本发明涉及一种固定翼无人机群区域覆盖方法，具体涉及一种基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法。
背景技术：
1、随着人工智能及遥感技术的发展，在地面侦查或覆盖领域无人机开始发挥越来越重要的作用，并已经广泛应用在地图测绘、农作物生长情况采集、受损评估及搜索与救援等众多领域。然而在面对具有复杂多变性的实际场景时，单无人机往往会显得捉襟见肘，尤其是在任务时间要求较为苛刻时，单无人机毫无疑问无法满足应用需求。对此，研究人员提出了无人机群协同区域覆盖，这样一来多架无人机可以同步执行区域覆盖任务，完成任务所需的时间也得以大量缩短。
2、目前，国内外学者对无人机群协同区域覆盖这一领域的研究开始深入了起来。近年来，针对无人机编队的搜索盲区，有学者提出了一种基于基线的多无人机协同搜索战略；还有学者在对覆盖区域进行划分后，采用最小生成树近似算法以及蚁群优化算法对其进行求解；另外还有学者考虑到无人机可能会在高原山区等险恶环境进行作业，通过对无人机编队区域覆盖的航迹规划，进而优化编队的无人机数量；除了上述研究以外，还有学者利用无人机对目标区域进行三维重建，考虑采集图像的重叠率来对无人机覆盖路径进行构造。
3、但上述研究工作都并未考虑无人机在实际部署中的一些问题，因此，对无人机在实际部署中所产生的一些问题进行解决是十分有必要的。
技术实现思路
1、本发明针对现有研究工作都并未考虑无人机在实际部署中的一些问题，提供了一种基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法。该方法考虑到了无人机在实际部署中的一些问题，在经过完整的处理流程后，可以给出偏向最优费用或者最优覆盖时间的解决方案，供决策者选取。
2、本发明的目的是通过以下技术方案实现的：
3、一种基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法，在对区域形状建模分析后，确定最优覆盖方向并结合无人机相关参数构建双目标优化问题数学模型，使用基于改进的鹈鹕算法的多目标优化算法进行求解，具体包括如下步骤：
4、步骤一、对区域形状进行建模并分析，确定最优覆盖方向；
5、步骤二、结合无人机相关参数确定扫描间距及扫描行数；
6、步骤三、根据无人机设置时间、续航时间、使用费用及操作人员费用构建双目标优化问题数学模型，双目标分别为区域覆盖总时间最短和总费用最少；
7、步骤四、使用基于改进的鹈鹕算法的多目标优化算法对双目标优化问题进行求解，并给出方案。
8、相比于现有技术，本发明具有如下优点：
9、本发明能够结合无人机在实际部署中所遇到的包括复杂地形、设置时间、操作人员等问题，对区域建模后确定最优覆盖方向以及扫描间距、扫描行数等信息；此外对针对区域覆盖总时间以及总费用两个目标构建双目标优化问题并使用基于改进的鹈鹕算法的多目标优化算法进行求解，可以给出偏向最优费用或者最优覆盖时间的解决方案，供决策者选取。
1.一种基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法，其特征在于所述步骤一中，假定无人机在覆盖区域上空执行垂直于扫描方向的来回运动，对于多边形覆盖区域，最优的覆盖方向为垂直于多边形区域的最小高度hmin的方向。
3.根据权利要求1所述的基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法，其特征在于所述步骤二的具体步骤如下：
4.根据权利要求1所述的基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法，其特征在于所述步骤三的具体步骤如下：
5.根据权利要求1所述的基于改进的鹈鹕算法的固定翼无人机群区域覆盖方法，其特征在于所述步骤四的具体步骤如下：
