0 引言

　　無人機模擬仿真系統通過模擬無人機動力學特性，構建數字無人機模塊、遙控遙測模塊、航路規劃模塊、視景仿真模塊，完成無人機從起飛、爬升、盤旋、降落及任務推演的全過程模擬。無人機模擬仿真系統在對飛行特性、任務執行能力進行預演仿真，減少實際試驗投入、降低研制風險、縮短研發周期等方面有著重要的意義[1]。

　　無人機航路規劃及視景仿真系統是無人機模擬仿真系統的重要組成部分。其中航路規劃是指在特定約束條件下, 尋找從初始點到目標點滿足某種性能指標最優的運動軌跡[2]。航路規劃必須綜合考慮無人機的飛行特性，如：最小轉彎半徑、爬升角、實用升限等；環境因素，如：地形、雷達威脅源、禁飛區、雷雨區、鏈路覆蓋區域、鏈路干擾等；任務載荷因素：視場角范圍、作用距離、重疊率等。航路規劃必須首先對各類約束條件進行建模，并給出滿足約束的最優航路評價標準，規劃必須在三維空間、大范圍內進行，對規劃算法的效率也是需要考慮的問題[3]。視景仿真系統通過構建無人機的三維運動模型和真實的三維地形特征、禁飛區等威脅環境，可以在虛擬的場景中逼真展示無人機的三維飛行特性、飛行場景、飛行航線和載荷觀測特性等[4]。

　　高效的航路規劃算法可以大大提高無人機自主執行任務的效率和安全性。國內外學者在無人飛行器航路規劃方面已經做了許多研究，常用航路規劃算法主要包括，幾何方法、數學規劃方法、人工勢場法和智能優化方法等[5]。

　　概率地圖法(Probabilistic Roadmap Method，PRM)因幾何計算需求小、實現簡單，擴展性好而被廣泛應用于路徑規劃問題[6-7]。PRM最初由Overmars等人[8-9]提出，主要用來解決機器人的運動規劃問題。

　　目前PRM在解決無人機航路規劃時還存在著一些不足。首先，對無人機航路規劃的約束條件考慮不夠完善[10-13]，沒有充分考慮無人機實際飛行需求，如對通訊鏈路的要求。其次，無人機規劃空間大，PRM在學習階段將消耗較多時間，限制了PRM在大范圍無人機航路規劃中的應用。

　　本文針對無人機航路規劃需求，建立了無人機飛行環境的約束模型，將各類約束歸類為剛性約束條件和柔性約束條件兩類；在傳統的PRM算法的基礎上，提出了分層概率地圖法(Layer Probabilistic Roadmap Method，LPRM)算法，通過對三維空間分層、分區可以大大減少三維空間上的規劃時間。

　　在視景仿真方面也開始出現相應成熟的視景仿真引擎，例如Google Earth、OSGEarth、Vega Prime等[14-18]。近年來在商業環境中視景仿真技術的應用也逐漸廣泛起來，尤其是游戲、VR交互等方面。

　　本文在自主航路規劃的基礎上，利用Terrain vista和Vega Prime構建了大范圍真實三維場景，包含三維地形、地面運動目標、預設航線、雷達威脅等飛行環境信息，設計了無人機三維視景仿真系統，完成系統平臺的搭建和仿真，通過無人機的三維飛行仿真驗證了本文規劃算法的有效性和三維視景的直觀性。

1 系統組成及信息流程

　　無人機航路規劃及視景仿真系統由航路規劃軟件和視景仿真軟件兩部分組成，與無人機遙控遙測軟件和數字無人機軟件共同組成無人機模擬仿真系統，如圖1所示。數字無人機軟件主要模擬無人機的動力學性能、飛控、導航功能，地面遙控遙測軟件主要完成對無人機的遙控指令發送和遙測參數顯示。

