基于计算机的凸多边形农田无人机喷洒作业航迹规划方法
【专利摘要】本发明公开了一种基于计算机的凸多边形农田无人机喷洒作业航迹规划方法，包括：第一步，求解出多边形每条边的直线方程；找出多边形的最长边；分别求出农田边界的各端点到最长边的距离，并找出距离最长边最远的点；在最长边和该最远点之间选取一组与最长边平行且等间隔的平行线；对于每一条平行线求解出它与农田边界的两个交点并把结果集存入相应数组里；将每条平行线与多边形两个交点连成一条线段，这样可将这组平行线位于农田作业区域以外的部分截掉，得到一组位于农田作业区域以内的平行线段。然后规划出航迹线。本发明算法简洁，通用性好，可以提高无人直升机针对不规则农田执行喷洒作业的效率，降低飞行能耗。
【专利说明】基于计算机的凸多边形农田无人机喷洒作业航迹规划方法
【技术领域】
[0001] 本发明涉及一种基于计算机的凸多边形农田无人机喷洒作业航迹规划方法，其中 喷洒作业可W包括；农药喷洒、液体化服喷洒、航空播种等。
【背景技术】
[0002] 随着科技的不断发展，采用现代化机械来替换人工劳动已经成为各行各业的趋 势。我国作为一个传统的农业大国，耕地面积十分广阔，然而，目前国内农田作业大部分还 是采用传统的人工作业方式。其中农药喷洒采取的是人工喷洒方式，该种方式不仅效率低， 而且对作业人员的身也有极大的伤害，因此，急需先进的技术来改变该一现象。农业植保无 人机应运而生。
[0003] 在目前我国农村条件下，运用小型无人机喷洒农药是我国、特别是南方地区比较 可行的一种方法。无人驾驶农药喷洒飞机不仅速度快，且使用超低容量农药喷洒，节省农药 和水资源，减少农作物的农药残留和环境污染，远程操作还能减少对施药人员的伤害。适应 于各种地形，符合我市农村道路现状。但是由于无人机的可操控距离远，人的肉眼无法准确 判断具体的飞行状态，如飞行方向、飞行距离等。缺乏对无人机在农田作业区域的飞行航迹 进行合理有效的规划方法，导致无人机在农田作业的时候会出现漏喷、重喷、出界的问题。 该会使无人机的喷洒效率降低，作业成本提高。
[0004] 农用无人机的航迹规划是指在特定的约束条件下，寻找满足无人机机动性能及农 田区域环境信息限制的从起点到目标点的最优飞行轨迹，它是无人机任务规划系统的关键 技术，是确保无人机提高飞行器的喷洒效率，圆满完成农药喷洒任务的有效手段，也是无人 机实现自主控制，智能飞行的技术保障。因此，农用无人机的迅猛发展和广泛使用给航迹规 划技术提出了更高的要求，也使无人机航迹规划技术成为国内外学者研究的热点之一。
[0005] 目前无人机航迹规划有多种算法，如栅格法、切线图法、Voronoi图法、PRM法、动 态规划算法、最速下降法、A*算法、遗传算法、蚁群算法、粒子群算法等。栅格法将无人机的 飞行区域划分为不同大小的0/1单元格，0为不可飞单元格，1为可飞。栅格大小直接影响信 息的存储量的大小和规划时间长短。栅格大，信息存储量减少，规划时间短，但是航迹质量 下降。栅格小，信息存储量大，规划时间长，航迹质量高。因此，对密度大的区域进行单元格 细分，而对密度小的区域适当放大单元格。此外，当区域更新时快速进行更新局部栅格信息 W满足实时规划要求。切线图法将各种障碍简化建模为具有一定作用半径的圆柱体或圆锥 体及其组合。由于无人机在巡航飞行时只考虑横向移动，因此根据无人机预定的巡航高度 可简化为平面几何来处理。障碍的切线表示可飞航迹，构造出来的航迹几乎接近障碍，其缺 点是在无人机飞行过程中出现位置偏差就很容易飞入障碍区域。Voronoi图是计算机几何 中重要的几何图形被广泛应用到地形处理等多种区域划分的场合。Voronoi多边形的每条 边上的点到相对应的两个点等距离，Voronoi边上的点是到障碍点的最远点，因此，无人机 沿Voronoi边飞行可W获得较高的安全系数。PRM法是由Overmars于1992年针对高维位 形空间的机器人运动规划提出的。该方法是一种随机路径搜索方法，具有概率完全性，随机 采样生成航迹图，然后根据飞行代价函数，搜索"最优"航迹。但缺陷是当飞行环境变化时， PM方法需要重新对环境进行采样分析，实时性不强，一般不用于实时局部航迹规划。动态 规划算法是解决多级决策最优化问题的常见算法。该算法应用于无人机航迹规划中要求模 型相对简单，可W获得全局最优解，但缺陷是随着规划区域的扩大，受状态空间的限制，会 出现组合爆炸，只能应用于小范围内的搜索。最速下降法是S. J. Asseo于1982年提出的， 它应用最速下降法求解地形跟踪及地形规避问题。该方法相对较简单，收敛速度较快，需要 地形一阶偏导连续。但由于算法是建立在目标函数梯度基础上，要求导函数连续、迭代运算 量大，且易陷入局部最优解。A*算法是一种静态路网中求解最短路径最有效的方法，一般 用于基于栅格的数字地图中。公式表示为：f(n) = g(n)+h(n)，其中f(n)是从初始点经由 节点n到目标点的估价函数，g(n)是在状态空间中从初始节点到n节点的实际代价，h(n) 是从n到目标节点最佳路径的估计代价。保证找到最短路径条件，关键在于估价函数h (n) 的选取；估价值h (n) < = n到目标节点的距离实际值，该种情况下，搜索的点数多，搜索范围 大，效率低。但能得到最优解。当估价值〉实际值时，搜索的点数少，搜索范围小，效率高， 但不能保证得到最优解。
