基于滾動速度障礙法的無人機山地航測避障路徑規劃研究

侯晨曦

(陸軍勤務學院，重慶 401331)

0 引言

無人機航測是當下航測領域的一種新式手段，在土地測繪、環境監測、城市規劃、農業、林業等領域發揮著重要的作用。相比傳統的航測手段，無人機航測具有靈活、高效、精確和成本較低的特點[1]。例如在建設四通八達的交通體系的過程中，很多公路修建在荒郊野外，穿山而建或者繞山而建，無人機航測可以通過航拍獲取高分辨率的地形地貌影像、數字地面模型(DTM)以及3D點云數據，這些數據可以提供詳盡的地理信息，包括地形起伏、地勢坡度、植被覆蓋等。利用這些數據，可以更準確地了解野外環境，評估潛在風險，優化公路修建方案，并為施工人員提供實時的導航和引導。無人機航測可以輕松到達人們難以接近或探測的位置。對于復雜、危險或難以進入的地形和環境條件，無人機可以快速飛行并獲取高質量的數據，且具有靈活性和機動性，能夠懸停在特定位置、低空飛行或穿越狹窄的區域，從而獲得更全面、精確的地理信息，提供更好的資源監控和管理基礎。相比于傳統的人工測量方法，無人機可以高效地進行大范圍的數據采集，極大地減少野外測量工作的安全風險，避免這些潛在的危險，提高工作安全性，并節約人力資源和時間成本。然而，山地地形的陡峭和植被茂密，加上可能遭遇到靜態障礙物如樹木、巖石等，以及動態障礙物如飛行類動物，都會對無人機的航行安全和數據采集產生影響，給無人機山地航測帶來了極大的阻礙，導致經常發生墜機的風險[2]。面對這種情況，進行無人機山地航測避障路徑的有效規劃是十分必要的。

在上述背景下，關于無人機航行路徑規劃的研究有很多，例如張濤等[3]在其研究中通過一個指數函數來對復雜地貌進行了描述，以路徑最短作為適應度函數，用于評估無人機的飛行軌跡，通過改進人工魚群算法進行優化求解，得出無人機的最短飛行路徑。該研究中改進了人工魚群算法，因此解決了容易陷入局部最優路徑的問題，但是該算法的收斂速度相對較慢，因此在路徑規劃時經常出現較大的延遲，不利于無人機執行快速反應。陳明強等[4]在其研究中分析了能夠影響無人機航跡規劃質量的因素，從中選取了4個主要影響因素構建一個總目標函數并通過權重進行了調整，利用 BAS 算法對PSO 進行了優化，利用改進PSO求解無人機三維航跡規劃路徑。該方法的優點是提高了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，導致計算量增加。蘇菲[5]在其研究中綜合了無人機的飛行路徑、平均平滑度和飛行高度3個目標，構建了綜合目標函數，然后利用Golden-SA改進后的蝙蝠算法求取了約束條件下的最優飛行路徑。這種方法的優點是在收斂時間以及種群收斂度方面有著良好的性能，但是良好性能的發揮是建立在精準建模的基礎上，因此在面對復雜山體時，航測避障路徑規劃穩定性不足。

總結前人研究中存在的問題，研究一種基于滾動速度障礙法的無人機山地航測避障路徑規劃方法。通過本研究以期為無人機山地航測提供有效的輔助。

1 無人機山地航測避障路徑規劃研究

通過有效的路徑規劃能夠幫助無人機在山地航測時及時規避障礙，提高飛行質量[6]。本研究中無人機山地航測避障路徑規劃主要分為三部分，即無人機山地航測初始路徑規劃、滾動速度障礙探測，基于滾動速度障礙避障的初始路徑優化。下面針對這3個部分進行具體分析。