　　航路規劃軟件包括三維航跡規劃模塊和地圖導航模塊。三維航跡規劃模塊根據環境信息（如無人機飛行特性、地形、禁飛區和威脅鏈路等）、載荷信息等構建一條從起始點到任務目標點的最優航線，規劃后的航線文件發送給數字無人機軟件，完成無人機任務三維航線的模擬；數字無人機軟件按照裝載的航線文件，完成無人機的飛行模擬，并把仿真的飛行參數（如經緯度、高度、速度和姿態角等信息）發送給視景仿真軟件和地圖導航模塊，供三維視景和數字地圖上進行導航顯示。其中視景仿真軟件分為飛行視景顯示模塊、機載光電載荷動態視頻模擬模塊和運動目標仿真模塊。飛行視景顯示模塊在三維視景內對禁飛區、障礙物、復雜氣象等渲染，完成三維場景及無人機位姿的實時顯示、飛行視角切換等；機載光電載荷動態視頻模擬模塊主要模擬相機姿態調整、焦距改變和跟蹤移動目標等過程；運動目標仿真模塊主要驅動三維場景內可移動目標的運動。無人機航路規劃及視景仿真系統組成和信息流程如圖2所示。

2 系統關鍵技術實現

　　無人機航路規劃及視景仿真系統涉及到復雜環境模型的建立、三維真實場景的生成、載荷特性模擬等方面，主要難點有以下三個方面：

　　(1)各種飛行、環境約束條件（如航空管制區、雷達識別區和最大航程等）進行抽象，轉化為簡單直觀的數學模型，無人機航路規劃問題就轉化為數學上的極值問題。如何構建合適的數學模型是系統地解決這一問題的關鍵。

　　(2)本文選用的概率地圖法在二維機器人路徑規劃有成熟的應用，但拓展到三維航路規劃有很大難度。對算法改進以適應無人機航路規劃要求規劃效率和實用性需求，是航路規劃的關鍵點。

　　(3)Vega Prime雖然是國外較為成熟的三維視景構建引擎，但是本系統需要構建超大真實場景，既要實現飛行仿真，又要進行載荷視角的動態仿真及運動目標仿真，多驅動同步仿真是實現系統的關鍵點之一。

　　2.1 系統約束建模及模型的評價標準

　　無人機任務規劃的約束條件多種多樣，例如需要考慮無人機的燃油對無人機航程的約束，無人機最小轉彎半徑的飛行性能約束，還有天氣環境對無人機安全性的威脅約束等情況。本文將約束條件分為兩類：剛性約束條件和柔性約束條件。剛性約束條件是指絕對不可超越，否則直接威脅無人機系統安全的約束條件；柔性約束條件是指可局部超越，但會導致系統性能降低的約束條件。

　　2.1.1 剛性約束模型

　　為保證無人機的飛行安全，無人機需要躲避地形，滿足最低飛行高度的限制；無人機需滿足航空管制要求，不得跨越禁飛區等情況都是剛性約束的范疇。根據約束特性設計數學模型cr為下式：

　　上式中航跡段E上航點集合為p={p|p∈E}，?追為剛性約束的集合，若航跡段在剛性約束范圍內，此航跡段威脅代價將無限大。

　　2.1.2 柔性約束模型

　　柔性約束條件又分為排斥約束和吸引約束兩種。無人機在敵方空域執行任務時不可避免地會進入敵方雷達偵測、高炮威脅范圍，需要盡量遠離等情況都屬于排斥約束模型的范疇；無人機需要隨時保持和地面站的聯系，確保處在數據鏈路覆蓋范圍內則屬于吸引約束模型的范疇。相對于剛性約束而言，臨近約束邊緣的威脅代價不會發生突變。根據約束特性計算柔性約束威脅代價如下式：

