本發(fā)明涉及無人機算法計算領(lǐng)域，尤其涉及一種基于子區(qū)域劃分的多無人機遍歷搜索算法。

背景技術(shù)：

一、無人機航跡規(guī)劃

無人機具有體積小，價格低廉，靈活機動等特點，在現(xiàn)代軍事，環(huán)境監(jiān)測，災(zāi)害防治等方面發(fā)揮著越來越重要的作用。無人機航跡規(guī)劃對于提高無人機的生存能力和執(zhí)行任務(wù)能力具有重要的意義。目前現(xiàn)有的航跡規(guī)劃技術(shù)主要分為以下兩種：

1)“點對點”航跡規(guī)劃(’Point-to-Point’Path Planning)

“點對點”的航跡規(guī)劃是指在一定環(huán)境下，尋找無人機從起始點到目標(biāo)點，避開所有威脅源和障礙物的最優(yōu)飛行路線。針對“點對點”的航跡規(guī)劃問題的技術(shù)有：(1)針對復(fù)雜環(huán)境下的自適應(yīng)RRT航跡規(guī)劃將動態(tài)步長和自適應(yīng)權(quán)重相結(jié)合，較好地解決了規(guī)劃耗時和路徑質(zhì)量的均衡問題，但在不清楚任務(wù)區(qū)域中威脅源分布的情況下，會造成多次迭代從而降低效率；(2)基于多重啟發(fā)蟻群優(yōu)化算法的航跡規(guī)劃，該技術(shù)綜合考慮無人機當(dāng)前位置與待選位置之間的距離和威脅分布，以及待選位置與目標(biāo)位置之間的距離和威脅分布，將這些已知信息構(gòu)造為螞蟻狀態(tài)轉(zhuǎn)移的多重啟發(fā)信息，指導(dǎo)螞蟻的搜索行為。并針對航跡不可行和任務(wù)區(qū)域內(nèi)存在的突發(fā)威脅，分給出了航跡平滑方法和在線航跡再規(guī)劃方法。

2)覆蓋航跡規(guī)劃(Coverage Path Planning)

和“點對點”航跡規(guī)劃不同，覆蓋航跡規(guī)劃是指當(dāng)需要獲取某一區(qū)域的全面有用信息，或者需要早特定區(qū)域搜索目標(biāo)時，能夠規(guī)劃出一條能夠遍歷待覆蓋區(qū)域的最優(yōu)飛行路線。國內(nèi)外對于單無人機覆蓋搜索有較多研究，常見的有隨機搜索，平行搜索，網(wǎng)格搜索等。而多機協(xié)同的覆蓋航跡規(guī)劃則可通過相互協(xié)同，提高區(qū)域覆蓋效率，縮短任務(wù)完成時間，使得總體性能指標(biāo)達到最優(yōu)。并且在單架無人機出現(xiàn)故障時，剩余無人機仍能完成任務(wù)，因此具有更好的任務(wù)執(zhí)行能力和容錯能力。

二、子區(qū)域劃分

多無人機覆蓋航跡規(guī)劃需要解決的一個核心問題是：區(qū)域形態(tài)的確定及劃分。一個最單的方法是將任意形狀的搜索區(qū)域用其外接矩形表示，但這種方式會造成搜索區(qū)域面積變大，導(dǎo)致搜索時間增加，降低搜索效率。而將搜索區(qū)域劃分為多個子區(qū)域，再在子區(qū)域上進行無人機航跡規(guī)劃不僅可以更高效地完成區(qū)域覆蓋任務(wù)，還可以降低搜索資源的浪費。目前區(qū)域劃分的方法有：(1)Boustrophedon劃分算法是將搜索區(qū)域分解為梯形狀，在單個分塊中進行遍歷搜索。其目的是為了減少由于分塊較多而造成的重復(fù)遍歷。(2)基于Voronoi圖的區(qū)域劃分算法：利用Voronoi圖的特性，并結(jié)合實際的區(qū)域形狀將搜索區(qū)域進行劃分(3)基于子區(qū)域?qū)挾戎妥钚〉膮^(qū)域劃分算法即要求子區(qū)域的寬度最小，又要保證所有子區(qū)域?qū)挾戎妥钚?，故此算法實現(xiàn)起來比較復(fù)雜。

