CN114355985B - 无人机集群的路径规划方法、装置、控制器及存储介质 - Google Patents
无人机集群的路径规划方法、装置、控制器及存储介质 Download PDFInfo
- Publication number
- CN114355985B CN114355985B CN202210267002.1A CN202210267002A CN114355985B CN 114355985 B CN114355985 B CN 114355985B CN 202210267002 A CN202210267002 A CN 202210267002A CN 114355985 B CN114355985 B CN 114355985B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- heterogeneous
- coverage
- aerial vehicle
- aerial vehicles
- 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
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人机集群的路径规划方法、装置、控制器及存储介质,其中该方法包括:根据目标区域的扫描方向确定多架异构无人机的飞行方向;根据多架异构无人机的相机参数确定目标区域的覆盖行;基于多架异构无人机的设备参数与覆盖行确定多架异构无人机中每一架无人机的覆盖区域;规划多架异构无人机在对应的覆盖区域内的监测路径。本发明实现异构无人机群在最短的时间内可以完成对指定区域的完全覆盖,实现对目标区域监测的精准识别和定位。
Description
技术领域
本发明涉及无人机技术领域,尤其涉及无人机集群的路径规划方法、无人机集群的路径规划装置、控制器及计算机可读存储介质。
背景技术
传统的病虫害普查监测主要采用人工踏查或遥感影像或载人飞机调查的监测方法。人工踏查方式劳动强度大,耗费时间长,效率低,而且还存在着巡检人员的技术水平或高或低问题,进而导致林业资源的信息获取不够准确。而且随着人工费用的上涨,其成本也随之增大,加之林区地势地貌险峻、松材线虫疫情扩散迅速,人工踏查方式难以胜任当今的病虫害监测任务。高空遥感影像监测方式也是松材线虫的监测方式,高空遥感影像监测方式覆盖范围广,劳动强度低,相较于人工踏查方式需要更少的劳动力,效率更高,但是实施高空遥感监测需要多部门的密切合作,而且成本高,拍摄时间不自由,很难做到因地制宜监测疫情,同时,高空遥感影像极易受自然环境因素等众多原因的影响,因此,高空遥感监测方法还不能完成较高精度的监测任务。
基于深度学习目标检测算法和无人机遥感手段监测松材线虫病树,对促进我国松材线虫病科学研究、森林资源保护和维护生态环境具有重要意义。但是,单架无人机面临算力不足,电池能耗大,飞行时间与范围受限等问题。因此,借助多无人机组成集群通过自主协同的方式解决大规模实时监测问题成为题中应有之义。然而,在实际场景中部署的无人机集群通常是异构的,即每架飞机都具有不同能力(例如动力学、视野、速度或电池充电等)。视场是解决无人机覆盖优化问题时需要考虑的一个重要因素,现有监测方法并未对这个因素给予适当回应。
发明内容
本发明所要解决的技术问题在于,提供一种无人机集群的路径规划方法、无人机集群的路径规划装置、控制器及计算机可读存储介质,实现异构无人机群在最短的时间内可以完成对指定区域的完全覆盖,实现对目标区域监测的精准识别和定位。
为了解决上述技术问题,根据本发明一方面,提供了一种无人机集群的路径规划方法,包括:
根据目标区域的扫描方向确定所述多架异构无人机的飞行方向;
根据所述多架异构无人机的相机参数确定所述目标区域的覆盖行;
基于所述多架异构无人机的设备参数与所述覆盖行确定所述多架异构无人机中每一架无人机的覆盖区域;
规划所述多架异构无人机在对应的所述覆盖区域内的监测路径。
在一些实施方式中,所述根据所述多架异构无人机的相机参数确定所述目标区域的覆盖行的步骤,包括:
分别计算所述多架异构无人机中每一架无人机的相机航迹宽度,以得到多个所述相机航迹宽度;
选取出多个所述相机航迹宽度中的最小相机航迹宽度;
根据所述目标区域的宽度和所述最小相机航迹宽度确定所述覆盖行的数量和相邻两个所述覆盖行之间的距离;
基于所述覆盖行的数量和所述距离将所述目标区域转换为加权有向图。
在一些实施方式中,所述多架异构无人机的第m架无人机的所述相机航迹宽度L m 为:
其中,所述H m 为第m架无人机的飞行高度,所述l m 为第m架无人机的相机的宽度,所述f m 为第m架无人机的相机的焦距;
所述最小相机航迹宽度L为:
所述覆盖行的数量N l 为:
所述相邻两个所述覆盖行之间的距离l为:
所述目标区域的加权有向图G=(V, E, C),
在一些实施方式中,所述基于所述多架异构无人机的设备参数与所述覆盖行确定所述多架异构无人机中每一架无人机的覆盖区域的步骤,包括:
根据所述相机航迹宽度和所述最小相机航迹宽度确定所述多架异构无人机飞越一个所述覆盖行时,每一架无人机的相机覆盖的所述覆盖行的数量;
根据所述多架异构无人机的飞行速度和所述边的权值计算每一架无人机的飞行时间;
设定所述多架异构无人机的多个约束条件;
基于所述每一架无人机的相机覆盖的所述覆盖行的数量、每一架无人机的飞行时间和所述多个约束条件确定所述多架异构无人机中每一架无人机的覆盖区域。
在一些实施方式中,所述多个约束条件,包括:
通过约束所述多架异构无人机的飞行时间小于或等于所述最长飞行时间,其中c ij 表示节点i和j之间的欧氏距离,第m架无人机的相机覆盖的所述覆盖行的数量,V m 为第m架无人机的飞行速度,决策变量表示所述加权有向图的边(i,j)是否被第m架无人机进行覆盖;
上述各所述约束条件中,N表示所述目标区域中已知节点的总数。
在一些实施方式中,采用如下公式计算所述每一架无人机的飞行时间:
其中,t m 为第m架无人机的飞行时间,索引0表示所述基地的节点。
根据本发明的另一方面,提供一种无人机集群的路径规划装置,包括:
方向确定模块,配置为根据目标区域的扫描方向确定所述多架异构无人机的飞行方向;
覆盖行确定模块,配置为根据所述多架异构无人机的相机参数确定所述目标区域的覆盖行;
覆盖区域确定模块,配置为基于所述多架异构无人机的设备参数与所述覆盖行确定所述多架异构无人机中每一架无人机的覆盖区域;
路径规划模块,配置为规划所述多架异构无人机在对应的所述覆盖区域内的监测路径。
在一些实施方式中,所述覆盖行确定模块包括:
航迹宽度计算单元,配置为分别计算所述多架异构无人机中每一架无人机的相机航迹宽度,以得到多个所述相机航迹宽度;
航迹宽度选取单元,配置为选取出多个所述相机航迹宽度中的最小相机航迹宽度;
覆盖行确定单元,配置为根据所述目标区域的宽度和所述最小相机航迹宽度确定所述覆盖行的数量和相邻两个所述覆盖行之间的距离;
图像转换单元,配置为基于所述覆盖行的数量和所述距离将所述目标区域转换为加权有向图。
在一些实施方式中,所述多架异构无人机的第m架无人机的所述相机航迹宽度L m 为:
其中,所述H m 为第m架无人机的飞行高度,所述l m 为第m架无人机的相机的宽度,所述f m 为第m架无人机的相机的焦距;
所述最小相机航迹宽度L为:
所述覆盖行的数量N l 为:
所述相邻两个所述覆盖行之间的距离l为:
所述目标区域的加权有向图G=(V, E, C),
在一些实施方式中,所述覆盖区域确定模块,包括:
覆盖数量确定单元,配置为根据所述相机航迹宽度和所述最小相机航迹宽度确定所述多架异构无人机飞越一个所述覆盖行时,每一架无人机的相机覆盖的所述覆盖行的数量;
飞行时间计算单元,配置为根据所述多架异构无人机的飞行速度和所述边的权值计算每一架无人机的飞行时间;
条件设定单元,配置为设定所述多架异构无人机的多个约束条件;
覆盖区域确定单元,配置为基于所述每一架无人机的相机覆盖的所述覆盖行的数量、每一架无人机的飞行时间和所述多个约束条件确定所述多架异构无人机中每一架无人机的覆盖区域。
在一些实施方式中,所述多个约束条件,包括:
通过约束所述多架异构无人机的飞行时间小于或等于所述最长飞行时间,其中c ij 表示节点i和j之间的欧氏距离,第m架无人机的相机覆盖的所述覆盖行的数量,V m 为第m架无人机的飞行速度,决策变量表示所述加权有向图的边(i,j)是否被第m架无人机进行覆盖;
上述各所述约束条件中,N表示所述目标区域中已知节点的总数。
在一些实施方式中,采用如下公式计算所述每一架无人机的飞行时间:
其中,t m 为第m架无人机的飞行时间,索引0表示所述基地的节点。
根据本发明另一方面,提供一种控制器,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现上述任一项所述的无人机集群的路径规划方法的步骤。
根据本发明另一方面,提供一种计算机可读存储介质,用于存储计算机程序,所述程序在由一计算机或处理器执行时实现上述任意一项所述的无人机集群的路径规划方法的步骤。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案,本发明的无人机集群的路径规划方法、无人机集群的路径规划装置、控制器及计算机可读存储介质可以达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有下列优点:
本发明实现异构无人机群在最短的时间内可以完成对指定区域的完全覆盖,实现对目标区域检测的精准识别和定位。并且能够有效地降低无人机的耗电量,提升异构无人机集群的覆盖精度,并提升了无人机的召回率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为本发明一实施例的无人机集群的路径规划方法的流程示意图;
图2为本发明一实施例的无人机飞行方向和扫描方向的示意图;
图3为本发明一实施例的无人机的相机航迹宽度的示意图;
图4为本发明一实施例的目标区域的加权有向图的示意图;
