能覆盖农林机器人信号的无人机定位方法与流程

1.本发明属于信息处理技术领域，具有涉及一种基于最优化技术的能覆盖农林机器人信号的无人机定位方法。


背景技术：

2.在农业及林业的生产活动中，需要使用能无人自动操作的机械人，称之为农林机器人。就通信层面而言，农林作业面积大、范围广，不容易建立信号的覆盖网。此外，农林作物与农田作物高度相比，高度是明显不能被忽视的，它是影响信号覆盖与信号通讯的重要原因之一。
3.农林范围内的机器人由于林园地形较农田视野更加狭窄，因此农林机器人与农田机器人相比体积较小，而且农林机器人所需数量还与林木生长周期和种植面积有关。再有，由于农林作物的高度大，对信号具有遮挡性，对农林机器人的位置监测带来不可忽视的误差。因而需要补充信号，以便准确进行监测。
4.本发明将利用无人机机载基站补充信号，其目标是精准补充覆盖农业机器人的信号，利用无人机对农林机器人进行定位，基于优化技术解决信号覆盖问题。


技术实现要素：

5.为了克服现有技术的不足，本发明设计一种基于优化技术的能覆盖农林机器人信号的无人机定位方法，首先提出了农林机器人的概念，针对农林机器人在信号源与定位功能方面的短板，使用无人机机载基站补充信号，利用最优化技术建立一个可分解为半定规划与序列最大元问题的模型。沿用经典循环策略解决序列最大元问题，并设计一种求解多约束半定规化的高效随机算法。该技术用于解决了农业和林业生产中，无人机定位所面临的信号缺失与机器人防碰撞等问题。
6.本发明所涉及的农林机器人指的是：在农林生产中使用检测和演算等人工智能技术、由不同程序软件控制、适应各种作业、能感觉并适应农业和林业等作物种类与环境变化、能无人自动操作的机械。该种类机器人可在例如果树采摘、农药喷洒等诸多农林作业领域有广阔的市场前景。
7.农林范围内的机器人由于林园地形较农田视野更加狭窄，因此农林机器人与农田机器人相比体积较小，由于农林作物高度大，对信号具有遮挡性，需要补充信号，以便准确进行监测。
8.本发明的技术方案为：基于优化技术的能覆盖农林机器人信号的无人机定位方法，所述方法所依赖的硬件包括一架无人机和多台农林机器人m，所述无人机上设有机载基站，利用所述机载基站对所述农林机器人m补充信号，在所述方法中所利用的距离度量单位为米，时间单位为分钟，下面建立能覆盖农林机器人信号的无人机定位最优化模型：
9.第i个农林机器人mi的活动范围界定为椭圆区域，记为ei，i为正整数，其长轴为
短轴为以ei的位置中心为坐标原点，南北方向为纵轴，用t2表示，东西方向为横轴，用t1表示，ei的长轴与横轴的正半轴夹角为θi，，ei的旋转变换矩阵为ei的方程为：
[0010][0011]ei
的方程数据矩阵为
[0012][0012]
表示矩阵ai是正定的，为ai的逆矩阵，i＝1,
…
,m,m是正整数；
[0013]
将坐标系原点平移到ηi＝(ηi1,ηi2)
t
,ηi是ei的gps位置中的平面位置坐标里椭圆中心坐标点，bi＝aiηi,ci＝ηi
tai
ηi-1,构造一个最大特征值是λ
1i
和第二个特征值是λ
2i
的矩阵qi，所述矩阵，所述矩阵是的倒数，qi对应于λ
1i
和λ
2i
的特征向量分别为u
1i
和u
2i
.则ei的短轴方向平行于u
1i
,长轴的方向平行于u
2i
，ei重新用一个矩阵表示为：
[0014][0015]
i＝1,
…
,m，x表示中的点，是二维实数空间，ei的中心为所述无人机的所述机载基站的信号覆盖范围为圆形b，其中β＝(β1，β2)表示所述无人机的gps位置中的平面位置坐标里坐标点，γ是实数，所述无人机在起飞前的信号的覆盖半径为树木的高度数据的集合为h＝{h1,
…
,hn}，n表示树木的数量，当所述无人机距地面高度为ρ，要求ρ满足ρ≥1+hi,i＝1,
…
n，则根据勾股定理，所述无人机在空中的信号的辐射半径为由于所以存在一个正整数τi，使得下式成立：
