基于滾動(dòng)速度障礙法的無(wú)人機(jī)山地航測(cè)避障路徑規(guī)劃研究

侯晨曦

(陸軍勤務(wù)學(xué)院，重慶 401331)

0 引言

無(wú)人機(jī)航測(cè)是當(dāng)下航測(cè)領(lǐng)域的一種新式手段，在土地測(cè)繪、環(huán)境監(jiān)測(cè)、城市規(guī)劃、農(nóng)業(yè)、林業(yè)等領(lǐng)域發(fā)揮著重要的作用。相比傳統(tǒng)的航測(cè)手段，無(wú)人機(jī)航測(cè)具有靈活、高效、精確和成本較低的特點(diǎn)[1]。例如在建設(shè)四通八達(dá)的交通體系的過(guò)程中，很多公路修建在荒郊野外，穿山而建或者繞山而建，無(wú)人機(jī)航測(cè)可以通過(guò)航拍獲取高分辨率的地形地貌影像、數(shù)字地面模型(DTM)以及3D點(diǎn)云數(shù)據(jù)，這些數(shù)據(jù)可以提供詳盡的地理信息，包括地形起伏、地勢(shì)坡度、植被覆蓋等。利用這些數(shù)據(jù)，可以更準(zhǔn)確地了解野外環(huán)境，評(píng)估潛在風(fēng)險(xiǎn)，優(yōu)化公路修建方案，并為施工人員提供實(shí)時(shí)的導(dǎo)航和引導(dǎo)。無(wú)人機(jī)航測(cè)可以輕松到達(dá)人們難以接近或探測(cè)的位置。對(duì)于復(fù)雜、危險(xiǎn)或難以進(jìn)入的地形和環(huán)境條件，無(wú)人機(jī)可以快速飛行并獲取高質(zhì)量的數(shù)據(jù)，且具有靈活性和機(jī)動(dòng)性，能夠懸停在特定位置、低空飛行或穿越狹窄的區(qū)域，從而獲得更全面、精確的地理信息，提供更好的資源監(jiān)控和管理基礎(chǔ)。相比于傳統(tǒng)的人工測(cè)量方法，無(wú)人機(jī)可以高效地進(jìn)行大范圍的數(shù)據(jù)采集，極大地減少野外測(cè)量工作的安全風(fēng)險(xiǎn)，避免這些潛在的危險(xiǎn)，提高工作安全性，并節(jié)約人力資源和時(shí)間成本。然而，山地地形的陡峭和植被茂密，加上可能遭遇到靜態(tài)障礙物如樹木、巖石等，以及動(dòng)態(tài)障礙物如飛行類動(dòng)物，都會(huì)對(duì)無(wú)人機(jī)的航行安全和數(shù)據(jù)采集產(chǎn)生影響，給無(wú)人機(jī)山地航測(cè)帶來(lái)了極大的阻礙，導(dǎo)致經(jīng)常發(fā)生墜機(jī)的風(fēng)險(xiǎn)[2]。面對(duì)這種情況，進(jìn)行無(wú)人機(jī)山地航測(cè)避障路徑的有效規(guī)劃是十分必要的。

在上述背景下，關(guān)于無(wú)人機(jī)航行路徑規(guī)劃的研究有很多，例如張濤等[3]在其研究中通過(guò)一個(gè)指數(shù)函數(shù)來(lái)對(duì)復(fù)雜地貌進(jìn)行了描述，以路徑最短作為適應(yīng)度函數(shù)，用于評(píng)估無(wú)人機(jī)的飛行軌跡，通過(guò)改進(jìn)人工魚群算法進(jìn)行優(yōu)化求解，得出無(wú)人機(jī)的最短飛行路徑。該研究中改進(jìn)了人工魚群算法，因此解決了容易陷入局部最優(yōu)路徑的問(wèn)題，但是該算法的收斂速度相對(duì)較慢，因此在路徑規(guī)劃時(shí)經(jīng)常出現(xiàn)較大的延遲，不利于無(wú)人機(jī)執(zhí)行快速反應(yīng)。陳明強(qiáng)等[4]在其研究中分析了能夠影響無(wú)人機(jī)航跡規(guī)劃質(zhì)量的因素，從中選取了4個(gè)主要影響因素構(gòu)建一個(gè)總目標(biāo)函數(shù)并通過(guò)權(quán)重進(jìn)行了調(diào)整，利用 BAS 算法對(duì)PSO 進(jìn)行了優(yōu)化，利用改進(jìn)PSO求解無(wú)人機(jī)三維航跡規(guī)劃路徑。該方法的優(yōu)點(diǎn)是提高了PSO的全局搜索能力，使得求出的航跡路徑更短、更平滑，但是該方法引入太多信息，導(dǎo)致計(jì)算量增加。蘇菲[5]在其研究中綜合了無(wú)人機(jī)的飛行路徑、平均平滑度和飛行高度3個(gè)目標(biāo)，構(gòu)建了綜合目標(biāo)函數(shù)，然后利用Golden-SA改進(jìn)后的蝙蝠算法求取了約束條件下的最優(yōu)飛行路徑。這種方法的優(yōu)點(diǎn)是在收斂時(shí)間以及種群收斂度方面有著良好的性能，但是良好性能的發(fā)揮是建立在精準(zhǔn)建模的基礎(chǔ)上，因此在面對(duì)復(fù)雜山體時(shí)，航測(cè)避障路徑規(guī)劃穩(wěn)定性不足。

