一种基于无人机能量的覆盖路径规划方法及装置制造方法及图纸

本发明专利技术提供了一种基于无人机能量的覆盖路径规划方法及装置，其中的方法包括以下步骤：第一步，建立地形数字化表明模型，利用地形的DEM信息，结合张量积Bezier曲面，建立地形数字化表面模型DSM，从而确定地形表明的法向量与无人机感知采样点位置并建立区间分段路径；第二步，建立无人机飞行功率模型，计算无人机在空间路径段上的能量消耗；第三步，利用GA算法遍历路径空间，寻找能量最优的覆盖路径。本发明专利技术可以实现提高观测分辨率一致性、保证无人机在分段路径上能量消耗最少；利用遗传算法，遍历搜索飞行路径次序，使路径在满足观测覆盖度与观测分辨率的条件下，具有能量最优化的特征的技术效果。

A Coverage Path Planning Method and Device Based on UAV Energy

【技术实现步骤摘要】
一种基于无人机能量的覆盖路径规划方法及装置
本专利技术涉及无人机控制
，具体涉及一种基于无人机能量的覆盖路径规划方法及装置。
技术介绍
随着智能控制与无人技术的发展，无人机(UnmannedAerialVehicle,UAV)在对地观测、农作物监测、灾难救援以及目标侦查等民用领域和军事领域中发挥着越来越重要的应用价值。覆盖路径规划是无人机快速高效执行任务的基础。覆盖路径规划的目的是提供一条覆盖所有观测区域并且满足飞行时间、路径长度或者能量消耗等指标最优的飞行轨迹。现有技术中，根据不同的应用场景，通常将覆盖路径规划分为以下几个大类：基于覆盖信息最大化的覆盖路径规划、基于覆盖时间最短的覆盖路径规划、基于覆盖面积最大的覆盖路径规划、基于覆盖重复率最低的覆盖路径规划、基于路径长度最短的覆盖路径规划以及基于能量最优的覆盖路径规划。典型的覆盖路径规划算法有：梯形分解法、摩斯函数分解法、TSP(TravelingSalesmanProblem)、MTSP(MultipleTravelingSalesmanProblem)、SOM(SelfOrganizingMapping)等。本申请专利技术人在实施本专利技术的过程中，发现现有技术的方法，至少存在如下技术问题：以梯形分解法与摩斯函数分解法为代表的地形分解算法采用化整为零的思路，将带观测空间的复杂地形分解为简单、无重叠的单元，使无人机能以简单的运动方式(牛耕式、割草式等)实现对非规则地形基于包含多边形障碍物的地形进行完全覆盖。但是这种方法并没有解决地形引起的观测分辨率差异性问题，而且缺乏对无人机能量消耗的深入研究，无法对能量进行有效利用。由此可知，现有技术的方法存在无人机能量利用率低的技术问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于无人机能量的覆盖路径规划方法及装置，用以解决或者至少部分解决现有技术的方法存在无人机能量利用率低的技术问题。本专利技术第一方面提供了一种基于无人机能量的覆盖路径规划方法，包括：步骤S1：初始化无人机任务地图，标注待观测区域边界，根据观测分辨率计算采样区域面积，再利用预设网格图元信息，建立采样区域的数字化表面模型；步骤S2：确定无人机在每个网格面上的观测采样位置，其中，观测采样位置包括至少两个采样点，连接每两个采样点建立分段路径，根据动能定理，构建无人机的功率速度模型，基于功率速度模型和数字化表面模型计算无人机在分段路径上的能量消耗，并根据分段路径上的能量消耗建立整个待观测区域的能量消耗图；步骤S3：采用遗传算法对能量消耗图进行遍历，获得总能量消耗最少的覆盖路径，其中，总能量消耗为无人机在各个分段路径上的能量消耗总和。在一种实施方式中，步骤S1具体包括：步骤S1.1：估计待观测区域总面积S0，并且根据观测分辨率的计算公式，计算无人机的飞行高度，再根据相机视场角与无人机飞行高度H，确定采样区域的面积：步骤S1.2：利用预设软件产生网格化图元信息，其中，图元的数量N通过公式N＝So/Ss计算，So表示观测区域面积，Ss表示采样区域面积，记录并存储所有网格图元的位置与高程信息；步骤S1.3：根据图元数量N确定张量积Bezier曲面的阶数，基于曲面的阶数和已记录的网格图元的位置与高程信息生成张量积Bezier曲面，将其作为采样区域的数字化表面模型。