用于确定无人驾驶航空装置的路径的方法和其它相关方法与流程

1.本发明总体上涉及无人驾驶航空装置或无人机，尤其涉及无人机在受限环境中的路径确定。
现有技术
2.监视无人机越来越多地用于监视，特别是用于监视建筑物、敏感场所等。
3.另外，在文献中已知用于使无人机描述强加路径的解决方案。
4.在载人飞行领域中，飞行计划是由用户根据环境和材料约束预先选择的一系列没有垂直尺寸的航点(例如，参见ep1614086a2)。
5.本文献描述了用于跟踪理论轨迹的技术，将航点的坐标列表和来自不同传感器(激光雷达、激光等)的数据作为输入，并对其进行处理以动态地修改所述轨迹。
6.当前的现有技术没有提出允许一方面在环境和材料约束下并且另一方面在由用户确定的更高级别约束下自动建立飞行程序的技术。
7.因此，在当前的现有技术中，是由uav的用户负责构建允许装置到达目的地的航点列表。用户必须通过避开障碍物、考虑uav定位的不确定性、检查uav覆盖路径所需的能量是否可用等来构建这条路径。
8.仍然在当前的现有技术中，在uav的自动任务执行期间，必须有安全飞行员在场，以便在出现问题的情况下能够接管任务。然后，他将负责做出关于允许uav到达安全地带的轨迹的正确决定。


技术实现要素：

9.本发明提出通过限制飞行期间对人为干预的需要来改进自动飞行程序的生成，在确定飞行路径方面具有很大的灵活性。
10.根据第一方面，提出了一种用于通过数字处理对三维环境进行建模的方法，以建立根据不同优先级优化的无人驾驶航空装置的路径，其特征在于，该方法包含以下数字处理步骤：
11.(a)提供其中禁止飞行的体积(pexi)的三维模型，
12.(b)将模型细分为单独元素(pvk)，
13.(c)确定每个单独元素的中心(pk)，
14.(d)建立和存储图，所述图的节点(pk，ik)由所述中心的至少一部分形成，并且所述图的分支由节点之间的距离和与给定优先级相关联的至少一种加权来加权。
15.该方法有利地但任选地包括以下附加特征，单独地或以本领域技术人员将认为是技术上兼容的任何组合考虑：
16.*优先级包括绝对距离优先级、行进时间优先级、能量消耗优先级和风险优先级中的至少两个优先级。
17.*至少一种加权取决于影响所有分支的约束。
18.*所述约束包含影响所有分支的约束矢量。
19.*约束矢量是风矢量，每个分支具有一对分别与行进方向相关联的权重，并且每个权重明显地受制于风矢量。
20.*所述加权使得根据行进方向将不同的权重分配给同一分支，以便生成优选的行进方向。
21.*所述加权基于根据飞行空间中的位置定义不同约束级别的映射。
22.*约束级别被包括在包括最大允许速度约束和风险约束的组中。
23.*约束能够取一值，使得对应的区域变为禁飞区。
24.*步骤(a)包括提供具有其中在物理上不可能飞行的体积(pexi)的三维模型，并以静态安全裕度数据重新处理该模型。
25.*步骤(a)包含将三维模型细分为水平切片(txy)，体积在水平面上的投影在每个切片的整个厚度上是相同的，以及在每个水平面中实现细分为单独元素。
26.*通过三角剖分进行细分。
27.*三角剖分是德洛涅三角剖分(delaunay triangulation)。
28.*步骤(d)涉及使用距离最小化方法在位于相邻水平面中的节点之间建立图分支。
29.根据第二方面，提出了一种用于由无人驾驶航空装置确定由通过如上定义的建模方法获得的图所建模的三维空间中的两点之间的路径的方法，其特征在于，该方法包含以下步骤：
[0030]-确定路线的优先级，
[0031]-考虑或建立对应于所确定的优先级的给定图，以及
[0032]-通过所述给定图中的最佳路径计算来定义装置上的路线。
[0033]
该方法有利地但任选地包括以下附加特征，单独地或以本领域技术人员将认为是技术上兼容的任何组合考虑：
[0034]
*对图的分支进行加权的步骤是通过远程接收具有未加权分支的起始图，并在装置上根据优先级对所述分支进行加权来实现的。
[0035]
*该方法包含在飞行期间，更新图的至少一部分的分支的权重的步骤，以及重新计算图中的最佳路径的步骤。
[0036]
*图的分支的权重的更新是根据优先级的变化来执行的。
[0037]
*图的至少一部分的分支权重的更新是基于接收到对应于当前优先级的加权的修改的加权数据来执行的。
[0038]
*更新图的分支的权重的步骤包括基于动态出现的禁止区生成禁止分支。
[0039]
*禁止区是通过装置与位置确定禁止区的其它设备的远程通信来确定的。
[0040]
*其它设备是另一无人驾驶航空装置。
[0041]
*禁止区是禁止的高度水平。
[0042]
