一种无人装备区域协同覆盖巡逻路径规划方法和装置

技术领域

本发明属于路径规划技术领域，尤其涉及一种无人装备区域协同覆盖巡逻路径规划方法和装置，进一步对多个无人装备求解各自由起点出发至终点结束，并协同完成指定区域巡逻任务的最小代价路径。

背景技术

在无人战场中，无人装备、无人车等无人装备由于代价低、机动性强，适合执行战场侦察任务。在作战前期进行战场作战区域整体侦查时，由多个无人装备协同进行区域侦查能够缩短侦查阶段消耗的时间，增加己方赢得先机的概率。目前，在多个无人装备协同进行区域侦查时，存在无法对多个无人装备区域协同覆盖巡逻路径进行精准规划问题。

发明内容

本发明要解决的技术问题是，提供一种无人装备区域协同覆盖巡逻路径规划方法和装置。

为实现上述目的，本发明采用如下的技术方案：

一种无人装备区域协同覆盖巡逻路径规划方法，包括以下步骤：

步骤S1、划分预定巡逻区域，得到多个子区域；

步骤S2、获取所述子区域内单个无人装备的当前状态信息；

步骤S3、根据所述单个无人装备的当前状态信息基于搜索策略进行路径规划，使所述单个无人装备抵达目标地点。

作为优选，步骤S1中，对所述预定巡逻区域进行柔性划分得到多个子区域。

作为优选，所述单个无人装备的当前状态信息包含：单个无人装备到达当前状态已花费的代价。

作为优选，步骤S3中，基于单个无人装备到达当前状态已花费的代价通过最佳优先搜索算法对所述单个无人装备进行路径规划，使所述单个无人装备抵达目标地点。

本发明提供一种无人装备区域协同覆盖巡逻路径规划装置，包括：

划分模块，用于划分预定巡逻区域，得到多个子区域；

获取模块，用于获取所述子区域内单个无人装备的当前状态信息；

规划模块，用于根据所述单个无人装备的当前状态信息基于搜索策略进行路径规划，使所述单个无人装备抵达目标地点。

作为优选，所述划分模块对所述预定巡逻区域进行柔性划分得到多个子区域。

作为优选，所述单个无人装备的当前状态信息包含：单个无人装备到达当前状态已花费的代价。

作为优选，所述规划模块基于单个无人装备到达当前状态已花费的代价通过最佳优先搜索算法对所述单个无人装备进行路径规划，使所述单个无人装备抵达目标地点。

采用本发明的技术方案解决无人装备区域协同覆盖巡逻路径规划问题，为对多个无人装备，在给定各无人装备的起点、终点，无人装备群体所需要共同完成的巡逻区域的情况下，求解各无人装备由其对应起点出发，途经巡逻区域中部分点，最终抵达其对应终点的路径，该路径需要满足路径可行性约束，各无人装备所途经的巡逻区域子集的并集应等于整体巡逻区域，且各无人装备的代价之和应尽可能小。

附图说明

图1为本发明实施例无人装备区域协同覆盖巡逻路径规划方法流程图；

图2为本发明单无人装备区域覆盖路径规划的实例示意图；

图3为本发明多无人装备区域协同覆盖路径规划的实例示意图；

图4为本发明实施例多无人装备区域协同覆盖路径规划的另一种实例示意图；

图5为本发明实施例无人装备区域协同覆盖巡逻路径规划装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1：

如图1所示，本发明实施例提供一种无人装备区域协同覆盖巡逻路径规划方法，包括以下步骤：

步骤S1、划分预定巡逻区域，得到多个子区域；

步骤S2、获取所述子区域内单个无人装备的当前状态信息，其中，所述单个无人装备的当前状态信息包含：单个无人装备到达当前状态已花费的代价，单个无人装备处于初始状态时花费的代价为0；

步骤S3、根据所述单个无人装备的当前状态信息基于搜索策略进行路径规划，使所述单个无人装备抵达目标地点。

作为本发明实施例的一种实施方式，步骤S1中，对所述预定巡逻区域基于自定义内积下柔性划分，得到多个子区域。具体为：将地图栅格化为格点地图，以格点地图的形式进行后续计算。栅格化方法即将地图区域在横向、纵向分别划分为m个和n个等分的区域，从而相交叉得到m×n个格点，以相邻(上、下、左、右、左上、左下、右上、右下共8个方向)格点的中心点间通行里程代价作为相邻格点间的通行里程代价，非相邻格点间不可直接计算通行里程代价，需要经由一条由相邻格点构成的路径计算通行里程代价(通过累加相邻格点间通行里程代价，得到非相邻格点间通行里程代价。由于非相邻格点间由相邻格点构成的路径多于1条，以累加得到的通行里程代价为最小值的路径计算其通行里程代价)。