三、無人機航跡規(guī)劃面臨的問題

本專利主要研究的是無人機覆蓋航跡規(guī)劃，單無人機覆蓋航跡規(guī)劃任務(wù)時間長，效率低，同樣對無人機的性能要求也高；但多無人機協(xié)同編隊覆蓋航跡規(guī)劃實現(xiàn)起來問題較多。多機“Z”搜索因無人機(UAV)最小轉(zhuǎn)彎半徑的限制，為保證搜索區(qū)域的全覆蓋，需在區(qū)域外部進行轉(zhuǎn)彎，造成搜索資源嚴重浪費。內(nèi)螺旋的方式則需要較多轉(zhuǎn)彎，接近區(qū)域中心的更多，另外在多機并排搜索時，由于編隊內(nèi)外兩側(cè)無人機的飛行路徑長度相差較大，對無人機的速度要求較多，不利于工程實現(xiàn)。圖1給出一個兩架無人機協(xié)同搜索的示意圖。在圖中可以很明顯的看出UAV1的航程多于UAV2的，要實現(xiàn)無人機協(xié)同搜索，在第一個轉(zhuǎn)彎處UAV1的速度應(yīng)快于UAV2的，在第二個轉(zhuǎn)彎處則恰恰相反。

在綜合考慮單機與多機這兩種搜索方式后，本專利在規(guī)劃好整體的無人機航跡后，根據(jù)無人機的性能不同，給每架無人機分配任務(wù)區(qū)域，即提高了搜索性能，同時避免了多機編隊時對無人機速度的要求，大大降低了搜索難度，有利于工程實現(xiàn)。

四、現(xiàn)有子區(qū)域劃分算法的不足之處

現(xiàn)有的子區(qū)域劃分算法中，利用Voronoi圖對搜索區(qū)域進行分割的方法非常普遍，但這種分割非常復(fù)雜，并且?guī)в胁淮_定性，對無人機的自主性要求較高；而Boustrophedon區(qū)域劃分算法雖然復(fù)雜度不高，并且能夠同時應(yīng)用于單機和多機區(qū)域劃分，但對劃分的方向有要求，達不到全區(qū)域最優(yōu)。而基于子區(qū)域?qū)挾戎妥钚〉膭澐炙惴ㄍ瑯用媾R著算法復(fù)雜度較高的問題，另外利用此算法劃分的子區(qū)域面積不一，極易造成區(qū)域重復(fù)搜索，另外劃分后的子區(qū)域數(shù)目也比本專利劃分后的多，導(dǎo)致無人機子區(qū)域銜接時浪費的搜索資源較多，降低搜索效率。故此，本專利提出一種基于凹頂點可見的子區(qū)域劃分算法，在保證子區(qū)域面積均衡的情況下同時降低劃分后的區(qū)域數(shù)目，另外，算法實現(xiàn)起來復(fù)雜度低。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中存在的缺陷或不足，本發(fā)明所要解決的技術(shù)問題是：提供一種基于子區(qū)域劃分的多無人機遍歷搜索算法，本算法為基于凹頂點可見的子區(qū)域劃分算法，在保證子區(qū)域面積均衡的情況下同時降低劃分后的區(qū)域數(shù)目，另外，算法實現(xiàn)起來復(fù)雜度低。

為了實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為提供一種基于子區(qū)域劃分的多無人機遍歷搜索算法，包括以下步驟：

