[发明专利]一种低空林业监测遥感无人机路径多目标规划方法

说明书

本发明公开了一种低空林业监测遥感无人机路径多目标规划方法，涉及低空遥感无人机路径规划技术领域，包括以下步骤：S10,基于初始环境信息建立无人机路径环境的Maklink三维图论模型；并基于Maklink三维图论模型得到具体的单个路径方案；S20,基于无人机沿路径行进的目标函数和约束函数建立路径多目标优化的数学模型；S30,依据构成路径多目标优化的数学模型的目标函数，生成由目标函数上下限所构成的数学空间，即决策空间，并在决策空间内生成一组用于提高多目标优化效率和精度的参考向量;S40,基于路径规划的迭代进程，对参考向量进行自适应调整，最终迭代得到路径方案的帕累托优化解集。本发明提高了计算效率及准确率。

技术领域

本发明涉及低空遥感无人机路径规划技术领域，更具体的说，涉及一种低空林业监测遥感无人机路径多目标规划方法。

背景技术

不同于主要通过高空卫星影像、并辅以中空航空影像补充关键区域的大范围高空林业遥感监测，林下资源监测属于低空林业监测领域，导致传统监测手段无法对林下进行精细化监测。低空遥感无人机是利用无线电遥控设备和机载程序控制装置操纵的小型航空器，具有体积小、造价低、使用方便、环境适应性强等优点，能够对低空域内进行精细化的监测。同时，无人机应用低空遥感领域具有响应快速、图像分辨率高、拓展能力强、运营成本低等特点，在林下资源监测管理中具有广阔的应用前景。

低空遥感无人机在运行时，一个关键制约因素在于飞行路径的规划。低空遥感环境中，无人机的应用场景中不仅存在固定障碍物（如树木、建筑物等），同时存在各种突发情况（如飞鸟、气球、环境风等），飞行路径的优劣直接决定了低空遥感无人机的任务执行效率，因此需要在三维复杂空间内规划出合理、高效的路径。

传统的无人机路径规划主要基于可视图法、A*算法、Dijkstra算法：根据预先获取的地图数据，利用上述算法获取一个初始路径方案，然后实时探知运行环境的变化，在初始路径方案基础上进行局部调整，以获得最终运行路径。然而传统路径规划方法对于初始地图的要求极高，如果无法事前获取任务场景的详细地形、环境的地图信息，则无法有效的设定初始路径方案；同时传统方法的计算效率低，导致应用场景中出现瞬时、复杂环境变化时，无法有效的快速调整后续路径。而低空遥感场景下，无人机难以获取详细的三维初始地图信息，且在任务执行过程中，也容易受到诸如飞鸟、漂浮物、侧向风等环境干扰因素。因此，针对低空遥感应用场景下的无人机路径规划问题，需要开展不依赖于精细预设地图的快速路径规划。

无人机在沿规划路径运行时，沿路径运行时所使用的能源、所耗费的时间、无人机自身的存活率都是评价路径优劣的指标，而这些指标间存在复杂的互耦合关系，无法通过常规解耦手段将这些指标合成作为一个指标来衡量规划路径的优劣。因此可使用多目标优化方法进行路径规划快速求解，提高最终路径方案的规划效率和精度。

发明内容

为了克服现有技术的不足，本发明提供一种低空林业监测遥感无人机路径多目标规划方法，解决了当前低空遥感无人机路径规划过程中效率低下、精度不高的问题，提高了计算效率及准确率。

本发明解决其技术问题所采用的技术方案是：一种低空林业监测遥感无人机路径多目标规划方法，所述方法包括以下步骤：

S10,基于初始环境信息建立无人机路径环境的Maklink三维图论模型；并基于Maklink三维图论模型得到具体的单个路径方案；所述初始环境信息包括无人机初始位置、任务目标位置以及能够获得的三维地图信息；

S20,基于无人机沿路径行进的目标函数和约束函数建立路径多目标优化的数学模型；所述目标函数包括无人机沿路径行进时所需的时间、耗费的能源以及无人机存活率；所述约束函数为无人机路径中的干扰运行因素；所述建立路径多目标优化的数学模型具体步骤如下：