1.本发明涉及轨迹探索规划技术领域，具体为一种用于微型飞行机器人的轨迹探索规划方法。
背景技术：
2.微型飞行机器人可以在狭小、复杂环境中进行监测和探测，传统的飞行器由于体积和重量的限制，很难进入狭小、复杂的环境，如建筑物内部、矿井、管道等。而微型飞行机器人由于其小尺寸和轻质特点，可以轻松进入这些难以到达的区域，进行监测、探测和数据采集，从而提供了一种高效、便捷的j9九游会真人的解决方案。微型飞行机器人在科研和医疗领域也有广泛的应用潜力。微型飞行机器人具有便携式和微型化特点、灵活穿梭于复杂地形、实时构建地图、自主避障和路径规划等能力，因此在环境监测、救援搜救、军事侦查、医疗诊断等领域具有广泛的应用潜力。微型飞行机器人的研究和发展将为解决现实世界中的复杂问题提供创新j9九游会真人的解决方案，并推动科技的不断进步。
3.然而现有的无人机在路径规划上存在线路飞行不合理、飞行时间长、能量消耗多来完成对整个未知区的探索，造成探索效率低。
技术实现要素：
4.本发明的目的在于为了解决现有的无人机在路径规划上存在线路飞行不合理、飞行时间长、能量消耗多来完成对整个未知区的探索，造成探索效率低的问题，而提出一种用于微型飞行机器人的轨迹探索规划方法。
5.本发明的目的可以通过以下技术方案实现：一种用于微型飞行机器人的轨迹探索规划方法，包括：
6.搭建微型飞行机器人平台；
7.初始设定待探索区域的初始路径，通过微型飞行机器人执行初始路径对待探索区域进行飞行并进行探索得到观测数据，对观测数据进行实时构建环境地图；
8.将环境地图和观测数据发送至计算机，计算机接收到环境地图和观测数据后进行探索任务规划处理得到执行轨迹，并将其发送至微型飞行机器人，规划处理的具体过程为：
9.将环境地图分割为若干个地图区域，计算每个地图区域对应的环探值；当环探值大于设定阈值时，将该地图区域标记为探索目标点；
10.统计探索目标点的数量，当数量大于设定阈值时，对所有的探索目标点进行组合连线生成若干条探索路径，计算探索路径的径所先值，具体为：
11.计算每条探索路径所需的飞行距离并提取飞行距离的数值得到飞距值；在计算探索路径上相邻两个地图区域环探值之间的差值得到临环差，将所有的临环差进行求和得到每条探索路径对应的临环总值；获取微型飞行机器人对应预设的路径距离值，将飞距值、临环总值和路径距离值依次标记为fj1、lh2和lj3，将三者的数值代入径所模型
得到径所先值js，其中，qf1和qf2为权重因子；
12.将径所先值最大的探索路径标记为执行轨迹；
13.微型飞行机器人接收到执行轨迹后，依据执行轨迹进行探索，探索完成后，将探索得到的观测数据发馈至计算机。
14.作为本发明的一种优选实施方式，计算每个地图区域对应环探值的过程为：
15.s1：对地图区域对应的环境视频进行识别分析以得到地图区域对应的已知物名称及数量、未知物数量和物空占比；
16.s2：提取已知物数量和未知物数量的数值并分别标记为mw1和mw2，代入预设公式mfz＝mw1
×
eq1 mw2
×
eq2得到已未基值mfz，其中，eq1、eq2均为预设权重因子；将已未基值与预设的已未阈值mfb进行比对：当mfz≤mfb时，执行步骤s31；当mfz》mfb时，执行步骤s32；
17.s31：设定若干个预设名称，每个预设名称对应一个探索初值；将地图区域已知物名称与预设名称进行匹配，将匹配到的所有预设名称的探索初值进行求和得到探索总值并标记为ts1；提取探索总值、已未基值和物空占比的数值，将物空占比的数值标记为ts2，代入预设模型一得到域区值se，其中，ea1、ea2和ea3均为预设权重因子；
