基于DWA算法的电力巡线无人机路径规划方法、存储介质和装置

基于dwa算法的电力巡线无人机路径规划方法、存储介质和装置
技术领域
1.本发明涉及基于dwa算法的电力巡线无人机路径规划方法、存储介质和装置，属于通信导航技术领域。


背景技术：

2.在地形复杂、自然环境恶劣处，输电线路分布点多面广，电力线及杆塔附件长期暴露在野外，受到持续的机械张力、雷击闪络、材料老化、人为的影响而产生倒塔、断股、磨损、腐蚀、受力等损伤，必须及时修复或更换。绝缘子还存在被雷击损伤，树木生长引起输电线放电，杆塔存在被偷窃等意外事件。随着无人机技术的发展，利用无人机代替人工进行电力巡检工作必然更高效也更安全。
3.随着各国加快对无人机发展与应用的研究，路径规划也成为了热门话题。其本质上是一种优化问题，能够帮助我们自主运行到目标点的同时，找出一条最短或最优路径。路径规划可以帮助我们实现更高效、更安全、更环保的运输与导航。将面向地面的无人车路径规划转移到无人机上出现了部分问题。过长的路径加重了无人机电池的负担；狭窄的路径威胁着载体的安全。因此迫切的需要解决目前无人机存在的问题。
4.传统的全局规划算法虽然能够规划处一条路径，但是无人机在野外工作时有可能和未知动态飞行物产生碰撞，由于地图先验过程中，动态飞行物不在此处，所以此处会被视为安全区域。动态窗口法的主要原理是：在可选速度范围内，生成多个二维速度组，然后模拟这些速度组在一定时间间隔的运动轨迹，通过评价函数选出最优运动轨迹所对应的速度组，将该速度组设置为移动机器人的当前速度，最后以该速度向目标位置移动。


技术实现要素：

5.本发明所要解决的技术问题是克服现有技术的缺陷，提供基于dwa算法的电力巡线无人机路径规划方法、存储介质和装置，本发明增加了能源损耗评价函数，丰富了轨迹的评价方面，同时可以尽量节约无人机的电量，增长工作时间。
6.为达到上述目的，第一方面，本发明提供基于dwa算法的电力巡线无人机路径规划方法，包括
7.获取环境信息，根据所述环境信息构建标明障碍物的环境地图；
8.获取无人机的线速度和角速度，结合无人机的结构约束条件，进行速度选择，得到若干包含无人机线速度和角速度的速度组合；
9.在预测时间内，模拟每一速度组合的运动轨迹，并预测位姿信息，获取每一速度组合对应的预测轨迹；
10.在标明障碍物的环境地图中，对预测轨迹进行评估，获取满足评估标准的预测轨迹对应的速度组合，并赋予无人机，完成路径规划。
11.进一步地，所述获取环境信息，根据所述环境信息构建标明障碍物的环境地图，包
括。
12.获取环境信息，构建环境地图；
13.在环境地图中获取障碍物信息；
14.对环境地图进行栅格分割；
15.基于障碍物信息，为分割后的、对应障碍物的栅格进行障碍物属性赋予，得到标明障碍物的环境地图。
16.进一步地，所述无人机的结构约束条件包括：
17.最大速度约束、电机加减速约束和制动距离约束。
18.进一步地，所述进行速度选择，得到若干包含无人机线速度和角速度的速度组合，包括：
19.以无人机的最小线速度和最大线速度为两端点，构建线速度可选范围；
20.以无人机的最小角速度和最大角速度为端点，构建角速度可选范围；
21.在线速度可选范围中选择线速度，在角速度可选范围中选择角速度，将线速度和角速度组合，构建速度组合；
22.选取不同的线速度和角速度，构建不同的速度组合：
[0023]vr
＝vm∩va∩vd＝{(v,w)|v∈[v
min
,v
max,
]∩w∈[w
min
,w
max,
]}；
[0024]
其中，v
min
是最小线速度，v
max
是最大线速度，w
min
是最小角速度，w
max
是最大角速度，vm是最大、最小速度约束的集合，vd是预测时间间隔内能产生最大、最小速度的集合，va为制动距离约束的速度集合，vr是最终可取的速度范围，v，w分别是线速度和角速度。
[0025]
进一步地，所述模拟每一速度组合的运动轨迹，并预测位姿信息，获取每一速度组合对应的预测轨迹，包括：
[0026]
在环境地图中构建二维坐标系；