步驟A：利用基于凹頂點可見的子區(qū)域劃分算法將整個區(qū)域劃分為多個形態(tài)良好，差異不大的子區(qū)域；

步驟B：在每個子區(qū)域內(nèi)運用基于區(qū)域?qū)挾茸钚〉暮桔E規(guī)劃算法進行無人機航跡規(guī)劃；

步驟C：在計算出整個規(guī)劃好的航程后，根據(jù)每架無人機的性能分配相應(yīng)的任務(wù)區(qū)域，根據(jù)無人機遍歷搜索時間算法，確定無人機的整體搜索性能是否達到最優(yōu)。

作為本發(fā)明的進一步改進，所述步驟A包括進行凹邊形凸分解，所述凹邊形凸分解是將凹頂點與其可見凹點相連，將多邊形一分為二，如果可見凹點較多，則要選擇一個最優(yōu)的可見凹點來連接。

作為本發(fā)明的進一步改進，在將整個區(qū)域一分為二后，繼續(xù)在子區(qū)域中選擇合適的凹點進行劃分，直到將整個區(qū)域全部劃分為凸多邊形子區(qū)域，若凹頂點對應(yīng)可見區(qū)域中沒有凹點，則選擇其角平分線作為劃分線。

作為本發(fā)明的進一步改進，如果沒有最優(yōu)的可見凹點，則要選擇一個和凹點的連線與角平分線夾角最小的可見點進行連接，則夾角的計算公式為：

式中：∠α為可見點和凹點的連線與角平分線的夾角。

作為本發(fā)明的進一步改進，所述無人機的遍歷搜索時間算法如下，對于搜索時間可建模為：

T＝t_path+n*t_turn (2)

其中，t_path是單個無人機的航跡規(guī)劃用時，n是無人機轉(zhuǎn)彎次數(shù)，t_turn是無人機轉(zhuǎn)彎用時，假設(shè)現(xiàn)在有m架航速為v1、v2、v3、……、v_m無人機，規(guī)劃后的總航程為L，則

$t_{path}=L/\underset{i=1}{\overset{m}{\Σ}}{v}_i---\left(3\right)$

而轉(zhuǎn)彎次數(shù)則由無人機的掃描寬度w_s及子區(qū)域?qū)挾葁決定；

將式(3)和式(4)代入式(2)中，則總的搜索時間為：

$T=L/{\mathrm{\Σ}}_{i=1}^m{v}_i+\[w/w_s\]*t_{turn}---\left(5\right).$

本發(fā)明的有益效果是：本發(fā)明設(shè)計了一種基于子區(qū)域劃分的多無人機遍歷搜索算法，給出了具體的區(qū)域劃分方式及多機航跡規(guī)劃和任務(wù)分配方式，為無人機遍歷搜索提供了一種實際可行的方案。通過一個具體的算法生成實例，驗證了本專利提出的算法是有效的，且對搜索區(qū)域的形狀沒有特別的要求，適用于多種不規(guī)則區(qū)域，具有普適性。本專利的子區(qū)域劃分算法相比于其他劃分算法，不僅實現(xiàn)起來簡單，同時可以有效避免無人機的重復(fù)搜索，降低無人機在子區(qū)域連接時的耗時。所以，應(yīng)用本專利設(shè)計的多無人機遍歷搜索算法對區(qū)域進行搜索可以有效提高搜索效率，減少無人機不必要的耗時，在相同的無人機性能和數(shù)量的情況下搜索更大的區(qū)域。

