CN116026341A - 多无人机均衡路径规划方法及装置 - Google Patents
多无人机均衡路径规划方法及装置 Download PDFInfo
- Publication number
- CN116026341A CN116026341A CN202310300673.8A CN202310300673A CN116026341A CN 116026341 A CN116026341 A CN 116026341A CN 202310300673 A CN202310300673 A CN 202310300673A CN 116026341 A CN116026341 A CN 116026341A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- region
- subarea
- coordinate system
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种多无人机均衡路径规划方法及装置,所述多无人机均衡路径规划方法包括:获取待测区域信息和无人机参数信息,并根据所述待测区域信息和所述无人机参数信息构建几何坐标系;基于所述几何坐标系将所述待测区域信息均衡划分为预设数量个子区域;应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程;根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径。本发明能够实现多无人机路径均衡规划,从而平衡无人机负载以提高无人机群的利用率,且适用性广、操作简单。
Description
技术领域
本发明属于一种无人机技术领域,具体是涉及到一种多无人机均衡路径规划方法及装置。
背景技术
覆盖侦察路径规划(Coverage Path Planning, CPP)是在覆盖区域内的所有关键节点的前提下,为无人机寻找一条规避各种障碍且成本最低的最优路径。目前对多无人机路径规划的研究大多集中在最小化全局成本上,即把总里程或者总消耗作为优化目标,而较少把重点放在提高各无人机的利用率上,即平衡无人机之间的任务负载。
发明内容
本发明提供一种多无人机均衡路径规划方法及装置,能够提高无人机的利用率,还能降低无人机侦察任务所花费的时间,有利于无人机的维护和后续任务的执行。
基于上述目的,本发明提出一种多无人机均衡路径规划方法,包括:获取待测区域信息和无人机参数信息,并根据所述待测区域信息和所述无人机参数信息构建几何坐标系;基于所述几何坐标系将所述待测区域均衡划分为预设数量个子区域;应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程;根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节。
可选的,所述待测区域信息至少包括形状、大小和内部无效空间,所述根据所述待测区域信息和所述无人机参数信息构建几何坐标系,包括:根据所述待测区域信息沿着所述待测区域的外包络建立一多边形;根据所述无人机参数信息基于所述多边形构建所述几何坐标系。
可选的,所述无人机参数信息至少包括起飞点和传感器最大覆盖尺寸,所述根据所述无人机参数信息基于所述多边形构建所述几何坐标系,包括:将所述多边形的最大展长作为所述几何坐标系的X轴方向,以所述传感器最大覆盖尺寸的两倍为所述几何坐标系的单位长度;标定所述多边形的各顶点坐标。
可选的,所述基于所述几何坐标系将所述待测区域信息均衡划分为预设数量个子区域,包括:基于所述几何坐标系确定所述待测区域的各顶点横坐标的最大值和最小值、以及所述待测区域的有效面积;从所述待测区域的顶点横坐标的所述最小值至所述最大值依次设置切割线,从所述待测区域中依次划分出面积大于等于所述有效面积/n的各所述子区域,其中,n为所述预设数量。
可选的,所述从所述待测区域的顶点横坐标的所述最小值至所述最大值依次设置切割线,从所述待测区域中依次划分出面积大于所述有效面积/n的各所述子区域,包括:以从所述待测区域的顶点横坐标的最小值为当前横坐标,以所述几何坐标系的单位长度为步长逐步增加,如果所述待测区域的位于所述最小值与所述当前横坐标之间的子区域的面积大于等于所述有效面积/n,则将横坐标等于所述当前横坐标的直线确定为第一切割线;所述当前横坐标继续以所述几何坐标系的单位长度为步长逐步增加,如果所述待测区域的位于前一切割线与所述当前横坐标之间的子区域的面积大于等于所述有效面积/n,则将横坐标等于所述当前横坐标的直线确定为当前切割线,直至将所述待测区域划分为n个子区域。
可选的,所述应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程,包括:针对任一子区域,确定包括所述子区域内部的坐标点以及未进行路径规划的边缘顶点的点图;以所述点图中距离无人机出发点距离最近的顶点为初始顶点,以所述初始顶点为当前顶点,点之间距离为权重,迭代查找离所述当前顶点权值最小的边,将连接所述权值最小的边的另一顶点作为下一顶点,直到遍历所述点图中的所有顶点,得到所述子区域的最短路径,并计算所述子区域的最短路径的总里程。
可选的,所述根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,包括:循环根据各子区域的最短路径的所述总里程计算相邻子区域的所述总里程的偏差;如果任一子区域与相邻子区域的所述偏差大于预设差值,则对所述子区域和所述相邻子区域重新均衡划分子区域和最短路径规划。
