一种基于无人机的无轨迹运动规划方法技术

一种基于无人机的无轨迹运动规划方法

【技术实现步骤摘要】
一种基于无人机的无轨迹运动规划方法、装置及设备


[0001]本专利技术涉及人工智能
，具体涉及一种基于无人机的无轨迹运动规划方法
、
装置及设备
。

技术介绍

[0002]仓库是物流企业
、
生产企业
、
机关单位的关键组成部分之一，在货物分拣
、
中转
、
配送等现代化物流服务中起重要作用，尤其近年来的“网购潮”带来物流运输量快速增加，由于运输堆叠方式不当
、
人工搬运
、
机械划伤等众多原因导致货物破损情况严重
。
货物的外观破损，不仅影响商品美观度，同时也可能影响其质量，严重影响消费者的购物体验，损害企业品牌形象，导致企业运营成本增加，据不完全统计，因货物破损造成的经济损失每年超百亿元，陶瓷
、
玻璃类因材质原因，在物流运输
、
仓储转运
、
人工搬运导致破损率超过
20
％，直接经济损失上亿人民币；冰箱
、
洗衣机等大型家电类产品，因体积较大与人工搬运困难等原因导致外包装碰撞挤压变形，该类外包装破损占总货损超过8％，经济损失高达每年数十亿元
。
[0003]传统的仓库货物检测方法主要依靠人工核检完成，虽然能够实现对多种货物的质量检查，但查验流程复杂
、
耗时长
、
且需要大量员工参与，增加了企业的人力与财力支出
。
无人机巡检是一种新兴的智能检测方式，通过将相关检测设备搭载在无人机平台，工作人员操控无人机的飞行状态实现对多种目标的远距离
、
非接触式检测
。
目前，基于无人机巡航的检测技术已经逐渐应用于航拍摄影
、
道路勘测
、
大型设备检测等多个领域
。
目前研发一种在小型无人机上搭载射频识别
(RFID)
装置来识别仓库货物的条码，辅助仓储管理员解决库存数据与实际物料存储不匹配的问题
。
相较于传统的人工检查方式，采用无人机搭载检测设备的新兴检测方式，具备操作简单
、
可移植性强
、
效率高等优点，结合多种传感器可实现多场景
、
多元化的应用
。
因此，将无人机用在仓储领域具有非常实际的意义
。
[0004]而在仓储领域中，应用无人机所进行的运动规划主要目标是在遵守来自环境和无人机本身约束的同时，实现将无人机从初始位置自主运动到目标位置
。
在运动规划算法的应用中，该算法的成功主要取决于其处理障碍物和动力学的能力
。
而无轨迹运动规划是提出的一种新的概念，这种方法不是基于轨迹的方法，此类问题中的一个典型方法就是使用连接的子区域对地图进行分段，之后，建立无人机的实时规划器和运动控制器实现将无人机驱动到满足来自目标区域约束的无人机规划出来的目标区域
。
现有算法实现的无轨迹运动规划的无人机自主运行水平还是比较差，时不时会碰撞到仓库的架子上或者碰撞到地面上，因此，需要采用更鲁棒性的算法实现无人机的无轨迹运动规划
。

