CN107478233B - 一种地质勘探航迹规划方法及*** - Google Patents
一种地质勘探航迹规划方法及*** Download PDFInfo
- Publication number
- CN107478233B CN107478233B CN201710740776.0A CN201710740776A CN107478233B CN 107478233 B CN107478233 B CN 107478233B CN 201710740776 A CN201710740776 A CN 201710740776A CN 107478233 B CN107478233 B CN 107478233B
- Authority
- CN
- China
- Prior art keywords
- exploration
- unit
- efforts
- concentrated
- prospecting
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种地质勘探航迹规划方法,包括:根据数字地图信息,确定非重点勘探区域和重点勘探区域,其中,重点勘探区域包括m个勘探单元,m≥1,m为整数。根据代价函数,确定载有高光谱仪的多旋翼无人机从起始点到重点勘探区域的第一最优航迹线,并得到第一最优航迹线对应的勘探单元。根据代价函数和勘探单元,确定多旋翼无人机对m个勘探单元的勘探顺序。根据m个勘探单元、勘探顺序和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。根据代价函数,确定多旋翼无人机从勘探终点到起始点的第二最优航迹线,完成地质勘探航迹规划。本发明提高了无人机地质勘探的效率和精确度,降低了勘探成本。
Description
技术领域
本发明涉及航迹规划技术领域,特别涉及一种地质勘探航迹规划方法及***。
背景技术
目前,我国民用无人机正处于高速发展阶段,民用无人机的使用率越来越高。其中,固定翼无人机多被用于地质方面,在植被研究、地质调查、环境监测等方面发挥了重要的作用,能够帮助我们尽早获得详尽的信息,从而有效减少损失。固定翼无人机遥感是以固定翼无人机为飞行平台搭载传感器设备获取地面信息的遥感方式,随着社会经济的快速发展,地质环境承受着人类强烈的改造与破坏活动,地质灾害与地质环境问题日渐严重,地质环境快速而全面地监测成为当前颇为紧迫的问题,无人机遥感弥补了卫星遥感和普通航空遥感时效性不强、缺乏机动灵活性、受限于天气条件、很难获取云下影像的不足。
目前,无人机低空摄影测量技术已经在基础地理信息更新、确权登记发证、国土资源调查、工程测量、环境保护等领域得到了广泛的应用,并取得了良好的效果。无人机低空摄影测量可快速获取精度较高的数字高程模型 (DEM)和数字正射影像图(DOM),将无人机低空摄影测量技术应用于露天矿山开采监测中,可以从空中监视、无人到达目标区可以取证,有效地实现监管。与其它监测方法相比,无人机低空摄影测量技术具有不可比拟的。
但固定翼无人机在地质勘探方面存在以下缺点:固定翼无人机没法悬停,对场地环境要求较高,而矿区受到露天矿山开采方式等因素的影响,地形复杂,极不规则,部分区域难以抵达,因此,使用固定翼无人机进行地质勘探极为不便;由于无人机的可操控距离远,导致用人眼无法判断无人机具体的飞行状态,如飞行方向、飞行距离等,加之缺乏对无人直升机在露天矿区的飞行航迹进行合理有效的规划,导致操作人员所选飞行路径并非最优,甚至由于环境条件恶劣,导致无人机易发生坠毁;矿区范围较大,导致作业成本升高。
发明内容
本发明提供了一种地质勘探航迹规划方法及***,解决了现有技术中无人机地质勘探成本高、精度不高的技术问题。
本发明解决上述技术问题的技术方案如下:一种地质勘探航迹规划方法,包括以下步骤:
步骤1、根据数字地图信息,确定非重点勘探区域和重点勘探区域,其中,所述重点勘探区域包括m个勘探单元,m≥1,m为整数;
步骤2、根据代价函数,确定载有高光谱仪的多旋翼无人机从起始点到所述重点勘探区域的第一最优航迹线,并得到所述第一最优航迹线对应的勘探单元;
步骤3、根据所述代价函数和所述勘探单元,确定所述多旋翼无人机对所述m个勘探单元的勘探顺序;
步骤4、根据所述m个勘探单元、所述勘探顺序和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
步骤5、根据所述代价函数,确定所述多旋翼无人机从所述勘探终点到所述起始点的第二最优航迹线,完成地质勘探航迹规划。
本发明的有益效果是:成像光谱是利用很多很窄的电磁波波段从感兴趣的物体的反射中获取有关数据,高光谱仪勘测范围特别大,且高光谱图像具有很高的光谱分辨率,能够提供更为丰富的地物细节,在植被研究、地质调查、环境监测等方面发挥了重要的作用,本发明利用高光谱仪勘探范围大、高光谱仪图像光谱分辨率高的特性,使用搭载有高光谱仪的多旋翼无人机,适合于多旋翼无人机在地质勘探方面的作业,另外,对高光谱仪的对每个勘探单元进行详细地最优航迹规划,克服了传统作业方式中规划航迹的不足,使其能完成作业目标的情况下,降低各种成本消耗,提高作业效率和勘探精确度。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤4包括:
步骤4.1、根据每一个所述勘探单元的形状,将其分割成多个三角形;
步骤4.2、分别确定每一个所述勘探单元对应的多个三角形的内切圆;
步骤4.3、根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
本发明的进一步有益效果是:对勘探单元进行三角形分割,求取每个三角形的内切圆,然后对每个三角形内区域进行航迹规划,保证了较大面积的航迹覆盖范围。再结合m个勘探单元的勘探顺序,并考虑代价函数,可规划出成本低且勘探覆盖范围大的航迹线。
进一步,所述步骤4包括:
步骤4.1、根据每一个所述勘探单元的形状,将其填补成多边形;
步骤4.2、将每一个所述勘探单元对应的多变形分割成多个三角形;
步骤4.3、分别确定所述多个三角形的内切圆;
步骤4.4、根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
本发明的进一步有益效果是:在实际勘探现场,部分区域会成任意n边型,并且飞行区域的边界节点较多,即n较大,单纯使用“分割法”将勘探单元分割的航迹规划方法并不方便。因此提出一种将任意n边型先填补成一个 N多边形(视情况而定,且N<<n),再对填补后形成的N多边形进行分割,在每一个分割区域进行航迹规划,简化了航迹规划,同时保证了较大面积的航迹覆盖范围。再结合m个勘探单元的勘探顺序,并考虑代价函数,可规划出成本低且勘探覆盖范围大的航迹线。
进一步,所述步骤4中,所述根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点,具体包括:
确定每一个所述勘探单元对应的每一个所述内切圆的半径值和圆心位置;
将以每一个所述内切圆的半径值的一半为半径、圆心位置为圆心的圆,确定为每一个所述内切圆内部的勘探路线圆;
根据所述勘探顺序、所述勘探路线圆和所述代价函数,得到所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
本发明的进一步有益效果是:在分割区(及每个三角形)内的内切圆内再进行圆形规划,得到内切圆内部的圆形,将该圆形定为载有高光谱仪的多旋翼无人机在该分割区内的航迹线,根据不同勘探单元的勘探顺序和代价函数,即可确定不同内切圆内部的圆形的连接关系以及无人机在各圆形的起始点和终点(由于内切圆内部的圆形定为无人机的航迹线,因此,无人机在每个分割区内的起始点即为终点),最终得到多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。航迹覆盖范围广,勘探成本低。
进一步,所述步骤4包括:
根据所述m个勘探单元、所述勘探顺序、最优启发式搜索算法和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
本发明的进一步有益效果是:根据最优启发式搜索算法,结合m个勘探单元的勘探顺序以及代价函数,可确定出勘探成本低、航迹覆盖范围广的最优勘探路线。
为解决本发明的技术问题,还提供了一种地质勘探航迹规划***,包括:
勘探区域确定模块,用于根据数字地图信息,确定非重点勘探区域和重点勘探区域,其中,所述重点勘探区域包括m个勘探单元,m≥1,m为整数;
第一航迹线确定模块,用于根据代价函数,确定载有高光谱仪的多旋翼无人机从起始点到所述重点勘探区域的第一最优航迹线,并得到所述第一最优航迹线对应的勘探单元;
勘探顺序确定模块,用于根据所述代价函数和所述勘探单元,确定所述多旋翼无人机对所述m个勘探单元的勘探顺序;
勘探路线确定模块,用于根据所述m个勘探单元、所述勘探顺序和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
第二航迹线确定模块,用于根据所述代价函数,确定所述多旋翼无人机从所述勘探终点到所述起始点的第二最优航迹线。
进一步,所述勘探路线确定模块具体用于:
根据每一个所述勘探单元的形状,将其分割成多个三角形;分别确定每一个所述勘探单元对应的多个三角形的内切圆;根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
进一步,所述勘探路线确定模块具体用于:
根据每一个所述勘探单元的形状,将其填补成多边形;将每一个所述勘探单元对应的多变形分割成多个三角形;分别确定所述多个三角形的内切圆;根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
进一步,所述勘探路线确定模块包括勘探路线确定单元;
所述勘探路线确定单元具体用于:
确定每一个所述勘探单元对应的每一个所述内切圆的半径值和圆心位置;将以每一个所述内切圆的半径值的一半为半径、圆心位置为圆心的圆,确定为每一个所述内切圆内部的勘探路线圆;根据所述勘探顺序、所述勘探路线圆和所述代价函数,得到所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
进一步,所述勘探路线确定模块具体用于:
根据所述m个勘探单元、所述勘探顺序、最优启发式搜索算法和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
附图说明
图1为本发明一个实施例提供的一种地质勘探航迹规划方法的流程示意图;
图2为本发明另一个实施例提供的一种地质勘探航迹规划方法中步骤 140的流程示意图;