18.s32：将未知物对应的环境视频发送至对应技术人员的智能终端，技术人员通过智能终端接收到对应的环境视频后，对未知物进行标记，当为技术人员已知时，标记该未知物对应的名称；当为技术人员未知时，对未知物进行标记为未知探索值；更新地图区域对应的已知物名称及数量、未知物数量，将更新后的已知物名称与预设名称进行匹配，将匹配到的所有预设名称的探索初值进行求和得到探索总值并标记为ts3；将接收到的未知探索值进行求和得到未探总值并标记为ts4；代入预设模型二得到域区值se，其中ea1、ea2和ea4均为预设权重因子；
19.s4：获取地图区域对应飞行机器人信中地图区域各位置的风速和浓见度并处理得到域环值；
20.s5：将域区值和域环值分别乘以对应的权重系数，再求和得到地图区域的环探值。
21.作为本发明的一种优选实施方式，s4中处理得到域环值的具体处理过程为：提取风速的数值并标记为风速值，依据采集的时间先后对风速值进行排序，计算相邻两个风速值进行差值计算得到风速差，将所有的风速差进行求和并取均值得到速差均值，将所有风速值进行求和并进行均值计算得到风速均值，提取风速值的最大值并标记为风大值，以速差均值和风速均值的数值为三角形两直角边构建直角三角形，选取直角三角形的直角点，以该直角点为起始点作垂线，且垂线的高度对应的数值与风大值对应的数值相等，以直角三角形和垂线构建三棱锥，提取三棱锥的体积并将其数值标记为风因值；提取所有浓见度的数值并进行均值计算得到浓见均值；提取风因值和浓见均值的数值代入然后进行求和得到域环值hy；fya为风因值的数值，fyb为预设风因标准值，nja为浓见均值的数值，njb为预设浓见标准值。
22.作为本发明的一种优选实施方式，所述微型飞行机器人平台包括微型飞行机器人和与微型飞行机器人无线通讯连接的计算机，微型飞行机器上搭载有传感器和双目摄像头；观测数据包括飞行机器人信息和环境信息；飞行机器人信息包括飞行时的姿态、位置、速度、实时电量等；环境信息包括飞行时拍摄的视频、图像、所处位置的风速和浓见度等。
23.作为本发明的一种优选实施方式，所述计算机内还设置有图像处理单元，图像处理单元用于对视频或图像进行处理，具体处理过程为：若为视频，则将视频分割成若干个帧图像；对图像内的事物进行形状、颜色进行识别，将形状和对应颜色与预存储的形状和颜色进行比对，若匹配到对应的形状和颜色后，计算两者之间的相似度，当相似度大于设定阈值一时，判定两者一致，将该预存储的形状和颜色对应的预设名称标记为已知物名称；当相似度小于设定阈值二，且未匹配到对应的形状和颜色时，将该形状和对应颜色标记为未知物；提取图像中所识别到形状的面积并求和得到形状总面积，则物空比＝形状总面积/(图像总面积-形状总面积)；将地图区域内所有图像的物空比进行求和并计算平均值得到物空占比。
24.与现有技术相比，本发明的有益效果是：
25.1、本发明微型飞行机器人能够实时构建环境地图，并在地图上准确定位自身的位置，配备了高精度的传感器视觉惯性里程计，以实时感知周围环境并构建地图，同时结合自身运动信息，实现准确的自我定位。
26.2、本发明微型飞行机器人能够利用双目视觉技术进行自主避障，以避免与环境中的障碍物发生碰撞，配备了双目摄像头，结合图像处理和计算机视觉算法，实现了实时的障碍物检测、识别和避障决策；
27.3、本发明以初始设定的路径规划为基础，进行飞行和探索得到观测数据，并构建环境地图，基于环境地图和观测数据分析得到地图区域的环探值，基于环探值判定探索目标点，将所有的探索目标点进行组合连线生成若干条探索路径，计算每条探索路径的径所先值，将径所先值最大的探索路径标记为执行轨迹，依据执行轨迹进行轨迹探索规划优化，以提高机器人的飞行移动效率和性能。
附图说明