　　上式中航跡段E上航點p距威脅源或鏈路覆蓋中心距離為r(p)，I(r(p))為約束模型的計算公式，航跡段威脅代價為單約束代價航跡段積分。

　　2.1.3 飛行約束的評價標準

　　無人機航路評價目前沒有統一的標準形式。本文將評價函數設為各個約束模型的威脅代價沿航路積分與總航跡距離的加權。航路評價函數形式如下式：

　　上式中i為航路中第i航跡段，ar、al、as為對應的約束模型的權重因子，f(s)為總航程。依據航路評價函數迭代求解評價最小的航路即為無人機航路的最優解。評價函數不僅形式簡單直觀，并且對不同約束條件可以設置不同的權重因子，側重不同的約束類型，可以生成不同側重點的最優航跡。

　　2.2 基于LPRM航路規劃

　　概率地圖法(Probabilistic Roadmap Method，PRM)因具有模型構建簡單，幾何計算需求小，擴展性好等特性而被廣泛應用于解決二維路徑規劃問題[6]。然而無人機規劃空間從二維平面拓展到立體空間，需要擴展的航跡點集將呈指數型爆炸增長，限制了PRM在大場景無人機航路規劃中的應用。針對此問題，本文提出LPRM的方法，應用網格數據結構的限制條件及無人機飛行參數特性，實現了三維大場景條件下航路的快速搜索規劃。

　　LPRM法將規劃區域以特定高度間隔dinterval進行分層，高度間隔根據無人機最大爬升/下降角設定；再對單層空間進行特定邊長Lgridsize的網格劃分，最后再完成分層網格化的構造區域，以等密度進行隨機采樣航路點。三維規劃空間的分層網格化如圖3所示。

　　根據分層網格化產生的隨機航路點集和合適的搜索算法，即可得到滿足航路評價函數的最優航路。傳統基于PRM方法的A*搜索算法在航跡點擴展時需要考慮所有滿足最小飛行距離和最大飛行距離的航跡點，而LPRM方法利于網格的鄰接關系、最小俯仰角度及最大轉彎角度等飛行性能參數約束，快速剔除大部分無效網格區域，最大限度地縮小搜索范圍，提高搜索效率。

　　對于地形為100 km×100 km×20 km的區域進行航線規劃，LPRM算法中網格大小為5 km，垂直層間隔為500 m，采樣密度為1/km2。

　　對算法進行統計比較，結果如表1所示。學習階段邊的個數LPRM算法比傳統PRM算法減少2個數量級；在查詢階段， LPRM對節點擴展進行剪枝，節點擴展數量減小1個數量級，因此算法耗時大約差3個數量級，因此LPRM算法效率顯著提高。

　　2.3 超大場景真實視景仿真

　　超大場景真實視景仿真主要包括：超大地形構建、三維模型的建立和程序調度三部分。超大地形構建時利用Terrain vista軟件對衛星影像和高程信息進行匹配，并對地形信息(如機場、建筑和海域等)進行編輯；三維模型的建立主要利用Creator建模軟件構建無人機、運動目標模型，并標識模型的運動屬性；程序調度主要利用Vega prime軟件對場景和模型集成為ACF配置文件，利用Vega Prime提供的靈活可控的C語言程序設計接口，將ACF文件嵌入到VS2008編譯環境下建立的程序框架當中。通過響應鼠標鍵盤等設備輸入，完成交互控制，同時接收來自無人機地面控制軟件發送來的位置姿態相關數據，實現無人機飛行任務仿真。超大場景視景仿真構建圖如圖4、圖5。

　　本次構建的場景為海南島臨海地區，需要在地形構造時考慮海洋特效，主要包括海浪、船首尾浪花、航跡流和漂浮物等。這些海面效果利用Vega下的VpMarine模塊進行開發。船首尾浪花和航跡流與艦船關聯，受艦船的運動狀態影響。

　　視景仿真軟件不僅呈現無人機的飛行姿態信息，而且要呈現光學載荷視角的場景以及場景內移動目標的信息。光學載荷視角仿真是通過載荷姿態信息和無人機當前位姿信息，進行相應的場景坐標與載荷坐標系的轉換，在載荷視角窗口呈現對應場景。移動目標的仿真采用接收外部位姿數據更新和錄制回放更新兩種方式，外部位姿數據更新方式和無人機的仿真相同，錄制回放更新方式則依靠RecordingPlay類錄制手動操控移動目標在場景內的運動（包括移動目標位姿、特效），在實時仿真階段通過錄制文件的回放控制視景中的移動目標。

