本技術(shù)涉及無人機(jī)控制，具體涉及一種基于模糊控制的無人機(jī)航跡規(guī)劃及優(yōu)化方法。

背景技術(shù)：

1、無人駕駛飛機(jī)簡(jiǎn)稱無人機(jī)，是利用無線電遙控設(shè)備和/或預(yù)設(shè)程序控制操縱的不載人飛行器。無人機(jī)具有體積小、成本低、損耗低以及機(jī)動(dòng)性強(qiáng)等優(yōu)勢(shì)，因此，其廣泛應(yīng)用于快遞服務(wù)、城市管理、安保防爆、農(nóng)業(yè)、氣象、電力、搶險(xiǎn)救災(zāi)和視頻拍攝等行業(yè)。

2、無人機(jī)航跡規(guī)劃是指基于無人機(jī)任務(wù)要求及飛行區(qū)域特性為無人機(jī)優(yōu)化設(shè)計(jì)飛行軌跡，該技術(shù)是實(shí)現(xiàn)無人機(jī)在各領(lǐng)域高效應(yīng)用的重要問題?，F(xiàn)有技術(shù)中已有對(duì)無人機(jī)航跡規(guī)劃的方案，例如：

3、文獻(xiàn)基于voronoi圖采用dijkstra算法尋找無人機(jī)最優(yōu)航跡，該方法將各無人機(jī)威脅區(qū)域近似為一個(gè)點(diǎn)，選取各威脅點(diǎn)之間連線中垂線的交點(diǎn)作為航跡點(diǎn)，該方法在一定程度上能夠使得無人機(jī)航跡避開威脅點(diǎn)。

4、文獻(xiàn)基于蟻群算法航跡規(guī)劃策略，設(shè)計(jì)了由蟻群算法演化的群體空間和由群體空間最優(yōu)解構(gòu)成的信仰空間，兩個(gè)空間同時(shí)演化，彼此促進(jìn)，從而得到無人機(jī)航跡。

5、然而，實(shí)踐中發(fā)現(xiàn)，由于無人機(jī)實(shí)際應(yīng)用中的飛行空間范圍大，參數(shù)多且參數(shù)直接互相關(guān)聯(lián)，導(dǎo)致上述文獻(xiàn)所公開的算法容易陷入局部最優(yōu)解，甚至導(dǎo)致無法確定最優(yōu)航跡。。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供一種基于模糊控制的無人機(jī)航跡規(guī)劃及優(yōu)化方法，以解決現(xiàn)有技術(shù)中的上述問題。

2、本技術(shù)實(shí)施例的第一方面提供一種基于模糊控制的無人機(jī)航跡規(guī)劃及優(yōu)化方法，包括：

3、基于第一預(yù)設(shè)算法生成無人機(jī)的參考航跡；

4、驅(qū)動(dòng)無人機(jī)沿著參考航跡飛行，并在飛行時(shí)實(shí)時(shí)探測(cè)前方預(yù)設(shè)區(qū)域內(nèi)是否存在新的障礙物圖像；

5、當(dāng)探測(cè)到新的障礙物圖像時(shí)，提取新的障礙物特征點(diǎn)，并根據(jù)特征點(diǎn)和第二預(yù)設(shè)算法得到障礙物的深度值，根據(jù)障礙物的深度值識(shí)別障礙物，并將識(shí)別結(jié)果發(fā)送至后臺(tái)數(shù)據(jù)庫進(jìn)行存儲(chǔ)和/或顯示，以供相關(guān)人員進(jìn)行遠(yuǎn)程監(jiān)控或決策；

6、根據(jù)在飛行過程中至少兩個(gè)特征點(diǎn)在圖像中的運(yùn)動(dòng)和無人機(jī)的運(yùn)動(dòng)，通過預(yù)設(shè)公式，得到無人機(jī)距離障礙物的距離；

7、將無人機(jī)距離障礙物的距離，以及無人機(jī)當(dāng)前運(yùn)動(dòng)方向與無人機(jī)與障礙物連線形成的等效夾角作為輸入變量，并基于預(yù)設(shè)的模糊控制器規(guī)則，得到輸出變量航向角改變量和飛行速度改變量，并依航向角改變量和飛行速度改變量對(duì)參考航跡進(jìn)行優(yōu)化，進(jìn)而根據(jù)優(yōu)化航跡繼續(xù)飛行。

