一种无人机三维面覆盖路径的规划方法技术

本发明专利技术公开了一种无人机三维面覆盖路径的规划方法，由以下步骤组成：步骤1：在Isaac Sim虚拟环境中生成建筑物、设施或基建的三维模型，步骤2：选取大量观测点位并形成连通图，步骤3：取连通图内的任意一点设为无人机的路径起始点，使得无人机利用混合策略在无人机最大续航时间内进行不断动作，步骤4：选取无人机最后动作对应的起点，并在该起点预定距离内任意选取一个新观测点，步骤5：计算该路径的动作价值，步骤6：不断迭代训练直至路径的动作价值函数收敛，并以最优的动作价值函数作为衡量无人机动作的评价方法；本发明专利技术可以实现从合成数据到真实数据的直接迁移，可在三维设施精确三维模型未知的条件下，实现更加高效的三维覆盖规划。规划。

【技术实现步骤摘要】
一种无人机三维面覆盖路径的规划方法


[0001]本专利技术属于人工智能领域，尤其涉及一种无人机三维面覆盖路径的规划方法。

技术介绍

[0002]随着机器人和人工智能技术的发展，无人机越来越多地被应用于自主覆盖检测任务，例如居民建筑物的受损状态检测、公路桥梁的健康状态检测、风力发电设施的养护情况检测等等。这些检测任务都需要无人机携带相机等传感器抵近被检测设施，对整个设施进行自主全覆盖扫描，以上均需要依赖于全覆盖扫描路径的规划。
[0003]“Near
‑
Optimal 3
‑
D Visual Coverage for Quadrotor Unmanned Aerial Vehicles Under Photogrammetric Constraints”一文，提出了一种分层式的覆盖规划算法，详细考虑的传感器的模型和系统的动力学，能够直接生成无人机可执行的覆盖轨迹，但是主要采用TSP求解器来求解覆盖规划问题，计算量较大。
[0004]“Learn
‑
to
‑
Score:Efficient 3D Scene Exploration by Predicting View Utility”一文，采用3D卷积神经网络来直接从传感器获取的深度信息计算效用函数，然后在线选取下一覆盖点位，但是存在训练过程计算量超级大，且可解释性不强的问题。
[0005]“Coverage path planning with unmanned aerial vehicles for 3D terrain reconstruction”一文中，讨论了三维地形的构建问题，采用样条拟合曲面，并在表面均匀采用，获取观测点，最终采用Z字形轨迹完成覆盖，但是轨迹过于简单，无法完成复杂大型设施的覆盖任务。
[0006]目前已有的覆盖规划方法主要针对二维平面的覆盖，模型较为简单，无法实现大型设施的三维面覆盖规划，部分三维面覆盖规划均严重依赖于事先已知的三维模型和全部的状态信息，从而利用启发式方法规划出一条覆盖路径。由于实际中状态不完全可观以及三维模型存在误差，所规划路径往往难以达到精确覆盖三维设施的效果。