附圖說明

圖1是一個兩架無人機協(xié)同搜索的示意圖；

圖2是本發(fā)明的多無人機搜索示意圖；

圖3是本發(fā)明的子區(qū)域劃分示意圖；

圖4是本發(fā)明的無人機搜索方向示意圖；

圖5是本發(fā)明的凸多邊形的寬度圖；

圖6是本發(fā)明的給定一個待覆蓋的多邊形區(qū)域示意圖；

圖7是本發(fā)明的對給定一個待覆蓋的多邊形區(qū)域進行子區(qū)域劃分示意圖；

圖8是本發(fā)明的對給定一個待覆蓋的多邊形區(qū)域進行航跡規(guī)劃及任務(wù)劃分示意圖；

圖9是本發(fā)明的劃分算法和其他算法的第一對比圖；

圖10是本發(fā)明的劃分算法和其他算法的第二對比圖；

圖11是本發(fā)明的劃分算法和其他算法的第三對比圖。

具體實施方式

下面結(jié)合附圖說明及具體實施方式對本發(fā)明進一步說明。

現(xiàn)有的Boustrophedon劃分算法、精確單元分解(Exact Cell Decomposition)和模板(Templates)匹配的區(qū)域劃分算法對多邊形的區(qū)域的形狀有一定的限制，并不是適合所有的情形；而基于子區(qū)域?qū)挾戎偷淖訁^(qū)域劃分算法劃分后的子區(qū)域形態(tài)差異較大，不利于無人機的航跡規(guī)劃，且算法復(fù)雜度較高。故針對上述算法的不足，本專利提出一種基于子區(qū)域劃分和航跡長度的多無人機搜索算法。當(dāng)搜索區(qū)域是一不規(guī)則多邊形時，以圖2所示的多無人機搜索示意圖為例，首先利用基于凹頂點可見的子區(qū)域劃分算法將整個區(qū)域劃分為多個形態(tài)良好，差異不大的子區(qū)域；再在每個子區(qū)域內(nèi)運用基于區(qū)域?qū)挾茸钚〉暮桔E規(guī)劃算法進行無人機航跡規(guī)劃，并在計算出整個規(guī)劃好的航程后，根據(jù)每架無人機的性能分配相應(yīng)的任務(wù)區(qū)域，使得無人機的整體搜索性能達到最優(yōu)。

子區(qū)域劃分算法

本專利中，無人機沿著與最小區(qū)域?qū)挾却怪钡姆较蝻w行，但只適用于凸多邊形區(qū)域，故此對凹多邊形區(qū)域進行凸分解就很有必要，為了更好的說明本部分的算法，以一個例子對凹頂點的可見性進行說明。如圖3所示，Region-2是凹點pi的可見區(qū)域，在區(qū)域2中的凹點v1,v2,v3則是pi的可見凹點。

進行凹多邊形凸分解，主要方法是將某一凹點與其可見凹點相連，將多邊形一分為二，達到消除凹點的作用。但很多情況下，這樣的可見點并不唯一，這是則要選擇一個最優(yōu)的可見凹點來連接。如圖2所示，若選擇∠AP_iB的角平分線作為劃分線，則得到的兩個子區(qū)域的形態(tài)是最好的，但很多情況下，不存在恰好位于角平分線上的可見凹點，這時則要選擇一個和凹點的連線與角平分線夾角(在圖2中，即為∠α、∠β、∠γ)最小的可見點進行連接。由于這幾個夾角均小于90°，所以其cos值越大，則夾角越小。以∠α為例，cosα為：

在將整個區(qū)域一分為二后，繼續(xù)在子區(qū)域中選擇合適的凹點進行劃分直到將整個區(qū)域全部劃分為凸多邊形子區(qū)域。特別的，若凹點pi對應(yīng)可見區(qū)域中沒有凹點，則選擇其角平分線作為劃分線。

1.2航跡規(guī)劃及任務(wù)分配算法

整個區(qū)域被劃分為多個凸多邊形子區(qū)域后，在子區(qū)域內(nèi)進行路徑規(guī)劃。與機器人覆蓋路徑規(guī)劃不同，無人機需要在待搜索區(qū)域外部進行轉(zhuǎn)彎飛行.這一段飛行相對搜索區(qū)域是沒用的，如能減少搜索轉(zhuǎn)彎次數(shù)，就可減少飛行路程、搜索時間和油耗.如圖4所示，左圖的轉(zhuǎn)彎次數(shù)明顯多于右圖的，所以對某覆蓋搜索區(qū)域，要確定一個搜索方向，使得沿此方向搜索的轉(zhuǎn)彎次數(shù)盡量少.故本專利采用的基于最小子區(qū)域?qū)挾鹊暮桔E規(guī)劃算法使得無人機沿著與子區(qū)域最小寬度垂直的方向飛行，可使得轉(zhuǎn)彎次數(shù)最少。

