Алгоритм планирования пути для БПЛА по геометкам

Актуальность. Благодаря современному развитию автоматизации и цифровизации беспилотные летательные аппараты (БПЛА, беспилотники) начинают применяться все более широко. Одной из важных областей использования БПЛА является сканирование объектов или территорий, что позволяет следить за их состоянием. Особенно актуальны такие задачи в сельской местности, где регулярный мониторинг объектов инфраструктуры вручную или наземными средствами затруднителен из-за значительных расстояний между ними. В исследовании уделяется внимание анализу линий электропередач, что является важной задачей для поддержания стабильной работы сельскохозяйственных предприятий.

Объект. Объектом исследования является алгоритм управления БПЛА для автоматизации построения полётной миссии.

Материалы и методы. Исследование проведено на базе информации о расположении линий электропередач, полученных от заказчика. Данные о координатах линий электропередач были кластеризованы алгоритмом Density-based spatial clustering of applications with noise (DBScan). По каждому кластеру был создан граф с минимальной длиной граней при помощи алгоритма минимального связующего дерева (MST). Маршрут был построен при помощи алгоритма поиска в глубину (DFS).

Результаты и выводы. Разработанная система алгоритмов позволяет автоматизировать процесс создания полётной миссии и обладает достаточной универсальностью для использования в различных задачах сканирования объектов и территорий. Описанные результаты были представлены испытателям и пилотам БПЛА, которые оценили удобство работы и дали положительный отзыв.

1. Куличкова Е. М. Беспилотные летательные аппараты (БпЛА): проблемы и направления использования в сельском хозяйстве. Материалы V Международной научно-практической конференции «Экономико-математические методы анализа деятельности предприятий АПК». 2021. С. 140.

2. Захарцев С. И., Литвинов Н. Д., Сальников В. П., Чернявский В. С. Искусственный интеллект в механизме развития человеческой цивилизации. Юридическая наука: история и современность. 2021. № 4. С. 47-73.

3. Velusamy P., Rajendran S., Mahendran R. K., Naseer S., Shafiq M., Choi J. G. Unmanned Aerial Vehicles (UAV) in precision agriculture: Applications and challenges. Energies. 2021. V. 15. P. 217.

4. Lin Yi-Chun, Habib A. Quality control and crop characterization framework for multitemporal UAV LiDAR data over mechanized agricultural fields. Remote Sensing of Environment. 2021. V. 256. P. 112299.

5. Fareed N., Flores J. P., Das A. K. Analysis of UAS-LiDAR Ground Points Classification in Agricultural Fields Using Traditional Algorithms and PointCNN. Remote Sensing. 2023. V. 15.2. P. 483.

6. Ding Y., Cao R., Liang S., Qi F., Yang Q., Yan W. Density-based optimal UAV path planning for photovoltaic farm inspection in complex topography. 2020 Chinese Control аnd Decision Conference (CCDC). IEEE. 2020. Pp. 3931–3936.

7. Gao M. J., Yan T., Li Q. Ch., Fu W. X., Feng Z. F. Path Planning of Improved RRT* Based on DBSCAN Algorithm. International Conference on Autonomous Unmanned Systems. Springer. 2022. Pp. 1973–1984.

8. Guo Y., Liu X., Liu X., Yang Y., Zhang W. FC-RRT*: An improved path planning algorithm for UAV in 3D complex environment. ISPRS International Journal of Geo-Information. 2022. V. 11.2. P. 112.

9. Dhulkefl E. J., Durdu A. et al. Path planning algorithms for unmanned aerial vehicles. Int. J. Trend Sci. Res. Dev. 2019. V. 3.4. Pp. 359–362.

10. Kong J. et al. Research on UAV scheduling problem in fire. Geoscience. 2021. V. 4. Pp. 21–24.

11. Feng L., and Katupitiya J. UAV-based persistent full area coverage with dynamic priorities. Robotics and Autonomous Systems. 2022. V. 157. P. 104244.

12. Jarvis J. P., Whited D. E. Computational experience with minimum spanning tree algorithms. Operations Research Letters. 1983. V. 2.1. Pp. 36–41.

13. Debnath S. K., Omar R., Nor Badariyah Abdu Latip, Shelyna Sh., Nadira E., Melor Ck., Chakraborty T. K., Natarajan E. A review on graph search algorithms for optimal energy efficient path planning for an unmanned air vehicle. Indonesian Journal of Electrical Engineering and Computer Science. 2019. V. 15.2. Pp. 743–749.

14. Tang G., Tang C., Zhou H., Claramunt Ch., Men S. R-DFS: A coverage path planning approach based on region optimal decomposition. Remote Sensing. 2021. V. 13.8. P. 1525.

15. Baswana S., Goel A., Khan Sh. Incremental DFS algorithms: a theoretical and experimental study. Proceedings of the Twenty-Ninth Annual ACMSIAM Symposium on Discrete Algorithms. SIAM. 2018. Pp. 53–72.