*其它设备与现场临时干预相关联。
[0043]
*最佳路径的计算是根据装置的敏捷性约束来执行的。
[0044]
根据第三方面，提出了一种用于操纵无人驾驶航空装置的方法，其包含以下步骤：
[0045]-通过上述定义的确定方法确定路径，
[0046]-应用至少一个轨迹松弛因子，
[0047]-确定作为松弛因子的函数的允许的轨迹偏差，以及
[0048]-仅当实际测量的轨迹偏差超过允许的轨迹偏差时才应用轨迹校正指令。
[0049]
有利地但任选地，松弛因子是从表示以下信息片段之一的至少一个数据项确定的：安装在装置上的gps单元的当前精度、风、装置对操纵命令的响应、装置的尺寸、装置的类型。
[0050]
根据第四方面，提出了一种用于操纵无人驾驶航空装置的方法，其包含以下步骤：
[0051]-通过上述定义的确定方法确定路径，
[0052]-在飞行期间测量装置的动态特性，
[0053]-根据所述动态特性的演变动态地确定新路径。
[0054]
该方法有利地但任选地包括以下附加特征，单独地或以本领域技术人员将认为是技术上兼容的任何组合考虑：
[0055]
*所述动态特性包含来自机上可用能量和行为异常的至少一个特性。
[0056]
*图包括指定着陆站或区的节点，并且动态地确定新路径的步骤考虑着陆站或区节点的位置。
[0057]
*动态地确定新路径的步骤还考虑站或着陆区节点的状态(空闲、占用)。
[0058]
*该方法包括在行为异常的情况下修改优先级。
[0059]
进一步提出了一种无人驾驶航空装置，其特征在于，该无人驾驶航空装置包含数字处理和无线通信电路，所述数字处理和无线通信电路设计用于实现上述方法中的任一种的全部或部分，以及适于加载在无人驾驶航空装置上的计算机程序，其特征在于，该计算机程序包含适于实现上述方法中的任一种的全部或部分的指令。
附图说明
[0060]
通过以下以非限制性实例的方式给出并参考附图对本发明的优选实施例的详细描述，本发明的其它方面、目的和优点将变得更加清楚，在附图中：
[0061]-图1是uav必须在其上操作的简化场地的平面图，
[0062]-图2是图1中的简化场地的正视图，
[0063]-图3是图1和图2中的简化场地的透视图，
[0064]-图4是类似于图1的视图，其示出了禁飞区周围的安全区，
[0065]-图5是类似于图2的视图，其示出了禁飞区周围的安全区，
[0066]-图6是在第一高度处的平面图，绘示了在这个高度处的简化场地的可能空间分解，
[0067]-图7是在第二高度处的平面图，绘示了在这个高度处的简化场地的可能空间分解，
[0068]-图8是在第三高度处的平面图，绘示了在这个高度处的简化场地的可能空间分解，
[0069]-图9是在第四高度处的平面图，绘示了在这个高度处的简化场地的可能空间分解，
[0070]-图10绘示了经由图6的空间分解的点的理论路径，
[0071]-图11示出了从图10中的点建立的校正路径，以及
[0072]-图12绘示了适于实现本发明的无人机系统的总体架构。
具体实施方式
[0073]
引言
[0074]
在下文中，我们将使用术语“无人机”(或uav——无人驾驶航空器)来指代无人驾驶的、远程控制的和/或自操纵的航空装置，其优选地配备有旋转机翼，尽管也涵盖了具有升降翼的无人机。
[0075]
我们将在此描述在复杂和潜在危险的三维飞行空间中计算和跟踪动态和安全路径的不同方面。然后我们将描述能够实现这些功能的架构，特别是在飞行装置和地面之间与这些功能相关的任务分配方面。
[0076]
本发明适用的系统包括能够在给定空间中飞行的一个或多个无人机，以及一个或多个地面充电站。本发明特别侧重于在这个空间中的约束下搜索路径、遵守所计算的轨迹，以及重新评估轨迹和目的地。
[0077]
更具体地，本发明的目的在于允许无人机以最大的安全性在三维空间中移动，其部分拓扑结构是预先已知的。该知识使得有可能建立飞行空间的表示，以考虑该空间的动态变化和装置状态的变化，如电池电量或行为异常的出现，也考虑由用户或根据给定上下文(最短路径、最大能量效率等)自动给予飞行的优先级。
[0078]
根据一个特征，处理单元使用特别地包含起始点的坐标和要到达的点的坐标的任务数据来构建从包括飞行安全的多个标准的角度来看优化的航点列表。
[0079]
每当地形的拓扑结构改变、新信息变得可用或先前可用的信息不再可用时，就会随着时间的推移重新计算航点列表。
[0080]
该方法旨在实时地并以自动的方式考虑随着空间的某个区域中的网络质量的下降、某个区域中的单向行进的义务、可用充电站的坐标、轨迹附近是否存在其它无人机等而变化的影响。
[0081]
