋桨旋转以为无人机100提供升力，实现飞行；电机还能够通过改变螺旋桨的转速及方向来改变无人机100的飞行方向。当动力装置30与飞控系统50通信连接时，飞控系统50能够通过控制电机来控制无人机100的飞行姿态。
优选地，在无人机100的4个机臂上均设置有动力装置，以使无人机100能够平稳飞行。
深度传感器40用于采集无人机100前方环境的深度图(Depth Map)，该深度图是包含与视点的场景对象的表面距离有关的信息的图像或图像通道，在深度图中，其每个像素值表示深度传感器距离物体的实际距离。故深度传感器40采集深度图也即采集深度传感器40与前方环境物体的实际距离。当深度传感器40与飞控系统50通信连接时，飞控系统50能够从深度传感器40获取无人机100前方环境的深度图，也即获取深度传感器40与前方环境物体的实际距离，以获得无人机100飞行路径前方的环境情况。
该深度传感器40包括但不限于：双目相机、TOF(Time of Flight，飞行时间)相机、结构光相机、激光雷达等。
飞控系统50与动力装置30以及深度传感器40通过有线连接或者无线连接的方式进行通信连接。其中，无线连接包括但不限于：WiFi、蓝牙、ZigBee等。
该飞控系统50用于执行本申请所述的无人机路径规划方法，以使得无人机100能够对未知环境及动态环境中突然出现在前方的障碍物进行准确判断，且能够根据实际飞行情况实时规划出最优飞行方向并沿最优飞行方向飞行，以躲避障碍物。
具体地，在无人机100准备飞行时以及飞行过程中，飞控系统50通过深度传感器40获取无人机100前方环境的深度图，并在获取了无人机100前方环境的深度图之后，该飞控系统50根据深度图获取以无人机100的机体为中心的栅格地图。
该栅格地图是通过将深度图中的深度信息映射到以机体为中心的平面栅格图中形成的，其中，每一栅格给定一个可能值，表示该栅格被障碍物占据的概率。当环境深度图中存在障碍物时，障碍物在栅格地图中占据栅格，能够通过被占据栅格的坐标获知障碍物的位置。
栅格地图的栅格排列成矩阵，优选地，在本申请实施例中，栅格地图为10*10的矩阵。
在本申请的另一实施例中，若无人机100在飞行过程中产生俯仰角，会使得无人机100前视不再是水平的，此时，深度传感器40采集的深度图不再是无人机100水平前方的深度图，使得深度图所反映的深度信息出现误差，造成栅格地图的不准确。故飞控系统50在根据深度图获取以无人机100的机体为中心的栅格地图之前，还需要判断无人机100是否存在俯仰角，若存在俯仰角，则飞控系统50需要对深度图进行深度补偿后再根据深度补偿后的深度图获取以无人机100的机体为中心的栅格地图。
其中，飞控系统50能够通过惯性测量单元(IMU)测量无人机100的三轴姿态角，以根据三轴姿态角判断无人机100是否存在俯仰角。该惯性测量单元集成于飞控系统50中。
飞控系统50对深度图进行深度补偿具体包括：飞控系统50计算深度补偿的像素行数，并在计算得到深度补偿的像素行数之后，根据该深度补偿的像素行数确定无人机的像平面在深度图上的行索引。
请参阅图2，该深度补偿的像素行数row_see为：
row_see＝tanθ×f，其中，θ为无人机100的俯仰角，f为无人机相机(深度传感器40)的焦距；
该无人机的像平面在深度图上的行索引row_horizon为：
row_horizon＝row_half+row_see，其中，row_half为深度图行数的一半。
进一步地，将补偿后的深度信息映射到以机体为中心的平面栅格地图中，以获取以无人机100的机体为中心的栅格地图，而后，飞控系统50根据该栅格地图进一步确定无人机的候选飞行方向。
在本申请的一些实施例中，飞控系统50根据栅格地图确定无人机的候选飞行方向具体包括：飞控系统50根据栅格地图确定无人机100的可通行区域，并在确定无人机100的可通行区域之后，根据可通行区域确定无人机100的候选飞行方向。
其中，可通行区域为栅格地图中不存在障碍物的区域，基于可通行区域确定的候选飞行方向为不存在障碍物的方向。
飞控系统50将所有可通行区域对应的方向确定为候选飞行方向。
在本申请的一些实施例中，飞控系统50根据栅格地图确定无人机100的可通行区域具体包括：飞控系统50将栅格地图划分为多个区域，并采样障碍物的坐标，飞控系统50判断采样得到的障碍物坐标是否落入栅格地图划分的区域中，将障碍物坐标未落入的区域确定为可通行区域。
其中，飞控系统50将栅格地图划分为多个区域具体包括：飞控系统50以栅格地图的中心为中心，预设角度为间隔，对栅格地图进行划分，以获取多个区域。此时，栅格地图中划分出的每个区域均为扇形区域。
预设角度越大，划分的区域越大，划分出的区域数量则越少；预设角度越小，划分的区域越小，划分出的区域数量则越多。
飞控系统50采样障碍物的坐标具体包括：飞控系统50采样栅格地图中被障碍物占据的栅格的中心点坐标和/或被障碍物占据的栅格的角点坐标。
飞控系统50将被障碍物占据的栅格的中心点坐标和/或被障碍物占据的栅格的角点坐标均未落入的区域确定为可通行区域。基于此，若栅格地图的区域划分的过小，则容易出现区域被障碍物覆盖，但采样的坐标均未落入区域的情况，此时，不可通行区域被误判为可通行区域；而栅格地图的区域划分若过大，则会导致飞行方向过少，不利于最优飞行方向的判定。于是，为了保证飞控系统50路径规划的可靠性，飞控系统50会根据实际飞行效果调整预设角度的大小。
飞控系统50调整预设角度依据深度图数据的鲁棒性以及规划方向的精确度。
在本申请的另一实施例中，若区域划分不准确，则可能出现不存在可通行区域的情况，故飞控系统50还用于执行以下方法：当不存在可通行区域时，飞控系统50重新划分栅格地图。其中，飞控系统50以栅格地图的中心为中心，以调整后的预设角度为间隔，对栅格地图进行划分，以获取多个区域来确定可通行区域。
