基于嵌入式的农业无人机航点规划算法研究

洪向共，张心驰

(南昌大学 信息工程学院，南昌 330031)

0 引言

随着传感技术、无线网络技术、电子集成技术和智能控制技术的飞速发展，无人机技术发生了巨大的变化，已成为科研人员研究的热门领域之一。无人机技术将通过实时数据的采集和处理对农业进行高科技改造，已被广泛应用于农田药物喷洒、农田信息检测、灾害预报及农业保险勘察等场合。航点规划算法是农业无人机的核心，本文基于嵌入式技术，研发了一种农业无人机航点规划算法，实现了农业无人机的航迹规划。

1 农业无人机航点计算

1.1 大地坐标与地心地固ECEF的转换

一般而言，经纬度是对地面位置信息的一种直接描述，并不是指的实际距离和位置等数据，因此在进行农业无人机航点计算过程中，一般需要将大地坐标(地球经纬度)转为地心地固直角坐标系(ECEF)，转换示意图如图1所示。在ECEF三维坐标系中进行航点的计算，即

Xe=(N+h)cosφcosλ

(1)

Ye=(N+h)cosφsinλ

(2)

Ze=[N(1-e2)+h]sinφ

(3)

图1 大地坐标与ECEF间的转换

1.2 地心地固坐标ECEF与北东地NED坐标的转换

地心地固坐标ECEF下不能直接对坐标点进行相对地面的方向计算，需要转换为北东地NED坐标系，转换示意图如图2所示。

ECEF与NED坐标间转换计算过程为

Pn=Rn/e(Pe-Pe,ref)

(4)

(5)

(6)

其中，Pe,ref为北东地NED坐标系下的点；Pe,为ECEF中需要转为北东地NED坐标系下的点；Pn为已转为北东地NED坐标系下的点；Rn/e为ECEF与NED坐标间的转换矩阵。

图2 ECEF与NED坐标间的转换

1.3 农业无人机的航点计算方法

假设农业无人机当前的位置Pg(λ，φ，Z)已知，飞行的方向为ξ，需要飞行的空间距离为D，接下里应该飞往的航点为Pg,n(λn，φn，Zn)，那么航点的计算步骤为：

1)将Pg(λ，φ，Ze)转换为Pe(Xe，Ye，Ze)；

2)设定NED坐标系中下一航点坐标为Pn(Dcosξ，Dsinξ，-h)；

3)将Pn(Dcosξ，Dsinξ，-h)转换为ECEF坐标系下的点，Pe,n(Xe,n，Ye,n，Ze,n)；

这样就可以精确地计算出任意知道距离和航向的农业无人机接下来的航点坐标。

2 农业无人机航迹规划数学建模

本文以农业无人机为研究对象，采用数学建模的方法对构建其航迹规划，航迹规划系统框架如图3所示。系统核心由信息融合、环境建模、态势评估、航点计算和航迹规划等5个模块组成。

1)信息融合模块。多传感器检测技术是信息融合的前提，信息融合技术主要内容是对多传感器信息进行协调分析。信息融合模块的作用是利用各种传感技术，依据一定的优先级别，结合本地地形数据库信息，对周边环境信息进行自动分析与综合考虑，给无人机飞控系统的事件检测、态势分析和飞行航迹的处理和规划提供可靠依据，同时及时将信息传回地面操作端。

2)态势评估模块。态势评估模块的功能是根据以往的知识和经验，使系统自适应对复杂多变的飞行环境实时监控，并对环境进行有效的评估，为航迹规划提供可靠的环境评估报告。

3)环境建模模块。利用农业无人机系统搭载的高清相机、各类传感器设备对无人机周边区域进行实时的监测，建立无人机周边环境模型，并将图像信息通过无人机链路传回地面控制站。

4)航点计算模块。航点计算模块的作用是根据已知的农业无人机当前的位置Pg(λ，φ，Z)、飞行方向和距离等数据信息，计算下一个航点经纬度Pg,n(λn，φn，Zn)。

5)航迹规划模块。农业无人机的航迹规划是整个控制系统的核心内容，其需要根据GPS信号、地形信息、环境信息以及远程感知技术，获得无人机飞行状况，根据既定任务以及飞行过程中的重规划，实现地形跟随、地形回避和威胁回避等目标的飞行，从而制定最优参考路径。

