CN111256703B - 一种多旋翼无人机巡检路径规划方法 - Google Patents

一种多旋翼无人机巡检路径规划方法 Download PDF

Info

Publication number
CN111256703B
CN111256703B CN202010374783.5A CN202010374783A CN111256703B CN 111256703 B CN111256703 B CN 111256703B CN 202010374783 A CN202010374783 A CN 202010374783A CN 111256703 B CN111256703 B CN 111256703B
Authority
CN
China
Prior art keywords
energy consumption
unmanned aerial
aerial vehicle
rotor unmanned
hovering
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
Application number
CN202010374783.5A
Other languages
English (en)
Other versions
CN111256703A (zh
Inventor
黄郑
王红星
潘志新
周航
宋煜
黄祥
张星炜
赵宏伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
Jiangsu Fangtian Power Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Fangtian Power Technology Co Ltd filed Critical Jiangsu Fangtian Power Technology Co Ltd
Priority to CN202010374783.5A priority Critical patent/CN111256703B/zh
Publication of CN111256703A publication Critical patent/CN111256703A/zh
Application granted granted Critical
Publication of CN111256703B publication Critical patent/CN111256703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明是一种多旋翼无人机巡检路径规划方法，首先，为保证巡检的安全性和低能耗性，建立电池能耗和规避逆光代价最低目标函数；分析影响多旋翼无人机巡检电池能耗的影响因素，确定悬停能耗以及巡航能耗；确定太阳光照与多旋翼无人机巡检航迹间关系；对扫描得到的待巡检物体三维点云模型进行建模，同时输入巡航过程中所有视点坐标；运用改进蚁群算法输出最优巡航路径、运用改进A*混合算法输出相邻两视点间的最优飞行路径，最终输出最优航迹。该方法能够确定无人机巡航过程中能耗以及太阳光照对航迹规划的影响，为无人机巡检提供一条安全、低能耗、规避逆光的最优路径，提升多旋翼无人机自动巡检的安全性和可靠性。