總結(jié)前人研究中存在的問(wèn)題，研究一種基于滾動(dòng)速度障礙法的無(wú)人機(jī)山地航測(cè)避障路徑規(guī)劃方法。通過(guò)本研究以期為無(wú)人機(jī)山地航測(cè)提供有效的輔助。

1 無(wú)人機(jī)山地航測(cè)避障路徑規(guī)劃研究

通過(guò)有效的路徑規(guī)劃能夠幫助無(wú)人機(jī)在山地航測(cè)時(shí)及時(shí)規(guī)避障礙，提高飛行質(zhì)量[6]。本研究中無(wú)人機(jī)山地航測(cè)避障路徑規(guī)劃主要分為三部分，即無(wú)人機(jī)山地航測(cè)初始路徑規(guī)劃、滾動(dòng)速度障礙探測(cè)，基于滾動(dòng)速度障礙避障的初始路徑優(yōu)化。下面針對(duì)這3個(gè)部分進(jìn)行具體分析。

1.1 無(wú)人機(jī)山地航測(cè)初始路徑規(guī)劃

無(wú)人機(jī)山地航測(cè)是按照設(shè)計(jì)的飛行路徑從起點(diǎn)飛行到目標(biāo)節(jié)點(diǎn)，采集飛行過(guò)程中山地信息。在已知起點(diǎn)和終點(diǎn)的基礎(chǔ)上，會(huì)規(guī)劃出一個(gè)理想的初始航測(cè)路徑，該路徑可以實(shí)現(xiàn)飛行最短、成本最低、安全性最高等等理想目標(biāo)，但是在實(shí)際航測(cè)中，理想的初始航測(cè)路徑是很難實(shí)現(xiàn)的，因?yàn)樵谏降氐貐^(qū)，無(wú)人機(jī)飛行過(guò)程中很容易遭遇動(dòng)態(tài)障礙物，如飛行鳥類[7]。若不能及時(shí)避障，仍按照理想的初始航測(cè)路徑飛行，無(wú)人機(jī)極容易撞上鳥類，導(dǎo)致墜機(jī)。為避免這一問(wèn)題，需要在規(guī)劃的初始路徑上引入避障機(jī)制，使得規(guī)劃的無(wú)人機(jī)山地航測(cè)路徑更加靈活。當(dāng)然，在無(wú)人機(jī)飛行過(guò)程中若沒有遭遇動(dòng)態(tài)障礙物，就可以一直按照理想的初始航測(cè)路徑飛行，這是最期望達(dá)到的?；谏鲜雒枋隹芍麄€(gè)研究都是在明確航測(cè)初始路徑的基礎(chǔ)上進(jìn)行的[8]。為此，本環(huán)節(jié)就無(wú)人機(jī)山地航測(cè)初始路徑規(guī)劃進(jìn)行分析。分析過(guò)程主要分為3個(gè)步驟，前一步驟建立山地環(huán)境模型，第二步驟構(gòu)建路徑規(guī)劃的目標(biāo)函數(shù)，最后步驟求解初始路徑規(guī)劃方案。

1)山地環(huán)境模型：

山地環(huán)境模型，即山地地貌描述函數(shù)。無(wú)人機(jī)在山地間探測(cè)，因此了解山地地形是必要的[9]?；谔綔y(cè)地區(qū)的基礎(chǔ)信息以及衛(wèi)星遙感信息，構(gòu)建山地地貌模型即：

(1)