[0016][0017]
所述无人机定位最优化模型为：
[0018][0019]
由于变量ρ的优化与变量β,γ,τ是无关，把所述无人机定位最优化模型进行分解，分解为两个互不相关的简单最优化子问题：
[0020]
多约束简单半定规划问题：
[0021]
[0022][0023]
和序列最大元问题：
[0024]
ρ＝1+max
j＝1,
…
,nhj
。
ꢀꢀ
(3)
[0025]
所述无人机定位最优化模型求解方法为：
[0026]
第一步 求解所述多约束简单半定规划问题：
[0027]
step1.1:初始化
[0028]
设定无人机出发坐标β0，以及覆盖参数γ0，τ0，设定步长{ak}与罚参数序列{σk}，ak、σk为实数；
[0029]
step1.2:迭代
[0030]
迭代指标k＝0,
…
,n-1，n是正整数，从1,
…
m随机选取一个正整数ik，
[0031]
计算矩阵的最大特征值λ
max
，和最大特征值λ
max
对应的特征向量
[0032]
若λ
max
》0。
[0033]
β
k+1
＝β
k-2ak(β
k-σku
β
)
[0034]
γ
k+1
＝γ
k-2ak(-1-σk)
[0035][0036]
否则
[0037]
β
k+1
＝β
k-2ak(βk)
[0038]
γ
k+1
＝γ
k-2ak(-1)
[0039]
step1.3：输出((βn)
t
,γn,(τn)
t
)
t
，得到坐标βn；
[0040]
第二步
[0041]
使用循环策略，求解序列最大元ρ＝1+max
j＝1,
…
,nhj
；
[0042]
step2.1：ρ＝0，j＝1；
[0043]
step2.2：若ρ≤hj，ρ＝hj，j＝j+1；
[0044]
step2.3：如果j《n，转step2.2；
[0045]
step2.4:输出，ρ，最终得到农林无人机坐标βn，辐射半径为
[0046]
step2.5:结束。
[0047]
说明书附图：
[0048]
图1表示农林作业俯视图，表示机器人信号传输途径。
[0049]
图2表示无人机高度图，表示无人机高度限制。
[0050]
图3表示固定方向农林机器人信号覆盖效果图。
[0051]
图4表示可变方向农林机器人信号覆盖效果图。
[0052]
固定方向农林机器人：ei的长轴与坐标系横轴的正半轴夹角为θi是恒定不变的。
[0053]
可变方向农林机器人：ei的长轴与坐标系横轴的正半轴夹角为θi是变化的。
[0054]
本发明有益效果
[0055]
1、本发明结合农业生产和林业生产的特点，提出了农林机器人的概念及其需求市
场。利用农林机器人与农田机器人相比，体积较小、农林作物高度大、对信号具有遮挡性等特点，提出利用无人机机载基站补充信号的策略，有利于准确进行信息监测，保证无人机与机器人不会与农林作物发生碰撞。
[0056]
2、结合水平范围的椭圆覆盖与无人机纵向高度的信息，建立多约束复杂半定规划模型，并能利用结构将模型分解为简单子问题，为设计高效快速算法提供保障，降低无人机所需的性能指标并能节省制造无人机的成本。
[0057]
3、设计求解半定规划的随机算法和求解顺序最大元的循环策略，解决了农林机器人数量较大且为非静止作业的问题，保证定位的实时性。
具体实施方式
[0058]
参见图1至图4所示，基于优化技术的能覆盖农林机器人信号的无人机定位方法，所述方法所依赖的硬件包括一架无人机和多台农林机器人m，所述无人机上设有机载基站，利用所述机载基站对所述农林机器人m补充信号，在所述方法中所利用的距离度量单位为米，时间单位为分钟，下面建立能覆盖农林机器人信号的无人机定位最优化模型：
[0059]
第i个农林机器人mi的活动范围界定为椭圆区域，记为ei，i为正整数，其长轴为短轴为以ei的位置中心为坐标原点，南北方向为纵轴，用t2表示，东西方向为横轴，用t1表示，ei的长轴与横轴的正半轴夹角为θi，，ei的旋转变换矩阵为ei的方程为：
