一种中继点生成方法、装置和无人机与流程
本发明实施例涉及无人飞行器技术领域，特别涉及一种中继点生成方法、装置和无人机。
背景技术：
利用无人机对运动目标进行识别和跟踪已得到广泛应用，利用无人机对目标进行跟踪时，需要根据目标的位置和状态，在保持跟踪的前提下避开障碍物飞行。目前，多采用根据目标的实时位置进行路径规划，然后按照规划的路径飞行，由于在跟踪的过程中，目标在不断变化，因此无人机需不断进行路径规划，以保持跟踪状态。
在实现本发明过程中，发明人发现上述根据目标实时位置规划路径的方法算法复杂，延时较大。
技术实现要素：
本发明实施例的目的是提供一种算法简单的中继点生成方法、装置和无人机。
第一方面，本发明实施例提供了一种中继点生成方法，所述方法用于无人机，所述方法包括：
预测目标在下一时刻的状态，其中，所述目标在所述下一时刻的状态包括所述目标在所述下一时刻的位置和速度；
根据所述目标在所述下一时刻的状态，在所述目标周围建立搜索范围；
在所述搜索范围内采样，以获得至少两个位置采样点；
根据所述目标在所述下一时刻的状态和所述至少两个位置采样点，确定所述无人机在所述下一时刻的中继点。
在一些实施例中，所述预测目标下一时刻的状态，包括：
获取所述目标在当前时刻的速度和加速度；
根据所述目标在当前时刻的速度和加速度，估计所述目标在所述下一时刻的状态。
在一些实施例中，所述获取所述目标在当前时刻的速度和加速度，包括：
获取所述目标在当前时刻的位置、在所述当前时刻前至少两个时刻的位置和时间戳；
根据所述目标在当前时刻的位置、在所述当前时刻前至少两个时刻的位置和时间戳，获取所述目标在当前时刻的速度和加速度。
在一些实施例中，所述根据所述目标在所述下一时刻的状态，在所述目标周围建立搜索范围，包括：
获取所述无人机的初始跟踪距离；
以所述目标在所述下一时刻的位置为球心，以所述无人机的初始跟踪距离为半径建立所述搜索范围，其中，所述搜索范围为半球面，且位于所述目标所在平面的上方。
在一些实施例中，所述在所述搜索范围内采样，以获得至少两个位置采样点，包括：
确定采样步长；
对所述搜索范围建立坐标系，所述坐标系包括z轴和与所述z轴垂直的x轴；
分别在与所述z轴呈φ角和与所述x轴呈θ角的范围内，以所述采样步长进行采样，以获得所述至少两个位置采样点，其中，φ∈[0,π/2]，θ∈[0,2π]。
在一些实施例中，所述确定所述采样步长，包括：
获取环境地图的分辨率，其中，所述环境地图的分别率是指在所述无人机的路径规划系统中使用的环境地图的分辨率；
获取所述无人机的初始跟踪距离；
确定所述采样步长为所述环境地图的分辨率与所述初始跟踪距离的比值。
在一些实施例中，所述根据所述目标在所述下一时刻的状态和所述至少两个位置采样点，确定所述无人机在所述下一时刻的中继点，包括：
计算所述至少两个位置采样点中，每一个位置采样点的得分；
确定得分最高的位置采样点为所述中继点。
在一些实施例中，所述计算所述至少两个位置采样点中，每一个位置采样点的得分，包括；
采用以下公式计算所述得分：
其中，di为第i个位置采样点距离最近的障碍物的距离，di＝min(di,ds)，ds为安全距离阈值，v为所述目标在下一时刻的速度，θi为所述目标在下一时刻的速度方向的反方向与x轴的夹角，
在一些实施例中，所述确定得分最高的位置采样点为所述中继点，包括：
确定初始搜索位置；
以所述初始搜索位置为圆心，分别以所述采样步长的整数倍为半径在所述搜索范围内进行环形搜索，以得到所述得分最高的位置采样点。
在一些实施例中，所述初始搜索位置的坐标为
第二方面，本发明实施例提供了一种中继点生成装置，所述装置用于无人机，所述装置包括：
预测模块，用于预测目标在下一时刻的状态，其中，所述目标在所述下一时刻的状态包括所述目标在所述下一时刻的位置和速度；
搜索范围建立模块，用于根据所述目标在所述下一时刻的状态，在所述目标周围建立搜索范围；
采样模块，用于在所述搜索范围内采样，以获得至少两个位置采样点；
中继点确认模块，用于根据所述目标在所述下一时刻的状态和所述至少两个位置采样点，确定所述无人机在所述下一时刻的中继点。
在一些实施例中，所述预测模块具体用于：
获取所述目标在当前时刻的速度和加速度；
根据所述目标在当前时刻的速度和加速度，估计所述目标在所述下一时刻的状态。
