基于骨架图的TF/TA2航迹规划方法技术

本发明专利技术提出了一种基于骨架图的TF/TA2航迹规划方法，根据数字地图的高程信息，利用地形特征，将相对平坦和山谷地形提取出来，建立骨架图，作为航迹规划的参考。与传统航迹规划算法相比，骨架图法不在依赖于数字高程所提供的网格信息，它将整个数字高程信息转化为骨架图，在实际计算中相当于将成千数万个网格点变成了骨架图中的一个计算节点，使得搜索空间大大缩小，计算效率大幅度提高。而且由于骨架图可以根据地形高程图提前离线处理好，然后保存起来，使用的时候直接加载拼接就能得到整个区域的骨架图。飞行过程遇到危险或突发情况时，根据威胁对骨架图快速处理就能得到新的骨架情况，无需重新构建骨架。

【技术实现步骤摘要】

本专利技术涉及航迹规划
，具体为一种基于骨架图的TF/TA2航迹规划方法。
技术介绍
地形跟随/地形、威胁回避(Terrain Following/Terrain Avoidance and Treat Avoidance,缩写为TF/TA2)技术极大地提高了飞行器的突防能力和生存能力，其中航迹规划(Route Planning)是其核心技术。航迹规划通常分为静态(或离线)航迹规划和动态(或在线)航迹规划两种。静态航迹规划是指在执行任务前，根据已经获得的诸如地形威胁、敌方火力威胁等已知威胁信息进行航迹规划；动态航迹规划是指在执行任务过程中，根据诸如遇到新的突现威胁、目标任务发生变化等进行航迹重规划。当前的航迹规划算法有很多，有些也比较成熟，可根据不同的分类标准对众多算法进行系统分类。从规划决策的角度，航迹规划算法可分为最优化算法和启发式算法这两类。最优化算法是纯数学优化方法，通过数学计算得到最优的路径，这类算法的运算能力与规划的规模紧密联系，若规划规模较大或者问题较多时，其计算时间爆炸式增长，常常会导致无解或者有解但要无休止的运算下去。常用的最优化算法有穷举法、动态规划法、人工势场法、梯度法、参数优化法等。启发式算法相对最优化算法而提出，其定义为：一个基于直观或经验构造的算法，在可接受的花费(计算时间与空间)下给出待解决优化问题的一个可行解。常用的启发式算法包括：遗传算法、禁忌搜索算法、蚁群算法、蜂群算法、模拟退火算法、神经网络算法、粒子群优化算法等。关于航迹规划的综述文献包括(李季,孙秀霞.基于改进A-Star算法的无人机航迹规划算法研究[J].兵工学报,2008,29(7):788-792.)(胡中华,赵敏,姚敏,等.无人机航迹规划技术研究及发展趋势[J].航空电子技术,2009,40(2):24-29.)和(王维平,刘娟.无人飞行器航迹规划方法综述[J].飞行力学,2010,28(2):6-10.)，其中详细比较了
各类航迹规划算法的优劣，下面对常用的TF/TA2航迹规划算法总结如下：(1)人工势场法(Lin C L,Li Y H,Aouf N.Potential-field-based evolutionary route planner for the control of multiple unmanned aerial vehicles[J].Proceedings of the Institution of Mechanical Engineers,Part G:Journal of Aerospace Engineering,2010,224(11):1229-1242.)是航迹规划领域较常使用的算法之一，该算法主要利用物理中关于磁场吸引和排斥的法则，将目标点周围视为吸引场，威胁和障碍视为排斥场，飞行器在两者综合生成的势场中飞行。该算法在计算过程中，只使用当前位置临近诸点的信息，所以计算速度快，而且利用该方法还可以处理动态威胁信息。但当吸引力和排斥力相等时由于局部最小点的存在导致规划失败。(2)动态规划方法(闵昌万,袁建平.航迹规划中安全走廊及参考轨迹的确定[J].飞行力学,1999,17(2):13-18.)