在多个无人装备区域协同覆盖巡逻路径规划问题中，首先考虑将巡逻区域划分给各无人装备，即区域划分问题：在巡逻区域中，为各无人装备划分其需要进行巡逻的子区域，使得所有无人装备划分到的子区域之并集包含巡逻区域(以保证多个无人装备在协同下完成对整个区域的巡逻)，同时希望各无人装备巡逻划分到的子区域所需付出的代价(如无人装备完成对该子区域巡逻所需的里程代价)尽可能小。

例如，巡逻区域为某市郊区一片平原地带中一块10km×10km的区域，计划由4个无人装备进行协同覆盖巡逻，则可以为4个无人装备各分配该区域中上、下、左、右5km×5km的子区域，也可以为4个无人装备依次分配该区域中由左至右2.5km×10km的子区域，这两种划分方式均可以使得所有无人装备划分到的子区域之并集包含巡逻区域，但两种划分方式下各无人装备巡逻划分到的子区域所需付出的代价有差异，本方法希望给出使得所有无人装备划分到的子区域之并集包含巡逻区域，且各无人装备巡逻划分到的子区域所需付出的代价较小的划分方式。

假定当前已经给出一种对区域的划分方案，对于划分出的一个子区域，用以下方式估计单个无人装备完成对该子区域巡逻代价:

1)、对子区域中任意两格点，计算最短距离(若子区域中格点数为k，则共

2)、对1)中距离累加求和，记作该子区域的面积；

3)、采用2)中该子区域的面积除以该子区域中边的个数(若子区域中格点数为k，则边的个数为

4)、将该子区域中格点的个数减1后的值记为q；

5)、采用3)、中该子区域的密度与4中的q值相乘，即得到对该子区域巡逻路径的代价估计。

引入柔性划分，即格点i对无人装备k的归属度为x

设无人装备总数为K，将x

在使用梯度下降方法时，采用贪婪解对自变量进行初始化：各无人装备初始时被划分的子区域包含该无人装备的起点与终点，遍历各个格点，计算该格点与当前各无人装备被划分的子区域中所有格点的距离的最小值作为该格点与该无人装备的匹配距离，将该格点划分给匹配距离最小的无人装备，即对该无人装备的归属度为1，对其余无人装备的归属度为0。

作为本发明实施例的一种实施方式，本发明实施例步骤S3中采用搜索策略包括5个形式化地描述：

1、无人装备的初始状态。例如，无人机的起始位置坐标。

2、无人装备的可能行动。给定一架无人机的当前状态s位置坐标，其可能行动为在当前状态s下可以执行的动作集合，例如，向东、东南、南、西南、西、西北、北、东北方向移动一段距离。

3、无人装备行动的转移模型。在状态s下执行行动a后达到的状态，用后继状态来表示从一给定状态出发通过单步行动可以到达的状态集合。例如，一架无人机在状态s＝3,3下执行行动a＝向东移动一个单位距离后，到达状态s'＝3,4。状态s＝3,3的后继状态为S＝2,2,2,3,2,4,3,2,3,4,4,2,4,3,4,4。初始状态、行动和转移模型定义了问题的状态空间，即从初始状态可以到达的所有状态的集合。状态空间构成一个有向图，其中节点表示状态，节点之间的边表示行动，状态空间中的一条路径指通过行动连接起来的一个状态序列。

4、目标测试：确定给定的状态是否为目标状态。目标状态可以为一个显式集合，测试只需简单检查给定的状态是否在目标状态集合中。例如，无人机需要抵达的目标区域对应的格点坐标集合，只需抵达该集合中任一坐标即可。目标状态也可以不是一个显式可枚举的目标状态集合，而是具备某些特定抽象属性的状态。例如，无人机并非需要抵达某区域，而是需要遍历某片区域中的所有格点，则所有合法遍历不适合显式写出并判断当前状态是否与该集合中某一状态相同，因为不必要消耗如此之多的存储和判断代价。

5、路径耗散：为每条路径赋一个耗散值，即边加权。无人装备选择能反映它自己的性能度量的耗散函数。例如，对于执行任务的无人机，时间是基本要素，同时也需要尽量避免被敌方击落，所以它的路径耗散可以是关于路径长度和累积击落概率的二元函数。可以假设状态空间中一条路径的耗散值为该路径上的每个行动，即每条边的耗散值总和，用c(s,a,s′)表示从状态s采用行动a到达状态s'所需要的单步耗散，可以假设单步耗散值是非负的。

由上述元素即可定义一个搜索问题，问题的解就是从初始状态到目标状态的一组行动序列。解的质量由路径耗散函数度量，所有解里路径耗散最小的解即为最优解。一个解就是一个行动序列，所以搜索算法的工作就是考虑各种可能的行动序列。可能的行动序列从搜索树中根节点的初始状态出发，连线表示行动，节点对应问题的状态空间中的状态，若当前状态不是目标状态，则扩展当前状态，即在当前状态下应用各种合法行动，由此生成一个新的状态集。例如，从父节点s'＝(3,4)出发得到了8个新的子节点S＝{s