　　視景仿真中的移動目標追蹤功能采用碰撞檢測技術和外部算法兩種場景移動目標追蹤方式。在光學載荷模擬視頻界面上選取運動目標，通過Isector類進行運動碰撞檢測，通過場景坐標與屏幕坐標轉換得到目標模型的位置信息，調整載荷視角姿態，實現運動目標的跟蹤效果；外部追蹤的方式則是采用ABS(Absolute Balance Search)算法，用模板圖像和待匹配圖像上的搜索窗口間的像素灰度值的差別來判定二者的相關性實現運動目標跟蹤效果。

3 系統軟件平臺設計

　　3.1 航路規劃軟件

　　無人機航路規劃軟件依托于MapInfo環境地圖化技術，以控件的方式提供對象聯接與嵌入式的開發，支持Windows下絕大多數標準可視化開發環境，將MapInfo地圖應用功能及基于LPRM規劃方法嵌入到MFC框架中。主要實現三方面功能：地圖管理、主航路規劃及任務區域規劃和航跡導航。

　　(1)地圖管理

　　實現電子地圖的加載、漫游、縮放、移動、測距、標記和比例尺等功能。并能直觀地顯示標記點或者點選位置的經緯度等信息。

　　(2)主航路規劃和任務區域規劃

　　程序中添加航路規劃算法和任務區規劃策略，根據需求的飛行任務直接選取起始航點、配置障礙威脅環境等，生成規劃航路信息。任務區規劃是在航路規劃基礎上，根據任務要求和環境信息進行任務區航路重規劃。任務區規劃流程包括：①任務區范圍比較，確定航路需要重規劃區域及關鍵航點/航向；②刪除原任務區航路段，根據載荷、環境、天氣等因素確定柵格規劃寬度、覆蓋范圍參數，重規劃出柵格式航路；③基于監測覆蓋率和最優路徑規則給出任務區規劃評價。如圖6、圖7所示。

　　規劃結果分析：基于LPRM的航跡規劃算法復雜度較傳統PRM法有數量級的下降。通過模擬不同的場景下的LPRM法航跡規劃，規劃耗時在4 min左右，規劃速度滿足離線規劃要求。

　　(3)航跡導航

　　顯示目標飛行區域的電子地圖，準確標示飛機當前位姿及飛行航跡，為無人機提供導航平臺。

　　3.2 視景仿真軟件

　　視景仿真模擬軟件依托于Vega Prime 3d仿真引擎，實現三維場景中實現模型、場景、環境操作等功能，運用OpenAL庫模擬無人機、飛機等物體的聲音。主要實現三方面功能：虛擬環境編輯、視景仿真及機載載荷模擬和移動目標模擬及追蹤。

　　(1)虛擬環境編輯

　　實現在線環境編輯功能，可以對威脅源進行添加、刪除、修改；也可從文件載入威脅源信息、保存環境配置信息；可以接收規劃的航路信息，進行航路的顯示。如圖8所示。

　　(2)視景仿真及機載載荷模擬

　　視景仿真實現飛行場景顯示及飛行姿態仿真，機載載荷模擬包括載荷視角的場景仿真及載荷姿態仿真；具備遙測參數顯示功能，仿真顯示的參數包括無人機位置信息、飛行姿態信息、狀態信息等，如圖9所示。

