本文是對參考文章《無人機航線規劃思路剖析，基於凸多邊形地塊往復式運動》算法實現的一個優化，優化內容點：
- 航線間隔的優化
- 航線外擴
注：接下來的內容，請務必掌握參考文章內容的知識點。
航線間隔計算的優化
優化前寫法：
作者使用了一個非常簡單粗暴的寫法，即用多邊形外接矩形計算出最北方向和最南方向的距離，然後除以航線間隔距離，得出規劃航線的數量:
function distance(p1,p2){
/**leaflet提供的方法*/
return L.latLng(p1.lat,p1.lng).distanceTo(L.latLng(p2.lat,p2.lng))
}
/** nw到sw的距離*/
var dist = distance(nw,sw);
/** 得出答案*/
var lines = parseInt(dist / 20)
然後再用最北方向的緯度減去最南方向的緯度，除以已知的航線數量，即可得到每條航線之間的緯度差，以此從上往下計算出每條航線的緯度:
var N=[];
var stepLat=(nw.lat-sw.lat)/lines;
for(var i=0;i<lines;i++){
N.push(nw.lat - i * stepLat)
}
我們可以舉個簡單的例子來表明此方法的弊端，假設北緯與南緯之間的間隔距離爲 100 米，並且要求航線間隔是 30 米，按照上述代碼可計算出 lines = 3，然後再計算出緯度差畫出航線，我們所期望的間隔 30 米，在此平均算法後，實際的每條間隔卻變成了 33.33 米，如圖：
導致了旁向重疊率一直不準確。
優化後寫法
使用方位角算法：已知一點經緯度，方位角，距離，求另一點經緯度。
public static MapLatLng getBearingLatLng(MapLatLng latLng, int distance, double bearing) {
double R = 6371.393 * 1000;
double δ = distance / R;
double θ = toRadius(bearing);
double φ1 = toRadius(latLng.getLatitude());
double λ1 = toRadius(latLng.getLongitude());
double sinφ2 = Math.sin(φ1) * Math.cos(δ) + Math.cos(φ1) * Math.sin(δ) * Math.cos(θ);
double φ2 = Math.asin(sinφ2);
double y = Math.sin(θ) * Math.sin(δ) * Math.cos(φ1);
double x = Math.cos(δ) - Math.sin(φ1) * sinφ2;
double λ2 = λ1 + Math.atan2(y, x);
double lat = toDegree(φ2);
double lng = toDegree(λ2);
return new MapLatLng(lat, lng);
}
private static double toRadius(double value) {
return value * Math.PI / 180;
}
private static double toDegree(double value) {
return value * 180 / Math.PI;
}
具體實現是，以最北緯度爲基準點，在航線間隔距離下，計算出 180 度方向(正北爲0度)的一個點，該點則是第一條航線上的點，然後再通過該點爲基準點，一直反覆計算出下一個點，直到下一個航點的位置小於最南緯度爲止，仍是上述的例子，計算後的航線效果如圖:
航線外擴
航線外擴功能主要是爲了無人機能更好的拍攝地塊邊界，在合成三維模型中有更好的展現。在參考文章中，作者並未對航線的外擴進行實現，我們在分析競品時，可以看見 DJI Pilot 是有該功能的實現的：
具體實現：
仍是利用方位角算法，對航線中的兩點進行向左外擴和向右外擴，示意圖如下:
紅線是我們外擴的距離，該距離爲航線間隔距離即可。我們知道線是由兩點構成的，也即意味着，航點集是一個偶數，那麼我們可以每次以步長爲 2 進行循環遍歷航點集，每次取兩個點進行經度的比較，如果 點1 的經度大於 點2 的經度，那麼 點1 就要向右進行外擴， 點2 就要向左進行外擴，外擴算出來的點需要替換原集合位置的點，以此類推下去，即可實現所有點的外擴，實現效果如下：
參考文章
1、方位角的計算
最後
如果有開發者對無人機相關內容感興趣的話，可以聯繫作者，微信號:codelang94