2)構(gòu)建路徑規(guī)劃的目標(biāo)函數(shù)：

目標(biāo)函數(shù)可以是一個(gè)，也可以是多個(gè)，前者相比較后者容易求解，后者相比較前者，綜合效率更高。在本研究中基于后者建立一個(gè)雙重目標(biāo)綜合函數(shù)，分別包括飛行路徑長(zhǎng)度、路徑平滑度[10]。將構(gòu)建的山地環(huán)境模型輸入其中，獲取目標(biāo)函數(shù)為：

P=A(x，y)(w1B1+w2B2)

(2)

其中：P代表綜合目標(biāo)函數(shù)；B1代表飛行距離函數(shù)；B2代表路徑平滑度函數(shù)；w1、w2代表3個(gè)函數(shù)對(duì)應(yīng)的權(quán)重，且w1+w2=1。

1)飛行路徑長(zhǎng)度函數(shù)B1：

在理想環(huán)境中，無(wú)人機(jī)的飛行長(zhǎng)度當(dāng)然是越短越好，為此，計(jì)算已知出發(fā)點(diǎn)和終點(diǎn)的基礎(chǔ)建立的飛行距離函數(shù)，即：

(3)

其中：m代表無(wú)人機(jī)飛行路徑上航跡點(diǎn)總數(shù)，b(j，j+1)代表無(wú)人機(jī)飛行路徑上第j個(gè)航跡點(diǎn)與下一個(gè)航跡點(diǎn)之間的距離，表示為：

(4)

式中，(Xj，Yj，Zj)、(Xj+1，Yj+1，Zj+1)分別代表第j個(gè)航跡點(diǎn)和下一個(gè)航跡點(diǎn)的三維坐標(biāo)。無(wú)人機(jī)的飛行路徑長(zhǎng)度越短越好[11]，因此該函數(shù)取其最小值，即minB1。

2)路徑平滑度函數(shù)：

路徑越平滑代表無(wú)人機(jī)飛行過(guò)程中的偏轉(zhuǎn)和俯仰的次數(shù)更少，這樣就能極大降低無(wú)人機(jī)的機(jī)動(dòng)次數(shù)，不僅有利于節(jié)約能耗，也有利于飛行安全[12]。由此建立路徑平滑函數(shù)，即

(5)

式中，c(l(j，j+1)，l(j+1，j+2))代表無(wú)人機(jī)飛行路徑上第j個(gè)航跡點(diǎn)與第j+1個(gè)航跡點(diǎn)之間、第j+1個(gè)航跡點(diǎn)與第j+2個(gè)航跡點(diǎn)路徑線段之間的偏轉(zhuǎn)角；d(j，j+1)、d(j+1，j+2)代表第j個(gè)航跡點(diǎn)與第j+1個(gè)航跡點(diǎn)之間、第j+1個(gè)航跡點(diǎn)與第j+2個(gè)航跡點(diǎn)之間的俯仰角。無(wú)人機(jī)的飛行路徑越平滑越好，因此該函數(shù)取其最大值，即maxB2。

3)求解初始路徑規(guī)劃方案：

在構(gòu)建完目標(biāo)函數(shù)之后，需要對(duì)目標(biāo)函數(shù)進(jìn)行求解，求出的最優(yōu)解就是初始路徑規(guī)劃方案。布谷鳥搜索算法是一種基于布谷鳥繁殖期間尋找最佳巢穴過(guò)程而開發(fā)的尋優(yōu)搜索算法，具有全局搜索能力強(qiáng)，收斂精度較高等優(yōu)勢(shì)，但是該算法前期收斂速度略有欠缺。針對(duì)這一點(diǎn)，在本研究中將算法中的飛行步長(zhǎng)比例因子設(shè)置為一個(gè)變量，通過(guò)調(diào)整該參數(shù)來(lái)調(diào)節(jié)算法前后期對(duì)搜索能力不同的要求。該參數(shù)設(shè)置如下：

(6)

式中，ι代表飛行步長(zhǎng)比例因子；ιmax、ιmin分別ι的最大和最小值；N代表當(dāng)前迭代次數(shù)；Nmax代表最大迭代次數(shù)。

改進(jìn)后的布谷鳥搜索算法求取初始路徑規(guī)劃方案過(guò)程如下：

1)設(shè)置該算法的初始參數(shù)。

2)在搜索空間中隨機(jī)產(chǎn)生多個(gè)鳥窩位置，得到初始種群。一條完整的無(wú)人機(jī)航測(cè)路徑是由多個(gè)航跡點(diǎn)連接而成的多段路徑線段組成的，每一條路徑線段都代表一個(gè)鳥窩位置，因此由這些路徑線段構(gòu)成的集合就是鳥窩位置初始種群。