對于一凸多邊形，其最小寬度的定義是：在平面上做兩條與凸多邊形相交的平行線，兩平行線之間的距離就定義為凸多邊形的寬度.所有跨度中的最小值稱為凸多邊形的最小寬度.如圖5所示，min(w)即為最小寬度。在對所有的子區(qū)域進行路徑規(guī)劃后計算出規(guī)劃好的無人機航程，在給定無人機架數(shù)和速度的情況下，給每架無人機分配對應(yīng)得任務(wù)區(qū)域。

一、遍歷搜索時間

無人機的遍歷搜索時間是衡量無人機性能的重要指標(biāo)，對于搜索時間可建模為：

T＝t_path+n*t_turn (2)

其中，t_path是單個無人機的航跡規(guī)劃用時，n是無人機轉(zhuǎn)彎次數(shù)，t_turn是無人機轉(zhuǎn)彎用時。假設(shè)現(xiàn)在有m架航速為v1、v2、v3、……、v_m無人機，規(guī)劃后的總航程為L,則

$t_{path}=L/\underset{i=1}{\overset{m}{\Σ}}{v}_i---\left(3\right)$

而轉(zhuǎn)彎次數(shù)則由無人機的掃描寬度w_s及子區(qū)域?qū)挾葁決定。

將式(3)和式(4)代入式(2)中，則總的搜索時間為：

$T=L/{\mathrm{\Σ}}_{i=1}^m{v}_i+\[w/w_s\]*t_{turn}---\left(5\right)$

二、算法偽代碼

根據(jù)以上對區(qū)域劃算、航跡規(guī)劃及任務(wù)分配算法的分析，具體的算法偽代碼分別如表1和表2所示。

表1:子區(qū)域凸分解算法

表2:覆蓋航跡規(guī)劃及任務(wù)分配算法

三、性能分析

3.1、算法生成實例

給定4架飛行速度不同的無人機，對非規(guī)則區(qū)域進行遍歷搜索。4架無人機的性能參數(shù)如表3所示。

表3:覆蓋航跡規(guī)劃及任務(wù)分配算法

給定一個待覆蓋的多邊形區(qū)域A(見圖6)，頂點為vi(i＝10)。其中，A的頂點按逆時針方向的排列為

＝{(0,21.92)；(6.88,13,14)；(10.62,28.89)；(14.54,7.87)；(25.76,9.06)；(25.76,15.31)；(34.28,25)；(19.32,26.56)；(12.04,38.88)}km.按照算法一的思想，對非規(guī)則區(qū)域進行劃分，劃分結(jié)果如圖7所示。從圖中可以看出，待搜索的不規(guī)則區(qū)域被分解為四個形態(tài)良好的凸多邊形子區(qū)域，方便了在子區(qū)域上進行路徑規(guī)劃。同樣，在劃分好的區(qū)域A上進行航跡規(guī)劃及任務(wù)劃分，可得總的路徑長度為220.1773km,由式3可得t_path＝786.4138s.(見圖8)

3.2性能比較

圖9、圖10、圖11是針對凹點不同的搜索區(qū)域的算法生成實例，對于不同形狀的不規(guī)則區(qū)域，本專利提出的算法同樣可以進行區(qū)域劃分及航跡規(guī)劃，表明了本專利提出的算法具有普適性；且實際的搜索區(qū)域大多是不規(guī)則的，這另外，圖9、圖10、圖11的左圖和右圖分別是本專利提出的劃分算法和其他算法的對比圖。由圖可知，利用本專利的劃分的子區(qū)域數(shù)目較少，且區(qū)域形態(tài)良好。在無人機搜索時，不僅可以有效地避免區(qū)域面積小而造成的重復(fù)搜索，而且還可以降低區(qū)域連接所造成的搜索時間的浪費。

以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明的保護范圍。