全局路线规划方法、全局路线规划系统及无人机

摘要

本发明公开了全局路线规划方法、全局路线规划系统及无人机，全局路线规划方法，应用于无人机中，包括下述步骤：S1.对同一区域相同比例尺的数字表面模型图像和数字高程模型图像进行预处理，以获取相同分辨率的所述数字表面模型图像和所述数字高程模型图像；S2.提取所述数字表面模型图像中的地表物体点云集；S3.对所述地表物体点云集进行去噪处理后建立地表物体的包围盒；S4.根据所述包围盒建立泰森多边形图，采用单源最短路径算法在所述泰森多边形图中搜索路径，通过三次样条插值算法获取最优路径。

说明书

技术领域

本发明涉及测量领域，尤其涉及一种基于DSM(数字表面模型)图像与DEM(数字高程模型)图像数据的全局路线规划方法、全局路线规划系统及无人机。

背景技术

随着科学技术的提高以及越来越大的市场需求，无人机因其便捷的使用方式和强大的功能，成为了一款多用途的科技产品。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。无人机在民用方面应用广泛主要用于航拍、农业、植保、自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等。无人机在飞行过程中的避障技术主要有：定向的超声波测距技术和飞行时间(TOF)技术。

在无人机上加装定向的超声波测距系统中一旦物体表面反射超声波能力不足，系统的避障功能就会显著降低，并且一个无人机一般会安装多个方向，无疑会增加无人机自重和成本。

飞行时间(TOF)技术，即传感器发出经调制的近红外光，遇到物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算目标的距离， 以产生深度信息，此外再结合传统的相机成像，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来，目前城市环境中的光污染以及白天的阳光会对避障系统造成很大干扰，规划路径精度较低。

发明内容

针对现有的无人机在飞行过程中的避障技术存在的上述问题，现提供一种旨在实现减少了无人机的自重且规划路径精度高的全局路线规划方法、全局路线规划系统及无人机。

具体技术方案如下：

一种全局路线规划方法，应用于无人机中，包括下述步骤：

S1.对同一区域相同比例尺的数字表面模型图像和数字高程模型图像进行预处理，以获取相同分辨率的所述数字表面模型图像和所述数字高程模型图像；

S2.提取所述数字表面模型图像中的地表物体点云集；

S3.对所述地表物体点云集进行去噪处理后建立地表物体的包围盒；

S4.根据所述包围盒建立泰森多边形图，采用单源最短路径算法在所述泰森多边形图中搜索路径，通过三次样条插值算法获取最优路径。

优选的，所述步骤S1包括下述步骤：

S11.获取同一区域相同比例尺的所述数字表面模型图像和所述数字高程模型图像；

S12.对所述数字表面模型图像和所述数字高程模型图像进行预处理，以使所述数字表面模型图像和所述数字高程模型图像的分辨率相同；

S13.对经过预处理后的所述数字表面模型图像中的第一像素点集和所述数字高程模型图像的第二像素点集进行配准对齐，以获取对应的点对集，所述第一像素点集包括复数个第一像素点，所述第二像素点集包括复数个第 二像素点，所述第一像素点集中的所述第一像素点与所述第二像素点集中的所述第二像素点一一对应，所述点对集包括复数个点对，每一对一一对应的所述第一像素点和所述第二像素点组成一所述点对。

优选的，所述步骤S2包括下述步骤：

S21.根据所述点对集逐个获取每个点对的差值坐标；

S22.判断所述差值坐标是否符合预设条件，若是，执行步骤S23；若否，则滤除所述点对；

S23.将所述点对添加到所述地表物体点云集中。

优选的，所述预设条件为差值坐标的Z轴差值大于0。

优选的，所述步骤S3中，所述去噪处理的具体过程为：

采用空间单元格法对所述地表物体点云集建立点云拓扑关系，进行三角网格剖分，建立每个点的K近邻点，即确定与所述点距离最近的k个点构成的邻域，判断最近的k个点中距离所述点的距离是否大于预设阈值，若是则剔除；若否则保留；

其中k为正整数。

优选的，对所述地表物体点云集进行所述去噪处理后采用预设的方法将所述地表物体点云集划分为复数个封闭区域；

所述预设的方法为：法矢量法或者曲率估计法。

优选的，所述地表物体的包围盒为轴向包围盒。

优选的，建立所述轴向包围盒的具体过程为：

分别提取每个所述封闭区域的最小角点与最大角点，并计算每个所述封闭区的中心、尺寸及体积，根据每个所述封闭区的中心、尺寸及体积获取所述封闭区的范围，根据获取的范围建立所述地表物体的包围盒。