1.1 無人機山地航測初始路徑規劃

無人機山地航測是按照設計的飛行路徑從起點飛行到目標節點，采集飛行過程中山地信息。在已知起點和終點的基礎上，會規劃出一個理想的初始航測路徑，該路徑可以實現飛行最短、成本最低、安全性最高等等理想目標，但是在實際航測中，理想的初始航測路徑是很難實現的，因為在山地地區，無人機飛行過程中很容易遭遇動態障礙物，如飛行鳥類[7]。若不能及時避障，仍按照理想的初始航測路徑飛行，無人機極容易撞上鳥類，導致墜機。為避免這一問題，需要在規劃的初始路徑上引入避障機制，使得規劃的無人機山地航測路徑更加靈活。當然，在無人機飛行過程中若沒有遭遇動態障礙物，就可以一直按照理想的初始航測路徑飛行，這是最期望達到的。基于上述描述可知整個研究都是在明確航測初始路徑的基礎上進行的[8]。為此，本環節就無人機山地航測初始路徑規劃進行分析。分析過程主要分為3個步驟，前一步驟建立山地環境模型，第二步驟構建路徑規劃的目標函數，最后步驟求解初始路徑規劃方案。

1)山地環境模型：

山地環境模型，即山地地貌描述函數。無人機在山地間探測，因此了解山地地形是必要的[9]。基于探測地區的基礎信息以及衛星遙感信息，構建山地地貌模型即：

(1)

2)構建路徑規劃的目標函數：

目標函數可以是一個，也可以是多個，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雙重目標綜合函數，分別包括飛行路徑長度、路徑平滑度[10]。將構建的山地環境模型輸入其中，獲取目標函數為：

P=A(x，y)(w1B1+w2B2)

(2)

其中：P代表綜合目標函數；B1代表飛行距離函數；B2代表路徑平滑度函數；w1、w2代表3個函數對應的權重，且w1+w2=1。

1)飛行路徑長度函數B1：

在理想環境中，無人機的飛行長度當然是越短越好，為此，計算已知出發點和終點的基礎建立的飛行距離函數，即：

(3)

其中：m代表無人機飛行路徑上航跡點總數，b(j，j+1)代表無人機飛行路徑上第j個航跡點與下一個航跡點之間的距離，表示為：

(4)

式中，(Xj，Yj，Zj)、(Xj+1，Yj+1，Zj+1)分別代表第j個航跡點和下一個航跡點的三維坐標。無人機的飛行路徑長度越短越好[11]，因此該函數取其最小值，即minB1。

2)路徑平滑度函數：

路徑越平滑代表無人機飛行過程中的偏轉和俯仰的次數更少，這樣就能極大降低無人機的機動次數，不僅有利于節約能耗，也有利于飛行安全[12]。由此建立路徑平滑函數，即

(5)

式中，c(l(j，j+1)，l(j+1，j+2))代表無人機飛行路徑上第j個航跡點與第j+1個航跡點之間、第j+1個航跡點與第j+2個航跡點路徑線段之間的偏轉角；d(j，j+1)、d(j+1，j+2)代表第j個航跡點與第j+1個航跡點之間、第j+1個航跡點與第j+2個航跡點之間的俯仰角。無人機的飛行路徑越平滑越好，因此該函數取其最大值，即maxB2。

3)求解初始路徑規劃方案：

在構建完目標函數之后，需要對目標函數進行求解，求出的最優解就是初始路徑規劃方案。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程而開發的尋優搜索算法，具有全局搜索能力強，收斂精度較高等優勢，但是該算法前期收斂速度略有欠缺。針對這一點，在本研究中將算法中的飛行步長比例因子設置為一個變量，通過調整該參數來調節算法前后期對搜索能力不同的要求。該參數設置如下：

(6)

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

改進后的布谷鳥搜索算法求取初始路徑規劃方案過程如下：

1)設置該算法的初始參數。

2)在搜索空間中隨機產生多個鳥窩位置，得到初始種群。一條完整的無人機航測路徑是由多個航跡點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鳥窩位置，因此由這些路徑線段構成的集合就是鳥窩位置初始種群。

3)對初始種群中每一個鳥窩位置，也就是路徑線段進行編碼。

4)構建適應度函數。適應度函數是評價種群中每一個個體優劣程度的指標，是找到無人機初始全局最優路徑的重要保證，基于上述構建的雙重目標函數，獲取無人機初始路徑，即

(7)