28.为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
29.图1为本发明的方法流程图。
30.图2为本发明的微型飞行机器人硬件框图。
具体实施方式
31.下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
32.请参阅图1-图2所示，用于微型飞行机器人的轨迹探索规划方法，包括：
33.步骤一：搭建微型飞行机器人平台，其中平台包括微型飞行机器人和计算机，微型飞行机器人包括：
34.(1)动力和运动套件：选用两节3000mah的2s lipo电池、4个6000kv无刷电机(型号1404)与3英寸推重比为2.4的三叶片螺旋桨，一个最大电流为15a的四合一电子调速器。
35.(2)底层控制单元：飞行控制单元(fcu)运行px4自动驾驶仪，由stm32 h7mcu和bmi088 imu组成的，挂载了带有用户记录的8gb存储卡，我们使用视觉惯性里程计vio负责低层角度控制，并且将imu数据发送至高层导航单元。
36.(3)高层导航单元：使用了nvidia jetson xavier nx，适用于嵌入式和边缘系统，具有六核cpu,384核gpu和8gb ram。
37.(4)传感器：使用rgb-d传感器、灰度和深度摄像头realsense d430和imu，d430相机输出深度图像用于映射和立体声用于定位的灰度图像；rgb-d传感器使用point-plane icp点云匹配算法实现视觉自主定位，利用并行计算加速以满足微型飞行机器人控制的实时性要求；采用tsdf算法融合多帧观测的点云数据，实现了无人机对未知目标环境区域的模型重建；将视觉slam系统与无人机载imu传感器融合，进一步提升了自主定位和建模精度。
38.步骤二：初始设定待探索区域的初始路径，通过微型飞行机器人执行初始路径对待探索区域进行飞行并进行探索得到观测数据，对观测数据进行实时构建环境地图；观测数据包括飞行机器人信息和环境信息；飞行机器人信息包括飞行时的姿态、位置、速度、实时电量等；环境信息包括飞行时拍摄的视频、图像、所处位置的风速和浓见度等；将环境地图和观测数据发送至计算机；
39.步骤三：计算机接收到环境地图和观测数据后进行探索任务规划处理，包括：
40.将环境地图分割为若干个地图区域，计算每个地图区域对应的环探值，具体为：
41.s1：对地图区域对应的环境视频通过图像处理单元进行识别分析以得到地图区域对应的已知物名称及数量、未知物数量和物空占比，具体为：
42.若为视频，则将视频分割成若干个帧图像；对图像内的事物进行形状、颜色进行识别，将形状和对应颜色与预存储的形状和颜色进行比对，若匹配到对应的形状和颜色后，计算两者之间的相似度，当相似度大于设定阈值一时，判定两者一致，将该预存储的形状和颜色对应的预设名称标记为已知物名称；当相似度小于设定阈值二，且未匹配到对应的形状和颜色时，将该形状和对应颜色标记为未知物；提取图像中所识别到形状的面积并求和得到形状总面积，则物空比＝形状总面积/(图像总面积-形状总面积)；将地图区域内所有图像的物空比进行求和并计算平均值得到物空占比；
43.s2：提取已知物数量和未知物数量的数值并分别标记为mw1和mw2，代入预设公式mfz＝mw1
×
eq1 mw2
×
eq2得到已未基值mfz，其中，eq1、eq2均为预设权重因子；将已未基值与预设的已未阈值mfb进行比对：当mfz≤mfb时，执行步骤s31；当mfz》mfb时，执行步骤s32；
44.s31：设定若干个预设名称，每个预设名称对应一个探索初值；将地图区域已知物名称与预设名称进行匹配，将匹配到的所有预设名称的探索初值进行求和得到探索总值并标记为ts1；提取探索总值、已未基值和物空占比的数值，将物空占比的数值标记为ts2，代入预设模型一得到域区值se，其中，ea1、ea2和ea3均为预设权重因子；