Description

一种多旋翼无人机巡检路径规划方法
技术领域
本发明涉及无多旋翼无人机航迹规划技术领域，具体的说是一种多旋翼无人机巡检路径规划方法。
背景技术
随着航空工业和科技的发展，采用多旋翼无人机来进行巡检成为近来研究的热点。多旋翼无人机不仅重量轻、体积小、成本低；而且灵活性高，便于控制；通过人工或者自动等方式可以实现高效且全方位的巡检服务。多旋翼无人机搭载各类可见光、红外、紫外或者激光设备一同执行巡检任务，将可以全面检测和掌握待检测物体的安全情况。多旋翼无人机按照一定的航路飞行，采集图像或者视频来获取待检测物体的设备状态和周围环境情况，然后由人工观察图像视频或者智能算法自动检测待检测物体存在的安全隐患和故障。通过多旋翼无人机巡检，将能够大幅降低成本和劳动强度，提高巡检过程的有效性。
目前多旋翼无人机的应用和相关路径规划算法，主要存在以下问题：首先，对于多旋翼无人机在三维空间中面向三维物体结构的全覆盖路径规划方法研究很少；其次，现有巡检路径多以路径最短作为巡检目标，未能考虑自然风因素和光照条件对航迹规划的影响，不能有效综合针对杆塔、多旋翼无人机性能的安全约束实现最优路径规划。
发明内容
本发明要解决的技术问题是提供一种多旋翼无人机巡检路径规划方法，能够确定无人机巡航过程中能耗以及太阳光照对航迹规划的影响，为无人机巡检提供一条安全、低能耗、规避逆光的最优路径；减少巡检的人力成本，提升多旋翼无人机自动巡检的安全性和可靠性。
为解决上述技术问题，本发明采用的技术方案为：
一种多旋翼无人机巡检路径规划方法，其特征在于：通过以电池能耗和规避逆光代价最低为目标函数，通过改进蚁群算法和改进A*混合算法完成路径规划；具体步骤如下：
步骤1，为保证巡检的安全性和低能耗性，建立电池能耗和规避逆光代价最低目标函数；
步骤2，分析影响多旋翼无人机巡检电池能耗的影响因素，确定悬停能耗以及巡航能耗；
步骤3，确定太阳光照与多旋翼无人机巡检航迹间关系；
步骤4，对扫描得到的待巡检物体三维点云模型进行建模，同时输入巡航过程中所有视点坐标；
步骤5，运用改进蚁群算法输出最优巡航路径、运用改进A*混合算法输出相邻两视点间的最优飞行路径，最终输出最优航迹。
所述的步骤1中建立的电池能耗和规避逆光代价最低目标函数如下：
Figure 930202DEST_PATH_IMAGE001
式中，
Figure 220500DEST_PATH_IMAGE002
，
Figure 742748DEST_PATH_IMAGE003
为控制能耗和逆光代价的参数，且
Figure 51370DEST_PATH_IMAGE004
，当多旋翼无人机视觉系 统较优或光照条件影响较少时，此时可令
Figure 266450DEST_PATH_IMAGE005
；根据多旋翼无人机性能或者巡检目的不 同，参数可选取不同数值；
Figure 480263DEST_PATH_IMAGE006
为规避逆光代价，
Figure 806202DEST_PATH_IMAGE007
为悬停时的能耗，
Figure 766068DEST_PATH_IMAGE008
为航迹段之间的 能耗。
所述的步骤2中悬停能耗以及巡航能耗的表达式如下：
悬停能耗表达式：
Figure 886470DEST_PATH_IMAGE009
式中，
Figure 148431DEST_PATH_IMAGE010
为悬停的额定功率，由于无人机在悬停状态下的能耗只用来克服风速 的影响，因此，可用悬停时风速所对应的功率作为悬停时的额定功率，
Figure 12482DEST_PATH_IMAGE011
为在一个视点中悬 停拍摄时间和调整姿态角的时间和；
巡航能耗表达式：
Figure 764537DEST_PATH_IMAGE012
式中，
Figure 321421DEST_PATH_IMAGE008
为航迹段之间的能耗，
Figure 306563DEST_PATH_IMAGE013
为抵抗侧风的能耗功率，
Figure 771042DEST_PATH_IMAGE014
为无人机直飞航 线上实际航速水平对应的能耗功率，
Figure 643183DEST_PATH_IMAGE015
为实际航速竖直方向对应的能耗功率，
Figure 370968DEST_PATH_IMAGE016
为巡航 时间。
无人机巡航过程中将地速
Figure 328560DEST_PATH_IMAGE017
投影到水平
Figure 285146DEST_PATH_IMAGE018
平面，所述的
Figure 277372DEST_PATH_IMAGE018
平面为水平 二维平面，投影为
Figure 176058DEST_PATH_IMAGE019
，
Figure 417684DEST_PATH_IMAGE019
和
Figure 427228DEST_PATH_IMAGE020
可根据下列公式求得：
Figure 992070DEST_PATH_IMAGE021
Figure 61658DEST_PATH_IMAGE022
Figure 993841DEST_PATH_IMAGE023
Figure 554879DEST_PATH_IMAGE024
式中，
Figure 521698DEST_PATH_IMAGE025
为地速
Figure 699870DEST_PATH_IMAGE017
在竖直方向的投影，
Figure 634197DEST_PATH_IMAGE026
为梯度角、
Figure 985544DEST_PATH_IMAGE027
为风向角，风向角由北偏东 90度开始记为0度，逆时针方向递增；
Figure 603607DEST_PATH_IMAGE028
为二维平面干扰风速，视点i的坐标为
Figure 14997DEST_PATH_IMAGE029
； 视点j的坐标为
Figure 921773DEST_PATH_IMAGE030
；
Figure 296385DEST_PATH_IMAGE020
为克服二维平面干扰风后的地速
Figure 237796DEST_PATH_IMAGE017
在
Figure 554508DEST_PATH_IMAGE018
平面的实际投 影；
地速在
Figure 745318DEST_PATH_IMAGE018
平面的投影与X轴的夹角
Figure 438467DEST_PATH_IMAGE031
的计算公式如下：
Figure 483652DEST_PATH_IMAGE032
式中，
Figure 971265DEST_PATH_IMAGE031
、
Figure 852634DEST_PATH_IMAGE027
的大小均为与X轴正方向所成的夹角；
无人机由视点i飞行至视点j的距离
Figure 83895DEST_PATH_IMAGE033
为：
Figure 531057DEST_PATH_IMAGE034
所需时间
Figure 202953DEST_PATH_IMAGE016
为：
Figure 571618DEST_PATH_IMAGE035
根据克服二维平面干扰风后的地速
Figure 606570DEST_PATH_IMAGE017
在
Figure 564030DEST_PATH_IMAGE018
