基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法技术

本发明专利技术公开了一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，对搜索空间和角度按照位置分辨率、角度分辨率进行均匀采样，剔除位于模型内部的视点；依据安全距离和传感器检测距离剔除距离模型过近、过远的视点；依据视点相机视线与点云点法向量间的夹角计算视点可见点云序列，再据此剔除不合格视点；为每个视点依据距离关系生成子视点序列；然后对当前视点依据蒙特卡洛树搜索的思想执行拓展、模拟、回溯和选择，直至覆盖率满足要求，本发明专利技术的提出能保证无人机对大型三维结构检测时的检测质量，同时还能减少全覆盖路径的冗余，提高无人机检测过程的检测效率与能量利用率，并且其视点生成过程保证了算法灵活性好、鲁棒性强。强。强。

【技术实现步骤摘要】
基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法


[0001]本专利技术属于无人机路径规划
，具体涉及一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法。

技术介绍

[0002]无人机(UAV，Unmanned Aerial Vehicle)是一种通过遥控或自主计算机程序进行飞行的飞行器，具有多种功能和应用。随着无人机技术的不断发展，利用无人机对桥梁、储油罐等大型重要设施进行三维全覆盖检测作为一种技术手段，已经广泛应用于城市规划、环境监测、安全评估等领域。
[0003]在利用无人机进行大型复杂结构三维全覆盖检测时，需要考虑无人机的传感器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结构的安全距离，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过程中传感器是否达到全面覆盖，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。因此针对大型三维结构进行安全、高效、准确的全覆盖路径规划是一项重要挑战，对无人机在此领域的实际应用有着重要的研究意义。
[0004]目前利用无人机进行大型三维结构的全覆盖路径规划的研究仍不充分。要实现对大型三维结构的表面检测一般是要在结构模型可获取的基础上生成能覆盖模型的视点(Viewpoint)，再选择视点生成全覆盖路径。在全覆盖路径规划算法中基于旅行商问题(Traveling Salesman Problem，TSP)的视点选择方法十分常见。除了TSP，搜索算法也常用于全覆盖路径规划的视点选择过程中。但上述全覆盖路径规划算法存在许多不足，如基于TSP问题的三维全覆盖路径规划算法由于其视点生成方法的限制通常需要特定精度的模型，精度较低的模型会导致漏检，精度较高的模型会导致全覆盖路径冗余，算法鲁棒性较低；而基于搜索算法的全覆盖路径规划算法在生成视点时往往会忽略相机视线与待检测表面的夹角关系，会导致采集到的信息失真，难以完成检测任务，同时现存常用的基于搜索算法的全覆盖路径规划算法都是基于贪婪算法拓展路径，难以利用模型的全局信息，同样会造成路径冗余。因此解决鲁棒性低、路径冗余、检测质量差等问题成为当前全覆盖路径规划算法研究领域的研究热点。
[0005]蒙特卡洛树搜索算法作为一种强大的搜索和决策算法，通过随机模拟和反向传播的方式，在搜索空间中高效地探索可能的解决方案，并根据模拟结果进行优化和决策，在无人机路径规划领域已经得到应用。例如，盛可欣等人提出的基于蒙特卡洛树搜索的无人机路径规划方法，展现了该算法在路径规划中的优势。但大型三维结构的全覆盖路径规划问题需要考虑更多约束条件和变量，同时要保证路径的完整性和检测质量。而现有的基于该算法的路径规划方法所能处理的路径点数目非常有限，并且其在三维空间中的可行性并未得到验证，不能满足大型三维结构全覆盖路径规划的要求。