技术实现思路

[0007]本专利技术的目的是提供一种无人机三维面覆盖路径的规划方法，以解决现有的方法所规划路径难以达到精确覆盖三维设施的效果的问题。
[0008]本专利技术采用以下技术方案：一种无人机三维面覆盖路径的规划方法，由以下步骤组成：
[0009]步骤1：在Isaac Sim虚拟环境中生成建筑物、设施或基建的三维模型，
[0010]步骤2：在三维模型中建筑物、设施或基建附近的空闲空间选取大量观测点位并形成连通图，
[0011]步骤3：取连通图内的任意一点设为无人机的路径起始点，使得无人机利用混合策略在无人机最大续航时间内进行不断动作，
[0012]步骤4：选取无人机最后动作对应的起点，并在该起点预定距离内任意选取一个新观测点，新观测点处于连通图内，
[0013]步骤5：根据新观测点信息和已访问观测点信息计算该路径的动作价值，
[0014]步骤6：不断迭代训练直至路径的动作价值函数收敛，并以最优的动作价值函数作为衡量无人机动作的评价方法。
[0015]进一步地，步骤3中，混合策略包括以概率β
i
执行专家策略和以概率(1
‑
β
i
)执行随机策略，专家策略为任意旅行商问题求解器给出的动作策略。
[0016]进一步地，步骤4中，预定距离为3米。
[0017]进一步地，步骤5中，已访问观测点信息为已访问观测点和深度图像二元组组合成的有序序列。
[0018]进一步地，步骤5中，动作价值的计算公式为：
[0019][0020]式中，v为观测点位，定义i时刻的路径为为效用函数，效用函数为栅格地图中已观测到的被占用栅格数||C||与真值地图中总的被占用栅格数||φ||之比，可量化表示当前的覆盖状态，T(ξ
i
,φ)为观测点路径在欧式空间中的长度。
[0021]本专利技术的有益效果是：
[0022]1、本专利技术可以实现从合成数据到真实数据的直接迁移，可在三维设施精确三维模型未知的条件下，实现更加高效的三维覆盖规划；
[0023]2、本专利技术将模仿学习方法引入到大型设施覆盖检测领域，采用专家策略实现知识的迁移，进而实现状态信息部分可观条件下的三维覆盖路径规划，考虑专家策略计算量较大，因此在训练过程中混合使用了已训练模型和专家策略，仅在最后一步时使用专家策略评估动作价值函数，大大减少了训练过程中的运算量；
[0024]3、本专利技术由于采用了最新的虚拟仿真系统来更逼真的渲染设施模型，因此可以实现模型从合成数据到真实世界数据的直接泛化，可以用于居民建筑物的受损状态检测、公路桥梁的健康状态检测、风力发电设施的养护情况检测等领域，具有重大实用意义；
[0025]4、本专利技术为了解决现有技术对三维面覆盖考虑较少、三维结构精确模型未知以及机器人状态不可观带来的影响，本专利技术方法整体分为两部分，第一部分是专家系策略，专家策略可以获得全部的状态信息，包括场景的三维模型真值和精确的定位信息等，并且在此基础上根据传感器模型和覆盖要求规划出一条最优覆盖轨迹，来指导神经网络规划器的训练，第二部分是神经网络规划器，此规划器无法获取全部的状态信息，只能够获得局部的感知信息，包括深度传感器采集的实时场景深度信息，以及位姿信息，并利用专家策略给出的指导信息作为标签来进行训练，最终得到的神经网络规划器可以在模型未知的情况下实现对大型设施的端到端全覆盖规划。
具体实施方式
[0026]下面结合具体实施方式对本专利技术进行详细说明。
[0027]须知，本说明书仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修
饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
所能涵盖的范围内。
[0028]本专利技术公开了一种无人机三维面覆盖路径的规划方法，由以下步骤组成：
[0029]步骤1：在Isaac Sim虚拟环境中生成建筑物、设施或基建的三维模型，
[0030]步骤2：在三维模型中建筑物、设施或基建附近的空闲空间选取大量观测点位并形成连通图，
[0031]步骤3：取连通图内的任意一点设为无人机的路径起始点，使得无人机利用混合策略在无人机最大续航时间内进行不断动作，
[0032]步骤4：选取无人机最后动作对应的起始点，并在该起始点预定距离内任意选取一个新观测点，新观测点处于连通图内，
[0033]步骤5：根据新观测点信息和已访问观测点信息计算该路径的动作价值，
[0034]步骤6：不断迭代训练直至路径的动作价值函数收敛，并以最优的动作价值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机三维面覆盖路径的规划方法，其特征在于，由以下步骤组成：步骤1：在Isaac Sim虚拟环境中生成建筑物、设施或基建的三维模型，步骤2：在三维模型中建筑物、设施或基建附近的空闲空间选取大量观测点位并形成连通图，步骤3：取连通图内的任意一点设为无人机的路径起始点，使得无人机利用混合策略在无人机最大续航时间内进行不断动作，步骤4：选取无人机最后动作对应的起点，并在该起点预定距离内任意选取一个新观测点，所述新观测点处于连通图内，步骤5：根据新观测点信息和已访问观测点信息计算该路径的动作价值，步骤6：不断迭代训练直至路径的动作价值函数收敛，并以最优的动作价值函数作为衡量无人机动作的评价方法。2.根据权利要求1所述的一种无人机三维面覆盖路径的规划方法，其特征在于，步骤3中，所述混合策略包括以概率β
i
执行专家策略和以概率(1
‑
β
i...

【专利技术属性】
技术研发人员：孙语遥，张夷斋，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：