基于自适应视点采样的无人机全覆盖路径规划方法及系统技术方案

本发明专利技术公开了一种基于自适应视点采样的无人机全覆盖路径规划方法及系统，包括自适应视点生成：对空间进行位置和方向的离散化，来生成初始视点，利用自适应采样比较识别初始视点未覆盖区域，在未识别区域内迭代直至生成合格视点集合；路全覆盖路径生成：将最终视点进行聚类并在内部连接每个聚类，将每个聚类与其周围的邻居聚类连接起来，生成搜索图，利用熵和邻居距离的概念作为启发函数来生成全覆盖路径；路径覆盖率评估：沿着上一个环节生成的路径累加计算已经覆盖的待检测结构的体积，以此来计算路径覆盖百分比；能够大幅度减少多旋翼无人机在对复杂大型结构进行检视时所消耗的时间与路径长度，使得无人机的能量利用率得到大幅提升。到大幅提升。到大幅提升。

【技术实现步骤摘要】
基于自适应视点采样的无人机全覆盖路径规划方法及系统


[0001]本专利技术属于多旋翼无人机路径规划领域，具体涉及一种基于自适应视点采样的无人机全覆盖路径规划方法及系统。

技术介绍

[0002]传统的大型结构表面检测任务中需要工作人员目视检测其表面，或是结合升降台和吊车，实现待检查物体表面检测。但这样的检测方式会消耗许多时间，同时需要专业的工具器械行配合，成本较高。而在近年来，多旋翼无人机由于其灵活轻便和成本低廉的优势被广泛应用在各个领域。本专利技术更是在大型复杂结构如建筑物、大型客机等表面检测任务领域中引入多旋翼无人机，减少了人力劳力，有效地降低了成本，大幅度提高检测效率，提升检测的准确率。
[0003]一般在利用多旋翼无人机进行大型物体表面检测时，需要考虑无人机的飞行航线全面覆盖三维物体表面，以防止无人机的漏检，同时确保无人机与三维物体表面的安全距离，保障无人机以及待检测物体的安全性。然而采用手持遥控器操纵无人机飞行，导致无法评估无人机飞行航线是否达到全面覆盖，同时无人机与待检测物体之间的距离难以保持恒定，增加了检测的时间以及危险性，因此亟需一种高效的针对大型三维结构的全覆盖路径规划方法。
[0004]现有的针对三维结构的无人机全覆路径规划方法大都是对三维空间进行分层，将三维的全覆盖问题转化为二维全覆盖问题来处理，这样的处理方式会导致路径重复率高，路径不合理等问题，降低大型三维结构检测的效率。

