本發(fā)明涉及無人機(jī)路徑規(guī)劃，特別涉及一種基于改進(jìn)深度優(yōu)先搜索智能算法的測(cè)繪無人機(jī)路徑規(guī)劃方法。

背景技術(shù)：

1、隨著無人機(jī)技術(shù)的不斷發(fā)展，無人機(jī)在各個(gè)領(lǐng)域得到普遍的應(yīng)用，如無人機(jī)配送外賣、運(yùn)送醫(yī)療物資以及地理信息采集等各行各業(yè)，尤其在地理信息采集和航空測(cè)繪領(lǐng)域，相較于傳統(tǒng)的測(cè)繪方法，無人機(jī)能夠在短時(shí)間內(nèi)覆蓋大面積區(qū)域，獲取高分辨率的地面圖像。其中，路徑規(guī)劃是保證無人機(jī)能夠高效精確完成測(cè)繪任務(wù)的關(guān)鍵。而對(duì)于測(cè)繪無人機(jī)，其任務(wù)目標(biāo)相較復(fù)雜和精細(xì)，不僅需要避開障礙，更需要確保對(duì)指定區(qū)域進(jìn)行全面且連續(xù)的數(shù)據(jù)采集，以便實(shí)現(xiàn)高質(zhì)量的地圖繪制或三維模型重建。在測(cè)繪無人機(jī)的應(yīng)用場(chǎng)景中，傳統(tǒng)的無人機(jī)路徑規(guī)劃方法就無法滿足其高精度和全面覆蓋的需求，并且存在著路徑重復(fù)率高、易陷入死區(qū)和無法適應(yīng)新環(huán)境下的風(fēng)險(xiǎn)等缺點(diǎn)。因此，存在一種急需改進(jìn)的技術(shù)需求，即開發(fā)一種基于改進(jìn)深度優(yōu)先搜索智能算法，以提高無人機(jī)在復(fù)雜測(cè)繪環(huán)境中的路徑規(guī)劃的效率和安全性，適應(yīng)高效精準(zhǔn)的測(cè)繪任務(wù)需求。

2、現(xiàn)有技術(shù)一

3、柯詩(shī)杰[1]在分析現(xiàn)有智能算法的基礎(chǔ)上，為解決山地測(cè)繪問題和提高無人機(jī)測(cè)繪精度，提出了一種基于改進(jìn)螢火蟲算法(glowworm?swarm?optimization，gso)的無人機(jī)航線規(guī)劃方法。通過采用chebyshev混沌映射和引入萊維飛行策略作為一種生成螢火蟲初始種群的方法，代替?zhèn)鹘y(tǒng)螢火蟲算法當(dāng)中隨機(jī)生成初始種群的方式，從而保證種群的多樣性。

4、現(xiàn)有技術(shù)一的缺點(diǎn)

5、該技術(shù)采用改進(jìn)傳統(tǒng)螢火蟲算法，提高了隨機(jī)生成初始種群的多樣性，這會(huì)使得初始化點(diǎn)分布不均勻或者搜索空間較大，導(dǎo)致某些區(qū)域被多個(gè)螢火蟲反復(fù)訪問，無法解決路徑重復(fù)率過高的問題。傳統(tǒng)的螢火蟲算法，具有計(jì)算速度慢，計(jì)算復(fù)雜度高，運(yùn)行時(shí)間長(zhǎng)，參數(shù)調(diào)整困難等問題。測(cè)繪無人機(jī)需要確保在指定區(qū)域內(nèi)進(jìn)行全面且連續(xù)的數(shù)據(jù)采集，這將導(dǎo)致算法的計(jì)算復(fù)雜度高，同時(shí)可能會(huì)引起震蕩，影響收斂速度，使得算法需要較長(zhǎng)時(shí)間才能找到最優(yōu)解，并且由于參數(shù)設(shè)置不合理的原因，都可能導(dǎo)致算法性能下降，增加陷入局部最優(yōu)解的風(fēng)險(xiǎn)，從而陷入死區(qū)。在實(shí)際測(cè)繪場(chǎng)景中，傳統(tǒng)的螢火蟲算法在面對(duì)龐大的參數(shù)與數(shù)據(jù)集進(jìn)行訓(xùn)練時(shí)，會(huì)對(duì)算法的性能有很大影響，使得算法在通用性方面不能完全達(dá)到利用無人機(jī)進(jìn)行測(cè)繪的目的。

6、現(xiàn)有技術(shù)二

7、曾青[2][2]結(jié)合蟻群算法和粒子群算法的優(yōu)缺點(diǎn)，提出了基于蟻群－粒子群的混合改進(jìn)算法。通過對(duì)啟發(fā)函數(shù)引入自適應(yīng)慣性權(quán)重動(dòng)態(tài)調(diào)整和對(duì)信息素更新規(guī)則進(jìn)行優(yōu)化。引入自適應(yīng)路徑引導(dǎo)因子，減少算法迭代時(shí)間，將路徑的安全性和平滑性也作為信息素更新的指標(biāo)，促使算法跳出局部極值，提高了算法在全局搜索和局部精細(xì)搜索的精度。

