一种基于三维GIS的无人机路径规划方法和系统
| 专利类型 | 发明公开 | 法律事件 | 公开; 实质审查; |
| 专利有效性 | 实质审查 | 当前状态 | 实质审查 |
| 申请号 | CN202311098043.3 | 申请日 | 2023-08-29 |
| 公开(公告)号 | CN117289708A | 公开(公告)日 | 2023-12-26 |
| 申请人 | 北京航空航天大学杭州创新研究院; | 申请人类型 | 科研院所 |
| 发明人 | 王瑾; 周家柳; 罗喜伶; 王景林; 王珺珺; | 第一发明人 | 王瑾 |
| 权利人 | 北京航空航天大学杭州创新研究院 | 权利人类型 | 科研院所 |
| 当前权利人 | 北京航空航天大学杭州创新研究院 | 当前权利人类型 | 科研院所 |
| 省份 | 当前专利权人所在省份：浙江省 | 城市 | 当前专利权人所在城市：浙江省杭州市 |
| 具体地址 | 当前专利权人所在详细地址：浙江省杭州市滨江区长河街道创慧街18号 | 邮编 | 当前专利权人邮编：310051 |
| 主IPC国际分类 | G05D1/08 | 所有IPC国际分类 | G05D1/08 ; G05D1/10 |
| 专利引用数量 | 0 | 专利被引用数量 | 0 |
| 专利权利要求数量 | 10 | 专利文献类型 | A |
| 专利代理机构 | 杭州求是专利事务所有限公司 | 专利代理人 | 郑海峰; |
| 摘要 | 本 发明 提供了一种基于三维GIS的无人机路径规划方法和系统，属于无人机路径规划领域。为了应对城市环境地理环境复杂、动态障碍物多的无人机飞行需求，本发明将WebGIS和Web3D技术结合起来，基于三维GIS 渲染 引擎，在城市 风 险条件下，进行 栅格化 环境建模，采用优化的Lazy Theta*航路规划 算法 进行路径规划，同时支持不同约束条件下(比如推荐航线、距离短、安全性高、平均维度等)的路径规划方案，高效进行无人机三维路径规划，最后针对规划出的航线进行 可视化 效果展现以及飞行航迹漫游。本发明不仅能够在城市风险条件下快速进行无人机三维路径规划，还能够支持不同约束条件下的路径规划，此外针对规划航线能够进行可视化展现以及航迹漫游。 | ||
| 权利要求 | 1.一种基于三维GIS的无人机路径规划方法，其特征在于包括如下步骤： |
||
| 说明书全文 | 一种基于三维GIS的无人机路径规划方法和系统技术领域[0001] 本发明属于无人机路径规划领域，具体涉及一种基于三维GIS的无人机路径规划方法和系统。 背景技术[0002] 随着无人机技术的不断发展和应用前景的急速推进，无人机的灵活性和高机动性在城市空域得到了充分体现。城市环境的复杂性主要体现在以下几个方面：大量的高层建筑、复杂的地形、密集的交通以及动态障碍物和天气条件，这些都给无人机的路径规划产生影响。 [0003] 目前，无人机路径规划算法大致可以分为三大类，其一是传统的无人机路径规划算法，如模糊逻辑算法、人工势场算法(APF)、快速扩展随机树算法(RRT)等；另一类是启发式无人机路径优化算法，如A*算法、Dijkstra算法、模拟退火算法等；最后一类是智能仿生路径优化算法，如遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)、神经网络算法等。 [0004] 在无人机的路径规划研究中，多聚焦于理想环境或者只考虑了静态障碍物风险，导致在实际系统中路径规划的效果置信度大幅降低。在实际的三维环境中，不仅需要考虑具有各种风险的复杂城市环境，还需要兼顾在多种约束条件下快速生成高效安全的规划路径。 发明内容[0005] 为解决现有技术中的问题，本发明提出了一种基于三维GIS的无人机路径规划方法和系统。