本发明涉及无人航空器智能控制技术，具体涉及大中小及集群无人航空器协同任务规划方法及系统。
背景技术：
1、在多型异构无人航空器联合任务中，不同类型的无人航空器具有不同的能力、载荷和航程等特性，这使得它们在执行任务时需要协同配合。然而，由于各种因素的影响，如任务优先级、无人航空器之间的通信延迟、无人航空器故障等，可能会导致任务执行的混乱或失败。同时多型异构无人航空器联合任务的规划需要考虑各种因素，如任务需求、无人航空器的特性和能力、协同策略、安全和隐私等。
2、现有技术中，提供了多种无人机协同任务方案，如申请号为201710393464.7的中国专利公开了一种多无人机任务分配与航迹规划联合优化方法及装置。方法包括：获取多个无人机和目标点的位置信息、地速航向角离散度以及各无人机和风场的运动参数；根据位置信息、地速航向角离散度和预设遗传算法构建初始种群；根据初始种群和运动参数确定各无人机的飞行状态和完成对应dubins飞行路径航迹段的航行时间，根据航迹段航行时间获取每个染色体对应的所有无人机完成任务时间；基于遗传算法对种群中染色体进行交叉、变异处理，在达到预定迭代次数后，选取最优dubins飞行路径作为无人机联合优化的结果。现有技术的技术方案中，通过遗传算法进行路径规划，在任务量较大时，无法为不同型号异构无人航空器进行任务分配，而在后续的路径分配时也会消耗大量算力，尤其是指派的无人航空器较多时，难以准确快速的进行路径规划，影响作业时间。
技术实现思路
1、为了至少克服现有技术中的上述不足，本技术的目的在于提供大中小及集群无人航空器协同任务规划方法及系统。
2、第一方面，本技术实施例提供了大中小及集群无人航空器协同任务规划方法，包括：
3、获取目标作业区域的作业任务和所述目标作业区域的区域信息，并从预设的无人航空器信息库中获取当前可调用的无人航空器信息；
4、将所述作业任务划分为多个任务组，并根据所述无人航空器信息为每个任务组分配至少一组执行的无人航空器；
5、根据所述任务组分配的无人航空器的无人航空器信息和所述区域信息为每个任务组分配的无人航空器规划链路；
6、根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器规划航线；
7、根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器生成作业计划；
8、根据所述任务组中的任务类型对对应的所述航线和所述作业计划进行修正至满足预设要求；
9、将执行所述作业任务的所有无人航空器规划链路、规划航线和作业计划下发至对应的无人航空器控制终端进行可行性确认；
10、将所述确认后的执行所述作业任务的所有无人航空器规划链路、规划航线、作业计划下发至对应的无人航空器控制终端，并接收所述无人航空器终端反馈的无人航空器作业实时数据；
11、根据作业任务变更情况或各无人航空器执行作业任务的评估情况，对所述无人航空器进行动态的航线规划和作业计划生成。
12、本技术实施例实施时，需要获取由上游设备如指挥中心下发的目标作业区域的作业任务和目标作业区域的区域信息，一般在进行普通的作业任务规划时，需要获取的区域信息需要包括进行作业任务的经纬度坐标；同时需要获取可调用的无人航空器信息。在本技术实施例中，无人航空器的控制需要由下游设备如无人航空器指挥舱执行，其可以为人工执行也可以为自动执行，不同的无人航空器指挥舱负责不同无人航空器的控制，这些无人航空器的信息构成无人航空器信息库。
13、在本技术实施例中，需要根据预设的规则将作业任务划分为多个任务组，作业任务一般会包括在目标作业区域的大量子任务，也只有这样的作业任务才需要进行多型异构无人航空器的联合作业；每一个任务组需要提供合适的无人航空器进行处理，所以需要根据无人航空器信息为每个任务组分配无人航空器，应当理解的是，这里所述的一组执行的无人航空器至少为一架。
14、在本技术实施例实施时，需要进行初步航线规划、链路规划和作业计划生成，其规划方式可以参考现有技术中的规划方式，利用无人航空器的荷载、航程、航速和区域信息中的坐标进行规划，本技术实施例不多做限定，应当理解的是，对于航线来说，其会存在大量的航点，以便于后续的航线修正和无人航空器到位控制。初步航线需要根据不同的任务类型进行细化，以确定最终的精确航线，进而便于各个无人航空器作业计划的生成，在确定了明确航线的基础上，进行作业计划的生成属于现有技术，其一般需要考虑无人航空器的航速等因素进行，本技术实施例不多做限定。在完成了作业计划生成后，可以将其下发至不同的无人航空器控制终端进行确认并执行，以进行无人航空器的作业控制，同时接收无人航空器终端反馈的无人航空器作业数据以提供给上游设备或用于进行作业计划的变更和改进。本技术通过上述技术方案，实现了从作业任务下达到作业任务拆解分配制定精细航线和作业计划并下发到对应的无人航空器指挥舱全过程的自动化，有效提高了后续无人航空器作业的准确度，同时可以将不同类型异构无人航空器进行准确分配和利用，降低了不同无人航空器共同协调作业的门槛，具有极强的适用性。
