CN114578839A - 一种基于大数据的无人机路径计算系统及其方法 - Google Patents

Abstract

本发明公开了一种基于大数据的无人机路径计算系统及其方法，属于无人机路径规划技术领域。本发明的一种基于大数据的无人机路径计算系统及其方法，包括UVA集控中心和地面控制终端，所述UVA集控中心包括感知和任务管理、飞行控制计算模块、电气执行机构、系统任务载荷、传感器单元和电源管理系统。为解决现有的无人机在进行路径规划的处理过程中反应时间较长，且针对应急和突发事件处理能力较弱的问题，在无人机陷入某个局部极小点或者未知的环境中这样的多个势场很难构造，规划器就切换势函数使无人机离开该点，使机器人在遇到局部极小点后参照环绕行为绕过产生局部极小点的障碍物继续前进，可靠性高，不依赖环境的先验信息和障碍物形状。

Description

一种基于大数据的无人机路径计算系统及其方法

技术领域

本发明涉及无人机路径规划技术领域，具体为一种基于大数据的无人机路径计算系统及其方法。

背景技术

基于无人机多相机设备进行场景拍摄已广泛应用于三维场景快速重建过程中。现有的基于无人机多相机场景拍摄飞行路径规划方法通常不考虑场景建筑等各种场景几何结构关系，飞行路径规划相对简单，经常造成场景数据采集不全或者冗余等问题，降低了数据采集的效率，严重影响了三维场景重建的质量和效率。本项目针对无人机多相机设备提出一种对城市或工厂等建筑密集复杂场景区域的全覆盖和高分辨率拍摄的场景几何快速重建方法，研究基于多相机运动的复杂场景区域的场景几何结构快速构建技术，为提高场景数据的采集效率提供技术基础，为三维复杂场景快速重建提供一种新的场景采集方法。

但是，现有的无人机在进行路径规划的处理过程中反应时间较长，且针对应急和突发事件处理能力较弱；因此，不满足现有的需求，对此我们提出了一种基于大数据的无人机路径计算系统及其方法。

发明内容

本发明的目的在于提供一种基于大数据的无人机路径计算系统及其方法，具有可快速针对突发事件反应的能力，可以解决现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种基于大数据的无人机路径计算系统，包括UVA集控中心和地面控制终端，所述UVA集控中心包括感知和任务管理、飞行控制计算模块、电气执行机构、系统任务载荷、传感器单元和电源管理系统，且感知和任务管理通过数据链路与地面控制终端连接；

所述感知和任务管理与飞行控制计算模块双向连接，且飞行控制计算模块与电气执行机构双向连接，所述飞行控制计算模块用于接收和转换出指令信号，再将信号传递给无人机上相应的电气执行机构，使无人机可以做出前进后退以及转向等操作；

所述系统任务载荷和传感器单元与感知和任务管理双向连接，所述系统任务载荷可以根据原始情报数据来计算出当前行为轨迹所需的运输内存，所述传感器单元用于接收控制指令，并按照指令进行实施。

优选的，所述感知和任务管理包括测控介入处理、姿态控制系统、轨道控制系统、热控系统、主控单元、电力系统、数据传输和有效载荷控制，且主控单元与测控介入处理、姿态控制系统、轨道控制系统、热控系统、电力系统、数据传输和有效载荷控制等功能子系统相互独立为智能体，由总线相连。

优选的，所述测控介入处理保证地面系统对整个系统任意层面的控制介入能力，可接受上行的使命级任务、具体的飞行规划和底层的控制指令，所述主控单元由任务生成与调度、运动行为规划和控制指令生成三层基本结构组成，且地面控制系统在三个层次上都分别具有介入能力，所述任务生成与调度层可以获得基本的飞行任务，经过运动行为规划层获得具体的行为规划，再由控制指令生成层得到最终的模块控制指令，并发送给其它功能模块。

优选的，所述各功能模块发送状态信息给主控单元的状态检测系统，状态检测系统将任务执行情况和子系统状态反馈回任务生成与调度层，以便根据具体情况对任务进行规划调整。

优选的，所述状态检测系统可以获知当前系统内部的各项数据链，触发突发事件时，控制指令生成层会启用重规划模块，重规划可根据当时情况迅速做出反应快速生成行为规划，用以指导控制指令生成层得到紧急情况的控制指令。