本发明基于三维GIS渲染引擎，不仅能够在城市风险条件下快速进行无人机三维路径规划，还能够支持不同约束条件下的路径规划，此外针对规划航线能够进行可视化展现以及航迹漫游。 [0006] 本发明的技术方案如下： [0007] 本发明首先提供了一种基于三维GIS的无人机路径规划方法，其包括如下步骤： [0008] S1:采集三维数据，进行清洗处理，对清洗后的数据进行处理转换生成三维渲染引擎支持的数据格式，构建三维场景并进行场景渲染及可视化； [0009] S2：基于底图数据，融合风险信息，基于栅格化建立城市空域网格，量化网格飞行适宜度； [0010] S3：根据网格飞行适宜度，由传入的起点、终点、约束条件，进行无人机规划； [0011] S4：将规划结果进行可视化效果展示。 [0012] 作为本发明的优选方案，S1中所述三维数据包括建筑物、航线数据、机场数据、POI数据；所述的清洗处理包括去除数据噪声。 [0013] 作为本发明的优选方案，所述的S2具体为：在建模过程中，考虑静态物理障碍层、地理围栏层、动态安全层，对网格进行量化赋值； [0014] F(xi,yj,zk,t)＝P1(xi,yj,zk)·P2(xi,yj,zk,t)·P3(xi,yj,t) [0015] 其中，(xi,yj,zk)表示三维地图单元网格，F(xi,yj,zk,t)∈(0,1)表示网格飞行适宜度，P1,P2分别表示静态物理障碍层、地理围栏对于适飞度的贡献，当存在静态物理障碍层，P1取值为0，反之P1取值为1，当存在地理围栏层时，P2取值为0，反之P2取值为1；P3表示动态安全层对于适飞度的贡献。 [0016] [0017] 其中，num(xi,yj,t)表示在时间t时刻，使用sigmoid函数处理的网格二维POI点密度；num(xi,yj,t)的表达式为： [0018] num(xi,yj,t)＝W1num(safe,t)(xi,yj)+W2num(reliability,t)(xi,yj)+W3num(acceptance,t)(xi,yj) [0019] 其中，W1,W2,W3分别代表运行安全性、运行可靠性、公众可接受性的权重；num(safe,t)(xi,yj)、num(reliability,t)(xi,yj)、num(acceptance,t)(xi,yj)分别表示运行安全性、运行可靠性、公众可接受性对应的值。 [0020] 作为本发明的优选方案，所述的S3中的无人机规划采用改进的Lazy Theta*算法，改进的Lazy Theta*算法得到从起点Sstart至终点Sgoal的路径是用网格标识码所表示的路径，所有的中间点通过空间与三维城市空间一一对应，即可以得到由经度、纬度、高度所表示的路径； [0021] 所述改进的Lazy Theta*代价评估函数定义为： [0022] f(n)＝αg(n)+βh(n) [0023] 其中，g(n)为航路代价函数，h(n)为启发函数，α和β分别为航路代价函数和启发函数的权重。 [0024] 航路代价函数g(n)为： [0025] [0026] 其中，ω1和ω2表示路径长度和适飞度代价的权重，Li表示第i段航路的长度代价，Si表示网格适飞度代价，当所处网格不安全时，Si趋于无穷大，当所处网格安全时，Si趋于0； [0027] [0028] [0029] 其中，t为当时所处的时间，(xi,yi,zi)表示第i段航路的起点网格，(xi+1,yi+1,zi+1)表示为第i段航路的终点网格。 [0030] 设航路节点n的坐标为(xc,yc,zc)，目标节点d的坐标为(xd,yd,zd) [0031] 航路代价函数g(n)为： [0032] 作为本发明的优选方案，所述的约束条件包括推荐航线、距离短、安全性高、平均维度；S3的无人机规划中，根据不同约束条件，动态调整航路代价函数g(n)中ω1和ω2的权重参数(例如可视化模块中传入距离短，ω1权重较ω2更大，若传入安全性高，ω2权重较ω1更大)，最终得出不同的规划路径，供用户选择并在S4中进行可视化展示。 [0033] 本发明还提供了一种实施所述方法的基于三维GIS的无人机路径规划系统，其包括： [0034] 地图模块，用于采集三维数据，进行清洗处理，对清洗后的数据进行处理转换生成三维渲染引擎支持的数据格式，构建三维场景并进行场景渲染及可视化； [0035] 空间建模模块，基于地图数据，融合风险信息，基于栅格化建立城市空域网格，量化网格飞行适宜度； [0036] 路径规划模块，根据空间建模模块得到的网格飞行适宜度，并根据用户传入的起点、终点、约束条件，进行无人机规划； [0037] 可视化模块，提供用户交互功能，供用户输入起点、终点和约束条件；向用户展示路径规划模块的规划航路，在规划的航路上实现航迹漫游。 [0038] 与现有技术相比，本发明将WebGIS和Web3D技术结合起来，基于三维GIS渲染引擎，在城市风险条件下，进行栅格化环境建模，采用优化的Lazy Theta*航路规划算法进行路径规划，同时支持不同约束条件下(比如推荐航线、距离短、安全性高、平均维度等)的路径规划方案，高效进行无人机三维路径规划，最后针对规划出的航线进行可视化效果展现以及飞行航迹漫游。附图说明 [0039] 图1为本发明基于三维GIS的无人机路径规划方法的流程图； [0040] 图2为栅格法规划空间示意图； [0041] 图3为Lazy Theta*算法原理图； [0042] 图4为飞行漫游示意图； [0043] 图5为图层叠加示意图。 具体实施方式[0044] 下面结合具体实施方式对本发明做进一步阐述和说明。所述实施例仅是本公开内容的示范且不圈定限制范围。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。 [0045] 本发明在城市环境下，基于城市风险条件，融合poi数据、建筑物、地理围栏等信息，采用栅格方法进行三维环境建模，综合考虑了城市地理高程建筑以及建筑物等静态物理障碍层、空中管制及障碍物等地理围栏层、人流兴趣点(简称POI，即"Point of Interest"的缩写)数据等动态活动层，量化网格飞行适宜度。通过选择起飞机场和降落机场，输入不同的约束条件，给与不同的参数权重，最终给出不同约束条件下的规划航路的排序，并对规划的航线进行可视化效果展现，在三维场景下进行飞行航迹漫游。 [0046] 本发明系统整体流程图如图1所示。具体的，本发明基于三维GIS的无人机路径规划方法包括如下步骤： [0047] S1:采集三维数据，进行清洗处理，对清洗后的数据进行处理转换生成三维渲染引擎支持的数据格式，构建三维场景并进行场景渲染及可视化； [0048] S2：基于底图数据，融合风险信息，基于栅格化建立城市空域网格，量化网格飞行适宜度； [0049] S3：根据网格飞行适宜度，由传入的起点、终点、约束条件，进行无人机规划； [0050] S4：将规划结果进行可视化效果展示。 [0051] 如图1和5所示，在本实施例中，S1具体为：以谷歌、天地图等底图为依托，采集三维数据，并进行清洗处理，去除噪声和不必要的细节。采用数据转换工具对清洗后的数据进行处理转换，生成三维渲染引擎支持的数据格式，构建三维场景。在三维场景中呈现多种图层服务，包括建筑、地理围栏、POI数据等信息，构建三维地图模块，实现场景渲染及可视化。后台基于地图数据，融合多种风险信息，基于栅格化建立城市空域网格，量化网格飞行适宜度。最终结合起点、终点、不同的约束条件，设计无人机规划算法，并实现航迹规划的可视化效果展示，为无人机高效、安全、精准的任务执行提供辅助决策。 [0052] 本发明的S2为采用栅格法针对城市三维环境进行建模，传统的栅格方法建模通常对每个网格进行0‑1赋值，根据该网格是否通行分别赋值为0和1。这种赋值方式较为单一，忽略了有些位置能够通过，但是依然存在一定的风险。 [0053] 如图2所示，本实施例在栅格建模过程中，对栅格赋值进行了优化，综合考虑了城市地理高程建筑以及建筑物等静态物理障碍层、空中管制及障碍物等地理围栏层、人流poi数据等动态安全层，对网格进行量化赋值。 [0054] F(xi,yj,zk,t)＝P1(xi,yj,zk)·P2(xi,yj,zk,t)·P3(xi,yj,t) (1) [0055] 其中，(xi,yj,zk)表示三维地图单元网格，F(xi,yj,zk,t)∈(0,1)，P1,P2分别表示静态物理障碍层、地理围栏对于适飞度的贡献，当存在静态物理障碍层，P1取值为0，反之P1取值为1，当存在地理围栏层时，P2取值为0，反之P2取值为1；P3的取值如式二： [0056] [0057] 其中，num(xi,yj,t)表示在时间t时刻，使用sigmoid函数处理的网格二维POI点密度。在地理信息系统中，POI可分为一级类和二级类，每个分类对应相应的行业的代码和名称，例如一个POI可以是商店、房屋、学校、公交站等。num(xi,yj,t)的表达式如式(3)。 [0058] num(xi,yj,t)＝W1num(safe,t)(xi,yj)+W2num(reliability,t)(xi,yj) [0059] +W3num(acceptance,t)(xi,yj)(3) [0060] 其中，W1,W2,W3数值比例根据《城市场景轻小型无人驾驶航空器物流航线划设规范》，分别代表运行安全性、运行可靠性、公众可接受性的权重。 [0061] 基于公式(1),(2),(3)最终得到空域网格的适飞度，为之后路径规划算法的优化提供数据支撑。 [0062] 本发明的路径规划采用改进的的Lazy Theta*航路规划算法，以下对其进行详细说明。 [0063] 依据系统可视化模块传入的起点和终点对应的经纬度、高度信息，结合约束条件，匹配栅格化城市空间的网格点，假设交互的起点为图3中的Sstart，终点为Sgoal。在笛卡尔坐标系下对该空间内的所有网格进行编码，每个网格都有唯一的标识码。 [0064] Lazy Theta*算法通过启发式搜索，在A*、Theta*算法的基础上，减少Theta*算法中大量的可达性检测分析，将可达性检测分析延迟到打开节点时，从而减少转向次数并缩短路径长度，实现对路径的高效搜索。其原理如图3所示。 [0065] 其中，顶点用指向其父节点的箭头表示，目前正在展开的节点用较大的球体表示。首先展开初始起点C1L，其次展开的是B2L和B3U。当B3U作为C1L的子节点被展开的时候，A4U是B3U的未展开的可见邻居，Lazy Theta*算法乐观地假设A4U具有到C1L的视线。接下来是A4U的展开，但是由于A4U和C1L不具有视线，Lazy Theta*通过考虑从起始顶点C1L到A4U的每个扩展可见邻居s”(即B3U)以及从s”到A4U在直线上的路径，以此更新A4U的g值(g值表示从起始点到该节点的移动代价)和父节点。Lazy Theta*将A4U的父级设置为B3U，因为从C1L到B3U以及从B3U到A4U的路径是最短的此类路径。Lazy Theta*相较于Theta*的改进是先假设具有到上一个父节点的视线，这样与Theta*相比，可以减少视线检查的次数，从而加快搜索速度。 [0066] 根据网格适飞度公式(1)，对传统Lazy Theta*进行改进。继承A*算法和Theta*算法，改进的Lazy Theta*代价评估函数定义为式(4)。 [0067] f(n)＝αg(n)+βh(n) (4) [0068] 其中，g(n)和h(n)的定义对路径搜索的影响效果不同。