在一些实施例中，所述预测模块具体用于：
获取所述目标在当前时刻的位置、在所述当前时刻前至少两个时刻的位置和时间戳；
根据所述目标在当前时刻的位置、在所述当前时刻前至少两个时刻的位置和时间戳，获取所述目标在当前时刻的速度和加速度。
在一些实施例中，所述搜索范围建立模块具体用于：
获取所述无人机的初始跟踪距离；
以所述目标在所述下一时刻的位置为球心，以所述无人机的初始跟踪距离为半径建立所述搜索范围，其中，所述搜索范围为半球面，且位于所述目标所在平面的上方。
在一些实施例中，所述采样模块具体用于：
确定采样步长；
对所述搜索范围建立坐标系，所述坐标系包括z轴和与所述z轴垂直的x轴；
分别在与所述z轴呈φ角和与所述x轴呈θ角的范围内，以所述采样步长进行采样，以获得所述至少两个位置采样点，其中，φ∈[0,π/2]，θ∈[0,2π]。
在一些实施例中，所述采样模块具体用于：
获取环境地图的分辨率，其中，所述环境地图的分别率是指在所述无人机的路径规划系统中使用的环境地图的分辨率；
获取所述无人机的初始跟踪距离；
确定所述采样步长为所述环境地图的分辨率与所述初始跟踪距离的比值。
在一些实施例中，所述中继点确认模块具体用于：
计算所述至少两个位置采样点中，每一个位置采样点的得分；
确定得分最高的位置采样点为所述中继点。
在一些实施例中，所述中继点确认模块具体用于：
采用以下公式计算所述得分：
其中，di为第i个位置采样点距离最近的障碍物的距离，di＝min(di,ds)，ds为安全距离阈值，v为所述目标在下一时刻的速度，θi为所述目标在下一时刻的速度方向的反方向与x轴的夹角，
在一些实施例中，所述中继点确认模块具体用于：
确定初始搜索位置；
以所述初始搜索位置为圆心，分别以所述采样步长的整数倍为半径在所述搜索范围内进行环形搜索，以得到所述得分最高的位置采样点。
在一些实施例中，所述初始搜索位置的坐标为
第三方面，本发明实施例提供了一种无人机，所述无人机包括机身、与所述机身相连的机臂、设于所述机臂的动力系统、设置于所述机身的跟踪系统、飞控系统、视觉系统和路径规划系统；其中，所述路径规划系统包括控制器，所述控制器包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
第四方面，本发明实施例提供了一种非易失性计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被无人机执行时，使所述无人机执行上述的方法。
本发明实施例的中继点生成方法、装置和无人机，通过预测目标下一时刻的状态，并根据目标下一时刻的状态在目标周围建立搜索范围、获得搜索范围内的至少两个位置采样点，然后根据目标下一时刻的状态和所述至少两个位置采样点，确定无人机在下一时刻的经行中继点。仅规划无人机下一时刻的经行中继点，而非一段路径，相对来说简单易行，简化了算法、延时较小。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施例中继点生成方法和装置的应用场景示意图；
图2是本发明无人机的一个实施例的结构示意图；
图3是本发明中继点生成方法的一个实施例的流程示意图；
图4是本发明中继点生成方法的一个实施例中搜索范围示意图；
图5是本发明中继点生成装置的一个实施例的结构示意图；
图6是本发明无人机的一个实施例中路径规划系统的控制器的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的中继点生成方法和装置可以应用于如图1所示的应用场景，在图1所示的应用场景中，包括无人机100和目标300。无人机100可以用于跟踪目标300，在无人机100跟踪目标300的过程中，有可能会遇到障碍物400。无人机100需跟踪目标300的同时躲避障碍物400实现正常飞行。
其中，无人机100可以为合适的无人飞行器包括固定翼无人飞行器和旋转翼无人飞行器，例如直升机、四旋翼机和具有其它数量的旋翼和/或旋翼配置的飞行器。无人机100还可以是其他可移动物体，例如载人飞行器、航模、无人飞艇和无人热气球等。目标300可以为任何合适的可移动或不可移动物体，包括交通工具、人、动物、建筑物、山川河流等。障碍物400例如建筑物、山体、树木、森林、信号塔或其他可移动或不可移动物体(图1中只示出了一个障碍物，实际应用中可能会有更多障碍物或者没有障碍物)。