3)對(duì)初始種群中每一個(gè)鳥窩位置，也就是路徑線段進(jìn)行編碼。

4)構(gòu)建適應(yīng)度函數(shù)。適應(yīng)度函數(shù)是評(píng)價(jià)種群中每一個(gè)個(gè)體優(yōu)劣程度的指標(biāo)，是找到無(wú)人機(jī)初始全局最優(yōu)路徑的重要保證，基于上述構(gòu)建的雙重目標(biāo)函數(shù)，獲取無(wú)人機(jī)初始路徑，即

(7)

5)按照上述公式(7)計(jì)算每一個(gè)鳥窩位置的適應(yīng)度函數(shù)值，選出其中最大值并將其對(duì)應(yīng)的鳥窩位置保留到下一代。

6)更新除最大值對(duì)應(yīng)的鳥窩位置外所有剩余鳥窩的位置。

7)按照上述公式(7)再次計(jì)算更新后的鳥窩位置的適應(yīng)度函數(shù)值并選出最大值對(duì)應(yīng)的鳥窩位置。

8)將這一代最優(yōu)鳥窩位置與上一代最優(yōu)鳥窩位置進(jìn)行對(duì)比。若前者大于后者，則利用前者代替后者，否則保持后者不變。

9)重復(fù)上述過(guò)程，直至達(dá)到最大迭代次數(shù)，結(jié)束算法，得到最優(yōu)初始路徑組成線段的集合，將集合中的線段連接，就是一條完整的初始路徑；否則回到步驟4)。基于上述過(guò)程，得到理想的初始航測(cè)路徑。通過(guò)初始路徑規(guī)劃可以預(yù)先計(jì)算和規(guī)劃避開山地區(qū)域中存在的靜態(tài)障礙物位置，減少無(wú)人機(jī)飛行過(guò)程中的碰撞風(fēng)險(xiǎn)。

1.2 速度障礙探測(cè)

將上述研究獲取的理想無(wú)人機(jī)飛行初始航測(cè)路徑賦予給無(wú)人機(jī)，無(wú)人機(jī)會(huì)按照初始路徑進(jìn)行飛行航測(cè)。在實(shí)際中，飛行過(guò)程中極有可能遭遇動(dòng)態(tài)障礙物，若是按照既定的飛行路徑飛行，會(huì)撞上動(dòng)態(tài)障礙物，因此需要避障[13]。而要實(shí)現(xiàn)有效的避障，探測(cè)障礙是重要的前提和基礎(chǔ)。滾動(dòng)速度障礙法是一種基于滾動(dòng)窗口的思想，將無(wú)人機(jī)當(dāng)前所處位置的一定范圍內(nèi)的障礙物信息與預(yù)定義的安全距離進(jìn)行比較，獲取最優(yōu)路徑的方法。滾動(dòng)速度障礙探測(cè)過(guò)程主要分為兩步，第一步識(shí)別初始航測(cè)路徑上是否出現(xiàn)障礙物，第二步是設(shè)置一個(gè)滾動(dòng)窗口，該窗口包含無(wú)人機(jī)當(dāng)前位置及其周圍的一定范圍內(nèi)的障礙物信息，判斷當(dāng)存在故障時(shí)，該故障是否與無(wú)人機(jī)發(fā)生沖突，也就是該故障是否影響無(wú)人機(jī)的飛行[14]。下面進(jìn)行具體分析。

1.2.1 圖像預(yù)處理及障礙識(shí)別

當(dāng)無(wú)人機(jī)起飛后，其上搭載的CCD傳感器同時(shí)啟動(dòng)，在采集山地地貌圖像的同時(shí)，也獲得了飛行時(shí)的環(huán)境圖像[15]。基于采集到的環(huán)境圖像，進(jìn)行路徑上速度障礙物的識(shí)別。但采集到的圖像中可能包含噪聲、背景干擾等因素，和數(shù)目、建筑等障礙物，影響無(wú)人機(jī)的路徑規(guī)劃能力，為此，首先對(duì)采集的環(huán)境圖像進(jìn)行預(yù)處理。具體如下。

1)圖像灰度化：

CCD傳感器采集到的原始圖像中為彩色圖像，信息量較大，為減少后期運(yùn)算量，需要對(duì)無(wú)人機(jī)初始路徑規(guī)劃的圖像進(jìn)行灰度化處理，處理公式如下：

(8)