一种无人机，采用上述的全局路线规划方法进行飞行路径规划。

一种全局路线规划系统，应用于无人机中，包括：

一配准单元，用以对同一区域相同比例尺的数字表面模型图像和数字高 程模型图像进行预处理，以获取相同分辨率的所述数字表面模型图像和所述数字高程模型图像；

一提取单元，连接所述配准单元，用以提取所述数字表面模型图像中的地表物体点云集；

一处理单元，连接所述提取单元，用以对所述地表物体点云集进行去噪处理后建立地表物体的包围盒；

一规划单元，连接所述处理单元，用以根据所述包围盒建立泰森多边形图，采用单源最短路径算法对所述泰森多边形图中搜索路径，通过三次样条插值算法获取最优路径。

优选的，所述配准单元包括：

一获取模块，用以获取同一区域相同比例尺的所述数字表面模型图像和所述数字高程模型图像；

一处理模块，连接所述获取模块，用以对所述数字表面模型图像和所述数字高程模型图像进行预处理，以使所述数字表面模型图像和所述数字高程模型图像的分辨率相同；

一配准模块，连接所述处理模块，用以对经过预处理后的所述数字表面模型图像中的第一像素点集和所述数字高程模型图像的第二像素点集进行配准对齐，以获取对应的点对集，所述第一像素点集包括复数个第一像素点，所述第二像素点集包括复数个第二像素点，所述第一像素点集中的所述第一像素点与所述第二像素点集中的所述第二像素点一一对应，所述点对集包括复数个点对，每一对一一对应的所述第一像素点和所述第二像素点组成一所述点对。

一种无人机，包括上述的全局路线规划系统。

上述技术方案的有益效果：

1)全局路线规划方法通过数字表面模型图像和数字高程模型图像直接获取准确的地表物体的坐标，从而计算出地表物体的包围盒，采用单源最短路 径算法计算出最优的避障路径，运算的速度快且精度高；

2)全局路线规划系统通过配准单元对数字表面模型图像和数字高程模型图像进行配准以调高地表物体的坐标精度，通过处理单元建立地表物体的包围盒，利用规划单元规划出最优的避障路径，该系统可嵌入无人机控制系统中，以减少无人机的自重且规划精度高，便于实施。

附图说明

图1为本发明所述的全局路线规划方法的一种实施例的方法流程图；

图2为本发明所述的全局路线规划系统的一种实施例的模块图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

如图1所示，一种全局路线规划方法，应用于无人机中，包括下述步骤：

S1.对同一区域相同比例尺的数字表面模型图像和数字高程模型图像进行预处理，以获取相同分辨率的数字表面模型图像和数字高程模型图像；

S2.提取数字表面模型图像中的地表物体点云集；

S3.对地表物体点云集进行去噪处理后建立地表物体的包围盒；

S4.根据包围盒建立泰森多边形图，采用单源最短路径算法在泰森多边形图中搜索路径，通过三次样条插值算法获取最优路径。

本实施例中的DEM只包含了地形的高程信息，并未包含其它地表信息，和DEM相比，DSM包含了地表建筑物、桥梁和树木等高度的地面高程模型。DSM是在DEM的基础上，进一步涵盖了除地面以外的其它地表信息的高程。

在本实施例中，全局路线规划方法通过数字表面模型图像和数字高程模型图像直接获取准确的地表物体的坐标，从而计算出地表物体的包围盒，采用单源最短路径算法计算出最优的避障路径，运算的速度快且精度高。

在优选的实施例中，步骤S1包括下述步骤：

S11.获取同一区域相同比例尺的数字表面模型图像和数字高程模型图像；

S12.对数字表面模型图像和数字高程模型图像进行预处理，以使数字表面模型图像和数字高程模型图像的分辨率相同；

S13.对经过预处理后的数字表面模型图像中的第一像素点集和数字高程模型图像的第二像素点集进行配准对齐，以获取对应的点对集，第一像素点集包括复数个第一像素点，第二像素点集包括复数个第二像素点，第一像素点集中的第一像素点与第二像素点集中的第二像素点一一对应，点对集包括复数个点对，每一对一一对应的第一像素点和第二像素点组成一点对。

在本实施例中，在步骤S12中预处理为归一化处理，通过归一化处理使得数字表面模型图像和数字高程模型图像的分辨率相同(即数据精度相同)；在步骤S13中采用标记控制点将数字表面模型图像与数字高程模型图像配准对齐，得到一一对应的点对集。