平面的投影速度
Figure 659025DEST_PATH_IMAGE020
、实际航速竖 直方向投影速度
Figure 514986DEST_PATH_IMAGE025
和侧风风速
Figure 88050DEST_PATH_IMAGE036
能够查表得到相关功率
Figure 729378DEST_PATH_IMAGE013
、
Figure 995274DEST_PATH_IMAGE014
和
Figure 276214DEST_PATH_IMAGE015
。
所述的步骤3中，以太阳光照和航迹之间的角度关系作为太阳光照与航迹间关系，所述的太阳光照和航迹之间的角度关计算方式如下：
Figure 715285DEST_PATH_IMAGE037
式中，
Figure 444076DEST_PATH_IMAGE006
表示规避逆光代价，用太阳光照与航迹之间的夹角来表示；
Figure 880873DEST_PATH_IMAGE038
表示光线 三维向量，该数值由用户输入得到；
Figure 180268DEST_PATH_IMAGE039
表示相邻航迹段三维向量。
所述的步骤5中改进蚁群算法具体步骤如下：
步骤5.1，参数初始化：设置循环次数
Figure 95134DEST_PATH_IMAGE040
、最大循环次数G、将m只蚂蚁置于n个 视点上，每条路径上的初始信息素
Figure 708125DEST_PATH_IMAGE041
；
步骤5.2，视点选择策略：第k只蚂蚁从当前视点i选择下一个视点j的概率由路径上残留的信息素量和启发式信息即两个视点间的功耗决定，公式为：
Figure 315823DEST_PATH_IMAGE042
式中，
Figure 102514DEST_PATH_IMAGE043
表示蚂蚁k下一步允许遍历的视点的集合；
Figure 821071DEST_PATH_IMAGE044
表示视点i到视点j的 能耗；
Figure 524454DEST_PATH_IMAGE045
、
Figure 99792DEST_PATH_IMAGE046
为启发因子，
Figure 639357DEST_PATH_IMAGE045
的取值为[1,4]，
Figure 161606DEST_PATH_IMAGE046
的取值为[3,5]；
步骤5.3，更新信息素：当每只蚂蚁遍历完所有视点后，根据下列公式进行信息素的更新：
Figure 204648DEST_PATH_IMAGE047
Figure 170461DEST_PATH_IMAGE048
Figure 135006DEST_PATH_IMAGE049
Figure 460945DEST_PATH_IMAGE050
式中，
Figure 873341DEST_PATH_IMAGE051
代表第k只蚂蚁巡检完所有视点消耗的能耗，其中
Figure 993744DEST_PATH_IMAGE008
代表第j个航迹段 的能耗，由于全局规划时，相同视点悬停时间相同，所以无需计算悬停时能耗，
Figure 773481DEST_PATH_IMAGE052
代表第n 次迭代后，各路径上的信息素；
Figure 588597DEST_PATH_IMAGE053
（0<
Figure 402969DEST_PATH_IMAGE053
<1）代表蒸发系数，
Figure 959852DEST_PATH_IMAGE054
代表信息素的增量；
Figure 695727DEST_PATH_IMAGE055
代表第k只蚂蚁在边ij上的增量；
Figure 832310DEST_PATH_IMAGE056
为常数。
所述的步骤5中改进A*混合算法通过设置启发函数，求解出在三维空间里任意两点间能耗最小的代价表现，所述的启发函数如下：
Figure 219298DEST_PATH_IMAGE057
Figure 743820DEST_PATH_IMAGE058
Figure 701412DEST_PATH_IMAGE059
式中，
Figure 172845DEST_PATH_IMAGE060
为任意两个视点的能耗总和；
Figure 899492DEST_PATH_IMAGE061
为始点悬停的能耗和始点到当前 节点i的能耗总和；
Figure 283331DEST_PATH_IMAGE062
为目标点悬停的能耗和当前节点直飞到目标点的能耗总和；
Figure 993798DEST_PATH_IMAGE063
为 起始悬停点的悬停功耗，
Figure 800080DEST_PATH_IMAGE064
为终结悬停点的悬停功耗；
Figure 646814DEST_PATH_IMAGE065
、
Figure 716401DEST_PATH_IMAGE066
为巡航状态的功 耗。
该种多旋翼无人机巡检路径规划方法能够产生的有益效果为：第一，该方法以电池能耗和规避逆光代价最低为目标函数，详细分析了多旋翼无人机在巡航和悬停拍摄两个不同阶段的能耗消耗以及光照角度对航迹的影响。
第二，通过对旋翼无人机自身性能约束，保证巡检过程多旋翼无人机自身的安全性，同时不会对巡检的三维物体带来安全隐患。
第三，通过对自然风进行矢量合成与分解，分析了自然风对多旋翼无人机的影响，进一步计算出对多旋翼无人机能耗消耗情况。
第四，分析了光照角度对多旋翼无人机规避逆光飞行的代价，并给出光照角度对多旋翼无人机在任意航迹段飞行的代价计算公式。
第五，该方法能够在不同风向和光照条件下，为多旋翼无人机规划一条电池能耗和规避逆光代价最低的巡检路径，大大地节约巡检的成本。
第六，通过改进蚁群算法规划出一条，电池能耗和规避逆光代价最低的巡检路径；进一步通过改进A*混合算法，实现相邻两个视点间的最优路径的输出，同时在三维空间面向待检测物体三维点云模型，能够完成针对待测物体的避障操作。
附图说明
图1为本发明一种多旋翼无人机巡检路径规划方法的算法流程图。
图2为本发明一种多旋翼无人机巡检路径规划方法中航速三角形矢量图。
图3为本发明一种多旋翼无人机巡检路径规划方法中无人机在风干扰下的速度矢量图。
图4为本发明一种多旋翼无人机巡检路径规划方法中地速、风速二维平面矢量分解图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述。
如图1所示，一种多旋翼无人机巡检路径规划方法，其特征在于：通过以电池能耗和规避逆光代价最低为目标函数，通过改进蚁群算法和改进A*混合算法完成路径规划；具体步骤如下：
步骤1，为保证巡检的安全性和低能耗性，建立电池能耗和规避逆光代价最低目标函数；
步骤2，分析影响多旋翼无人机巡检电池能耗的影响因素，确定悬停能耗以及巡航能耗；
步骤3，确定太阳光照与多旋翼无人机巡检航迹间关系；
步骤4，对扫描得到的待巡检物体三维点云模型进行建模，同时输入巡航过程中所有视点坐标；
步骤5，运用改进蚁群算法输出最优巡航路径、运用改进A*混合算法输出相邻两视点间的最优飞行路径，最终输出最优航迹。