图3为本发明另一个实施例提供的一种地质勘探航迹规划方法中步骤143的求取同心圆的示意图;
图4为本发明另一个实施例提供的一种地质勘探航迹规划方法中步骤 143的勘探单元内航迹规划的示意图;
图5为本发明另一个实施例提供的一种地质勘探航迹规划方法中步骤 140的流程示意图;
图6为本发明另一个实施例提供的一种地质勘探航迹规划方法中步骤 140的勘探单元内航迹规划的示意图;
图7为本发明一个实施例提供的一种地质勘探航迹规划***的示意性结构图;
图8为本发明另一个实施例提供的一种地质勘探航迹规划***的示意性结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一
一种地质勘探航迹规划方法100,如图1所示,包括:
步骤110、根据数字地图信息,确定非重点勘探区域和重点勘探区域,其中,重点勘探区域包括m个勘探单元,m≥1,m为整数。
步骤120、根据代价函数,确定载有高光谱仪的多旋翼无人机从起始点到重点勘探区域的第一最优航迹线,并得到第一最优航迹线对应的勘探单元。
步骤130、根据代价函数和勘探单元,确定多旋翼无人机对m个勘探单元的勘探顺序。
步骤140、根据m个勘探单元、勘探顺序和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
步骤150、根据代价函数,确定多旋翼无人机从勘探终点到起始点的第二最优航迹线,完成地质勘探航迹规划。
需要说明的是,在步骤110之前,需要先创建数字地图的地形信息,划分地质勘探区域和非地质勘探区域,具体实现方式是:为创建的数字化区域建立节点索引矩阵(NodeList),每个栅格就是一个节点(以后均用节点表示),该一个节点即为一个航迹点,索引矩阵内存储着每个栅格单元的地形信息。因此,每个航迹点都有它的价值,价值是指该航迹点内是否有矿的可能,价值越高,越可能存在矿,基于此,根据数字地图信息,确定非重点勘探区域和重点勘探区域。重点勘探区域内含有很多个航迹点,每个勘探单元内也含有很多航迹点。
步骤120中根据代价函数规划最优航迹线,涉及规划问题建模。无人机在进行航迹规划过程中不仅需要考虑地形和各种因素的影响,还要考虑自身的性能约束,并且还需要寻找一个评价标准,用于评价所规划的航迹是否是最优航迹。所谓航迹规划问题模型是指描述进行航迹规划所要解决的问题模型,所以该模型主要包含两方面内容,一方面是无人机进行航迹规划时所受到的约束条件,约束条件有无人机的机动性能约束、任务要求的约束等,另一方面是用于指导航迹规划算法寻找最优航迹的航迹代价评估函数。根据规划过程中所遇到的问题,建立一个综合问题模型,无人机航迹规划则成为一个航迹求解过程,也即无人机结合各种约束条件,利用航迹代价评估函数寻找最优航迹。
通过结合各种约束条件,利用航迹代价评估函数寻找最优航迹。无人机飞行路线中的任意两个节点(航迹点)之间的连线都代表一条航迹段,为了更好的评价整条航迹(由航迹段构成),现对组成航迹的每条航迹段都赋予一个代价值。该代价的定义需要考虑影响航迹优劣的因素。对代价函数的定义如下:其中,li表示第i段的航迹长度,hi表示第i段的飞行平均高度,Wi表示第i段的飞行方式,Pi表示第i段航迹所受到的威胁概率,ω1表示航迹长度的权值,ω2表示飞行平均高度的权值,ω3表示飞行方式的权值,ω4表示航迹所受威胁概率的权值,且ω1+ω2+ω3+ω4=1。
基于上述代价函数,在步骤120中,确定载有高光谱仪的多旋翼无人机从其起始点到重点勘探区域的第一最优航迹线,得到第一最优航迹线对应的勘探单元;基于上述代价函数,在步骤130中,根据代价函数和勘探单元,确定多旋翼无人机对m个勘探单元的勘探顺序,在步骤150中,根据代价函数,确定多旋翼无人机从勘探终点到起始点的第二最优航迹线。
另外,成像光谱是利用很多很窄的电磁波波段从感兴趣的物体的反射中获取有关数据,高光谱仪勘测范围特别大,且高光谱图像具有很高的光谱分辨率,能够提供更为丰富的地物细节,在植被研究、地质调查、环境监测等方面发挥了重要的作用,本发明利用高光谱仪勘探范围大、高光谱仪图像光谱分辨率高的特性,使用搭载有高光谱仪的多旋翼无人机,可以高效率、高精度地勘探地质,另外,对高光谱仪的对每个勘探单元进行详细地最优航迹规划,极大提高了地质勘探的效率,较低了地质勘探的成本。
本实施例适合于多旋翼无人机在地质勘探方面的作业,克服了传统人工作业方式中人工规划航迹的不足,使其能完成作业目标的情况下,降低各种成本消耗,提高作业效率。
实施例二
在实施例一的基础上,具体的,如图2所示,步骤140包括:
步骤141、根据每一个勘探单元的形状,将其分割成多个三角形。
步骤142、分别确定每一个勘探单元对应的多个三角形的内切圆。
步骤143、根据勘探顺序、内切圆和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
在步骤143中,根据勘探顺序、内切圆和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点,具体包括:依次确定每一个内切圆的第一半径值和圆心位置;将第一半径值除以 2,得到第二半径值;以第二半径值为半径、圆心位置为圆心的内切圆的同心圆,确定内切圆内部的勘探路线圆;根据勘探顺序、勘探路线圆和代价函数,得到多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