8、現(xiàn)有技術(shù)二的缺點(diǎn)

9、該技術(shù)的融合算法的結(jié)果可能受到參數(shù)設(shè)置和算法本身的隨機(jī)性影響，導(dǎo)致精度不穩(wěn)定，難以滿足嚴(yán)格的測(cè)繪精度標(biāo)準(zhǔn)。該技術(shù)沒有考慮應(yīng)用于測(cè)繪無人機(jī)當(dāng)中實(shí)際測(cè)繪中的因素，無法適應(yīng)新環(huán)境下風(fēng)險(xiǎn)因素的干擾，缺乏對(duì)飛行環(huán)境中實(shí)時(shí)規(guī)劃路徑的能力，無法實(shí)現(xiàn)動(dòng)態(tài)避障的功能。

10、縮略語和關(guān)鍵術(shù)語定義

11、深度優(yōu)先搜索(depth-firstsearch，dfs)是一種用于遍歷或搜索樹或圖的算法。其過程是從節(jié)點(diǎn)開始，沿著樹或圖的深度遍歷，直到達(dá)到末節(jié)點(diǎn)，然后再回溯，找到結(jié)果才返回。其特點(diǎn)是空間復(fù)雜度低，能夠更快地找到一條從起始頂點(diǎn)到目標(biāo)頂點(diǎn)路徑。但存在著當(dāng)圖中存在環(huán)路，可能會(huì)進(jìn)入死循環(huán)的情況，并且對(duì)于具有分叉的圖形的搜索效率較低等缺點(diǎn)。

12、智能算法，廣義的智能算法是指在工程實(shí)踐中常用的一類算法或理論，智能算法通過模擬大自然的某種現(xiàn)象或生物群體的自組織行為解決無人機(jī)自主航跡規(guī)劃等組合優(yōu)化問題，具有易實(shí)現(xiàn)、啟發(fā)性、并行處理等特點(diǎn)；在日常研究中，如果能夠達(dá)到所對(duì)應(yīng)環(huán)境去解決一類或一種問題的算法也能夠叫做智能算法。

13、參考文獻(xiàn)

14、[1]柯詩(shī)杰.基于改進(jìn)螢火蟲算法的無人機(jī)航線規(guī)劃方法[j].江西測(cè)繪,2024,(01):9-11+15.

15、[2]曾青.基于群智能算法的無人機(jī)路徑規(guī)劃研究[d].重慶理工大學(xué),2022.

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)現(xiàn)有技術(shù)的缺陷，提供了一種基于智能算法的測(cè)繪無人機(jī)航路規(guī)劃方法。對(duì)深度優(yōu)先搜索算法改進(jìn)，通過降低路徑重復(fù)率以提高無人機(jī)測(cè)繪效率，并控制搜索方向來跳出死區(qū)，克服了現(xiàn)有相關(guān)技術(shù)所存在的問題。

2、為了實(shí)現(xiàn)以上發(fā)明目的，本發(fā)明采取的技術(shù)方案如下：

3、一種基于智能算法的測(cè)繪無人機(jī)航路規(guī)劃方法，包括以下步驟：

4、s1：構(gòu)建任務(wù)環(huán)境模型，具體包括以下子步驟：

5、s11：在山區(qū)戶外低空環(huán)境下進(jìn)行環(huán)境建模，采用柵格法對(duì)地圖進(jìn)行劃分，建立二維柵格地圖，其中無人機(jī)可在八個(gè)方向進(jìn)行延伸拓展搜索，柵格地圖的每個(gè)格子代表環(huán)境的一個(gè)小區(qū)域；

6、s12：根據(jù)實(shí)際山區(qū)戶外低空環(huán)境模型，在柵格地圖中加入額外限制約束條件，其中鳥群密度作為影響無人機(jī)測(cè)繪的主要因素，擬合鳥群所占格子數(shù)與總格子數(shù)之比作為柵格地圖中鳥群的密度，并將其納入無人機(jī)航路規(guī)劃的主要約束；

7、s2：規(guī)劃無人機(jī)飛行路徑，具體通過改進(jìn)的深度優(yōu)先搜索算法實(shí)現(xiàn)，步驟包括：

8、s21：選擇當(dāng)前時(shí)刻無人機(jī)所在的位置作為初始位置節(jié)點(diǎn)，并確定目標(biāo)位置節(jié)點(diǎn)的坐標(biāo)；

9、s22：訪問當(dāng)前位置節(jié)點(diǎn)，并將其標(biāo)記為已訪問，確保節(jié)點(diǎn)狀態(tài)更新；

10、s23：引入“bwlabel”函數(shù)約束無人機(jī)搜索方向，并判斷該位置節(jié)點(diǎn)是否具有相鄰的節(jié)點(diǎn)；

11、s24：定義“f_orient_ok5”函數(shù)，以確定下一個(gè)有效通過位置，并進(jìn)行深度探索，從當(dāng)前位置節(jié)點(diǎn)遞歸地訪問所有未被訪問的相鄰位置節(jié)點(diǎn)，“f_orient_ok5”函數(shù)通過優(yōu)化搜索順序減少對(duì)已探索區(qū)域的重復(fù)遍歷；