[0027]
基于速度组合中的线速度，以及上一时刻的横坐标位置、转角数据的余弦值和时间间隔，更新下一时刻的横坐标位置；
[0028]
基于速度组合中的线速度，以及上一时刻的纵坐标位置、转角数据的正弦值和时间间隔，更新下一时刻的纵坐标位置；
[0029]
基于速度组合中的角速度，以及上一时刻的转角数据和时间间隔，更新下一时刻的转角数据；
[0030]
基于上述步骤完成每一时刻的横坐标位置、纵坐标位置和转角数据的预测，将各时刻的数据结合，完成无人机轨迹预测：
[0031][0032]
其中，x为二维坐标系中无人机位置的横坐标数据；y为二维坐标系中无人机位置的纵坐标数据；θ无人机的转角数据；δt是上一时刻与下一时刻的时间间隔；n为下一时刻的下标标记；n-1为上一时刻的下标标记；v
′
为线速度；w
′
为角速度。
[0033]
进一步地，所述评估标准包括：避开障碍物并按指定速度向目标移动。
[0034]
进一步地，所述对预测轨迹进行评估包括：
[0035]
获取各速度组合下无人机的各类指标数据，所述各类指标数据包括：目的地的偏向角、线速度值、到障碍物的最近距离三和能耗数据；
[0036]
对不同速度组合下的各类指标数据进行求和，获取各类指标数据和；
[0037]
获取各速度组合下各类指标数据占该类指标数据和的比例，若比例越高，则轨迹的评估结果越优越。
[0038]
进一步地，所述对预测轨迹进行评估还包括：
[0039]
g＝α
·
head(v,w)+β
·
dist(v,w)+γ
·
vel(v,w)+δ
·
eco(v,w)；
[0040]
其中，g表示某速度组合下无人机各类指标数据的综合评估结果；head(v,w)是目的地的偏向角评价函数；dist(v,w)是到障碍物的最近距离评价函数；vel(v,w)是线速度值评价函数；eco(v,w)是能耗数据评价函数；α，β，γ，δ是各自的加权系数。
[0041]
第二方面，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据第一方面所述的方法中的任一方法。
[0042]
第三方面，本发明提供一种基于dwa算法的电力巡线无人机路径规划装置，包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据第一方面所述的方法中的任一方法的指令。
[0043]
本发明所达到的有益效果：
[0044]
本发明提供基于dwa算法的电力巡线无人机路径规划方法、存储介质和装置，针对无人机的线速度和角速度，结合无人机的结构约束条件，进行速度预测，并在构建每个速度对应的预测轨迹，对每个预测轨迹，结合目的地的偏向角、线速度值、到障碍物的最近距离三和能耗数据进行轨迹优越性评估，本发明用了动态窗口法进行路径规划，能够实时识别出动态未知飞行障碍物并避开，保证了无人机的安全作业，同时在进行预测轨迹优越性评估时，引入了能源损耗评价函数，丰富了轨迹的评价方面，同时可以尽量节约无人机的电量，增长工作时间。
附图说明
[0045]
图1是本发明实施例提供的基于dwa算法的电力巡线无人机路径规划方法的流程图；
[0046]
图2是本发明实施例提供的基于dwa算法的电力巡线无人机路径规划方法的算法流程图；
[0047]
图3是轨迹预测示意图。
具体实施方式
[0048]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0049]
实施例一：
[0050]
本发明的实施例提供基于dwa算法的电力巡线无人机路径规划方法，包括：步骤1：传感器采集信息；步骤2：建立地图模型；步骤3：速度采样，轨迹预测；步骤4：轨迹评价。本发
明基于无人机的线速度和角速度，结合无人机的结构约束条件，进行速度预测，并在构建每个速度对应的预测轨迹，对每个预测轨迹，结合目的地的偏向角、线速度值、到障碍物的最近距离三和能耗数据进行轨迹优越性评估，本发明用了动态窗口法进行路径规划，能够实时识别出动态未知飞行障碍物并避开，保证了无人机的安全作业，同时在进行预测轨迹优越性评估时，引入了能源损耗评价函数，丰富了轨迹的评价方面，同时可以尽量节约无人机的电量，增长工作时间。