15、在一种可能的实现方式中，将所述作业任务划分为多个任务组包括：
16、为所述任务组设置所述任务组中可容纳的任务上限，并根据所述任务上限和所述作业任务中任务的数量确定所述任务组的数量；
17、以所述作业任务中距离最远的两个任务目标点作为两个聚类中心，以距离当前所有聚类中心的距离和为最远的任务目标点生成新的聚类中心直至所述聚类中心的数量等于所述任务组的数量；
18、通过聚类算法在所述聚类中心的基础上进行迭代计算，将所述作业任务分为多个类别；
19、当任意类别中的任务数量超过所述任务上限时，对该类别进行再次划分直至所有类别中的任务数量小于或等于所述任务上限；
20、将每个类别作为一个任务组将所述作业任务划分为多个任务组。
21、在一种可能的实现方式中，根据所述无人航空器信息为每个任务组分配至少一组执行的无人航空器包括：
22、从所述无人航空器信息中选出匹配于所述任务组对应的型号参数和作业目标的无人航空器信息，并将对应选出的所述无人航空器信息的无人航空器分配至该任务组。
23、在一种可能的实现方式中，根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器规划航线包括：
24、当所述任务组分配的无人航空器只执行该任务组的任务时，将该无人航空器的起飞机场点位加入该任务组的任务目标点中；
25、使用分支定界法计算从所述起飞机场点位为起点遍历完该任务组的所述任务目标点的最短路径、最安全路径、最省油路径和最省时路径；
26、从所述最短路径、最安全路径、最省油路径和最省时路径中选出最优路径作为无人航空器的航线。
27、在一种可能的实现方式中，根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器规划航线还包括：
28、当所述任务组分配的无人航空器执行至少两个任务组的任务时，以距离该无人航空器的起飞机场点位最近的任务组作为起始任务组；
29、使用分支定界法计算从所述起飞机场点位为起点遍历完所述起始任务组的所述任务目标点的最优路径；所述最优路径为最短路径、最安全路径、最省油路径或最省时路径；
30、以所述最短路径的最后一个任务目标点为起点，使用分支定界法计算从该起点遍历完最近的任务组的所述任务目标点的最优路径，直至所有的任务组被遍历完成；
31、根据所有所述最优路径规划无人航空器的航线。
32、在一种可能的实现方式中，根据所述任务组中的任务类型对对应的所述航线和所述作业计划进行修正至满足预设要求包括：
33、当所述任务类型为作业区域的面作业任务时，根据该作业区域的最大跨度和最小跨度确定作业方向；
34、将所述作业区域进行分割，并根据所述作业方向分配分割后的所述作业区域的无人航空器进出点；
35、根据对应的无人航空器的作业跨度对所述无人航空器进出点进行重分配；
36、根据重分配后的所述无人航空器进出点在所述作业区域内生成过渡圆弧轨迹；
37、对所述过渡圆弧轨迹进行区域越界检测，在检测未通过时收缩作业斜距至通过越界检测，并根据收缩后的所述作业斜距修正所述过渡圆弧轨迹；
38、如果收缩作业斜距至最小斜距限制时仍未通过越界检测，则旋转偏移点至通过越界检测，并根据偏移点的旋转量修正所述过渡圆弧轨迹；
39、对修正后的所述过渡圆弧轨迹进行碰撞检测，在检测未通过时收缩作业斜距至通过碰撞检测，并根据收缩后的所述作业斜距修正所述过渡圆弧轨迹；
40、如果收缩作业斜距至最小斜距限制时仍未通过碰撞检测，则旋转偏移点至通过碰撞检测，并根据偏移点的旋转量修正所述过渡圆弧轨迹；
41、将通过了所述越界检测和所述碰撞检测的修正后的所述过渡圆弧轨迹作为最终轨迹，并根据所述最终轨迹修正航线。
42、在一种可能的实现方式中，根据所述任务组中的任务类型对对应的所述航线和所述作业计划进行修正至满足预设要求还包括：
43、当所述任务类型为作业点的点作业任务时，根据所述作业点确定切入方向，并确定作业方向；
44、根据所述作业方向规划进入作业前的第一轨迹，并根据所述切入方向规划围绕所述作业点盘旋的第二轨迹；
45、对所述第一轨迹进行区域越界检测，在检测未通过时收缩作业斜距至通过越界检测，并根据收缩后的所述作业斜距修正所述第一轨迹；
46、如果收缩作业斜距至最小斜距限制时仍未通过越界检测，则旋转偏移点至通过越界检测，并根据偏移点的旋转量修正所述第一轨迹；
47、对修正后的所述第一轨迹进行碰撞检测，在检测未通过时收缩作业斜距至通过碰撞检测，并根据收缩后的所述作业斜距修正所述第一轨迹；