如图3所示,图中三角形即为对勘探单元分割后的三角形,对三角形求内切圆,方法为:画出三角形中任意两个角的角平分线(如图中过三角形角的虚直线),得到交点(例如O点),求O点与三角形任意边的垂线(如图中未过三角形角的虚直线),相交于一点(例如K点),取OK为半径,在三角形中画内切圆(如图虚线圆),内切圆半径为ri,圆心为O;在三角形中取半径为圆心为O的圆(如图中实线圆),即为步骤143中的勘探路线圆,该圆为无人机在该三角形内的所需飞行航迹(图中箭头为飞行方向,实线圆上的点为飞行起始点和终点)。
如图4所示,位于坐标轴系中的多边形即为一个勘探单元,对该勘探单元进行三角形分割,利用上述方法,对该勘探单元中的三个三角形分别求取内切圆,圆心分别为圆心1、圆心2和圆心3,根据内切圆(图中虚线圆表示),求得的勘探路线圆(图中实线圆表示),根据实施例一中的多个勘探单元的勘探顺序以及代价函数,确定该勘探单元中的最优勘探路线和勘探终点(其中,点4、点5和点6分别为其对应的勘探路线圆的无人机飞行起始点,也为每一个勘探路线圆的无人机飞行终点,实线圆上的箭头代表无人机在该勘探路线圆上的飞行方向,点4和点5之间的连线以及点5和点6之间的连线代表无人机在两个勘探路线圆之间的飞行航迹,箭头代表方向,点6 为无人机在该勘探单元中的勘探终点)。需要说明的是,上述方法可以推广到任意多边形。
在分割区(及每个三角形)内的内切圆内再进行圆形规划,得到内切圆内部的圆形(勘探路线圆),将该圆形(勘探路线圆)定为载有高光谱仪的多旋翼无人机在该分割区内的航迹线,根据不同勘探单元的勘探顺序和代价函数,即可确定不同内切圆内部的圆形的连接关系以及无人机在各圆形的起始点和终点(由于内切圆内部的圆形定为无人机的航迹线,因此,无人机在每个分割区内的起始点即为终点),最终得到多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。航迹覆盖范围广,勘探成本低。具体的,对勘探单元进行三角形分割,求取每个三角形的内切圆,然后对每个三角形内区域进行航迹规划,保证了较大面积的航迹覆盖范围。再结合m个勘探单元的勘探顺序,并考虑代价函数,可规划出成本低且勘探覆盖范围大的航迹线。
实施例三
在实施例一的基础上,具体的,如图5所示,步骤140包括:
步骤141、根据每一个勘探单元的形状,将其填补成多边形。
步骤142、将每一个勘探单元对应的多变形分割成多个三角形。
步骤143、分别确定多个三角形的内切圆。
步骤144、根据勘探顺序、内切圆和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
在实际勘探现场,部分区域会成任意n边型,并且飞行区域的边界节点较多,即n较大,单纯使用“分割法”将勘探单元分割的航迹规划方法并不方便。因此提出一种将任意n边型先填补成一个N多边形(视情况而定,且 N<<n),再对填补后形成的N多边形进行分割,在每一个分割区域进行航迹规划,简化了航迹规划,同时保证了较大面积的航迹覆盖范围。再结合m 个勘探单元的勘探顺序,并考虑代价函数,可规划出成本低且勘探覆盖范围大的航迹线。
如图6所示,坐标系中的不规则多边形(图中不带箭头的细实线构成的不规则多边形),其围成的区域即为勘探单元,将该不规则多边形进行填补,填充一个较规则的五边形(五条粗实线构成的多边形),对该五边形进行三角形分割、内切圆求取以及勘探路线圆求取,具体的分割和求取过程同实施例二,在此不再赘述。
其中,在步骤143中,根据勘探顺序、内切圆和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点,具体包括:确定每一个勘探单元对应的每一个内切圆的半径值和圆心位置;将以每一个内切圆的半径值的一半为半径、圆心位置为圆心的圆,确定为每一个内切圆内部的勘探路线圆;根据勘探顺序、勘探路线圆和代价函数,得到多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
依次确定每一个内切圆的第一半径值和圆心位置;将第一半径值除以2,得到第二半径值;以第二半径值为半径、圆心位置为圆心的内切圆的同心圆,确定内切圆内部的勘探路线圆;根据勘探顺序、勘探路线圆和代价函数,得到多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。该方法具体同实施例二,在此不再赘述。
在分割区(及每个三角形)内的内切圆内再进行圆形规划,得到内切圆内部的圆形,将该圆形定为载有高光谱仪的多旋翼无人机在该分割区内的航迹线,根据不同勘探单元的勘探顺序和代价函数,即可确定不同内切圆内部的圆形的连接关系以及无人机在各圆形的起始点和终点(由于内切圆内部的圆形定为无人机的航迹线,因此,无人机在每个分割区内的起始点即为终点),最终得到多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。航迹覆盖范围广,勘探成本低。
需要说明的是,实施例二和实施例三中的分割方法可推广到任意形状的地质勘探区域,包括凸多边形和凹多边形。通过分割和填补的方法,能对任意的多边形进行航迹规划。通过考虑高光谱仪的功能,提出了对分割或填补好的区域统一分割成任意三角形,并且找到三角形的内切圆,再取半径为内切圆一半的同心圆即为所需的飞行航迹,而不是进行全覆盖飞行,能够大大节省工作时间,提高工作效率。
