CN104965518A - 基于三维数字地图的电力巡检飞行机器人航线规划方法 - Google Patents

Abstract

本发明公开了输电线路巡检飞行机器人航线规划方法研究技术领域中的一种基于三维数字地图的电力巡检飞行机器人航线规划方法。包括通过激光扫描技术采集电力线附近地形地物的三维数据信息，并构建相应的三维数字地图；根据三维数字地图生成障碍物地图，建立巡检飞行机器人的安全飞行路径；如果突遇不利于飞行机器人巡检的气象情况，则立即采取紧急迫降，使飞行机器人就近安全着陆，待突发状况结束后再等待回收；如果无特殊气象情况，则巡检机器人巡检设定时间后判断巡检任务是否完成；如果巡检任务完成，则按原安全飞行路线返航；如果巡检任务没有完成，则按照建立的安全飞行路径进行自主避险。

Description

基于三维数字地图的电力巡检飞行机器人航线规划方法

技术领域

本发明属于输电线路巡检飞行机器人航线规划方法研究技术领域，特别涉及一种基于三维数字地图的电力巡检飞行机器人航线规划方法。

背景技术

随着科技的进步，输电线路的巡视已经由最初的人为巡检慢慢被飞行机器人巡检所取代。这样，就大大的降低了工作人员的工作风险。但是与此同时，由于电力线附近地形、地物、气象等恶劣环境因素以及飞行机器人自身遇到突发状况的影响，导致巡检飞行机器人需要进行路径规划和紧急避险。

目前的架空输电线路巡检飞行机器人能够较好的对输电线路进行巡检，但是在巡视的过程中所建立的安全避障飞行路径很少考虑飞行机器人在空中作业时突遇恶劣环境(暴风雨等)以及动态障碍物(如突然出现一些鸟类等)，也没有一套完善的航线规划方法来解决这些突发状况。

发明内容

针对上述现有技术的不足之处，本发明提出一种基于三维数字地图的电力巡检飞行机器人航线规划方法，其特征在于，该方法包括：

步骤1：通过激光扫描技术采集电力线附近地形地物的三维数据信息，并构建相应的三维数字地图；

步骤2：根据三维数字地图生成障碍物地图，并利用基于八叉树的高频概率3D映射框架生成全局环境地图，再通过机载全方位传感器自动建立按任务要求的特定语义模型，从而利用局部多分辨率避障与分层构架相结合的路径规划方法，建立巡检飞行机器人的安全飞行路径；

步骤3：如果突遇不利于飞行机器人巡检的气象情况，则立即采取紧急迫降，使飞行机器人就近安全着陆，待突发状况结束后再等待回收；

步骤4：如果无特殊气象情况，则巡检机器人巡检设定时间后判断巡检任务是否完成；如果巡检任务完成，则按原安全飞行路线返航；如果巡检任务没有完成，则按照步骤2中的安全飞行路径进行自主避险。

所述步骤2中的局部多分辨率避障与分层构架相结合的路径规划方法包括如下子步骤：

子步骤101：设定最高层为任务开始阶段，周围无障碍，事先规定一系列航点，巡检飞行机器人在飞行过程中按照这些航点飞行；由于全局环境地图在这些航点不会改变，因此在开始任务时使用全局规划；

在基于八叉树的高频概率3D映射框架产生的全局环境地图中，八叉树的每个节点代表了一个称为体素的立方体体积；其中，叶子节点n在传感器测量距离为z_1:t时的概率表示为 $P\left(n\right|z_{1:t})={\[1+\frac{1-P\left(n\right|z_t)}{P\left(n\right|z_t)}\frac{1-P\left(n\right|z_{1:t-1})}{P\left(n\right|z_{1:t-1})}\frac{P\left(n\right)}{1-P\left(n\right)}\]}^{-1},$ 该公式由当前距离z_t、P(n)先验概率值和传感器测量距离为z_1:t-1时的概率P(n|z_1:t-1)决定；该方法不仅可以占用已知空间，而且还可以任意占用未知空间；

最后，全局规划作为输入层进入下一层，局部多分辨率路径规划层；

所述最高层为任务规划层和全局路径规划层，分别由特定语义模型和全局环境地图得出；

子步骤102：在局部多分辨率路径规划层，采用基于网格的路径规划，采用多个以巡检飞行机器人为中心的大小为M×M×M的三维网格，通过递归的方法，将这些网格彼此嵌入，得到大小为N×N×N的均匀网格，每个M×M×M的网格中均包含个单元；

所述局部多分辨率路径规划层由机载传感器、全局环境地图和局部障碍物地图得到；

步骤103：对于网格内的规划，需要嵌入一个无向图，网格内部连接周围所有的网格；在以巡检飞行机器人为中心的网格中，使用一种图搜索算法进行路径规划，最终得到网格中最短最有效的路径；

步骤104：在最低层，通过障碍物地图和运动模型建立一个基于自适应障碍排斥域的局部避障层作为安全层；所有的障碍物被视为有最高排斥度的地方，机器人总是从高排斥度的地方运动到低排斥度的地方。