[0051]
再具体设计时，如图1至图3所示，本发明提供的基于dwa算法的电力巡线无人机路径规划方法，包括如下具体步骤：
[0052]
步骤1：传感器采集信息：
[0053]
由于现实的物理环境计算机不能直接应用，需要通过技术手段转化为抽象环境，本发明应用激光雷达传感器，扫描某一水平面上的环境信息，可高效、简单并实时地反应地理环境信息。
[0054]
步骤2：建立地图模型：
[0055]
在信息采集完成之后就需要对地图进行建模，在静态网络中本发明采用如下方式进行建模：
[0056]
对获取的地理环境信息数据进行栅格分割，得到若干个分割单元；
[0057]
在地理环境信息数据中，获取障碍物和非障碍物的环境信息，以及障碍物和非障碍物所属的分割单元，为每个分割单元进行障碍物或非障碍物属性赋予，得到标明障碍物和非障碍物的环境帝地图。
[0058]
在进行栅格分割时，将各个分割单元的大小设置成相同的；同时，分割单元的大小会影响到算法的精度和算法的效率，由于算法的精度和效率呈反比，所以在具体设计时，应结合实际考虑割单元的大小。
[0059]
步骤3：速度采样，轨迹预测：
[0060]
在二维空间内，对无人机的角速度和线速度进行采样，并考虑无人机受到自身物理结构的约束和周围环境的限制，模拟出可能的每组速度对应的轨迹：
[0061]
主要有三个约束：最大最小速度约束、电机加减速约束和制动距离约束。
[0062]
以无人机的最小线速度和最大线速度为两端点，构建线速度可选范围；
[0063]
以无人机的最小角速度和最大角速度为端点，构建角速度可选范围；
[0064]
在线速度可选范围中选择线速度，在角速度可选范围中选择角速度，将线速度和角速度组合，构建速度组合；
[0065]
选取不同的线速度和角速度，构建不同的速度组合，如下式所示：
[0066]vr
＝vm∩va∩vd＝{(v,w)|v∈[v
min
,v
max,
]∩w∈[w
min
,w
max,
]}；
[0067]
其中v
min
是满足上述约束条件的最小线速度，v
max
是最大线速度，w
min
是最小角速度，w
max
是最大角速度，vm是最大、最小速度约束的集合，vd是预测时间间隔内能产生最大、最小速度的集合，va为制动距离约束的速度集合。vr是最终可取的速度范围，以及将各个角速度和线速度组合后得到的若干组速度组合(v,w)。
[0068]
无人机通过动态窗口法进行路径规划时，需要模拟多个二维速度组合下的运动轨迹，即在速度采样空间vr中，在预测时间t内模拟每一速度组(v,w)的运动轨迹，并预测位姿信息。这些运动轨迹和位姿信息共同组成移动机器人的预测轨迹模型：
[0069]
在环境地图中构建二维坐标系；
[0070]
基于速度组合中的线速度，以及上一时刻的横坐标位置、转角数据的余弦值和时间间隔，更新下一时刻的横坐标位置；
[0071]
基于速度组合中的线速度，以及上一时刻的纵坐标位置、转角数据的正弦值和时间间隔，更新下一时刻的纵坐标位置；
[0072]
基于速度组合中的角速度，以及上一时刻的转角数据和时间间隔，更新下一时刻的转角数据；
[0073]
基于上述步骤完成每一时刻的横坐标位置、纵坐标位置和转角数据的预测，将各时刻的数据结合，完成无人机轨迹预测，具体如下式所示：
[0074][0075]
其中，x为二维坐标系中无人机位置的横坐标数据；y为二维坐标系中无人机位置的纵坐标数据；θ无人机的转角数据；δt是上一时刻与下一时刻的时间间隔；n为下一时刻的下标标记；n-1为上一时刻的下标标记；v
′
为线速度；w
′
为角速度。
[0076]
轨迹预测效果如图3所示。
[0077]
步骤4：轨迹评价：
[0078]
通过评价函数对每一组轨迹进行评价，选取出其中最优路径进行移动；
[0079]