实施例四
在实施例一的基础上,步骤140包括:
根据m个勘探单元、勘探顺序、最优启发式搜索算法和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
需要说明的是,最优启发式搜索算法一般多用于解决静态规划问题,在路径规划和图搜索中有着广泛的应用,本实施例将该方法用于载有高光谱仪的多旋翼无人机对地质勘探时航迹规划。
该算法通过启发信息引导搜索,达到减小搜索范围、提高计算速度的目的。利用传统最优启发式搜索算法进行航迹搜索时,通常将规划环境表示为网格的形式,然后按照预先确定的代价函数寻找最小代价航迹。它对当前位置的每一个可能到达的网格单元计算代价,然后选择最低代价的网格单元加入搜索空间来探索。加入搜索空间的这一新网格单元又被用来产生更多的可能路径。
最优启发式搜索算法通过在航迹代价评价函数中加入启发函数,不需遍历所有节点,使得搜索沿着目标方向更快地前进,提高了搜索效率。最优启发式搜索算法的搜索过程为:首先将环境空间划分为点和边组成的网格空间,然后根据上述代价函数从起始点开始进行节点扩展,每次对当前点扩展时,将当前点周围的8个节点作为待扩展子节点,计算每一个待扩展子节点的代价评估函数值,选择代价评估函数值最小的节点作为下一个搜索节点,使得搜索朝最有利的方向前进,直至最终到达目标点。
步骤140中,在对每个勘探单元进行最优航迹规划时,具体包括:根据实施例一中所述的多旋翼无人机从其起始点到重点勘探区域的第一最优航迹线以及第一最优航迹线对应的勘探单元,确定无人机在重点勘探区域的勘探起始点(一个航迹点,也称节点),搜索与当前节点相邻的所有节点,寻找满足约束条件的节点,将符合条件的相邻节点作为下一步可能目标节点,其中,约束条件为节点索引矩阵内价值最小的相邻节点。确定可能目标节点后,计算从当前节点到下一可能节点的所有代价值f(n)。并且f(n)=h(n),对f(n)进行排序,选择f(n)值最小的作为下一个目标节点。将得到的下一个目标节点作为下一步循环的当前节点,将其节点索引矩阵内的值加1,表示此节点被探访一次(需要说明的是,索引矩阵内存储着每个栅格单元的地形信息,地质勘探区域用0表示,非地质勘探区域用1表示。这样就建立了一个存储地形信息的节点索引矩阵。节点索引值用来表示当前节点的探访优先级,值越小优先级越高。节点索引矩阵具有记忆能力,当一个节点在搜索过程中被探访后,其索引矩阵内的值将+1,访问优先级就会下降。当地质勘探区域的一个节点被探访后,其值就由0变为1,这时此节点的优先级下降)。并放入到航迹节点序列表内。重复上述过程,寻找下一航迹点,直到遍历完地质勘探区域内所有节点,搜索过程完成。
根据最优启发式搜索算法,结合m个勘探单元的勘探顺序以及代价函数,可确定出勘探成本低、航迹覆盖范围广的最优勘探路线。
现如今无人机的航迹规划大部分应用于农田喷洒农药方面,而应用于地质勘探的航迹规划却寥寥无几,一方面由于露天矿山地质环境复杂,作业面范围较大,航迹规划较为复杂;另一方面由于高光谱仪重量较大,普遍使用固定翼无人机进行搭载,但由于固定翼无人机存在无法悬停等因素,存在较大缺陷。本发明提出通过大四轴旋翼无人机,六旋翼无人机,或八轴无人机来搭载高光谱仪。
实施例五
一种地质勘探航迹规划***200,如图7所示,包括
勘探区域确定模块,用于根据数字地图信息,确定非重点勘探区域和重点勘探区域,其中,重点勘探区域包括m个勘探单元,m≥1,m为整数。
第一航迹线确定模块,用于根据代价函数,确定载有高光谱仪的多旋翼无人机从起始点到重点勘探区域的第一最优航迹线,并得到第一最优航迹线对应的勘探单元。
勘探顺序确定模块,用于根据代价函数和勘探单元,确定多旋翼无人机对m个勘探单元的勘探顺序。
勘探路线确定模块,用于根据m个勘探单元、勘探顺序和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
第二航迹线确定模块,用于根据代价函数,确定多旋翼无人机从勘探终点到起始点的第二最优航迹线。
实施例六
在实施例五的基础上,如图8所示,勘探路线确定模块具体用于:
根据每一个勘探单元的形状,将其分割成多个三角形;分别确定每一个勘探单元的多个三角形的内切圆;根据勘探顺序、内切圆和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
勘探路线确定模块包括勘探路线确定单元。勘探路线确定单元具体用于:确定每一个勘探单元对应的每一个内切圆的半径值和圆心位置;将以每一个内切圆的半径值的一半为半径、圆心位置为圆心的圆,确定为每一个内切圆内部的勘探路线圆;根据勘探顺序、勘探路线圆和代价函数,得到多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
实施例七
在实施例五的基础上,勘探路线确定模块具体用于:根据每一个勘探单元的形状,将其填补成多边形;将每一个勘探单元的多变形分割成多个三角形;分别确定多个三角形的内切圆;根据勘探顺序、内切圆和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
勘探路线确定模块包括勘探路线确定单元;勘探路线确定单元的具体功能同实施例六,在此不再赘述。
实施例八
