基于自适应视点采样的无人机全覆盖路径规划方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115979273A(43)申请公布日2023.04.18(21)申请号202310042858.3(22)申请日2023.01.28(71)申请人西安交通大学地址710049陕西省西安市碑林区咸宁西路28号(72)发明人李小虎王云龙万少可洪军祁朋园邱荣灿(74)专利代理机构西安通大专利代理有限责任公司61200专利代理师王艾华(51)Int.Cl.G01C21/20(2006.01)G06F17/10(2006.01)权利要求书3页说明书7页附图3页(54)发明名称基于自适应视点采样的无人机全覆盖路径规划方法及系统(57)摘要本发明公开了一种基于自适应视点采样的无人机全覆盖路径规划方法及系统，包括自适应视点生成：对空间进行位置和方向的离散化，来生成初始视点，利用自适应采样比较识别初始视点未覆盖区域，在未识别区域内迭代直至生成合格视点集合；路全覆盖路径生成：将最终视点进行聚类并在内部连接每个聚类，将每个聚类与其周围的邻居聚类连接起来，生成搜索图，利用熵和邻居距离的概念作为启发函数来生成全覆盖路径；路径覆盖率评估：沿着上一个环节生成的路径累加计算已经覆盖的待检测结构的体积，以此来计算路径覆盖百分比；能够大幅度减少多旋翼无人机在对复杂大型结构进行检视时所消耗的时间与路径长度，使得无人机的能量利用率得到大幅提升。CN115979273ACN115979273A权利要求书1/3页1.一种基于自适应视点采样的无人机全覆盖路径规划方法，其特征在于，包括以下步骤：自适应视点生成首先对空间进行位置和方向的离散化来生成初始视点；然后利用自适应采样比较识别初始视点未覆盖区域；最后在未识别的区域内迭代直至生成合格的视点集合；全覆盖路径生成将上一环节所生成的最终视点集合进行聚类并在内部连接每个聚类；然后将每个聚类与其周围的邻居聚类连接起来，生成搜索图；最后利用熵和邻居距离的概念作为启发函数来生成全覆盖路径；路径覆盖率评估沿着所述全覆盖路径累加计算已经覆盖的待检测结构的体积，以此来计算路径覆盖百分比，在此过程中需要对参考模型进行遮挡剔除。2.根据权利要求1所述的基于自适应视点采样的无人机全覆盖路径规划方法，其特征在于，生成初始视点具体如下：先使用设定的网格分辨率执行基于位置的离散化，生成一组定义3D空间中x,y,z位置的样本无人机航路点；通过对每个位置样本执行基于方向的离散化来生成一组偏航角方向，生成的样本航路点集S由x,y,z坐标和ψ偏航角表示：其中：xi,yi,zi分别为第i个样本航路点无人机在世界坐标系下的坐标；ψi为第i个样本航路点无人机在世界坐标系下的偏航角；通过一个4×4变换矩阵来产生每个传感器视点，所述变换矩阵定义传感器相对于无人机机身框架的位置；变换矩阵定义如下：其中：为机体坐标系A与传感器坐标系B两个坐标系之间的位姿变换矩阵，将在机体坐标系A下描述的航路点转换到传感器坐标系B下进行描述；为机体坐标系A与传感器坐A标系B两个坐标系之间的旋转变换矩阵，描述这两个坐标系之间的姿态关系；PB是A,B两个坐标系之间的平移变换矩阵，描述所述两个坐标系之间的位置关系，位姿变换矩阵在无人机组装好后就已经确定；最后使用基于碰撞和最大最小距离的方法对初始航路点进行过滤；基于碰撞的过滤方法消除模型内部或与模型碰撞的样本视点；基于距离的过滤方法使样本视点在距结构模型的定义距离内可用，该距离基于传感器的最小和最大有效范围来确定，如下：2CN115979273A权利要求书2/3页其中：intersection()为计算射线与模型之间交点数的函数；Ray[(xi,yi,zi),(a,b,c)]是由点i(xi,yi,zi)指向点(a,b,c)的射线；model为待检查三维结构的模型；dmin为视点i距离模型的最小距离；dmax为视点i距离模型的最大距离；di为点i距离模型的实际距离；通过以上方法就生成一组传感器初始视点：3.根据权利要求1所述的基于自适应视点采样的无人机全覆盖路径规划方法，其特征在于，利用自适应采样比较识别初始视点未覆盖区域时，以不同的离散化分辨率迭代重复均匀采样过程，并且在每个离散化级别上，通过比较由待检查三维结构的模型生成的体素和视点可见的体素识别未覆盖的体素；利用最近邻法和计算出的体积占用率，通过使用欧几里得聚类对识别出的未覆盖体素进行区域划分，最终找到未覆盖的区域；通过计算覆盖部位各点深度误差的标准差来识别精度较低的区域。4.根据权利要求1所述的基于自适应视点采样的无人机全覆盖路径规划方法，其特征在于，在未识别的区域内迭代直至生成合格的视点集合时，以不同于自适应视点生成时的离散化分辨率在未覆盖的区域内迭代重复；在利用自适应采样比较识别初始视点未覆盖区域时的每个离散化级别上，将没有