优选的，所述运动行为规划由规划器和重规划器两大执行单元组成，所述规划器负责飞行任务的一般规划，且重规划器负责对突发事件紧急处理的运动规划，所述飞行任务的输出端与规划单元的输入端连接，且突发事件的输出端与重规划单元的输入端连接，所述运动行为规划包括知识域模块，所述知识域是利用特定语言描述相关知识，所述知识域的输出端与规划单元和重规划单元的输入端连接，且规划单元和重规划单元的输出端与行为规划的输入端连接。

优选的，所述知识域包括行为集和模型集，其中行为集用来存储服务系统一般的运动行为描述和紧急情况下的一些运动行为方面的处理方法，包括急停和转向等，模型集用来存储规划所需模型知识，包括环境模型、组装体模型、组装任务对象模型和任务模型等。

优选的，所述状态检测系统，包括：

数据链分析模块，用于获取所述当前系统内部每项数据链的数据内容，并对所述数据内容进行预分析，构建所述数据内容对应的子布局；

第一确定模块，用于确定每项数据链的链权重，从所有链权重中筛选最大权重，并获取所述最大权重对应的子布局的所有输入端以及所有输出端，根据每个输入端与以及每个输出端的端属性，依次从剩余子布局中筛选关联子布局，并构建得到总布局；

第二确定模块，用于每项数据链的链信息，并构建数据链布局；

匹配模块，用于基于所述每项数据链的链属性，构建属性列表，并从属性-筛查数据库中，匹配对应的关键筛查模型；

筛查模块，用于基于所述关键筛查模型，对所述总布局进行第一关键点筛查，同时，对所述数据链布局进行第二关键点筛查；

关键对建立模块，用于基于关键对匹配规则，建立基于所述第一关键点以及第二关键点的关键对；

判断模块，用于基于所述关键对的关键信息，进行序列转换，并判断转换后的序列是否存在事件触发标志，若存在，将所述关键对视为待定对；

第三确定模块，用于确定所述待定对的触发事件，分析所述触发事件是否为突发事件；

若是，基于所述待定对对应的关键信息生成第一突发指令，并按照所述第一突发指令，控制指令生成层启用重规划模块；

若不是，根据所述触发事件的事件属性，并结合所述待定对对应的关键信息，生成优化指令，对初始规划进行优化。

优选的，还包括：紧急停止分析模块，包括：

第一确定单元，用于确定突发事件的突发属性，并确定涉及到的突发变量；

第二确定单元，用于基于所述突发变量，确定与上一时间点的变量差值，并确定突发等级T1；

其中，n1表示突发变量的个数；

表示第i个突发变量的变量权重；y_i表示第i个突发变量在当下时间点的突发变量值；x_i第i个突发变量在上一时间点的变量值；Δ_max表示i个突发变量中的最大变量差值；Δ_ave表示i个突发变量的平均变量差值；

条件判断单元，用于基于突发紧急列表，确定所述突发等级T1所处的紧急状态；

若所述紧急状态满足立即调整条件，控制所述无人机紧急停止，并控制所述无人机对当下执行任务停止执行，并优先执行所述突发事件对应的运动行为；

若所述紧急状态不满足立即调整条件，获取差别因子，并对所述无人机的当下运行情况进行分析，确定可继续执行时长T2；

其中，T表示所述无人机对应的当下运行情况所对应的总执行时长；Y1表示当下运行情况对应的执行任务的当下执行进度；Y表示当下运行情况对应的执行任务的总执行进度；δ表示差别因子；T1_max表示基于突发紧急列表获取的最大突发等级；

获取所述紧急状态不满足立即调整条件的可等待时长T3；

若T3大于或等于T2，在所述无人机按照可继续执行时长执行结束之后，控制所述无人机停止运行，并执行所述突发事件对应的运行行为；

若T3小于T2，基于时间差值，在所述当下运行情况对应的执行任务中设定任务断点，当所述无人机执行到所述任务断点时，控制所述无人机停止运行，并执行所述突发事件对应的运行行为。

一种基于大数据的无人机路径计算系统的计算方法，包括如下步骤：

步骤一：用户在使用的无人机的过程中可选用自由操作飞行或者既定目标飞行两种模式，前者由人工视角掌控飞行，后者则是由系统进行轨迹路线的计算飞行；

步骤二：在既定目标飞行模式下，无人机内部的计算系统会配合地面站介入来实现路线的规划选择，在整个无人机飞行路线中，分为初始点S，悬停点为L和目标点G；

当初始点S与目标点G之间的行进路线中包含形状复杂或者距离很近的障碍物时，无人机会在L点处停止或在其附近进行圆周运动，利用机身前端的雷达或者红外感应设备来获取反馈障碍物的大致形状，系统在收到反馈后会重新规划避障路线，直至绕开障碍物抵达目标点G；