在实施例五的基础上,勘探路线确定模块具体用于:根据m个勘探单元、勘探顺序、最优启发式搜索算法和代价函数,确定多旋翼无人机在每一个勘探单元内的最优勘探路线以及在重点勘探区域的勘探终点。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种地质勘探航迹规划方法,其特征在于,包括:
步骤1、根据数字地图信息,确定非重点勘探区域和重点勘探区域,其中,所述重点勘探区域包括m个勘探单元,m≥1,m为整数;
步骤2、根据代价函数,确定载有高光谱仪的多旋翼无人机从起始点到所述重点勘探区域的第一最优航迹线,并得到所述第一最优航迹线对应的勘探单元;
步骤3、根据所述代价函数和所述勘探单元,确定所述多旋翼无人机对所述m个勘探单元的勘探顺序;
步骤4、根据所述m个勘探单元、所述勘探顺序和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
步骤5、根据所述代价函数,确定所述多旋翼无人机从所述勘探终点到所述起始点的第二最优航迹线,完成地质勘探航迹规划;
所述步骤4具体包括:
步骤4.1、根据每一个所述勘探单元的形状,将其分割成多个三角形;
步骤4.2、分别确定每一个所述勘探单元对应的多个三角形的内切圆;
步骤4.3、根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
或者所述步骤4具体包括:
步骤4.1、根据每一个所述勘探单元的形状,将其填补成多边形;
步骤4.2、将每一个所述勘探单元对应的多变形分割成多个三角形;
步骤4.3、分别确定所述多个三角形的内切圆;
步骤4.4、根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
其中,所述根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;具体包括:
确定每一个所述勘探单元对应的每一个所述内切圆的半径值和圆心位置;
将以每一个所述内切圆的半径值的一半为半径、圆心位置为圆心的圆,确定为每一个所述内切圆内部的勘探路线圆;
根据所述勘探顺序、所述勘探路线圆和所述代价函数,得到所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
2.根据权利要求1所述的一种地质勘探航迹规划方法,其特征在于,所述步骤4包括:
根据所述m个勘探单元、所述勘探顺序、最优启发式搜索算法和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
3.一种地质勘探航迹规划***,其特征在于,包括:
勘探区域确定模块,用于根据数字地图信息,确定非重点勘探区域和重点勘探区域,其中,所述重点勘探区域包括m个勘探单元,m≥1,m为整数;
第一航迹线确定模块,用于根据代价函数,确定载有高光谱仪的多旋翼无人机从起始点到所述重点勘探区域的第一最优航迹线,并得到所述第一最优航迹线对应的勘探单元;
勘探顺序确定模块,用于根据所述代价函数和所述勘探单元,确定所述多旋翼无人机对所述m个勘探单元的勘探顺序;
勘探路线确定模块,用于根据所述m个勘探单元、所述勘探顺序和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
第二航迹线确定模块,用于根据所述代价函数,确定所述多旋翼无人机从所述勘探终点到所述起始点的第二最优航迹线;
所述勘探路线确定模块具体用于:
根据每一个所述勘探单元的形状,将其分割成多个三角形;分别确定每一个所述勘探单元对应的多个三角形的内切圆;根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
或者,所述勘探路线确定模块具体用于:
根据每一个所述勘探单元的形状,将其填补成多边形;将每一个所述勘探单元对应的多变形分割成多个三角形;分别确定所述多个三角形的内切圆;根据所述勘探顺序、所述内切圆和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点;
其中,所述勘探路线确定模块包括勘探路线确定单元;
所述勘探路线确定单元具体用于:
确定每一个所述勘探单元对应的每一个所述内切圆的半径值和圆心位置;将以每一个所述内切圆的半径值的一半为半径、圆心位置为圆心的圆,确定为每一个所述内切圆内部的勘探路线圆;根据所述勘探顺序、所述勘探路线圆和所述代价函数,得到所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
4.根据权利要求3所述的一种地质勘探航迹规划***,其特征在于,所述勘探路线确定模块具体用于:
根据所述m个勘探单元、所述勘探顺序、最优启发式搜索算法和所述代价函数,确定所述多旋翼无人机在每一个所述勘探单元内的最优勘探路线以及在所述重点勘探区域的勘探终点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710740776.0A CN107478233B (zh) | 2017-08-25 | 2017-08-25 | 一种地质勘探航迹规划方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710740776.0A CN107478233B (zh) | 2017-08-25 | 2017-08-25 | 一种地质勘探航迹规划方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107478233A CN107478233A (zh) | 2017-12-15 |