进一步的，现有的多旋翼无人机的飞行时间一般在20-40min，因此，在有限的时间范围内，既要保证能够安全的完成一次巡检，同时，应使得每次巡检的电池能耗最小；此外，多旋翼无人机巡航时，为了能更好的规避障碍物，安全地完成巡检，应尽量规避逆光产生的视觉影响，本实施例中的步骤1中，无人机在巡航过程中会经过n个视点以及n-1段巡航路径，此时建立的电池能耗和规避逆光代价最低目标函数如下：
Figure 897852DEST_PATH_IMAGE001
式中，
Figure 445508DEST_PATH_IMAGE002
，
Figure 412327DEST_PATH_IMAGE003
为控制能耗和逆光代价的参数，且
Figure 652816DEST_PATH_IMAGE004
，当多旋翼无人机视觉系 统较优或光照条件影响较少时，此时可令
Figure 288940DEST_PATH_IMAGE005
；根据多旋翼无人机性能或者巡检目的不 同，参数可选取不同数值；
Figure 640287DEST_PATH_IMAGE006
为规避逆光代价，
Figure 461612DEST_PATH_IMAGE007
为悬停时的能耗，
Figure 122270DEST_PATH_IMAGE008
为航迹段之间的 能耗。
进一步的，影响多旋翼无人机巡检电池能耗的影响因素包括多旋翼无人机自身性能约束和自然风的影响；
所述的多旋翼无人机自身性能约束包括但不限于悬停精度、最低/高飞行高度、航速限制、安全距离约束。关于悬停精度：不同型号的多旋翼无人机，水平和垂直精度不同；悬停精度将影响待检测物体三维点云模型的映射，如果低于多旋翼无人机的悬停精度，将使得三维模型没有意义。关于最低/高飞行高度：限制通过任务区域最低飞行高度，防止飞行高度过低而撞击地面，导致坠毁；限制最高飞行高度，防止多旋翼无人机在翻越待检测物体时，超过多旋翼无人机限制高度。该约束将在待检测物体三维点云映射中以障碍物的形式实现。关于航速限制：航速限制主要包括最大上升速度、最大下降速度、最大可承受风速、最大航行速度、最大加/减速度。不同型号的多旋翼无人机，对应着不同的性能参数。关于安全距离约束：安全距离约束考虑的是多旋翼无人机巡检***的安全性，包括多旋翼无人机自身飞行的安全性以及对待检测物体的安全性。
对于自然风的影响的处理，由于多旋翼无人机的电池能耗不仅受到自身航速的影响，同时还会受到风速的影响，因此将巡检过程分为两个部分，悬停拍照阶段和巡航阶段。
在悬停状态中，多旋翼无人机在空中悬停时会处于一种稳态，当有风影响时，多旋翼无人机通过PID控制器自动调节倾斜角，以使多旋翼无人机恢复到原来的稳态；最终，调节的倾斜角度和风向是共线的，速度大小和风速相同；通过查阅多旋翼无人机性能参数可得知单个电机的悬停额定功率以及多旋翼无极人的姿态角调节时间可得知无人机在一个视点的悬停时的能耗为：
Figure 232308DEST_PATH_IMAGE009
式中，
Figure 387346DEST_PATH_IMAGE010
为悬停的额定功率，由于无人机在悬停状态下的能耗只用来克服风速 的影响，因此，可用悬停时风速所对应的功率作为悬停时的额定功率，
Figure 859916DEST_PATH_IMAGE011
为在一个视点中悬 停拍摄时间和调整姿态角的时间和；
在巡航阶段中，由于风速对多旋翼无人机偏航角的影响不大，当多旋翼无人机受 到外界风影响时，其需要调整相应的俯仰角、横滚角以保证多旋翼无人机能够按照预定航 线飞行；此时，每个电机就需要调整相应的功率，既要保证多旋翼无人机按照所设定的航速 飞行，同时又不偏离预定航线。风对多旋翼无人机飞行的影响可用航行速度三角形来描述， 如附图2所示。即地速
Figure 192939DEST_PATH_IMAGE017
是空速和风速
Figure 14582DEST_PATH_IMAGE028
的矢量和。故巡航阶段的能耗包括多旋翼无 人机直飞航线上的能耗以及抵抗风所消耗的能耗。多旋翼无人机在巡航阶段受到的风干扰 来自于二维平面风，此时地速、风速的矢量图如附图3所示，地速的大小是在多旋翼无人机 起飞前设定好的，所以可看作常量，方向为两个视点所在的直线；风速的大小和方向是在多 旋翼无人机起飞前测量得到，也看作常量；
将无人机巡航过程中将地速
Figure 810499DEST_PATH_IMAGE017
投影到水平
Figure 812959DEST_PATH_IMAGE018
平面，所述的
Figure 225486DEST_PATH_IMAGE018
平面为水 平二维平面，投影为
Figure 722327DEST_PATH_IMAGE019
，
Figure 372751DEST_PATH_IMAGE019
和
Figure 31265DEST_PATH_IMAGE020
可根据下列公式求得：
Figure 171170DEST_PATH_IMAGE021
Figure 2860DEST_PATH_IMAGE022
Figure 507790DEST_PATH_IMAGE023
Figure 602785DEST_PATH_IMAGE024
式中，
Figure 927587DEST_PATH_IMAGE025
为地速
Figure 15498DEST_PATH_IMAGE017
在竖直方向的投影，
Figure 640514DEST_PATH_IMAGE026
为梯度角、
Figure 171990DEST_PATH_IMAGE027
为风向角，风向角由北偏东 90度开始记为0度，逆时针方向递增；
Figure 203662DEST_PATH_IMAGE028
为二维平面干扰风速，视点i的坐标为
Figure 377154DEST_PATH_IMAGE029
； 视点j的坐标为
Figure 59940DEST_PATH_IMAGE030
；
Figure 762316DEST_PATH_IMAGE020
为克服二维平面干扰风后的地速
Figure 576557DEST_PATH_IMAGE017
在
Figure 757003DEST_PATH_IMAGE018
平面的实际投 影；
地速在
Figure 356612DEST_PATH_IMAGE018
平面的投影与X轴的夹角
Figure 698731DEST_PATH_IMAGE031
的计算公式如下：
Figure 233224DEST_PATH_IMAGE032
式中，
Figure 217361DEST_PATH_IMAGE031
、
Figure 468214DEST_PATH_IMAGE027
的大小均为与X轴正方向所成的夹角；
无人机由视点i飞行至视点j的距离
Figure 246814DEST_PATH_IMAGE033
为：
Figure 520800DEST_PATH_IMAGE034
所需时间
Figure 26737DEST_PATH_IMAGE016
为：
Figure 335359DEST_PATH_IMAGE035
根据克服二维平面干扰风后的地速
Figure 284860DEST_PATH_IMAGE017
在
Figure 311722DEST_PATH_IMAGE018
平面的投影速度
Figure 168819DEST_PATH_IMAGE020
、实际航速竖 直方向投影速度
Figure 348259DEST_PATH_IMAGE025
和侧风风速