作为输入数据提供的三维飞行空间是可以包含禁止飞行的体积的有限体积。为了防止定位不确定性，考虑了静态安全裕度：飞行空间的体积通过减小其外部边界的空间延伸和通过增加其包含的禁止体积的边界的空间延伸而减小。
[0082]
授权飞行空间，定义为从总体积中排除代表未经授权的飞行区的体积，然后被细分为一组全部包含在授权飞行空间内的元素。对于这些元素中的每一个，选择特征点。通过连接最近邻之间的点来构建图。有利地，加权与每个分支相关联，并且取决于施加在系统上的约束，下面将对其进行描述。这种加权可以是定向的，即，两个不同的点可以与分支相关联，这取决于其必须经过的方向。当用户指示目的地时，遍历该图以根据约束找到最优路径。
[0083]
一旦已经计算了路径，即，一旦已经建立了飞行计划，uav就会沿着该路径飞行。为了确保遵守计算出的轨迹，根据环境条件、飞行参数(速度，加速度等)来计算含有轨迹的体积。该体积通过应用轨迹的非各向异性松弛因子得出，并且对应于uav遵循所述轨迹的强制性飞行体积。周期性地计算松弛因子，并且相应地修改强制飞行体积以考虑修改所述松弛因子的条件中的动态变化。周期性地重新计算与图的分支相关联的加权，并且重新计算根据一个或多个标准使路径的“成本”最小化的当前位置与目的地之间的路径。路径成本的概
念由用户选择的高级优先级确定：优先级为最短路径时间、最高平均路径速度、增加安全性。当新路径穿过与先前路径相关联的体积时，则重新计算松弛因子并且相应地重新计算强制飞行体积。监视uav的行为，并且当检测到异常时，可以改变目的地，然后uav前往事先定义的安全区，从而最大限度地提高飞行安全性。
[0084]
飞行空间的表示
[0085]
现在将参考图1至11详细描述一种用于路径查找和路径构建以及跟踪的方法。
[0086]
首先参考图1至3，飞行空间e的表示可以通过将其视为完全包含一组其它所谓的“排除”多面体的所谓的“包围”多面体peg(通常是靠在场地界限上的垂直方向的圆柱体，此处为栅栏cl)而以三维提供，为了简化起见，此处为矩形平行六面体pex1、pex2和pex3，其体积禁止飞行。这些多面体可以代表例如建筑物、工业设施、油罐或停车场或工作区。为了同时考虑位置测量仪器的不确定性和由三维模型本身引入的误差，通过确定排除多面体的尺寸的预定增加和排除多面体的尺寸的预定减小来计算包围多面体和排除多面体的静态安全裕度。可以使用例如定位系统的已知误差以不同的方式增加或减小距离。它可以在两个水平维度和垂直维度上有所不同。其通常约为5m。
[0087]
因此，在图4和5中的参考peg'和pex1'、pex2'和pex3'指定校正后的这些“扩展的”多面体。
[0088]
现在参考图5和6至9，飞行空间的三维模型在此处被视为不同高度处的水平层的叠加。在位于飞行空间中包含的每个多面体的最小和最大高度处的水平面之间创建固定高度的水平切片。此处，平面p0对应于三个排除多面体pex1、pex2、pex3的共同最小高度，而平面p1至p3对应于排除多面体的增加方向上的最大高度，即pex3、pex2和pex1。每个平面和每个多面体本身之间的交点形成多边形。此处，多面体在其整个高度上具有恒定的水平截面。在可变截面的多面体的情况下，多面体在其所考虑切片的最宽截面处的平面中的投影由计算确定。
[0089]
三维模型的设计还可以包括根据uav的最大飞行高度确定的平面p4(见图5)，在没有这种限制的情况下，该平面被推进到接近无限的高度。
[0090]
飞行空间由一组切片构成的2.5维空间建模，此处为t01、t12、t23和t34等恒定水平截面，分别由成对的平面p0-p1
……
p3-p4界定，这些平面的界限在外部是校正的包围多面体peg'的那些，在内部是校正的排除多面体pex1'至pex3'的那些，这些多面体与这些切片相交，这些切片中的每一个在其整个高度上限定授权的飞行区。
[0091]
图6至图9分别绘示了基于图1至图5中的模型的四个切片的横截面。
[0092]
从图9中可以看出，最大高度的切片t34不包含任何排除的多边形。
[0093]
该飞行空间由一架或多架uav进入，它们与位于飞行区的可进入区中的一个或多个充电站交互。在飞行空间的定义中也可以考虑紧急着陆区。它们对应于可以包含或可以不包含充电站的区域，并且是uav可以安全着陆的选定区。充电站必须位于紧急着陆区：如果uav在站内着陆期间出现问题，uav有一个快速且安全的后备解决方案。在当前的描述中，紧急着陆区可以位于障碍物上方，但不能位于同一高度。
[0094]
要经过的场地模型的创建还包括在适当的用户界面的帮助下对uav的充电站进行定位，以及在必要时对与充电站区分开的紧急着陆区进行定位。