图5为本发明一实施例的无人机的覆盖的覆盖行数量的示意图;
图6为本发明一实施例的不同相机航迹宽度的无人机的路径规划示意图;
图7为本发明一实施例的无人机集群的路径规划装置的示意框图;
图8为图7所示的覆盖行确定模块的示意框图;
图9为图7所示的覆盖区域确定模块的示意框图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种无人机集群的路径规划方法、无人机集群的路径规划装置、控制器及计算机可读存储介质的具体实施方式及其功效,详细说明如后。
为了使一组拥有不同摄像机视野、飞行速度和电池剩余电量的无人机,即异构无人机集群,能够在最短的时间内覆盖指定的目标区域,本发明将传统的车辆路径问题(vehicle routing problem,VRP)转化为一个混合整数线性规划(mixed integer linearprogram,MILP),并通过仿真和实飞验证所提出的VRP解的性能,以确定异构无人机集群的最优飞行路径。异构无人机集群按照规划好的最优路径快速采集目标区域的正射影像,以使得能够将同步识别出患病树种位置信息发送给地面站。
基于此,本发明提出了一种无人机集群的路径规划方法,如图1所示,该方法包括:
步骤S10,根据目标区域的扫描方向确定多架异构无人机的飞行方向。
具体地,预先设定一个目标区域的扫描方向(Sweep direction),根据该扫面方向将目标区域分解为若干个子区域。多架异构无人机须沿着垂直于设定的扫描方向的覆盖行方向来回飞行,以覆盖整个目标区域。
如图2所示,灰色区域为目标区域分解的若干个子区域,实线箭头方向为无人机的飞行方向,虚线箭头方向则为设定的扫描方向。
在实际应用的过程中,以林地为例,无人机的最佳飞行方向为沿着林地的病虫害的方向飞行。
步骤S20,根据多架异构无人机的相机参数确定目标区域的覆盖行。
在确定多架异构无人机的飞行方向后,目标区域的覆盖行以固定的距离进行排列。覆盖行之间的距离的确定则需要根据多架异构无人机的相机航迹宽度进行确定。
具体地,步骤S20包括:
步骤S201,分别计算多架异构无人机中每一架无人机的相机航迹宽度,以得到多个相机航迹宽度。
可知的是,不同型号、不同类型的无人机的飞行高度、相机参数必然不同。那么多架异构无人机的相机航迹宽度也必然不同。基于此,为了确定出目标区域的覆盖行之间的距离,则需要分别计算出异构无人机集群中每架无人机的相机航迹宽度。
无人机的相机航迹宽度计算公式如下:
在上述公式中,如图3所示,L m 为第m架无人机的相机航迹宽度,H m 为第m架无人机的飞行高度,所述l m 为第m架无人机的相机的宽度,所述f m 为第m架无人机的相机的焦距。
步骤S202,选取出多个相机航迹宽度中的最小相机航迹宽度。
为了保证多架异构无人机中每一架无人机的相机航迹宽度至少能够覆盖一个覆盖行,以能够顺利地完成对目标区域的监测。基于此,在计算出多架异构无人机的相机航迹宽度后,需要选取出多个相机航迹宽度中最小的相机航迹宽度。该最小相机航迹宽度通过如下公式获得:
其中,L为多架异构无人机的相机航迹宽度中的最小相机航迹宽度。
步骤S203,根据目标区域的宽度和最小相机航迹宽度确定覆盖行的数量和相邻两个覆盖行之间的距离。
如图3所示,在多架异构无人机飞行过程中,必然会存在着无人机相机覆盖区域的重叠,因此,在确定目标区域覆盖行的数量时,需要将无人机相机采集的图像数据中的重叠部分考虑在内。基于此,采用如下公式计算目标区域的覆盖行的数量:
在确定出目标区域的覆盖行的数量后,即可通过如下公式计算出每相邻两个覆盖行之间的距离。
其中,l为每相邻两个覆盖行之间的距离。
步骤S204,基于覆盖行的数量和距离将目标区域转换为加权有向图。
为了能够更好的确定出各无人机的覆盖区域和飞行路径,本发明将目标区域转换为加权有向图。
具体地,根据目标区域的覆盖行的数量、每相邻两个覆盖行之间的距离,将目标区域转换为加权有向图G=(V, E, C),如图4所示。
如图4所示,在该加权有向图中能够呈现出目标区域的宽度w、两相邻覆盖行之间的距离l、覆盖行的数量、目标区域的节点1-8等信息。当然节点包括1-8仅仅是本发明的一个示例而已,并非限制目标区域节点的数量。
本发明通过多架异构无人机的相机航迹宽度中的最小相机航迹宽度来计算出目标区域的相邻覆盖行之间的距离,基于此来排列目标区域的覆盖行,进而能够保证每一架无人机均能够至少覆盖一个覆盖行。
步骤S30,基于多架异构无人机的设备参数与覆盖行确定多架异构无人机中每一架无人机的覆盖区域。
在将目标区域的覆盖行排列完成后,进一步需要确定出多架异构无人机中每一架无人机覆盖目标区域中的对应的覆盖区域,以使得多架异构无人机能够完全覆盖目标区域,避免出现遗漏的情况出现。
具体的,多架异构无人机的设备参数包括有无人机的相机航迹宽度、无人机的飞行速度以及无人机的电池续航时间等。
进一步地,步骤S30包括:
步骤S301,根据相机航迹宽度和最小相机航迹宽度确定多架异构无人机飞越一个覆盖行时,每一架无人机的相机覆盖的覆盖行的数量。