　　(3)移動目標模擬及追蹤

　　實現外部數據控制運動模型及手動控制模式下移動目標模擬；實現載荷視角下的ABS算法移動目標追蹤仿真。如圖10所示。

　　本文測試計算機配置如下：

　　CPU: AMD Athlon(tm) X4 760K  RAM:2.43GB

　　Graphics: NVIDIA GeForce GT740

　　可以同時顯示無人機三維飛行特性和載荷跟蹤特性，圖像幀連續，三維場景震撼真實，通過鍵盤快捷鍵可以調整無人機觀測姿態、三維場景的天氣變化等。

4 結論

　　無人機航路規劃及視景仿真系統是無人機模擬仿真系統的重要組成部分，具有重要的現實意義和工程實用價值。本文以某無人機項目為依托，在實驗室環境下構建了無人機航路規劃及視景仿真系統軟件系統，為實際的無人機項目的研究中的關鍵技術進行攻關，部分成果經過適應性改進就可以應用到實際無人機項目中。本文設計的通用化軟件框架及開發中關鍵技術的解決方案，對該領域相關問題有較好的參考價值。

　　參考文獻

　　[1] 孫麗卿，張國峰，王行仁.無人機仿真訓練系統[J].計算機仿真，2006，23(2)：44-46.

　　[2] 閔昌萬，袁建平.軍用飛行器航跡規劃綜述[J].飛行力學，1998(4)：14-19.

　　[3] 毛紅保，田松，晁愛龍.無人機任務規劃[M].北京：國防工業出版社，2015.

　　[4] YING W U，FEN R U，LIU R H.3D visual simulation of UAV flight scene[J].Microprocessors，2011.

　　[5] YANG L，QI J，XIAO J，et al.A literature review of UAV 3D path planning[C].11th World Congress on Intelligent  Control and Automation(WCICA 2014).2015：2376-2381.

　　[6] POPPINGA J，BIRK A，PATHAK K，et al.Fast 6-DOF path planning for autonomous underwater vehicles(AUV) based on 3D plane mapping[C].International Symposium onSafety，Security，and Rescue Robotics.Kyoto，Japan：IEEE，2011：345-350.

　　[7] LI Q R，WEI C，WU J，et al.Improved PRM method of low altitude penetration trajectory planning for UAVs[C].Proceedings of 2014 IEEE Chinese Guidance，Navigation andControl Conference，Yantai，China：IEEE，2014：2651-2654.

　　[8] OVERMARS M H，MARK H.A random approach to motionplanning[J].RUU-CS，1992.

　　[9] KAVRAKI L E，SVESTKA P，LATOMBE J-C，et al. Probabilistic roadmaps for path planning in high-dimensionalconfiguration spaces[J].Robotics and Automation，IEEE Transactions，1996，12(4)：566-580.

　　[10] AMATO N M，BAYAZIT O B，DALE L K，et al.Choosinggood distance metrics and local planners for probabilistic roadmap methods[C].International Conference on Robotics and Automation.Leuven，Belgium：IEEE，1998，1：630-637.

　　[11] 王振華，章衛國.基于改進概率地圖的無人機實時避障研究[J].計算機工程與應用，2010，46(25)：220-222.

　　[12] 楊文平，李儼.無人機三維實時航跡規劃仿真平臺[J].計算機仿真，2011，28(8)：41-46.

　　[13] LI Q，WEI C，WU J，et al.Improved PRM method of low altitude penetration trajectory planning for UAVS[C].Guidance，Navigation and Control Conference(CGNCC)，2014 IEEE Chinese，IEEE，2015：2651-2656.

　　[14] 鄒明皓.視景仿真技術在無人機任務規劃中的應用與研究[D].成都：電子科技大學，2011.

　　[15] 張雄，葉榛，朱紀洪，等.基于虛擬現實的無人駕駛飛機仿真訓練系統[J].系統仿真學報，2002，14(8)：1022-1025.

　　[16] 王乘，李利軍，周均清，等.Vega實時三維視景仿真技術[M].武漢：華中科技大學出版社，2005.

　　[17] 王乘，李利軍，周均清.Creator可視化仿真建模技術[M].武漢：華中科技大學出版社，2005.

　　[18] 王孝平，董秀成，等.Vega Prime實時三維虛擬現實開發技術[M].成都：西南交通大學出版社，2012.