也常常用于航迹规划领域，该方法通常能得到一个全局最优解，但计算量随着优化空间的增大也急剧增大，虽然有学者通过把三维最优路径分解为水平方向和垂直方向分别进行计算、通过限制航向改变量不能大于45°从而用可行航向进行搜索、或者提出将树型搜索与动态规划过程相结合进行最优航迹的计算等方式来减小动态规划的维数，提高算法效率，但在大范围计算、实时规划中计算效果仍不理想。(3)以遗传算法为代表的诸多智能算法，如(Volkan Pehlivanoglu Y,Baysal O,Hacioglu A.Path planning for autonomous UAV via vibrational genetic algorithm[J].Aircraft Engineering and Aerospace Technology,2007,79(4):352-359.)(Blasi L,Barbato S,Mattei M.A particle swarm approach for flight path optimization in a constrained environment[J].Aerospace Science and Technology,2013,26(1):128-137.)(陈冬.基于粒子群优化算法的无人机航迹规划[D].西北工业大学2007.)也常被用来求解航迹规划问题，该类算法通常将目标函数表示为距离代价、路径代价、威胁代价、惩罚代价和范围代价的组合，将飞机机动性等较难处理的约束引入问题编码中，例如将最大偏航距的取值限制在一定的范围内以防止航迹作过大的转弯。但算法的收敛速度不佳且难以验证航迹的优劣。(4)A-star搜索算法(李季,孙秀霞.基于改进A-Star算法的无人机航迹规划算法研究[J].兵工学报,2008,29(7):788-792.)也是航迹规划领域常用的算法之一。该方法是一种静态路网中求解最短路最有效的方法，利用数字地图的栅格存储方式，根据节点的距离、威胁等信息确定估价函数，在搜索所有节点的情况下，最终能够得到一条最优航迹，但实时性较差。在引入了启发式搜索的思想，提出了一种人工辅助标记航路点+改进的启发式ASTAR算法相结合的航迹规划方法之后，虽然大大改善了航迹规划的效果和实时性，但仍然没有从根本解决实时性问题，且人工辅助标记航路点如何合适确定也是一个新的问题。
技术实现思路
当前的航迹规划算法各有偏重，在静态航迹规划中，由于对求解时间没有太大限制，可以选择和尝试各种算法进行求解。但在动态航迹规划的时候，由于实时性要求很高，很多算法无法满足实际需要。为解决现有技术存在的问题，本专利技术提出了一种基于骨架图的TF/TA2航迹规划方法，根据数字地图的高程信息，利用地形特征，将相对平坦和山谷地形提取出来，建立骨架图，作为航迹规划的参考。在航迹规划过程中，尤其是动态航迹规划，面对复杂的山区地形，能快速制定一条可飞的航迹。本专利技术的技术方案为：所述一种基于骨架图的TF/TA2航迹规划方法，，其特征在于：包括以下步骤：步骤1：根据数字地图上每一点的高程信息，建立二值图；所述数字地图包含后续步骤3中需要提取的关键区域；步骤1.1：依据数字地图上每一点的二维平面坐标，建立中间图；所述中间图中的点与数字地图上对应点具有相同的二维平面坐标；步骤1.2：依据数字地图上每一点的高程信息，进行如下处理，以给中间图中对应点赋高度值：对于数字地图上的某一点A，以A点为几何中心，建立一个正多边形区域或圆形区域，计算区域内所有点高度的平均值H，若A点在数字地图上的高度值不大于
H*a，则给中间图中与点A具有相同二维平面坐标的点A’赋高度值为H*a，其中a为比例参数，否则给点A’赋A点的高度值；步骤1.3：依据中间图中各点的高度值，计算中间图中各点的梯度；依据梯度阈值，对中间图中各点进行二值划分，梯度大于阈值的点取值0，梯度不大于阈值的点取值1，并在划分本文档来自技高网...