技术实现思路

[0006]针对现存用于无人机大型三维结构检测的全覆盖路径规划算法的不足，本专利技术提供一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，不仅能够保证检测过程中每个视点的检测质量，还能依据先验模型的全局信息搜索选择视点，避免全覆盖路径冗余，提升检测过程的效率与无人机的能量利用率。同时本方法能完成针对多种不同的大型三维结构的全覆盖路径规划任务，鲁棒性强，灵活性好。
[0007]为了实现上述目的，本专利技术采用的技术方案是：一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，包括以下步骤：
[0008]对搜索空间和角度按照位置分辨率、角度分辨率进行均匀采样，生成初始视点；
[0009]剔除所述初始视点中位于模型内部的视点，再依据安全距离和传感器检测距离剔除距离模型过近和过远的视点；最后依据视点相机视线与点云点法向量间的夹角计算视点的可见点云序列，剔除视点的可见点云序列中不合格视点，得到均匀地分布在待检测物体周围的一组视点；
[0010]针对待检测物体周围的一组视点中每个视点依据距离关系生成子视点序列，然后依据蒙特卡洛树搜索的思想执行拓展、模拟、回溯和选择视点，直至覆盖率满足要求，得到三维检测的全覆盖路径。
[0011]对搜索空间和角度按照位置分辨率、角度分辨率进行均匀采样，以此生成初始视点包括以下步骤：
[0012]首先将采样空间按照设定的分辨率均匀划分为多个网格，使得采样空间被划分为多个相互不重叠的子区域，每个子区域的顶点代表无人机的位置，并且在每个子区域的顶点处，按照设定的角度分辨率进行采样，以获得更细致的视点，采样公式如下：
[0013]ViewPoint
ijkn
＝(x
i
,y
j
,z
k
,ψ
n
)
[0014][0015]其中ViewPoint
ijkn
为生成的视点；x
i
,y
j
,z
k
,ψ
n
为此视点的坐标位置及旋转角度；x0，y0，z0为整个采样空间的起点；R
position
为位置分辨率；R
angle
为角度分辨率，得到一系列初始视点。
[0016]剔除位于模型内部的视点包括以下步骤：
[0017]将视点与待检测物体的边界进行比较，在边界之内的视点过滤掉，留下在边界外的视点，具体见下式：
[0018][0019]其中，f(VP
i
)表示视点VP
i
的边界过滤函数的输出，如果视点VP
i
不在边界内，则f(VP
i
)的值为1，表示该视点符合要求；如果视点VP
i
在边界内，则f(VP
i
)的值为0，表示该视点需要被过滤掉。
[0020]依据安全距离和传感器检测距离剔除视点具体如下：
[0021]利用无人机的安全距离和相机的检测范围对剔除模型内部视点后的剩余视点进行二次过滤，对于距离待检测物体过近或者不在相机检测范围内的视点进行剔除，只保留符合要求的视点作为最终的可行视点，具体描述为：
[0022]d
min
≤d
i
≤d
max
[0023]其中：d
min
为无人机与待检测物体之间的最小安全距离，最小安全距离的数值是基于无人机的运动特性而定；d
max
为无人机与待检测物体之间的最大距离，最大距离的数值是基于传感器的检测距离而定；d
i
为视点VP
i
距离模型的实际距离；得到均匀地分布在待检测物体周围的一组视点，所述视点与待检测物体之间的距离既满足无人机的安全要求，也满足传感器的检测要求。
[0024]依据视点相机视线与点云点法向量间的夹角计算视点的可见点云序列，再剔除视点的可见点云序列不合格视点包括以下步骤：
[0025]通过视点有效检测到的三维结构的面积对每个视点进行评分，剔除评分低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，其特征在于，包括以下步骤：对搜索空间和角度按照位置分辨率、角度分辨率进行均匀采样，生成初始视点；剔除所述初始视点中位于模型内部的视点，再依据安全距离和传感器检测距离剔除距离模型过近和过远的视点；最后依据视点相机视线与点云点法向量间的夹角计算视点的可见点云序列，剔除视点的可见点云序列中不合格视点，得到均匀地分布在待检测物体周围的一组视点；针对待检测物体周围的一组视点中每个视点依据距离关系生成子视点序列，然后依据蒙特卡洛树搜索的思想执行拓展、模拟、回溯和选择视点，直至覆盖率满足要求，得到三维检测的全覆盖路径。2.根据权利要求1所述的一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，其特征在于，对搜索空间和角度按照位置分辨率、角度分辨率进行均匀采样，以此生成初始视点包括以下步骤：首先将采样空间按照设定的分辨率均匀划分为多个网格，使得采样空间被划分为多个相互不重叠的子区域，每个子区域的顶点代表无人机的位置，并且在每个子区域的顶点处，按照设定的角度分辨率进行采样，以获得更细致的视点，采样公式如下：ViewPoint