Figure 468662DEST_PATH_IMAGE036
能够查表得到相关功率
Figure 451661DEST_PATH_IMAGE013
、
Figure 581291DEST_PATH_IMAGE014
和
Figure 317035DEST_PATH_IMAGE015
。
最终得到巡航能耗表达式：
Figure 608339DEST_PATH_IMAGE012
式中，式中，
Figure 344214DEST_PATH_IMAGE008
为航迹段之间的能耗，
Figure 759758DEST_PATH_IMAGE013
为抵抗侧风的能耗功率，
Figure 163058DEST_PATH_IMAGE014
为无人机直 飞航线上实际航速水平对应的能耗功率，
Figure 625263DEST_PATH_IMAGE015
为实际航速竖直方向对应的能耗功率，
Figure 848434DEST_PATH_IMAGE016
为巡 航时间。
本实施例中，测风风速
Figure 569134DEST_PATH_IMAGE036
为风速
Figure 561361DEST_PATH_IMAGE028
在垂直航向方向的分量，
Figure 194468DEST_PATH_IMAGE068
为风速
Figure 639356DEST_PATH_IMAGE028
在航 向方向的分量，所述的克服二维平面干扰风后的地速
Figure 399632DEST_PATH_IMAGE017
在
Figure 43103DEST_PATH_IMAGE018
平面的投影速度
Figure 112691DEST_PATH_IMAGE020
即地 速
Figure 779295DEST_PATH_IMAGE017
克服
Figure 592530DEST_PATH_IMAGE068
后的实际航行速度。
进一步的，步骤3中，以太阳光照和航迹之间的角度关系作为太阳光照与航迹间关系，所述的太阳光照和航迹之间的角度关计算方式如下：
Figure 543038DEST_PATH_IMAGE037
式中，
Figure 783526DEST_PATH_IMAGE006
表示规避逆光代价，用太阳光照与航迹之间的夹角来表示；
Figure 999744DEST_PATH_IMAGE038
表示光线 三维向量，该数值由用户输入得到；
Figure 351091DEST_PATH_IMAGE039
表示相邻航迹段三维向量。
进一步的，步骤4中，构建混合路径规划算法模型之前，需要对巡检的待检测物体、多旋翼无人机的搜索空间建模。针对现有的待检测物体，通过栅格法对其进行三维抽象，映射成计算机能够处理的三维数组，映***度既要考虑多旋翼无人机导航误差，还要考虑多旋翼无人机悬停精度，本实施例中取二者最大值，同时待巡检物体映射为障碍物。
进一步的，步骤5中，根据构建好的三维模型，运行改进蚁群算法输出最优巡航路径，即视点的巡视顺序。具体步骤如下：
步骤5.1，参数初始化：设置循环次数
Figure 172416DEST_PATH_IMAGE040
、最大循环次数G、将m只蚂蚁置于n个 视点上，每条路径上的初始信息素
Figure 66030DEST_PATH_IMAGE041
；
步骤5.2，视点选择策略：第k只蚂蚁从当前视点i选择下一个视点j的概率由路径上残留的信息素量和启发式信息即两个视点间的功耗决定，公式为：
Figure 972806DEST_PATH_IMAGE042
式中，
Figure 127844DEST_PATH_IMAGE043
表示蚂蚁k下一步允许遍历的视点的集合；
Figure 69255DEST_PATH_IMAGE044
表示视点i到视点j的 能耗；
Figure 900813DEST_PATH_IMAGE045
、
Figure 294886DEST_PATH_IMAGE046
为启发因子，
Figure 191298DEST_PATH_IMAGE045
的取值为[1,4]，
Figure 3527DEST_PATH_IMAGE046
的取值为[3,5]；
步骤5.3，更新信息素：当每只蚂蚁遍历完所有视点后，根据下列公式进行信息素的更新：
Figure 491140DEST_PATH_IMAGE047
Figure 372508DEST_PATH_IMAGE048
Figure 869349DEST_PATH_IMAGE049
Figure 503461DEST_PATH_IMAGE050
式中，
Figure 427555DEST_PATH_IMAGE051
代表第k只蚂蚁巡检完所有视点消耗的能耗，其中
Figure 530640DEST_PATH_IMAGE008
代表第j个航迹段 的能耗，由于全局规划时，相同视点悬停时间相同，所以无需计算悬停时能耗，
Figure 362330DEST_PATH_IMAGE052
代表第n 次迭代后，各路径上的信息素；
Figure 132840DEST_PATH_IMAGE053
（0<
Figure 975638DEST_PATH_IMAGE053
<1）代表蒸发系数，
Figure 300440DEST_PATH_IMAGE054
代表信息素的增量；
Figure 139083DEST_PATH_IMAGE055
代表第k只蚂蚁在边ij上的增量；
Figure 764099DEST_PATH_IMAGE056
为常数。
根据已有的全局航迹，判断相邻视点是否经过障碍物，若经过，运用改进A*算法进行局部路径规划，保证无人机在相邻两视点之间飞行时，能够避开障碍物，保证巡视飞行安全。
所述的改进A*算法通过设置启发函数，求解出在三维空间里任意两点间能耗最小的代价表现，所述的启发函数如下：
Figure 826733DEST_PATH_IMAGE057
Figure 153678DEST_PATH_IMAGE058
Figure 530433DEST_PATH_IMAGE059
式中，
Figure 9956DEST_PATH_IMAGE060
为任意两个视点的能耗总和；
Figure 181174DEST_PATH_IMAGE061
为始点悬停的能耗和始点到当前 节点i的能耗总和；
Figure 496880DEST_PATH_IMAGE062
为目标点悬停的能耗和当前节点直飞到目标点的能耗总和；
Figure 942905DEST_PATH_IMAGE063
为 起始悬停点的悬停功耗，
Figure 480196DEST_PATH_IMAGE064
为终结悬停点的悬停功耗；
Figure 884633DEST_PATH_IMAGE065
、
Figure 186170DEST_PATH_IMAGE066
为巡航状态的功 耗。
最后将规划的坐标转换成GPS坐标并传给多旋翼无人机，完成无人机最终巡视路线规划的确认。
该种多旋翼无人机巡检路径规划方法，该方法能够在满足待检测物体、多旋翼无人机性能及外部环境安全约束的条件下，考虑太阳光照因素对航迹的影响，为多旋翼无人机巡检提供一条安全、低能耗、规避逆光的最优路径。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (5)

