基于多边形障碍检测的无人机路线规划算法制造技术

本发明专利技术提供了一种基于多边形障碍检测的无人机路线规划算法，主要分为连通图建立和路线生成两个大过程。本发明专利技术基于从点对于障碍物原始的多边形做切点的操作，对于起点到切点之间做递归障碍检测得出初步绕行路线，加上对于多边形局部做凸包操作将路线结果优化。产生了准确的全局最优的路线。在当前包含各种多边形障碍区域的无人机地图测试中，能产生准确的全局最优的路线，并解决了路线凹陷问题。本发明专利技术提供的一种基于多边形障碍检测的无人机路线规划算法，并不限于无人机的路线规划。对于具体形状对应的切点操作也可以根据场景任意选择。

【技术实现步骤摘要】
基于多边形障碍检测的无人机路线规划算法
本专利技术涉及无人机路线规
，具体涉及一种基于多边形障碍检测的无人机路线规划算法。
技术介绍
随着无人机技术的发展与市场普及，无人机在航拍、巡检、农林植保、环保、灾后救援等民用领域也得到了广泛的应用。然而现实中对于无人机的飞行线路有着诸多复杂的制约，比如建筑群、机场、政府机构，学校、人流密集区等禁飞区，一但误入不仅对无人机本身会造成损伤，而且会造成人员的安全风险甚至直接造成事故。因此在无人机作业前规划一条避开所有敏感地带的安全的、并且全局最优的路线已成为迫切的需求。无人机飞行的路线规划有着诸多的制约因素。除无人机本身运动学和机动性限制以外，路径的安全性制约还来自于纷繁复杂的现实环境，如建筑、地形、树木、禁飞区等障碍物。传统的无人机路线规划算法有单元分解法，环境被分解为相互不叠加的单元，连接相邻的自由单元得到可行的路径。自由单元就是不与任何障碍物相交的单元，不相邻的障碍物被若干自由单元隔离。然后通过A*搜索算法搜索可以通行的自由单元序列得到路径。该方法问题在于第一，将多边形分割为单元会造成禁飞区周边很多原本可以飞行的地带被圈入了禁飞地带。第二，容易造成锯齿状路线。因而准确性差。除单元分解法外另一个比较常用的为人工势场法，该方法中环境被表示为一个人工势场，包括目标产生的引力场和障碍物产生的斥力场。由势场法得到的路径有一个连续域的函数的最大势位线。该方法的问题在于极容易产生局部最优解但不是全局最优解的结果。现有提出的技术中大多都是动态的路线规划算法，通常不能产生全局最优的路线。部分能产生全局最优化路线规划算法中，大多将障碍物用外接的圆、外接矩形或者用单元将障碍物分割。这些方法都相当不准确，在现实的场景中，障碍覆盖的区域如果接近，则很大概率上造成连续多个障碍区域连成很大一片都不能规划路线。单元法还会造成路线结果过多锯齿状。这些都会造成相当差的体验。
技术实现思路
针对现有技术存在的缺点，本专利技术基于从点对于障碍物原始的多边形做切点的操作，对于起点到切点之间做递归障碍检测得出初步绕行路线，加上对于多边形局部做凸包操作将路线结果优化。产生了准确的全局最优的路线。在当前包含各种多边形障碍区域的无人机地图测试中，能产生准确的全局最优的路线，并解决了路线凹陷的技术问题。本专利技术采用的技术方案是：一种基于多边形障碍检测的无人机路线规划算法，包括连通图建立和路线生成及优化；所述连通图建立具体包括以下步骤：步骤11，将环境中所有障碍多边形数据加载；步骤12，如果对于起点o、终点d的连线不与任何障碍区域相交，则跳至步骤16，将起点o、终点d的连线加入连通图；步骤13，对于起点o、终点d连线贯穿的所有障碍区域中选取最靠近起点o的区域，分别从起点o和终点d对其作切线操作，各自产生两个切点，记为to1、to2、td1、td2；步骤14，将障碍多边形的边中to1至td1之间和to2至td2之间的所有边加入连通图；步骤15，将(o，to1)、(o，to2)、(td1，d)、(td2，d)依次做为起点和终点从步骤12开始建立子图；步骤S16，将起点o、终点d加入连通图；所述路线生成及优化具体包括以下步骤：步骤S21，建立代价函数，选取最小代价的路线；步骤S22，对于路线中每个障碍区域上的点做局部凸包处理。进一步地，所述步骤S21中的代价函数以长度、转弯角度作为参数。进一步地，起点o到障碍多边形的切点t定义为：射线ot只穿过障碍多边形的顶点或者边。进一步地，切点选取过程如下：遍历所有障碍多边形的顶点，保留符合切点定义的顶点；在共线的切点中保留距离起点最远的顶点。进一步地，所述步骤S22中局部凸包处理具体包括以下步骤：步骤S221，随机添加一个障碍多边形上偏离路线的顶点，做为辅助点；步骤S222，对所有待优化顶点去除凹陷的点；步骤S223，去除辅助点；步骤S224，将剩下的顶点按原先的编号排序并加入路线结果。进一步地，所述步骤S222中采用Graham′sscan过程去除凹陷的点。进一步地，所述Graham′sscan过程中须加入优化后对于周边其余障碍的检测，以及待优化顶点的首末点不简化的限制。本专利技术的有益效果在于，对多边形局部做凸包操作将路线结果优化，产生了准确的全局最优的路线。附图说明图1是一种基于多边形障碍检测的无人机路线规划算法主过程。图2是路线生成及优化结果显示。图3是多边形切点实施例。图4是路线结果优化实施例。具体实施方式本专利技术提供了一种基于障碍物检测的无人机路线规划算法：1)对起点终点连线上最靠近起点的障碍区域，分别用起点终点对其做切点操作；以起点和起点的切点作为新的起点终点并且将终点切点到终点作为新的起点和终点，做递归规划的算法主体过程。2)从点对多边形障碍区域做切点操作。3)基于虚拟辅助点的多边形局部凸包优化操作。下文中，结合附图和实施例对本专利技术作进一步阐述。1)无人机路线规划算法主过程图1为本专利技术一种基于障碍物检测的无人机路线规划算法主过程的流程图，主要分为连通图建立和路线生成及优化两个大过程。首先建立从起点到终点的连通图，步骤如下：步骤S11，首先将环境中所有障碍多边形数据加载。步骤S12，如果对于起点o、终点d连线不与任何障碍区域相交，则跳至步骤16，将o、d的连线加入连通图。步骤S13，对于起点o终点d连线贯穿的所有障碍区域中选取最靠近起点的区域，分别从o和d对其作切线操作分各自产生两个切点，将它们记为to1、to2、td1、td2(其中to1，td1在od连线的同侧，to2，td2在另一侧)。步骤S14，将障碍区域多边形的边中to1至td1之间和to2至td2之间的所有边加入连通图。步骤S15，将(o，to1)、(o，to2)、(td1，d)、(td2，d)依次做为起点和终点从步骤2开始建立子图。步骤S16，将o，d加入连通图。至此连通图建立完成，接下来生成并优化路线，步骤如下：步骤S21：以长度，转弯角度等作为代价函数，用动态规划的方法选取最小代价的路线。步骤S22，对于路线中每个障碍区域上的点做局部凸包处理。图2为路线生成并优化后的结果显示。2)从点对多边形做切点操作对于多边形A外一点o到该多边形的切点t定义为：射线ot只穿过多边形A的顶点或边。如图3所示，切点to1从o向其引一条射线只穿过该顶点，而o向to2所引射线则会穿过一条多边形的边。它们都是切点。在具体实施时选取切点过程为：遍历所有多边形的顶点，保留符合上述切点定义的顶点。在共线的切点中保留距离起点最远的顶点。3)路线结果优化实际环境中，障碍区域的多边形有可能包含过多曲折的凹多边形，需要对于路线做局部的凸包处理。如图4中路线段0-13的凹陷导致路线结果体验太差，进行局部凸包的处理后结果为点[0，1，8，9，13]。优化主要过程为：步骤S221，随机添加一个多边形上偏离该段路线的顶点，做为辅助点(如图4中点14)。步骤S222，对所有这些待优化的顶点用Graham′sscan过程去除凹陷的点，过程中须加入优化后对于周边其余障碍的检测，以及待优化顶点首末点不简化的限制。步骤S223，去除辅助点(14)。步骤S224，将剩下的点按原先的编号排序并加入路线结果。在本专利技术中为达到最佳的性能效果，优选基于Linux平本文档来自技高网...