当目标点G位于建筑或者障碍物内部时，无人机会在建筑的任意方向上悬停，随后启用绕行操作，无人机会围绕房屋自动导航，在飞行过程中会利用深度传感器获取建筑或者障碍物外立面的黑色点云信息，若建筑之间存在缝隙区域，该区域则选用白色点云信息进行标识，根据这些信息生成可能的无人机姿态样本，若建筑周围存在多点以上的间隙，则系统则会选用无人机最后的临近悬停点L作为进入初始路线，随后计算出一条从当前悬停点L到目标点G的路径，且在算法运行生成的轨迹前，会先检测是否存在碰撞的风险，若有，则回到原状态；

步骤三：上述步骤二中的处理方式都需要基于MIS系统生成稀疏噪点地图，这个地图转化为可处理的障碍块，之后再生成分布在障碍块周围的样本，根据这些相关的样本信息，我们可以搜索一条指向目标的全局路径。

与现有技术相比，本发明的有益效果是：

1、本发明，无人机可以在既定目标飞行的模式下实现两种或三种的不同处理模式，尤其是在无人机陷入某个局部极小点或者未知的环境中这样的多个势场很难构造，规划器就切换势函数使无人机离开该点，使机器人在遇到局部极小点后参照环绕行为绕过产生局部极小点的障碍物继续前进，可靠性高，不依赖环境的先验信息和障碍物形状；

2、本发明，当初始点S与目标点G之间的行进路线中包含形状复杂或者距离很近的障碍物时，无人机会在L点处停止或在其附近进行圆周运动，利用机身前端的雷达或者红外感应设备来获取反馈障碍物的大致形状，系统在收到反馈后会重新规划避障路线，直至绕开障碍物抵达目标点G；

3、本发明，当目标点G位于建筑或者障碍物内部时，无人机会在建筑的任意方向上悬停，随后启用绕行操作，无人机会围绕房屋自动导航，在飞行过程中会利用深度传感器获取建筑或者障碍物外立面的黑色点云信息，若建筑之间存在缝隙区域，该区域则选用白色点云信息进行标识，根据这些信息生成可能的无人机姿态样本，若建筑周围存在多点以上的间隙，则系统则会选用无人机最后的临近悬停点L作为进入初始路线，随后计算出一条从当前悬停点L到目标点G的路径，且在算法运行生成的轨迹前，会先检测是否存在碰撞的风险，若有，则回到原状态。

4、本发明，通过确定突发事件，便于有效的根据变量差值，得到突发等级，且通过进行立即调整条件的判断，可以有效的对无人可继续执行时长进行计算，且通过时间大小比较，设置断点，来保证场景信息的有效获取，且还可避免无人机做无用功，提高效率，以及避免无人机撞击摧毁。

5、本发明，通过获取数据内容的布局以及链本身的布局，来进行布局关键点的筛查，并构建关键对，可以通过两种布局，来确定存在的触发标志，进而后续通过事件是否突发的判断，来进行相应的后续处理，提高无人机的路径规划效率。

附图说明

图1为本发明的UVA集控中心系统流程图；

图2为本发明的感知和任务管理系统流程图；

图3为本发明的主控单元系统流程图；

图4为本发明的运动行为规划系统流程图；

图5为本发明的单障碍路径规划展示图；

图6为本发明的双障碍路径规划展示图；

图7为本发明的包围障碍路径规划展示图；

图8为本发明的状态检测系统的结构图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，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。

请参阅图1，本发明提供的一种实施例：一种基于大数据的无人机路径计算系统，包括UVA集控中心和地面控制终端，UVA集控中心包括感知和任务管理、飞行控制计算模块、电气执行机构、系统任务载荷、传感器单元和电源管理系统，且感知和任务管理通过数据链路与地面控制终端连接，感知和任务管理与飞行控制计算模块双向连接，且飞行控制计算模块与电气执行机构双向连接，飞行控制计算模块用于接收和转换出指令信号，再将信号传递给无人机上相应的电气执行机构，使无人机可以做出前进后退以及转向等操作，系统任务载荷和传感器单元与感知和任务管理双向连接，系统任务载荷可以根据原始情报数据来计算出当前行为轨迹所需的运输内存，传感器单元用于接收控制指令，并按照指令进行实施。