基于同一发明构思,本发明还提出一种多无人机均衡路径规划装置,所述多无人机均衡路径规划装置包括:坐标系建立单元,用于获取待测区域信息和无人机参数信息,并根据所述待测区域信息和所述无人机参数信息构建几何坐标系;区域划分单元,用于基于所述几何坐标系将所述待测区域均衡划分为预设数量个子区域;最短路径规划单元,用于应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程;均衡路径调节单元,用于根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径。
基于同一发明构思,本发明还提出了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述多无人机均衡路径规划方法。
基于同一发明构思,本发明还提出了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上所述多无人机均衡路径规划方法。
从上面所述可以看出,本发明提供的技术方案的有益效果是:本发明提供一种多无人机均衡路径规划方法及装置,多无人机均衡路径规划方法包括:获取待测区域信息和无人机参数信息,并根据所述待测区域信息和所述无人机参数信息构建几何坐标系;基于所述几何坐标系将所述待测区域信息均衡划分为预设数量个子区域;应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程;根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径,本发明能够实现多无人机路径均衡规划,从而平衡无人机负载以提高无人机群的利用率,且适用性广、操作简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种多无人机均衡路径规划方法的流程示意图;
图2为本发明实施例中待测区域的子区域划分示意图;
图3为本发明实施例的一种多无人机均衡路径规划装置的结构示意图;
图4为本发明实施例的一种电子设备的硬件结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本发明实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
本发明实施例提出了一种多无人机均衡路径规划方法,如图1所示,包括:
步骤S1:获取待测区域信息和无人机参数信息,并根据待测区域信息和所述无人机参数信息构建几何坐标系。
待测区域信息至少包括形状、大小和内部无效空间,无人机参数信息至少包括起飞点和传感器最大覆盖尺寸。具体地,根据待测区域信息沿着待测区域的外包络建立一多边形,根据所述无人机参数信息基于多边形构建几何坐标系。
步骤S2:基于几何坐标系将待测区域均衡划分为预设数量个子区域。
具体地,根据几何坐标系确定待测区域的各顶点坐标和有效面积,设置切割线对待测区域进行依次划分,得到预设数量个子区域。优选地,使用直线x=i切割多边形,i为整数,从多边形的X轴最小值开始,步进为1,计算切下来的子区域的面积是否大于等于待测区域有效面积的1/n,n为无人机的数量。若不满足要求,令i=i+1继续上述操作直至满足要求,则切下来的区域即为划分后的子区域;不断重复上述过程直至所有子区域划分完成。
步骤S3:应用最小生成树算法对各子区域进行最短路径规划,并计算各子区域的最短路径的总里程。
结合无人机的起飞点,通过最小生成树算法对无人机进行路径规划,得到各子区域的最短路径,避开了无效区域,再计算各子区域的最短路径总里程。
步骤S4:根据各子区域的最短路径的总里程,循环对总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径。
根据获取的各子区域的最短路径的总里程,循环计算各子区域最短路径的总里程与相邻子区域最短路径的总里程的偏差,若该偏差值大于预设差值,则对该子区域和相邻子区域构成的区域进行子区域重新划分和路径规划,以减小极差,均衡最短路径。
本发明实施例通过获取待测区域信息和无人机参数信息,并根据所述待测区域信息和所述无人机参数信息构建几何坐标系;基于所述几何坐标系将所述待测区域信息均衡划分为预设数量个子区域;应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程;根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径,能够实现多无人机路径均衡规划,从而平衡无人机负载以提高无人机群的利用率,且适用性广、操作简单。
所述无人机参数信息至少包括起飞点和传感器最大覆盖尺寸。在步骤S1中,根据待测区域信息沿着待测区域的外包络建立一多边形,根据所述无人机参数信息基于多边形构建几何坐标系。具体地,将多边形的最大展长作为几何坐标系的X轴方向,以传感器最大覆盖尺寸的两倍为几何坐标系的单位长度,并标定多边形的各顶点坐标。多边形的最大展长为多边形任意两点连线的最大长度,如此多边形沿X轴最左端与最右端的连线长度大于等于多边形任意两点连线长度。如果传感器最大覆盖尺寸是50m,则对待测区域进行离散化时,待测区域的网格单位尺寸设定为100m。如果无人机飞行高度为200m,机载探测器的有效探测角度为30°,可以得到覆盖带的宽度为100m,则多边形网格单位尺寸为200m。同时,多边形边界存在不足一个完整单元格的区域也视为一个完整单元。
在步骤S2中,首先基于几何坐标系确定待测区域的各顶点横坐标的最大值和最小值、以及待测区域的有效面积;其次从待测区域的顶点横坐标的最小值至最大值依次设置切割线,从待测区域中依次划分出面积大于等于有效面积/n的各子区域,其中,n为预设数量,表示划分的子区域的个数。
具体地,以待测区域的顶点横坐标的最小值为当前横坐标,以几何坐标系的单位长度为步长逐步增加,如果待测区域的位于最小值与当前横坐标之间的子区域的面积大于等于有效面积/n,则将横坐标等于当前横坐标的直线确定为第一切割线;当前横坐标继续以几何坐标系的单位长度为步长逐步增加,如果待测区域的位于前一切割线与当前横坐标之间的子区域的面积大于等于有效面积/n,则将横坐标等于当前横坐标的直线确定为当前切割线,直至将待测区域划分为n个子区域。