[0060][0061]ei
的方程数据矩阵为
[0062][0062]
表示矩阵ai是正定的，为ai的逆矩阵，i＝1,
…
,m,m是正整数；
[0063]
将坐标系原点平移到ηi＝(ηi1,ηi2)
t
,ηi是ei的gps位置中的平面位置坐标里椭圆中心坐标点，bi＝aiηi,ci＝ηi
tai
ηi-1,构造一个最大特征值是λ
1i
和第二个特征值是λ
2i
的矩阵qi，所述矩阵，所述矩阵是的倒数，qi对应于λ
1i
和λ
2i
的特征向量分别为u
1i
和u
2i
.则ei的短轴方向平行于u
1i
,长轴的方向平行于u
2i
，ei重新用一个矩阵表示为：
[0064][0065]
i＝1,
…
,m，x表示中的点，是二维实数空间，ei的中心为所述无人机的所述机载基站的信号覆盖范围为圆形b，其中β＝(β1，β2)表示所述无人机的gps位置中的平面位置坐标里坐标点，γ是实数，所述无人机在起飞前的信号的覆盖半径为树木的高度数据的集合为h＝{h1,
…
,hn+，n表示树木的数量，当所述无人机距地面高度为ρ，要求ρ满足ρ≥1+hi,i＝1,
…
n，则根据勾股定理，所述
无人机在空中的信号的辐射半径为由于所以存在一个正整数τi，使得下式成立：
[0066][0067]
所述无人机定位最优化模型为：
[0068][0069]
由于变量ρ的优化与变量β,γ,τ是无关，把所述无人机定位最优化模型进行分解，分解为两个互不相关的简单最优化子问题：
[0070]
多约束简单半定规划问题：
[0071][0072][0073]
和序列最大元问题：
[0074]
ρ＝1+max
j＝1,
…
,nhj
。
ꢀꢀ
(3)
[0075]
所述无人机定位最优化模型求解方法为：
[0076]
第一步 求解所述多约束简单半定规划问题：
[0077]
step1.1:初始化
[0078]
设定无人机出发坐标β0，以及覆盖参数γ0，τ0，设定步长{ak}与罚参数序列{σk}，ak、σk为实数；
[0079]
step1.2:迭代
[0080]
迭代指标k＝0,
…
,n-1，n是正整数，从1,
…
m随机选取一个正整数ik，
[0081]
计算矩阵的最大特征值λ
max
，和最大特征值λ
max
对应的特征向量
[0082]
若λ
max
》0。
[0083]
β
k+1
＝β
k-2ak(β
k-σku
β
)
[0084]
γ
k+1
＝γ
k-2ak(-1-σk)
[0085][0086]
否则
[0087]
β
k+1
＝β
k-2ak(βk)
[0088]
γ
k+1
＝γ
k-2ak(-1)
[0089]
step1.3：输出((βn)
t
,γn,(τn)
t
)
t
，得到坐标βn；
[0090]
第二步
[0091]
使用循环策略，求解序列最大元ρ＝1+max
j＝1,
…
,nhj
；
[0092]
step2.1：ρ＝0，j＝1；
[0093]
step2.2：若ρ≤hj，ρ＝hj，j＝j+1；
[0094]
step2.3：如果j《n，转step2.2；
[0095]
step2.4:输出，ρ，最终得到农林无人机坐标βn，辐射半径为
[0096]
step2.5:结束。
[0097]
数值结果
[0098]
本发明的数值实验中，涉及固定方向机器人和可转向机器人。其中信号覆盖效果图见图3和图4。在图3和图4中，每个椭圆表示一个农林机器人，其长轴是农林机器人的实时行走方向，整个椭圆表示机器人在一段时间后预计可能出现的位置。虚线表示uav的信号覆盖范围与地面相交的区域，已经覆盖了所有的农林机器人。圆形预示着机器人暂时处于静止状态。在20秒的时间内，若工作状态中农林机器人移动速度为v米/秒，则椭圆的长轴可设为20v米，即可保证移动农林机器人一直在uav信号覆盖的范围内。