请参阅图2，感知和任务管理包括测控介入处理、姿态控制系统、轨道控制系统、热控系统、主控单元、电力系统、数据传输和有效载荷控制，且主控单元与测控介入处理、姿态控制系统、轨道控制系统、热控系统、电力系统、数据传输和有效载荷控制等功能子系统相互独立为智能体，由总线相连，测控介入处理保证地面系统对整个系统任意层面的控制介入能力，可接受上行的使命级任务、具体的飞行规划和底层的控制指令，当无人机需要执行一些时延敏感型任务时，最小化时延的优先级高于最小化无人机能耗，根据场景不同，无人机的任务时延会考虑飞行到地面基站附近的飞行时延、将任务卸载到地面基站上边缘服务器的传输时延、当边缘服务器繁忙时的排队时延和任务在边缘服务器上的计算时延中的几种，由于计算结果的数据量较小，一般不考虑回传时延，通过优化传输速率、无人机路径等变量来最小化任务时延。

请参阅图3，主控单元由任务生成与调度、运动行为规划和控制指令生成三层基本结构组成，且地面控制系统在三个层次上都分别具有介入能力，任务生成与调度层可以获得基本的飞行任务，经过运动行为规划层获得具体的行为规划，再由控制指令生成层得到最终的模块控制指令，并发送给其它功能模块，各功能模块发送状态信息给主控单元的状态检测系统，状态检测系统将任务执行情况和子系统状态反馈回任务生成与调度层，以便根据具体情况对任务进行规划调整，状态检测系统可以获知当前系统内部的各项数据链，触发突发事件时，控制指令生成层会启用重规划模块，重规划可根据当时情况迅速做出反应快速生成行为规划，用以指导控制指令生成层得到紧急情况的控制指令。

请参阅图4，运动行为规划由规划器和重规划器两大执行单元组成，规划器负责飞行任务的一般规划，且重规划器负责对突发事件紧急处理的运动规划，飞行任务的输出端与规划单元的输入端连接，且突发事件的输出端与重规划单元的输入端连接，运动行为规划包括知识域模块，知识域是利用特定语言描述相关知识，知识域的输出端与规划单元和重规划单元的输入端连接，且规划单元和重规划单元的输出端与行为规划的输入端连接，知识域包括行为集和模型集，其中行为集用来存储服务系统一般的运动行为描述和紧急情况下的一些运动行为方面的处理方法，包括急停和转向等，模型集用来存储规划所需模型知识，包括环境模型、组装体模型、组装任务对象模型和任务模型等。

参阅图8，所述状态检测系统，包括：

数据链分析模块，用于获取所述当前系统内部每项数据链的数据内容，并对所述数据内容进行预分析，构建所述数据内容对应的子布局；

第一确定模块，用于确定每项数据链的链权重，从所有链权重中筛选最大权重，并获取所述最大权重对应的子布局的所有输入端以及所有输出端，根据每个输入端与以及每个输出端的端属性，依次从剩余子布局中筛选关联子布局，并构建得到总布局；

第二确定模块，用于每项数据链的链信息，并构建数据链布局；

匹配模块，用于基于所述每项数据链的链属性，构建属性列表，并从属性-筛查数据库中，匹配对应的关键筛查模型；

筛查模块，用于基于所述关键筛查模型，对所述总布局进行第一关键点筛查，同时，对所述数据链布局进行第二关键点筛查；

关键对建立模块，用于基于关键对匹配规则，建立基于所述第一关键点以及第二关键点的关键对；

判断模块，用于基于所述关键对的关键信息，进行序列转换，并判断转换后的序列是否存在事件触发标志，若存在，将所述关键对视为待定对；

第三确定模块，用于确定所述待定对的触发事件，分析所述触发事件是否为突发事件；

若是，基于所述待定对对应的关键信息生成第一突发指令，并按照所述第一突发指令，控制指令生成层启用重规划模块；

若不是，根据所述触发事件的事件属性，并结合所述待定对对应的关键信息，生成优化指令，对初始规划进行优化。

该实施例中，比如：当前系统内部每项数据链是包括：任务执行链、状态反馈链、任务生成链、任务调度链等在内的，且每个链内部是包括具体的数据内容，比如具体的执行任务、具体的反馈状态等一些列数据。