CN107478233B true CN107478233B (zh) | 2019-08-20 |
Family
ID=60601653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710740776.0A Active CN107478233B (zh) | 2017-08-25 | 2017-08-25 | 一种地质勘探航迹规划方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107478233B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196575B (zh) * | 2018-01-05 | 2020-11-03 | 湖北工业大学 | 一种无人机任务分配及路线规划方法 |
CN110160507B (zh) * | 2018-01-25 | 2021-11-05 | 中南大学 | 一种野外地质信息采集***及应用方法 |
CN108827314B (zh) * | 2018-08-16 | 2020-06-16 | 电子科技大学 | 一种路径规划方法 |
CN110196454B (zh) * | 2019-06-17 | 2020-05-19 | 中国地质大学(北京) | 基于无人机的地质勘测集成*** |
CN111561934A (zh) * | 2020-06-24 | 2020-08-21 | 平湖市中地测绘规划有限公司 | 基于无人机的地质勘探规划方法 |
CN114047785B (zh) * | 2021-11-26 | 2023-06-09 | 北京航天自动控制研究所 | 一种无人机集群协同搜索多运动目标的方法和*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
CN103528585A (zh) * | 2013-09-26 | 2014-01-22 | 中北大学 | 一种不等距分割可通行区域的路径规划方法 |
CN103699135A (zh) * | 2014-01-03 | 2014-04-02 | 中南大学 | 无人直升机农药喷洒农田作业区域的航迹自动规划方法 |
CN105512769A (zh) * | 2015-12-16 | 2016-04-20 | 上海交通大学 | 基于遗传规划的无人机航迹规划***及方法 |
CN105629989A (zh) * | 2015-12-28 | 2016-06-01 | 电子科技大学 | 基于最小外包圆和最大内接圆的障碍区域划分方法 |
CN105700549A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 |
CN105929848A (zh) * | 2016-06-28 | 2016-09-07 | 南京邮电大学 | 一种三维环境中的多无人机***的航迹规划方法 |
CN106708049A (zh) * | 2016-12-30 | 2017-05-24 | 北京理工大学 | 一种多站接力导航下运动体的路径规划方法 |
CN106774395A (zh) * | 2016-12-14 | 2017-05-31 | 东北农业大学 | 农用植保无人机避障喷施路径规划方法及无人机 |
-
2017
- 2017-08-25 CN CN201710740776.0A patent/CN107478233B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880186A (zh) * | 2012-08-03 | 2013-01-16 | 北京理工大学 | 基于稀疏a*算法和遗传算法的航迹规划方法 |
CN103528585A (zh) * | 2013-09-26 | 2014-01-22 | 中北大学 | 一种不等距分割可通行区域的路径规划方法 |
CN103699135A (zh) * | 2014-01-03 | 2014-04-02 | 中南大学 | 无人直升机农药喷洒农田作业区域的航迹自动规划方法 |
CN105512769A (zh) * | 2015-12-16 | 2016-04-20 | 上海交通大学 | 基于遗传规划的无人机航迹规划***及方法 |
CN105629989A (zh) * | 2015-12-28 | 2016-06-01 | 电子科技大学 | 基于最小外包圆和最大内接圆的障碍区域划分方法 |
CN105700549A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 |
CN105929848A (zh) * | 2016-06-28 | 2016-09-07 | 南京邮电大学 | 一种三维环境中的多无人机***的航迹规划方法 |
