无人机航测任务规划：GSD、重叠度与航点导出

为什么需要这个模块

AP-CPP 主动感知覆盖规划 关注“飞到哪里看、看哪里信息 增益最高”，航点轨迹跟踪 关注“已有航点怎么跟”。 本模块补的是更前面的一步：给定相机、目标 GSD、重叠度和测区，应该飞多高、 航带间隔多少、拍多少张、航点在哪里。

它不控制无人机，也不替代禁飞区检查；输出是飞行前可检查、可导出的任务文件。

快速运行

cd src/air/survey_mission_planner
python -m pip install -r requirements.txt
python main.py demo

本机实测：

altitude_m=119.3891
gsd_m=0.012
footprint_width_m=65.664
footprint_height_m=43.776
line_spacing_m=19.6992
shot_spacing_m=8.7552
line_count=10
image_count=378
flight_distance_m=3456.358
flight_time_s=450.045
coverage_ratio=1.0
waypoint_count=20

航测任务规划

示例相机为 1 英寸传感器、24 mm 镜头、5472×3648 图像；目标 GSD 1.2 cm/px， 算得航高约 119.4 m，旁向/航向重叠 70%/80%，规划 10 条航带、20 个航点和 378 张 照片。测区约 6.5 万 m²，预计航程 3.46 km、纯飞行时间 7.5 min。

方法

由目标 GSD 反算航高：

然后计算地面覆盖宽高、航带间距和拍照间距。测区先按顶点主方向旋转，使航带 沿长边方向；再对每条扫描线求与多边形的交点区间，生成往复式航点。最后旋转回 原 ENU 坐标系。

覆盖率用 2 m 网格采样：对测区内的每个采样点，检查它到最近航带中心的距离是否 小于半幅宽。示例的覆盖率为 100%，但采样分辨率有限，不等价于真实照片重叠检查。

导出

main.py demo 在 results/ 下生成：

  • survey_waypoints.csv：序号、ENU、经纬度、航高；
  • survey_mission.kml：航迹线；
  • survey_mission.wpml：最小 DJI WPML 示例；
  • plan.json：全部指标和警告。

WPML 的字段会随 DJI Pilot/机型变化，仓库中的文件是可解析的最小示例，不是 经过真机验证的飞行任务。正式飞行前必须在地面站中检查航高、返航高度、禁飞区、 电池余量和机型字段。

ROS 2 接口

节点订阅 /survey/plan_request（JSON），发布 /survey/path （nav_msgs/Path）和 /survey/summary（JSON）。

colcon build --packages-select survey_mission_planner
source install/setup.bash
ros2 launch survey_mission_planner main.launch.py

ROS 2 节点在当前 Windows 开发机上未执行；离线规划、8 个单元测试和三种导出格式 均已实际运行。ROS 2 Humble 的启动验证需要在 Ubuntu 虚拟机中完成。

测试

python -m unittest discover -s tests -v

8 个测试全部通过，覆盖 GSD/航高互算、覆盖范围、航带/拍照间距、覆盖率、航点 位于测区内、确定性和 CSV/KML/WPML 可解析。

已知限制

  • 平面测区，不做 DEM 地形跟随；
  • 不考虑风、电池电压曲线和真实转弯动力学；
  • 凹多边形会生成多个航段，但没有做全局最优路径排序；
  • WPML 未在真实 DJI 机型上验证；
  • 覆盖率是几何采样，不是基于真实照片的重叠度检查。

大模型使用声明

代码、测试和文档使用 OpenAI Codex 辅助完成；运行指标与截图来自本机实际执行。 提交者需对内容负责。