该实施例中，数据内容进行预分析，指的是对数据内容进行主次分析以及主干连贯分析，比如，任务执行链中的数据内容与执行任务有关，此时，可以确定主要执行任务、次要执行任务、不同类型执行任务对应的运行参数等，以及执行不同任务之后与其他链之间的衔接关系，比如，主要执行任务结束后，需要将执行任务的状态反馈到状态反馈链等，或者任务生成链需要生成相应的执行任务给到任务执行链等，因此，可以建立不同数据内容的子布局，且子布局中的输入端以及输出端可以理解为是与其他数据内容建立的一个衔接过渡关系，且端属性也是与衔接有管，比如任务生成的输出端的端属性为任务输出，给到的任务执行链的输入端的端属性为任务接收等。

该实施例中，链权重是预先设置好的，且筛选最大权重对应的子布局，是为了基于该布局，来构建总布局，方便后续与数据链布局进行综合分析。

该实施例中，链属性与该链执行的功能有关，且通过链属性构建属性列表，可以得到关键筛查模型，属性-筛查数据库是预先设定好的，是包括各种属性组合以及对应的筛查模型在内的。

该实施例中，关键筛查模型是预先训练好的，且可以以数据内容为布局和对应的数据链为布局作为样本训练得到，且基于该关键筛查模型，可以有效的对总局部和数据链布局的关键点进行筛查，保证筛查的可靠性，来方便后续关键对的构建。

该实施例中，关键对匹配规则，指的是将不同布局上的关键点进行匹配，且第一关键点的数量与第二关键点的数量是相等的，且关键对是一一匹配的。

该实施例中，获取关键对的关键信息，主要是对应关键点的数据内容信息以及对应的链信息，以此，来转换为序列，基于序列可以有效的对存在的触发标志进行确定。

该实施例中，当存在触发标志时，将关键对视为待定对，当不存在时，继续对下一关键对进行分析。

该实施例中，触发事件是基于触发标志确定的，且可以通过标志来确定是否为突发事件，比如，任务执行过程中突发障碍物等，或者数据内容与链本身出现适配问题等，都可以存在突发事件。

该实施例中，第一突发指令，指的是需要控制指令生成层启用重规划模块，优化指令，指的是对原先的规划进行优化后，按照优化后的规划进行继续执行。

上述技术方案的有益效果是：通过获取数据内容的布局以及链本身的布局，来进行布局关键点的筛查，并构建关键对，可以通过两种布局，来确定存在的触发标志，进而后续通过事件是否突发的判断，来进行相应的后续处理，提高无人机的路径规划效率。

进一步，一种基于大数据的无人机路径计算系统的计算系统，还包括：还包括：紧急停止分析模块，包括：

第一确定单元，用于确定突发事件的突发属性，并确定涉及到的突发变量；

第二确定单元，用于基于所述突发变量，确定与上一时间点的变量差值，并确定突发等级T1；

其中，n1表示突发变量的个数；

表示第i个突发变量的变量权重；y_i表示第i个突发变量在当下时间点的突发变量值；x_i第i个突发变量在上一时间点的变量值；Δ_max表示i个突发变量中的最大变量差值；Δ_ave表示i个突发变量的平均变量差值；

条件判断单元，用于基于突发紧急列表，确定所述突发等级T1所处的紧急状态；

若所述紧急状态满足立即调整条件，控制所述无人机紧急停止，并控制所述无人机对当下执行任务停止执行，并优先执行所述突发事件对应的运动行为；

若所述紧急状态不满足立即调整条件，获取差别因子，并对所述无人机的当下运行情况进行分析，确定可继续执行时长T2；

其中，T表示所述无人机对应的当下运行情况所对应的总执行时长；Y1表示当下运行情况对应的执行任务的当下执行进度；Y表示当下运行情况对应的执行任务的总执行进度；δ表示差别因子；T1_max表示基于突发紧急列表获取的最大突发等级；

获取所述紧急状态不满足立即调整条件的可等待时长T3；

若T3大于或等于T2，在所述无人机按照可继续执行时长执行结束之后，控制所述无人机停止运行，并执行所述突发事件对应的运行行为；

若T3小于T2，基于时间差值，在所述当下运行情况对应的执行任务中设定任务断点，当所述无人机执行到所述任务断点时，控制所述无人机停止运行，并执行所述突发事件对应的运行行为。

该实施例中，突发事件的突发属性，比如是需要突然转弯，突然减速等的情况，以此，来确定突发变量，且变量差值是上一时间点与当前时间点接收到的突发事件的突发变量之间的变量差值。