45.s32：将未知物对应的环境视频发送至对应技术人员的智能终端，技术人员通过智
能终端接收到对应的环境视频后，对未知物进行标记，当为技术人员已知时，标记该未知物对应的名称；当为技术人员未知时，对未知物进行标记为未知探索值；更新地图区域对应的已知物名称及数量、未知物数量，将更新后的已知物名称与预设名称进行匹配，将匹配到的所有预设名称的探索初值进行求和得到探索总值并标记为ts3；将接收到的未知探索值进行求和得到未探总值并标记为ts4；代入预设模型二得到域区值se，其中ea1、ea2和ea4均为预设权重因子；
46.s4：获取地图区域对应飞行机器人信中地图区域各位置的风速和浓见度，提取风速的数值并标记为风速值，依据采集的时间先后对风速值进行排序，计算相邻两个风速值进行差值计算得到风速差，将所有的风速差进行求和并取均值得到速差均值，将所有风速值进行求和并进行均值计算得到风速均值，提取风速值的最大值并标记为风大值，以速差均值和风速均值的数值为三角形两直角边构建直角三角形，选取直角三角形的直角点，以该直角点为起始点作垂线，且垂线的高度对应的数值与风大值对应的数值相等，以直角三角形和垂线构建三棱锥，提取三棱锥的体积并将其数值标记为风因值；提取所有浓见度的数值并进行均值计算得到浓见均值；提取风因值和浓见均值的数值代入然后进行求和得到域环值hy；fya为风因值的数值，fyb为预设风因标准值，nja为浓见均值的数值，njb为预设浓见标准值；
47.s5：将域区值和域环值分别乘以对应的权重系数，再求和得到地图区域的环探值；
48.步骤四：当环探值大于设定阈值时，将该地图区域标记为探索目标点；
49.步骤五：统计探索目标点的数量，当数量大于设定阈值时，对所有的探索目标点进行组合连线生成若干条探索路径，计算探索路径的径所先值，具体为：
50.计算每条探索路径所需的飞行距离并提取飞行距离的数值得到飞距值；在计算探索路径上相邻两个地图区域环探值之间的差值得到临环差，将所有的临环差进行求和得到每条探索路径对应的临环总值；获取微型飞行机器人对应预设的路径距离值，将飞距值、临环总值和路径距离值依次标记为fj1、lh2和lj3，将三者的数值代入径所模型得到径所先值js，其中，qf1和qf2为权重因子；将径所先值最大的探索路径标记为执行轨迹；
51.步骤六：微型飞行机器人接收到执行轨迹后，依据执行轨迹进行探索，探索完成后，将探索得到的观测数据发馈至计算机。
52.通过微型飞行机器人平台，在使用时，微型飞行机器人能够实时构建环境地图，并在地图上准确定位自身的位置，配备了高精度的传感器视觉惯性里程计，以实时感知周围环境并构建地图，同时结合自身运动信息，实现准确的自我定位；
53.微型飞行机器人能够利用双目视觉技术进行自主避障，以避免与环境中的障碍物发生碰撞，配备了双目摄像头，结合图像处理和计算机视觉算法，实现了实时的障碍物检测、识别和避障决策；
54.以初始设定的路径规划为基础，进行飞行和探索得到观测数据，并构建环境地图，基于环境地图和观测数据，计算每个地图区域对应的环探值，并结合环境中的风速和浓见
度得到域环值，通过环探值和域环值的结合分析得到地图区域的环探值，基于环探值判定探索目标点，将所有的探索目标点进行组合连线生成若干条探索路径，计算每条探索路径的径所先值，将径所先值最大的探索路径标记为执行轨迹，依据执行轨迹进行轨迹探索规划优化，以提高机器人的飞行移动效率和性能。
55.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。