48、如果收缩作业斜距至最小斜距限制时仍未通过碰撞检测，则旋转偏移点至通过碰撞检测，并根据偏移点的旋转量修正所述第一轨迹；
49、将所述第一轨迹和所述第二轨迹修正航线。
50、第二方面，本技术实施例还提供了大中小及集群无人航空器协同任务规划系统，包括：
51、数据获取单元，被配置为获取目标作业区域的作业任务和所述目标作业区域的区域信息，并从预设的无人航空器信息库中获取当前可调用的无人航空器信息；
52、分配单元，被配置为将所述作业任务划分为多个任务组，并根据所述无人航空器信息为每个任务组分配至少一组执行的无人航空器；
53、规划单元，被配置为根据所述任务组分配的无人航空器的无人航空器信息和所述区域信息为每个任务组分配的无人航空器规划链路；
54、根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器规划航线；
55、根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器生成作业计划；
56、修正单元，被配置为根据所述任务组中的任务类型对对应的所述航线和所述作业计划进行修正至满足预设要求；
57、下发单元，被配置为将执行所述作业任务的所有无人航空器规划链路、规划航线和作业计划下发至对应的无人航空器控制终端进行可行性确认；
58、将所述确认后的执行所述作业任务的所有无人航空器规划链路、规划航线、作业计划下发至对应的无人航空器控制终端，并接收所述无人航空器终端反馈的无人航空器作业实时数据；
59、根据作业任务变更情况或各无人航空器执行作业任务的评估情况，对所述无人航空器进行动态的航线规划和作业计划生成。
60、在一种可能的实现方式中，所述分配单元还被配置为：
61、为所述任务组设置所述任务组中可容纳的任务上限，并根据所述任务上限和所述作业任务中任务的数量确定所述任务组的数量；
62、以所述作业任务中距离最远的两个任务目标点作为两个聚类中心，以距离当前所有聚类中心的距离和为最远的任务目标点生成新的聚类中心直至所述聚类中心的数量等于所述任务组的数量；
63、通过聚类算法在所述聚类中心的基础上进行迭代计算，将所述作业任务分为多个类别；
64、当任意类别中的任务数量超过所述任务上限时，对该类别进行再次划分直至所有类别中的任务数量小于或等于所述任务上限；
65、将每个类别作为一个任务组将所述作业任务划分为多个任务组。
66、在一种可能的实现方式中，所述分配单元还被配置为：
67、从所述无人航空器信息中选出匹配于所述任务组对应的型号参数和作业目标的无人航空器信息，并将对应选出的所述无人航空器信息的无人航空器分配至该任务组。
68、本发明与现有技术相比，具有如下的优点和有益效果：
69、本发明大中小及集群无人航空器协同任务规划方法及系统，通过上述技术方案，实现了从作业任务下达到作业任务拆解分配制定精细航线和作业计划并下发到对应的无人航空器指挥舱全过程的自动化，有效提高了后续无人航空器作业的准确度，同时可以将不同类型异构无人航空器进行准确分配和利用，降低了不同无人航空器共同协调作业的门槛，具有极强的适用性。
1.大中小及集群无人航空器协同任务规划方法，其特征在于，包括：
2.根据权利要求1所述的大中小及集群无人航空器协同任务规划方法，其特征在于，将所述作业任务划分为多个任务组包括：
3.根据权利要求2所述的大中小及集群无人航空器协同任务规划方法，其特征在于，根据所述无人航空器信息为每个任务组分配至少一组执行的无人航空器包括：
4.根据权利要求2所述的大中小及集群无人航空器协同任务规划方法，其特征在于，根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器规划航线包括：
5.根据权利要求2所述的大中小及集群无人航空器协同任务规划方法，其特征在于，根据所述任务组分配的无人航空器的所述无人航空器信息和所述区域信息为执行所述作业任务的所有无人航空器规划航线还包括：
6.根据权利要求1所述的大中小及集群无人航空器协同任务规划方法，其特征在于，根据所述任务组中的任务类型对对应的所述航线和所述作业计划进行修正至满足预设要求包括：
7.根据权利要求1所述的大中小及集群无人航空器协同任务规划方法，其特征在于，根据所述任务组中的任务类型对对应的所述航线和所述作业计划进行修正至满足预设要求还包括：
8.使用权利要求1～7任意一项所述方法的大中小及集群无人航空器协同任务规划系统，其特征在于，包括：
9.根据权利要求8所述的大中小及集群无人航空器协同任务规划系统，其特征在于，所述分配单元还被配置为：
10.根据权利要求9所述的大中小及集群无人航空器协同任务规划系统，其特征在于，所述分配单元还被配置为：