在一种实施方式中，步骤S2具体包括：步骤S2.1：采用动能定理对无人机从启动到稳定飞行状态过程进行描述，动能定理的公式为：其中，P表示稳定状态下的输出功率，fr＝fs+fa(fs＝1/2V2CDAρ,fa＝kG)，fr表示飞行时的静摩擦力，Aρ表示空气雷诺系数，CD表示升力系数，k表示静态空气摩擦系数，V表示空气流动速度，fs表示飞行时的空气摩擦力；对动能定理的公式进行化简分析，获得无人机的功率速度模型：其中，v0与P0分别表示稳定状态下的飞行速度与对应的功率输出，m表示无人机的起飞质量，C为与空气摩擦力相关的常量；步骤S2.2：基于DSM模型，计算无人机在空间采样点的经纬度与高度信息，进一步通过地球圆弧模型，得到分段路径的长度、坡度信息；步骤S2.3：根据功率速度模型和空间两点路径的距离、坡度信息，计算分段路径上无人机的能量消耗；步骤S2.4：根据分段路径上的能量消耗建立整个待观测区域的能量消耗图。在一种实施方式中，步骤S3具体包括：步骤S3.1：初始化种群参数，种群参数具体包括种群个数Cp，染色体基因个数Cg，迭代次数C，交叉概率Pc，变异概率Pm；步骤S3.2：计算染色体之间的适应度Fi＝1/∑Epq，并且按照预设概率选择优化的个体，选择概率Pi＝k·Fi；步骤S3.3：在交叉过程中，采用部分匹配交叉算法，随机选择两个个体，在对应位置交换若干个基因片段，防止局部收敛，再随机选取个体的两个基因进行交换以实现变异操作；步骤S3.4：重复执行步骤S3.1～S3.3，当达到预设迭代次数时，将具有最大适应度个体作为最优解输出，其中，最优解对应总能量消耗最少的覆盖路径。在一种实施方式中，预设概率根据收敛效果进行设置。基于同样的专利技术构思，本专利技术第二方面提供了一种基于无人机能量的覆盖路径规划装置，包括：数字化表面模型建立模块，用于初始化无人机任务地图，标注待观测区域边界，根据观测分辨率计算采样区域面积，再利用预设网格图元信息，建立采样区域的数字化表面模型；功率速度模型构建模块，用于确定无人机在每个网格面上的观测采样位置，其中，观测采样位置包括至少两个采样点，连接每两个采样点建立分段路径，根据动能定理，构建无人机的功率速度模型，基于功率速度模型和数字化表面模型计算无人机在分段路径上的能量消耗，并根据分段路径上的能量消耗建立整个待观测区域的能量消耗图；能量消耗图遍历模块，用于采用遗传算法对能量消耗图进行遍历，获得总能量消耗最少的覆盖路径，其中，总能量消耗为无人机在各个分段路径上的能量消耗总和。在一种实施方式中，数字化表面模型建立模块具体用于执行下述步骤：步骤S1.1：估计待观测区域总面积S0，并且根据观测分辨率的计算公式，计算无人机的飞行高度，再根据相机视场角与无人机飞行高度H，确定采样区域的面积：步骤S1.2：利用预设软件产生网格化图元信息，其中，图元的数量N通过公式N＝So/Ss计算，So表示观测区域面积，Ss表示采样区域面积，记录并存储所有网格图元的位置与高程信息；步骤S1.3：根据图元数量N确定张量积Bezier曲面的阶数，基于曲面的阶数和已记录的网格图元的位置与高程信息生成张量积Bezier曲面，将其作为采样区域的数字化表面模型。在一种实施方式中，功率速度模型构建模块具体用于执行下述步骤：步骤S2.1：采用动能定理对无人机从启动到稳定飞行状态过程进行描述，动能定理的公式为：其中，P表示稳定状态下的输出功率，fr＝fs+fa(fs＝1/2V2CDAρ,fa＝kG)，fr表示飞行时的静摩擦力，Aρ表示空气雷诺系数，CD表示升力系数，k表示静态空气摩擦系数，V表示空气流动速度，fs表示飞行时的空气摩擦力；对动能定理的公式进行化简分析，获得无人机的功率速度模型：其中，v0与P0分别表示稳定状态下的飞行速度与对应的功率输出，m表示无人机的起飞质量，C为与空气摩擦力相关的常量；步骤S2.2：基于DSM模型，计算无人本文档来自技高网...

