[发明专利]多无人飞行器对大规模环境的持续监控路径规划方法

说明书

多无人飞行器对大规模环境的持续监控路径规划方法，本发明通过科学地规划飞行器的监控路径，实现环境覆盖效率的最大化。对于大规模环境，既要保证对整个环境覆盖的完整性，又要在监控过程中采集到尽可能精确可靠的信息，直接进行最优覆盖路径的计算是十分困难的。该方法基于分块优化思想，首先，将整体环境划分成若干小面积子区域，在每一个子区域中计算出覆盖该区域的最优路径，通过设定特定的约束，各个子区域内的路径可以最终连接成一条整体路径，即飞行器最终对整个环境的监控路径。除了覆盖效果，本方法也考虑飞行消耗的能量、时间等因素，力求规划出适于飞行器跟踪的高效监控路径。本发明方法经过仿真和实验验证有效可行。

技术领域

本发明属于多无人飞行器应用于环境信息采集的技术领域，特别是针对大规模动态环境有显著的优势。

背景技术

近年来，对于大规模环境的信息采集和持续监控需求越来越多，比如在气象监测、救灾抢险、农作物生长状况监测、农药喷洒除草等场景中，都需要用到环境覆盖监控的理论和方法，典型的应用就是在森林火灾的预防监测中对广阔森林环境的监控^[1]-[2]。众所周知，森林在地球生态系统中发挥着不可或缺的作用，它不仅有调节水循环、净化空气等生态作用，还提供了丰富持续的自然资源，而森林由于面积广阔、树木密集繁多，使得森林火灾成为其最大威胁，森林火灾一旦发生扑灭非常困难，常常造成巨大损失，这使得森林的防火监测变得十分重要。持续监控任务一直是一种非常耗时耗力、重复繁重的工作，传统的森林火灾监控预防方法效率不高^[3]，存在很多缺陷，比如瞭望塔和森林视频监控系统，都主要靠人力进行火灾监测，不仅效率不高，且在人员疲惫时容易发生疏漏，为了解放人力以及提高工作效率，国内外相关领域的学者开展了大量的研究工作。文献[4]中研究了一种用于森林监控、火点侦察和跟踪的多机器人容错控制策略。Merino等人利用搭载红外和视觉传感器的无人机系统来自动获取火焰的形状以及火焰传播的相关参数^[5]其中灵活且应用广泛的无人机成为研究热点，多无人机协同作业相比于单架无人机不仅效率更高，还拥有更强的鲁棒性，成为大规模环境的信息采集和持续监控任务的良好选择。

大规模环境的信息采集可以通过在环境中部署一组传感器来实现，通过控制每个传感器不断调整其位置姿态，实现对整个环境的最优覆盖^[6]-[8]。Schwager系统研究过多机器人的覆盖问题^[9]，他通过降低特定代价函数指导搭载传感器的机器人运动，并在三种移动机器人平台上对所提算法进行了验证。Joseph等人解决了在多机器人通讯条件有限的情况下的覆盖问题，研究只通过一些零星不可靠的通讯来进行多机器人的覆盖控制方法^[10]。在文献[11]中，作者提出一种非线性控制方法去探索覆盖未知的环境区域，通过不断地估计修改环境状态参数和移动机器人位置来逼近最优覆盖。

以上提到的方法在监控大规模环境时，为了保证采集的信息质量，需要部署大量的传感器，实用性不强，且带来计算量压力。一个搭载传感器的无人飞行器可以充分利用其灵活性优势，通过巡航监控覆盖更大面积环境，而不仅限于静态传感器固有的探测范围。对于这种情况，由于待监控环境的面积较大，无人机的可选巡航路径较多，如何计算出最佳的路径保证高效覆盖是一个比较有挑战性的问题，尤其在计算性能有限的机载处理器上。为解决这类问题，Soltero等人提出一种基于路径点优化的路径计算方法^[12]，用梯度下降法最小化代价函数，兼顾路径点的覆盖效果和路径的平滑性。在农业应用和地图绘制中，Z字形路径因其简单有效的特点被广泛应用。基于这个思路，在文献[13]中，首先将待监控环境根据机器人位置分区，然后在每一个分区内生成一条Z字形路径，使飞行器沿分区最长边方向往返巡航，以此实现最少转弯次数。此外，Ousingsawat等人提出一种更加有效的类Z字形路径生成方法，可以根据不同区域的重要程度有所区分^[14]。