5)按照上述公式(7)計算每一個鳥窩位置的適應度函數值，選出其中最大值并將其對應的鳥窩位置保留到下一代。

6)更新除最大值對應的鳥窩位置外所有剩余鳥窩的位置。

7)按照上述公式(7)再次計算更新后的鳥窩位置的適應度函數值并選出最大值對應的鳥窩位置。

8)將這一代最優鳥窩位置與上一代最優鳥窩位置進行對比。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)重復上述過程，直至達到最大迭代次數，結束算法，得到最優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)。基于上述過程，得到理想的初始航測路徑。通過初始路徑規劃可以預先計算和規劃避開山地區域中存在的靜態障礙物位置，減少無人機飛行過程中的碰撞風險。

1.2 速度障礙探測

將上述研究獲取的理想無人機飛行初始航測路徑賦予給無人機，無人機會按照初始路徑進行飛行航測。在實際中，飛行過程中極有可能遭遇動態障礙物，若是按照既定的飛行路徑飛行，會撞上動態障礙物，因此需要避障[13]。而要實現有效的避障，探測障礙是重要的前提和基礎。滾動速度障礙法是一種基于滾動窗口的思想，將無人機當前所處位置的一定范圍內的障礙物信息與預定義的安全距離進行比較，獲取最優路徑的方法。滾動速度障礙探測過程主要分為兩步，第一步識別初始航測路徑上是否出現障礙物，第二步是設置一個滾動窗口，該窗口包含無人機當前位置及其周圍的一定范圍內的障礙物信息，判斷當存在故障時，該故障是否與無人機發生沖突，也就是該故障是否影響無人機的飛行[14]。下面進行具體分析。

1.2.1 圖像預處理及障礙識別

當無人機起飛后，其上搭載的CCD傳感器同時啟動，在采集山地地貌圖像的同時，也獲得了飛行時的環境圖像[15]。基于采集到的環境圖像，進行路徑上速度障礙物的識別。但采集到的圖像中可能包含噪聲、背景干擾等因素，和數目、建筑等障礙物，影響無人機的路徑規劃能力，為此，首先對采集的環境圖像進行預處理。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，為減少后期運算量，需要對無人機初始路徑規劃的圖像進行灰度化處理，處理公式如下：

(8)

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

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。該方法是通過滑動濾波模板，讓板中各像素點像素值的均值去替換掉板中中間位置的像素值。均值濾波法表達式如下：

(9)

式中，E(k，m)代表均值濾波后像素點(k，m)處的像素值；M代表濾波模板U中像素點個數。

3)直方圖均衡化：

當航測遭遇較為惡劣的天氣時，采集到的圖像會存在一定對比度失衡的情況，也就是過亮或者過暗的情況[17]。針對這一點，可以通過直方圖均衡化操作來對亮度進行調節，從而提高對比度。直方圖均衡化的變換函數的公式如下：

(10)

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

針對預處理好的圖像，利用卷積神經網絡構建障礙物識別模型。識別模型的識別過程總共分為5步：第一步輸入預處理好的CCD圖像；第二步圖像進行第二層卷積層，顧名思義，就是對CCD圖像進行卷積操作，卷積的目的提取圖像的特征。圖像特征是進行后續識別的依據，卷積層一般會設置多個卷積核，通過這些卷積核提取到多個局部特征。第三步進入下采樣層，卷積層提取到了多個局部特征，但是有的局部特征屬于冗余特征，其存在會增大Softmax 函數的識別工作量，因此下采樣層的作用是實現特征的降維。第四步進入全連接層，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。第五步進入輸出層，利用Softmax 函數將障礙物類別輸出轉換為概率輸出，然后依據隸屬度最大原則將概率最大值對應的那一類作為識別結果。

1.2.2 速度障礙碰撞分析

通過滾動窗口的方式明確在無人機飛行的初始路徑上是否存在障礙。假設存在障礙后，由于無人機與障礙物二者都處于動態移動中，且識別到障礙時，二者之間還存在一定的距離[18]，當二者沿著既定的軌跡持續飛行的話，在t時間后是否會發生碰撞還需要進一步確定，有可能在t時刻二者相遇，發生碰撞，也可能二者錯開，并不會發生沖突[19]。速度障礙法就是基于上述問題，提出了一種解決方法。該方法中定義了一個相對速度障礙區域，當相對速度的指向與該區域有重合時，視為無人機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，實質也就是飛行沖突分析[20]。該探測器計算出無人機與障礙物之間的距離是關鍵，為獲得這一參數，無人機上一般還會搭載超聲波測距儀。當識別出障礙后，會立刻觸發超聲波測距儀，超聲波測距儀會向著障礙物發送超聲波，當超聲波接觸到障礙物之后，會被反射回來，最后借助超聲波往返之間時間通過下述計算就可以確定無人機與識別出來的障礙物之間的距離。

