【技术实现步骤摘要】
一种基于冲突搜索的多无人机的协同路径规划方法
[0001]本专利技术属于机器人
,涉及一种基于冲突搜索的多无人机的协同路径规划方法。
技术介绍
[0002]多机器人系统在监视、搜索和救援以及仓库自动化应用方面具有广泛的应用。相对于单机器人路径规划问题,多机器人路径规划问题所存在的几个特点:
[0003]1)存在更多约束,例如需要保持一定队形,或者需要满足动的先后顺序约束,即某机器人的行动完成作为另一机器人开始行动的条件;
[0004]2)机器人团队内部存在规划冲突问题,即在执行规划路径过程中两机器人可能在同一时刻到达同一位置,导致碰撞。
[0005]多机器人路径规划算法可分为集中式和分布式两大类。集中式是将多机器人看作一个整体,将所有机器人整合成一个多自由度空间。去进行规划和搜索。而分布式是对每个机器人进行单独的路径规划。之后再通过协同和调度方法对单个机器人的路径进行协调和修改来解决冲突问题。
[0006]现在针对于多无人机的路径规划算法大多是分布式的。对于多无人机的编队问题,就主要是通过分布式的路径规划算法,通过一种完全去中心化的方法,只规划“领头”机器人,其他机器人只是在避障的同时“跟随领导”,来实现无人机的编队问题。而集中式规划算法,Sharon等人在2015年提出了一种基于冲突的多机器人协作最优路径规划的方法,利用约束树来解决多个机器人之间的路径冲突问题。
[0007]对于现有的多无人机路径规划算法,大多是分布式的,能保证有解,但是不是最优解,在复杂狭窄、高冲突风 ...
【技术保护点】
【技术特征摘要】
1.一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,包括:将无人机采集到的点云地图预处理为体素网格地图;对所述体素网格地图进行低层级搜索,得到单个无人机的路径;根据所述单个无人机的路径,遍历约束树对所有无人机的轨迹进行冲突检测,若存在冲突则对无人机增加约束,并进行有约束的路径规划,若不存在冲突,则规划成功。2.如权利要求1所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述预处理为体素网格地图采用以下方式:输入所述点云地图的环境信息,得到点云数据;根据所述点云数据,计算在体素网格地图下的三维网格坐标;根据所述体素网格地图以及三维网格坐标,设定并存储每个体素的占据信息;依据所述占据信息的体素网格地图进行地图膨胀。3.如权利要求2所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述计算在体素网格地图下的三维网格坐标采用以下方式:首先,以物理地图大小为基准设定采样空间,根据预设分辨率对所述采样空间进行分割采样,形成三维的稠密体素网格图,其次,将所述体素网格图的点云数据由物理坐标值转换到网格坐标值。4.如权利要求3所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述根据预设分辨率对所述采样空间进行分割采样时,所述分辨率表征地图的精细程度。5.如权利要求3或4所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述由物理坐标值转换到网格坐标值具体为:p
index
=[p
real
÷
λ]其中p
index
和p
real
分别为数据点的网格坐标值和物理坐标值,λ为预设分辨率,括号“[]”为取整运算符。6.如权利要求3或4所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述设定并存储每个体素的占据信息,具体为:创建一个占据队列,以存储所述体素网格地图中的占据信息,其队列长度与体素网格总数相等,其中所有元素值初始化为0以代表非障碍;存储障碍信息时,将云点数据由物理坐标转换为网格坐标,进而计算其队列索引值。7.如权利要求6所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述计算其队列索引值计算公式如下:x
index
*Y
size
*Z
size
+y
index
*Z
size
+z
index
其中x
index
、y
index
、z
index
代表该点网格坐标,Y
size
、Z
size
代表地图在Y轴和Z轴上的最大网格数;该队列索引值是三维数据点在队列中的唯一表征,置该处元素为1以表示该点为障碍。8.如权利要求2或3或4所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述依据所述占据信息的体素网格地图进行地图膨胀采用依据无人机的体积参数对地图障碍物进行膨胀处理。9.如权利要求8所述的一种基于冲突搜索的多无人机的协同路径规划方法,其特征在于,所述采用依据无人机的体积参数对地图障碍物进行膨胀处理,具体为:将无人机近似为
一个半径为n的球体,在所述体素网格地图中,每个被设定为占据...
【专利技术属性】
技术研发人员:曾林之,冯思源,宋文杰,钱义肇,刘绩宁,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
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。