优选地,如图2所示,多边形记为P,确定多边形P的顶点信息W(P)=w_i(i=1,2,…,m,其中m为多边形P的顶点数)。将多边形P的各顶点按顺时针顺序进行排序,将待测区域的各顶点横坐标的最小值和最大值分别记为a和b,多边形有效面积记为A;然后用直线x=[a]+1分割多边形,计算分割线左侧部分的有效面积S1是否满足S1≥A/n,如不满足则用直线x=[a]+2(3、4…)继续切割多边形,直至满足上述条件,则此时切割线左侧的多边形即为第一个子区域,记此时的分割线为x1=a1,作为第一切割线;进行第二个子区域划分时,用直线x=a1+2分割剩余多边形,计算剩余多边形中分割线左侧部分的面积S2是否满足S2≥A/n,若满足则记此时的分割线为x2=a2,作为第二切割线,x1=a1与x2=a2之间的区域即为第二个子区域,重复进行区域划分直至将待测区域划分为n个子区域。
在本发明实施例中,最小生成树(Minimum Spanning Trees,MST)是带权无向连通图中权值最小的生成树,权值设定为两点之间的距离,设无向连通带权图G=<V,E,W>,T是G的一颗生成树,T的各边权之和称为T的权,记作W(T)。G的所有生成树中权最小的生成树称为G的最小生成树。本发明实施例中的MST算法可以是现有的任一最小生成树算法,如普里姆算法(Prim)、克鲁斯卡尔算法(Kruskal) 等,在此不做赘述。优选的,采用普里姆算法,该算法的作用就是根据图中权值找到连接所有顶点的最短路径,可概述为:构建两个集合V和T,初始时,所有顶点全部在V中,T为空集;从V中选取距离无人机出发点距离最近的点,移动到集合T;重复以下步骤,直到集合V中所有顶点都移入集合T中:在所有边的集合E中选择一条边( u , v , w ),使得顶点u在集合V中,顶点v在集合T中,且权值w最小;将这条边( u ,v , w )加入最小生成树,并将顶点u移入集合T。具体在步骤S3中,针对任一子区域,确定包括所述子区域内部的坐标点以及未进行路径规划的边缘顶点的点图;以所述点图中距离无人机出发点距离最近的顶点为初始顶点,以所述初始顶点为当前顶点,点之间距离为权重,迭代查找离所述当前顶点权值最小的边,将连接所述权值最小的边的另一顶点作为下一顶点,直到遍历所述点图中的所有顶点,得到所述子区域的最短路径,并计算所述子区域的最短路径的总里程。
在步骤S4中,循环根据各子区域的最短路径的总里程计算相邻子区域的总里程的偏差;如果任一子区域与相邻子区域的偏差大于预设差值,则对子区域和相邻子区域重新均衡划分子区域和最短路径规划。其中预设差值可以根据需要进行设置,在此并不作具体限制。
在本发明实施例中,针对形状不规则,内部情况较复杂的森林环境的覆盖侦察路径规划时,小型无人机起降简单,位置灵活可调节,多架协同使用效率更高。针对小型无人机侦察效能,根据森林的形状、大小以及内部可能的水塘、光秃的山头等无需侦察或需要避开的空间(统称为无效空间)的环境信息建立几何模型,在均衡划分子区域的基础上,使用最小生成树的方法构建侦察路径,结合无人机出发位置计算各无人机路径长度,据此修正优化子区域的划分,使得各无人机路径总长度相对均衡。
基于同一发明构思,本发明实施例还提供了一种多无人机均衡路径规划装置,如图3所示,包括:
坐标系建立单元31,用于获取待测区域信息和无人机参数信息,并根据待测区域信息和所述无人机参数信息构建几何坐标系;
区域划分单元32,用于基于几何坐标系将待测区域均衡划分为预设数量个子区域;
最短路径规划单元33,用于应用最小生成树算法对各子区域进行最短路径规划,并计算各子区域的最短路径的总里程;
均衡路径调节单元34,用于根据各子区域的最短路径的总里程,循环对总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径。
为了描述的方便,描述以上装置时根据功能分为各种模块分别进行描述。当然,在实施本发明实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本发明实施例提供一种多无人机均衡路径规划装置,包括:坐标系建立单元,用于获取待测区域信息和无人机参数信息,并根据待测区域信息和所述无人机参数信息构建几何坐标系;区域划分单元,用于基于几何坐标系将待测区域均衡划分为预设数量个子区域;最短路径规划单元,用于应用最小生成树算法对各子区域进行最短路径规划,并计算各子区域的最短路径的总里程;均衡路径调节单元,用于根据各子区域的最短路径的总里程,循环对总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径。本发明实施例实现多无人机的搜索区域与搜索路径进行合理划分和规划,有效平衡无人机之间的任务负载,降低多无人机执行任务总时间,也有助于无人机的维护和后续任务的执行。
基于同一发明构思,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如上多无人机均衡路径规划方法。
图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器401、存储器402、输入/输出接口403、通信接口404和总线405。其中处理器401、存储器402、输入/输出接口403和通信接口404通过总线405实现彼此之间在设备内部的通信连接。
处理器401可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本发明方法实施例所提供的技术方案。