ijkn
＝(x
i
,y
j
,z
k
,ψ
n
)其中ViewPoint
ijkn
为生成的视点；x
i
,y
j
,z
k
,ψ
n
为此视点的坐标位置及旋转角度；x0，y0，z0为整个采样空间的起点；R
position
为位置分辨率；R
angle
为角度分辨率，得到一系列初始视点。3.根据权利要求1所述的一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，其特征在于，剔除位于模型内部的视点包括以下步骤：将视点与待检测物体的边界进行比较，在边界之内的视点过滤掉，留下在边界外的视点，具体见下式：其中，f(VP
i
)表示视点VP
i
的边界过滤函数的输出，如果视点VP
i
不在边界内，则f(VP
i
)的值为1，表示该视点符合要求；如果视点VP
i
在边界内，则f(VP
i
)的值为0，表示该视点需要被过滤掉。4.根据权利要求1所述的一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，其特征在于，依据安全距离和传感器检测距离剔除视点具体如下：利用无人机的安全距离和相机的检测范围对剔除模型内部视点后的剩余视点进行二次过滤，对于距离待检测物体过近或者不在相机检测范围内的视点进行剔除，只保留符合
要求的视点作为最终的可行视点，具体描述为：d
min
≤d
i
≤d
max
其中：d
min
为无人机与待检测物体之间的最小安全距离，最小安全距离的数值是基于无人机的运动特性而定；d
max
为无人机与待检测物体之间的最大距离，最大距离的数值是基于传感器的检测距离而定；d
i
为视点VP
i
距离模型的实际距离；得到均匀地分布在待检测物体周围的一组视点，所述视点与待检测物体之间的距离既满足无人机的安全要求，也满足传感器的检测要求。5.根据权利要求1所述的一种基于蒙特卡洛树搜索的无人机三维覆盖路径规划方法，其特征在于，依据视点相机视线与点云点法向量间的夹角计算视点的可见点云序列，再剔除视点的可见点云序列不合格视点包括以下步骤：通过视点有效检测到的三维结构的面积对每个视点进行评分，剔除评分低于设定值的视点；采用点云文件作为待检测三维结构的模型文件，通过计算从视锥体中的点指向相机所在位置形成的射线与整个模型的交点的数量，判断该点是否被遮挡，具体为：其中，P
p
为当前点的位置；P
cam
为相机所在的位置；V为从视锥体中的当前点指向相机所在位置形成的射线；intersection()为求射线与模型间交点数量的函数；intersectionNum为射线与模型间交点数量；intersectionNum的数目不为零，当前点被遮挡，不能被相机直接检测到，剔除当前点，完成对视锥体内每一个点的遮挡剔除操作后，视锥体内剩余的点均能被相机直接检测到；对每个视点所对应的视锥体内剩余的点云数据中点的云点P，找到云点P周围的K个最近邻域点，将得到云点P的邻域点集合，表示为：N(P)＝{P1,P2,...,P
n
}其中，N(P)为点P邻域内点的集合；设存在一个平面，云点P的邻域点集合N(P)中所有的点到所述平面的垂直距离的平方和最小，将所述平面的法向量作为点P的法向量，用以下方程表示N(P)中所有点的拟合平面：z＝a*x+b*y+c求解如下方程即得到拟合平面的具体数值：其中，(a,b,c)
*
代表拟合平面的参数；z
i
，x
i
，y
i
为N(P)中点的坐标，将视点坐标作为观察点坐标，得到拟合平面的法向量，点P的法向量V
P
表示为：具体表达方式由观察点坐标决定；接着，计算出每个点法向量与视点所对应相机视线间的夹角θ，并将夹角θ与预先设定
的阈值θ0进行比较，如果θ小于θ0，则该点将被添加到当前视点的可见点云序列中；遍历完当前视点所对应视锥体...

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