[0095]
有利地，通过考虑禁止区的安全裕度来执行这种定位，以便避免uav在紧急着陆期
间必须进入这种禁止区。
[0096]
将飞行空间细分成单独元素和以图形式构建飞行空间的表示
[0097]
在该步骤中，通过处理系统将上述切片中的每一个的授权飞行区的水平面细分为一组单独的元素或铺路石pvk，从而构成该切片中的授权飞行区的铺路。铺路可以以不同的方式进行。有利地，德洛涅三角剖分或其变体之一(具体参见https://fr.wikipedia.org/wiki/triangulation_de_delaunay)用于该铺路，因此铺路石的形状都是三角形的。
[0098]
有利地，使用受约束的德洛涅三角剖分(参见例如克里斯托弗
·
勒梅尔(christophe lemaire)。德洛涅三角剖分和多维树(delaunay triangulation and multidimensional trees)。图像合成和虚拟现实[cs.gr]。法国国立圣艾蒂安高等矿业学院(ecole nationale sup
é
rieure des mines de saint-etienne)；圣艾蒂安大学(universit
é
jean-monnet-saint-etienne)，1997。法国。nnt:1997stet4021；tel-00850521，第1.5章)。
[0099]
德洛涅三角剖分的优点在于，它对执行三角剖分所需的计算资源方面的要求不高，因此可以在uav上将其细分为图块。
[0100]
另外，约束三角剖分使得有可能确保三角剖分的结果在某些地方符合特定形状，因为模型的各个元素可以相交(例如在授权飞行区的中间的禁止飞行区的情况)。
[0101]
一旦进行了三角剖分，处理单元确定每个铺路石的特征点pk的坐标。一种可能的选择是采用铺路石的质心。实际上，根据定义，由德洛涅三角剖分产生的三角形铺路石的质心必须位于该铺路石内部，并因此位于所考虑的水平切片txy的授权飞行区中。
[0102]
然后处理单元构建一个图，所述图的节点是这些特征点pk中的每一个。每个节点具有作为属性的节点标识符ik及其在标准正交三维空间中的三个坐标xk、yk、zk。图的分支包括连接位于相同切片中的最近节点的分支，另一方面包括连接两个相邻切片中的最近节点的分支。在同一切片中构成为最接近的节点有利地是与其一侧相邻的三角形的特征点(结构简单)。两个相邻切片的最近节点是计算出的相互距离最短的节点，其中给定切片中的节点可能具有将其连接到下一较高分支(当可用时)中的一个或多个节点的一个或多个分支，以及将其连接到下一较低分支(当可用时)中的一个或多个节点的一个或多个分支。作为一般规则，处理单元不在不直接相邻的切片的节点之间生成分支，但是对于特定站点配置可能存在例外。此外，在所有情况下，如果分支不与所考虑的切片的内边缘和外边缘相交，则只能在两个节点之间生成分支，并且处理单元通过对每个分支生成应用简单的几何规则来检查这种条件。
[0103]
图6至9绘示了迄今使用的简化模型的每个切片中的德洛涅三角剖分和相关联的特征点。
[0104]
一旦建立了图(或在其构建期间)，处理单元就向这些分支中的每一个分配一个与分支的长度成比例的基本权重，该分支的长度由其连接的两个节点的坐标确定。
[0105]
在优选的实施例中，这个基本权重可以受到路径方向校正系数的影响，以通过减小基本权重并在相反方向上增加它来支持一个方向上的路径而不是另一个方向上的路径，可能直到它足够大使得在处理单元搜索最佳路径期间无法提出该方向上的任何路径(见下文)。
[0106]
对于连接位于不同高度的节点的分支，可以通过由两个节点之间的高度差确定的
高度因子来校正基本权重。这个校正因子的值可以启发式地选择，并且在向上方向上为正值，在向下方向上为负值。这样，高度的变化有利于向下方向，而不利于向上方向。
[0107]
下面将描述分支权重的动态变化的其它因素。
[0108]
搜索和更新路径
[0109]
安装在无人机中的处理单元能够接收现场所需目的地的坐标作为输入数据，这个目的地或者由用户输入并通过可用的通信装置传送到无人机，或者根据其它处理操作自动确定。根据其当前位置和目的地数据，安装在uav中的处理单元依赖于如上所述定义的而当安装在现场时加载在每个uav的存储器中的图，以构建通向所述目的地的路径，并执行使得能够沿着该路径前进的控制命令。
[0110]
路径确定被分解为两部分：
[0111]-第一部分是在整个飞行空间中搜索总体路径；
[0112]-第二部分是构建轨迹，使其有可能沿着上一步骤找到的路径前进。
[0113]