式中，Z(k，m)代表處理后像素點(diǎn)(k，m)處的灰度值；R(k，m)、G(k，m)、B(k，m)代表紅、綠、藍(lán)原始3個(gè)基色分量。

2)圖像去噪：

圖像中含有噪聲是難以避免的，但是為了避免噪聲產(chǎn)生的干擾，需要去除掉圖像中的噪聲像素[16]。去除方法為均值濾波法。該方法是通過(guò)滑動(dòng)濾波模板，讓板中各像素點(diǎn)像素值的均值去替換掉板中中間位置的像素值。均值濾波法表達(dá)式如下：

(9)

式中，E(k，m)代表均值濾波后像素點(diǎn)(k，m)處的像素值；M代表濾波模板U中像素點(diǎn)個(gè)數(shù)。

3)直方圖均衡化：

當(dāng)航測(cè)遭遇較為惡劣的天氣時(shí)，采集到的圖像會(huì)存在一定對(duì)比度失衡的情況，也就是過(guò)亮或者過(guò)暗的情況[17]。針對(duì)這一點(diǎn)，可以通過(guò)直方圖均衡化操作來(lái)對(duì)亮度進(jìn)行調(diào)節(jié)，從而提高對(duì)比度。直方圖均衡化的變換函數(shù)的公式如下：

(10)

式中，F(xiàn)(k，m)代表直方圖均衡化變換后(k，m)處的像素灰度值；ν代表灰度級(jí)的數(shù)量；f(T)代表灰度值≤閾值T的像素?cái)?shù)；α×β代表圖像的尺寸；minf代表最小非零灰度值的像素?cái)?shù)。

針對(duì)預(yù)處理好的圖像，利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建障礙物識(shí)別模型。識(shí)別模型的識(shí)別過(guò)程總共分為5步：第一步輸入預(yù)處理好的CCD圖像；第二步圖像進(jìn)行第二層卷積層，顧名思義，就是對(duì)CCD圖像進(jìn)行卷積操作，卷積的目的提取圖像的特征。圖像特征是進(jìn)行后續(xù)識(shí)別的依據(jù)，卷積層一般會(huì)設(shè)置多個(gè)卷積核，通過(guò)這些卷積核提取到多個(gè)局部特征。第三步進(jìn)入下采樣層，卷積層提取到了多個(gè)局部特征，但是有的局部特征屬于冗余特征，其存在會(huì)增大Softmax 函數(shù)的識(shí)別工作量，因此下采樣層的作用是實(shí)現(xiàn)特征的降維。第四步進(jìn)入全連接層，該層的作用是將降維后的特征全連接到一起，形成一維特征向量。第五步進(jìn)入輸出層，利用Softmax 函數(shù)將障礙物類別輸出轉(zhuǎn)換為概率輸出，然后依據(jù)隸屬度最大原則將概率最大值對(duì)應(yīng)的那一類作為識(shí)別結(jié)果。

1.2.2 速度障礙碰撞分析

通過(guò)滾動(dòng)窗口的方式明確在無(wú)人機(jī)飛行的初始路徑上是否存在障礙。假設(shè)存在障礙后，由于無(wú)人機(jī)與障礙物二者都處于動(dòng)態(tài)移動(dòng)中，且識(shí)別到障礙時(shí)，二者之間還存在一定的距離[18]，當(dāng)二者沿著既定的軌跡持續(xù)飛行的話，在t時(shí)間后是否會(huì)發(fā)生碰撞還需要進(jìn)一步確定，有可能在t時(shí)刻二者相遇，發(fā)生碰撞，也可能二者錯(cuò)開，并不會(huì)發(fā)生沖突[19]。速度障礙法就是基于上述問(wèn)題，提出了一種解決方法。該方法中定義了一個(gè)相對(duì)速度障礙區(qū)域，當(dāng)相對(duì)速度的指向與該區(qū)域有重合時(shí)，視為無(wú)人機(jī)與障礙物之間存在飛行沖突，否則不存在。基于定義，速度障礙分析，實(shí)質(zhì)也就是飛行沖突分析[20]。該探測(cè)器計(jì)算出無(wú)人機(jī)與障礙物之間的距離是關(guān)鍵，為獲得這一參數(shù)，無(wú)人機(jī)上一般還會(huì)搭載超聲波測(cè)距儀。當(dāng)識(shí)別出障礙后，會(huì)立刻觸發(fā)超聲波測(cè)距儀，超聲波測(cè)距儀會(huì)向著障礙物發(fā)送超聲波，當(dāng)超聲波接觸到障礙物之后，會(huì)被反射回來(lái)，最后借助超聲波往返之間時(shí)間通過(guò)下述計(jì)算就可以確定無(wú)人機(jī)與識(shí)別出來(lái)的障礙物之間的距離。

(11)

