本发明涉及人机交互，尤其涉及一种面向集群的异形区域多路径搜索方法和系统。
背景技术：
1、在无人集群技术的前沿探索中，无人机集群系统正日益成为智能科技领域的一大焦点。这类系统凭借其独特的灵活性与扩展性，在诸多应用场景中展现出无可比拟的优势。从广义上讲，“无人集群”旨在通过高度集成的智能体系，实现复杂任务的自动化与智能化处理。
2、在现有集群区域搜索技术中，尤其是涉及无人机的应用场景，现有技术尽管在许多方面展现了高效与智能化，但仍面临着一系列挑战与限制。这些技术在处理复杂或不规则地理区域时，往往暴露出不足，尤其是在资源分配和任务执行效率上。例如，在农业、搜救、环境监测等场景下，面对不规则形状的区域，无人机集群难以精确理解并有效划分各自的工作边界，这不仅导致了资源的浪费，也限制了任务执行的效率和质量。
3、对于无人机集群而言，传统的方法在面对复杂地形时，往往采用预设路径或简单几何划分的方式分配任务区域，这种方法难以适应地形的复杂变化，特别是在山区、森林或城市密集区等环境下，无人机之间的协同作业效果大打折扣。此外，由于缺乏对区域内部结构的深入理解和动态调整机制，无人机在执行覆盖任务时可能会出现重复覆盖或遗漏区域的情况，影响了整体任务的完成度。
技术实现思路
1、鉴于上述的分析，本发明实施例旨在提供一种面向集群的异形区域多路径搜索方法和系统，用以解决现有集群区域搜索在不规则的异形区域时的路径规划和资源分配不均的问题。
2、本发明的目的主要是通过以下技术方案实现的：
3、本发明提供了一种面向集群的异形区域多路径搜索方法，包括如下步骤：
4、获取待搜索异形区域；
5、基于集群中无人平台的数量，对所述待搜索异形区域进行区域划分，得到形状规则且面积均匀的子区域，包括：对所述待搜索异形区域使用delaunay三角剖分法进行初始子区域划分后，在所述待搜索异形区域内进行上采样增加区域内上采样点，对划分后的各初始子区域进行精细划分；
6、对各所述子区域设置搜索路径，使用集群中的无人平台进行并行搜索。
7、进一步的，所述对所述待搜索异形区域使用delaunay三角剖分法进行初始区域划分，包括：
8、生成一个超级三角形；其中，所述超级三角形的尺寸能够覆盖所述待搜索异形区域；
9、将所述待搜索异形区域的各顶点依次加入所述超级三角形中，使用delaunay三角剖分法将所述待搜索异形区域划分为若干三角形区域；
10、对若干所述三角形区域的三角形质心使用k-means算法进行基于集群中无人平台的数量的聚类，得到预设数量的初始子区域；其中，所述预设数量为集群中无人平台的数量。
11、进一步的，对各所述初始子区域进行迭代区域细化，得到预设数量的区域单元；在一次迭代过程中：
12、获取本次迭代的上采样点数量和各初始区域单元；
13、基于所述上采样点数量，在所述待搜索异形区域内进行随机撒点上采样；
14、基于各初始区域单元内的上采样点，对各初始区域单元进行三角剖分得到精细三角形网格；
15、对所述精细三角形网格中的各三角形质心使用k-means算法进行基于预设数量的聚类，将所述待搜索异形区域重新划分得到本次迭代的各区域单元；
16、将本次迭代的上采样点数量乘以2作为下次迭代的上采样点数量，将本次迭代的各区域单元作为下次迭代的各初始区域单元，反复迭代；
17、当各所述区域单元的形状和面积满足收敛条件时，结束迭代。
18、进一步的，基于各初始区域单元内的采样点，对各初始区域单元进行三角剖分得到精细三角形网格，包括：将各初始区域单元内的上采样点依次加入各初始区域单元中，与各初始区域单元的顶点使用delaunay三角剖分法划分三角形区域得到精细三角形网格。
19、进一步的，在第一次迭代过程中：
20、基于所述待搜索异形区域的面积和所述集群中无人平台的数量设置上采样点数量；
21、各所述初始子区域作为各初始区域单元。
22、进一步的，对各所述子区域设置搜索路径，包括：
23、获得各所述子区域的主轴；
24、基于各所述子区域的主轴，使用犁耕式路径生成法生成各所述子区域的巡航路径；
25、基于各所述子区域的巡航路径的各犁耕线长度，使用自适应步长设置各巡航路径上的航点，得到各子区域的搜索路径。
26、进一步的，所述获得各所述子区域的主轴，包括：
27、获得各所述子区域的质心；
28、以所述质心为圆心进行180度双向扫掠，每隔1度提取扫掠线上各所述子区域两侧边界的长度；