所述全局环境地图是利用基于八叉树的高频概率3D映射框架生成的。

所述特定语义模型是通过机载全方位传感器按任务要求的自动建立的。

所述局部障碍物地图由三维数字地图生成。

所述安全飞行路径的设计要考虑带电作业的安全距离、直升机在飞行时避开电磁场的干扰、同时保证离固定障碍物最近的采样点足够远以允许飞行机器人一个最小的自适应转弯半径ρ_min，其中，其中，V是飞行机器人的恒定的行驶速度，Φ_max是飞行机器人最大的偏转角)回旋能够避开障碍物，没有任何碰撞。

附图说明

图1为本发明基于三维数字地图的巡检飞行机器人航线规划流程图。

图2为巡检飞行机器人局部多分辨率避障与分层构架结合路径规划流程图。

具体实施方式

下面结合附图和实施例对本发明提出的方法作进一步的说明。

如图1所示为本发明基于三维数字地图的巡检飞行机器人航线规划流程图；该方法具体步骤为：

1)通过激光扫描技术采集电力线附近地形地物的三维数据信息，并构建相应的三维数字地图；

2)根据三维数字地图生成障碍物地图，并利用基于八叉树的高频概率3D映射框架生成全局环境地图，此外通过机载全方位传感器自动建立按任务要求的特定语义模型，从而利用局部多分辨率避障与分层构架相结合的路径规划方法，建立巡检飞行机器人的安全飞行路径。

如图2所示为巡检飞行机器人局部多分辨率避障与分层构架结合路径规划流程图，该路径规划方法具体步骤为：

首先，设计最高层为任务规划层和全局路径规划层，分别由语义模型和全局环境地图得出。这两层为任务开始阶段，周围无障碍，因此可以人为事先规定一系列航点，飞行机器人在飞行过程中必须按照这些航点飞行。由于环境地图在这些航点不会改变，因此在开始任务时使用全局规划。在基于八叉树的高频概率3D映射框架产生的全局环境地图中，八叉树的每个节点代表了一个称为体素的立方体体积。其中，叶子节点n在传感器测量距离为z_1:t时的概率表示为 $P\left(n\right|z_{1:t})={\[1+\frac{1-P\left(n\right|z_t)}{P\left(n\right|z_t)}\frac{1-P\left(n\right|z_{1:t-1})}{P\left(n\right|z_{1:t-1})}\frac{P\left(n\right)}{1-P\left(n\right)}\]}^{-1},$ 该公式由当前距离z_t、P(n)先验概率值和传感器测量距离为z_1:t-1时的概率P(n|z_1:t-1)决定。该方法不仅可以占用已知空间，而且还可以任意占用未知空间。最后，全局规划作为输入层进入下一层，局部多分辨率路径规划层。

其次，设计局部多分辨率路径规划层，该层由机载传感器、全局环境地图和局部障碍物地图得到。在局部多分辨率路径规划层，采用基于网格的路径规划，并且当距离增大时，降低网格的分辨率，距离减小时，提高分辨率精度。对于该路径规划层，采用多个以飞行机器人为中心的大小为M×M×M的三维网格，通过递归的方法，将这些网格彼此嵌入，得到大小为N×N×N的均匀网格，每个M×M×M的网格中均包含(log₂(N/M)+1)M³个单元。对于网格内的规划，需要嵌入一个无向图，网格内部连接周围所有的网格。在以机器人为中心的网格中，使用一种图搜索算法进行路径规划。该搜索算法中，以连接八个最内侧单元网格的节点作为搜索的起始节点，遍历边界的成本是通过它所连接区域的障碍成本和中心区域间由欧几里德距离得出的边界长度两部分求得的，即f(n)＝g(n)+d(n)。该障碍物代价g(n)为边缘分数乘以各单元的长度，而到目标单元的欧几里得距离d(n)由启发式搜索得到，其中，最终得到网格中最短最有效的路径。

最后，通过障碍物地图和运动模型设计一个基于自适应障碍排斥域的局部避障层作为安全层，它是该结构的最底层。所有的障碍物均被视为有最高排斥度的地方，飞行机器人巡检过程中会自动排斥这些障碍物，目标点被视为最低排斥度的地方，因此飞行机器人的运动轨迹总是从高排斥度的地方运动到低排斥度的地方。设飞行机器人的位置信息为q_robot＝[x,y,z]^T，目标位置信息为q_goal＝[x_goal,y_goal,z_goal]^T，第i个障碍物的位置为q_obstacle(i)＝[x_obstacle,y_obstacle,z_obstacle]^T，则机器人到第i个障碍物的排斥度函数为机器人到目标点的排斥度函数可以表示为其中，k_rep(i)表示机器人到第i个障碍物的排斥度比例系数，q_robot-q_obstacle表示位置q_robot到第i个障碍物的距离。通过搜索合成排斥度的下降方向，实现飞行机器人的无碰撞路径规划。当飞行机器人突遇动态障碍物时(如飞行的鸟类)，该层可通过机器人平台上的传感器感知小障碍物的频率并避免这些障碍物的碰撞。若飞行机器人离障碍物太近，该安全层还可以减少飞行机器人的速度或是使其完全停止运动。降低巡检机器人的速度可以通过机载微控制器发出的局部避障控制指令作用在速度控制层加以控制，而机载悬停控制器则可以强制其停止在某一位置。