其中，在一些实施例中，请参照图2，无人机100包括机身10、与所述机身10相连的机臂(图中未示出)、设于机臂的动力系统(图中未示出)和设于机身10的控制系统。动力系统用于提供无人机100飞行的推力、升力等，控制系统是无人机100的中枢神经，可以包括多个功能性单元，例如飞控系统20、跟踪系统30、路径规划系统50、视觉系统40以及其他具有特定功能的系统。跟踪系统30和视觉系统40均包括摄像装置和控制芯片，跟踪系统30用于获得跟踪目标的位置、跟踪距离(即无人机100距目标的距离)等，视觉系统40用于提供环境地图等。飞控系统20包括各类传感器(例如陀螺仪、加速计等)，飞控系统20用于获得实时的无人机位置以及控制无人机飞行姿态等。路径规划系统50用于对路径进行规划，并指示飞控系统20控制无人机100的飞行姿态以使无人机100按指定路径飞行。
实际应用时，飞控系统20、路径规划系统50可以设置于机身10内部，跟踪系统30和视觉系统40可以设置于机身10外部并固定于机身10上。摄像装置可以为高清数码相机或其他摄像装置，摄像装置可以设置于任何利于拍摄的合适位置，在一些实施例中，跟踪系统30的摄像装置通过云台安装于机身10的底部，视觉系统40的摄像装置设置于机身10的前部和/或下部。其中，各个系统可以分别设置，在一些实施例中，上述系统中的部分或全部也可以集成在一个或多于一个的装置中。
在一些实施例中，无人机100根据目标特征对目标进行跟踪，其中，在部分实施例中，目标特征事先存储于无人机100中，在部分实施例中，目标特征通过其他途径获得。在无人机100的一些应用场景中还包括电子设备200，目标特征可以通过电子设备200发送给无人机100。具体的，电子设备200可以显示无人机100拍摄的图片，由用户对图片中的目标进行框选，用户框选的目标图片上传无人机100后，无人机100可以根据该框选的目标图片提取目标特征。无人机100和电子设备200之间，可以通过分别设置在各自内部的无线通信模块(例如信号接收器、信号发送器等)建立通信连接，上传或者下发数据/指令。其中，电子设备200例如智能手机、平板电脑、电脑、遥控器等。
在一些实施例中，无人机100在规划路径时，路径规划系统50先预测目标下一时刻的状态(例如位置、速度、加速度等)，根据目标下一时刻的状态在目标周围建立搜索范围、获得搜索范围内的至少两个位置采样点，然后根据目标下一时刻的状态和所述至少两个位置采样点，确定无人机100在下一时刻合适的经行中继点，飞控系统40根据路径规划系统50确定的经行中继点控制无人机100飞往该经行中继点。路径规划系统50仅规划无人机100下一时刻的经行中继点，而非一段路径，相对来说简单易行，简化了算法。其中，下一时刻例如距现时时刻1秒、0.5秒或0.1秒后，或者经过其他更短或更长的时间。
图3为本发明实施例提供的一种中继点生成方法的流程示意图，所述方法可以由图1中无人机100执行(具体的，在一些实施例中，所述方法由无人机100中的路径规划系统执行)，如图3所示，所述方法包括：
101：预测目标在下一时刻的状态。
其中，在一些实施例中，可以根据预设的时长间隔获得各个时刻，例如预设时长间隔为0.5秒，则各个相邻时刻的间隔为0.5秒。预设时长间隔可以根据具体应用情况取值。本发明实施例中的下一时刻用于表示现时时刻的下一时刻，所述下一时刻的具体值为现时时刻加上预设时长间隔。
其中，所述目标的状态例如目标的位置、目标的速度和加速度等。由于目标在短时间内的运动可以近似为加速度不变的匀加速直线运动，在一些实施例中，可以先获取所述目标在当前时刻的位置、速度和加速度，再根据当前时刻的位置、速度和加速度，获得目标下一时刻的状态。
其中，在一些实施例中，目标在当前时刻的位置、速度和加速度可以根据目标当前时刻的位置、当前时刻前面的n-1个时刻的位置和时间戳估计获得。其中，目标当前时刻以及当前时刻前n-1个时刻的位置可以通过跟踪系统30获取。
