[发明专利]基于计算机的凸多边形农田无人机喷洒作业航迹规划方法

说明书

技术领域

本发明涉及一种基于计算机的凸多边形农田无人机喷洒作业航迹规划方法，其中喷洒作业可以包括：农药喷洒、液体化肥喷洒、航空播种等。

背景技术

随着科技的不断发展，采用现代化机械来替换人工劳动已经成为各行各业的趋势。我国作为一个传统的农业大国，耕地面积十分广阔，然而，目前国内农田作业大部分还是采用传统的人工作业方式。其中农药喷洒采取的是人工喷洒方式，这种方式不仅效率低，而且对作业人员的身心有极大的伤害，因此，急需先进的技术来改变这一现象。农业植保无人机应运而生。

在目前我国农村条件下，运用小型无人机喷洒农药是我国、特别是南方地区比较可行的一种方法。无人驾驶农药喷洒飞机不仅速度快，且使用超低容量农药喷洒，节省农药和水资源，减少农作物的农药残留和环境污染，远程操作还能减少对施药人员的伤害。适应于各种地形，符合我市农村道路现状。但是由于无人机的可操控距离远，人的肉眼无法准确判断具体的飞行状态，如飞行方向、飞行距离等。缺乏对无人机在农田作业区域的飞行航迹进行合理有效的规划方法，导致无人机在农田作业的时候会出现漏喷、重喷、出界的问题。这会使无人机的喷洒效率降低，作业成本提高。

农用无人机的航迹规划是指在特定的约束条件下，寻找满足无人机机动性能及农田区域环境信息限制的从起点到目标点的最优飞行轨迹，它是无人机任务规划系统的关键技术，是确保无人机提高飞行器的喷洒效率，圆满完成农药喷洒任务的有效手段，也是无人机实现自主控制，智能飞行的技术保障。因此，农用无人机的迅猛发展和广泛使用给航迹规划技术提出了更高的要求，也使无人机航迹规划技术成为国内外学者研究的热点之一。

目前无人机航迹规划有多种算法，如栅格法、切线图法、Voronoi图法、PRM法、动态规划算法、最速下降法、A*算法、遗传算法、蚁群算法、粒子群算法等。栅格法将无人机的飞行区域划分为不同大小的0/1单元格，0为不可飞单元格，1为可飞。栅格大小直接影响信息的存储量的大小和规划时间长短。栅格大，信息存储量减少，规划时间短，但是航迹质量下降。栅格小，信息存储量大，规划时间长，航迹质量高。因此，对密度大的区域进行单元格细分，而对密度小的区域适当放大单元格。此外，当区域更新时快速进行更新局部栅格信息以满足实时规划要求。切线图法将各种障碍简化建模为具有一定作用半径的圆柱体或圆锥体及其组合。由于无人机在巡航飞行时只考虑横向移动，因此根据无人机预定的巡航高度可简化为平面几何来处理。障碍的切线表示可飞航迹，构造出来的航迹几乎接近障碍，其缺点是在无人机飞行过程中出现位置偏差就很容易飞入障碍区域。Voronoi图是计算机几何中重要的几何图形被广泛应用到地形处理等多种区域划分的场合。Voronoi多边形的每条边上的点到相对应的两个点等距离，Voronoi边上的点是到障碍点的最远点，因此，无人机沿Voronoi边飞行可以获得较高的安全系数。PRM法是由Overmars于1992年针对高维位形空间的机器人运动规划提出的。该方法是一种随机路径搜索方法，具有概率完全性，随机采样生成航迹图，然后根据飞行代价函数，搜索“最优”航迹。但缺陷是当飞行环境变化时，PRM方法需要重新对环境进行采样分析，实时性不强，一般不用于实时局部航迹规划。动态规划算法是解决多级决策最优化问题的常见算法。该算法应用于无人机航迹规划中要求模型相对简单，可以获得全局最优解，但缺陷是随着规划区域的扩大，受状态空间的限制，会出现组合爆炸，只能应用于小范围内的搜索。最速下降法是S.J.Asseo于1982年提出的，它应用最速下降法求解地形跟踪及地形规避问题。该方法相对较简单，收敛速度较快，需要地形一阶偏导连续。但由于算法是建立在目标函数梯度基础上，要求导函数连续、迭代运算量大，且易陷入局部最优解。A*算法是一种静态路网中求解最短路径最有效的方法，一般用于基于栅格的数字地图中。公式表示为：f(n)＝g(n)+h(n)，其中f(n)是从初始点经由节点n到目标点的估价函数，g(n)是在状态空间中从初始节点到n节点的实际代价，h(n)是从n到目标节点最佳路径的估计代价。保证找到最短路径条件，关键在于估价函数h(n)的选取；估价值h(n)<＝n到目标节点的距离实际值，这种情况下，搜索的点数多，搜索范围大，效率低。但能得到最优解。当估价值>实际值时，搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。