技术实现思路

[0005]本专利技术的主要目的在于，克服现有三维全覆盖路径规划算法技术中的不足，提供一种基于自适应视点采样的无人机全覆盖路径规划方法，不仅检测覆盖率高、效率高、成本低，而且不受模型结构的影响，具有鲁棒性，能够大幅度减少多旋翼无人机在对复杂大型结构进行检视时所消耗的时间与路径长度，无人机的能量利用率得到大幅提升。
[0006]为了实现上述目的，本专利技术采用的技术方案是：一种基于自适应视点采样的无人机全覆盖路径规划方法，包括以下步骤：
[0007]自适应视点生成
[0008]首先对空间进行位置和方向的离散化来生成初始视点；然后利用自适应采样比较识别初始视点未覆盖区域；最后在未识别的区域内迭代直至生成合格的视点集合；
[0009]全覆盖路径生成
[0010]将上一环节所生成的最终视点集合进行聚类并在内部连接每个聚类；然后将每个聚类与其周围的邻居聚类连接起来，生成搜索图；最后利用熵和邻居距离的概念作为启发函数来生成全覆盖路径；
[0011]路径覆盖率评估
[0012]沿着所述全覆盖路径累加计算已经覆盖的待检测结构的体积，以此来计算路径覆盖百分比，在此过程中需要对参考模型进行遮挡剔除。
[0013]生成初始视点具体如下：先使用设定的网格分辨率执行基于位置的离散化，生成一组定义3D空间中x,y,z位置的样本无人机航路点；
[0014]通过对每个位置样本执行基于方向的离散化来生成一组偏航角方向，生成的样本航路点集S由x,y,z坐标和ψ偏航角表示：
[0015][0016]其中：x
i
,y
i
,z
i
分别为第i个样本航路点无人机在世界坐标系下的坐标；ψ
i
为第i个样本航路点无人机在世界坐标系下的偏航角；
[0017]然后通过应用一个4
×
4变换矩阵来产生每个传感器视点，所述变换矩阵定义传感器相对于无人机机身框架的位置；变换矩阵定义如下：
[0018][0019]其中：为机体坐标系A与传感器坐标系B两个坐标系之间的位姿变换矩阵，将在机体坐标系A下描述的航路点转换到传感器坐标系B下进行描述；为机体坐标系A与传感器坐标系B两个坐标系之间的旋转变换矩阵，描述这两个坐标系之间的姿态关系；
A
P
B
是A,B两个坐标系之间的平移变换矩阵，描述所述两个坐标系之间的位置关系，位姿变换矩阵在无人机组装好后就已经确定；
[0020]最后使用基于碰撞和最大最小距离的方法对初始航路点进行过滤；基于碰撞的过滤方法消除模型内部或与模型碰撞的样本视点；基于距离的过滤方法使样本视点在距结构模型的定义距离内可用，该距离基于传感器的最小和最大有效范围来确定，如下：
[0021][0022]其中：intersection()为计算射线与模型之间交点数的函数；Ray[(x
i
,y
i
,z
i
),(a,b,c)]是由点i(x
i
,y
i
,z
i
)指向点(a,b,c)的射线；model为待检查三维结构的模型；d
min
为视点i距离模型的最小距离；d
max
为视点i距离模型的最大距离；d
i
为点i距离模型的实际距离；
[0023]通过以上方法就生成一组传感器初始视点：
[0024][0025]利用自适应采样比较识别初始视点未覆盖区域时，以不同的离散化分辨率迭代重复上一步骤中的均匀采样过程，并且在每个离散化级别上，通过比较由待检查三维结构的
模型生成的体素和视点可见的体素识别未覆盖的体素；
[0026]利用最近邻法和计算出的体积占用率，通过使用欧几里得聚类对识别出的未覆盖体素进行区域划分，最终找到未覆盖的区域；
[0027]通过计算覆盖部位各点深度误差的标准差来识别精度较低的区域。
[0028]在未识别的区域内迭代直至生成合格的视点集合时，以不同于自适应视点生成时的离散化分辨率在未覆盖的区域内迭代重复；
[0029]在利用自适应采样比较识别初始视点未覆盖区域时的每个离散化级别上，将没有覆盖和低精度的区域作为目标，以更精细的分辨率进行重新采样，直到生成足够的视点样本来保证具有所需精度的模型覆盖。
[0030]全覆盖路径生成时，利用启发式函数R来生成路径，使用的启发式函数R：
[0031]R＝Ee
‑
λδd
(1.5)
[0032]其中：R为进行全覆盖路径规划时所使用的启发函数；E表示当前航路点所在路径的总熵；λ是距离贡献因子；δd是当前航路点与其父航路点之间的距离；
[0033]在进行全覆盖路径规划的过程中选择具有较大R值的航路点，从而最小化δd，并且最大化熵E，最小化δd意味着更短的行进距离，最大化熵E就是最大化信息增益。
[0034]路径覆盖率评估时，通过量化结构的覆盖体积与生成路径上的预测3D结构体积的百分比来评估覆盖路径规划完整性，具体表述如下：
[0035][0036]其中，Coverage表示路径的覆盖率；CV
Voxel
表示通过沿着算法生成的全覆盖路径收集数据而重建的表面体积；OV
Voxel
表示待检查三维结构的模型的表面体积。
[0037]同时提供一种基于自适应视点采样的多旋翼无人机全覆盖路径规划系统，包括自适本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应视点采样的无人机全覆盖路径规划方法，其特征在于，包括以下步骤：自适应视点生成首先对空间进行位置和方向的离散化来生成初始视点；然后利用自适应采样比较识别初始视点未覆盖区域；最后在未识别的区域内迭代直至生成合格的视点集合；全覆盖路径生成将上一环节所生成的最终视点集合进行聚类并在内部连接每个聚类；然后将每个聚类与其周围的邻居聚类连接起来，生成搜索图；最后利用熵和邻居距离的概念作为启发函数来生成全覆盖路径；路径覆盖率评估沿着所述全覆盖路径累加计算已经覆盖的待检测结构的体积，以此来计算路径覆盖百分比，在此过程中需要对参考模型进行遮挡剔除。2.根据权利要求1所述的基于自适应视点采样的无人机全覆盖路径规划方法，其特征在于，生成初始视点具体如下：先使用设定的网格分辨率执行基于位置的离散化，生成一组定义3D空间中x,y,z位置的样本无人机航路点；通过对每个位置样本执行基于方向的离散化来生成一组偏航角方向，生成的样本航路点集S由x,y,z坐标和ψ偏航角表示：其中：x
i
,y
i
,z
i
分别为第i个样本航路点无人机在世界坐标系下的坐标；ψ
i
为第i个样本航路点无人机在世界坐标系下的偏航角；通过一个4
×
4变换矩阵来产生每个传感器视点，所述变换矩阵定义传感器相对于无人机机身框架的位置；变换矩阵定义如下：其中：为机体坐标系A与传感器坐标系B两个坐标系之间的位姿变换矩阵，将在机体坐标系A下描述的航路点转换到传感器坐标系B下进行描述；为机体坐标系A与传感器坐标系B两个坐标系之间的旋转变换矩阵，描述这两个坐标系之间的姿态关系；
A
P
B
是A,B两个坐标系之间的平移变换矩阵，描述所述两个坐标系之间的位置关系，位姿变换矩阵在无人机组装好后就已经确定；最后使用基于碰撞和最大最小距离的方法对初始航路点进行过滤；基于碰撞的过滤方法消除模型内部或与模型碰撞的样本视点；基于距离的过滤方法使样本视点在距结构模型的定义距离内可用，该距离基于传感器的最小和最大有效范围来确定，如下：
其中：intersection()为计算射线与模型之间交点数的函数；Ray[(x
i
,y
i
,z
i
),(a,b,c)]是由点i(x
i
,y
i
,z
i
)指向点(a,b,c)的射线；model为待检查三维结构的模型；d
min
为视点i距离模型的最小距离；d
max
为视点i距离模型的最大距离；d
i
为点i距离模型的实际距离；通过以上方法就生成一组传感器初始视点：3.根据权利要求1所述的基于自适应视点采样的无人机全覆盖路径规划方法，其特征在于，利用自适应采样比较识别初始视点未覆盖区域时，以不同的离散化分辨率迭代重复均匀采样过程，并且在...

【专利技术属性】
技术研发人员：李小虎，王云龙，万少可，洪军，祁朋园，邱荣灿，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：