当无人机接收到目的地时，处理单元扫描如上所述确定的路面，以在目的地高度正下方的高度切片中识别包围目的地的三角形铺路石。可以通过浏览列出由德洛涅三角剖分确定的铺路的所有几何特征的表格来执行该搜索。
[0114]
如果在表格中发现这种铺路石，则目的地确实包含在授权飞行区内。换句话说，在授权飞行区之外的目的地是无法通过构建到达的。
[0115]
一旦目的地被验证，处理单元就启动本身已知类型的图浏览过程，以通过最小化要浏览的分支的权重之和来找到图中的最短路径。例如，此过程可以基于已知的算法，如a*或dikjstra(参见例如https://dzone.com/articles/from-dijkstra-to-a-star-a-part-2-the-a-star-a-algo)。
[0116]
图10绘示了所获得的基本路径chb，其是其中间点或交叉点是图的特征点的虚线，其权重之和最小。
[0117]
该基本路径chb的主要目的是，在复杂的环境中，在这个权重最小化的前提下，确定禁止区之间的最佳路线。
[0118]
在这个基本路径的基础上，处理单元通过在基本路径上执行多个操作来建立有效路径che，其实例在图11中示出，具体地：
[0119]-使用对准测试消除某些交叉点(如果三个交叉点ppn-1、ppn和ppn 1近似在同一条线上，则消除中间交叉点ppn)；
[0120]-通过计算连接位于交叉点ppn任一侧的交叉点ppn-1和ppn 1的直线来消除某些交叉点，确定该线是否与一个或多个扩展禁止区相交，并且在该测试为阴性的情况下消除交叉点pn；
[0121]-通过权重和减少方法去除一些不必要的中间点来细化路径；这个过程涉及例如二分法：如果我们考虑由三个交叉点ppn-1、ppn和ppn 1构成的一段路径，则点ppn被段ppn-1-ppn的点ppn'代替，使得与分支ppn'-ppn 1相关联的权重低于与分支ppn-ppn 1相关联的权重，通过二分法对点ppn'进行搜索；由此生成分支总权重最小化的有效路径che。
[0122]
在这些步骤结束时，处理单元使用有效路径che的数据来构建uav必须遵守的飞行体积或航道。通过考虑路径che周围的松弛因子来构建该体积。
[0123]
这个松弛因子是由uav的最大翼展确定的，增加的因子可以是均匀的并取决于场
地的性质，或者是可变的，这取决于路径che的位置并且特别是其与禁飞区的距离(在扩展之后)，或者是均匀因子与可变因子的总和。
[0124]
在基本实施例中，在计算所需的飞行航道中考虑该松弛因子涉及计算围绕路径che首尾相连放置的一组截头圆锥体，每个截头圆锥体的底部的半径等于松弛因子。飞行体积围绕要遵循的路径che逐步构建。
[0125]
这个飞行航道可以在路径che已经建立之后针对整个路径来计算，也可以在uav的飞行期间动态地计算。每当uav在图的分支的权重变化之后确定新的路径che时，将重新计算飞行航道。
[0126]
uav周期性地将其实际当前位置与飞行航道的几何数据进行比较。当这种比较检测到与飞行航道的偏离时(特别是由于如强风、临时gps位置问题等的外部因素)，基于所测量的位置偏离将校正飞行指令应用于自动驾驶仪。
[0127]
应当注意，其它因素可以与授权飞行航道的静态或动态确定相关，特别是：
[0128]-uav敏捷性因素(机翼类型、最小速度(在固定机翼的情况下)和最大速度、最大加速度等)，
[0129]-已安装传感器的特性(激光雷达、激光等)，这些因素尤其影响uav动态检测和避免碰撞的能力。通常，飞行航道越窄，这些能力就越弱。
[0130]
此外，一旦建立了飞行航道的维度，可以预见在该航道内的uav采用根据这些或其它参数(无论是动态的还是静态的)而不同的轨迹。因此，轨迹的确定可以受到具有有利于最短可能轨迹的效果的各种参数的值的影响，或者受到能够最大地减少执行时间的影响，或者受到与障碍物保持最大可能距离的影响。
[0131]
根据另一个特征，可以预见的是，离开该飞行航道导致对该路径并且然后对相关联的飞行航道的新计算，而不是对该自动驾驶仪的旨在允许该uav恢复其航道的纠正措施。
[0132]
实际上，当uav接收到包含目的地数据的任务命令时，所安装的处理单元启动第一次全局路径搜索。然后，在飞行期间，uav与其它设备(地面设备、传感器、其它uav等)之间的通信信道允许处理单元更新图的分支的权重。
[0133]
同时，或者以给定的频率(例如，每秒一次)，或者每次修改权重时，uav的处理单元在其当前位置和在开始处指示的目的地之间执行新的路径搜索。
[0134]
在飞行期间，uav还可以接收或确定新的目的地，并且在这种情况下，如上所述计算并更新其当前位置与新目的地之间的新路径。