CN106774395A (zh) * | 2016-12-14 | 2017-05-31 | 东北农业大学 | 农用植保无人机避障喷施路径规划方法及无人机 |
CN106708049A (zh) * | 2016-12-30 | 2017-05-24 | 北京理工大学 | 一种多站接力导航下运动体的路径规划方法 |
Non-Patent Citations (3)
Title |
---|
一种凸多边形区域的无人机覆盖航迹规划算法;陈海等;《航空学报》;20100930;第31卷(第9期);1802-1808 |
基于改进A*算法的无人机航迹规划;蒙波等;《计算机仿真》;20100930;第27卷(第9期);29-32 |
多架次作业植保无人机最小能耗航迹规划算法研究;徐博等;《农业机械学报》;20151130;第46卷(第11期);36-42 |
Also Published As
Publication number | Publication date |
---|---|
CN107478233A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107478233B (zh) | 一种地质勘探航迹规划方法及*** | |
Parshin et al. | Low-altitude geophysical magnetic prospecting based on multirotor UAV as a promising replacement for traditional ground survey | |
CN109357685B (zh) | 航路网生成方法、装置及存储介质 | |
US9524647B2 (en) | Autonomous Nap-Of-the-Earth (ANOE) flight path planning for manned and unmanned rotorcraft | |
Azpúrua et al. | Multi-robot coverage path planning using hexagonal segmentation for geophysical surveys | |
JP2018165930A (ja) | ドローンナビゲーション装置、ドローンナビゲーション方法及びドローンナビゲーションプログラム | |
CN106017472B (zh) | 全局路线规划方法、全局路线规划***及无人机 | |
Guo et al. | LiDAR principles, processing and applications in forest ecology | |
CN105319969A (zh) | 无人机协同对地覆盖*** | |
CN109923589A (zh) | 构建和更新高程地图 | |
JP2018165932A (ja) | ドローン用動態管理装置、ドローン用動態管理方法及びドローン用動態管理プログラム | |
CN108196575A (zh) | 一种无人机任务分配及路线规划方法 | |
CN105549619A (zh) | 一种用于无人机续航能力的多起降点航线规划方法 | |
CN106054920A (zh) | 一种无人机飞行路径规划方法和装置 | |
KR102099136B1 (ko) | 유무인비행체를 위한 3d 공중도로 네트워크 생성 장치 및 방법 | |
KR102099137B1 (ko) | 유무인비행체를 위한 3d 공중도로 안내 서비스 제공 장치 및 방법 | |
CN104851322A (zh) | 基于北斗卫星导航***的低空飞行目标告警***和方法 | |
CN115454148B (zh) | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 | |
Trujillo et al. | Optimized flight path for 3D mapping of an area with structures using a multirotor | |
Xu et al. | Iterative construction of low-altitude UAV air route network in urban areas: Case planning and assessment | |
CN108196586A (zh) | 无人机控制方法、装置和储存介质 | |
Kumar et al. | Region coverage-aware path planning for unmanned aerial vehicles: A systematic review | |
CN110095108B (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
Ma et al. | Volcanic Ash Region Path Planning Based on Improved A‐Star Algorithm | |
CN106197379A (zh) | 一种高处物体的新型测绘*** |
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 |