进一步地，在确定了无人机的候选飞行方向后，飞控系统50确定候选飞行方向中无人机100的最优飞行方向。
在本申请的一些实施例中，飞控系统50确定候选飞行方向中无人机100的最优飞行方向具体包括：飞控系统50计算代价函数，并根据计算出的代价函数确定候选飞行方向中无人机的最优飞行方向。
其中，飞控系统50计算代价函数具体包括：飞控系统50通过代价函数计算所确定的每个候选飞行方向的飞行代价。
飞控系统50根据代价函数确定候选飞行方向中无人机100的最优飞行方向具体包括：确定最小代价函数值对应的候选飞行方向为无人机100的最优飞行方向。
上述最小代价函数值即通过代价函数计算出的最小飞行代价，即确定飞行代价最小的候选飞行方向为无人机100的最优飞行方向。
在本申请的一些实施例中，代价函数为：
f＝k1×g(direcgoal,direccur)+k2×g(direcpre,direccur)-k3×sum，
其中，g(direcgoal,direccur)表示候选飞行方向中的其中一个候选飞行方向与无人机100的目标飞行方向的一致性，g(direcpre,direccur)表示候选飞行方向与前一次决策的最优飞行方向的一致性，sum表示可通行区域的数量，k1、k2、k3为权重系数。
与无人机100的目标飞行方向的一致性越高、与前一次决策的最优飞行方向的一致性越高以及可通行区域的数量越多的候选飞行方向的代价越小。
k1、k2、k3的相对大小决定三种因素的优先级顺序。若要使得确定的候选飞行方向与目标飞行方向尽量保持一致，则使得k1>k2、k3；若要使得确定的候选飞行方向与前一次决策的最优飞行方向尽量保持一致，则使得k2>k1、k3；若要保证确定的候选飞行方向足够安全，则使得k3>k2、k1。
进一步地，上述目标飞行方向可以由预设目标位置确定，也可以根据跟踪目标的位置确定。
进一步地，在确定了无人机100的最优飞行方向后，飞控系统50控制无人机100沿最优飞行方向飞行，以躲避无人机100前方环境中的障碍物。
具体地，飞控系统50通过控制电机改变螺旋桨的转速及螺旋桨的旋转方向(逆时针或顺时针)来改变无人机100的飞行方向，使得无人机100沿确定的最优飞行方向飞行。
在本申请的另一实施例中，若实时规划过程中最优飞行方向的改变过于频繁，则容易造成控制困难，为了减少控制难度，飞控系统50控制无人机100沿最优飞行方向飞行之后，飞控系统50还可以执行以下方法：飞控系统50判断无人机100沿最优飞行方向飞行的距离是否达到预设距离，若无人机100沿最优飞行方向飞行的距离达到预设距离，则飞控系统50重新确定最优飞行方向；若无人机100沿最优飞行方向飞行的距离未达到预设距离，则飞控系统控制无人机100沿最优飞行方向继续飞行。
其中，预设距离为前一次决策的最优飞行方向上出现障碍物时，障碍物与无人机100之间的距离。
当飞控系统50控制无人机100沿最优飞行方向飞行的距离达到前一次决策的最优飞行方向上障碍物与无人机100之间的距离时，则表示无人机100已绕过前一次决策的最优飞行方向上的障碍物，此时，重新确定最优飞行方向能够使得无人机100接近前一次决策的最优飞行方向(前一次决策的最优飞行方向优于当前决策的最优飞行方向)。
当飞控系统50控制无人机100沿最优飞行方向飞行的距离未达到前一次决策的最优飞行方向上障碍物与无人机100之间的距离时，则表示无人机100还未绕过前一次决策的最优飞行方向上的障碍物，此时，继续沿最优飞行方向飞行，保持决策方向不变，防止无人机100频繁改变飞行方向。
在本申请实施例中，通过获取无人机前方环境的深度图来确定最优飞行方向，使得无人机能够在飞行过程中对未知环境及动态环境中突然出现在前方的障碍物进行准确判断，且能够根据实际飞行情况实时调整飞行路线，实现实时路径规划。
请参阅图3，是本申请其中一实施例提供的一种无人机路径规划方法的流程示意图，应用于无人机，该无人机为上述实施例中所述的无人机100，而本申请实施例提供的方法由上述飞控系统50执行，用于实现实时路径规划，该无人机路径规划方法包括：
S100：获取所述无人机前方环境的深度图。
在本申请的一实施例中，可通过深度传感器来获取无人机前方环境的深度图。
其中，深度传感器包括但不限于：双目相机、TOF(Time of Flight，飞行时间)相机、结构光相机、激光雷达。
其中，深度图(Depth Map)是包含与视点的场景对象的表面距离有关的信息的图像或图像通道，在深度图中，其每个像素值表示深度传感器距离物体的实际距离。故通过深度传感器获取无人机前方环境的深度图即获取深度传感器与前方环境物体的实际距离。
S300：根据所述深度图，获取以所述无人机的机体为中心的栅格地图。
其中，栅格地图是通过将深度图划分成一系列栅格形成的，每一栅格给定一个可能值，表示该栅格被占据的概率。当环境深度图中存在障碍物时，障碍物在栅格地图中占据栅格，能够通过被占据栅格的坐标获知障碍物的位置。
栅格地图的每个栅格排列成矩阵，优选地，在本申请实施例中，栅格地图为10*10的矩阵。
S400：根据所述栅格地图确定所述无人机的候选飞行方向。
请参阅图4，在本申请的一实施例中，根据所述栅格地图确定所述无人机的候选飞行方向具体包括：
S410：根据所述栅格地图确定所述无人机的可通行区域，其中，所述可通行区域为不存在障碍物的区域。
请参阅图5，在本申请的一实施例中，根据所述栅格地图确定所述无人机的所述可通行区域具体包括：
S411：将所述栅格地图划分为多个区域。
所述将所述栅格地图划分为所述多个区域具体包括：
以所述栅格地图的中心为中心，预设角度为间隔，对所述栅格地图进行划分，以获取所述多个区域。
其中，栅格地图中划分出的每个区域均为扇形区域。
预设角度越大，划分的区域越大，划分出的区域数量则越少；预设角度越小，划分的区域越小，划分出的区域数量则越多。
S412：采样障碍物的坐标。
所述采样障碍物的坐标具体包括：