在实际计算时，可以采用任何合适的坐标系，本发明实施例以北东地坐标系(northeastdown，ned)为例说明。在ned坐标系中，有三个坐标轴，分别是z轴、x轴和y轴。跟踪系统30获得的n个时刻的目标位置为三维值，即z轴、x轴和y轴上的坐标值，可以根据n个时刻目标在各轴的坐标值分别对目标当前时刻在z轴、x轴和y轴上的位置、速度和加速度进行估计。再根据目标当前时刻在z轴、x轴和y轴上的位置、速度和加速度获得目标下一时刻在z轴、x轴和y轴上的位置和速度，最终获得目标在下一时刻的三维位置、速度、加速度等值。
以下以其中一轴为例说明目标的位置、速度、加速度的估计过程，其他两轴的估计方法与此相同。
设当前时刻为ti-1，下一时刻为ti，各时刻的位置为f(t)、速度为v(t)，由匀加速直线运动目标在下一时刻的位置为：
目标在下一时刻的速度为：
其中，v0为目标在当前时刻的速度，a为目标在当前时刻的加速度。
其中，v0和a可以通过n个时刻的位置和时间戳估计获得。通过跟踪系统30获得当前时刻以及当前n-1个时刻的位置f(tk),其中k＝i-1,i-2,…,i-n，将所述n个时刻的目标位置f(tk)(k＝i-1,i-2,…,i-n)和时间戳i-1,i-2,…,i-n代入式(1)，利用最小二乘法解超定方程，可以得到参数v0和a。然后通过式(1)和式(2)，可以获得目标下一时刻的位置和速度，由均加速直线运动，目标在下一时刻的加速度亦为a。
其中，n可以根据具体应用情况进行取值(例如8、9、10或更小、更大的数)，通常n越小，对运动变化越灵敏，即对运动状态的估计和实际的时间延迟小，但鲁棒性差；反之，n越大，鲁棒性越好，但运动灵敏性差。运动过程中，当前时刻和下一时刻是不断变化的，为了持续的对目标运动状态进行估计，并重新计算下一时刻目标的状态。需要对当前时刻前n个时刻的位置进行更新。在一些实施例中，对前n个时刻的位置进行更新可以采用先进先出(firstinputfirstoutput，fifo)的更新策略，只保持n个最近位置。
102：根据所述目标在所述下一时刻的状态，在所述目标周围建立搜索范围。
所述搜索范围例如以目标在下一时刻的位置为球心、以无人机的初始跟踪距离为半径的球表面的一部分或全部。在一些无人机跟踪目标的实例中，无人机仅在目标上空对目标进行跟踪，在这样的实施例中，如图4所示，可以仅取球表面的上半部分作为搜索范围，即所述搜索范围位于所述目标所在平面的上方。其中，初始跟踪距离可以预先根据实际应用情况进行设置，在工作中，可以由跟踪系统30提供给路径规划系统50。
103：在所述搜索范围内采样，以获得至少两个位置采样点。
以搜索范围为球面为例，对位置搜索空间的采样可以在所述搜索范围内对φ角和θ角以采样步长进行采样，获得多个位置采样点。其中，φ角为位置采样点至球心连线与z轴的夹角，θ角为位置采样点至球心连线与x轴的夹角。在上述无人机在目标上空进行跟踪的实施例中，φ角的范围为[0,π/2],θ角的范围为[0,2π]。
在实际采样过程中，φ角和θ角可以均从0度开始采样，直至φ角到达π/2、θ角到达2π。例如，首先φ角保持0度不变，以采样步长对θ角从0到2π进行采样，然后φ角保持0度加采样步长不变，以采样步长对θ角从0到2π进行采样，然后φ角保持2个采样步长不变，以采样步长对θ角从0到2π进行采样，以此类推，直到φ角保持π/2不变，以采样步长对θ角从0到2π进行采样，如此可以获得多个位置采样点。
其中，在一些实施例中，所述采样步长θs＝l/d0，其中，l为环境地图的分辨率，d0为所述初始跟踪距离。在另一些实施例中，也可以使用更小的步长进行采样，这样可以获得更多离散的位置采样点，但更多的位置采样点会增加搜索空间的大小，增加计算量。
其中，环境地图是指在所述无人机的路径规划系统中使用的环境地图，在一些实施例中，所述环境地图为无人机周围环境的点云地图，所述点云地图通常包括目标周围环境中各个特征点的位置信息，例如障碍物的位置信息。所述环境地图可以由视觉系统40获得。
104：根据所述目标在所述下一时刻的状态和所述至少两个位置采样点，确定所述无人机在所述下一时刻的中继点。
从多个位置采样点中选择一个位置采样点作为所述无人机在下一时刻的中继点。从众多的位置采样点中获取一个位置采样点作为无人机100的飞行中继点，可以根据下一时刻目标的状态和/或环境地图进行选择。例如，可以根据环境地图中各个障碍物的位置获得各个位置采样点与各个障碍物的距离，然后选择位置采样点与距该位置采样点最近的障碍物的距离最大的位置采样点作为无人机的中继点，这样可以保证选择的位置采样点距离障碍物尽量远。