式中，g代表無(wú)人機(jī)與識(shí)別出來(lái)的障礙物之間的距離；h代表超聲波在空氣中的聲速；Δt代表超聲波往返時(shí)間；χ代表環(huán)境溫度?；趃建立速度障礙模型，如圖1所示。

圖1 速度障礙模型

在圖1中，無(wú)人機(jī)所在位置為I點(diǎn)，障礙物中心點(diǎn)的為o，r′為無(wú)人機(jī)與障礙物之間不發(fā)生碰撞的安全半徑，圍繞o，以該半徑畫圓，得到速度障礙區(qū)。在圖中還有1條直線SIO，該條直線代表了無(wú)人機(jī)相對(duì)障礙物移動(dòng)速度所在直線。此外，還有兩個(gè)角，?代表連線IO與相對(duì)移動(dòng)速度V之間的夾角；θ代表無(wú)人機(jī)與障礙物之間連線IO與速度障礙區(qū)邊界的夾角，由下述公式求出。

(12)

在上述圖2模型中以O(shè)為原點(diǎn)，IO方向作為橫坐標(biāo)軸，垂直IO引出一條射線，建立一個(gè)二維直角坐標(biāo)系，分別計(jì)算無(wú)人機(jī)和障礙的移動(dòng)速度，計(jì)算公式如下：

(13)

圖2 山地環(huán)境模型圖

式中，V1、V2分別代表無(wú)人機(jī)和障礙的移動(dòng)速度；u1、u2分別代表無(wú)人機(jī)和障礙的速率；ε1、ε2分別代表無(wú)人機(jī)和障礙的與橫軸之間形成的正向夾角。

(14)

接下來(lái)，根據(jù)得到的飛行碰撞閾值，構(gòu)建碰撞發(fā)生判斷規(guī)則：當(dāng)無(wú)人機(jī)所在直線SIO落在速度障礙區(qū)，且θ>φ時(shí)，認(rèn)為二者發(fā)生了飛行沖突，也就是在t時(shí)刻后二者會(huì)發(fā)生碰撞[22]；否則，不會(huì)發(fā)生飛行沖突，以此完成速度障礙碰撞分析，判定無(wú)人機(jī)是否有可能與障礙物發(fā)生碰撞，方便選擇最優(yōu)路徑。

1.3 基于滾動(dòng)速度障礙避障的路徑優(yōu)化

當(dāng)無(wú)人機(jī)與動(dòng)態(tài)障礙物之間存在飛行沖突后，無(wú)人機(jī)若是按照章節(jié)1.1規(guī)劃的初始路徑繼續(xù)飛行的話，必然會(huì)發(fā)生碰撞。針對(duì)這種情況，通過(guò)滾動(dòng)速度障礙避障來(lái)對(duì)初始路徑進(jìn)行優(yōu)化。研究主要分為兩個(gè)步驟，前一步計(jì)算無(wú)人機(jī)滾動(dòng)避障角度并判斷是否采用該方式進(jìn)行避障，后一步計(jì)算無(wú)人機(jī)避障速度，然后回到初始航行路徑上，實(shí)現(xiàn)基于滾動(dòng)速度障礙避障的初始路徑優(yōu)化。

1)滾動(dòng)角度避障方法：

Δδ=δ-τ′

(15)

式中，Δδ代表用于無(wú)人機(jī)航向調(diào)整的滾動(dòng)角度；τ′代表無(wú)人機(jī)移動(dòng)速度V1與橫軸的夾角。

判斷求出的Δδ是否在航向改變范圍之內(nèi)，也就是Δδ是否小于等于最大滾動(dòng)角度閾值？若是，控制無(wú)人機(jī)讓其按照上述調(diào)整滾動(dòng)角度調(diào)整航向，當(dāng)無(wú)人機(jī)沿著障礙區(qū)邊界繞過(guò)障礙后，再回到初始路徑上，繼續(xù)沿著路徑飛行，直至再次遇到動(dòng)態(tài)障礙，再次啟動(dòng)上述程序躲避障礙，重復(fù)上述過(guò)程，最終到達(dá)目的地。否則，啟用下一個(gè)避障策略。

2)速度避障方法：

當(dāng)滾動(dòng)角度避障策略無(wú)法實(shí)施后，則需要通過(guò)調(diào)整無(wú)人機(jī)飛行速度來(lái)進(jìn)行避障，即速度避障。通過(guò)提高或者降低無(wú)人機(jī)速度，使其錯(cuò)過(guò)與障礙物的相遇時(shí)間，讓其自身不進(jìn)入障礙區(qū)，從而實(shí)現(xiàn)避障[24]。這種避障的好處是不需要改變無(wú)人機(jī)的原始航測(cè)路徑，能夠一直按照理想路徑飛行。最后按照下述公式計(jì)算速度調(diào)整量，即