在优选的实施例中，步骤S2包括下述步骤：

S21.根据点对集逐个获取每个点对的差值坐标；

S22.判断差值坐标是否符合预设条件，若是，执行步骤S23；若否，则滤除点对；

S23.将点对添加到地表物体点云集中。

在本实施例中，对于数字表面模型图像中的第一像素点集Q，以及数字高程模型图像的第二像素点集P，有一一对应的点对(X_w,Y_w,Z_w)∈Q以及(X_e,Y_e,Z_e)∈P，对其求差值得到(ΔX，ΔY，ΔZ)。在配准精度满足要求的情况下ΔX≈ΔY≈0，若符合预设条件即ΔZ＞0，则可以认为此处地表上有物体存在。在实际情况下，可以设定一个阈值，若ΔZ大于这一阈值则认为此处有地物存在。遍历所有点对，能够得到所有地表物体在数字表面模型图像上的坐标，即得到所有地表物体点云集S。

在优选的实施例中，步骤S3中去噪处理的具体过程为：

采用空间单元格法对地表物体点云集建立点云拓扑关系，进行三角网格剖分，建立每个点的K近邻点，即确定与点距离最近的k个点构成的邻域，判断最近的k个点中距离点的距离是否大于预设阈值，若是则剔除；若否则保留；

其中k为正整数。

在本实施例中，对于步骤S2中求得的地表物体点云集，利用空间单元格法建立点云拓扑关系进行三角网格剖分，以此建立每个地表物体点的K近邻点，即确定与该点距离最近的k个点构成的邻域，设定一个阈值，大于该阈值的即为噪声点剔除，小于或等于该阈值的则保留。

进一步地，再对保留的地表物体点进行法矢量或者曲率估计，以找到法矢量突变点或曲率，将这些点连成边界线，由边界线围成各封闭区域从而实现对地表物体点的封闭区域划分。

在优选的实施例中，建立轴向包围盒的具体过程为：

分别提取每个封闭区域的最小角点与最大角点，并计算每个封闭区的中心、尺寸及体积，根据每个封闭区的中心、尺寸及体积获取封闭区的范围，根据获取的范围建立地表物体的包围盒。

进一步地，地表物体的包围盒为轴向包围盒(AABB)。一个对象的轴向包围盒被定义为包含该对象且各边平行于坐标轴最小六面体。轴向包围盒的建立只需分别计算组成对象的基本几何元素集合中各个元素顶点的x坐标、y坐标、z坐标的最小值、最大值坐标即可，描述一个轴向包围盒仅仅需要6个标量。

在本实施例中，首先提取每个封闭区域的最小角点与最大角点，然后提取封闭区域的八个顶点或者指定一个顶点，计算物体的中心、尺寸及体积以此来重新设置封闭区域物体的范围，最后判断包围盒之间是否有相交。把包围盒的坐标转换到大地坐标系，还可以得到包围盒的经纬度为全局路线规划以及GPS导航提供数据基础。本技术方案用简单的包围盒形状来近似代替复杂几何体的形状，可以提高几何运算的效率。并且通常简单的物体比较容易检查相互之间的重叠。

一种无人机，采用上述的全局路线规划方法进行飞行路径规划。

如图2所示，一种全局路线规划系统，应用于无人机中，包括：

一配准单元1，用以对同一区域相同比例尺的数字表面模型图像和数字高程模型图像进行预处理，以获取相同分辨率的数字表面模型图像和数字高程模型图像；

一提取单元2，连接配准单元1，用以提取数字表面模型图像中的地表物体点云集；

一处理单元3，连接提取单元2，用以对地表物体点云集进行去噪处理后建立地表物体的包围盒；

一规划单元4，连接处理单元3，用以根据包围盒建立泰森多边形图，采 用单源最短路径算法对泰森多边形图中搜索路径，通过三次样条插值算法获取最优路径。

泰森多边形图(Voronoi)是由一组连接两邻点之间直线的垂直平分线形成的连续多边形组成，N个在平面上有区别的点，按照最邻近原则划分平面。本实施例主要是利用在多边形的边上距离形成多边形的母点最远的特性，在三维空间构造初始路径网络。首先离散点自动构建三角网，即构建实线多边形(Delaunay)三角网，然后找出与每个离散点相邻的所有三角形的编号，并记录下来。再对与每个离散点相邻的三角形按顺时针或逆时针方向排序，以便下一步连接生成泰森多边形。最后求每个三角形的外接圆圆心，连接这些圆心，即得到泰森三角形。

采用的单源最短路径算法(Dijkstra)可获取有向图中最短路径。其主要特点是每次迭代时选择的下一个顶点是标记点之外距离源点最近的顶点。

例如：假设路网中每一个节点都有标号(d_t，p_t)，d_t是从出发点s到点t的最短路径长度；p_t表示从s到t的最短路径中t点的前一个点。采用单源最短路径算法求解从出发点s到点t的最短路径算法的基本过程为：