在建立每个速度组的模拟轨迹后，通过评价函数对模拟轨迹进行评估，评估的标准为：有效避开障碍物并快速向目标位置移动。选出评价最高的运动轨迹所对应的速度组合，设置该速度为当前移动速度，最后无人机以该速度向目标位置移动。
[0080]
动态窗口法的评价函数包括目的地的偏向角、线速度值和到障碍物的最近距离三部分，本发明加入了能源评价函数，用于评价每条路线能耗高低，延长无人机工作时间。由于衡量它们的度量单位不一样，为避免其中某一项指标数值太小或过大，而影响评价函数的性能，因此需要一个统一的标准来衡量评价函数的性能，即对四个指标进行归一化处理，先求出每个速度组所对应的四项指标，再依次除以该时间间隔内所有速度组的该项指标之和。四项指标的占比之和越大，说明评价函数的性能越好，所对应的轨迹就越优。动态窗口法的评价函数如下式所示：
[0081]
g＝α
·
head(v，w)+β
·
dist(v，w)+γ
·
vel(v，w)+δ
·
eco(v，w)；
[0082]
其中，g表示某速度组合下无人机各类指标数据的综合评估结果；head(v,w)是方位角评价函数。dist(v,w)是距离评价函数。vel(v,w)是速度评价函数。eco(v,w)是能耗评价函数。α，β，γ，δ是各自的加权系数，根据自身需求，设置不同的比重。
[0083]
实施例二：
[0084]
基于与实施例一相同的发明构思，本发明提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据实施例一所述的方法中的任一方法。
[0085]
实施例三：
[0086]
基于与实施例一和实施例二相同的发明构思，本发明提供一种基于dwa算法的电力巡线无人机路径规划装置，包括一个或多个处理器、存储器以及一个或多个程序，其中一
个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行实施例一所述的方法中的任一方法的指令。
[0087]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0088]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0089]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0090]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0091]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

技术特征：
1.基于dwa算法的电力巡线无人机路径规划方法，其特征在于：包括如下步骤：获取环境信息，根据所述环境信息构建标明障碍物的环境地图；获取无人机的线速度和角速度，结合无人机的结构约束条件，进行速度选择，得到若干包含无人机线速度和角速度的速度组合；在预测时间内，模拟每一速度组合的运动轨迹，并预测位姿信息，获取每一速度组合对应的预测轨迹；在标明障碍物的环境地图中，对预测轨迹进行评估，获取满足评估标准的预测轨迹对应的速度组合，并赋予无人机，完成路径规划。2.根据权利要求1所述的基于dwa算法的电力巡线无人机路径规划方法，其特征在于：所述获取环境信息，根据所述环境信息构建标明障碍物的环境地图，包括。获取环境信息，构建环境地图；在环境地图中获取障碍物信息；对环境地图进行栅格分割；基于障碍物信息，为分割后的、对应障碍物的栅格进行障碍物属性赋予，得到标明障碍物的环境地图。3.根据权利要求2所述的基于dwa算法的电力巡线无人机路径规划方法，其特征在于：所述无人机的结构约束条件包括：最大速度约束、电机加减速约束和制动距离约束。4.根据权利要求3所述的基于dwa算法的电力巡线无人机路径规划方法，其特征在于：所述进行速度选择，得到若干包含无人机线速度和角速度的速度组合，包括：以无人机的最小线速度和最大线速度为两端点，构建线速度可选范围；以无人机的最小角速度和最大角速度为端点，构建角速度可选范围；在线速度可选范围中选择线速度，在角速度可选范围中选择角速度，将线速度和角速度组合，构建速度组合；选取不同的线速度和角速度，构建不同的速度组合：v