该实施例中，Δ_max指的是(y_i-x_i)²开方之后的最大值，且i取值为1，2，3，...，n1，Δ_ave表示所有(y_i-x_i)²开方之后的累加和平均值。

该实施例中，突发紧急列表是预先设置好的，且包括突发等级所处范围以及该范围对应的紧急状态组成，且紧急状态还与立即调整等有关，比如，当紧急状态对应的调整时间为0，此时，视为满足立即调整条件，若调整时间不为0，视为不满足立即调整条件。

该实施例中，T3可以是基于突发紧急列表得到的。

该实施例中，任务断点，比如执行任务包括：子任务1、子任务2以及子任务3，在子任务2和子任务3之间设置断点，不仅可以基于子任务1和2获取更多场景参数，还可以有效避免无人机出现损坏的情况，提高场景信息的获取效率。

上述技术方案的有益效果是：通过确定突发事件，便于有效的根据变量差值，得到突发等级，且通过进行立即调整条件的判断，可以有效的对无人可继续执行时长进行计算，且通过时间大小比较，设置断点，来保证场景信息的有效获取，且还可避免无人机做无用功，提高效率，以及避免无人机撞击摧毁。

请参阅图5-7，一种基于大数据的无人机路径计算系统的计算方法，包括如下步骤：

步骤一：用户在使用的无人机的过程中可选用自由操作飞行或者既定目标飞行两种模式，前者由人工视角掌控飞行，后者则是由系统进行轨迹路线的计算飞行；

步骤二：在既定目标飞行模式下，无人机内部的计算系统会配合地面站介入来实现路线的规划选择，在整个无人机飞行路线中，分为初始点S，悬停点为L和目标点G；

当初始点S与目标点G之间的行进路线中包含形状复杂或者距离很近的障碍物时，无人机会在L点处停止或在其附近进行圆周运动，利用机身前端的雷达或者红外感应设备来获取反馈障碍物的大致形状，系统在收到反馈后会重新规划避障路线，直至绕开障碍物抵达目标点G；

当目标点G位于建筑或者障碍物内部时，无人机会在建筑的任意方向上悬停，随后启用绕行操作，无人机会围绕房屋自动导航，在飞行过程中会利用深度传感器获取建筑或者障碍物外立面的黑色点云信息，若建筑之间存在缝隙区域，该区域则选用白色点云信息进行标识，根据这些信息生成可能的无人机姿态样本，若建筑周围存在多点以上的间隙，则系统则会选用无人机最后的临近悬停点L作为进入初始路线，随后计算出一条从当前悬停点L到目标点G的路径，且在算法运行生成的轨迹前，会先检测是否存在碰撞的风险，若有，则回到原状态；

步骤三：上述步骤二中的处理方式都需要基于MIS系统生成稀疏噪点地图，这个地图转化为可处理的障碍块，之后再生成分布在障碍块周围的样本，根据这些相关的样本信息，我们可以搜索一条指向目标的全局路径。

综上，用户在使用的无人机的过程中可选用自由操作飞行或者既定目标飞行两种模式，前者由人工视角掌控飞行，后者则是由系统进行轨迹路线的计算飞行，在既定目标飞行模式下，无人机内部的计算系统会配合地面站介入来实现路线的规划选择，在整个无人机飞行路线中，分为初始点S，悬停点为L和目标点G，当初始点S与目标点G之间的行进路线中包含形状复杂或者距离很近的障碍物时，无人机会在L点处停止或在其附近进行圆周运动，利用机身前端的雷达或者红外感应设备来获取反馈障碍物的大致形状，系统在收到反馈后会重新规划避障路线，直至绕开障碍物抵达目标点G，当目标点G位于建筑或者障碍物内部时，无人机会在建筑的任意方向上悬停，随后启用绕行操作，无人机会围绕房屋自动导航，在飞行过程中会利用深度传感器获取建筑或者障碍物外立面的黑色点云信息，若建筑之间存在缝隙区域，该区域则选用白色点云信息进行标识，根据这些信息生成可能的无人机姿态样本，若建筑周围存在多点以上的间隙，则系统则会选用无人机最后的临近悬停点L作为进入初始路线，随后计算出一条从当前悬停点L到目标点G的路径，且在算法运行生成的轨迹前，会先检测是否存在碰撞的风险，若有，则回到原状态，上述两种处理方式都需要基于MIS系统生成稀疏噪点地图，这个地图转化为可处理的障碍块，之后再生成分布在障碍块周围的样本，根据这些相关的样本信息，我们可以搜索一条指向目标的全局路径。

