一种多旋翼无人机测绘航线规划方法与流程

本发明属于低空测绘无人机航线规划领域，具体涉及一种多旋翼无人机测绘航线规划方法。

背景技术：

无人机测绘任务包括以下步骤：空域协调和现场勘探、测区划定和航线规划、飞行前状态检查、航摄作业的执行和监控、影像质量的检验和整理、畸变矫正和空三解算、测区三维地形图的生成。其中，测区的全覆盖航摄工作是测绘任务的关键之一，航摄影像质量的好坏也将对后期影像拼接的难度和精度产生直接影响，这就要求我们在满足任务对影像约束的前提下规划航线。此外，为了提高测绘作业的效率，还需要进一步考虑无人机航线的质量，提出一种耗时短、耗能低、方便影像后期整理的规划方案。规划指标具体体现在航程长度、转弯次数、冗余覆盖面积等方面。

在一些测绘任务中，对成图分辨率不高，但要求测区影像同向排列，即需要在全区域内固定无人机航向。随着航摄高度的增大，虽然对航程、航带数等方面有利，但也会带来影像分辨率的下降，对后期拼接和布阵不利；而当航摄高度过小，又会因地势起伏加重影像畸变。对于此类情况，需要对无人机航向和航高进行二维优化，找到固定航向下使航线航程、转弯系数等指标最优的航高解。现有航线规划方法多考虑航高固定下的航线寻优，对航向和航高的二维优化问题研究较少，难以找到较高质量的航线。因此，研究一种面向给定航高范围的高性能的单架次无人机航线规划方案是十分必要的。

技术实现要素：

有鉴于此，本发明提供了一种多旋翼无人机测绘航线规划方法，能够在给定航向及航高的条件下进行最优航线规划。

实现本发明的技术方案如下：

一种多旋翼无人机测绘航线规划方法，包括以下步骤：

步骤一、对航线有效覆盖面积与测区面积的差值、航线总长度、航带条数和航行高度的参数作归一化处理，所述航线有效覆盖面积与测区面积的差值、航线总长度、航带条数和航行高度均由航向和航高表示，对上述四个参数的归一化结果加权求和得到关于航向和航高的航线评价函数；

步骤二、设置二维粒子群算法的参数，将最小化航线评价函数作为二维粒子群算法的优化目标；

步骤三、通过二维粒子群算法求解航线评价函数的最小值，得到对应的航向和航高；

步骤四、利用步骤三得到的航向和航高进行无人机的航线规划。

进一步地，步骤一中，航线评价函数为：

其中，θ为飞行航带相对正东向的夹角；h为相对于起飞点的飞行航高；

i＝1,2,3,4,分别代表四个评价指标；fi(θ,h)表示航线有效覆盖面积与测区面积的差值、航线总长度、航带条数和航行高度归一化后与θ、h的函数关系；ki则代表各归一化参数在航线评价函数中所占权重；num为评价指标数量，基于以上四个评价指标，将其设置为4。

进一步地，步骤二中，二维粒子群算法的参数设置具体为：

(1)种群规模m设为60；

(2)最大迭代次数n取100；

(3)粒子初始位置和初始速度在论域内随机设置；

(4)位置速度更新公式中的系数的选取：惯性权重w为0.8，认知系数c1为1.5，社会系数c2为1.5，速度约束因子r为1；

(5)航高维度的最大限速为0.15倍的航高极差，航向维度的最大限速为0.08π。

进一步地，在求解航线评价函数的最小值的过程中，当粒子位置溢出论域时，对航向采用公式(2)进行校正：

其中，δθ为粒子最优位置航向与当前位置航向的差值；

进一步地，步骤四的航线规划过程为：

根据航高确定无人机的航带间距，在测区中，找到与给定航向垂直方向上距离最远的两个顶点，以这两个顶点在该方向的距离作为测区宽度；从其中一个顶点沿垂直航向方向向测区内缩进一个航带间距形成一条航带；在航带内确定无人机的两个飞行端点，使得无人机的拍摄范围恰好覆盖整条航带内的测区；按照上述方法在剩余测区内找到所有航带内的飞行端点，将所有飞行端点顺次连接完成航线规划。

有益效果：

本发明能够解决多旋翼无人机在全局固定航向的条件下针对任意不规则多边形测区的航线规划问题，与现有技术相比的具有以下显著优点：对航向和航高进行二维优化，在航高给定范围内找出一组最优的航向、航高值，保证测区有效覆盖，具有总航程短，转弯次数少等优点。

附图说明

图1为基于粒子群算法的航向和航高优化规划算法示意图。

图2(a)为航高校验函数关系图，图2(b)为航向校验函数关系图。

图3为航向θ下的不规则多边形测区航带设计示意图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明大致流程如图1所示，具体描述为：

步骤一、对航线总长度、航带条数、航行高度以及航线有效覆盖面积与测区面积的差值的参数作归一化处理，所述航线总长度、航带条数、航行高度和航线有效覆盖面积与测区面积的差值由航向和航高决定，对上述四个参数的归一化结果加权求和得到关于航向和航高的航线评价函数；