[0135]
一旦找到了路径，就计算并存储飞行航道，以便可以由本地轨迹规划器访问该航道。
[0136]
如果所安装的处理单元具有关于uav的一个或多个电池的自主性的信息，则将该信息与路径che的权重之和进行比较，以确定uav是否具有足够的自主性来以适当的误差容限到达目的地。
[0137]
如果可以飞行，则本地轨迹规划器以确定的频率(例如每秒50次)将飞行指令应用于自动驾驶仪以使uav在航道中移动。如上所述，该规划器还优选地以相同的频率测试可能的航道偏离，并将适当的纠正指令应用于自动驾驶仪。
[0138]
还应当注意，该轨迹规划器可以静态地或动态地考虑航道中的最大授权速度。
[0139]
图的分支权重的调整
[0140]
在以上描述中，与表示飞行空间的图的分支相关联的基本权重被计算为与分支连接的节点之间的距离成正比。
[0141]
可能在一个场地上飞行的每个uav在其存储器中包含具有基本权重的该图的数据，并且如已经看到的，所安装的处理单元将确定到达给定目的地所遵循的飞行航道。
[0142]
同时，uav与地面，或甚至与在同一场地上飞行的其它uav，或甚至与该场地的信息源(传感器等)或外部信息源(天气数据等)的通信装置允许uav收集可能影响权重值的数据。
[0143]
在数学层面上，这些数据可以是标量场类型或矢量场类型。
[0144]
标量场例如对应于如uav与地面之间的通信网络的质量等级、温度、湿度等的变量。
[0145]
这些数据是标量，因为它们不是定向的并且以相同的方式影响图的所有权重。
[0146]
例如，特别低的温度可能导致通过给定的乘数来增加基本权重，以说明由于电池效率的损失而降低了uav在低温下的自主性的事实。
[0147]
另一方面，风可以表示为矢量场，飞行空间的每个点或区域与矢量相关联，矢量的取向表示其方向，矢量的范数表示其强度。矢量场(或适用于无人机的当前位置的矢量)的接收使得可以通过标量积函数来重新计算图的分支的权重，该分支也被视为其取向对应于其方向并且其范数表示基本权重的矢量。
[0148]
在沿着给定分支的风矢量的值根据分支中的位置而变化的情况下，处理单元确定分支的不同点处的矢量积的平均值。
[0149]
注意，可以影响权重的矢量场的粒度可以有很大的变化。例如，在风的情况下，可以对整个场地使用单独风矢量，可从连接的风速计或外部天气源访问，或者根据场地区使用不同的风矢量，无论“局部”风是由传感器测量的还是通过模拟确定的。
[0150]
注意，由此计算得出的分支权重的分量是定向的：不垂直于分支的风力减小了一个方向上的基本权重(逆风路径)，并增加了另一个方向上的基本权重(顺风路径)。
[0151]
每当来自外部约束的新数据可用时，用于更新图的分支的权重的模块修改偏好权重。为了最大限度地减少出错的风险，在权重更新操作期间，任何新的路径计算请求都是在更新前的当前图的基础上提出的，为此目的保留了其副本。
[0152]
根据给定的飞行优先级修改路径——不同类型的权重
[0153]
当由用户或以自动方式设置任务时，任务数据可以有利地包括到达任务所设置的目的地的优先级类型。
[0154]
例如，可以提供四种类型的优先级，即：
[0155]-最小化要覆盖的绝对距离，
[0156]-最小化行进时间，
[0157]-最小化能量消耗，
[0158]-风险最小化，具有根据风险类型的可能子类别(关于人、关于货物，等等)。
[0159]
通常，如上所述，通过将基本权重(分支的长度)与由一个或多个标量场和/或由一个或多个矢量场做出的各种校正相结合来获得给定行进方向的分支权重的当前值。
[0160]
优先级管理意味着赋予每个分支不同的性质或权重值的能力。
[0161]
在优先级是绝对距离的最小化的情况下，在具有基本权重或例如用风矢量校正的
基本权重的加权图上执行路径搜索。
[0162]
为了考虑行进时间最小化类型的优先级，分配给每个分支的距离权重(基本权重，校正的或未校正的)可以通过与该分支中允许的最大速度相关的系数进行校正。
[0163]
有利地，通过在待建模的场地的数据中包括授权速度的映射(特别是根据附近或高架设备的类型、与人相关的风险等)来执行该校正。然后，一旦建立了图的结构，处理单元根据速度图中该分支的位置向每个分支分配最大授权速度信息。根据基本权重(分支的长度)和该最大速度信息，处理单元通过将可能由标量或矢量场校正的基本权重乘以允许速度越高则越小的系数来计算最小行进时间权重(针对最大允许速度获得的权重)，反之亦然。
[0164]
如果任务包括最小化行进时间的优先级，则对最佳路径的搜索不再基于表示距离的权重，而是基于这些行进时间权重。