采样栅格地图中被所述障碍物占据的栅格的中心点坐标和/或被所述障碍物占据的栅格的角点坐标。
S413：确定所述坐标未落入的区域为所述可通行区域。
将被障碍物占据的栅格的中心点坐标和/或被障碍物占据的栅格的角点坐标均未落入的区域确定为可通行区域。基于此，若栅格地图的区域划分的过小，则容易出现区域被障碍物覆盖，但采样的坐标均未落入区域的情况，此时，不可通行区域被误判为可通行区域；而栅格地图的区域划分若过大，则会导致飞行方向过少，不利于最优飞行方向的判定。于是，为了保证路径规划的可靠性，根据实际飞行效果调整预设角度的大小。
其中，调整预设角度依据深度图数据的鲁棒性以及规划方向的精确度。
S420：判断是否存在可通行区域，若存在可通行区域，则执行步骤S430，若不存在可通行区域，则执行步骤S440；
S430：根据所述可通行区域，确定所述无人机的所述候选飞行方向。
当存在可通行区域时，才根据可通行区域确定无人机的候选飞行方向，即将所有可通行区域对应的方向确定为候选飞行方向。
其中，因为可通行区域为不存在障碍物的区域，故基于可通行区域确定的候选飞行方向为不存在障碍物的方向。
S440：重新划分所述栅格地图。
当不存在可通行区域时，需要重新划分栅格地图，具体包括：以栅格地图的中心为中心，以调整后的预设角度为间隔，对栅格地图进行划分，以获取多个区域来确定可通行区域。
S500：确定所述候选飞行方向中所述无人机的最优飞行方向。
请参阅图6，在本申请的一实施例中，所述确定所述候选飞行方向中所述无人机的最优飞行方向具体包括：
S510：计算代价函数。
计算代价函数具体包括：通过代价函数计算所确定的每个候选飞行方向的飞行代价。
代价函数为：
f＝k1×g(direcgoal,direccur)+k2×g(direcpre,direccur)-k3×sum
其中，g(direcgoal,direccur)表示所述候选飞行方向中的其中一个候选飞行方向与所述无人机的目标飞行方向的一致性，g(direcpre,direccur)表示所述候选飞行方向与前一次决策的最优飞行方向的一致性，sum表示可通行区域的数量，k1、k2、k3为权重系数。
与无人机的目标飞行方向的一致性越高、与前一次决策的最优飞行方向的一致性越高以及连续可通行区域的数量越多的候选飞行方向的代价越小。
k1、k2、k3的相对大小决定三种因素的优先级顺序。若要使得确定的候选飞行方向与目标飞行方向尽量保持一致，则使得k1>k2、k3；若要使得确定的候选飞行方向与前一次决策的最优飞行方向尽量保持一致，则使得k2>k1、k3；若要保证确定的候选飞行方向足够安全，则使得k3>k2、k1。
其中，目标飞行方向可以由预设目标位置确定，也可以根据跟踪目标的位置确定。
S520：根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向。
所述根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向具体包括：确定最小代价函数值对应的候选飞行方向为所述无人机的最优飞行方向。
上述最小代价函数值即通过代价函数计算出的最小飞行代价，即确定飞行代价最小的候选飞行方向为无人机的最优飞行方向。
S600：控制所述无人机沿所述最优飞行方向飞行，以躲避所述无人机前方环境中的障碍物。
具体地，通过控制电机改变螺旋桨的转速及螺旋桨的旋转方向(逆时针或顺时针)来改变无人机的飞行方向，使得无人机沿确定的最优飞行方向飞行。
请参阅图7，在本申请的另一实施例中，步骤S600之后还包括：
S700：判断所述无人机沿所述最优飞行方向飞行的距离是否达到预设距离；若是则执行步骤S800；若否，则执行步骤900。
S800：重新确定最优飞行方向。
S900：控制所述无人机沿所述最优飞行方向继续飞行。
其中，预设距离为前一次决策的最优飞行方向上出现障碍物时，障碍物与无人机之间的距离。
当无人机沿最优飞行方向飞行的距离达到前一次决策的最优飞行方向上障碍物与无人机之间的距离时，则表示无人机已绕过前一次决策的最优飞行方向上的障碍物，此时，重新确定最优飞行方向能够使得无人机接近前一次决策的最优飞行方向(前一次决策的最优飞行方向优于当前决策的最优飞行方向)。
当无人机沿最优飞行方向飞行的距离未达到前一次决策的最优飞行方向上障碍物与无人机之间的距离时，则表示无人机还未绕过前一次决策的最优飞行方向上的障碍物，此时，继续沿最优飞行方向飞行，保持决策方向不变，防止无人机频繁改变飞行方向，减少实时规划过程中的控制难度。
请参阅图8，在本申请的另一实施例中，步骤S300之前还包括：
S200：判断所述无人机是否存在俯仰角，若是，则对所述深度图进行深度补偿。
若无人机前进过程中产生俯仰角，会使得无人机前视不再是水平的，此时，深度传感器采集的深度图不再是无人机水平前方的深度图，使得深度图所反映的深度信息出现误差，造成栅格地图的不准确，故需要在无人机存在俯仰角时对深度图进行深度补偿，并在深度补偿后根据深度补偿后的深度图获取以无人机的机体为中心的栅格地图。
其中，能够通过惯性测量单元测量无人机100的三轴姿态角，以根据三轴姿态角判断无人机是否存在俯仰角。
请参阅图9，在本申请的一实施例中，若所述无人机存在俯仰角，则对所述深度图进行深度补偿具体包括：
S210：计算所述深度补偿的像素行数，所述深度补偿的像素行数为：
row_see＝tanθ×f，其中，θ为所述无人机的俯仰角，f为无人机相机(深度传感器)的焦距；
S220：根据所述深度补偿的像素行数确定所述无人机的像平面在所述深度图上的行索引，所述无人机的像平面在所述深度图上的行索引row_horizon为：
row_horizon＝row_half+row_see，其中，row_half为所述深度图行数的一半。