8、進(jìn)一步的，所述基于第一預(yù)設(shè)算法生成無人機(jī)的參考航跡，包括如下步驟：

9、步驟11，對(duì)航跡規(guī)劃空間在x軸上做n等分，以得到n個(gè)航跡節(jié)點(diǎn)坐標(biāo)參數(shù)，并對(duì)相關(guān)參數(shù)進(jìn)行設(shè)置；

10、步驟12，令迭代次數(shù)t=0，從約束條件出發(fā)，初始化粒子群位置矩陣；

11、步驟13，計(jì)算每一個(gè)粒子的適應(yīng)值，比較每一個(gè)粒子當(dāng)前適應(yīng)值和歷史最優(yōu)適應(yīng)值pi，如果當(dāng)前值小于pi，則將當(dāng)前粒子的位置和適應(yīng)值更新歷史最優(yōu)，確定所有粒子的適應(yīng)度最小的群體全局最優(yōu)pg，如果當(dāng)前全局最優(yōu)小于歷史全局最優(yōu)，則更新歷史全局最優(yōu)；

12、步驟14，判斷是否達(dá)到結(jié)束條件；如果達(dá)到約束條件，則轉(zhuǎn)到步驟112，否則，轉(zhuǎn)到步驟15；

13、步驟15，令粒子群數(shù)i=0；

14、步驟16，令粒子維度j=0；

15、步驟17，更新粒子的速度與位置，若當(dāng)前速度|vij|≥|vmax|，則取|vij|=|vmax|，方向不變；

16、步驟18，令粒子維度j=j+1，如果j＞n，轉(zhuǎn)到步驟，19；否則，轉(zhuǎn)到步驟17；

17、步驟19，令粒子數(shù)i=i+1，如果i＞n，轉(zhuǎn)到步驟110；否則，轉(zhuǎn)到步驟16；

18、步驟110，檢查更新后粒子的有效性，無效的重新進(jìn)行初始化；

19、步驟111，若上次迭代與本次迭代的全局最優(yōu)適應(yīng)度值之差小于預(yù)設(shè)的精度控制參數(shù)，則保留當(dāng)前全局最優(yōu)pg，同時(shí)重新初始化粒子群位置；

20、步驟112，迭代次數(shù)t=t+1，若t＞tmax，轉(zhuǎn)到步驟113；否則，轉(zhuǎn)到步驟13；

21、步驟113，迭代結(jié)束，選取一條最優(yōu)pg，作為參考航跡。

22、進(jìn)一步的，所述令迭代次數(shù)t=0，從約束條件出發(fā)，初始化粒子群位置矩陣，其中，粒子群位置矩陣通過下式表示：

23、

24、上式中，分別表示第i個(gè)粒子的航跡節(jié)點(diǎn)的坐標(biāo)。

25、進(jìn)一步的，所述令迭代次數(shù)t=0，從約束條件出發(fā)，初始化粒子群位置矩陣，其中，約束條件為飛行航跡節(jié)點(diǎn)均在障礙區(qū)域外、航跡段與障礙區(qū)域無交點(diǎn)并且相鄰航跡段滿足最大轉(zhuǎn)彎角。

26、進(jìn)一步的，所述判斷是否達(dá)到結(jié)束條件，其中，結(jié)束條件為達(dá)到最大迭代次數(shù)或最優(yōu)值收斂至指定精度。

27、進(jìn)一步的，所述驅(qū)動(dòng)無人機(jī)沿著參考航跡飛行，并在飛行時(shí)實(shí)時(shí)探測(cè)前方預(yù)設(shè)區(qū)域內(nèi)是否存在新的障礙物圖像，其中，通過在無人機(jī)前端設(shè)置一臺(tái)攝像機(jī)，通過攝像機(jī)獲取前方預(yù)設(shè)區(qū)域內(nèi)是否存在新的障礙物圖像。

28、進(jìn)一步的，所述當(dāng)探測(cè)到新的障礙物圖像時(shí)，提取新的障礙物特征點(diǎn)，并根據(jù)特征點(diǎn)和第二預(yù)設(shè)算法得到障礙物的深度值，根據(jù)障礙物的深度值識(shí)別障礙物，并將識(shí)別結(jié)果發(fā)送至后臺(tái)數(shù)據(jù)庫進(jìn)行存儲(chǔ)和/或顯示，以供相關(guān)人員進(jìn)行遠(yuǎn)程監(jiān)控或決策，其中，根據(jù)特征點(diǎn)和第二預(yù)設(shè)算法得到障礙物的深度值，具體包括如下步驟：