[0165]
系统可以有利地使用的另一映射是定义具有不同风险等级的区域的映射。这种风险映射使得有可能例如考虑人员的存在或人员流动的区域，不同设施的危险性等。以与授权速度的映射相同的方式，处理单元根据分支所处的区域的风险等级来改变每个分支的权重，因此，最终会出现通过高风险区域的路径相对于通过低风险区域的路径不利的情况。
[0166]
在任务的优先级是能量消耗最小化的情况下，一种可能的方法是确定航点的密度。在这点上，航点的数量越多，uav的方向和速度改变将越频繁，这是影响能量消耗的一个重要因素。
[0167]
然后，路径的确定不是通过搜索距离或时间上最短的路径来实现，而是通过确定一组可能的路径，这些路径在时间或距离上的权重之和低于阈值，并选择具有最小交叉点数量的路径。
[0168]
最后，如果优先级是飞行安全，则可以为每个分支分配从其与构成禁止区的设备的接近程度导出的风险因子。接近程度越大，风险因子就越高。一旦获得了图结构，则通过计算每个生成的分支与最近的禁止区的距离，并且通过向该距离权重(在通过标量或矢量场进行可能的校正之后的基本权重)分配乘数系数来确定该“风险”权重，该乘数系数越大，该距离就越短(对于其与禁止区的距离大于给定阈值的所有分支，该系数通常等于1)。
[0169]
从飞行安全的角度来看，最佳路径是使风险权重的总和最小化的路径。
[0170]
为了进一步细化这种优先级管理，可以将基本权重(可能由标量和/或矢量场校正)与上述速度、能量消耗和风险因素以不同的方式组合，以便使每次改变的重要性适应任务优先级。
[0171]
例如，可以设置优先级的顺序(例如先安全后速度再能量)，并相应地调整相应的权重校正因子的影响。
[0172]
现在将描述用于计算图的分支的权重的实例。
[0173]
用于计算该权重的通式由下式给出：
[0174]
wab；j＝sumi(υi；jgi(a,b))
[0175]
其中
[0176]
●
a和b是图的节点，其可以通过直线连接而不与禁止区的内部相交(并且如果必要的话不与其边缘接触)，
[0177]
●
j是优先级因子，
[0178]
●
gi(a,b)是表示对权重计算的贡献的函数。
[0179]
●
υi；j是与贡献相关联的因子。
[0180]
在具体实例中，将考虑权重计算的三个贡献，即三个函数g1、g2和g3；
[0181]
●
g1(a,b)表示点a和b之间的距离，
[0182]
●
g2(a,b)表示点a和b之间的gps定位信号的平均质量，
[0183]
●
g3(a,b)表示风险区的考虑。
[0184]
这三个函数的数学表达式可以响应于本文不需要详述的不同方法。
[0185]
现在考虑两个优先级：
[0186]
●
j＝1：最短行进距离，
[0187]
●
j＝2：风险区的考虑。
[0188]
对于这两个优先级中的每一个，系统通过改变相应参数υi；j的值来选择三个函数g1、g2、g3对分支权重的贡献。
[0189]
因此，在上述仅对最短行进距离(j＝1)给予优先级的情况下，可以使用：
[0190]-υi＝1＝1
[0191]-υi＝2,3＝0
[0192]
在仅对风险区域(j＝2)的考虑给予优先级的情况下，可以使用：
[0193]-υi＝1,2＝0
[0194]-υi＝3＝1
[0195]
当然，可以使用具有不同于0和1的值的系数υi；j，以确保综合考虑不同的优先级。
[0196]
根据强加的交通方向修改飞行空间
[0197]
在任何时候，用户或外部因素可以强加一个区域，特别是在两个禁止区之间的通行区，其中特定的交通方向是强制性的。
[0198]
在这种情况下，与至少部分地延伸到该区中的图的分支相关联的权重被修改，以使得与分支相关联的权重在与该流动方向有关的方向上保持不变，并且使得在相反方向上的权重是无限的或准无限的(从图的数学观点来看，赋予它们非常高的值)。
[0199]
此处应当注意，作为一般规则，uav必须能够返回到其出发区。然而，取决于强加的飞行方向拓扑结构，单向标准可能不允许这样做。为了确保uav可以返回到其出发点，即使在单向交通的环境下，在禁止方向的路线上存在一个高但不是无限的权重，但仍然允许该uav在没有其它选择时在禁止方向上行进通过单向区。
[0200]
飞行计划响应于uav动态特性的修改
[0201]
从uav通电的那一刻起，启动用于估计可用飞行时间的模块，并且根据电池的充电状态、最近对飞行中的消耗的测量、环境温度等来确定该飞行时间。
[0202]
当uav在执行任务时，处理单元以给定的速率(例如每秒一次)计算其当前位置与最近的可用充电站(或其它着陆区)的位置之间的所谓的“紧急”路径。只要覆盖这条路径所需的时间小于由上述模块指示的剩余时间估计值，uav就继续执行其任务。
