基于多分辨率态势建图的改进标签实时航路重规划方法技术

本发明专利技术属于无人机系统技术领域，公开了一种基于多分辨率态势建图的改进标签实时航路重规划方法，通过分析无人机(或其他机器人)任务区域的态势分布特征和强弱对抗程度，以若干临界距离为依据将全局态势进行多分辨率划分为高分辨率态势建图及低分辨率态势建图。该态势建图方法在低功耗嵌入式计算平台下统计平均运算时间约305毫秒。在建图的基础上，提出一种改进标签设置法用于在线生成油耗、航时等多约束下的最低探测/毁伤风险航路。在低功耗嵌入式计算平台下统计平均运算时间约25毫秒，表明该发明专利技术具备在计算资源受限的航电系统中很好的应用前景。

【技术实现步骤摘要】
基于多分辨率态势建图的改进标签实时航路重规划方法
本专利技术面向无人机系统
，亦可适用于其他机器人领域。具体采用多分辨率小波压缩进行全局态势图的在线建图，并通过改进标签设置法进行在线的航路实时重规划，该方法可在无人机机载系统低计算资源和低存储资源条件下实现自主地、实时地生成具有低风险、低油耗等性能的飞行航路。
技术介绍
无人机(或机器人)自主能力的提升是智能机器人领域不断追求的目标。目前，广泛使用的无人机系统大多通过地面站操作员或地面站计算机系统来制定其飞行航路，再上传至飞机进行执行。近期，自主系统支撑技术的发展使得无人系统具备了基本的自主避障、自动规划能力。但是，技术水平仍需不断提升，需要系统能够自主利用机载传感器信息、机载计算单元来自动生成飞行航路，提升动态环境下任务响应能力。高自主的无人机系统能够利用所有机载可用信息，自主规划飞行航路，提高环境响应能力同时降低地面站操作员负担。系统应在特定的时间窗内规避障碍或威胁，到达指定的目标位置执行任务。飞行航路规划作为自主无人机飞行管理系统的基本能力，既是无人机系统的基础能力，其性能高低又是衡量无人机系统自主水平的重要标准。高水平的无人机航路规划技术需要飞机能够根据全局态势和飞机感知的周遭态势作出在线实时的航路规划。航路既需要考虑全局的任务目标，又要考虑局部的避开障碍和规避威胁能力，从而最大限度地降低被威胁/目标探测概率或杀伤概率的同时，仍能引导飞机趋向于最终目标。与此同时，机载航电系统分配给自主系统组件的计算资源和存储资源是有限的，如何在计算性能约束条件下实时高效地动态生成航路，是制约系统可用性的关键。全局态势的大范围和局部态势的高精度都会对存储和计算带来不可回避的负担，需要解决两者之间的矛盾，这也是该领域亟待解决的关键技术。
技术实现思路
本专利技术要解决的技术问题在于：在无人机机载系统低计算资源和低存储资源条件下，能够自主地、实时地生成具有低风险、低油耗等性能的飞行航路。针对现有技术存在的问题，本
技术实现思路
主要包括两个部分：一是采用多分辨率压缩进行态势建图：通过分析无人机(或其他机器人)任务区域的态势分布特征和强弱对抗程度，以若干临界距离为依据将全局态势进行多分辨率划分，更靠近飞机的区域进行高分辨率态势建图，飞机能够进行更精细的飞行控制；更远离飞机的区域进行低分辨率态势建图，飞机能够进行更粗略的方向引导。这种态势建图方法既能够确保后续航路规划的全局特性，克服了经典滚动时域控制思想无法满足收敛性的缺点，又能够确保飞机能够进行精确的避障和规避飞行控制。该态势建图方法能够满足机载实时性应用要求，在低功耗嵌入式计算平台下统计平均运算时间约305毫秒。二是多约束最低风险航路优化：在第一部分多分辨率态势栅格化建图的基础上，提出一种改进标签设置法用于在线生成油耗、航时等多约束下的最低探测/毁伤风险航路，方法回避了无法变分法求解规划问题解析解的缺点，通过离散优化途径来优化飞行航路。在对手部署多部雷达情况下，采用离散优化方法得到满足油耗、航时等多种约束的最低风险航路。我们在多分辨率态势建图基础上，将带多约束的最低风险航路优化问题描述为权值约束最短路径问题，并提出了改进标签设置法，该算法通过一系列标准算例集测试，在低功耗嵌入式计算平台下统计平均运算时间约25毫秒，表明改进标签设置法具备在计算资源受限的航电系统中很好的应用前景。附图说明图1为快速提升小波分解示意图；图2为当前位置智能体的多分辨率态势建图；图3为不同层次的多分辨率单元格划分；图4为用于识别独立单元格的递归光栅扫描法；图5为独立单元格的邻接属性；图6为左向搜索邻接独立单元格；图7为左上向、上向搜索邻接独立单元格；图8为三层多分辨率单元格邻接关系图；图9为两个雷达的情况下，无约束的最佳轨迹；图10为两个雷达的情况下，长度约束下的最佳轨迹；图11为解决风险最小化问题的网络流例子示意图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步说明。步骤一，多分辨率态势建图及提升小波变换；在本专利技术中，假设一个世界环境包括障碍物空间和无障碍配置空间F＝W\O。采用小波变换对W进行多分辨率分解。通过基本初等函数φJ,k和ψJ,k的线性组合来构造函数如下其中，φJ,k(x)＝2J/2φ(2Jx-k)和ψj,k＝2j/2ψ(2jx-k)。J的选择取决于低分辨率或f的粗略近似。的其余部分被小波函数ψj,k(x)描述，提供更高或更精细分辨率的函数细节。换句话说，当在最粗层次(低分辨率)分析函数f时，则只有最突出的特征将显现出来。加入更精细的层次(高分辨率)意味着增加函数f越来越多的细节。从而(1)在不同层次的分辨率揭示f的特性。另外在理想的情况下，尺度函数和小波函数都具有连续的支持，也就是说，它们仅在有限的时间间隔是非零的。这允许小波捕获函数f的局部特征。扩展到二维情况，给定一个函数可以得到其中，对于正交子波的情况，逼近系数由下式给出细节系数为尺度函数小波函数该函数在[0,1]上连续，那么，尺度函数φ(x)和小波函数ψ(x)在长度为1/2j的区间内也连续。类似地，二维尺度函数和具有矩形单元的小波函数同样满足。快速提升小波变换提供了函数在不同分辨率层次的快速分解，是经典小波变换速度的两倍。它直接在时域中建立小波，从而避免了傅立叶分析过程。此外，快速提升小波变换整数运算可以极大地降低计算成本。这使得快速提升小波变换特别适合用于在低功耗微控制器中处理数据。使用快速提升小波变换还具有允许相邻单元格直接通过小波系数关联的特性，从而不再需要四叉树分解。在快速提升小波分解中，如图1所示。在第一块分割原始信号an为两个含有奇数和偶数索引样本的不相交样本集。由于奇数和偶数子集局部地彼此相关，每个信号是通过相应的算子P和U后由相反的信号提升(双重和原始提升或预测和更新)。最后，结果归一化为常数ka和kd，分别得到逼近和细节系数an-1和dn-1。快速提升小波有许多优点，例如更快的计算速度(是通常离散小波变换的两倍)，原位计算系数(节省了内存)，即时反变换，拓展不规则问题的一般性等。特别地，提升方案适用于输入数据为整数样本的许多应用。假定W＝[0,1]×[0,1]，使用2N×2N的分离网格描述。最精细水平的分辨率Jmax以N为界。该小波在分辨率层次J≥Jmin分解，如下所示那么用一个函数表示x＝(x,y)处的风险度量，其中M是整数m不同风险度量水平的集合，定义如下障碍物空间O定义为风险度量值超过特定阈值的空间对于x∈F，考虑rm(x)作为智能体到障碍物的空间接近度，或者概率x∈O。在分辨率的不同层次Jmin≤j≤Jmax构造W的近似，在这个意义上，j用于内部的所有点其中，由此，意味着更高的分辨率被用于接近当前位置的点，不同层次较粗糙的分辨率根据与当前点的距离在别处使用。因此，距离当前位置越远，W的表示越粗糙，图2显示了这种情况。Jmax的选择是由此层次的所有单元可被解析为自由或障碍单元的要求来确定。Jmin以及窗口跨度rj的选择是由机载计算资源决定的。在W上多分辨率单元分解如下其中，是1/2j×1/2j维度的单元的并集。为多分辨率单元分解Cd分配一个拓扑图G＝(V,E)。属于集合V的节点代表Cd中的单元集合E中的边缘表示这些节点之间的连通性关系。本文档来自技高网...