在另一些实施例中，还可以根据目标状态中目标的速度选择位置采样点，例如选择更接近目标方向的位置采样点作为无人机的中继点。
在另一些实施例中，还可以综合考虑位置采样点与障碍物的距离以及所述目标的速度选择位置采样点。在其中一些实施例中，可以综合上述两个因素对各位置采样点的得分进行计算，然后选择得分最高的位置采样点作为所述无人机的中继点。具体的，在一些实施例中，可以采用如下公式计算所述位置采样点的得分：
其中，si为第i个位置采样点的得分，di是第i个位置采样点距最近的障碍物的距离与预设安全距离阈值中较小的值，即di＝min(di,ds)，di为第i个位置采样点距最近的障碍物的距离，ds为预设安全距离阈值，v是所述目标于所述下一时刻的预估速度，θi是所述预估速度方向的反方向在所述x轴方向上的夹角，
其中，式(3)中，di用于保证位置采样点距离障碍物尽量远；
具体的，从众多位置采样点中获得得分最高的位置采样点，可以采用环形搜索方法搜索位置采样点。假设初始搜索位置为ai＝a0，保持ai＝a0不变，针对bi角进行搜索，之后搜索初始位置外圈距离为1个采样步长的位置(此时ai为a0加采样步长)，然后搜索初始位置外圈距离为2个采样步长(此时ai为a0加2个采样步长)的位置，依次类推。保留得分最大的位置采样点作为最终的中继点。其中，ai为搜索位置至球心连线与z轴的夹角,bi为搜索位置至球心连线与x轴的夹角,初始搜索位置的坐标为(φ0,θ0)，其中，φ0为启动跟踪系统时所述无人机与所述目标的连线与z轴的夹角，θ0为所述无人机的当前位置与所述目标在下一时刻的位置的连线与x轴的夹角。在图4所示的实施例中，搜索范围仍为ai∈[0,π/2]、bi∈[0,2π]。其中，所述无人机位置可以通过飞控系统20获得。
在实际应用中，目标下一时刻的状态和目标周围的环境地图需位于同一参考体系下。在一些实施例中，在跟踪系统30获得n个时刻的位置后，可以根据跟踪系统30中摄像装置的位置、角度将跟踪系统30中n个时刻的位置转换成视觉系统40体系下n个时刻的位置。以此n个时刻的位置获得的目标下一时刻的位置、速度和加速等值也同样是位于视觉系统10参考体系下的。进一步的，可以将该位置转换成世界坐标系下的绝对位置。具体的，由于视觉系统40获取的环境地图以无人机为中心点，根据无人机的位置可以将上述位置转换成绝对位置。
本发明实施例仅规划无人机第一时刻的经行中继点，而非一段路径，简化了算法、延时较小，且能在一定程度上解决目标容易丢失的问题。
相应的，如图5所示，本发明实施例还提供了一种中继点生成装置，所述装置可以用于图1所示的无人机，中继点生成装置500包括：
预测模块501，用于预测目标在下一时刻的状态，其中，所述目标在所述下一时刻的状态包括所述目标在所述下一时刻的位置和速度；
搜索范围建立模块502，用于根据所述目标在所述下一时刻的状态，在所述目标周围建立搜索范围；
采样模块503，用于在所述搜索范围内采样，以获得至少两个位置采样点；
中继点确认模块504，用于根据所述目标在所述下一时刻的状态和所述至少两个位置采样点，确定所述无人机在所述下一时刻的中继点。
本发明实施例通过预测目标下一时刻的状态，并根据目标下一时刻的状态在目标周围建立搜索范围、获得搜索范围内的至少两个位置采样点，然后根据目标下一时刻的状态和所述至少两个位置采样点，确定无人机在下一时刻的经行中继点。仅规划无人机下一时刻的经行中继点，而非一段路径，相对来说简单易行，简化了算法、延时较小。
在其中一些实施例中，预测模块501具体用于：
获取所述目标在当前时刻的位置、速度和加速度；
根据所述目标在当前时刻的位置、速度和加速度，估计所述目标在所述下一时刻的状态。
在其中一些实施例中，预测模块501具体用于：
获取所述目标在当前时刻的位置、在所述当前时刻前至少两个时刻的位置和时间戳；
根据所述目标在当前时刻的位置、在所述当前时刻前至少两个时刻的位置和时间戳，获取所述目标在当前时刻的速度和加速度。
在其中一些实施例中，搜索范围建立模块502具体用于：
获取所述无人机的初始跟踪距离；
以所述目标在所述下一时刻的位置为球心，以所述无人机的初始跟踪距离为半径建立所述搜索范围，其中，所述搜索范围为半球面，且位于所述目标所在平面的上方。