存储器402可以采用ROM(Read Only Memory,只读存储器)、RAM(RandomAccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器402可以存储操作系统和其他应用程序,在通过软件或者固件来实现本发明方法实施例所提供的技术方案时,相关的程序代码保存在存储器402中,并由处理器401来调用执行。
输入/输出接口403用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口404用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线405包括一通路,在设备的各个组件(例如处理器401、存储器402、输入/输出接口403和通信接口404)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器401、存储器402、输入/输出接口403、通信接口404以及总线405,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本发明实施例方案所必需的组件,而不必包含图中所示的全部组件。
基于同一发明构思,本发明实施例还提供了一种计算机存储介质,存储介质中存储有至少一可执行指令,可执行指令使处理器执行如上多无人机均衡路径规划方法。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,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发明实施例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。
本发明实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种多无人机均衡路径规划方法,其特征是,所述多无人机均衡路径规划方法包括:
获取待测区域信息和无人机参数信息,并根据所述待测区域信息和所述无人机参数信息构建几何坐标系;
基于所述几何坐标系将所述待测区域均衡划分为预设数量个子区域;
应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程;
根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径。
2.如权利要求1所述的多无人机均衡路径规划方法,其特征是,所述待测区域信息至少包括形状、大小和内部无效空间,所述根据所述待测区域信息和所述无人机参数信息构建几何坐标系,包括:
根据所述待测区域信息沿着所述待测区域的外包络建立一多边形;
根据所述无人机参数信息基于所述多边形构建所述几何坐标系。
3.如权利要求2所述的多无人机均衡路径规划方法,其特征是,所述无人机参数信息至少包括起飞点和传感器最大覆盖尺寸,所述根据所述无人机参数信息基于所述多边形构建所述几何坐标系,包括:
将所述多边形的最大展长作为所述几何坐标系的X轴方向,以所述传感器最大覆盖尺寸的两倍为所述几何坐标系的单位长度;
标定所述多边形的各顶点坐标。
4.如权利要求1所述的多无人机均衡路径规划方法,其特征是,所述基于所述几何坐标系将所述待测区域均衡划分为预设数量个子区域,包括:
基于所述几何坐标系确定所述待测区域的各顶点横坐标的最大值和最小值,以及所述待测区域的有效面积;
从所述待测区域的顶点横坐标的所述最小值至所述最大值依次设置切割线,从所述待测区域中依次划分出面积大于等于所述有效面积/n的各所述子区域,其中,n为预设数量。
5.如权利要求4所述的多无人机均衡路径规划方法,其特征是,所述从所述待测区域的顶点横坐标的所述最小值至所述最大值依次设置切割线,从所述待测区域中依次划分出面积大于所述有效面积/n的各所述子区域,包括:
以所述待测区域的顶点横坐标的最小值为当前横坐标,以所述几何坐标系的单位长度为步长逐步增加,如果所述待测区域的位于所述最小值与所述当前横坐标之间的子区域的面积大于等于所述有效面积/n,则将横坐标等于所述当前横坐标的直线确定为第一切割线;
所述当前横坐标继续以所述几何坐标系的单位长度为步长逐步增加,如果所述待测区域的位于前一切割线与所述当前横坐标之间的子区域的面积大于等于所述有效面积/n,则将横坐标等于所述当前横坐标的直线确定为当前切割线,直至将所述待测区域划分为n个子区域。
6.如权利要求1所述的多无人机均衡路径规划方法,其特征是,所述应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程,包括:
针对任一子区域,确定包括所述子区域内部的坐标点以及未进行路径规划的边缘顶点的点图;以所述点图中距离无人机出发点距离最近的顶点为初始顶点,以所述初始顶点为当前顶点,点之间距离为权重,迭代查找离所述当前顶点权值最小的边,将连接所述权值最小的边的另一顶点作为下一顶点,直到遍历所述点图中的所有顶点,得到所述子区域的最短路径,并计算所述子区域的最短路径的总里程。
7.如权利要求1所述的多无人机均衡路径规划方法,其特征是,所述根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,包括:
循环根据各子区域的最短路径的所述总里程计算相邻子区域的所述总里程的偏差;
如果任一子区域与相邻子区域的所述偏差大于预设差值,则对所述子区域和所述相邻子区域重新均衡划分子区域和最短路径规划。
8.一种多无人机均衡路径规划装置,其特征是,所述多无人机均衡路径规划装置,包括:
坐标系建立单元,用于获取待测区域信息和无人机参数信息,并根据所述待测区域信息和所述无人机参数信息构建几何坐标系;
区域划分单元,用于基于所述几何坐标系将所述待测区域均衡划分为预设数量个子区域;
