(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211138062.X (22)申请日 2022.09.19 (65)同一申请的已公布的文献号 申请公布号 CN 115218907 A (43)申请公布日 2022.10.21 (73)专利权人 季华实验室 地址 528200 广东省佛山市南海区桂城街 道环岛南路28号 (72)发明人 古家威　蔡维嘉　张立华　 (74)专利代理 机构 佛山市海融科创知识产权代 理事务所(普通 合伙) 44377 专利代理师 陈椅行 (51)Int.Cl. G01C 21/20(2006.01) G06F 30/20(2020.01)G06Q 10/04(2012.01) G06F 111/04(2020.01) G06F 119/14(2020.01) (56)对比文件 US 2018267540 A1,2018.09.20 WO 2021139590 A1,2021.07.15 US 2022097725 A1,202 2.03.31 US 2007288156 A1,2007.12.13 EP 3477259 A1,2019.0 5.01 WO 2022038608 A1,202 2.02.24 CN 113867356 A,2021.12.31 彭向阳等.基 于无人机多传感器数据采集的 电力线路. 《高电压技 术》 .2015,第41卷(第1期), 159-166. 审查员 张茹 (54)发明名称 无人机路径规划方法、 装置、 电子设备及存 储介质 (57)摘要 本申请涉及无人机控制技术领域， 提供了一 种无人机路径规划方法、 装置、 电子设备及存储 介质， 方法包括： 获取无人机分别在前、 后、 左、 右、 上、 下六个方向上的综合 感知能力得分； 获取 无人机的初始位置信息和目标位置信息； 基于 ego‑planner算法的前端路径算法， 根据所述初 始位置信息和所述目标位置信息生成无人机的 初始路径； 根据无人机的前、 后、 左、 右、 上、 下六 个方向上的综合感知能力得分计算所述初始路 径的后端约束函数； 把所述后端约束函数代入所 述ego‑planner算法的后端路径算法， 以对所述 初始路径进行修正， 得到无人机的最终路径。 本 发明具有搜索效率高和安全性高的有益效果。 权利要求书2页 说明书11页 附图3页 CN 115218907 B 2022.12.09 CN 115218907 B 1.一种无 人机路径规划方法， 其特 征在于， 包括以下步骤： S1.获取无人机分别在前、 后、 左、 右、 上、 下六个方向上的综合感知能力得分； 对于设置 有传感器的所述方向， 获取各所述传感器对应的测量精度值、 水平视场角和垂 直视场角， 并 根据所述测量精度值、 所述水平视场角和所述垂 直视场角计算对应的传感器的所述综合感 知能力得分； 然后依次记为第一综合得分、 第二综合得分、 第三 综合得分、 第四综合得分、 第 五综合得分和第六综合得分； S2.获取无人机的初始位置信息和目标位置信息； S3.基于ego ‑planner算法的前端路径算法， 根据所述初始位置信息和所述目标位置信 息生成无 人机的初始路径； S4.根据所述第一综合得分、 所述第二综合得分、 所述第三综合得分、 所述第四综合得 分、 所述第五综合得分和所述第六综合得分计算所述初始路径的后端约束函数； S5.把所述后端约束函数代入所述ego ‑planner算法的后端路径算法， 以对所述初始路 径进行修 正， 得到无 人机的最终路径。 2.根据权利要求1所述的无 人机路径规划方法， 其特 征在于， 步骤S1包括： 对于没有设置传感器的所述方向， 把对应的所述综合感知能力得分 设为零。 3.根据权利要求1所述的无 人机路径规划方法， 其特 征在于， 步骤S1包括： S101.根据预设的能力评估表查询得到所述测量精度值对应的第一能力得分、 所述水 平视场角对应的第二能力得分和所述垂直视场角对应的第三能力得分； S102.根据所述第一能力得分、 所述第二能力得分和所述第三能力得分计算所述综合 感知能力得分。 4.根据权利要求3所述的无 人机路径规划方法， 其特 征在于， 步骤S102包括： 根据以下公式计算所述综合感知能力得分： 其中， P代表所述综合感知能力得分；  代表所述第一能力得分； 代表所述第二能力 得分； 代表所述第三能力得分。 5.根据权利要求1所述的无 人机路径规划方法， 其特 征在于， 步骤S3包括： S301.基于Astar算法， 根据所述初始位置信息和所述目标位置信息输出多个路径点的 节点位置数据； S302.根据多个所述节点 位置数据生成所述初始路径。 6.根据权利要求1所述的无 人机路径规划方法， 其特 征在于， 步骤S4包括： 根据以下公式计算各 所述初始路径的后端约束函数： 其中， 代表所述后端约束函数； 代表轨迹平滑约束系数； 代表轨迹平滑约束； 代 表碰撞约束系数； 代表碰撞约束； 代表动力学可行性约束系数； 代表动力学可行性约 束； 代表路线安全性约束系数； 代表路线安全性约束； 代表所述第一综合得分； 权　利　要　求　书 1/2 页 2 CN 115218907 B 2代表所述第二综合得分； 代表所述第三综合得分； 代表所述第四综合 得分； 代表所述第 五综合得 分； 代表所述第六 综合得分； 代表当前路径点相比上一个路径点在x轴正方向 上的变化量； 代表当前路径点相比上一个路径点在x轴负方向上的变化量； 代表当前 路径点相比上一个路径点在y轴正方向上的变化量； 代表当前路径点相比上一个路径点 在y轴负方向上的变化量； 代表当前路径点相比上一个路径点在z轴正方向上的变化量； 代表当前路径点相比上一个路径点在z轴负方向上的变化 量。 7.一种无 人机路径规划装置， 其特 征在于， 包括以下模块： 第一获取模块： 用于获取无人机分别在前、 后、 左、 右、 上、 下六个方向上的综合感知能 力得分； 对于 设置有传感器的所述方向， 获取各所述传感器对应的测量精度值、 水平视场角 和垂直视场角， 并根据所述测量精度值、 所述水平视场角和所述垂直视场角计算对应的传 感器的所述综合感知能力得分； 然后依次记为第一综合得分、 第二综合得分、 第三综合得 分、 第四综合得分、 第五综合得分和第六综合得分； 第二获取模块： 用于获取 无人机的初始位置信息和目标位置信息； 第一生成模块： 用于基于ego ‑planner算法的前端路径算法， 根据所述初始位置信息和 所述目标位置信息生成无 人机的初始路径； 第一计算模块： 用于根据所述第一综合得分、 所述第二综合得分、 所述第三综合得分、 所述第四综合得分、 所述第五综合得分和所述第六综合得分计算所述初始路径的后端约束 函数； 修正模块： 用于把所述后端约束函数代入所述ego ‑planner算法的后端路径算法， 以对 所述初始路径进行修 正， 得到无 人机的最终路径。 8.根据权利要求7所述的无人机路径规划装置， 其特征在于， 第 一获取模块在用于获取 无人机分别在前、 后、 左、 右、 上、 下 六个方向上的综合感知能力得分的时候， 执 行以下步骤： 对于没有设置传感器的所述方向， 把对应的所述综合感知能力得分 设为零。 9.一种电子设备， 其特征在于， 包括处理器以及存储器， 所述存储器存储有计算机可读 取指令， 当所述计算机可读取指 令由所述处理器执行时， 运行如权利要求 1‑6任一项所述无 人机路径规划方法中的步骤。 10.一种存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理器执 行时运行如权利要求1 ‑6任一项所述无 人机路径规划方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115218907 B 3