r
＝v
m
∩v
a
∩v
d
＝{(v,w)|v∈[v
min
,v
max
,]∩w∈[w
min
,w
max
,]}；其中，v
min
是最小线速度，v
max
是最大线速度，w
min
是最小角速度，w
max
是最大角速度，v
m
是最大、最小速度约束的集合，v
d
是预测时间间隔内能产生最大、最小速度的集合，v
a
为制动距离约束的速度集合，v
r
是最终可取的速度范围，v，w分别是线速度和角速度。5.根据权利要求1所述的基于dwa算法的电力巡线无人机路径规划方法，其特征在于：所述模拟每一速度组合的运动轨迹，并预测位姿信息，获取每一速度组合对应的预测轨迹，包括：在环境地图中构建二维坐标系；基于速度组合中的线速度，以及上一时刻的横坐标位置、转角数据的余弦值和时间间隔，更新下一时刻的横坐标位置；基于速度组合中的线速度，以及上一时刻的纵坐标位置、转角数据的正弦值和时间间隔，更新下一时刻的纵坐标位置；基于速度组合中的角速度，以及上一时刻的转角数据和时间间隔，更新下一时刻的转角数据；
基于上述步骤完成每一时刻的横坐标位置、纵坐标位置和转角数据的预测，将各时刻的数据结合，完成无人机轨迹预测：其中，x为二维坐标系中无人机位置的横坐标数据；y为二维坐标系中无人机位置的纵坐标数据；θ无人机的转角数据；δt是上一时刻与下一时刻的时间间隔；n为下一时刻的下标标记；n-1为上一时刻的下标标记；v
′
为线速度；w
′
为角速度。6.根据权利要求1所述的基于dwa算法的电力巡线无人机路径规划方法，其特征在于：所述评估标准包括：避开障碍物并按指定速度向目标移动。7.根据权利要求1所述的基于dwa算法的电力巡线无人机路径规划方法，其特征在于：所述对预测轨迹进行评估包括：获取各速度组合下无人机的各类指标数据，所述各类指标数据包括：目的地的偏向角、线速度值、到障碍物的最近距离三和能耗数据；对不同速度组合下的各类指标数据进行求和，获取各类指标数据和；获取各速度组合下各类指标数据占该类指标数据和的比例，若比例越高，则轨迹的评估结果越优越。8.根据权利要求7所述的基于dwa算法的电力巡线无人机路径规划方法，其特征在于：所述对预测轨迹进行评估还包括：g＝α
·
head(v,w)+β
·
dist(v,w)+γ
·
vel(v,w)+δ
·
eco(v,w)；其中，g表示某速度组合下无人机各类指标数据的综合评估结果；head(v,w)是目的地的偏向角评价函数；dist(v,w)是到障碍物的最近距离评价函数；vel(v,w)是线速度值评价函数；eco(v,w)是能耗数据评价函数；α，β，γ，δ是各自的加权系数。9.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至8所述的方法中的任一方法。10.一种基于dwa算法的电力巡线无人机路径规划装置，其特征在于：包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至8所述的方法中的任一方法的指令。

技术总结
本发明公开了基于DWA算法的电力巡线无人机路径规划方法、存储介质和装置，包括获取环境信息，构建标明障碍物的环境地图；获取无人机的线速度和角速度，结合无人机的结构约束条件，进行速度预测，获取若干预测的包含线速度和角速度的速度组合；在预测时间内，模拟每一速度组合的运动轨迹，并预测位姿信息，获取每一速度组合对应的预测轨迹；在标明障碍物的环境地图中，对预测轨迹进行评估，获取满足评估标准的预测轨迹对应的速度组合，并赋予无人机，完成路径规划。本发明引入了能源损耗评价函数，丰富了轨迹的评价方面，同时可以尽量节约无人机的电量，增长工作时间。增长工作时间。增长工作时间。


技术研发人员：倪世松 张涛 杨惠杰 王梦磊 沈剑
受保护的技术使用者：南京信息工程大学
技术研发日：2023.05.23
技术公布日：2023/8/24