前言

斯坦福大学的科学家考虑为一组空中机器人规划路径的问题，以便对地面上的给定区域进行航空摄影测量。机器人必须用朝下的摄像机收集一组图像，以便覆盖地面的整个区域。这要求图像具有尽可能高的分辨率，同时确保有足够的重叠，以便稍后将图像拼接在一起，从而创建该区域的高分辨率镶嵌图。此外，由于天气变化、照明变化和地面动态条件，航空勘测应尽快进行，所有机器人同时运行，同时保证电池寿命和高度限制，以及尊重野生动物干扰限制和避免空域禁飞区。

研究内容

研究人员提出了高架机器人网络人口计数的路径优化，它为一组空中机器人在这些条件下进行空中摄影测量规划路径。该算法的核心优点是它比现有的优化方法更快，并且它可以在任何时刻(在第一次迭代之后)停止以返回满足问题约束的路径。此外，该方法是基于可满足性模理论(SMT)的高度表达语言，它允许对要求进行编码。他们在南极罗斯岛(南纬77.5294度，东经167.2123度)对阿德利企鹅群进行的大范围野外调查中展示了该方法。调查使用了自主的多旋翼无人驾驶飞行器，俗称“无人机”。多机器人测量系统将对占地2平方公里的300，000窝阿德利企鹅群进行航空测量的时间从2天缩短到3小时。

实验方法

研究人员将航测问题表述为一个受限路径规划问题。他们在环境上构建一个格子，这样在格子中的每一点拍摄的图像将提供所需的分辨率和图像重叠，以产生所需的照片。他们的目标是找到无人机通过网格的最小长度路径，确保网格中的每个点至少被访问一次，同时考虑电池限制。他们还要求每个机器人在同一点进出格子。每一个问题都可以比相同规模的混合整数线性规划(MILP)更快地解决，以产生满足约束的路径(例如最大路径长度界限，或路径是循环的要求)。在每次迭代中，路径长度界限减小，直到问题变得不可行，此时算法已经找到了用于测量的最小长度路径。当使用几何方法(如扫掠或螺旋样式)时，此类约束无法强制实施。它提供满足调查要求的路径；然而，这些路径可能并不理想。当应用程序需要快速可行的结果时，这一点至关重要，极端的室外环境可能就是这种情况。爆米花算法，连同各种支持工具，是一个开源的Python软件包，名为WADL。

野外营地的无人机

调查地点

止回点界限

路径规划实例示例

结论

科学家通过在一组无人机上实现该算法并进行实地实验，证明了该算法的有效性，与人工驾驶的单无人机调查相比，该算法将调查时间从2天减少到3小时。调查过程中增加的速度提供了对天气快速变化的鲁棒性，并允许在繁殖季节收集更多的数据。其他需要在极端条件下进行快速航空勘测的应用——例如在高风险天气条件下对其他野生动物种群、灾难现场或森林和灌木林地进行勘测以检测野火——也可以从算法中受益。他们的努力将最终形成一个适用于任何数量无人机的勘测规划工具，该工具具有在线重新规划的能力，以实时适应不断变化的勘测条件。

https://robotics.sciencemag.org/content/5/47/eabc3000。