3)通过风速仪、湿度传感器以及气象卫星等设备测量风速、湿度、地面气象等信息。若突遇不利于飞行机器人巡检的气象变化(如暴风雨等)，立即采取紧急迫降，快速使飞行机器人就近安全着陆，待突发状况结束后再等待回收；

4)若无特殊气象变化，飞行机器人巡检一段时间后判断巡检任务是否完成，若完成则按原安全飞行路线返航，若没有完成，则一直按照步骤2)中的最佳安全飞行路径进行自主避险。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种基于三维数字地图的电力巡检飞行机器人航线规划方法，其特征是所述方法包括：

步骤1：通过激光扫描技术采集电力线附近地形地物的三维数据信息，并构建相应的三维数字地图；

步骤2：根据三维数字地图生成障碍物地图，并利用基于八叉树的高频概率3D映射框架生成全局环境地图，再通过机载全方位传感器自动建立按任务要求的特定语义模型，从而利用局部多分辨率避障与分层构架相结合的路径规划方法，建立巡检飞行机器人的安全飞行路径；

步骤3：如果突遇不利于飞行机器人巡检的气象情况，则立即采取紧急迫降，使飞行机器人就近安全着陆，待突发状况结束后再等待回收；

步骤4：如果无特殊气象情况，则巡检机器人巡检设定时间后判断巡检任务是否完成；如果巡检任务完成，则按原安全飞行路线返航；如果巡检任务没有完成，则按照步骤2中的安全飞行路径进行自主避险。

2.根据权利要求1所述的方法，其特征是所述步骤2中的局部多分辨率避障与分层构架相结合的路径规划方法包括如下子步骤：

子步骤101：设定最高层为任务开始阶段，周围无障碍，事先规定一系列航点，巡检飞行机器人在飞行过程中按照这些航点飞行；由于全局环境地图在这些航点不会改变，因此在开始任务时使用全局规划；

在基于八叉树的高频概率3D映射框架产生的全局环境地图中，八叉树的每个节点代表了一个称为体素的立方体体积；其中，叶子节点n在传感器测量距离为z_1:t时的概率表示为 $P\left(n\right|z_{1:t})=[1+\frac{1-P\left(n\right|z_t)}{P\left(n\right|z_t)}\frac{1-P\left(n\right|z_{1:t-1})}{P\left(n\right|z_{1:t-1})}\frac{P\left(n\right)}{1-P\left(n\right)}{]}^{-1},$ 该公式由当前距离z_t、P(n)先验概率值和传感器测量距离为z_1:t-1时的概率P(n|z_1:t-1)决定；该方法不仅可以占用已知空间，而且还可以任意占用未知空间；

最后，全局规划作为输入层进入下一层，局部多分辨率路径规划层；

所述最高层为任务规划层和全局路径规划层，分别由特定语义模型和全局环境地图得出；

子步骤102：在局部多分辨率路径规划层，采用基于网格的路径规划，采用多个以巡检飞行机器人为中心的大小为M×M×M的三维网格，通过递归的方法，将这些网格彼此嵌入，得到大小为N×N×N的均匀网格，每个M×M×M的网格中均包含个单元；

所述局部多分辨率路径规划层由机载传感器、全局环境地图和局部障碍物地图得到；

步骤103：对于网格内的规划，需要嵌入一个无向图，网格内部连接周围所有的网格；在以巡检飞行机器人为中心的网格中，使用一种图搜索算法进行路径规划，最终得到网格中最短最有效的路径；

步骤104：在最低层，通过障碍物地图和运动模型建立一个基于自适应障碍排斥域的局部避障层作为安全层；所有的障碍物被视为有最高排斥度的地方，机器人总是从高排斥度的地方运动到低排斥度的地方。

3.根据权利要求1所述的方法，其特征是所述全局环境地图是利用基于八叉树的高频概率3D映射框架生成的。

4.根据权利要求1所述的方法，其特征是所述特定语义模型是通过机载全方位传感器按任务要求的自动建立的。

5.根据权利要求1所述的方法，其特征是所述局部障碍物地图由三维数字地图生成。

6.根据权利要求1所述的方法，其特征是所述安全飞行路径的设计要考虑带电作业的安全距离、直升机在飞行时避开电磁场的干扰、同时保证离固定障碍物最近的采样点足够远以允许飞行机器人一个最小的自适应转弯半径ρ_min，其中，其中，V是飞行机器人的恒定的行驶速度，Φ_max是飞行机器人最大的偏转角)回旋能够避开障碍物，没有任何碰撞。