在本申请实施例中，通过获取无人机前方环境的深度图来确定最优飞行方向，使得无人机能够在飞行过程中对未知环境及动态环境中突然出现在前方的障碍物进行准确判断，且能够根据实际飞行情况实时调整飞行路线，实现实时路径规划。
以下所使用的术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置可以以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能被构想的。
请参阅图10，是本申请其中一实施例提供的一种无人机路径规划装置，该装置应用于无人机，该无人机为上述实施例中所述的无人机100，而本申请实施例提供的装置各个模块的功能由上述飞控系统50执行，用于实现实时路径规划，该无人机路径规划装置包括：
获取模块200，该获取模块200用于获取无人机前方环境的深度图；以及
用于根据深度图，获取以无人机的机体为中心的栅格地图；
确定模块300，该确定模块300用于根据栅格地图确定无人机的候选飞行方向；以及
用于确定候选飞行方向中无人机的最优飞行方向；
控制模块400，该控制模块400用于控制无人机沿最优飞行方向飞行，以躲避无人机前方环境中的障碍物。
其中，获取模块200通过深度传感器获取无人机前方环境的深度图。
进一步地，确定模块300具体用于：
根据栅格地图确定无人机的可通行区域，其中，可通行区域为不存在障碍物的区域；以及
用于根据可通行区域，确定无人机的候选飞行方向。
进一步地，确定模块300具体用于：
将栅格地图划分为多个区域；
用于采样障碍物的坐标；以及
用于确定坐标未落入的区域为可通行区域。
进一步地，确定模块300具体用于：
以栅格地图的中心为中心，预设角度为间隔，对栅格地图进行划分，以获取多个区域。
进一步地，确定模块300具体用于：
采样栅格地图中被障碍物占据的栅格的中心点坐标和/或被障碍物占据的栅格的角点坐标。
进一步地，确定模块300还用于：
当不存在可通行区域时，重新划分栅格地图。
进一步地，确定模块300具体用于：
计算代价函数；以及
用于根据代价函数确定候选飞行方向中无人机的最优飞行方向。
其中，代价函数为：
f＝k1×g(direcgoal,direccur)+k2×g(direcpre,direccur)-k3×sum
其中，g(direcgoal,direccur)表示候选飞行方向中的其中一个候选飞行方向与无人机的目标飞行方向的一致性，g(direcpre,direccur)表示候选飞行方向与前一次决策的最优飞行方向的一致性，sum表示所述可通行区域的数量，k1、k2、k3为权重系数。
进一步地，确定模块300具体用于：
确定最小代价函数值对应的候选飞行方向为无人机的最优飞行方向。
进一步地，请参阅图11，该无人机路径规划装置还包括：
判断模块500，该判断模块500用于判断无人机沿最优飞行方向飞行的距离是否达到预设距离；
若是，则由确定模块300重新确定最优飞行方向。
进一步地，控制模块400还用于：
若无人机沿最优飞行方向飞行的距离未达到预设距离，则控制无人机沿最优飞行方向继续飞行。
进一步地，判断模块500还用于：
判断无人机是否存在俯仰角；
此时，请参阅图12，该无人机路径规划装置还包括：深度补偿模块600，该深度补偿模块600用于当无人机存在俯仰角时，对深度图进行深度补偿。
进一步地，深度补偿模块600具体用于：
计算深度补偿的像素行数，深度补偿的像素行数为：
row_see＝tanθ×f，其中，θ为无人机的俯仰角，f为无人机相机的焦距；
根据深度补偿的像素行数确定无人机的像平面在深度图上的行索引，无人机的像平面在深度图上的行索引row_horizon为：
row_horizon＝row_half+row_see，其中，row_half为深度图行数的一半。
当然，在其他一些可替代实施例中，上述获取模块200可以为深度传感器，以直接获取无人机前方环境的深度图；上述确定模块300、控制模块400、判断模块500以及深度补偿模块600可以为飞控芯片。
由于装置实施例和方法实施例是基于同一构思，在内容不互相冲突的前提下，装置实施例的内容可以引用方法实施例的，在此不再一一赘述。
在本申请实施例中，通过获取无人机前方环境的深度图来确定最优飞行方向，使得无人机能够在飞行过程中对未知环境及动态环境中突然出现在前方的障碍物进行准确判断，且能够根据实际飞行情况实时调整飞行路线，实现实时路径规划。
请参阅图13，是本申请其中一实施例提供的一种无人机的硬件结构示意图，本申请实施例提供的硬件模块能够集成于上述实施例所述的飞控系统50，也能够直接作为飞控系统50设置于机身10内，使得无人机100能够执行以上实施例所述的一种无人机路径规划方法，还能实现以上实施例所述的一种无人机路径规划装置的各个模块的功能。该无人机100包括：
一个或多个处理器110以及存储器120。其中，图13中以一个处理器110为例。
处理器110和存储器120可以通过总线或者其他方式连接，图13中以通过总线连接为例。
存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请上述实施例中的一种无人机路径规划方法对应的程序指令以及一种无人机路径规划装置对应的模块(例如，获取模块200、确定模块300和控制模块400等)。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及模块，从而执行一种无人机路径规划方法的各种功能应用以及数据处理，即实现上述方法实施例中的一种无人机路径规划方法以及上述装置实施例的各个模块的功能。
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种无人机路径规划装置的使用所创建的数据等。
所述存储数据区还存储有预设的数据，包括预设角度等。
