陈 浩

（河北省地矿局第四地质大队，河北 承德 067000）

1 课题背景

在无人机还没被研发出来的时候，地质专家进行实地考察只能亲自上阵，背着笨重的设备跋山涉水，一方面是行走不便，另一方面是部分方位不能够勘察得很仔细，无人机的诞生使得野外人员终于不用再扛着笨重的设备满山跑，只需在山下遥控指挥无人机，就能够掌控所需勘测的位置，给这个行业带来了前所未有改变。

无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需;目前在航拍、农业、植保、自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。

2 无人机在地质中的应用研究现状

无人机在地质工作中有着极其广泛的应用。例如，比较重要的一项就是关于地质灾害的监测，无人机可以帮助监测者轻松的获得各项实时数据，并且对灾害规模进行分析，对造成的损失及逆行评估，无人机低空遥感技术功不可没；并且，无人机在在野外地质勘查工作中也有着极其重要的地位，因为无人机具有的图像识别系统可以对被拍摄地区进行高效精准的识别，可以进行快速测绘，因此，无人机在近年来成为了地质学家进行野外地质勘查工作常用的便捷工具。当然总体上讲，国内利用无人机技术进行地质研究尚处于摸索阶段。

运用无人机的时候会遇到很多问题，首先是电量问题，在飞行时可能遇到各种问题，可能会导致航线的改变，如果航迹调整不正确，无人机可能就没电了，容易坠毁。其次是有关于航线的规划问题，是需要找到最短的路径，对地质进行勘测，然而在勘测路径上面的问题众多，约束条件多，要想找到最优的航迹规划，就需要根据实际情况进行大量的数据处理分析，找到最合适的模型进行数学建模。

现在应用较为广泛的是无人机遥感技术，此项技术在数据的监测方面颇有成效，可以对空中的情况、地面及海面的情况、甚至于地球表面的情况进行实时监测，无人机遥感技术的工作效率还极其高，减少了工作人员的工作量，减少了人力消耗及时间的消耗，并且无人机遥感技术的精准程度很高，人类难以与之匹敌[1]。

无人机遥感技术可应用于地质观测，因为很多地方自然灾害频发，遥感技术可以很好的帮助对地面情况进行监测，例如对矿产资源的感应和不正常现象的感应。

近年来，无人机遥感技术活跃在各个领域，发展潜力无穷，不管是在矿产资源的开发方面还是在地质的监测方面都取得了不小的成果，解决了很多繁冗复杂的问题。例如针对勘测地区的可以进行快速测绘，对地质灾害多发地区进行实时监测，在发生地质灾害时，还可以迅速掌握灾区信息，方便顶层管理人员对灾区信息进行实时掌握，及时的进行救助支援；针对易发生灾害或者已发生的地区，无人机可以对其进行分析监测，分析出哪些地方适合临时驻扎，不会受到二次侵害。而且无人机遥感技术不受当地磁场变化或者信号等影响，可以及时的传输信息，对于灾害的救助意义极大。

3 无人机的全覆盖航迹规划方法

3.1 规划思想

从根本上来说，无人机航迹规划问题就是一个包含多个优化目标和多个约束的非线性规划问题，解决问题的核心就是建立目标函数，建立数学模型，有效的处理各个约束，困难点主要是在于约束条件较多、目标函数复杂、导致建模困难，所以最重要考虑的是降低问题的复杂性。需要考虑的其他因素还有：构造算法使得无人机能够具有密集障碍物躲避技术、反应控制等，同时还需要具有运动控制误差处理技术，本篇文章着重讲述的就是利用无人机全覆盖航迹规划的方法提高测绘精度。

3.2 规划构成

无人机航迹规划一般由描述规划空间，选择航迹的表示形式，分析约束条件，确定代价函数,选取航迹搜索算法和航迹平滑几个部分组成。

（1）描述规划空间。规划空间的表示的合理性直接关系着规划的合理性以及最终的数据结果。规划空间的描述应满足如下要求：规划空间能有效的描述出飞行环境，包括地形、可能遇到的威胁、障碍等，方便对航迹进行计算;对飞行环境的信息进行实时更新，保证实用性;规划空间需要使得无人机满足自身性能约束条件。

常用的规划空间表示方法有栅格法和图形法。但是需要注意的是在使用图形法时，必须表示出所有的路径，因为不能很快的辨别出最优解，只能单独进行计算，相较于栅格法，图形法的数据较少，处理起来较方便，但是数据的更新较为复杂。

（2）航迹表示。其形式有两种:一种是基于无人机运动学、动力学描述的连续平滑航迹，采用此种表示方法可以省去最后的航迹平滑环节;另一种是用航迹点表示，相邻航迹点之间用直线段连接几何折线航迹。

