一种复杂环境无人机飞行最佳路线寻优方法与流程

本发明涉及无人机测绘，尤其涉及一种复杂环境无人机飞行最佳路线寻优方法。

背景技术：

1、无人机在农业、物流、环境监测等多个领域有着广泛的应用。然而，在狭窄、阴暗、多尘或信号弱的环境中，无人机的路径规划和障碍物避让仍然是一个具有挑战性的问题。传统的路径规划方法，如a*搜索算法或dijkstra算法，主要是静态的，因此对于复杂和动态的环境，其适应性相对较差。

2、虽然某些现有解决方案尝试通过引入复杂的深度学习算法来进行障碍物识别和路径规划，但这些算法通常需要大量的计算资源和时间，很难满足实时性的需求。此外，当环境发生变化或出现紧急情况时，许多现有系统要么不能快速适应，要么需要花费大量时间和能量重新计算整个飞行路径。

3、更重要的是，现有的系统往往没有针对突发紧急情况（如突然失去通信信号、遇到不可预测的物体或极端气候条件等）进行专门的设计和处理。在这种情况下，无人机可能会因不能及时作出有效响应而面临失败或损坏的风险。

4、因此，存在一种迫切需要，即开发一种能够在复杂环境中进行高效、安全、实时路径规划和障碍物避让的优化方法，特别是，该方法应能够快速适应环境变化，并能在紧急情况下提供有效的响应机制。

技术实现思路

1、基于上述目的，本发明提供了一种复杂环境无人机飞行最佳路线寻优方法。

2、一种复杂环境无人机飞行最佳路线寻优方法，包括以下步骤：

3、s1：在无人机上设置多个传感器，包括激光雷达、红外传感器、超声波传感器和视觉摄像头，对周围环境进行图像捕捉扫描，获取环境数据；

4、s2：将收集到的数据传送到飞行控制系统，并运用深度学习算法分析数据，以确定存在的障碍物和飞行条件；

5、s3：根据分析结果，动态规划出无人机的最佳飞行路径，确保在复杂环境中的正常飞行；

6、s4：当环境条件或障碍物位置发生变化时，实时更新飞行路径；

7、s5：设置一个紧急情况响应模块，该模块包括预先设定的紧急操纵方案，当无人机遇到紧急事件，紧急情况响应模块自动启动，切换到一个预定的最低风险路径或将无人机引导至最近的安全区域。

8、进一步的，所述s1具体包括：

9、s11：所述激光雷达（lidar）用于进行远距离扫描，在50米至200米的范围内识别障碍物和地形，适用于开阔和多尘的环境；

10、s12：所述红外传感器用于在低光或无光环境下检测热源和移动物体，该传感器在狭窄或阴暗的区域，提供有关障碍物和生物的关键信息；

11、s13：超声波传感器用于近距离的障碍物检测和定位，适用于内部空间和复杂环境，该传感器在1米至5米的范围内识别障碍物；

12、s14：视觉摄像头用于捕捉颜色和形状信息，适用于宽阔和光照充足的环境，摄像头通过高速连续拍摄生成视频流或序列图像，通过图像处理算法识别和分类障碍物。

13、进一步的，所述s2具体包括：

14、s21：数据传送，通过数据链路，将多个传感器收集的原始数据实时传送到无人机的飞行控制系统；

15、s22：数据预处理，飞行控制系统内置有数据预处理模块，用于对接收到的原始数据进行清洗和格式化，以及特征提取；

16、s23：深度学习算法，使用深度神经网络模型，该模型被训练用于分析预处理后的数据，并确定环境中存在的障碍物、地形、气候条件因素；

17、s24：多数据源融合，深度学习算法从不同类型的传感器接收数据，并进行信息融合，以获得一个全面和准确的环境模型。

18、进一步的，所述s23中的深度神经网络模型包括图卷积神经网络（gcn）、循环神经网络（rnn），具体包括：

19、图卷积神经网络：用于多个传感器提供的数据中抽取局部和全局特征，通过图卷积层，识别和解释物体之间的相对位置和拓扑关系；

20、循环神经网络：用于捕捉随时间变化的环境特性；

21、模型融合：在最后一层，图卷积神经网络（gcn）、循环神经网络（rnn）的输出进行融合，经过全连接层后，生成一个综合的混合环境模型，该模型包括障碍物、地形、气候条件信息；

22、训练与实施：混合环境模型通过模拟和实地测试数据进行预训练，且该混合环境模型在飞行控制系统内进行实时推断，以提供即时和准确的环境分析。

23、进一步的，所述s3具体包括：

24、s31：目标函数与约束条件，定义目标函数，其中是无人机的飞行路径，该函数用于找寻最小化飞行时间和能量消耗，同时满足约束条件，约束条件包括障碍物避让、飞行高度限制、以及电量限制；

25、s32：障碍物和飞行条件集成，根据生成的混合环境模型，确定障碍物和飞行条件，作为动态规划问题的约束参数；

26、s33：状态与动作空间，定义一个状态空间和一个动作空间，其中状态描述无人机在某一时刻的位置和其他相关条件，动作描述无人机从一个状态转移到另一个状态的动作；

27、s34：动态转移方程，使用动态转移方程来描述从状态通过动作转移到状态的概率和相关代价；

28、s35：动态规划求解，运用实时求解的d*lite搜索算法来找到最优路径，该路径最小化目标函数且满足所有约束条件；

29、s36：实时更新机制，根据实时获取的新环境数据和无人机状态，动态更新目标函数、约束条件、状态空间和动作空间，重新求解动态规划问题以获取新的最优路径。

30、进一步的，所述s4具体包括：

31、s41：环境感知与数据分析，无人机在多个传感器和深度学习算法的基础上，持续扫描周围环境，当检测到环境条件或障碍物位置的变化时，即触发飞行路径的实时更新机制；