【技术保护点】
一种基于多边形障碍检测的无人机路线规划算法，其特征在于，包括连通图建立和路线生成及优化；所述连通图建立具体包括以下步骤：步骤11，将环境中所有障碍多边形数据加载；步骤12，如果对于起点o、终点d的连线不与任何障碍区域相交，则跳至步骤16，将起点o、终点d的连线加入连通图；步骤13，对于起点o、终点d连线贯穿的所有障碍区域中选取最靠近起点o的区域，分别从起点o和终点d对其作切线操作，各自产生两个切点，记为to1、to2、td1、td2；步骤14，将障碍多边形的边中to1至td1之间和to2至td2之间的所有边加入连通图；步骤15，将(o，to1)、(o，t02)、(td1，d)、(td2，d)依次做为起点和终点从步骤12开始建立子图；步骤S16，将起点o、终点d加入连通图；所述路线生成及优化具体包括以下步骤：步骤S21，建立代价函数，选取最小代价的路线；步骤S22，对于路线中每个障碍区域上的点做局部凸包处理。

【技术特征摘要】
1.一种基于多边形障碍检测的无人机路线规划算法，其特征在于，包括连通图建立和路线生成及优化；所述连通图建立具体包括以下步骤：步骤11，将环境中所有障碍多边形数据加载；步骤12，如果对于起点o、终点d的连线不与任何障碍区域相交，则跳至步骤16，将起点o、终点d的连线加入连通图；步骤13，对于起点o、终点d连线贯穿的所有障碍区域中选取最靠近起点o的区域，分别从起点o和终点d对其作切线操作，各自产生两个切点，记为to1、to2、td1、td2；步骤14，将障碍多边形的边中to1至td1之间和to2至td2之间的所有边加入连通图；步骤15，将(o，to1)、(o，t02)、(td1，d)、(td2，d)依次做为起点和终点从步骤12开始建立子图；步骤S16，将起点o、终点d加入连通图；所述路线生成及优化具体包括以下步骤：步骤S21，建立代价函数，选取最小代价的路线；步骤S22，对于路线中每个障碍区域上的点做局部凸包处理。2.如权利要求1所述的一种基于多边形障碍检测的无人机路线规划算法，其特征在于，所述步骤S21中的代价函数以长度、转弯角度作为参数。3.如权利要...

【专利技术属性】
技术研发人员：窦金生，
申请(专利权)人：千寻位置网络有限公司，
类型：发明
国别省市：上海,31