[0006] 遗传算法（GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过 程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。其主要特点是直接对结 构对象进行操作，不要求目标函数具有分析性质（可导、连续等）；具有内在的隐并行性和 更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应 地调整搜索方向，不需要确定的规则。无人机的航迹规划可W描述为下列数学规划模型：
[0007]
【权利要求】
1. 一种基于计算机的凸多边形农田无人机喷洒作业航迹规划方法，其特征在于，该方 法包括以下步骤： 1) 从凸多边形农田的某一端点开始，获取凸多边形农田n个边界点，并按照顺序设各 个边界点坐标依次为P1U1,Y1)，P2(x2,y2)，P3(x3,y3)，…，Pn(xn,yn)，依次连接相邻的边界 点，形成凸多边形农田边界； 2) 找出凸多边形农田边界的最长边； 3) 找出距离上述最长边距离最远的边界点； 4) 在上述最长边和距离最长边最远的边界点之间作一组与最长边平行且等间隔的平 行线； 5) 从距离所述最长边最近的平行线开始，向距离最长边最远的边界点方向依次遍历所 有平行线，确定各平行线与凸多边形农田边界的边之间的交点的坐标，并按照平行线与凸 多边形农田边界的边相交的顺序，将经过距离最长边最远的边界点、且与所述最长边垂直 的直线L两侧的交点坐标分别存入结果集L[i]，R[i];其中i为直线L某一侧的交点的数 量； 6) 连接结果集L[i]，R[i]中对应的两点，形成多条平行于最长边且交于凸多边形农田 边界的平行线段，以某一平行线段的一个端点为起点，依次连接相邻线段同一端的端点，形 成多段侧飞线段，则所述平行线段和侧飞线段形成S形的航迹线，即目标航迹线； 7) 利用下式求出由平行线段向侧飞线段的转角余弦数组cosa□，以及由侧飞线段向 平行线段的转角余弦数组cosP[]:
直线L右侧侧飞线段向量组；当i为偶数时，求得的余弦值为直线L右侧平行线段与对应的 侧飞线段的转角或者直线L右侧的侧飞线段与对应的平行线段的转角；当i为奇数时，求得 的余弦值为直线L左侧平行线段与对应的侧飞线段的转角或者直线L左侧的侧飞线段与对 应的平行线段的转角； 8) 根据反余弦公式求得各条平行线段与对应的侧飞线段的转角数组，以及各条侧飞线 段与对应的平行线段的转角数组：
当i为偶数时，上述转角数组为直线L右侧的转角数组；当i为奇数时，上述转角数组 为直线L左侧的转角数组； 9) 设无人直升机初始状态是沿平行线段从直线L左侧开始向直线L右侧飞行，则第i 次由平行线段飞到各平行线与凸多边形农田边界的边之间的交点时，根据a[i]由平行线 段向侧飞线段转向，然后沿侧飞线段飞行一段距离后，根据角度P[i]由侧飞线段向平行 线段转向，然后继续沿下一条平行线段飞行，形成一条S形的飞行航迹，依此类推，最终形 成完整的航迹规划。
2. 根据权利要求1所述的基于计算机的凸多边形农田无人机喷洒作业航迹规划方法， 其特征在于，所述步骤4)中，平行线的数量LineNum=Distance[k]/H;其中，H为无人直升 机的飞行行距；Distance[k]为最长边和距离最长边最远的边界点之间的距离，单位为米。
3. 根据权利要求2所述的基于计算机的凸多边形农田无人机喷洒作业航迹规划方法， 其特征在于，所述步骤4)中，设函数s=Distance[k] %H，若0〈s〈H，则增加一条与距离最 长边最远的边界点的距离为H/2、且平行于所述最长边的平行线。
4. 根据权利要求3所述的基于计算机的凸多边形农田无人机喷洒作业航迹规划方法， 其特征在于，所述步骤4)中，距离最长边最近的平行线与该最长边的距离为无人机飞行行 距H的一半。
【文档编号】G05D1/10GK104503464SQ201410844456
【公开日】2015年4月8日 申请日期:2014年12月30日 优先权日:2014年12月30日
【发明者】谭冠政, 宋戈, 汪飙, 谭冠军, 谭淦 申请人:中南大学