【技术保护点】
基于多分辨率态势建图的改进标签实时航路重规划方法，其特征在于，包括两个部分：一是采用多分辨率压缩进行态势建图：通过分析无人机任务区域的态势分布特征和强弱对抗程度，以若干临界距离为依据将全局态势进行多分辨率划分；二是多约束最低风险航路优化：在建图的基础上，提出一种改进标签设置法用于在线生成油耗、航时多约束下的最低探测/毁伤风险航路；在对手部署多部雷达情况下，采用离散优化方法得到满足油耗、航时等多种约束的最低风险航路。

【技术特征摘要】
1.基于多分辨率态势建图的改进标签实时航路重规划方法，其特征在于，包括两个部分：一是采用多分辨率压缩进行态势建图：通过分析无人机任务区域的态势分布特征和强弱对抗程度，以若干临界距离为依据将全局态势进行多分辨率划分；二是多约束最低风险航路优化：在建图的基础上，提出一种改进标签设置法用于在线生成油耗、航时多约束下的最低探测/毁伤风险航路；在对手部署多部雷达情况下，采用离散优化方法得到满足油耗、航时等多种约束的最低风险航路。2.根据权利要求1所述的基于多分辨率态势建图的改进标签实时航路重规划方法，其特征在于：所述将全局态势进行多分辨率划分是指对靠近飞机的区域进行高分辨率态势建图，飞机能够进行更精细的飞行控制，对远离飞机的区域进行低分辨率态势建图，飞机能够进行更粗略的方...

【专利技术属性】
技术研发人员：李杰，牛轶峰，尹栋，王祥科，贾圣德，相晓嘉，王菖，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43