其中步骤一具体为：

s1、将航线的四个评价指标归一化处理。这四个指标为：航程长度l、转弯次数nt、航行高度h和冗余覆盖面积sr，具体的归一化标准如表1所示。

表1航线质量各项指标的归一化标准

即归一化的航程代价：k1f1(θ,h)＝l；归一化的航带数量代价：

k2f2(θ,h)＝300nt；归一化的航高代价：k3f3(θ,h)＝50|h-80|；归一化的冗余航线代价：k4f4(θ,h)＝0.02sr。

s2、确定航线评价函数。航线质量由上述四个指标进行评价，则航线评价函数即为上述四个参数的归一化结果加权求和，可描述为：

步骤二、为粒子群算法设置参数，将航线评价函数作为粒子群算法的适应度函数，以适应度最小为优化目标。其中，参数设置如下：

参数1：种群规模m。粒子群算法种群规模与目标函数维度、收敛速度、优化精度等之间的关系：种群规模对问题的复杂度并不敏感；随着种群规模的增大，算法的收敛速度减慢但稳定时的优化精度将更高；然而当种群规模大于80时，即使是高维问题，也不会因种群规模的增大而带来很大的精度提升。综合考虑算法的收敛速度和精度，将m设为定值60。

参数2：最大迭代次数n。由于航向航高优化问题类似一种多峰近值的优化问题，求解全局最优需要大量的迭代，但考虑到算法每次迭代的耗时性和短期内就能获取到较优解的快速性，求取全局最优解就显得没那么必要。将算法终止条件设置为达到最大迭代次数n，这里将n取为100。

参数3：适应值函数中的参数。为了统一衡量航线质量各项评价指标，在对比了航线规划结果各项指标的数据量级之后，确定了航线评价函数中各项代价函数的归一化标准，如表1所示。

参数4：粒子初始位置和速度。为了保持粒子全局随机搜索的品质和多峰问题较优解的快速性，采用在论域内随机布设初始航向、航高及其初始速度的方法。

其中，粒子的位置是指航向和航高组成的二维向量；粒子的速度是指粒子的位置在每一次迭代后的变化速率。在论域内随机布设粒子初始位置和速度即随机给定航向和航高组成的二维向量组以及这个二维向量组的变化速率。

参数5：位置速度更新公式中的系数。粒子i的第d维元素的位置速度更新公式为：

其中，i为粒子序号；xi为粒子i的位置；vi为粒子i的速度；pi为在粒子i的搜索历史中记录的最优位置；pg为在所有m各粒子的搜索历史中记录的最优位置；k表示迭代次数；w表示粒子保持之前速度继续搜索的系数；c1表示粒子跟随自身历史最优质的权重系数；c2表示粒子跟随群体历史最优值的权重系数；ξ和η是0到1区间均匀分布的随机数。

由于迭代次数不大，对于参数更新不在迭代中作动态调整；考虑到算法的稳定性和粒子运动轨迹的收敛性，有粒子位置变化过程稳定的条件：

再依据该稳定条件下多组参数的实验结果，本课题选取惯性权重w为0.8，认知系数c1为1.5，社会系数c2为1.5，速度约束因子r为1。

参数6：粒子最大限速。如果粒子速度过大，粒子的位置在变化过程中可能跳过最优解，所以对于多峰值问题，粒子速度调整不应过大，粒子的位置变化率应有一个最大值，即粒子速应有最大限速；设置航高维度的最大限速为0.15倍的航高极差。由于适应值函数关于航向是周期性的，相比航高维度，可设置航向维度的最大限速为0.08倍的π。

步骤三、启用粒子群算法寻找最优解。完成参数设定后，使用位置速度更新公式对每个粒子的航向和航高进行迭代更新，并记录各粒子以及群体迭代历史上使适应值函数取得最优的位置，完成最优化任务，该位置的值即为算法求得的最优航向和航高。

其中，针对更新粒子位置时可能会出现的溢出论域问题，有如下解决方案：在每次位置更新完成以后，检查各个维度值是否溢出。对于航高，设置饱和特性的校验函数进行溢出调整，将超出论域的航高值统一设定为阈值；如图2(a)所示，对于超出hmax的航高值，统一将其设定为hmax，对于低于hmin的航高值，统一将其设定为hmin；对于航向，由于适应值函数关于航向呈现周期性，可以为其设置如图2(b)所示的校验函数，其校正函数如下：

其中，δθ为粒子最优位置航向与当前位置航向的差值。

步骤四、利用步骤三得到的航向和航高进行无人机的航线规划。图3为规划一条航带的概略图。

其中，步骤四具体为：

s1、根据航高以及其他测绘要求计算出无人机的航带间距。

s2、在多边形中找到沿给定航向的垂直方向距离最远的两个顶点，计算这两点在给定航向的距离，将该距离作为测区宽度。如图3所示，在多边形中找到沿给定航向θ的垂直方向距离最远的两个顶点vstart、vend，并计算这两点在给定航向的距离，为测区宽度。

s3、从测区的一侧，即从本实施例中的vstart点开始，沿垂直航向方向，即保持航带方向和航向一致，向测区内缩进一个航带间距形成一条航带，并保证无人机拍摄范围恰好覆盖该条航带内的测区。如图3所示，直线li和直线li+1即为航带i的边界，无人机拍摄范围恰好覆盖到航带两端最远的点p1i和p2i。

s4、计算该航带首末位置的飞行端点。

s5、重复s3、s4，直至航带覆盖图3所示的点vend。

s6、将所有飞行端点顺次连接，完成航线规划。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。