技术实现思路

[0005]本专利技术主要解决的技术问题是在不可预测的无人机所处环境中提供一种安全可靠的运动规划方法，提高无人机的自主运动规划水平
。
[0006]根据第一方面，一种实施例中提供一种基于无人机的无轨迹运动规划方法
,
其特
征在于，包括：
[0007]获取预构建的无人机参考区域对应的稀疏邻域图和运动参考策略；所述运动参考策略根据所述稀疏邻域图生成；
[0008]按照所述运动参考策略在所述稀疏邻域图中执行无人机的运动，并获取无人机在运动时的无人机参考节点和无人机目标节点，根据所述无人机参考节点和所述无人机目标节点构建无人机状态向量；
[0009]基于所述无人机状态向量和预设控制器对所述无人机进行运动控制
。
[0010]一实施例中，所述获取预构建的无人机参考区域对应的稀疏邻域图和运动参考策略，包括
[0011]获取预设参考节点及所述参考节点对应的节点区域，根据所述无人机参考区域
、
预先设置的采样点和所述参考节点对应的节点区域进行邻域图生成，得到稀疏邻域图；
[0012]计算所述稀疏邻域图对应的边缘成本，根据所述边缘成本和预设搜索算法对所述稀疏邻域图进行路径搜索，得到运动参考策略
。
[0013]一实施例中，根据所述无人机参考区域
、
预先设置的采样点和所述参考节点对应的节点区域进行邻域图生成，得到稀疏邻域图，包括：
[0014]选取所述无人机参考区域中剔除所述参考节点对应的节点区域后的区域作为目标区域；
[0015]判断所述采样点是否在所述目标区域内，当所述采样点不在所述目标区域内时，将所述采样点进行删除并重新获取采样点进行判断；
[0016]当所述采样点在所述目标区域内时，生成第一节点，根据所述第一节点和所述采样点进行多次图形扩展，直至满足预设终止条件时，将图形扩展后的邻域图作为稀疏邻域图
。
[0017]一实施例中，根据所述边缘成本和预设搜索算法对所述稀疏邻域图进行路径搜索，得到运动参考策略，包括：
[0018]根据所述边缘成本对应的边缘成本最小化原则识别所述稀疏邻域图中的多个节点及所述多个节点的节点顺序；
[0019]根据所述多个节点的节点顺序和所述搜索算法对所述多个节点进行路径构建，得到运动参考策略
。
[0020]一实施例中，根据所述无人机参考节点和所述无人机目标节点构建无人机状态向量，包括：
[0021]根据所述无人机参考节点和所述无人机目标节点识别对应的质心；
[0022]根据所述质心分别构建第一变换矩阵和第二变换矩阵；所述第一变换矩阵是目标坐标系与世界坐标系的姿态，所述第二变换矩阵是无人机对应的坐标系与世界坐标系的姿态；
[0023]利用所述第一变换矩阵和所述第二变换矩阵生成对应的第三变换矩阵；所述第三变换矩阵是无人机对应的坐标系与目标坐标系的姿态；
[0024]基于所述第三变换矩阵生成所述无人机与所述目标坐标系对应的无人机状态向量
。
[0025]一实施例中，基于所述无人机状态向量和预设控制器对所述无人机进行运动控
制，包括：
[0026]以所述无人机状态向量作为所述控制器的状态约束条件，并利用所述控制器控制所述无人机飞行至所述运动参考策略中的节点对应的位置；
[0027]当所述运动参考策略中的节点对应的位置符合预设更新条件时，重新计算所述无人机对应的无人机状态向量，并根据重新计算的无人机状态向量对所述无人机进行运动控制，直至所述无人机飞行至预设最终节点
。
[0028本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于无人机的无轨迹运动规划方法
,
其特征在于，包括：获取预构建的无人机参考区域对应的稀疏邻域图和运动参考策略；所述运动参考策略根据所述稀疏邻域图生成；按照所述运动参考策略在所述稀疏邻域图中执行无人机的运动，并获取无人机在运动时的无人机参考节点和无人机目标节点，根据所述无人机参考节点和所述无人机目标节点构建无人机状态向量；基于所述无人机状态向量和预设控制器对所述无人机进行运动控制
。2.
如权利要求1所述的方法，其特征在于，所述获取预构建的无人机参考区域对应的稀疏邻域图和运动参考策略，包括获取预设参考节点及所述参考节点对应的节点区域，根据所述无人机参考区域
、
预先设置的采样点和所述参考节点对应的节点区域进行邻域图生成，得到稀疏邻域图；计算所述稀疏邻域图对应的边缘成本，根据所述边缘成本和预设搜索算法对所述稀疏邻域图进行路径搜索，得到运动参考策略
。3.
如权利要求2所述的方法，其特征在于，所述根据所述无人机参考区域
、
预先设置的采样点和所述参考节点对应的节点区域进行邻域图生成，得到稀疏邻域图，包括：选取所述无人机参考区域中剔除所述参考节点对应的节点区域后的区域作为目标区域；判断所述采样点是否在所述目标区域内，当所述采样点不在所述目标区域内时，将所述采样点进行删除并重新获取采样点进行判断；当所述采样点在所述目标区域内时，生成第一节点，根据所述第一节点和所述采样点进行多次图形扩展，直至满足预设终止条件时，将图形扩展后的邻域图作为稀疏邻域图
。4.
如权利要求2所述的方法，其特征在于，所述根据所述边缘成本和预设搜索算法对所述稀疏邻域图进行路径搜索，得到运动参考策略，包括：根据所述边缘成本对应的边缘成本最小化原则识别所述稀疏邻域图中的多个节点及所述多个节点的节点顺序；根据所述多个节点的节点顺序和所述搜索算法对所述多个节点进行路径构建，得到运动参考策略
。5.
如权利要求1所述的方法，其特征在于，所述根据所述无人机参考节点和所述无人机目标节点构建无人机状态向量，包括：根据所述无人机参考节点和所述无人机目标节点识别对应的质心；根据所述质心分别构建第一变换矩阵和第二变换矩阵；所述第...

【专利技术属性】
技术研发人员：孙凯，王志敏，林昶荣，
申请(专利权)人：深圳市华赛睿飞智能科技有限公司，
类型：发明
国别省市：