此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至处理器110。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令以及一个或多个模块存储在所述存储器120中，当被所述一个或者多个处理器110执行时，执行上述任意方法实施例中的一种无人机路径规划方法的各个步骤，或者，实现上述任意装置实施例中的一种无人机路径规划装置的各个模块的功能。
上述产品可执行本申请上述实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请上述实施例所提供的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图13中的一个处理器110，可使得计算机执行上述任意方法实施例中的一种无人机路径规划方法的各个步骤，或者，实现上述任意装置实施例中的一种无人机路径规划装置的各个模块的功能。
本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被一个或多个处理器执行，例如图13中的一个处理器110，可使得计算机执行上述任意方法实施例中的一种无人机路径规划方法的各个步骤，或者，实现上述任意装置实施例中的一种无人机路径规划装置的各个模块的功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述，本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施方法的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的范围。

Claims (26)

1.一种无人机路径规划方法，其特征在于，所述方法包括：
获取所述无人机前方环境的深度图；
根据所述深度图，获取以所述无人机的机体为中心的栅格地图；
以所述栅格地图的中心为中心，预设角度为间隔，对所述栅格地图进行划分，以获取多个区域；确定可通行区域，根据所述可通行区域确定所述无人机的候选飞行方向；其中，所述栅格地图中划分出的每个区域均为扇形区域；基于所述候选飞行方向的数量调整所述预设角度；
确定所述候选飞行方向中所述无人机的最优飞行方向；
控制所述无人机沿所述最优飞行方向飞行，以躲避所述无人机前方环境中的障碍物；
判断所述无人机沿所述最优飞行方向飞行的距离是否达到预设距离；
若是，则重新确定最优飞行方向；
所述预设距离为前一次决策的最优方向上出现障碍物时，障碍物与无人机之间的距离。
2.根据权利要求1所述的无人机路径规划方法，其特征在于，所述获取所述无人机前方环境的所述深度图，包括：
通过深度传感器获取所述无人机前方环境的所述深度图。
3.根据权利要求1所述的无人机路径规划方法，其特征在于，所述可通行区域为不存在障碍物的区域。
4.根据权利要求3所述的无人机路径规划方法，其特征在于，所述确定可通行区域，包括：
采样障碍物的坐标；
确定所述坐标未落入的区域为所述可通行区域。
5.根据权利要求4所述的无人机路径规划方法，其特征在于，所述采样障碍物的坐标包括：
采样栅格地图中被所述障碍物占据的栅格的中心点坐标和/或被所述障碍物占据的栅格的角点坐标。
6.根据权利要求3所述的无人机路径规划方法，其特征在于，所述方法还包括：
当不存在所述可通行区域时，重新划分所述栅格地图。
7.根据权利要求1所述的无人机路径规划方法，其特征在于，所述确定所述候选飞行方向中所述无人机的最优飞行方向，包括：
计算代价函数；
根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向。
8.根据权利要求7所述的无人机路径规划方法，其特征在于，所述代价函数为：
f＝k1×g(direcgoal,direccur)+k2×g(direcpre,direccur)-k3×sum
其中，g(direcgoal,direccur)表示所述候选飞行方向中的其中一个候选飞行方向与所述无人机的目标飞行方向的一致性，g(direcpre,direccur)表示所述候选飞行方向与前一次决策的最优飞行方向的一致性，sum表示所述可通行区域的数量，k1、k2、k3为权重系数。
9.根据权利要求7所述的无人机路径规划方法，其特征在于，所述根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向，包括：
确定最小代价函数值对应的候选飞行方向为所述无人机的最优飞行方向。
10.根据权利要求1所述的无人机路径规划方法，其特征在于，所述方法还包括：
若所述无人机沿所述最优飞行方向飞行的距离未达到预设距离，则控制所述无人机沿所述最优飞行方向继续飞行。
11.根据权利要求1所述的无人机路径规划方法，其特征在于，在所述根据所述深度图，获取以所述无人机的机体为中心的栅格地图之前，所述方法还包括：
判断所述无人机是否存在俯仰角；
若是，则对所述深度图进行深度补偿。
12.根据权利要求11所述的无人机路径规划方法，其特征在于，若所述无人机存在俯仰角，则所述对所述深度图进行深度补偿，包括：
计算所述深度补偿的像素行数，所述深度补偿的像素行数为：
row_see＝tanθ×f，其中，θ为所述无人机的俯仰角，f为无人机相机的焦距；
根据所述深度补偿的像素行数确定所述无人机的像平面在所述深度图上的行索引，所述无人机的像平面在所述深度图上的行索引row_horizon为：
row_horizon＝row_half+row_see，其中，row_half为所述深度图行数的一半。
13.一种无人机路径规划装置，其特征在于，所述装置包括：
获取模块，所述获取模块用于获取所述无人机前方环境的深度图；以及
用于根据所述深度图，获取以所述无人机的机体为中心的栅格地图；
