[发明专利]一种基于边界和采样的混合无人机自主探测方法

说明书

本发明提出一种基于边界和采样的混合无人机自主探测方法，包括以下步骤：首先，根据提出的策略进行边界点的检测与提取；其次，基于提取到的边界点，继续进行观测点的采样，通过计算采样边界点处的探测增益选取最佳的观测点，并规划一条基于快速扩展随机树的前往路线；然后，将该观测点作为顶点添加至历史路线图中，并将与历史路线图中原有顶点连成的无碰撞边一并加入路线图中；最后，当没有新的边界点被检测到时，历史路线图规划一条返回最近的待探测边界点的路线，当在整个探测任务中找不到边界点的时候，即视为探测完成；本方法能够保证在计算量受限情况下实现无人机在有界未知环境下的自主探测，并且具有能源消耗小，探测效率高的优点。

技术领域

本发明属于无人机路径规划技术领域，具体涉及一种基于边界和采样的混合无人机自主探测方法，主要应用于完全未知的三维有界环境下无人机完成自主探索的最优飞行路线规划。

背景技术

近年来，随着科技的发展，无人自主机器人在许多领域均发挥着重要的作用，例如地下矿井，精准农业，灾后救援，和三维重建等等。作为自主机器人中最具代表性的种类之一，无人机凭借着灵活机动、体型较小等特点越来越受到人们的青睐。在无人机众多应用中，对完全未知的三维环境的自主探索不容忽视。精准快速的自主探索能够为人们进一步认识复杂未知的灾后现场、地下矿井等危险环境争取时间，从而减少人员伤亡，在现实生活中有着极其广泛的应用。因此，开展未知的三维有界环境下无人机的自主探测研究具有重要意义。

对于一个给定的有界三维空间由于其完全未知的特点，在整个探索过程开始之前，V被初始化为未知空间V_unk。本发明要解决的自主探测问题就是确定每一个体素v∈V_unk属于无碰撞空间还是占据空间在这个过程中，基于Octomap的三维地图模型M也在同步创建，以实时建模真实的环境。然而在大多数实际场景中，总有一些体素是无法被观测到的，比如空心的空间或者是狭长的走廊等，这些体素均属于不可观测空间针对可观测空间有V_obs∪V_res＝V和V_free∪V_occ＝V_obs。

对于在真实场景中飞行的无人飞行器(Micro Aerial Vehicle,MAV)有着旋转和平移6个自由度，然而随着维数的增加，计算复杂度却呈数量级增长。为了简化计算复杂程度，本发明忽略了横滚角和俯仰角的影响，只考虑三个方向上的位置和偏航角，因此无人机的状态x只有四个自由度，即x＝[x,y,z,ψ]^T，其中p＝[x,y,z]^T∈V表示无人机的位置，ψ∈[-π,π)表示偏航角度。

此前，针对未知环境下的自主探测问题主要有两种经典的方法，分别是基于边界的方法和基于采样的方法。对于已建立好的三维地图模型来说，边界点被定义为无碰撞空间V_free和未知空间V_unk的边界，也就是说位于无碰撞空间并且在其6个方向上至少有一个相邻的体素属于未知空间的体素。在配备有深度相机的无人机运动过程中，基于边界的方法通过规划出一条从当前位置到边界点的路径，来不断的探索未知区域，是一种全局规划的思想，但是由于传感器所采集到的数据量过于庞大，需要先过滤，再聚类，以完成数据降维，所以计算资源消耗比较大，对处理器的要求也就比较高。而基于采样的方法是一种局部规划的思想，通过在无人机一定范围内的无碰撞空间中随机采样，通过计算选取增益最高的最佳观测点，继而规划路线前往，虽然一定程度上降低了机器的计算消耗，但是却是一种非启发式的探索策略。由于无人机除了有计算量限制约束之外，还存在着机载能源约束，因此开发一种计算量较小，可以启发式的规划无人机飞行路线的方案具有很大的应用价值。

发明内容

本发明所要解决的技术问题是：针对无人机存在计算量限制、机载能源约束等问题，提供一种基于边界和采样的混合无人机自主探测方法，它是一种计算量小、能源消耗少且能够以更短的飞行距离和飞行时长实现无人机未知环境下自主探测的方法，另外还引入了历史路线图的思想，解决了无人机在计算量和机载能源受限等情况下的精准、快速自主探测问题，提高了其探索效率，尤其是在大规模场景下表现更佳。