【技术实现步骤摘要】
城市低空环境下无人机多目标路径规划联合搜索方法
本专利技术属于无人机路径规划
,具体是指一种联合离线和在线搜索的实现城市低空环境下无人机多目标路径规划的方法。
技术介绍
自美国联邦航空管理局(FederalAviationAdministration,FAA)发布了至2015年国内无人机(unmannedaerialvehicles,UAVs)起降规划以来,无人机的使用受到了极大关注。可以想象,在未来的智慧城市(SmartCities)中,无人机将会在物流、应急通信、消防、航拍、遥感、救援等事务中扮演重要角色。为了最大程度地利用无人机的优势,首先需要考虑的是怎样使无人机既快速又安全地到达指定区域,这就是所谓的路径规划问题(PathPlanningProblem)。路径规划问题指的是:求解无人机当前位置和目的地之间一条或多条无障碍路径的问题。近年来,研究人员一直致力于研究如何在障碍物环境中为车辆或飞行器找出一条无障碍的路径,这一问题的解决对于无人驾驶技术的发展是至关重要的。至今,已有三种类型的路径规划方法被提出,它们是几何法(GeometryMethod)、速度空间法(VelocitySpaceMethod)和图形搜索法(GraphSearchMethod)。几何法将地图中的障碍物的集合信息作为路径搜索算法的输入,典型的几何法包括势场法(PotentialFieldMethod)、矢量场直方图法(VectorFieldHistogramMethod)和Voronoi图法(VoronoiDiagramMethod)。速度空间法是综合考虑了车辆或飞行器的形 ...
【技术保护点】
一种城市低空环境下无人机多目标路径规划联合搜索方法,其特征在于,包括如下步骤:步骤1,以地理地图中标记的静态已知障碍物为基础,构建静态安全指数地图;所述的静态安全指数地图描述无人机飞行过程中空间图上任意一点的静态安全指数;步骤2,以无人机在飞行过程中主动探测到的没有标记在地理地图中的障碍物为基础,在机载平台上构建动态安全指数地图;所述的动态安全指数地图描述无人机在飞行过程中探测到的空间中任意一点的动态安全指数;步骤3,构建联合优化无人机飞行时间和飞行安全的多目标路径规划问题;步骤4,基于离线搜索与在线搜索联合求解多目标路径规划问题,获取最优路径规划方案;根据无人机的起点、终点和飞行速度,采用离线搜索为无人机离线规划一条从起点到终点的代价最小的路径;无人机在飞行过程中,当检测到未知障碍物时,采用在线搜索为无人机在线规划一段变更的航迹,以避开动态障碍物;所述的在线搜索在当前搜索点和终点之间的连线与检测到的未知障碍物之间不相交的时候,搜索过程停止。
【技术特征摘要】
1.一种城市低空环境下无人机多目标路径规划联合搜索方法,其特征在于,包括如下步骤:步骤1,以地理地图中标记的静态已知障碍物为基础,构建静态安全指数地图;所述的静态安全指数地图描述无人机飞行过程中空间图上任意一点的静态安全指数;步骤2,以无人机在飞行过程中主动探测到的没有标记在地理地图中的障碍物为基础,在机载平台上构建动态安全指数地图;所述的动态安全指数地图描述无人机在飞行过程中探测到的空间中任意一点的动态安全指数;步骤3,构建联合优化无人机飞行时间和飞行安全的多目标路径规划问题;步骤4,基于离线搜索与在线搜索联合求解多目标路径规划问题,获取最优路径规划方案;根据无人机的起点、终点和飞行速度,采用离线搜索为无人机离线规划一条从起点到终点的代价最小的路径;无人机在飞行过程中,当检测到未知障碍物时,采用在线搜索为无人机在线规划一段变更的航迹,以避开动态障碍物;所述的在线搜索在当前搜索点和终点之间的连线与检测到的未知障碍物之间不相交的时候,搜索过程停止。2.根据权利要求1所述的方法,其特征在于,所述的步骤1中构建静态安全指数地图时,设Pr(xc,yc)表示无人机的风险概率,通过无人机的位置概率密度在障碍物区域上的积分得到,其中(xc,yc)表示无人机中心点的坐标;无人机中心位置的安全概率静态安全指数地图中,无人机在位置的安全指数3.根据权利要求1所述的方法,其特征在于,所述的步骤2中构建动态安全指数地图时,设(xc,yc)表示无人机中心点的坐标,首先将无人机的探测范围建模为一个以无人机当前位置为圆心,半径为传感器感知距离的圆,然后判断探测范围内是否存在与所探测到的障碍物之间的垂直距离小于等于安全裕度距离的点,如果存在,则设置无人机在位置(xc,yc)的安全指数为+∞,否则设置为0。4.根据权利要求1所述的方法,其特征在于,所述的步骤3中构建的多目标路径规划问题,定义具有最小代价W的一条路径p为帕累托最优路径;其中,α为权重系数,gj(p)是路径p的第j个优化目标的总代价,j∈{1,2},集合P是求解多目标路径规划问题的帕累托路径集合。5.根据权利要求1所述的方法,其特征在于,步骤4中所述的离线搜索中,采用如下波速函数来计算:其中,表示当前无人机的位置,表示处无人机的速度函数,表示地图中无人机在位置处的安全指数,α为权重系数。6.根据权利要求1或5所述的方法,其特征在于,步骤4中所述的离线搜索,实现步骤包括:(1)根据无人机的起点、终点和飞行速度,基于静态安全指数地图生成静态代价分布地图;设集合A包含无人机的全部目的地点,集合NarrowBand包含无人机的全部起始点,集合FarAway包含地图中除了集合A和NarrowBand中的节点之外的全部节点;对NarrowBand中不在禁止区域内的任意一点node,更新node点处的代价cost[node];cost[node]=(αS-SIMap[node]*VELOCITY+(1-α))/VELOCITY,其中,α为权重系数,S-SIMap[node]为静态安全指数地图中node点处的安全指数,VELOCITY为无人机的飞行速度;对FarAway中的任意一点node,令cost[node]=+∞;迭代判断NarrowBand和FarAway是否为空,如果NarrowBand和FarAway都不为空,执行(1.1),否则终止迭代,最终生成的集合A就是静态代价分布地图;(1.1)将NarrowBand中的代价最小的节点记为best_neighbor,并将该best_neighbor加入集合A,同时,对best_neighbor的任意一个不在禁止区域内的邻居节点node,更新该node点处的代价cost[node];再判断该node点是否在FarAway中,如果在,将其从FarAway中移除,并添加到NarrowBand中;(2)依据静态代价分布地图,为无人机离线规划一条从起点到终点的路径。7.根据权利要求1所述的方法,其特征在于,步骤4中所述的在线搜索中,利用代价启发函数来引导搜索;其中,表示当前无人机的位置,是从起点到当前位置的路径的总代价,表示从当前位置到目的地估计的路径代价,根据离线搜索得到。8.根据权利要求1或7所述的方法,其特征在于,步骤4中所述的...
【专利技术属性】
技术研发人员:曹先彬,肖振宇,杨朋,尹超,席星,吴大鹏,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。