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。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于大数据的无人机路径计算系统，包括UVA集控中心和地面控制终端，其特征在于：所述UVA集控中心包括感知和任务管理、飞行控制计算模块、电气执行机构、系统任务载荷、传感器单元和电源管理系统，且感知和任务管理通过数据链路与地面控制终端连接；

所述感知和任务管理与飞行控制计算模块双向连接，且飞行控制计算模块与电气执行机构双向连接，所述飞行控制计算模块用于接收和转换出指令信号，再将信号传递给无人机上相应的电气执行机构，使无人机可以做出前进后退以及转向等操作；

所述系统任务载荷和传感器单元与感知和任务管理双向连接，所述系统任务载荷可以根据原始情报数据来计算出当前行为轨迹所需的运输内存，所述传感器单元用于接收控制指令，并按照指令进行实施。

2.根据权利要求1所述的一种基于大数据的无人机路径计算系统，其特征在于：所述感知和任务管理包括测控介入处理、姿态控制系统、轨道控制系统、热控系统、主控单元、电力系统、数据传输和有效载荷控制，且主控单元与测控介入处理、姿态控制系统、轨道控制系统、热控系统、电力系统、数据传输和有效载荷控制功能子系统相互独立为智能体，由总线相连。

3.根据权利要求2所述的一种基于大数据的无人机路径计算系统，其特征在于：所述测控介入处理保证地面系统对整个系统任意层面的控制介入能力，可接受上行的使命级任务、具体的飞行规划和底层的控制指令，所述主控单元由任务生成与调度、运动行为规划和控制指令生成三层基本结构组成，且地面控制系统在三个层次上都分别具有介入能力，所述任务生成与调度层可以获得基本的飞行任务，经过运动行为规划层获得具体的行为规划，再由控制指令生成层得到最终的模块控制指令，并发送给其它功能模块。

4.根据权利要求3所述的一种基于大数据的无人机路径计算系统，其特征在于：所述各功能模块发送状态信息给主控单元的状态检测系统，状态检测系统将任务执行情况和子系统状态反馈回任务生成与调度层，以便根据具体情况对任务进行规划调整。

5.根据权利要求4所述的一种基于大数据的无人机路径计算系统，其特征在于：所述状态检测系统可以获知当前系统内部的各项数据链，触发突发事件时，控制指令生成层会启用重规划模块，重规划可根据当时情况迅速做出反应快速生成行为规划，用以指导控制指令生成层得到紧急情况的控制指令。

6.根据权利要求3所述的一种基于大数据的无人机路径计算系统，其特征在于：所述运动行为规划由规划器和重规划器两大执行单元组成，所述规划器负责飞行任务的一般规划，且重规划器负责对突发事件紧急处理的运动规划，所述飞行任务的输出端与规划单元的输入端连接，且突发事件的输出端与重规划单元的输入端连接，所述运动行为规划包括知识域模块，所述知识域是利用特定语言描述相关知识，所述知识域的输出端与规划单元和重规划单元的输入端连接，且规划单元和重规划单元的输出端与行为规划的输入端连接。

7.根据权利要求6所述的一种基于大数据的无人机路径计算系统，其特征在于：所述知识域包括行为集和模型集，其中行为集用来存储服务系统一般的运动行为描述和紧急情况下的一些运动行为方面的处理方法，包括急停和转向等，模型集用来存储规划所需模型知识，包括环境模型、组装体模型、组装任务对象模型和任务模型等。

8.根据权利要求4所述的一种基于大数据的无人机路径计算系统，其特征在于，所述状态检测系统，包括：

数据链分析模块，用于获取所述当前系统内部每项数据链的数据内容，并对所述数据内容进行预分析，构建所述数据内容对应的子布局；

第一确定模块，用于确定每项数据链的链权重，从所有链权重中筛选最大权重，并获取所述最大权重对应的子布局的所有输入端以及所有输出端，根据每个输入端与以及每个输出端的端属性，依次从剩余子布局中筛选关联子布局，并构建得到总布局；