(16)

L′=φ(ΔV+Δδ)

(17)

當(dāng)通過(guò)調(diào)整無(wú)人機(jī)飛行速度規(guī)避掉障礙之后，無(wú)人機(jī)恢復(fù)原始飛行速度，繼續(xù)沿著原始路徑飛行，直至再次遇到動(dòng)態(tài)障礙，再次啟動(dòng)上述程序躲避障礙，不斷更新滾動(dòng)窗口和障礙物信息，獲取最優(yōu)路徑。

2 測(cè)試與分析

為驗(yàn)證滾動(dòng)速度障礙法求得的路徑是否為最優(yōu)，與改進(jìn)人工魚群算法(文獻(xiàn)[3]方法)、改進(jìn)PSO算法(文獻(xiàn)[4]方法)、改進(jìn)蝙蝠算法(文獻(xiàn)[5]方法)求得的路徑方案進(jìn)行對(duì)比，3種方法的主要參數(shù)如表1所示。

表1 對(duì)比方法的主要參數(shù)表

主要實(shí)驗(yàn)過(guò)程如下：

1)根據(jù)山地環(huán)境模型A(x，y)，建立路徑規(guī)劃綜合目標(biāo)函數(shù)P；

2)計(jì)算飛行路徑長(zhǎng)度函數(shù)B1和路徑平滑度函數(shù)B2，獲取初始路徑規(guī)劃方案Ll；

3)對(duì)圖像經(jīng)過(guò)灰度化、去噪、直方圖均衡化處理后F(k，m)，識(shí)別障礙物信息，分析速度障礙碰撞情況；

4)通過(guò)滾動(dòng)速度障礙法調(diào)整無(wú)人機(jī)飛行航向角度，獲取最優(yōu)路徑L′。

實(shí)驗(yàn)主要硬件設(shè)備為：CPU-AMD Ryzen 9 5950X；GPU-AMD Radeon RX 6900 XT；網(wǎng)絡(luò)連接-支持高速以太網(wǎng)和無(wú)線網(wǎng)絡(luò)連接的網(wǎng)卡；內(nèi)存-32 GB。

下面針對(duì)整個(gè)實(shí)驗(yàn)測(cè)試過(guò)程進(jìn)行具體分析。

2.1 山體環(huán)境

以某山地地區(qū)作為研究區(qū)，公式(1)構(gòu)建的山地環(huán)境函數(shù)將探測(cè)地區(qū)的若干山體映射到長(zhǎng)、寬高、為 100 m × 100 m ×100 m 的三維空間中，生成山地環(huán)境模型，如圖2所示。

研究區(qū)山地基本參數(shù)如表2所示。

表2 研究區(qū)山地基本參數(shù)表

2.2 無(wú)人機(jī)航測(cè)參數(shù)設(shè)置

以一架四翼無(wú)人機(jī)為載體，搭載CCD傳感器、超聲波超聲波測(cè)距儀以及其它航測(cè)設(shè)備，對(duì)其飛行路徑進(jìn)行規(guī)劃，如圖3所示。

圖3 無(wú)人機(jī)示意圖

該無(wú)人機(jī)飛行數(shù)據(jù)如表3所示。

表3 無(wú)人機(jī)飛行數(shù)據(jù)

2.3 初始航測(cè)路徑規(guī)劃方案

利用改進(jìn)布谷鳥搜索算法求解圖2山地環(huán)境中，無(wú)人機(jī)從出發(fā)點(diǎn)到達(dá)終點(diǎn)的初始航測(cè)路徑規(guī)劃方案，如圖4所示。

圖4 無(wú)人機(jī)初始航測(cè)路徑規(guī)劃

2.4 動(dòng)態(tài)障礙設(shè)置

人為設(shè)置無(wú)人機(jī)飛行的初始航測(cè)路徑遭遇了5個(gè)鳥類動(dòng)態(tài)障礙，這些障礙位置如圖5所示。

圖5 動(dòng)態(tài)障礙位置分布圖

2.5 航測(cè)路徑優(yōu)化結(jié)果

設(shè)置無(wú)人機(jī)初始速度為8 m/s，讓其按照?qǐng)D4初始航測(cè)路徑飛行，當(dāng)遭遇圖5設(shè)置的動(dòng)態(tài)障礙時(shí)，基于章節(jié)1.3研究，進(jìn)行避障，優(yōu)化航測(cè)路徑，結(jié)果如圖6所示。