（3）分析约束条件。航迹规划问题需要考虑的约束条件包括环境约束、任务约束和无人机自身性能约束。

（4）确定代价函数。代价函数是评价航迹优劣的标准，代价值越小则表明航迹越优，反之表明航迹越差。确定代价函数需要综合考虑影响航迹性能的各项因素，对各个指标进行量化和计算。

（5）选取搜索算法。根据任务需求选取合适的算法进行航迹的规划，使得航迹满足约束条件、规避障碍、使代价函数获得最优值三个条件。

（6）航迹平滑。因为算法是通过数学计算得出的，而数学计算始终是一个理想值，是在理想状态下实现的，并不一定能得到实际的运用，比如说算出的最优解航迹拐点很多，但是由于无人机自身的性能限制，不能频繁的进行此项操作，所以设计出来的航迹还需要对其进行处理，消除不必要的拐弯点以利于无人机实际飞行。常用航迹平滑方法有三次样条插值法、Bezier曲线、k-trajectory算法等。

3.3 轨迹规划算法

无人机航迹规划的本质是路径规划，因此应用于航迹规划的算法实际上也就是路径规划算法。路径规划算法有很多，但是每种算法都有其优劣性，适用的范围不同，所以需要根据实际情况进行选择。

近年来常用于航迹规划的传统经典算法有Dijkstra算法、人工势场法和模拟退火算法；相较于传统经典算法，现代智能算法的应用更为广泛。在航迹规划中常用的现代智能算法有A*算法、GA算法、ACO算法和PSO算法（粒子群优化算法）。

本篇简单的论述一下遗传算法还有A*算法在航迹规划中的运用。

首先是遗传算法，由于遗传算法对于细节性的要求不高，所以应用较为广泛，但是在真正的计算当中比较费时，一般不适用于实时的航迹规划问题，但是这个算法也有其优点，含有隐含的并行性，所以在未来还有很大的运用空间。

使用遗传算法对航机进行规划的一般步骤为：首先对航机进行编码，然后构造合适的评价函数，选择特定遗传算子，然后对算子或者参数进行微调，进行计算，最后获得最优解。遗传算法是一种全局最优算法，可以很快地收敛到最优解附近，但是收敛到最优解附近之后，收敛速度就会变慢。

然后时A*算法，此算法是一种经典的最优式启发搜索算法，在路线规划中应用广泛，是对Dijkstra算法的优化和改造后得到的，但是需要对A*算法进行一定的修改，可以找到可行的最小代价路径，但是此算法也只考虑了平面的情况，三维的情况需要进行另外的算法优化。

3.4 优化算法

3.4.1现代智能算法的改进

航迹规划是一个NP-hard问题，要得到可行的最优解，需要的计算量极大，消耗时间长，但是在实际的应用中，要求的是算法能对航迹的规划迅速做出调整，因为在实际运用中会遇到各种各样的问题，这些问题有的是不可测的，不是死板的数据，传统的算法耗时大，得出的航迹已经不再具有参考价值。所以，改进算法最主要的就是对时间进行控制，结合无人机航线规划的特性，提高搜索效率和搜索精度，例如改进初始化方法，可以减少在搜索时间上的浪费；改进编码方式，使得算法更容易处理无人机的各种角度约束，缩减不必要的搜索空间。最主要的是要使得改进后的算法能够适用于实际的航迹规划，以最短的时间获得最优解。

已经有学者在此方面做出了相关的研究，例如对A*算法进行优化，可以在复杂障碍存在的情况下，进行航迹规划，并且还能提高搜索的效率，具有一定的参考价值。

3.4.2多重算法的融合改进

因为每个算法都有自己的优缺点，比如遗传算法虽然耗时长，计算量大，但是具有隐含的可行性；A*算法全局性较好，但是对于数据进行实时的更新处理的能力较差，很难运用到实际的操作之中，并且航线规划问题十分复杂，现有的单一算法难以实现其要求，所以可以考虑多个算法进行融合改进，在不同的航迹规划阶段，选择不同的算法规划出满意的航迹。又或者是将两个或多个算法融合改进，扬长避短，使得融合后的算法可以满足实际所需。但是融合算法的难点在于可能增加计算量，这也是研究的重难点之一。

4 小结

无人机本身体积较小，野外作业时会减少人员工作量，对于环境的适应性较强，所以必将有很好的发展前景，对于无人机的航迹规划更是无人机任务规划系统的关键，所以针对此问题需要进行严格的算法分析以及数学建模，相信在不远的未来，能实现无人机的智慧飞行，使得无人机能够广泛活跃于各个领域。