第二确定模块，用于每项数据链的链信息，并构建数据链布局；

匹配模块，用于基于所述每项数据链的链属性，构建属性列表，并从属性-筛查数据库中，匹配对应的关键筛查模型；

筛查模块，用于基于所述关键筛查模型，对所述总布局进行第一关键点筛查，同时，对所述数据链布局进行第二关键点筛查；

关键对建立模块，用于基于关键对匹配规则，建立基于所述第一关键点以及第二关键点的关键对；

判断模块，用于基于所述关键对的关键信息，进行序列转换，并判断转换后的序列是否存在事件触发标志，若存在，将所述关键对视为待定对；

第三确定模块，用于确定所述待定对的触发事件，分析所述触发事件是否为突发事件；

若是，基于所述待定对对应的关键信息生成第一突发指令，并按照所述第一突发指令，控制指令生成层启用重规划模块；

若不是，根据所述触发事件的事件属性，并结合所述待定对对应的关键信息，生成优化指令，对初始规划进行优化。

9.根据权利要求1所述的一种基于大数据的无人机路径计算系统，其特征在于，还包括：紧急停止分析模块，包括：

第一确定单元，用于确定突发事件的突发属性，并确定涉及到的突发变量；

第二确定单元，用于基于所述突发变量，确定与上一时间点的变量差值，并确定突发等级T1；

其中，n1表示突发变量的个数；

表示第i个突发变量的变量权重；y_i表示第i个突发变量在当下时间点的突发变量值；x_i第i个突发变量在上一时间点的变量值；Δ_max表示i个突发变量中的最大变量差值；Δ_ave表示i个突发变量的平均变量差值；

条件判断单元，用于基于突发紧急列表，确定所述突发等级T1所处的紧急状态；

若所述紧急状态满足立即调整条件，控制所述无人机紧急停止，并控制所述无人机对当下执行任务停止执行，并优先执行所述突发事件对应的运动行为；

若所述紧急状态不满足立即调整条件，获取差别因子，并对所述无人机的当下运行情况进行分析，确定可继续执行时长T2；

其中，T表示所述无人机对应的当下运行情况所对应的总执行时长；Y1表示当下运行情况对应的执行任务的当下执行进度；Y表示当下运行情况对应的执行任务的总执行进度；δ表示差别因子；T1_max表示基于突发紧急列表获取的最大突发等级；

获取所述紧急状态不满足立即调整条件的可等待时长T3；

若T3大于或等于T2，在所述无人机按照可继续执行时长执行结束之后，控制所述无人机停止运行，并执行所述突发事件对应的运行行为；

若T3小于T2，基于时间差值，在所述当下运行情况对应的执行任务中设定任务断点，当所述无人机执行到所述任务断点时，控制所述无人机停止运行，并执行所述突发事件对应的运行行为。

10.一种基于大数据的无人机路径计算系统的计算方法，基于权利要求1-9任意一项基于大数据的无人机路径计算系统，其中，包括如下步骤：

步骤一：用户在使用的无人机的过程中可选用自由操作飞行或者既定目标飞行两种模式，前者由人工视角掌控飞行，后者则是由系统进行轨迹路线的计算飞行；

步骤二：在既定目标飞行模式下，无人机内部的计算系统会配合地面站介入来实现路线的规划选择，在整个无人机飞行路线中，分为初始点S，悬停点为L和目标点G；

当初始点S与目标点G之间的行进路线中包含形状复杂或者距离很近的障碍物时，无人机会在L点处停止或在其附近进行圆周运动，利用机身前端的雷达或者红外感应设备来获取反馈障碍物的大致形状，系统在收到反馈后会重新规划避障路线，直至绕开障碍物抵达目标点G；

当目标点G位于建筑或者障碍物内部时，无人机会在建筑的任意方向上悬停，随后启用绕行操作，无人机会围绕房屋自动导航，在飞行过程中会利用深度传感器获取建筑或者障碍物外立面的黑色点云信息，若建筑之间存在缝隙区域，该区域则选用白色点云信息进行标识，根据这些信息生成可能的无人机姿态样本，若建筑周围存在多点以上的间隙，则系统则会选用无人机最后的临近悬停点L作为进入初始路线，随后计算出一条从当前悬停点L到目标点G的路径，且在算法运行生成的轨迹前，会先检测是否存在碰撞的风险，若有，则回到原状态；

步骤三：上述步骤二中的处理方式都需要基于MIS系统生成稀疏噪点地图，这个地图转化为可处理的障碍块，之后再生成分布在障碍块周围的样本，根据这些相关的样本信息，我们可以搜索一条指向目标的全局路径。

Images