29、步驟31，根據(jù)特征點(diǎn)數(shù)量和障礙物數(shù)量，計(jì)算需要選擇的抽樣數(shù)量ｍ；

30、步驟32，隨機(jī)抽取兩個(gè)特征點(diǎn)樣本，并通過預(yù)設(shè)公式計(jì)算出深度值z(mì)i；

31、步驟33，用圖像中的其他特征點(diǎn)與兩樣本點(diǎn)計(jì)算深度值，若深度均值與zi的差小于閾值，則認(rèn)為該特征點(diǎn)為內(nèi)點(diǎn)，對(duì)內(nèi)點(diǎn)數(shù)量進(jìn)行累計(jì)，重復(fù)步驟31-步驟33，直到完成ｍ組抽樣的處理；

32、步驟34，根據(jù)內(nèi)點(diǎn)數(shù)量和深度誤差的方差選擇最優(yōu)內(nèi)點(diǎn)集合，并用這些內(nèi)點(diǎn)數(shù)據(jù)計(jì)算其最終的深度值；

33、步驟35，重復(fù)步驟31-步驟34，在外點(diǎn)中尋找新的內(nèi)點(diǎn)，直到特征點(diǎn)數(shù)量滿足預(yù)設(shè)閾值；

34、步驟36，由每個(gè)障礙物區(qū)域的所有內(nèi)點(diǎn)的深度平均值確定障礙物的深度值。

35、進(jìn)一步的，所述根據(jù)在飛行過程中至少兩個(gè)特征點(diǎn)在圖像中的運(yùn)動(dòng)和無人機(jī)的運(yùn)動(dòng)，通過預(yù)設(shè)公式，得到無人機(jī)距離障礙物的距離，其中，預(yù)設(shè)公式通過下式表示：

36、

37、上式中，為已知特征點(diǎn)在圖像中的運(yùn)動(dòng)；為無人機(jī)的運(yùn)動(dòng)；為無人機(jī)的運(yùn)動(dòng)和圖像中兩個(gè)特征點(diǎn)間的距離；d為無人機(jī)距離障礙物的距離。

38、進(jìn)一步的，所述將無人機(jī)距離障礙物的距離，以及無人機(jī)當(dāng)前運(yùn)動(dòng)方向與無人機(jī)與障礙物連線形成的等效夾角作為輸入變量，并基于預(yù)設(shè)的模糊控制器規(guī)則，得到輸出變量航向角改變量和飛行速度改變量，并依航向角改變量和飛行速度改變量對(duì)參考航跡進(jìn)行優(yōu)化，進(jìn)而根據(jù)優(yōu)化航跡繼續(xù)飛行，其中，無人機(jī)當(dāng)前運(yùn)動(dòng)方向與無人機(jī)與障礙物連線形成的等效夾角，通過下式計(jì)算：

39、

40、上式中，a為探測(cè)范圍內(nèi)的障礙物個(gè)數(shù)，為第i個(gè)障礙物的水平角，為攝像機(jī)的角分辨率。

41、進(jìn)一步的，所述預(yù)設(shè)的模糊控制器規(guī)則設(shè)置為模糊控制器規(guī)則表，進(jìn)而根據(jù)查表得到輸出變量航向角改變量和飛行速度改變量。

42、本技術(shù)實(shí)施例的第二方面提供了一種終端，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如第一方面所述方法的步驟。

43、本技術(shù)實(shí)施例的第三方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述方法的步驟。

44、本技術(shù)的第四方面提供了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)所述計(jì)算機(jī)程序產(chǎn)品在終端上運(yùn)行時(shí)，使得所述終端執(zhí)行上述第一方面所述方法的步驟。

45、由上可見，本技術(shù)實(shí)施例由于基于第一預(yù)設(shè)算法生成無人機(jī)的參考航跡，并依據(jù)參考航跡執(zhí)行飛行計(jì)劃，而在飛行過程中，難免遇到未經(jīng)過第一預(yù)設(shè)算法進(jìn)行識(shí)別處理的新的障礙物；而模糊控制對(duì)于不確定、未知領(lǐng)域非常適用，其不需要提前構(gòu)建模型，不依賴當(dāng)前的環(huán)境信息，計(jì)算量小，魯棒性好，且通過預(yù)設(shè)模糊控制器規(guī)則能夠快速得到航向角改變量和飛行速度改變量，進(jìn)而依航向角改變量和飛行速度改變量對(duì)參考航跡進(jìn)行優(yōu)化，既避免了現(xiàn)有技術(shù)中的航跡優(yōu)化算法容易陷入局部最優(yōu)解的缺陷，又能快速得到最優(yōu)航跡，確保無人機(jī)的安全航行。