面向复杂区域的多无人机覆盖路径规划技术.docxVIP

面向复杂区域的多无人机覆盖路径规划技术 摘要针对小型无人机在战场区域侦察中的应用，提出了一种多无人机完成复杂区域覆盖侦察任务的新的路径规划技术。分析了覆盖扫描中地面扫描宽度与无人机和其携带相机性能之间的关系，并研究了如何根据目标区域几何特征选取扫描模式的方法，设计了基于梯形分解的凹多边形分解方法并在此基础上设计了多无人机区域覆盖路径规划方法。 关键词多无人机，复杂区域覆盖，路径规划引用格式DOI无人飞机具有成本低、生存能力强、无人员损失风险、机动性好等优点，已经成为世界各国战场侦察的重要工具，并在近几次局部战争中发挥了重要的作用［1］。在民用领域，如农业、野外搜救、森林防火等领域，无人机也有着广阔的应用前景。 对目标区域进行覆盖从而获取该区域的所有详细信息是一项典型战场侦察任务。随着区域覆盖任务量的扩大以及执行任务过程中突发性的增强，一些研究人员开始专注于考虑使用多个无人机的解决方案，多无人机系统的使用具有许多优点，例如由于覆盖工作的划分而减少了总任务时间，引入了容错功能，当一架无人机出现故障时，可以将其覆盖区域分配给另一架无人机。 面向复杂区域的多无人机覆盖扫描路径规划技术重点解决复杂形状、广阔区域的扫描式信息收集任务中的路径规划，通过优化多架无人机协同完成复杂区域的扫描飞行路径，提高整体区域信息采集的效率。针对该问题的特点，设计了高效的多无人机区域覆盖路径规划方法。 1无人机扫描间距计算无人机区域覆盖路径规划的前提是要知道无人机在地面上的扫描间距。我们首先需要计算出无人机飞行高度h，其可以由下式计算得出： 其中GSD是地面分辨率，是指在拍摄图像上区分两个目标的最小间距。f是相机焦距，u是相机的像元尺寸。当无人机搭载的相机及其像素确定之后，f和u也随之确定了。由上式可知无人机的飞行高度越高，地面分辨率即图像的清晰度和精度越低。 图1无人机飞行高度与航拍图像地面宽度和长度的关系如图1所示，当我们得到无人机的飞行高度时，根据相机的视角fov可以计算得出无人机的航拍图像地面宽度和长度： 其中W是航拍图像的宽度，是相机在宽度方向的水平视角。通过公式（2）计算得到的航拍图像地面宽度并不等于无人机扫描间距，这是因为无人机航拍图像应该具有一定的重叠率，目的是满足后期的图像拼接要求，主要是旁向重叠率。 其中ws为图像的旁向重叠率。这里我们得到无人机区域扫描间距的大小，即D的值，用于后面覆盖路径具体的规划。 2无人机扫描方式选取方法应用无人机对一个区域进行覆盖扫描时，主要有两种扫描模式，即割草式扫描模式2］和螺旋式扫描模式［3］。两种扫描模式具体定义如下： 螺旋式扫描模式：无人机从覆盖区域的中心开始，然后以恒定的螺旋间距向外逆时针螺旋扫描，直到覆盖完整个区域。也可从最外开始，螺旋向内扫描。 割草式扫描模式：无人机以平行航迹往复推进的方式从覆盖区域边缘开始以等间隔距离扫描，直到覆盖完整个区域。 本文根据覆盖区域与圆的接近程度选择不同的扫描模式。我们通常用圆度来描述一个多边形接近圆的程度，很多文献都研究了圆度的定义和计算方法［4］，Bai等人［5］提出了一个用于计算交通指示牌圆度的方法，该方法比较适合用于本文的多边形圆度计算，因此本文使用该方法计算多边形的圆度，计算公式如下： 其中S是多边形的面积，L是多边形的周长，当多边形越接近于圆时，C越接近于1，反之C越接近于0。然后设计实验找出多边形圆度与扫描方式选取之间的关系。结果表明当多边形是正五边形(C=0.86)时，两种扫描模式的扫描时间基本相同。因此，通过试验观测可以总结如下近似规律：当覆盖区域的圆度小于0.86时，割草式扫描模式较优；当圆度大于0.86时，螺旋式扫描模式较优。 3覆盖区域凹凸性的判定与分解3.1多边形凹凸性的判定首先应该对覆盖区域的凹凸性进行判断。目前已经有很多方法可以用来判断多边形的凹凸性，本文使用多边形顶点的向量外积来判定多边形的凹凸性。其原理是凸多边形的每个顶点都应该拥有相同的转向，即凸多边形的每个顶点都应该是凸点。 假设是多边形P的一个随机顶点，和是的两个相邻顶点。则的凹凸性可通过向量积Q的值进行判断。 当一个多边形存在凹点时，该多边形是凹多边形，当该多边形所有的顶点都是凸点时，该多边形时凸多边形。 3.2凹多边形的分解将凹多边形分解成一系列的凸多边形有很多种方法，比如梯形分解［6］、三角分解［7］和近似分解［8］等等。本文使用基于梯形分解方法来对凹多边形进行分解。理想情况下最短的路径拥有最少的转弯次数［9］。当沿着多边形长轴进行区域覆盖时，无人机的转弯次数最少，因此本课题设计的分解方式是平行于多边形长轴进行分解的。 凸多边形的长轴定义如下： 对于每一条边，分别计算该多边形中不属于这条边的顶点到这条边的距离，把这些距离中的最大值记为这条边的跨度。比较所有边的跨度，最小跨