可知的是,目标区域相邻覆盖行之间的距离是根据多架异构无人机的相机航迹宽度中最小相机航迹宽度进行确定的,那么也就是在多架异构无人机中,必然存在着无人机的相机航迹宽度大于目标区域相邻覆盖行之间的距离的情况存在,也就是说,必然存在着无人机在飞行过程中其相机能够同时覆盖两个或者更多覆盖行的问题的情况存在。
基于此,在对多架异构无人机的覆盖区域进行划分时,需要首先确定每架无人机的相机覆盖的覆盖行的数量。具体地,通过如下公式计算无人机相机覆盖的覆盖行的数量:
如图5所示,无人机UAV1在飞行过程中能够覆盖一个覆盖行,而无人机UAV2在飞行过程中则能够同时覆盖三个覆盖行。当然,其仅仅是为了能够更加清楚的展示不同无人机覆盖的覆盖行的数量的不同,并非用于限制本发明。
步骤S302,根据多架异构无人机的飞行速度和边的权值计算每一架无人机的飞行时间。
在实际应用过程中,目标区域的加权有向图G的每个节点被认为是一个需要被一架无人机访问的客户。此外,决策变量表示边(i, j)是否由第m架无人机在路线上使用。与大多数车辆路径问题一样,在该应用中,主要目标是在所有无人机之间划分节点,以最小化任务时间。
具体地,通过如下公式计算多架异构无人机的飞行时间:
其中,t m 为第m架无人机的飞行时间,c ij 表示节点i和j之间的欧氏距离,索引0表示基地节点,V m 为第m架无人机的飞行速度。
步骤S303,设定所述多架异构无人机的多个约束条件。
为了进一步保证多架异构无人机能够顺利,并且精确的完成多目标区域的监测任务,设定了多个约束条件,来约束多架异构无人机的飞行,并且完成对多架异构无人机的覆盖区域的划分。
具体地,多个约束条件包括:
通过约束所述多架异构无人机的飞行时间小于或等于所述最长飞行时间,其中c ij 表示节点i和j之间的欧氏距离,第m架无人机的相机覆盖的所述覆盖行的数量,V m 为第m架无人机的飞行速度,决策变量表示所述加权有向图的边(i,j)是否被第m架无人机进行覆盖;
步骤S304,基于每一架无人机的相机覆盖的覆盖行的数量、每一架无人机的飞行时间和多个约束条件确定多架异构无人机中每一架无人机的覆盖区域。
本发明考虑到多架异构无人机的航迹比率、飞行速度和电池等限制,将目标区域的加权有向图的所有节点和相应的覆盖行划分到一组异构无人机中。
作为示例,图6示出了通过求解具有不同航迹的两架无人机的VRP而得到的覆盖区域。在该图中,节点1到节点8的边被分配给ρ=1的无人机,从节点9到26的边被分配给ρ=2的无人机。
步骤S40,规划所述多架异构无人机在对应的所述覆盖区域内的监测路径。
在确定出了多架异构无人机中每架无人机的覆盖区域后,则规划每架无人机在其对应的覆盖区域内的飞行路径,以生成无人机的最优飞行路径,以最小化执行任务的总时间。
具体地,将目标区域的加权有向图按照每架无人机的覆盖区域划分为多个子图,每个子图对应一架无人机。然后为每架无人机生成最优的监测路径。
本发明以最小化覆盖时间的方式,解决了异构无人机集群的优化部署问题。考虑到一组异构无人机,它们有不同的摄像机视野、飞行速度和电池剩余电量。用于覆盖的目标区域首先被建模为一个加权有向图,其中包含一组考虑到足迹最小的节点。基本的优化问题被转化为一个车辆路径问题,该问题受到一组特定约束的约束,强制无人机沿计划监测的覆盖行来回移动。该优化问题被描述为一个混合整数线性规划(MILP),并通过各种模拟研究来验证所提出的VRP解决方案的性能,以找到无人机覆盖整个目标区域的最佳飞行路径。
本发明另一实施例的一种无人机集群的路径规划装置,如图7所示,该装置包括:方向确定模块10、覆盖行确定模块20、覆盖区域确定模块30和路径规划模块40。
其中,方向确定模块配置10为根据目标区域的扫描方向确定多架异构无人机的飞行方向。
具体地,预先设定一个目标区域的扫描方向(Sweep direction),根据该扫面方向将目标区域分解为若干个子区域。多架异构无人机须沿着垂直于设定的扫描方向的覆盖行方向来回飞行,以覆盖整个目标区域。
如图2所示,灰色区域为目标区域分解的若干个子区域,实线箭头方向为无人机的飞行方向,虚线箭头方向则为设定的扫描方向。
在实际应用的过程中,以林地为例,无人机的最佳飞行方向为沿着林地的病虫害的方向飞行。
覆盖行确定模块配置20为根据多架异构无人机的相机参数确定目标区域的覆盖行。
在确定多架异构无人机的飞行方向后,目标区域的覆盖行以固定的距离进行排列。覆盖行之间的距离的确定则需要根据多架异构无人机的相机航迹宽度进行确定。
具体地,如图8所示,覆盖行确定模块20包括:航迹宽度计算单元201、航迹宽度选取单元202、覆盖行确定单元203和图像转换单元204。
其中,航迹宽度计算单元201配置为分别计算多架异构无人机中每一架无人机的相机航迹宽度,以得到多个相机航迹宽度。
可知的是,不同型号、不同类型的无人机的飞行高度、相机参数必然不同。那么多架异构无人机的相机航迹宽度也必然不同。基于此,为了确定出目标区域的覆盖行之间的距离,则需要分别计算出异构无人机集群中每架无人机的相机航迹宽度。
无人机的相机航迹宽度计算公式如下:
在上述公式中,如图3所示,L m 为第m架无人机的相机航迹宽度,H m 为第m架无人机的飞行高度,所述l m 为第m架无人机的相机的宽度,所述f m 为第m架无人机的相机的焦距。
航迹宽度选取单元202配置为选取出多个相机航迹宽度中的最小相机航迹宽度。
为了保证多架异构无人机中每一架无人机的相机航迹宽度至少能够覆盖一个覆盖行,以能够顺利地完成对目标区域的监测。基于此,在计算出多架异构无人机的相机航迹宽度后,需要选取出多个相机航迹宽度中最小的相机航迹宽度。该最小相机航迹宽度通过如下公式获得:
其中,L为多架异构无人机的相机航迹宽度中的最小相机航迹宽度。
覆盖行确定单元203配置为根据目标区域的宽度和最小相机航迹宽度确定覆盖行的数量和相邻两个覆盖行之间的距离。
如图3所示,在多架异构无人机飞行过程中,必然会存在着无人机相机覆盖区域的重叠,因此,在确定目标区域覆盖行的数量时,需要将无人机相机采集的图像数据中的重叠部分考虑在内。基于此,采用如下公式计算目标区域的覆盖行的数量:
在确定出目标区域的覆盖行的数量后,即可通过如下公式计算出每相邻两个覆盖行之间的距离。
其中,l为每相邻两个覆盖行之间的距离。
图像转换单元204配置为基于覆盖行的数量和距离将目标区域转换为加权有向图。
为了能够更好的确定出各无人机的覆盖区域和飞行路径,本发明将目标区域转换为加权有向图。
具体地,根据目标区域的覆盖行的数量、每相邻两个覆盖行之间的距离,将目标区域转换为加权有向图G=(V, E, C),如图4所示。
如图4所示,在该加权有向图中能够呈现出目标区域的宽度w、两相邻覆盖行之间的距离l、覆盖行的数量、目标区域的节点1-8等信息。当然节点包括1-8仅仅是本发明的一个示例而已,并非限制目标区域节点的数量。
本发明通过多架异构无人机的相机航迹宽度中的最小相机航迹宽度来计算出目标区域的相邻覆盖行之间的距离,基于此来排列目标区域的覆盖行,进而能够保证每一架无人机均能够至少覆盖一个覆盖行。
覆盖区域确定模块30配置为基于多架异构无人机的设备参数与覆盖行确定多架异构无人机中每一架无人机的覆盖区域。
在将目标区域的覆盖行排列完成后,进一步需要确定出多架异构无人机中每一架无人机覆盖目标区域中的对应的覆盖区域,以使得多架异构无人机能够完全覆盖目标区域,避免出现遗漏的情况出现。
具体的,多架异构无人机的设备参数包括有无人机的相机航迹宽度、无人机的飞行速度以及无人机的电池续航时间等。
进一步地,如图9所示,覆盖区域确定模块30包括:覆盖数量确定单元301、飞行时间计算单元302、条件设定单元303和覆盖区域确定单元304。
其中,覆盖数量确定单元301配置为根据相机航迹宽度和最小相机航迹宽度确定多架异构无人机飞越一个覆盖行时,每一架无人机的相机覆盖的覆盖行的数量。
可知的是,目标区域相邻覆盖行之间的距离是根据多架异构无人机的相机航迹宽度中最小相机航迹宽度进行确定的,那么也就是在多架异构无人机中,必然存在着无人机的相机航迹宽度大于目标区域相邻覆盖行之间的距离的情况存在,也就是说,必然存在着无人机在飞行过程中其相机能够同时覆盖两个或者更多覆盖行的问题的情况存在。
基于此,在对多架异构无人机的覆盖区域进行划分时,需要首先确定每架无人机的相机覆盖的覆盖行的数量。具体地,通过如下公式计算无人机相机覆盖的覆盖行的数量:
如图5所示,无人机UAV1在飞行过程中能够覆盖一个覆盖行,而无人机UAV2在飞行过程中则能够同时覆盖三个覆盖行。当然,其仅仅是为了能够更加清楚的展示不同无人机覆盖的覆盖行的数量的不同,并非用于限制本发明。
飞行时间计算单元302配置为根据多架异构无人机的飞行速度和边的权值计算每一架无人机的飞行时间。
在实际应用过程中,目标区域的加权有向图G的每个节点被认为是一个需要被一架无人机访问的客户。此外,决策变量表示边(i, j)是否由第m架无人机在路线上使用。与大多数车辆路径问题一样,在该应用中,主要目标是在所有无人机之间划分节点,以最小化任务时间。
具体地,通过如下公式计算多架异构无人机的飞行时间:
其中,t m 为第m架无人机的飞行时间,c ij 表示节点i和j之间的欧氏距离,索引0表示基地节点,V m 为第m架无人机的飞行速度。
条件设定单元303配置为设定所述多架异构无人机的多个约束条件。
为了进一步保证多架异构无人机能够顺利,并且精确的完成多目标区域的监测任务,设定了多个约束条件,来约束多架异构无人机的飞行,并且完成对多架异构无人机的覆盖区域的划分。
具体地,多个约束条件包括:
通过约束所述多架异构无人机的飞行时间小于或等于所述最长飞行时间,其中c ij 表示节点i和j之间的欧氏距离,第m架无人机的相机覆盖的所述覆盖行的数量,V m 为第m架无人机的飞行速度,决策变量表示所述加权有向图的边(i,j)是否被第m架无人机进行覆盖;
覆盖区域确定单元304配置为基于所述每一架无人机的相机覆盖的所述覆盖行的数量、每一架无人机的飞行时间和所述多个约束条件确定所述多架异构无人机中每一架无人机的覆盖区域。