当执行路径规划时，既要考虑路径的长度，又要保证飞行的安全。因此，本系统设计航路代价函数g(n)为式(5)。 [0069] [0070] 其中，ω1和ω2表示路径长度和适飞度代价的权重，Li表示第i段航路的长度代价，Si表示网格适飞度代价，根据式(1)得到的网格适飞度数值，当所处网格不安全时，Si趋于无穷大，当所处网格安全时，Si趋于0。S3的无人机规划中，根据不同约束条件，动态调整航路代价函数g(n)中ω1和ω2的权重参数(例如可视化模块中传入距离短，ω1权重较ω2更大，若传入安全性高，ω2权重较ω1更大)，最终得出不同的规划路径。 [0071] 本文定义Li的表达是为式(6)，Si的表达式为式(7)。 [0072] [0073] [0074] 设航路节点n的坐标为(xc,yc,zc)，目标节点d的坐标为(xd,yd,zd)，启发函数h(n)表示为式(8)。 [0075] [0076] 改进的Lazy Theta*算法融入了网格适飞度因素，既通过减少通视性检查次数加快算法搜索速度，又改进了移动代价函数使得飞行安全性作为一个关键因素在路径搜索中纳入考虑，为无人机在城市环境下的安全飞行提供保障。 [0077] 改进的Lazy Theta*算法得到从Sstart至Sgoal的路径是用网格标识码所表示的路径，所有的中间点可以通过空间与三维城市空间一一对应，即可以得到由经度、纬度、高度所表示的路径。在算法端得到路径，通过服务端传给客户端，并通过可视化模块进行可视化展示。 [0078] 需要说明的是，路径规划是基于城市风险进行路径规划算法，分别根据不同约束条件(比如推荐航线、距离短、安全性高、平均维度)得出不同的规划路径。而本发明的S4进行展示时，则由用户根据自己的需求选择目标规划路径在可视化模块中进行可视化展示。路径可视化展示的同时进行飞机的漫游仿真，加载飞机模型，在规划的航路上实现航迹漫游，飞行漫游示意图如图4所示。 [0079] 在本发明的一个具体实施例中，可视化模块实现过程如下：系统通过创建容器、加载三维控件、添加地图地形服务、加载三维模型、添加建筑、地理围栏、POI等数据图层，如图5所示，最终创建三维场景。 [0080] 具体的，用户选择机场的起点和终点，以及约束条件，执行路径规划。路径规划完成之后加载无人机模型，设置模型的显示属性，调整模型位置。浏览器客户端基于三维GIS渲染引擎创建规划好的路径，通过内置的样式选择器或自定义材质和线型来美化路径的外观，并记录路径上每个点的位置、速度、时间等属性，用于后续的飞行漫游。 [0081] 然后创建一个相机对象，并设置其初始状态(位置、朝向、俯仰角等)，用于拍摄无人机的漫游过程。根据飞行路径上的路径点，使用线性差值、贝赛尔曲线等方法来平滑相机的移动。飞行漫游过程中，实时更新相机的位置和视角，将场景实时渲染。此外系统提供用户交互功能，配合时间轴和播放控制器实时操作控制漫游过程，还增加了视觉增强效果，如光照、阴影、雾化等，来提升漫游体验，达到最佳的展示效果。 [0082] 根据以上流程的说明，本发明进一步提供了一种基于三维GIS的无人机路径规划系统，其包括地图模块、空间建模模块、路径规划模块和可视化模块。各模块执行本发明方法流程部分各步骤的具体内容。 [0083] 其中，地图模块用于采集三维数据，进行清洗处理，对清洗后的数据进行处理转换生成三维渲染引擎支持的数据格式，构建三维场景并进行场景渲染及可视化； [0084] 空间建模模块基于地图数据，融合风险信息，基于栅格化建立城市空域网格，量化网格飞行适宜度； [0085] 路径规划模块根据空间建模模块得到的网格飞行适宜度，并根据用户传入的起点、终点、约束条件，进行无人机规划； [0086] 可视化模块提供用户交互功能，供用户输入起点、终点和约束条件；向用户展示路径规划模块的规划航路，在规划的航路上实现航迹漫游。 |
||