最短路径规划单元,用于应用最小生成树算法对各所述子区域进行最短路径规划,并计算各子区域的最短路径的总里程;
均衡路径调节单元,用于根据各子区域的最短路径的所述总里程,循环对所述总里程的偏差大于预设差值的相邻子区域进行均衡路径调节,得到各所述子区域的均衡最短路径。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-7中任意一项所述多无人机均衡路径规划方法。
10.一种计算机存储介质,其特征是,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述多无人机均衡路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310300673.8A CN116026341B (zh) | 2023-03-27 | 2023-03-27 | 多无人机均衡路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310300673.8A CN116026341B (zh) | 2023-03-27 | 2023-03-27 | 多无人机均衡路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116026341A true CN116026341A (zh) | 2023-04-28 |
CN116026341B CN116026341B (zh) | 2023-06-20 |
Family
ID=86089465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310300673.8A Active CN116026341B (zh) | 2023-03-27 | 2023-03-27 | 多无人机均衡路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116026341B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117329978A (zh) * | 2023-12-01 | 2024-01-02 | 粤芯半导体技术股份有限公司 | 一种椭偏仪偏移预警方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170162060A1 (en) * | 2015-12-07 | 2017-06-08 | International Business Machines Corporation | METHOD OF OPTIMIZED PATH PLANNING FOR UAVs FOR THE PURPOSE OF GROUND COVERAGE |
KR101806053B1 (ko) * | 2016-12-22 | 2018-01-10 | 계명대학교 산학협력단 | 3차원 드론 비행 경로 생성 장치 및 그 방법 |
CN107748499A (zh) * | 2017-10-27 | 2018-03-02 | 合肥工业大学 | 固定翼无人机多区域探测任务规划的优化方法及装置 |
US10140875B1 (en) * | 2017-05-27 | 2018-11-27 | Hefei University Of Technology | Method and apparatus for joint optimization of multi-UAV task assignment and path planning |
CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
CN111984033A (zh) * | 2020-08-19 | 2020-11-24 | 天津(滨海)人工智能军民融合创新中心 | 一种多无人机覆盖任务路径规划方法及装置 |
CN113625772A (zh) * | 2021-09-10 | 2021-11-09 | 中国人民解放军国防科技大学 | 一种影子跟随的多无人机区域覆盖路径规划方法 |
-
2023
- 2023-03-27 CN CN202310300673.8A patent/CN116026341B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170162060A1 (en) * | 2015-12-07 | 2017-06-08 | International Business Machines Corporation | METHOD OF OPTIMIZED PATH PLANNING FOR UAVs FOR THE PURPOSE OF GROUND COVERAGE |
KR101806053B1 (ko) * | 2016-12-22 | 2018-01-10 | 계명대학교 산학협력단 | 3차원 드론 비행 경로 생성 장치 및 그 방법 |
US10140875B1 (en) * | 2017-05-27 | 2018-11-27 | Hefei University Of Technology | Method and apparatus for joint optimization of multi-UAV task assignment and path planning |
CN107748499A (zh) * | 2017-10-27 | 2018-03-02 | 合肥工业大学 | 固定翼无人机多区域探测任务规划的优化方法及装置 |
CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