本发明考虑到多架异构无人机的航迹比率、飞行速度和电池等限制,将目标区域的加权有向图的所有节点和相应的覆盖行划分到一组异构无人机中。
作为示例,图6示出了通过求解具有不同航迹的两架无人机的VRP而得到的覆盖区域。在该图中,节点1到节点8的边被分配给ρ=1的无人机,从节点9到26的边被分配给ρ=2的无人机。
路径规划模块配置40为规划所述多架异构无人机在对应的所述覆盖区域内的监测路径。
在确定出了多架异构无人机中每架无人机的覆盖区域后,则规划每架无人机在其对应的覆盖区域内的飞行路径,以生成无人机的最优飞行路径,以最小化执行任务的总时间。
具体地,将目标区域的加权有向图按照每架无人机的覆盖区域划分为多个子图,每个子图对应一架无人机。然后为每架无人机生成最优的监测路径。
本发明以最小化覆盖时间的方式,解决了异构无人机集群的优化部署问题。考虑到一组异构无人机,它们有不同的摄像机视野、飞行速度和电池剩余电量。用于覆盖的目标区域首先被建模为一个加权有向图,其中包含一组考虑到足迹最小的节点。基本的优化问题被转化为一个车辆路径问题,该问题受到一组特定约束的约束,强制无人机沿计划监测的覆盖行来回移动。该优化问题被描述为一个混合整数线性规划(MILP),并通过各种模拟研究来验证所提出的VRP解决方案的性能,以找到无人机覆盖整个目标区域的最佳飞行路径。
本发明另一实施例的一种控制器,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现任一实施例所述的无人机集群的路径规划方法的步骤。
本发明另一实施例的一种计算机可读存储介质,用于存储计算机程序,所述程序在由一计算机或处理器执行时实现任一实施例所述的无人机集群的路径规划方法的步骤。
本发明另一实施例的一种无人机,包括双目视觉感知模块和上述任一实施例所述的基于无人机的目标检测定位装置。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种无人机集群的路径规划方法,基于多架异构无人机,其特征在于,包括:
根据目标区域的扫描方向确定所述多架异构无人机的飞行方向;
根据所述多架异构无人机的相机参数确定所述目标区域的覆盖行;
根据所述多架异构无人机的相机航迹宽度和最小相机航迹宽度确定所述多架异构无人机飞越一个所述覆盖行时,每一架无人机的相机覆盖的所述覆盖行的数量;
根据所述多架异构无人机的飞行速度和所述目标区域的加权有向图中的边的权值计算每一架无人机的飞行时间;
设定所述多架异构无人机的多个约束条件;
基于所述每一架无人机的相机覆盖的所述覆盖行的数量、每一架无人机的飞行时间和所述多个约束条件确定所述多架异构无人机中每一架无人机的覆盖区域;
规划所述多架异构无人机在对应的所述覆盖区域内的监测路径;
其中,多个所述约束条件包括:
通过约束所述多架异构无人机的飞行时间小于或等于所述最长飞行时间,其中c ij 表示节点i和j之间的欧氏距离,第m架无人机的相机覆盖的所述覆盖行的数量,L m 为所述多架异构无人机的第m架无人机的相机航迹宽度,L为多架异构无人机的多个相机航迹宽度中的最小相机航迹宽度,V m 为第m架无人机的飞行速度,决策变量表示所述加权有向图的边(i,j)是否被第m架无人机进行覆盖;
上述各所述约束条件中,N表示所述目标区域中已知节点的总数。
2.根据权利要求1所述的无人机集群的路径规划方法,其特征在于,所述根据所述多架异构无人机的相机参数确定所述目标区域的覆盖行的步骤,包括:
分别计算所述多架异构无人机中每一架无人机的相机航迹宽度,以得到多个所述相机航迹宽度;
选取出多个所述相机航迹宽度中的所述最小相机航迹宽度;
根据所述目标区域的宽度和所述最小相机航迹宽度确定所述覆盖行的数量和相邻两个所述覆盖行之间的距离;
基于所述覆盖行的数量和所述距离将所述目标区域转换为所述加权有向图。
5.一种无人机集群的路径规划装置,基于多架异构无人机,其特征在于,包括:
方向确定模块,配置为根据目标区域的扫描方向确定所述多架异构无人机的飞行方向;
覆盖行确定模块,配置为根据所述多架异构无人机的相机参数确定所述目标区域的覆盖行;
覆盖区域确定模块,配置为基于所述多架异构无人机的设备参数与所述覆盖行确定所述多架异构无人机中每一架无人机的覆盖区域;
其中,所述覆盖区域确定模块包括:
覆盖数量确定单元,配置为根据所述多架异构无人机的相机航迹宽度和最小相机航迹宽度确定所述多架异构无人机飞越一个所述覆盖行时,每一架无人机的相机覆盖的所述覆盖行的数量;
飞行时间计算单元,配置为根据所述多架异构无人机的飞行速度和所述目标区域的加权有向图中的边的权值计算每一架无人机的飞行时间;
条件设定单元,配置为设定所述多架异构无人机的多个约束条件;
覆盖区域确定单元,配置为基于所述每一架无人机的相机覆盖的所述覆盖行的数量、每一架无人机的飞行时间和所述多个约束条件确定所述多架异构无人机中每一架无人机的覆盖区域;
路径规划模块,配置为规划所述多架异构无人机在对应的所述覆盖区域内的监测路径;
其中,所述多个约束条件,包括:
通过约束所述多架异构无人机的飞行时间小于或等于所述最长飞行时间,其中c ij 表示节点i和j之间的欧氏距离,第m架无人机的相机覆盖的所述覆盖行的数量,L m 为所述多架异构无人机的第m架无人机的相机航迹宽度,L为多架异构无人机的多个相机航迹宽度中的最小相机航迹宽度,V m 为第m架无人机的飞行速度,决策变量表示所述加权有向图的边(i,j)是否被第m架无人机进行覆盖;
上述各所述约束条件中,N表示所述目标区域中已知节点的总数。
6.根据权利要求5所述的无人机集群的路径规划装置,其特征在于,所述覆盖行确定模块包括:
航迹宽度计算单元,配置为分别计算所述多架异构无人机中每一架无人机的相机航迹宽度,以得到多个所述相机航迹宽度;
航迹宽度选取单元,配置为选取出多个所述相机航迹宽度中的所述最小相机航迹宽度;
覆盖行确定单元,配置为根据所述目标区域的宽度和所述最小相机航迹宽度确定所述覆盖行的数量和相邻两个所述覆盖行之间的距离;
图像转换单元,配置为基于所述覆盖行的数量和所述距离将所述目标区域转换为所述加权有向图。
9.一种控制器,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现权利要求1至4中任意一项权利要求所述的方法的步骤。
10.一种计算机可读存储介质,用于存储计算机程序,所述程序在由一计算机或处理器执行时实现如权利要求1至4中任意一项权利要求所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210267002.1A CN114355985B (zh) | 2022-03-18 | 2022-03-18 | 无人机集群的路径规划方法、装置、控制器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210267002.1A CN114355985B (zh) | 2022-03-18 | 2022-03-18 | 无人机集群的路径规划方法、装置、控制器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114355985A CN114355985A (zh) | 2022-04-15 |
CN114355985B true CN114355985B (zh) | 2022-07-08 |
Family
ID=81095122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210267002.1A Active CN114355985B (zh) | 2022-03-18 | 2022-03-18 | 无人机集群的路径规划方法、装置、控制器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114355985B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115202355B (zh) * | 2022-07-21 | 2023-02-28 | 国网安徽省电力有限公司 | 电力杆塔作业平台的控制方法及系统 |
CN115388901B (zh) * | 2022-10-27 | 2023-03-24 | 北京卓翼智能科技有限公司 | 一种无人机集群的航迹规划方法、装置及电子设备 |
CN115454148B (zh) * | 2022-11-08 | 2023-02-17 | 四川腾盾科技有限公司 | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388270A (zh) * | 2018-03-21 | 2018-08-10 | 天津大学 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
CN110109477A (zh) * | 2019-05-10 | 2019-08-09 | 北京航空航天大学 | 基于鸽群智能反向学习的无人机集群多目标控制优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105973235B (zh) * | 2016-04-25 | 2018-09-25 | 北京理工大学 | 针对存在禁飞区多边形区域的旋翼无人机覆盖搜索航迹规划方法 |
CN107037827B (zh) * | 2017-04-14 | 2020-02-21 | 合肥工业大学 | 无人机航空作业任务分配与航迹规划联合优化方法及装置 |
CN106842963B (zh) * | 2017-04-14 | 2018-01-30 | 合肥工业大学 | 多无人机探测任务分配与航迹规划联合优化方法及装置 |
WO2020237478A1 (zh) * | 2019-05-27 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 一种飞行规划方法及相关设备 |