(11)

式中，g代表無人機與識別出來的障礙物之間的距離；h代表超聲波在空氣中的聲速；Δt代表超聲波往返時間；χ代表環境溫度。基于g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，無人機所在位置為I點，障礙物中心點的為o，r′為無人機與障礙物之間不發生碰撞的安全半徑，圍繞o，以該半徑畫圓，得到速度障礙區。在圖中還有1條直線SIO，該條直線代表了無人機相對障礙物移動速度所在直線。此外，還有兩個角，?代表連線IO與相對移動速度V之間的夾角；θ代表無人機與障礙物之間連線IO與速度障礙區邊界的夾角，由下述公式求出。

(12)

在上述圖2模型中以O為原點，IO方向作為橫坐標軸，垂直IO引出一條射線，建立一個二維直角坐標系，分別計算無人機和障礙的移動速度，計算公式如下：

(13)

圖2 山地環境模型圖

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

(14)

接下來，根據得到的飛行碰撞閾值，構建碰撞發生判斷規則：當無人機所在直線SIO落在速度障礙區，且θ>φ時，認為二者發生了飛行沖突，也就是在t時刻后二者會發生碰撞[22]；否則，不會發生飛行沖突，以此完成速度障礙碰撞分析，判定無人機是否有可能與障礙物發生碰撞，方便選擇最優路徑。

1.3 基于滾動速度障礙避障的路徑優化

當無人機與動態障礙物之間存在飛行沖突后，無人機若是按照章節1.1規劃的初始路徑繼續飛行的話，必然會發生碰撞。針對這種情況，通過滾動速度障礙避障來對初始路徑進行優化。研究主要分為兩個步驟，前一步計算無人機滾動避障角度并判斷是否采用該方式進行避障，后一步計算無人機避障速度，然后回到初始航行路徑上，實現基于滾動速度障礙避障的初始路徑優化。

1)滾動角度避障方法：

Δδ=δ-τ′

(15)

式中，Δδ代表用于無人機航向調整的滾動角度；τ′代表無人機移動速度V1與橫軸的夾角。

判斷求出的Δδ是否在航向改變范圍之內，也就是Δδ是否小于等于最大滾動角度閾值？若是，控制無人機讓其按照上述調整滾動角度調整航向，當無人機沿著障礙區邊界繞過障礙后，再回到初始路徑上，繼續沿著路徑飛行，直至再次遇到動態障礙，再次啟動上述程序躲避障礙，重復上述過程，最終到達目的地。否則，啟用下一個避障策略。

2)速度避障方法：

當滾動角度避障策略無法實施后，則需要通過調整無人機飛行速度來進行避障，即速度避障。通過提高或者降低無人機速度，使其錯過與障礙物的相遇時間，讓其自身不進入障礙區，從而實現避障[24]。這種避障的好處是不需要改變無人機的原始航測路徑，能夠一直按照理想路徑飛行。最后按照下述公式計算速度調整量，即

(16)

L′=φ(ΔV+Δδ)

(17)

當通過調整無人機飛行速度規避掉障礙之后，無人機恢復原始飛行速度，繼續沿著原始路徑飛行，直至再次遇到動態障礙，再次啟動上述程序躲避障礙，不斷更新滾動窗口和障礙物信息，獲取最優路徑。

2 測試與分析

為驗證滾動速度障礙法求得的路徑是否為最優，與改進人工魚群算法(文獻[3]方法)、改進PSO算法(文獻[4]方法)、改進蝙蝠算法(文獻[5]方法)求得的路徑方案進行對比，3種方法的主要參數如表1所示。

表1 對比方法的主要參數表

主要實驗過程如下：

1)根據山地環境模型A(x，y)，建立路徑規劃綜合目標函數P；

2)計算飛行路徑長度函數B1和路徑平滑度函數B2，獲取初始路徑規劃方案Ll；

3)對圖像經過灰度化、去噪、直方圖均衡化處理后F(k，m)，識別障礙物信息，分析速度障礙碰撞情況；

4)通過滾動速度障礙法調整無人機飛行航向角度，獲取最優路徑L′。

實驗主要硬件設備為：CPU-AMD Ryzen 9 5950X；GPU-AMD Radeon RX 6900 XT；網絡連接-支持高速以太網和無線網絡連接的網卡；內存-32 GB。