[0203]
当估计的可用飞行时间变得等于到达最近充电站的飞行时间(可能在安全裕度)时，uav处理单元通过用根据当前位置和最近着陆位置计算出的紧急路径替换当前在该任务上行进的路径来引起任务中止，以便返回到该路径并着陆。
[0204]
根据另一种方法，响应于在任务期间由uav观察到的技术异常而强加紧急路径。因此，自动驾驶仪通常能够提供关于无人机健康状况的各种数据，如位置确定电路(所谓的用于“扩展卡尔曼滤波器”的ekf电路)的精度、振动水平等。
[0205]
从uav通电的那一刻起，激活连接到ekf电路和振动传感器(通常是其惯性单元的一部分)的异常检测模块。对于所分析的所有类型的数据，该模块估计所接收的值是否在可接受值的范围内。一种可能的实现方式是在给定的时间窗口内为接收到的每种类型的数据计算一个简单的平均值，并将其与存储的可接受值的范围进行比较。如果平均值超出此范围，则自动计算、加载和遵循紧急路径。
[0206]
飞行空间的修改：禁止高度、存在其它uav
[0207]
已知若干uav可以在同一场地上飞行，根据该功能，在建立路径或动态修改路径时，应考虑场地上飞行的其它uav。
[0208]
除了可以装备如激光器或激光雷达的uav的防撞装置之外，有利地实现了该功能，其有效性意味着障碍物的直接可见性，并且其还可能需要大量的数字处理资源。
[0209]
更准确地，不是通过将无人机视为移动禁飞区来重新计算图的结构，而是一种解决方案可以包括在uav的水平处接收附近飞行中的另一uav的当前位置，识别图中位于距离低于该位置的阈值的分支，以及将如此识别的分支的权重分配给非常高的乘数因子，使得在更新权重之后重新计算的路径避开所讨论的分支。
[0210]
这一方面使得当uav的机群能够在同一场地上操作时能够显着地增加飞行安全性。
[0211]
架构
[0212]
图12绘示了允许实现上述不同方面的架构。
[0213]
第一处理单元100接收场地模型数据和相关联的地图。根据这些数据，它执行禁飞区的扩展，确定在不同高度处的授权飞行区，在每个高度处例如通过德洛涅三角剖分执行细分，从各个铺路石的坐标生成图的点，并且一方面在对应于高度的每个水平面中并且另一方面在相邻水平面之间互连这些点。
[0214]
对于这个图的每个分支，从其连接点的坐标计算其长度，从而确定其基本权重。
[0215]
这个图的数据通过适配的通信信道被传输到可能在存储所述数据的场地上流通的uav200a、200b、200c等中的每一个。
[0216]
每当场地环境发生变化(例如，禁飞区的出现或消失)时，确定更新的图并将其传输到每个uav。
[0217]
通常通过将任务数据从与处理单元100分离或作为其一部分的地面站300传输到给定的uav(此处为200a)来启动任务。
[0218]
安装在该uav中的处理单元210接收任务数据，通常包括：
[0219]-目的地的坐标，
[0220]-飞行的一个优先级，或几个有序的优先级，
[0221]-其它任务参数，特别是移动和悬停期间的拍摄指令等。
[0222]
安装在uav中的处理单元210还在任务开始之前或在飞行期间周期性地接收可能影响分支的基本权重的标量和/或矢量数据。
[0223]
基于优先级数据和标量和/或矢量数据以及影响交通方向的任何数据，处理单元
210计算不同分支的有效权重，并基于提供有其有效权重的图数据、uav的当前坐标(起点)和接收到的目的地数据来确定基本路径chb。
[0224]
然后，处理单元210确定有效路径che。
[0225]
然后测量uav基于其自主性执行任务的能力。
[0226]
如果存在足够的自主性，就可以开始任务，并且在飞行期间，安装的处理单元监控可能的航道偏离并并对自动驾驶仪采取必要的纠正措施，接收可能影响图的分支的权重的动态数据，根据需要重新计算路径，根据更新的自主性重新计算任务的可行性，并监控机上可能出现的异常情况，其可能导致当前任务路径被紧急路径替换。
[0227]
当然，本发明决不限于上述描述，并且可以有许多变化。
[0228]
特别是：
[0229]-当约束类似于先前遇到的约束时，可以收集和汇编飞行数据以供学习过程访问，以通过经验而不是通过计算来确定要遵循的路径；
[0230]-任务数据不仅可以包括目的地数据，还可以包括强制性航点数据，尤其是用于计划监控的数据；
[0231]-以上所述的各种过程，无论是在地面上还是在机上进行，都可以在不同的处理架构中进行；具体地，如果计算能力合适，则可以在每个uav上执行从场地模型创建和更新图。