CN112969977A (zh) * | 2020-05-28 | 2021-06-15 | 深圳市大疆创新科技有限公司 | 抓捕辅助方法、地面指挥平台、无人机、系统及存储介质 |
-
2022
- 2022-03-18 CN CN202210267002.1A patent/CN114355985B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388270A (zh) * | 2018-03-21 | 2018-08-10 | 天津大学 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
CN110109477A (zh) * | 2019-05-10 | 2019-08-09 | 北京航空航天大学 | 基于鸽群智能反向学习的无人机集群多目标控制优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114355985A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114355985B (zh) | 无人机集群的路径规划方法、装置、控制器及存储介质 | |
RU2652482C2 (ru) | Измерительная система для измерений в отношении дерева | |
EP2743788B1 (en) | Aerial forest inventory system | |
CN105045274B (zh) | 一种用于无人机巡检航迹规划的智能杆塔连通图构建方法 | |
CN109358638A (zh) | 基于分布式地图的无人机视觉避障方法 | |
CN111220159A (zh) | 多无人机协同巡检任务的路径优化方法 | |
Trujillo et al. | Optimized flight path for 3D mapping of an area with structures using a multirotor | |
CN112580537A (zh) | 一种用于多无人机系统持续覆盖特定区域的深度强化学习方法 | |
CN115935610A (zh) | 一种架空线路无人机巡检策略优化方法和系统 | |
CN116578120A (zh) | 无人机调度方法、装置、无人机系统和算机设备 | |
CN115574826B (zh) | 基于强化学习的国家公园无人机巡护路径优化方法 | |
CN115388901B (zh) | 一种无人机集群的航迹规划方法、装置及电子设备 | |
US20230267364A1 (en) | Processing images of wind farms and plant farms captured by a drone | |
Liu et al. | Mission capability estimation of multicopter uav for low-altitude remote sensing | |
CN113780086B (zh) | 一种基于无人机的远程自然资源动态监测方法 | |
CN115793704A (zh) | 一种无人直升机光伏太阳能电厂最优巡检路径规划方法 | |
CN115877865A (zh) | 一种无人机巡检方法、装置及无人机巡检系统 | |
CN114021906A (zh) | 无人值守的风力发电运维管理方法及系统 | |
Deng et al. | Heterogeneous vehicles routing for water canal damage assessment | |
Medrano et al. | UAS: IoT on-line sensors for power line inspection | |
Liu et al. | Visualization of Power Corridor Based on UAV Line Inspection Data | |
Changxin et al. | UAV Electric Patrol Path Planning Based on Improved Ant Colony Optimization-A* Algorithm | |
Sehrawat et al. | A power prediction approach for a solar-powered aerial vehicle enhanced by stacked machine learning technique | |
CN117472083B (zh) | 一种多无人机协同海上搜索路径规划方法 | |
CN117146831B (zh) | 基于机器学习和无人机的果树生长状态评估方法及系统 |
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 |