29、选择长度最长的扫掠线作为各所述子区域的主轴。
30、进一步的，所述基于各所述子区域的主轴，使用犁耕式路径生成法生成各所述子区域的巡航路径，包括：
31、以各所述子区域的主轴作为基准线，以预设宽度为间隔生成若干平行于所述基准线的犁耕线；其中，各犁耕线以各所述子区域的最外边作为边界；
32、将各所述子区域中的各犁耕线以首尾相接的方式进行连接得到各所述子区域的巡航路径。
33、进一步的，所述使用自适应步长设置各巡航路径上的航点，包括：
34、设置基准犁耕线长度和集群中无人平台的基准步长；
35、基于各巡航路径上的各犁耕线长度、所述基准犁耕线长度和基准步长，分别计算各巡航路径上的各犁耕线的无人平台步长；
36、基于各犁耕线所述无人平台步长，在各犁耕线上设置无人平台的航点。
37、本发明还提供了一种面向集群的异形区域多路径搜索系统，包括：
38、人机交互模块，用于得到待搜索异形区域；
39、子区域划分模块，用于基于集群中无人平台的数量，将所述待搜索异形区域划分形状规则且面积均匀的子区域；其中，对所述待搜索异形区域使用delaunay三角剖分法进行初始子区域划分后，在所述待搜索异形区域内进行上采样增加区域内上采样点，对划分后的各初始子区域进行精细划分；
40、子区域路径规划模块，用于对各子区域设置搜索路径，使用集群中的无人平台进行并行搜索。
41、与现有技术相比，本发明至少可实现如下有益效果之一：
42、1、本发明支持用户自定义搜索区域，将待搜索异形区域划分为形状规则且面积均等的子区域，并对各子区域根据其形状分别设置搜索路径，使用集群中的无人平台并行进行区域搜索，提高无人平台的作业效率。
43、2、本发明在区域划分时通过融合delaunay三角剖分技术、聚类算法以及金字塔层次化理论，使得分割出的子区域形状更为规则，有利于路径规划的简化与优化。规则的子区域不仅保证了分割后的均匀性，避免了因面积差异带来的覆盖不均问题，而且与其他子区域有清晰界限，提高了各区域覆盖操作的独立性和效率，为无人机群的高效作业提供了坚实基础。
44、3、本发明通过对待搜索异形区域先进行低分辨率切分，简化了初始阶段的计算复杂度，能够快速找到初始解，避免了局部最优解陷阱。
45、4、本发明在区域划分时通过从低分辨率到高分辨率的逐步细化，该算法能够在保持计算效率的同时，逐步提升区域划分的精度和规则性。随着迭代的深入，逐步增强了算法对复杂地形和形状的适应能力，确保最终区域划分的质量。
46、5、本发明在各子区域内的路径生成方法，通过主轴的选择与自适应步长路径生成，进一步提升了无人机群的覆盖效率与完整性，克服了传统静态路径规划可能存在的覆盖遗漏或重复问题。
47、6、本发明的路径生成方法通过扫掠提取主轴，能够极大地减少无人机在犁耕过程中的转向行为频率，提高无人机稳定性及减少能量消耗。采样步长可根据犁耕线的大小和形状自适应调整，提高了无人机工作效率，同时确保了崎岖的作业区域能被有效覆盖，提高了作业的高效性和完整性。
48、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
1.一种面向集群的异形区域多路径搜索方法，其特征在于，包括如下步骤：
2.根据权利要求1所述方法，其特征在于，所述对所述待搜索异形区域使用delaunay三角剖分法进行初始区域划分，包括：
3.根据权利要求2所述方法，其特征在于，对各所述初始子区域进行迭代区域细化，得到预设数量的区域单元；在一次迭代过程中：
4.根据权利要求3所述方法，其特征在于，基于各初始区域单元内的采样点，对各初始区域单元进行三角剖分得到精细三角形网格，包括：将各初始区域单元内的上采样点依次加入各初始区域单元中，与各初始区域单元的顶点使用delaunay三角剖分法划分三角形区域得到精细三角形网格。
5.根据权利要求3所述方法，其特征在于，在第一次迭代过程中：
6.根据权利要求1所述方法，其特征在于，对各所述子区域设置搜索路径，包括：
7.根据权利要求6所述方法，其特征在于，所述获得各所述子区域的主轴，包括：
8.根据权利要求7所述方法，其特征在于，所述基于各所述子区域的主轴，使用犁耕式路径生成法生成各所述子区域的巡航路径，包括：
9.根据权利要求8所述方法，其特征在于，所述使用自适应步长设置各巡航路径上的航点，包括：
10.一种面向集群的异形区域多路径搜索系统，其特征在于，包括：