【技术保护点】
1.一种基于无人机能量的覆盖路径规划方法，其特征在于，包括：步骤S1：初始化无人机任务地图，标注待观测区域边界，根据观测分辨率计算采样区域面积，再利用预设网格图元信息，建立采样区域的数字化表面模型；步骤S2：确定无人机在每个网格面上的观测采样位置，其中，观测采样位置包括至少两个采样点，连接每两个采样点建立分段路径，根据动能定理，构建无人机的功率速度模型，基于功率速度模型和数字化表面模型计算无人机在分段路径上的能量消耗，并根据分段路径上的能量消耗建立整个待观测区域的能量消耗图；步骤S3：采用遗传算法对能量消耗图进行遍历，获得总能量消耗最少的覆盖路径，其中，总能量消耗为无人机在各个分段路径上的能量消耗总和。

【技术特征摘要】
1.一种基于无人机能量的覆盖路径规划方法，其特征在于，包括：步骤S1：初始化无人机任务地图，标注待观测区域边界，根据观测分辨率计算采样区域面积，再利用预设网格图元信息，建立采样区域的数字化表面模型；步骤S2：确定无人机在每个网格面上的观测采样位置，其中，观测采样位置包括至少两个采样点，连接每两个采样点建立分段路径，根据动能定理，构建无人机的功率速度模型，基于功率速度模型和数字化表面模型计算无人机在分段路径上的能量消耗，并根据分段路径上的能量消耗建立整个待观测区域的能量消耗图；步骤S3：采用遗传算法对能量消耗图进行遍历，获得总能量消耗最少的覆盖路径，其中，总能量消耗为无人机在各个分段路径上的能量消耗总和。2.如权利要求1所述的方法，其特征在于，步骤S1具体包括：步骤S1.1：估计待观测区域总面积S0，并且根据观测分辨率的计算公式，计算无人机的飞行高度，再根据相机视场角与无人机飞行高度H，确定采样区域的面积：步骤S1.2：利用预设软件产生网格化图元信息，其中，图元的数量N通过公式N＝So/Ss计算，So表示观测区域面积，Ss表示采样区域面积，记录并存储所有网格图元的位置与高程信息；步骤S1.3：根据图元数量N确定张量积Bezier曲面的阶数，基于曲面的阶数和已记录的网格图元的位置与高程信息生成张量积Bezier曲面，将其作为采样区域的数字化表面模型。3.如权利要求1所述的方法，其特征在于，步骤S2具体包括：步骤S2.1：采用动能定理对无人机从启动到稳定飞行状态过程进行描述，动能定理的公式为：其中，P表示稳定状态下的输出功率，fr＝fs+fa(fs＝1/2V2CDAρ,fa＝kG)，fr表示飞行时的静摩擦力，Aρ表示空气雷诺系数，CD表示升力系数，k表示静态空气摩擦系数，V表示空气流动速度，fs表示飞行时的空气摩擦力；对动能定理的公式进行化简分析，获得无人机的功率速度模型：其中，v0与P0分别表示稳定状态下的飞行速度与对应的功率输出，m表示无人机的起飞质量，C为与空气摩擦力相关的常量；步骤S2.2：基于DSM模型，计算无人机在空间采样点的经纬度与高度信息，进一步通过地球圆弧模型，得到分段路径的长度、坡度信息；步骤S2.3：根据功率速度模型和空间两点路径的距离、坡度信息，计算分段路径上无人机的能量消耗；步骤S2.4：根据分段路径上的能量消耗建立整个待观测区域的能量消耗图。4.如权利要求1所述的方法，其特征在于，步骤S3具体包括：步骤S3.1：初始化种群参数，种群参数具体包括种群个数Cp，染色体基因个数Cg，迭代次数C，交叉概率Pc，变异概率Pm；步骤S3.2：计算染色体之间的适应度Fi＝1/∑Epq，并且按照预设概率选择优化的个体，选择概率Pi＝k·Fi；步骤S3.3：在交叉过程中，采用部分匹配交叉算法，随机选择两个个体，在对应位置交换若干个基因片段，防止局部收敛，再随机选取个体的两个基因进行交换以实现变异操作；步骤S3.4：重复执行步骤S3.1～S3.3，当达到预设迭代次数时，将具有最大适...

【专利技术属性】
技术研发人员：孙涛，熊正强，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42