【技术保护点】
一种基于骨架图的TF/TA2航迹规划方法，，其特征在于：包括以下步骤：步骤1：根据数字地图上每一点的高程信息，建立二值图；所述数字地图包含后续步骤3中需要提取的关键区域；步骤1.1：依据数字地图上每一点的二维平面坐标，建立中间图；所述中间图中的点与数字地图上对应点具有相同的二维平面坐标；步骤1.2：依据数字地图上每一点的高程信息，进行如下处理，以给中间图中对应点赋高度值：对于数字地图上的某一点A，以A点为几何中心，建立一个正多边形区域或圆形区域，计算区域内所有点高度的平均值H，若A点在数字地图上的高度值不大于H*a，则给中间图中与点A具有相同二维平面坐标的点A’赋高度值为H*a，其中a为比例参数，否则给点A’赋A点的高度值；步骤1.3：依据中间图中各点的高度值，计算中间图中各点的梯度；依据梯度阈值，对中间图中各点进行二值划分，梯度大于阈值的点取值0，梯度不大于阈值的点取值1，并在划分过程中进行去噪处理，得到去噪后的二值图；所述梯度阈值根据最大类间方差法自动确定；步骤2：对步骤1得到的二值图进行基于细化的骨架提取，得到由节点和边组成的骨架图D＝(V，A)，其中V为节点集合，A为边集合；步骤3：从步骤2得到的骨架图中提取设定的关键区域的骨架图；步骤4：重复步骤1至步骤3，得到能够组成航迹规划区域的若干块关键区域骨架图；对于相邻的两幅关键区域骨架图，其中一幅关键区域骨架图的末尾行或末尾列与另一幅关键区域骨架图的首行或首列具有相同的地理位置；对相邻的关键区域骨架图按照以下方法进行拼接，得到组成航迹规划区域的骨架图：对于相邻的两幅关键区域骨架图中具有相同地理位置的点，若该数据点对应在二值图的取值均为1，则在拼接后的骨架图中将该点设置为骨架点；步骤5：在组成航迹规划区域的骨架图中增加已知威胁区域和突发威胁区域：在威胁区域的安全边界增加骨架，将被威胁区域打断的骨架相连；步骤6：根据航迹规划要求的起点vs和终点vt，在组成航迹规划区域的骨架图中得到从vs到vt的长度最短的2维路径；步骤7：基于A*算法对步骤4得到的最短2维路径进行优化，得到最优3维航迹。...

【技术特征摘要】
1.一种基于骨架图的TF/TA2航迹规划方法，，其特征在于：包括以下步骤：步骤1：根据数字地图上每一点的高程信息，建立二值图；所述数字地图包含后续步骤3中需要提取的关键区域；步骤1.1：依据数字地图上每一点的二维平面坐标，建立中间图；所述中间图中的点与数字地图上对应点具有相同的二维平面坐标；步骤1.2：依据数字地图上每一点的高程信息，进行如下处理，以给中间图中对应点赋高度值：对于数字地图上的某一点A，以A点为几何中心，建立一个正多边形区域或圆形区域，计算区域内所有点高度的平均值H，若A点在数字地图上的高度值不大于H*a，则给中间图中与点A具有相同二维平面坐标的点A’赋高度值为H*a，其中a为比例参数，否则给点A’赋A点的高度值；步骤1.3：依据中间图中各点的高度值，计算中间图中各点的梯度；依据梯度阈值，对中间图中各点进行二值划分，梯度大于阈值的点取值0，梯度不大于阈值的点取值1，并在划分过程中进行去噪处理，得到去噪后的二值图；所述梯度阈值根据最大类间方差法自动确定；步骤2：对步骤1得到的二值图进行基于细化的骨架提取，得到由节点和边组成的骨架图D...

【专利技术属性】
技术研发人员：段晓军，张胜贵，陈新庄，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61