1.开始读取数据，初始化，出发点设置为：

d_t＝0，标记起源点s，记k＝s，其他所有点设为未标记。

2.检验从所有已标记的点k到其他直接连接的未标记的点j的距离，并设置：d_j＝min[d_j,d_k+w(k,j)]其中，w(k,j)表示从k到j的路径长度。

3.选取下一个点，从所有未标记的点中选取最小的点i，点i被选为最短路径中的一点，并设为已标记的。

4.找到点i的前一点。从已经标记的点集合中找到直接连接到点i的点，并标记为p_i。

5.标记点i，如果所有的点已标记，则算法结束；否则，记k＝i，转到步骤2继续。

根据已知的包围盒的分布情况以及整体避障路径的起点和终点，取包围盒中心点构造出障碍分布的三维空间改进型Voronoi图，在Voronoi图的基础上，利用Dijkstra算法在途中搜索路径，构成粗略最佳路径。然后通过一系列的三次样条，把复杂的问题分解为更简单的问题，最后用二次规划的方法求得最优解。

在本实施例中，全局路线规划系统通过配准单元1对数字表面模型图像和数字高程模型图像进行配准以调高地表物体的坐标精度，通过处理单元3建立地表物体的包围盒，利用规划单元4规划出最优的避障路径，该系统可嵌入无人机控制系统中，以减少无人机的自重且规划精度高，便于实施。

由于数字表面模型图像的数据更新存在一定周期，因此可能存在规划好的最优路径上面存在新出现的地表物体(障碍物)的情况，因此可采用局部路线避障模块来实时修正飞行路线。将规划好的路线输入避障模块，然后利用定位系统实时定位无人机，并制作无人机的飞行轨迹图，当飞行轨迹与规划好的最优路径产生偏差，对飞行路线进行修正。若在飞行路线上出现新的障碍物，使用避障模块手动绕过障碍物并重新回到规划路径上继续飞行。

在优选的实施例中，配准单元1包括：

一获取模块11，用以获取同一区域相同比例尺的数字表面模型图像和数字高程模型图像；

一处理模块12，连接获取模块11，用以对数字表面模型图像和数字高程模型图像进行预处理，以使数字表面模型图像和数字高程模型图像的分辨率相同；

一配准模块13，连接处理模块12，用以对经过预处理后的数字表面模型图像中的第一像素点集和数字高程模型图像的第二像素点集进行配准对齐， 以获取对应的点对集，第一像素点集包括复数个第一像素点，第二像素点集包括复数个第二像素点，第一像素点集中的第一像素点与第二像素点集中的第二像素点一一对应，点对集包括复数个点对，每一对一一对应的第一像素点和第二像素点组成一点对。

一种无人机，包括上述的全局路线规划系统。

为了进一步阐明本发明的原理，下面结合一个案例加以说明：

无人机在某区域上空按照计划路径飞行(比如摄影、拍照)。其具体实施步骤如下：

A、系统离线准备阶段

a1.获取这一地区相同精度的DEM与DSM，作为基础数据计算出地表障碍物点云坐标；

a2.对点云数据进行去噪处理，然后计算障碍物包围盒；

a2.全局路线规划，找到最优飞行路线。

B、系统在线实施阶段

b1.输入飞行路线，无人机通过定位系统实时返回当前坐标，利用坐标制作飞行轨迹图；

b2.若飞行轨迹与规划路线有偏差，修正路线；若没有偏差，继续按照规划路线飞行；

b3.若原规划路线上有新的障碍物(如新建大楼)，使用避障模块绕过障碍物并回到规划路径上继续飞行。

本发明的有益效果为：

1)采用数字表面模型图像与数字高程模型图像直接解算地表物体(障碍物)的具体坐标，而不是简单的通过波普在影像上对地物进行分类，在DSM 与DEM的应用领域提供了新的方向；

2)通过包围盒技术计算障碍物所占用的大致空间位置，不需要严格勾勒出障碍物的轮廓，降低了计算复杂性，加速了整个模块运算速度，为路线规划提供了基础；

3)构造无人机可能飞行的航路集，用Voronoi图表示出来，采用Dijkstra算法搜索障碍分布图,能够较好的得到无人机的最优路径；

4)本发明的可运行于无人机平台的嵌入式系统上，也可运行于与无人机进行通联的固定或者移动终端上，控制方式灵活多变，便于实施；

5)本发明还可添加导航系统，在飞行过程中手动或者自动修正航线，使无人机可以实时的进行避障。

以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。