进一步，本发明实施例步骤S3中基于无人装备到达当前状态已花费的代价通过最佳优先搜索算法作为搜索策略对所述无人装备进行路径规划，使所述无人装备抵达目标地点。具体如下：

给定栅格化后的格点地图，用两格点间最短路径的通行里程代价作为这两个格点间边的权值。

采用最佳优先搜索寻找单个无人装备的巡逻路径。在最佳优先搜索中

f(s)＝g(s)+h(s)

其中，g(s)为无人装备到达当前状态已花费的代价，h(s)为预计当前状态到达目标状态所需的代价，每个时刻下，对当前f值最小的节点进行拓展。

设计启发函数如下:记当前状态s下待访问的点集(即该无人装备需要完成巡逻的子区域中当前还未到达过的格点的集合)为U，状态s下当前无人装备所在的格点为a，显然下一步的目标应该取集合U中的点，对于集合U中的任一格点b，记V＝U{b}，即U除去点b后的集合，记该无人装备最终需要停泊的终点格点为p，则

f(b)＝g(a)+dist(a,b)+dist(b,V)+diameter(V)+dist(V,p),

其中，g(a)为状态s下到达格点a时已经花费的代价，

dist(a,b)为格点a与格点b间最短路代价，

dist(b,V)为格点b与集合V的距离，即格点b与集合V中各格点距离的最小值，

diameter(V)为集合V的直径，即集合V中任意两格点间距离的最大值，

dist(V,p)为集合V与格点p的距离，即集合V中任意格点与格点p距离的最小值。

搜索策略如下:在每个时刻，取出当前边缘集中f值最小的节点，扩展该节点，对该节点的每个后继节点，计算其f值。

1)、如果该后继节点为可行解，则沿最短路到达停泊点，将该可行解的代价值与当前最优代价值比较，若该解更优则输出并更新当前最优代价值，回溯至父节点；

2)、若该后继节点的f值大于等于当前最优代价值，则进行剪枝，回溯至父节点；

3)、若该后继节点并非可行解，但f值小于当前最优代价值，判断该状态是否与边缘集中其他状态等价，若不等价则将该节点加入边缘集，当其在节点的优先级队列中排在首位时会被扩展。

当一个节点的所有后继节点均被扩展过时，以其所有后继节点的f值最小值更新该节点的f值，将该节点从边缘集中剔除，回溯至父节点。

根据算法的性质，输出的可行解代价会逐步降低，根据能够接受的计算时间设定搜索的停止规则。

单无人装备区域覆盖路径规划问题：

巡逻区域为某市郊区一片平原地带中一块10km×10km的区域，将其栅格化为10×10的格点地图，在该格点地图上，各地的地形地形无起伏为平原地形，起点为1,1，终点为10,1，需要巡逻的区域为1,1与10,10确定的矩形。求解结果如图2所示。

多无人装备区域协同覆盖路径规划问题：

巡逻区域为某市郊区一片平原地带中一块10km×10km的区域，将其栅格化为10×10的格点地图，在该格点地图上，各地的地形地形无起伏为平原地形。共有3个无人装备，起点分别为1,1，1,2，1,3，终点分别为10,1，10,2，10,3，需要共同完成巡逻的区域为1,1与10,10确定的矩形。3个无人装备的求解结果依次如图3所示。

巡逻区域为某市郊区一片平原地带中一块10km×10km的区域，将其栅格化为10×10的格点地图，在该格点地图上，各地的地形无起伏为平原地形。共有3个无人装备，起点分别为10,1，10,1，4,10，终点分别为1,1，10,10，1,1，需要共同完成巡逻的区域为1,1与10,10确定的矩形。3个无人装备的求解结果依次如图4所示。

实施例2：

如图5所示，本发明提供一种无人装备区域协同覆盖巡逻路径规划装置，包括：

划分模块，用于划分预定巡逻区域，得到多个子区域；

获取模块，用于获取所述子区域内单个无人装备的当前状态信息；

规划模块，用于根据所述单个无人装备的当前状态信息基于搜索策略进行路径规划，使所述单个无人装备抵达目标地点。

作为本发明实施例的一种实施方式，所述划分模块对所述预定巡逻区域进行柔性划分得到多个子区域。

作为本发明实施例的一种实施方式，所述单个无人装备的当前状态信息包含：单个无人装备到达当前状态已花费的代价。

作为本发明实施例的一种实施方式，所述规划模块基于单个无人装备到达当前状态已花费的代价通过最佳优先搜索算法对所述单个无人装备进行路径规划，使所述单个无人装备抵达目标地点。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，在任何熟悉本技术领域的技术人员在本发明所述的技术范围内，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。