下面針對整個實驗測試過程進行具體分析。

2.1 山體環境

以某山地地區作為研究區，公式(1)構建的山地環境函數將探測地區的若干山體映射到長、寬高、為 100 m × 100 m ×100 m 的三維空間中，生成山地環境模型，如圖2所示。

研究區山地基本參數如表2所示。

表2 研究區山地基本參數表

2.2 無人機航測參數設置

以一架四翼無人機為載體，搭載CCD傳感器、超聲波超聲波測距儀以及其它航測設備，對其飛行路徑進行規劃，如圖3所示。

圖3 無人機示意圖

該無人機飛行數據如表3所示。

表3 無人機飛行數據

2.3 初始航測路徑規劃方案

利用改進布谷鳥搜索算法求解圖2山地環境中，無人機從出發點到達終點的初始航測路徑規劃方案，如圖4所示。

圖4 無人機初始航測路徑規劃

2.4 動態障礙設置

人為設置無人機飛行的初始航測路徑遭遇了5個鳥類動態障礙，這些障礙位置如圖5所示。

圖5 動態障礙位置分布圖

2.5 航測路徑優化結果

設置無人機初始速度為8 m/s，讓其按照圖4初始航測路徑飛行，當遭遇圖5設置的動態障礙時，基于章節1.3研究，進行避障，優化航測路徑，結果如圖6所示。

圖6 優化后的航測路徑

從圖6中可以看出，無人機在飛行途中遭遇5個動態障礙時，前4個障礙選擇了通過調整滾動角度來避障，最后1個障礙則通過調整飛行速度來避障，具體避障方案如表4所示。

表4 避障參數

2.6 對比分析

為進一步測試滾動速度障礙法在無人機山地航測避障路徑規劃中的應用效果，以改進人工魚群算法、改進PSO算法、改進蝙蝠算法為對比項。在相同測試環境和參數下，利用對比方法規劃無人機山地航測避障路徑。最后統計路徑的長度以及平滑度，以此驗證路徑規劃方法的合理性，結果如表5所示。

表5 路徑長度以及平滑度對比表

從表5中可以看出，滾動速度障礙法求出的航測避障路徑長度最小，為571.45m，短于改進人工魚群算法、改進PSO算法、改進蝙蝠算法，且滾動速度障礙法的平滑度大于其他3種對比方法，為165.52。綜合來看，滾動速度障礙法應用下求得的無人機山地航測避障路徑綜合性能更強，規劃方案更為合理。

3 結束語

航測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。山地地勢陡峭，環境較為惡劣，工作人員很難親身到達，即使到達山中，風險性也較高，因此通過無人機搭載航測設備來替代人工進行測量，不僅效率高，風險性也較低。然而，無人機在山中飛行時，經常遇到鳥類等動態障礙，這給無人機航測帶來了巨大的困難。面對這種情況，如何在飛行過程中讓無人機及時規避掉障礙，同時保證飛行的綜合效益成為當下研究的重點。為此，進行基于滾動速度障礙法的無人機山地航測避障路徑規劃研究。該研究主要取得如下研究成果：一是通過改進改進布谷鳥搜索算法得到了滿足無人機飛行路徑最短和路徑平滑度最高兩個目標的初始航測路徑；二是對初始航測路徑上出現的動態障礙，建立速度障礙模型進行了飛行沖突分析；三是通過計算滾動角度和飛行速度調整量來幫助無人機規避障礙，實現初始航測路徑的優化。通過仿真實驗驗證了所提方法的有效性與優越性。然而針對這個方法依然有許多不足之處等待進一步的研究：本研究中規劃的初始航測路徑沒有將無人機飛行能耗考慮進去、無人機的電量是有限的，否則一旦能量耗盡，就需要返回出發點進行充電，會降低航測效率。基于此，在規劃初始航測路徑時，有必要將無人機能耗考慮進去。在下一步研究中，將針對這一點，進行進一步研究，以完善和優化無人機航測路徑。