1. 课程导入

当一架无人机在震后废墟上空盘旋、当无人艇在指定海域按平行航线扫测、当多台地面机器人协同搜索一片厂区时，它们背后都依赖同一类技术：无人系统搜索覆盖任务规划。它研究的是：在给定区域、时间、能量、传感器能力和环境约束下，如何为无人平台（或平台集群）设计运动路径与感知策略，使目标被发现的概率尽可能高、覆盖尽可能完整、代价尽可能低。

理解这门课，先要抓住三个关键词。搜索强调"找目标"——目标可能静止、可能移动、可能隐蔽，传感器有探测距离与虚警/漏警特性；覆盖强调"扫区域"——要求区域内每个点被传感器视场扫过的次数或时间满足指标；规划强调"可执行"——输出的是平台能跟踪的航路点、速度、航向、传感器开关时序，而不是抽象的最优曲线。三者叠加，使问题同时具有几何、概率、优化与控制属性。

核心问题：从"扫到"到"找到"

搜索覆盖任务规划的核心问题可以概括为一条链：区域与目标先验 → 传感器探测模型 → 覆盖/发现概率指标 → 路径与调度决策 → 约束校验 → 执行与重规划。其中最容易混淆的是"覆盖"与"搜索"的差别：覆盖关心传感器视场是否经过某点，搜索关心经过时是否成功探测。例如某光电吊舱对人员的有效识别距离约 300 m、视场角 40°，那么一条间距 250 m 的平行航线可以保证相邻条带重叠，但若目标被树冠遮挡，覆盖到了仍可能搜不到。因此规划时必须把探测概率模型（如距离衰减、遮挡、姿态角影响）纳入指标，而不是只算几何覆盖率。

另一个核心问题是约束的多样性。典型约束包括：续航时间（如多旋翼 35 min，需预留 20% 返航电量）、最小转弯半径（固定翼约 50～150 m）、禁飞区/障碍物、通信链路距离、传感器扫描角与稳定时间、多平台避碰等。规划算法若只优化覆盖率而忽略这些约束，结果往往不可飞、不可用。

典型应用场景

搜索覆盖规划的应用面很宽，不同场景的指标侧重差异明显：

• 灾害搜救：震后废墟、山林失联人员搜索。目标是"尽快发现幸存者"，侧重发现概率与时间，常用多无人机分区并行、红外与可见光互补。
• 海域/水域搜救与扫测：漂浮物、落水人员、油污带搜索。受海流与风影响，目标会漂移，需把漂移预测纳入搜索区域更新。
• 安防巡逻：园区、边境、机场周界。强调覆盖的周期性与可重复性，要求任意点被访问的时间间隔不超过阈值。
• 农业与测绘：植保喷洒、航测建图。强调均匀覆盖与航带重叠率，如航向重叠 70%、旁向重叠 60%。
• 环境监测与应急：污染源定位、气体泄漏溯源。目标浓度场随扩散变化，属于"信息驱动"搜索，路径需根据实时读数调整。

这些场景共享同一套方法骨架，但参数与优先级不同。学习时建议始终问三个问题：目标是什么特性？区域与传感器如何建模？成功判据是什么？

课程学习地图

本课程共 30 章，整体按"基础—建模—规划—协同—验证"推进。前段建立区域表示、传感器模型与覆盖指标；中段学习单平台路径生成（平行线、螺旋、分区）与搜索理论（贝叶斯更新、发现概率）；后段进入多平台协同、动态目标与在线重规划；最后落到仿真验证与实飞/实航校核。下图给出课程主线与各阶段的关键对象和产出关系。

从图中可以看到，课程不是线性罗列知识点，而是围绕"区域—传感器—指标—决策—校验"这条链路反复深入。前四章会先把区域表示、传感器模型和指标定义讲清楚，因为后续所有算法都建立在这三块地基上。若地基不牢，后面无论用遗传算法还是强化学习，都只是在优化一个定义不清的目标。

一个可动手的入门示例

为便于建立直觉，给出一个简化算例（数值为教学假设，非实测）。设矩形搜索区 2000 m × 1200 m，单架多旋翼续航 30 min、巡航速度 10 m/s、可用任务时间 24 min；机载相机有效扫宽 200 m，要求旁向重叠 20%，则航带间距 d = 200 × (1 − 0.2) = 160 m。所需航带数 N = 1200 / 160 = 7.5，取 8 条。总航程约 8 × 2000 + 7 × 160 ≈ 17120 m，飞行时间约 17120 / 10 ≈ 1712 s ≈ 28.5 min，已超过 24 min 可用时间。结论：单机无法在约束内完成，需要缩短航程（减小区域、增大扫宽）或改为双机分区。这个简单计算已经体现了规划的核心矛盾：覆盖要求与平台能力之间的冲突。

最后明确本课程的参照约定：区域坐标采用东-北平面直角坐标，x 轴指向东、y 轴指向北，角度以 x 轴正方向为 0°、逆时针为正；航向角、航带方向均按此定义，全文与图示保持一致。若某章切换到地理坐标或机体坐标，会单独说明。掌握这些约定，是读懂后续路径生成与协同算法描述的前提。