1.一种多旋翼无人机巡检路径规划方法，其特征在于：通过以电池能耗和规避逆光代价最低为目标函数，通过改进蚁群算法和改进A*混合算法完成路径规划；具体步骤如下：
步骤1，为保证巡检的安全性和低能耗性，建立电池能耗和规避逆光代价最低目标函数；
步骤2，分析影响多旋翼无人机巡检电池能耗的影响因素，确定悬停能耗以及巡航能耗；
步骤3，确定太阳光照与多旋翼无人机巡检航迹间关系；
步骤4，对扫描得到的待巡检物体三维点云模型进行建模，同时输入巡航过程中所有视点坐标；
步骤5，运用改进蚁群算法输出最优巡航路径、运用改进A*混合算法输出相邻两视点间的最优飞行路径，最终输出最优航迹；
所述的步骤1中建立的电池能耗和规避逆光代价最低目标函数如下：
Figure 135164DEST_PATH_IMAGE001
式中，
Figure 156210DEST_PATH_IMAGE002
、
Figure 63379DEST_PATH_IMAGE003
分别为控制能耗和逆光代价的参数，且
Figure 144468DEST_PATH_IMAGE004
，当多旋翼无人机视觉系 统较优或光照条件影响较少时，此时令
Figure 947208DEST_PATH_IMAGE005
；根据多旋翼无人机性能或者巡检目的不同， 参数选取不同数值；
Figure 506365DEST_PATH_IMAGE006
为规避逆光代价，
Figure 766576DEST_PATH_IMAGE007
为悬停时的能耗，
Figure 80883DEST_PATH_IMAGE008
为第j个航迹段的能耗；
所述的步骤3中，以太阳光照和航迹之间的角度关系作为太阳光照与航迹间关系，所述的太阳光照和航迹之间的角度关系计算方式如下：
Figure 560799DEST_PATH_IMAGE009
式中，
Figure 923647DEST_PATH_IMAGE006
表示规避逆光代价，用太阳光照与航迹之间的夹角来表示；
Figure 349950DEST_PATH_IMAGE010
表示光线三维 向量，该数值由用户输入得到；
Figure 772841DEST_PATH_IMAGE011
表示相邻航迹段三维向量。
2.如权利要求1所述的一种多旋翼无人机巡检路径规划方法，其特征在于：所述的步骤2中悬停能耗以及巡航能耗的表达式如下：
悬停能耗表达式：
Figure 238588DEST_PATH_IMAGE012
式中，
Figure 405127DEST_PATH_IMAGE013
为悬停的额定功率，由于无人机在悬停状态下的能耗只用来克服风速的影 响，因此，用悬停时风速所对应的功率作为悬停时的额定功率，
Figure 938133DEST_PATH_IMAGE014
为在一个视点中悬停拍摄 时间和调整姿态角的时间和；
巡航能耗表达式：
Figure 531926DEST_PATH_IMAGE015
式中，
Figure 219390DEST_PATH_IMAGE008
为第j个航迹段的能耗，
Figure 704467DEST_PATH_IMAGE016
为抵抗侧风的能耗功率，
Figure 590514DEST_PATH_IMAGE017
为无人机直飞航线上 实际航速水平对应的能耗功率，
Figure 620787DEST_PATH_IMAGE018
为实际航速竖直方向对应的能耗功率，
Figure 513657DEST_PATH_IMAGE019
为巡航时间。
3.如权利要求2所述的一种多旋翼无人机巡检路径规划方法，其特征在于：无人机巡航 过程中将地速
Figure 528056DEST_PATH_IMAGE020
投影到水平
Figure 455561DEST_PATH_IMAGE021
平面，所述的
Figure 673047DEST_PATH_IMAGE021
平面为水平二维平面，投影为
Figure 568060DEST_PATH_IMAGE022
，
Figure 614513DEST_PATH_IMAGE022
和
Figure 678415DEST_PATH_IMAGE023
可根据下列公式求得：
Figure 50490DEST_PATH_IMAGE024
Figure 917952DEST_PATH_IMAGE025
Figure 971359DEST_PATH_IMAGE026
Figure 391232DEST_PATH_IMAGE027
式中，
Figure 668630DEST_PATH_IMAGE028
为地速
Figure 39700DEST_PATH_IMAGE020
在竖直方向的投影，
Figure 208382DEST_PATH_IMAGE029
为梯度角、
Figure 699406DEST_PATH_IMAGE030
为风向角，风向角由北偏东90 度开始记为0度，逆时针方向递增；
Figure 429596DEST_PATH_IMAGE031
为二维平面干扰风速，视点i的坐标为
Figure 474912DEST_PATH_IMAGE032
；视 点j的坐标为
Figure 666859DEST_PATH_IMAGE033
；
Figure 277969DEST_PATH_IMAGE023
为克服二维平面干扰风后的地速
Figure 946104DEST_PATH_IMAGE020
在
Figure 9875DEST_PATH_IMAGE021
平面的实际投 影；
地速在
Figure 21824DEST_PATH_IMAGE021
平面的投影与X轴的夹角
Figure 2288DEST_PATH_IMAGE034
的计算公式如下：
Figure 57968DEST_PATH_IMAGE035
式中，
Figure 546718DEST_PATH_IMAGE034
、