圖6 優(yōu)化后的航測(cè)路徑

從圖6中可以看出，無(wú)人機(jī)在飛行途中遭遇5個(gè)動(dòng)態(tài)障礙時(shí)，前4個(gè)障礙選擇了通過(guò)調(diào)整滾動(dòng)角度來(lái)避障，最后1個(gè)障礙則通過(guò)調(diào)整飛行速度來(lái)避障，具體避障方案如表4所示。

表4 避障參數(shù)

2.6 對(duì)比分析

為進(jìn)一步測(cè)試滾動(dòng)速度障礙法在無(wú)人機(jī)山地航測(cè)避障路徑規(guī)劃中的應(yīng)用效果，以改進(jìn)人工魚群算法、改進(jìn)PSO算法、改進(jìn)蝙蝠算法為對(duì)比項(xiàng)。在相同測(cè)試環(huán)境和參數(shù)下，利用對(duì)比方法規(guī)劃無(wú)人機(jī)山地航測(cè)避障路徑。最后統(tǒng)計(jì)路徑的長(zhǎng)度以及平滑度，以此驗(yàn)證路徑規(guī)劃方法的合理性，結(jié)果如表5所示。

表5 路徑長(zhǎng)度以及平滑度對(duì)比表

從表5中可以看出，滾動(dòng)速度障礙法求出的航測(cè)避障路徑長(zhǎng)度最小，為571.45m，短于改進(jìn)人工魚群算法、改進(jìn)PSO算法、改進(jìn)蝙蝠算法，且滾動(dòng)速度障礙法的平滑度大于其他3種對(duì)比方法，為165.52。綜合來(lái)看，滾動(dòng)速度障礙法應(yīng)用下求得的無(wú)人機(jī)山地航測(cè)避障路徑綜合性能更強(qiáng)，規(guī)劃方案更為合理。

3 結(jié)束語(yǔ)

航測(cè)是了解土地資源利用、森林資源分布、山體布局等的重要手段。山地地勢(shì)陡峭，環(huán)境較為惡劣，工作人員很難親身到達(dá)，即使到達(dá)山中，風(fēng)險(xiǎn)性也較高，因此通過(guò)無(wú)人機(jī)搭載航測(cè)設(shè)備來(lái)替代人工進(jìn)行測(cè)量，不僅效率高，風(fēng)險(xiǎn)性也較低。然而，無(wú)人機(jī)在山中飛行時(shí)，經(jīng)常遇到鳥類等動(dòng)態(tài)障礙，這給無(wú)人機(jī)航測(cè)帶來(lái)了巨大的困難。面對(duì)這種情況，如何在飛行過(guò)程中讓無(wú)人機(jī)及時(shí)規(guī)避掉障礙，同時(shí)保證飛行的綜合效益成為當(dāng)下研究的重點(diǎn)。為此，進(jìn)行基于滾動(dòng)速度障礙法的無(wú)人機(jī)山地航測(cè)避障路徑規(guī)劃研究。該研究主要取得如下研究成果：一是通過(guò)改進(jìn)改進(jìn)布谷鳥搜索算法得到了滿足無(wú)人機(jī)飛行路徑最短和路徑平滑度最高兩個(gè)目標(biāo)的初始航測(cè)路徑；二是對(duì)初始航測(cè)路徑上出現(xiàn)的動(dòng)態(tài)障礙，建立速度障礙模型進(jìn)行了飛行沖突分析；三是通過(guò)計(jì)算滾動(dòng)角度和飛行速度調(diào)整量來(lái)幫助無(wú)人機(jī)規(guī)避障礙，實(shí)現(xiàn)初始航測(cè)路徑的優(yōu)化。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了所提方法的有效性與優(yōu)越性。然而針對(duì)這個(gè)方法依然有許多不足之處等待進(jìn)一步的研究：本研究中規(guī)劃的初始航測(cè)路徑?jīng)]有將無(wú)人機(jī)飛行能耗考慮進(jìn)去、無(wú)人機(jī)的電量是有限的，否則一旦能量耗盡，就需要返回出發(fā)點(diǎn)進(jìn)行充電，會(huì)降低航測(cè)效率?；诖耍谝?guī)劃初始航測(cè)路徑時(shí)，有必要將無(wú)人機(jī)能耗考慮進(jìn)去。在下一步研究中，將針對(duì)這一點(diǎn)，進(jìn)行進(jìn)一步研究，以完善和優(yōu)化無(wú)人機(jī)航測(cè)路徑。