一种基于二维平面的无人机群路径识别方法
本发明涉及无人机领域，尤其涉及一种基于二维平面的无人机群路径识别方法。
背景技术：
无人机是一种无人驾驶的飞行器，与载人飞机相比，无人机具有体积小，成本低，以及使用方便等优点。除了军事应用以外，无人机还广泛用于民事应用，例如：航拍、农业、植保、电力巡检以及测绘等。
无人机具有载荷能力强、机动能力强、空间利用率高等显著优势。这使得无人机群在协同完成任务中具有很大的优势，但在复杂城市环境下，协同飞行对于无人机而言依旧是个极大的挑战。可以采用gps定位并在已知地图中导航的方案；也可以采用视觉方式，对未知的环境进行实时建图，从而达到导航的目的。
现有的方案有采用gps定位并在已知地图中导航的方案，这种方案有两个前提：一是需保持良好的gps信号，gps信号不能中断；二是无人机存有地图。但是有些地方没有地图，根本无法提前获得地图，也无法保证gps的信号一直存在。一般采用视觉的方式，对未知的环境进行实时建图，从而达到导航的目的，但实时建图计算量大，需要的内存大，对设备要求高，而目前的嵌入式设备计算性能并不高，采用实时建图的方式难以满足协同任务的实时性要求。
技术实现要素：
本发明的目的在于提出一种基于二维平面的无人机群路径识别方法，可以针对无人机群需要在复杂的低空环境中协同飞行的方法，用以在低空复杂环境下的导航和路径规划。
为达此目的，本发明采用以下技术方案：一种基于二维平面的无人机群路径识别方法，包括下述步骤：
实时检测gps信号：无人机群实时检测gps信号情况，当检测到gps信号小于设定值时，无人机群停止前进，由gps导航模式切换至自主导航模式；
确定临时的指挥机：将n个无人机进行编号排序，每个无人机给其余所有的无人机发送信号请求空间坐标，所有收到请求的无人机均返回一个空间坐标，将收到n-1个空间坐标的无人机作为临时的指挥机；
调整无人机群高度：以临时的指挥机的高度作为基准，控制其他所有的无人机调整高度，使其高度保持与临时的指挥机高度一致；
确定中心无人机：计算各个无人机与其余无人机之间的欧式距离总和，比较所获得的n个欧式距离总和，将欧式距离总和最小的无人机作为中心无人机；
对地面图像进行采集：匀速提升中心无人机的高度，中心无人机在升高过程中，利用自身携带的摄像头对地面进行拍照；
识别道路：中心无人机上升到设定高度后，对整个区域进行拍照，对整个区域的图像进行处理，识别出道路；
路径规划：将整个区域的图像进行网络化，对整个无人机群所在位置进行路径规划；
无人机群移动：利用图像的距离和实际的距离之间的关系获得无人机群的移动距离，并控制无人机群移动。
优选的，在实时检测gps信号的步骤中：当检测到gps信号小于设定值时，记录无人机群当前获取的gps信号和无人机自带的传感器获得的空间坐标。
优选的，在确定临时的指挥机的步骤中：若其中一架无人机同时收到多架无人机发送请求作为临时的指挥机的要求，取多架无人机中，编号最小的无人机作为临时的指挥机，并向所有无人机广播临时的指挥机的编号。
优选的，在调整无人机群高度的步骤中，还包括：进行坐标防撞检测，设无人机的整体长度为y，宽度为x，其中任意一架无人机的空间坐标为(xa，ya，za)，相邻的另一架无人机的空间坐标为(xb，yb，zb)，若两架无人机的空间坐标满足|xa-xb|<4x，|xa-xb|<4y，|ya-yb|<4x，|ya-yb|<4y的任一公式，则判断两架无人机会发生碰撞，临时的指挥机控制对应的无人机朝无人机数量少的区域进行横向移动，直至所有的无人机空间坐标都不满足相撞的条件；临时的指挥机控制其余无人机上升或下降至与临时的指挥机同一高度的位置。
优选的，在确定中心无人机的步骤中：设n架无人机的空间坐标分别为(x1，y1，z1)，(x2，y2，z2)，…，(xn，yn，zn)，其中，z1＝z2＝…zn，第一架无人机与其余n-1架无人机的距离和为：
优选的，在对地面图像进行采集的步骤中：匀速升高中心无人机的高度，中心无人机上升设定的高度后停止，中心无人机通过识别其余无人机的椭圆保护圈来确认其余无人机的空间坐标位置：
中心无人机在升高过程中，摄像头连续获取多帧图片，根据上一帧图片中其余无人机的初始位置，确定当前帧其余无人机在当前图片的位置范围，将对应范围的区域进行放大识别，识别无人机在放大图像中的坐标值，将该坐标值与原来没有放大的图片进行坐标变换，从而获得其余无人机当前位置的坐标。
优选的，在识别道路的步骤中：对整个区域的图像进行灰度化、高斯模糊化、canny边缘检测、不规则roi区域截取、霍夫直线检测和车道计算，从而识别出道路。
优选的，在路径规划的步骤中：识别道路后，通过动态a星算法对整个无人机群所在的位置进行路径规划。
优选的，在无人机群移动的步骤中，包括：求出当前高度拍摄的图片中像素的距离和地面实际的距离之间的比例尺rx，比例尺rx的公式为：