Figure 627938DEST_PATH_IMAGE030
的大小均为与X轴正方向所成的夹角；
无人机由视点i飞行至视点j的距离
Figure 948061DEST_PATH_IMAGE036
为：
Figure 174643DEST_PATH_IMAGE037
所需时间
Figure 996362DEST_PATH_IMAGE019
为：
Figure 333802DEST_PATH_IMAGE038
根据克服二维平面干扰风后的地速
Figure 790322DEST_PATH_IMAGE020
在
Figure 702653DEST_PATH_IMAGE021
平面的实际投影
Figure 962733DEST_PATH_IMAGE023
、地速
Figure 385755DEST_PATH_IMAGE020
在竖直方 向的投影
Figure 883732DEST_PATH_IMAGE028
和侧风风速
Figure 186538DEST_PATH_IMAGE039
能够查表得到相关功率
Figure 465072DEST_PATH_IMAGE040
、
Figure 939390DEST_PATH_IMAGE041
和
Figure 88611DEST_PATH_IMAGE042
。
4.如权利要求3所述的一种多旋翼无人机巡检路径规划方法，其特征在于：所述的步骤5中改进蚁群算法具体步骤如下：
步骤5.1，参数初始化：设置循环次数
Figure 844209DEST_PATH_IMAGE043
、最大循环次数G，将m只蚂蚁置于n个视点 上，每条路径上的初始信息素
Figure 593728DEST_PATH_IMAGE044
；
步骤5.2，视点选择策略：第k只蚂蚁从当前视点i选择下一个视点j的概率由路径上残留的信息素量和启发式信息即两个视点间的功耗决定，公式为：
Figure 76662DEST_PATH_IMAGE045
式中，
Figure 362281DEST_PATH_IMAGE046
表示蚂蚁k下一步允许遍历的视点的集合；
Figure 272468DEST_PATH_IMAGE047
表示视点i到视点j的能耗；
Figure 197699DEST_PATH_IMAGE048
、
Figure 484324DEST_PATH_IMAGE049
为启发因子，
Figure 391493DEST_PATH_IMAGE048
的取值为[1,4]，
Figure 472582DEST_PATH_IMAGE049
的取值为[3,5]；
步骤5.3，更新信息素：当每只蚂蚁遍历完所有视点后，根据下列公式进行信息素的更新：
Figure 698158DEST_PATH_IMAGE050
Figure 522894DEST_PATH_IMAGE051
Figure 16061DEST_PATH_IMAGE052
Figure 549942DEST_PATH_IMAGE053
式中，
Figure 246502DEST_PATH_IMAGE054
代表第k只蚂蚁巡检完所有视点消耗的能耗，其中
Figure 874930DEST_PATH_IMAGE008
代表第j个航迹段的能 耗，由于全局规划时，相同视点悬停时间相同，所以无需计算悬停时能耗，
Figure 911019DEST_PATH_IMAGE055
代表第n次迭代 后，各路径上的信息素；
Figure 117266DEST_PATH_IMAGE056
代表蒸发系数，0<
Figure 35543DEST_PATH_IMAGE056
<1，
Figure 483973DEST_PATH_IMAGE057
代表信息素的增量；
Figure 748470DEST_PATH_IMAGE058
代表第 k只蚂蚁在边ij上的增量；
Figure 545525DEST_PATH_IMAGE059
为常数。
5.如权利要求4所述的一种多旋翼无人机巡检路径规划方法，其特征在于：所述的步骤5中改进A*混合算法通过设置启发函数，求解出在三维空间里任意两点间能耗最小的代价表现，所述的启发函数如下：
Figure 232989DEST_PATH_IMAGE060
Figure 937640DEST_PATH_IMAGE061
Figure 10638DEST_PATH_IMAGE062
式中，
Figure 558688DEST_PATH_IMAGE063
为任意两个视点的能耗总和；
Figure 451557DEST_PATH_IMAGE064
为始点悬停的能耗和始点到当前节点i 的能耗总和；
Figure 241790DEST_PATH_IMAGE065
为目标点悬停的能耗和当前节点直飞到目标点的能耗总和；
Figure 169295DEST_PATH_IMAGE066
为起始 悬停点的悬停功耗，
Figure 619737DEST_PATH_IMAGE067
为终结悬停点的悬停功耗；
Figure 16214DEST_PATH_IMAGE068
、
Figure 328247DEST_PATH_IMAGE069
为巡航状态的功耗。
CN202010374783.5A 2020-05-07 2020-05-07 一种多旋翼无人机巡检路径规划方法 Active CN111256703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010374783.5A CN111256703B (zh) 2020-05-07 2020-05-07 一种多旋翼无人机巡检路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010374783.5A CN111256703B (zh) 2020-05-07 2020-05-07 一种多旋翼无人机巡检路径规划方法