确定模块，以所述栅格地图的中心为中心，预设角度为间隔，对所述栅格地图进行划分，以获取多个区域；确定可通行区域，根据所述可通行区域确定所述无人机的候选飞行方向；其中，所述栅格地图中划分出的每个区域均为扇形区域；基于所述候选飞行方向的数量调整所述预设角度；以及
用于确定所述候选飞行方向中所述无人机的最优飞行方向；
控制模块，所述控制模块用于控制所述无人机沿所述最优飞行方向飞行，以躲避所述无人机前方环境中的障碍物；
判断模块，所述判断模块用于判断所述无人机沿所述最优飞行方向飞行的距离是否达到预设距离；
若是，则由所述确定模块重新确定最优飞行方向；
所述预设距离为前一次决策的最优方向上出现障碍物时，障碍物与无人机之间的距离。
14.根据权利要求13所述的无人机路径规划装置，其特征在于，所述获取模块通过深度传感器获取所述无人机前方环境的所述深度图。
15.根据权利要求13所述的无人机路径规划装置，其特征在于，所述可通行区域为不存在障碍物的区域。
16.根据权利要求15所述的无人机路径规划装置，其特征在于，所述确定模块具体用于：
用于采样障碍物的坐标；以及
用于确定所述坐标未落入的区域为所述可通行区域。
17.根据权利要求16所述的无人机路径规划装置，其特征在于，所述确定模块具体用于：
采样栅格地图中被所述障碍物占据的栅格的中心点坐标和/或被所述障碍物占据的栅格的角点坐标。
18.根据权利要求15所述的无人机路径规划装置，其特征在于，所述确定模块还用于：
当不存在所述可通行区域时，重新划分所述栅格地图。
19.根据权利要求13-16中任一项所述的无人机路径规划装置，其特征在于，所述确定模块具体用于：
计算代价函数；以及
用于根据所述代价函数确定所述候选飞行方向中所述无人机的最优飞行方向。
20.根据权利要求19所述的无人机路径规划装置，其特征在于，所述代价函数为：
f＝k1×g(direcgoal,direccur)+k2×g(direcpre,direccur)-k3×sum
其中，g(direcgoal,direccur)表示所述候选飞行方向中的其中一个候选飞行方向与所述无人机的目标飞行方向的一致性，g(direcpre,direccur)表示所述候选飞行方向与前一次决策的最优飞行方向的一致性，sum表示所述可通行区域的数量，k1、k2、k3为权重系数。
21.根据权利要求19所述的无人机路径规划装置，其特征在于，所述确定模块具体用于：
确定最小代价函数值对应的候选飞行方向为所述无人机的最优飞行方向。
22.根据权利要求14所述的无人机路径规划装置，其特征在于，所述控制模块还用于：
若所述无人机沿所述最优飞行方向飞行的距离未达到预设距离，则控制所述无人机沿所述最优飞行方向继续飞行。
23.根据权利要求14所述的无人机路径规划装置，其特征在于，所述判断模块还用于：
判断所述无人机是否存在俯仰角；
所述装置还包括深度补偿模块，所述深度补偿模块用于当所述无人机存在俯仰角时，对所述深度图进行深度补偿。
24.根据权利要求23所述的无人机路径规划装置，其特征在于，所述深度补偿模块具体用于：
计算所述深度补偿的像素行数，所述深度补偿的像素行数为：
row_see＝tanθ×f，其中，θ为所述无人机的俯仰角，f为无人机相机的焦距；
根据所述深度补偿的像素行数确定所述无人机的像平面在所述深度图上的行索引，所述无人机的像平面在所述深度图上的行索引row_horizon为：
row_horizon＝row_half+row_see，其中，row_half为所述深度图行数的一半。
25.一种无人机，其特征在于，包括：
机身；
机臂，与所述机身相连；
动力装置，设于所述机臂；
至少一个处理器，设于所述机身内；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够用于执行如权利要求1-12中任一项所述的无人机路径规划方法。
26.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使无人机执行如权利要求1-12中任一项所述的无人机路径规划方法。
CN201880099092.XA 2018-11-21 2018-11-21 一种无人机路径规划方法、装置及无人机 Active CN112912811B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/116701 WO2020103034A1 (zh) 2018-11-21 2018-11-21 一种无人机路径规划方法、装置及无人机

Publications (2)

Publication Number Publication Date
CN112912811A CN112912811A (zh) 2021-06-04
CN112912811B true CN112912811B (zh) 2024-03-29

Family

ID=70773276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880099092.XA Active CN112912811B (zh) 2018-11-21 2018-11-21 一种无人机路径规划方法、装置及无人机

Country Status (4)

Country Link
US (1) US20210271269A1 (zh)
EP (1) EP3876070B1 (zh)
CN (1) CN112912811B (zh)
WO (1) WO2020103034A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111811513B (zh) * 2020-06-28 2023-03-28 西安电子科技大学 一种多无人机协同覆盖及避障的航迹规划方法