求出当前高度拍摄的图片中像素的距离和地面实际的距离之间的比例尺ry，比例尺ry的公式为：
设当前高度拍摄的图片中的一个像素点p(x1，y1)，像素点p在图像中x轴方向的长度为x1，代入公式
设移动到达点为p1，实际移动距离
本申请采用上述方法，在没有gps信号或无人机群移动至gps信号差的地区时，能够切换为自主导航模式，不需要通过视觉同步定位与地图绘制或者激光同步定位与地图绘制等技术完成实时路径规划，对设备的硬件配置需求不高，采用一般的嵌入式设备即可满足计算量的需求，能够降低无人机设备的成本，降低无人机设备在运行过程中的发热情况；通过对无人机群的空间分布情况以及相互之间的通信情况，选取中心无人机作为指挥中心，运算过程简单；中心无人机作为整个无人机群的中心，通过识别其余无人机所在的位置，并通过摄像头对整个区域的图像进行采集、分析和处理，方便对整个无人机群的路径进行统一的规划和控制。
附图说明
附图对本发明做进一步说明，但附图中的内容不构成对本发明的任何限制。
图1是本发明的x轴方向的成像示意图；
图2是本发明的y轴方向的成像示意图；
图3是本发明的像素点p的位置坐标图；
图4是本发明的图像的像素点和实际地面点之间的长度关系示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
参阅图1至图4所示，一种基于二维平面的无人机群路径识别方法，包括下述步骤：
实时检测gps信号：无人机群实时检测gps信号情况，当检测到gps信号小于设定值时，无人机群停止前进，由gps导航模式切换至自主导航模式；
确定临时的指挥机：将n个无人机进行编号排序，每个无人机给其余所有的无人机发送信号请求空间坐标，所有收到请求的无人机均返回一个空间坐标，将收到n-1个空间坐标的无人机作为临时的指挥机；
调整无人机群高度：以临时的指挥机的高度作为基准，控制其他所有的无人机调整高度，使其高度保持与临时的指挥机高度一致；
确定中心无人机：计算各个无人机与其余无人机之间的欧式距离总和，比较所获得的n个欧式距离总和，将欧式距离总和最小的无人机作为中心无人机；
对地面图像进行采集：匀速提升中心无人机的高度，中心无人机在升高过程中，利用自身携带的摄像头对地面进行拍照；
识别道路：中心无人机上升到设定高度后，对整个区域进行拍照，对整个区域的图像进行处理，识别出道路；
路径规划：将整个区域的图像进行网络化，对整个无人机群所在位置进行路径规划；
无人机群移动：利用图像的距离和实际的距离之间的关系获得无人机群的移动距离，并控制无人机群移动。
采用上述方法，在没有gps信号或无人机群移动至gps信号差的地区时，能够切换为自主导航模式，通过对无人机群的空间分布情况以及相互之间的通信情况，选取中心无人机作为指挥中心，运算过程简单；中心无人机作为整个无人机群的中心，通过识别其余无人机所在的位置，并通过摄像头对整个区域的图像进行采集、分析和处理，方便对整个无人机群的路径进行统一的规划和控制，不需要通过视觉同步定位与地图绘制或者激光同步定位与地图绘制等技术完成实时路径规划，对设备的硬件配置需求不高，采用一般的嵌入式设备即可满足计算量的需求，能够降低无人机设备的成本，降低无人机设备在运行过程中的发热情况。
本申请能够利用比例尺将无人机在图像中的像素距离换算成实际距离，并在2d平面下进行路径规划；无人机协同控制中，根据无人机空间分布情况及通信状态选取中心无人机；利用无人机椭圆保护圈的分布特点确定无人机与指挥机之间的相对位置；在2d平面中识别出道路，并在此基础上采用动态a星算法进行路径规划。
具体地，在实时检测gps信号的步骤中：当检测到gps信号小于设定值时，记录无人机群当前获取的gps信号和无人机自带的传感器获得的空间坐标。
无人机群通过实时检测gps信号，当gps小于设定值时，即无人机群进入gps信号较差的区域，此时，无人机群无法保持顺畅的通讯信号，无人机群切换至自主导航模式，根据实时的路径情况进行路径规划，完成顺利飞行。将当前获取的gps信号和空间坐标数据进行采集，为下一次飞行提供参考数据。
优选的，在确定临时的指挥机的步骤中：若其中一架无人机同时收到多架无人机发送请求作为临时的指挥机的要求，取多架无人机中，编号最小的无人机作为临时的指挥机，并向所有无人机广播临时的指挥机的编号。
为了避免多架无人机同时请求作为临时的指挥机，多架无人机之间产生控制信号干扰，取其中最小编号的无人机作为临时的指挥机，完成后续对无人机群的调控。
同时，在调整无人机群高度的步骤中，还包括：进行坐标防撞检测，设无人机的整体长度为y，宽度为x，其中任意一架无人机的空间坐标为(xa，ya，za)，相邻的另一架无人机的空间坐标为(xb，yb，zb)，若两架无人机的空间坐标满足|xa-xb|<4x，|xa-xb|<4y，|ya-yb|<4x，|ya-yb|<4y中的任一公式，则判断两架无人机会发生碰撞，临时的指挥机控制对应的无人机朝无人机数量少的区域进行横向移动，直至所有的无人机空间坐标都不满足相撞的条件；临时的指挥机控制其余无人机上升或下降至与临时的指挥机同一高度的位置。