在其中一些实施例中，采样模块503具体用于：
确定采样步长；
对所述搜索范围建立坐标系，所述坐标系包括z轴和与所述z轴垂直的x轴；
分别在与所述z轴呈φ角和与所述x轴呈θ角的范围内，以所述采样步长进行采样，以获得所述至少两个位置采样点，其中，φ∈[0,π/2]，θ∈[0,2π]。
在其中一些实施例中，采样模块503具体用于：
获取环境地图的分辨率，其中，所述环境地图的分别率是指在所述无人机的路径规划系统中使用的环境地图的分辨率；
获取所述无人机的初始跟踪距离；
确定所述采样步长为所述环境地图的分辨率与所述初始跟踪距离的比值。
在其中一些实施例中，中继点确认模块504具体用于：
计算所述至少两个位置采样点中，每一个位置采样点的得分；
确定得分最高的位置采样点为所述中继点。
在其中一些实施例中，中继点确认模块504具体用于：
采用以下公式计算所述得分：
其中，di为第i个位置采样点距离最近的障碍物的距离，di＝min(di,ds)，ds为安全距离阈值，v为所述目标在下一时刻的速度，θi为所述目标在下一时刻的速度方向的反方向与x轴的夹角，
在其中一些实施例中，中继点确认模块504具体用于：
确定初始搜索位置；
以所述初始搜索位置为圆心，分别以所述采样步长的整数倍为半径在所述搜索范围内进行环形搜索，以得到所述得分最高的位置采样点。
在其中一些实施例中，所述初始搜索位置的坐标为
需要说明的是，上述装置可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在装置实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
图6是本发明无人机的一个实施例中路径规划系统50中控制器51的硬件结构示意图，如图6所示，控制器51包括：
一个或多个处理器51a以及存储器51b，图6中以一个处理器51a为例。
处理器51a和存储器51b可以通过总线或者其他方式连接，图6中以通过总线连接为例。
存储器51b作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的中继点生成方法对应的程序指令/模块(例如，附图5所示的预测模块501、搜索范围建立模块502、采样模块503和中继点确认模块504)。处理器51a通过运行存储在存储器51b中的非易失性软件程序、指令以及模块，从而执行控制器的各种功能应用以及数据处理，即实现上述方法实施例的中继点生成方法。
存储器51b可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据控制器的使用所创建的数据等。此外，存储器51b可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器51b可选包括相对于处理器51a远程设置的存储器，这些远程存储器可以通过网络连接至中继点生成装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器51b中，当被所述一个或者多个处理器51a执行时，执行上述任意方法实施例中的中继点生成方法，例如，执行以上描述的图3中的方法步骤101至步骤104；实现图5中的模块501-504的功能。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本申请实施例提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图6中的一个处理器51a，可使得上述一个或多个处理器可执行上述任意方法实施例中的中继点生成方法，例如，执行以上描述的图3中的方法步骤101至步骤104；实现图5中的模块501-504的功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述，本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory,rom)或随机存储记忆体(randomaccessmemory,ram)等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
- 还没有人留言评论。精彩留言会获得点赞！