CN112069941A (zh) * 2020-08-24 2020-12-11 河南省交通规划设计研究院股份有限公司 一种基于视频技术的线路规划系统及其方法
CN112486195B (zh) * 2020-11-27 2022-11-18 远传融创(杭州)科技有限公司 一种无人机无线通信链路资源动态调整方法
CN113120235B (zh) * 2021-05-28 2022-08-05 之江实验室 一种基于能量分析的载重无人机任务规划方法
CN113570910B (zh) * 2021-06-30 2022-09-27 北京百度网讯科技有限公司 空中交通流量管理方法、装置和电子设备
CN113639750B (zh) * 2021-07-20 2023-05-26 中国地质大学（武汉） 顾及时变需求的高峰时段无人机监视路径规划方法及装置
CN113741522B (zh) * 2021-09-03 2024-04-16 北京航空航天大学 一种基于无人机协同对峙监视的有害物扩散源搜索方法
CN113741523B (zh) * 2021-09-08 2024-03-19 北京航空航天大学 一种基于边界和采样的混合无人机自主探测方法
CN114138006A (zh) * 2021-11-04 2022-03-04 中国电子科技集团公司电子科学研究院 一种面向城市低空环境的无人机路径规划方法及设备
TWI800102B (zh) * 2021-11-16 2023-04-21 財團法人工業技術研究院 載具頭向補償方法及系統
CN115435787A (zh) * 2022-07-28 2022-12-06 南京航空航天大学 一种基于改进蝴蝶算法的无人机三维路径规划方法及系统
CN115421520A (zh) * 2022-10-14 2022-12-02 深圳市华赛睿飞智能科技有限公司 一种无人机路径规划方法、无人机及存储介质
CN115390589B (zh) * 2022-10-27 2023-02-28 汕头大学 无人机集群控制方法、装置、电子设备及存储介质
CN115661204B (zh) * 2022-11-01 2023-11-10 中国人民解放军军事科学院国防科技创新研究院 一种无人机集群对运动目标的协同搜寻与跟踪定位方法
CN115833905B (zh) * 2022-11-08 2023-12-12 同济大学 一种地下空间移固协同检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103809597A (zh) * 2014-02-18 2014-05-21 清华大学 无人机的飞行路径规划方法及无人机
CN106092102A (zh) * 2016-07-20 2016-11-09 广州极飞电子科技有限公司 一种无人机路径规划方法及装置
CN106529495A (zh) * 2016-11-24 2017-03-22 腾讯科技（深圳）有限公司 一种飞行器的障碍物检测方法和装置
CN106681353A (zh) * 2016-11-29 2017-05-17 南京航空航天大学 基于双目视觉与光流融合的无人机避障方法及系统
CN108827306A (zh) * 2018-05-31 2018-11-16 北京林业大学 一种基于多传感器融合的无人机slam导航方法及系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120036229A1 (en) * 2009-04-23 2012-02-09 Navitime Japan Co., Ltd. Route guiding system, route search server, route guiding mediation server and route guiding method
CN105492985B (zh) * 2014-09-05 2019-06-04 深圳市大疆创新科技有限公司 一种用于在环境内控制可移动物体的系统及方法
JP6073387B2 (ja) * 2015-01-16 2017-02-01 富士重工業株式会社 飛行経路探索装置及び飛行経路探索プログラム
JP6559535B2 (ja) * 2015-10-22 2019-08-14 株式会社東芝 障害物マップ生成装置、その方法、及び、そのプログラム
US11461912B2 (en) * 2016-01-05 2022-10-04 California Institute Of Technology Gaussian mixture models for temporal depth fusion
US10665115B2 (en) * 2016-01-05 2020-05-26 California Institute Of Technology Controlling unmanned aerial vehicles to avoid obstacle collision
WO2018095278A1 (zh) * 2016-11-24 2018-05-31 腾讯科技（深圳）有限公司 飞行器的信息获取方法、装置及设备
US11017679B2 (en) * 2017-01-13 2021-05-25 Skydio, Inc. Unmanned aerial vehicle visual point cloud navigation
IL250382B (en) * 2017-01-31 2021-01-31 Arbe Robotics Ltd A radar-based system and method for real-time simultaneous positioning and mapping