Publications (2)

Publication Number Publication Date
CN111256703A CN111256703A (zh) 2020-06-09
CN111256703B true CN111256703B (zh) 2020-08-04

Family

ID=70955210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010374783.5A Active CN111256703B (zh) 2020-05-07 2020-05-07 一种多旋翼无人机巡检路径规划方法

Country Status (1)

Country Link
CN (1) CN111256703B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037274B (zh) * 2020-07-23 2022-07-26 江苏方天电力技术有限公司 一种基于太阳光照条件的多旋翼无人机视点确定方法
CN112034881B (zh) * 2020-07-28 2021-08-06 南京航空航天大学 一种多旋翼无人机巡检视点数量约简方法
CN112506205B (zh) * 2020-12-17 2022-11-25 深圳市朗驰欣创科技股份有限公司 机器人巡检任务规划方法及装置
CN112683276B (zh) * 2020-12-30 2022-06-24 广东安恒电力科技有限公司 基于混合离散灰狼算法的无人机巡检电缆路径规划方法
CN113205116B (zh) * 2021-04-15 2024-02-02 江苏方天电力技术有限公司 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法
CN113204245A (zh) * 2021-05-19 2021-08-03 广州海事科技有限公司 基于无人机的航标巡查方法、***、设备及存储介质
CN113433971A (zh) * 2021-07-09 2021-09-24 深圳大学 一种高层建筑外墙数据采集方法、装置、设备及存储介质
CN114326825A (zh) * 2021-11-09 2022-04-12 国网辽宁省电力有限公司铁岭供电公司 输电线路无人机巡检路径规划及缺陷分析云平台
CN114485669B (zh) * 2022-01-20 2024-04-19 南京航空航天大学 一种面向拍摄效用最大化的无人机航迹规划方法
CN114610070B (zh) * 2022-03-21 2024-06-21 大连理工大学 一种无人机协同的风电场智能巡检方法
CN115016528B (zh) * 2022-05-23 2023-03-10 贵州丰立空间科技有限公司 一种基于无人机的光伏板巡查***
CN115593647A (zh) * 2022-11-03 2023-01-13 清华大学（Cn） 用于垂直起降飞机的串联混合动力***航程最优设计方法
CN116627180B (zh) * 2023-07-24 2023-11-07 贵州博睿科讯科技发展有限公司 一种无人机巡飞规划方法、装置、电子设备及存储介质
CN117420837B (zh) * 2023-12-19 2024-03-19 中国航天空气动力技术研究院 基于风场感知与能量增益的无人机航迹规划方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105093130A (zh) * 2015-09-17 2015-11-25 杨珊珊 一种无人飞行器续航能力监测***及方法
CN106856002A (zh) * 2016-11-22 2017-06-16 上海大学 一种无人机拍摄图像质量评价方法
CN107515003A (zh) * 2017-07-19 2017-12-26 中国南方电网有限责任公司超高压输电公司检修试验中心 一种规划飞机巡视输电线路飞行航线的方法
CN108521812A (zh) * 2017-05-19 2018-09-11 深圳市大疆创新科技有限公司 无人机的控制方法、无人机以及机器可读存储介质
CN109976164A (zh) * 2019-04-25 2019-07-05 南开大学 一种多旋翼无人机能量优化视觉覆盖轨迹规划方法
US10538326B1 (en) * 2016-08-31 2020-01-21 Amazon Technologies, Inc. Flare detection and avoidance in stereo vision systems

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160284221A1 (en) * 2013-05-08 2016-09-29 Matternet, Inc. Route planning for unmanned aerial vehicles

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105093130A (zh) * 2015-09-17 2015-11-25 杨珊珊 一种无人飞行器续航能力监测***及方法
US10538326B1 (en) * 2016-08-31 2020-01-21 Amazon Technologies, Inc. Flare detection and avoidance in stereo vision systems
CN106856002A (zh) * 2016-11-22 2017-06-16 上海大学 一种无人机拍摄图像质量评价方法
CN108521812A (zh) * 2017-05-19 2018-09-11 深圳市大疆创新科技有限公司 无人机的控制方法、无人机以及机器可读存储介质
CN107515003A (zh) * 2017-07-19 2017-12-26 中国南方电网有限责任公司超高压输电公司检修试验中心 一种规划飞机巡视输电线路飞行航线的方法
CN109976164A (zh) * 2019-04-25 2019-07-05 南开大学 一种多旋翼无人机能量优化视觉覆盖轨迹规划方法

Also Published As

Publication number Publication date
CN111256703A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN111256703B (zh) 一种多旋翼无人机巡检路径规划方法
US11619953B2 (en) Three dimensional aircraft autonomous navigation under constraints
CN101477169B (zh) 巡检飞行机器人对电力线路的检测方法
CN107577241B (zh) 一种基于避障***的消防无人机航迹规划方法
CN105759829A (zh) 基于激光雷达的微型无人机操控方法及***
Sebbane Lighter than air robots: guidance and control of autonomous airships
CN112180954B (zh) 一种基于人工势场的无人机避障方法
CN109683629A (zh) 基于组合导航和计算机视觉的无人机电力架线***
De Wagter et al. Design, control, and visual navigation of the DelftaCopter VTOL tail‐sitter UAV
CN109828274A (zh) 调整机载雷达的主探测方向的方法、装置和无人机
CN103217981A (zh) 一种基于积分变结构控制的四旋翼飞行器速度控制方法
CN110104167A (zh) 一种采用红外热成像传感器的自动化搜救无人机***和控制方法
CN111615677B (zh) 一种无人机的安全降落方法、装置、无人机及介质
CN109870906A (zh) 一种基于bbo优化人工势场的高速旋翼飞行器路径规划方法
CN115268499A (zh) 无人机架空输电线路巡检方法及***
CN107547792A (zh) 一种面向三维建模的车载移动影像采集***及其工作方法
Fisher et al. Emulating avian orographic soaring with a small autonomous glider
CN113900453B (zh) 四旋翼无人机空中充电子母机精准对接控制方法及***
CN117406771A (zh) 一种基于四旋翼无人机的高效自主探索方法、***及设备
Tsintotas et al. The MPU RX-4 project: Design, electronics, and software development of a geofence protection system for a fixed-wing vtol uav
Cobano et al. Thermal detection and generation of collision-free trajectories for cooperative soaring UAVs
CN117724524A (zh) 一种基于改进球面向量粒子群算法的无人机航线规划方法
Geyer et al. 3D obstacle avoidance in adversarial environments for unmanned aerial vehicles
Cho et al. Stabilized UAV flight system design for structure safety inspection
US20230142863A1 (en) Performance of autonomous vehicle operation in varying conditions by using imagery generated with machine learning for simulations

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