图3 农业无人机航迹规划系统框架

3 嵌入式控制系统的总体方案设计

农业无人机嵌入式控制系统分为地面和机载两部分：地面部分是一个具有远程操控的遥控器；机载部分则由GPS、高清相机、电源模块、存储单元Exynos4412处理器，以及超声波、MPU6050、高速、高度、航向等传感器组成。农业无人机嵌入式控制系统总体框架如图4所示。

由图4可以看出，农业无人机嵌入式控制系统具有如下几个特点：

1)Exynos4412处理器。Exynos4412是整个控制系统的核心，其处理多传感器传来的数据信息，根据多路分析结果，制定农业无人机的避障、姿态控制与航迹规划，同时实时将数据送回地面系统。

2)传感器模块。GPS、高清相机，以及MPU6050、高速、高度、航向等着组成的传感器网络，实时采集农业无人机的周边环境信息，获取农业无人机的经纬度和高度、姿态及航向等信息，为Exynos4412处理器的决策提供依据。

3)电机驱动模块。Exynos4412处理器输出PWM脉冲，由电机驱动模块控制无人机电机运转。

4)遥控器模块。采用摇杆控制方式，将收据信息通过无线传输模块发送给农业无人机，供农业无人机接收利用。

图4 农业无人机嵌入式控制系统总体框架图

4 农业无人机航迹规划的实现

农业无人机航迹规划是以航点计算为基础，根据给定位置信息，结合信息融合、环境建模、态势评估等参数信息，在合理的区间给出一条农业无人机的飞行航迹。即在避开障碍物威胁和到达目的航点的基础上，规划出一条最优的航迹。农业无人机航迹规划主要分为在无障碍威胁、单障碍威胁和多障碍威胁等3种情形下确定最优的航迹。

1)农业无人机当前航点与下一航点无障碍威胁，如图5所示。在这种情形下，无人机当前航点与下一航点之间的直线距离就是最优的航迹，无需规划。

图5 无障碍威胁的航迹规划

图6 一个障碍威胁的航迹规划

3)农业无人机当前航点与下一航点有多个障碍威胁，如图7所示。当农业无人机当前航点与下一航点有多个障碍威胁时，看作是多个单一的障碍威胁的叠加，可以分别以当前位置和障碍威胁作切线，之后将所有路线的长度求出，最短的航迹则为所求。

这种情形下有4种航迹可供选择：

通过对4种航迹的计算和比较，可以得知航迹2)路程最短，即为最优路径。

图7 多个障碍威胁的航迹规划

通过以上无障碍威胁、单障碍威胁和多障碍威胁等3种情形下航迹规划，即可实现农业无人机的航迹规划。

5 试验结果与分析

为了验证基于嵌入式的农业无人机航点规划算法的可靠性和精准性，将该算法程序固化到无人机控制器上，实现对无人机的航迹规划，并进行了实际的测试，试验内容是农业无人机是否能够在路径最优情况下到达终点。试验中，在无人机起飞前，人为地在系统中设定了简单和复杂障碍威胁环境。障碍威胁环境图和试验结果如图8和图9所示。

图8 障碍物环境图

图9 试验结果图

由图9可以看出：针对不同情形的障碍威胁环境，农业无人机都能规划出一条合理的规避威胁的航迹，成功避开障碍威胁，顺利到达终点；从其移动路径长度和拐点来看，航迹优化效果非常明显，说明了无人机航点规划算法能规划出满足要求的航迹，验证了该算法的可靠性和可行性。

6 结论

无人机技术将通过实时数据的采集和处理对农业进行高科技改造，目前已被广泛应用于农田药物喷洒、农田信息检测以及农业保险勘察等场合。本文首先研究了农业无人机航点规划算法，然后搭建了农业无人机航迹规划数学模型，并基于嵌入式控制技术，实现了农业无人机航迹规划。试验结果表明：针对不同情形的障碍威胁环境，农业无人机都能规划出一条合理的规避威胁的航迹，且移动路径长度和拐点都最优，验证了无人机航点规划算法的可靠性和可行性。