CN110506194B (zh) * 2017-03-31 2020-09-25 日产自动车株式会社 驾驶控制方法及驾驶控制装置
WO2018195857A1 (zh) * 2017-04-27 2018-11-01 深圳市大疆创新科技有限公司 无人机的控制方法、设备及障碍物的提示方法、设备
US11530921B2 (en) * 2018-09-28 2022-12-20 Intel Corporation Method of generating a collision free path of travel and computing system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103809597A (zh) * 2014-02-18 2014-05-21 清华大学 无人机的飞行路径规划方法及无人机
CN106092102A (zh) * 2016-07-20 2016-11-09 广州极飞电子科技有限公司 一种无人机路径规划方法及装置
CN106529495A (zh) * 2016-11-24 2017-03-22 腾讯科技（深圳）有限公司 一种飞行器的障碍物检测方法和装置
CN106681353A (zh) * 2016-11-29 2017-05-17 南京航空航天大学 基于双目视觉与光流融合的无人机避障方法及系统
CN108827306A (zh) * 2018-05-31 2018-11-16 北京林业大学 一种基于多传感器融合的无人机slam导航方法及系统

Also Published As

Publication number Publication date
WO2020103034A1 (zh) 2020-05-28
CN112912811A (zh) 2021-06-04
US20210271269A1 (en) 2021-09-02
EP3876070A4 (en) 2021-11-24
EP3876070A1 (en) 2021-09-08
EP3876070B1 (en) 2024-02-28

Similar Documents

Publication Publication Date Title
CN112912811B (zh) 一种无人机路径规划方法、装置及无人机
CN110262568B (zh) 一种基于目标跟踪的无人机避障方法、装置及无人机
US20210065400A1 (en) Selective processing of sensor data
US10645300B2 (en) Methods and apparatus for image processing
US11237572B2 (en) Collision avoidance system, depth imaging system, vehicle, map generator and methods thereof
EP3591490B1 (en) Obstacle avoidance method and device, and unmanned aerial vehicle
US20190243376A1 (en) Actively Complementing Exposure Settings for Autonomous Navigation
US20200117210A1 (en) Auto-Exploration Control of a Robotic Vehicle
WO2018210078A1 (zh) 无人机的距离测量方法以及无人机
CN108140245B (zh) 测距方法、装置以及无人机
US20200221062A1 (en) Image processing method and device
WO2020014951A1 (zh) 建立局部障碍物地图的方法、装置及无人机
CN112037260A (zh) 一种跟踪目标的位置估计方法、装置及无人飞行器
US20220198793A1 (en) Target state estimation method and apparatus, and unmanned aerial vehicle
KR20210075647A (ko) 깊이 카메라를 이용한 무인 비행체의 비행 제어를 위한 학습 방법 및 장치
WO2020225979A1 (ja) 情報処理装置、情報処理方法、プログラム、及び情報処理システム
US20230073120A1 (en) Method for Controlling an Unmanned Aerial Vehicle for an Inspection Flight to Inspect an Object and Inspection Unmanned Aerial Vehicle
KR102467855B1 (ko) 자율항법지도를 설정하는 방법 및 무인비행체가 자율항법지도에 기초하여 자율 비행하는 방법 및 이를 구현하는 시스템
WO2022126397A1 (zh) 传感器的数据融合方法、设备及存储介质
WO2020223868A1 (zh) 地面信息处理方法、装置和无人驾驶车辆
CN114096929A (zh) 信息处理设备、信息处理方法和信息处理程序
CN112154477A (zh) 图像处理方法、装置和可移动平台
JP2021092465A (ja) 無人航空機の推定位置を修正するためのシステム、方法、プログラム及びプログラムを記憶した記憶媒体
WO2022227096A1 (zh) 点云数据的处理方法、设备及存储介质
CN116724279A (zh) 可移动平台、可移动平台的控制方法及存储介质

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