当临时的指挥机调整无人机群在统一的高度过程中，为了防止相邻的两架无人机之间发生碰撞，则任意两架无人机之间的距离必须满足上述的空间坐标关系，这里无人机数量少的区域指的是相邻的两架无人机之间的间距较大的区域，即相同区域中无人机分布的数量较少的区域，无人机的分布情况可由空间坐标分布情况获得。
优选的，在确定中心无人机的步骤中：设n架无人机的空间坐标分别为(x1，y1，z1)，(x2，y2，z2)，…，(xn，yn，zn)，其中，z1＝z2＝…zn，第一架无人机与其余n-1架无人机的距离和为：
通过对n架无人机与其余n-1架无人机之间的欧式距离总和进行求解，并对各求解结果e1至en进行比较判断，获得其中最小的值ei，即第i架无人机距离其余n-1架无人机的距离最小，以第i架无人机作为中心无人机控制整个无人机群的通讯路径最小，信号传输效率最高。
欧式距离是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。
本申请中，在对地面图像进行采集的步骤中：匀速升高中心无人机的高度，中心无人机上升设定的高度后停止，中心无人机通过识别其余无人机的椭圆保护圈来确认其余无人机的空间坐标位置：
中心无人机在升高过程中，摄像头连续获取多帧图片，根据上一帧图片中其余无人机的初始位置，确定当前帧其余无人机在当前图片的位置范围，将对应范围的区域进行放大识别，识别无人机在放大图像中的坐标值，将该坐标值与原来没有放大的图片进行坐标变换，从而获得其余无人机当前位置的坐标。
椭圆保护圈是无人机自带的框架结构，具有较大的体积，方便摄像头进行识别。通过连续拍摄多帧图片，对图片的位置进行识别，从而确定其余无人机的空间坐标。设定的上升高度为4-8m，在进行椭圆保护圈识别的时候，为了克服无人机体积较小而无法识别出来的问题，通过上一帧图片中的无人机的初始位置来确定当前帧的无人机的大致范围，进一步切割出来该区域，对这块区域的图像进行放大从而提高识别到无人机的可能性，识别到无人机后，得到一个切割后放大图像的坐标，对该坐标进行坐标变换，变换回原来没有切割的图片中。在上升的过程中，指挥机一直保持着对其他无人机的识别。
同时，在识别道路的步骤中：对整个区域的图像进行灰度化、高斯模糊化、canny边缘检测、不规则roi区域截取、霍夫直线检测和车道计算，从而识别出道路。
灰度化：在rgb模型中，如果r＝g＝b时，则彩色表示一种灰度颜色，其中r＝g＝b的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值，灰度范围为0-255。
高斯模糊化：用于视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图像效果。
canny边缘检测是johnf.canny于1986年开发出来的一个多级边缘检测算法。
不规则roi区域截取：图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为roi区域。
霍夫直线检测：在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果，该方法可以进行圆，直线，椭圆等形状的检测。
具体地，在路径规划的步骤中：识别道路后，通过动态a星算法对整个无人机群所在的位置进行路径规划。
动态a星算法，即a.stentz,“thefocussedd*algorithmforreal-timereplanning.”inproc.ijcai,vol.95,pp.1652–1659,1995，动态a星算法是一种典型的启发式搜索算法，建立在dijkstra算法的基础之上，广泛应用于游戏地图、现实世界中，用来寻找两点之间的最短路径。
优选的，在无人机群移动的步骤中，包括：求出当前高度拍摄的图片中像素的距离和地面实际的距离之间的比例尺rx，比例尺rx的公式为：
求出当前高度拍摄的图片中像素的距离和地面实际的距离之间的比例尺ry，比例尺ry的公式为：
设当前高度拍摄的图片中的一个像素点p(x1，y1)，像素点p在图像中x轴方向的长度为x1，代入公式
设移动到达点为p1，实际移动距离
参阅图1所示，图像为x轴方向的成像示意图，相机到地面的高度h以及摄像头的焦距fx可由无人机自带的传感器测得，从而求出x轴方向的实际的距离lx。参阅图2所示，y轴方向的成像示意图，求出y轴方向的实际的距离ly，则像素点p，坐标(x1，y1),在图像中x轴方向上的长度为x1，则可以通过比例尺求对应的x轴方向的实际的距离
在本说明书的描述中，参考术语“实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！