CN111984033A (zh) * | 2020-08-19 | 2020-11-24 | 天津(滨海)人工智能军民融合创新中心 | 一种多无人机覆盖任务路径规划方法及装置 |
CN113625772A (zh) * | 2021-09-10 | 2021-11-09 | 中国人民解放军国防科技大学 | 一种影子跟随的多无人机区域覆盖路径规划方法 |
Non-Patent Citations (4)
Title |
---|
ABDURRAHIM SONMEZ ET AL: "Optimal Path Planning for UAVs Using Genetic Algorithm", 2015 INTERNATIONAL CONFERENCE ON UNMANNED AIRCRAFT SYSTEMS, pages 50 - 55 * |
HAO ZHANG ET AL.: "A review of cooperative path planning of an unmanned aerial vehicle group", FRONTIERS OF INFORMATION TECHNOLOGY & ELECTRONIC ENGINEERING, vol. 21, no. 12, pages 1671 - 1694, XP037320222, DOI: 10.1631/FITEE.2000228 * |
戴健等: "多无人机协同搜索区域划分与路径规划", 航空学报, vol. 41, pages 723770 - 1 * |
陈海等: "多无人机协同覆盖路径规划", 航空学报, vol. 37, no. 3, pages 928 - 935 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117329978A (zh) * | 2023-12-01 | 2024-01-02 | 粤芯半导体技术股份有限公司 | 一种椭偏仪偏移预警方法、装置及存储介质 |
CN117329978B (zh) * | 2023-12-01 | 2024-04-09 | 粤芯半导体技术股份有限公司 | 一种椭偏仪偏移预警方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116026341B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112859859B (zh) | 一种基于三维障碍物体素对象映射的动态栅格地图更新方法 | |
CN107436148B (zh) | 一种基于多地图的机器人导航方法及装置 | |
Yaoming et al. | A newly bio-inspired path planning algorithm for autonomous obstacle avoidance of UAV | |
CN110411464B (zh) | 三维点云地图生成方法、装置、设备及存储介质 | |
CN110386142A (zh) | 用于自动驾驶车辆的俯仰角校准方法 | |
CN109828607A (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
US20180173239A1 (en) | Method and system for updating occupancy map based on super ray | |
US20230141421A1 (en) | Point cloud motion compensation method and apparatus, storage medium, and lidar | |
CN116026341B (zh) | 多无人机均衡路径规划方法及装置 | |
US20210114622A1 (en) | Movement control | |
CN103578133A (zh) | 一种将二维图像信息进行三维重建的方法和设备 | |
CN106156138B (zh) | 兴趣点的空间索引的建立、周边搜索方法和装置 | |
CN103017753A (zh) | 一种无人机航路规划方法及装置 | |
US11662726B2 (en) | Controlling movement of a device | |
CN110570692B (zh) | 一种无人机航线检测方法及装置 | |
CN106546260B (zh) | 一种移动测量数据的纠正方法及系统 | |
CN112305559A (zh) | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备 | |
CN108734780A (zh) | 用于生成地图的方法、装置和设备 | |
CN105806360A (zh) | 基于气象条件的导航辅助方法 | |
US20210201525A1 (en) | Augmented reality device and positioning method | |
CN110095108B (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
CN114625162A (zh) | 基于混合算法的无人机最优路径规划方法、系统及介质 | |
CN104778260B (zh) | 一种动态雷达环境知识库建模方法 | |
CN117250996A (zh) | 一种无人集群对可移动目标的搜索方法 | |
CN116518979A (zh) | 一种无人机路径规划方法、系统、电子设备及介质 |
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 |