32、s42：路径局部重新规划，系统选择局部区域进行路径重新规划，无需重新计算整个飞行路径，减少计算时间和能量消耗；

33、s43：安全性评估，在进行局部路径重新规划之前，系统对新检测到的环境条件或障碍物进行安全性评估，以确定是否需要立即更改当前飞行路径；

34、s44：动态权重调整，根据新获取的环境数据和无人机状态，动态调整目标函数中的各权重，以反映当前环境下飞行的实际需求和约束；

35、s45：实时反馈与调整，新的局部最优路径被实时传送到无人机的飞行控制系统，并即时执行，同时，该局部路径与已存在的飞行路径进行融合，以生成新的完整飞行路径。

36、进一步的，所述s42具体包括：

37、s421：变化检测，首先，系统定位到发生变化的环境条件或障碍物的精确位置，并基于该变化确定影响范围；

38、s422：区域定义，确定影响范围后，系统确定一个大于此范围的局部区域，以确保重新规划的路径具有足够的机动空间；

39、s423：快速路径搜索，在此局部区域内，系统基于a*算法的启发式搜索方法，找到新的路径；

40、s424：与主路径融合，新局部路径绕过新检测到的障碍物或适应新的环境条件，还与历史规划主路径无缝连接；

41、s425：路径优化，系统对新局部路径进行简化处理，去除非必须得转向点，同时确保路径满足安全和机动性要求。

42、进一步的，所述s5具体包括：

43、s51：紧急触发条件定义，该紧急情况响应模块设定紧急触发条件，紧急触发条件包括失去通信信号、遇到不可预测的物体或极端气候条件；

44、s52：紧急操纵方案库，创建一个包含多个预先计算的最低风险路径和最近安全区域信息的方案库，该方案根据无人机的性能参数，以及多种复杂环境条件进行优化；

45、s53：实时监控与检测，紧急情况响应模块实时监控无人机的状态和环境信息，满足紧急触发条件时，紧急情况响应模块自启动；

46、s54：紧急路径或安全区域选择，紧急情况响应模块触发后，系统立即从紧急操纵方案库中选择与当前环境和无人机状态匹配的紧急操纵方案；

47、s55：紧急操纵执行，无人机切换到选定的最低风险路径或被引导至最近的安全区域；

48、s56：自动状态报告，在紧急操纵执行过程中，并具备通信条件时，无人机向控制中心发送紧急状态报告；

49、s57：模块重置与复位，无人机成功到达安全区域或完成紧急路径飞行，紧急情况响应模块自动重置。

50、进一步的，所述s54还包括：

51、s541：特征向量构建，紧急情况响应模块触发后，系统对当前无人机状态和环境信息进行特征提取，构建一个特征向量，该特征向量包括无人机的当前位置、速度、航向，以及周围环境的风速、温度、障碍物分布；

52、s542：方案库索引，将紧急操纵方案库中的每个方案与一个或多个特征向量关联，该特征向量代表该方案的适用条件；

53、s543：相似度计算，系统会运用余弦相似度或欧氏距离方法，比较当前的特征向量与方案库中的特征向量，找出与当前状态匹配的紧急操纵方案；

54、s544：方案评估，在选定一个或多个相似的紧急操纵方案后，系统通过启发式评分机制进行方案优先级排序；

55、s545：最优方案执行，根据方案评估的结果，系统选择方案优先级排序第一位的紧急操纵方案进行执行，执行的步骤包括路径规划、速度和高度调整、障碍物规避。

56、进一步的，所述s35中的d*lite搜索算法具体如下：

57、优先级计算：

58、其中，

59、为起始点；

60、为从起始点到点的最低已知代价；

61、为一步之后到达点的最低代价；

62、为用于控制搜索精度的参数。

63、本发明的有益效果：

64、本发明，通过引入紧急情况响应模块，能够在无人机遇到紧急事件（如突然失去通信信号、遇到不可预测的物体或极端气候条件等）时，快速而有效地切换到预定的最低风险路径或将无人机引导至最近的安全区域，提高了无人机在紧急情况下的自适应能力和生存率，紧急情况响应模块的优势：实时性与自适应能力：与传统的静态路径规划方法相比，紧急情况响应模块可以在实时环境中根据无人机的当前状态和周围环境选择最合适的紧急操纵方案，通过利用d*lite搜索算法，可以快速找到与当前环境和无人机状态相匹配的紧急操纵方案，从而在第一时间紧急操纵方案库调用方案并做出反应，避免可能的碰撞或损坏；提高无人机的生存率与安全性，通过紧急情况响应模块的有效运作，无人机在面临潜在危险时能够自动识别并采取避险措施，提高了其在复杂环境中的生存率，此外，该模块还减少了无人机可能造成的对其他物体或生命的潜在风险，从而增强了整体的飞行安全性。

65、本发明，通过局部路径重新规划的技术，实现了在环境或障碍物位置发生变化时，无需重新计算整个飞行路径，不仅大大减少了计算时间，还降低了能量消耗，从而实现了更为经济和可持续的飞行操作。

66、本发明，复杂环境无人机飞行最佳路线寻优方法通过综合多模态传感器数据和优化的算法，能在复杂、动态的环境中进行高效、准确的路径规划和障碍物避让，不仅提高了无人机在各种复杂环境下的操作性和安全性，而且极大地拓展了其应用场景。