12、s25：當(dāng)當(dāng)前位置節(jié)點(diǎn)的所有相鄰位置節(jié)點(diǎn)均被訪問后，回溯到上一個(gè)位置節(jié)點(diǎn)，并再次利用“bwlabel”和“f_orient_ok5”函數(shù)進(jìn)行搜索方向的約束和有效通過位置的判定，繼續(xù)探索未被訪問的位置節(jié)點(diǎn)，重復(fù)上述過程，直到所有位置節(jié)點(diǎn)都被訪問；

13、s26：基于步驟s1中得到的二維柵格化地圖，使用改進(jìn)的深度優(yōu)先搜索算法進(jìn)行路徑規(guī)劃，從而得到最終測(cè)繪過程的路徑規(guī)劃結(jié)果。

14、進(jìn)一步地，實(shí)際鳥群密度的表達(dá)式為：

15、

16、其中，x為柵格地圖中由于鳥群因素所含有的格子，y為二維柵格地圖總格子數(shù)，ρ為實(shí)際鳥群密度。

17、進(jìn)一步地，“bwlabel”函數(shù)表達(dá)式為：

18、l＝bwlabel(bw,n)

19、其中，n表示允許通過指定性參數(shù)，常見n的取值分別是4和8，“4”代表只與上下左右四個(gè)鄰域相連的簡(jiǎn)單連通性，而“8”則包括了八個(gè)鄰域，擴(kuò)展到對(duì)角線方向。

20、進(jìn)一步地，所述“f_orient_ok5”函數(shù)的實(shí)現(xiàn)包括：

21、定義不同的移動(dòng)優(yōu)先級(jí)，根據(jù)實(shí)際障礙和目標(biāo)位置動(dòng)態(tài)調(diào)整搜索順序；

22、在搜索過程中實(shí)時(shí)更新無人機(jī)的航向，避免陷入死區(qū)或重復(fù)路徑。

23、進(jìn)一步地，所述步驟s26中，路徑規(guī)劃結(jié)果的優(yōu)化進(jìn)一步包括：

24、對(duì)得到的初步路徑進(jìn)行平滑處理，減少路徑中的急轉(zhuǎn)彎和曲折；

25、根據(jù)實(shí)際飛行情況對(duì)路徑進(jìn)行動(dòng)態(tài)調(diào)整，以適應(yīng)環(huán)境變化和實(shí)時(shí)數(shù)據(jù)。

26、進(jìn)一步地，所述步驟s21中，初始位置節(jié)點(diǎn)和目標(biāo)位置節(jié)點(diǎn)的確定包括：

27、根據(jù)預(yù)設(shè)的任務(wù)區(qū)域和目標(biāo)覆蓋要求，選擇最優(yōu)的初始位置和目標(biāo)位置；

28、結(jié)合地理信息系統(tǒng)數(shù)據(jù)，對(duì)初始位置和目標(biāo)位置進(jìn)行優(yōu)化，以提高路徑規(guī)劃的效率和效果。

29、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：

30、顯著提高了無人機(jī)在復(fù)雜環(huán)境中執(zhí)行任務(wù)的執(zhí)行效率和搜索效率。這些改進(jìn)不僅提升了無人機(jī)的任務(wù)完成效率，還優(yōu)化了其在面對(duì)復(fù)雜現(xiàn)實(shí)世界條件時(shí)的適應(yīng)性和響應(yīng)能力，為復(fù)雜環(huán)境下的智能導(dǎo)航提供了有效的技術(shù)支持，具體體現(xiàn)在以下方面：

31、改進(jìn)搜索效率：本發(fā)明針對(duì)傳統(tǒng)深度優(yōu)先搜索(dfs)算法中易陷入死循環(huán)、搜索效率低的問題，提出引入“bwlabel”函數(shù)和“f_orient_ok5”函數(shù)。這些函數(shù)有效控制了搜索方向，避免了無人機(jī)陷入搜索死區(qū)，并減少了對(duì)已遍歷區(qū)域的重復(fù)搜索，從而提高了搜索效率。這種改進(jìn)不僅節(jié)省了無人機(jī)的能源消耗，還減少了不必要的路徑規(guī)劃，進(jìn)一步提升了任務(wù)執(zhí)行效率和運(yùn)行效能。

32、提高算法的通用性和穩(wěn)定性：本發(fā)明采用了改進(jìn)的dfs算法，相較于傳統(tǒng)的智能算法，顯著減少了算法所需調(diào)整的參數(shù)數(shù)量，并簡(jiǎn)化了參數(shù)的調(diào)整過程。這種設(shè)計(jì)使得算法在更廣泛的應(yīng)用場(chǎng)景中具備了更高的通用性和穩(wěn)定性，能夠更好地滿足無人機(jī)在復(fù)雜環(huán)境中的測(cè)繪需求。