一种基于空地信息协同的无人车路径规划方法技术

本发明专利技术提供一种基于空地信息协同的无人车路径规划方法，包括以下步骤：获取无人车移动区域地图；根据无人车移动区域地图，建立基于空地信息协同的无人车路径规划的目标函数；目标函数为移动路径最短，或耗时最短，或消耗能量最少；根据目标函数，通过改进型灰狼优化算法进行最优位置更新，确定最优灰狼位置；根据预设的最大迭代次数依次更新的最优灰狼位置，确定最优路径规划结果；该方法克服了灰狼算法存在的几点不足，能够显著提升基于空地信息协同的无人车路径规划的效果。息协同的无人车路径规划的效果。息协同的无人车路径规划的效果。

【技术实现步骤摘要】
一种基于空地信息协同的无人车路径规划方法


[0001]本专利技术涉及无人车
，具体涉及一种基于空地信息协同的无人车路径规划方法。

技术介绍

[0002]空中无人机与地面无人车组成的空地异构机器人系统是分布式人工智能技术研究的热点问题，无人机和无人车的有机协调、跨域协作等将引领未来机器人技术与应用的新模式。无人车能够近距离精确定位地面目标，但在环境信息未知或部分可知情况下，车载传感器对环境的感知能力存在较大局限，只能实现局部的路径规划。而无人机则具有更广阔的视野，可以在特定高度得到周围环境的全局信息，但由于高度原因也丢失了许多局部信息。通过二者协同，进行优势互补，可以实现无人车的全局路径规划。
[0003]基于空地信息协同的无人车路径规划是空地异构机器人系统的关键技术之一。首先，基于无人机搭载的感知系统和定位导航系统等建立地面环境的栅格地图；其次，无人车实时接收无人机栅格地图信息，结合自身感知的环境信息修正补充栅格地图，然后自行规划出一条从出发点至终点的无碰撞的最优移动路径，这条最优路径可以是满足移动路径最短，可以是满足耗时最短，还可以满足能量消耗最少等。
[0004]基于空地信息协同的无人车路径规划问题，实际上可以看成是一个带约束条件的复杂优化问题。因此，一些智能优化算法对于提高无人车路径规划的效果发挥了积极的作用，很多学者开展了大量的研究工作。例如，陈雪俊等对智能水滴算法进行了改进，提出了改进水滴算法的无人车避障路径规划方法（陈雪俊,贝绍轶. 一种基于改进智能水滴算法的无人车避障路径规划方法[P]. 江苏省：CN110703767A,2020
‑
01
‑
17.）；刘洪丹等提出了量子狼群算法并用于无人驾驶智能车的自动避障研究（刘胜,张兰勇,丁一轩,李冰,李芃,孙玥. 基于量子狼群算法的无人驾驶智能车自动避碰方法[P]. 黑龙江省：CN110471426A,2019
‑
11
‑
19.）。
[0005]根据目前的研究成果来看，智能优化算法是一种有效的路径规划方法。灰狼算法是一种模拟灰狼捕猎行为的新型智能优化算法，同样可以应用于路径规划问题。但是，灰狼优化算法仍然存在有一些缺陷，使得算法容易陷入局部最优和收敛精度不高，在进行路径规划时，往往达不到理想的路径规划效果。

技术实现思路

[0006]为解决上述问题，本专利技术提供一种基于空地信息协同的无人车路径规划方法，克服了灰狼算法存在的几点不足，能够显著提升基于空地信息协同的无人车路径规划的效果。
[0007]为实现上述目的，本专利技术提供了如下的技术方案。
[0008]一种基于空地信息协同的无人车路径规划方法，包括以下步骤：基于无人机搭载的感知系统和定位导航系统建立地面环境的栅格地图，无人车获
取无人机建立的栅格地图，并结合自身感知的环境信息修正补充栅格地图；根据修正补充后的栅格地图，建立无人车路径规划的目标函数；所述目标函数为移动路径最短，或耗时最短，或消耗能量最少；根据目标函数，通过改进型灰狼优化算法进行最优位置更新，确定最优灰狼位置；根据预设的最大迭代次数依次更新的最优灰狼位置，确定最优路径规划结果；其中，所述改进型灰狼优化算法引入Singer混沌映射初始化灰狼种群位置，并引入瞬态搜索优化算法的位置更新机制替换原有的灰狼位置更新方式；所述改进型灰狼优化算法还包括，通过透镜反向学习进一步进行最优位置更新。
[0009]优选地，所述改进型灰狼优化算法引入Singer混沌映射初始化灰狼种群位置，包括以下步骤：确定种群的大小N，灰狼寻优下边界LB和灰狼寻优上边界UB；通过Singer映射产生随机数x
t
：式中，x
t+1
为下一个随机数；利用产生的Singer随机数初始化灰狼位置：。
[0010]优选地，所述引入瞬态搜索优化算法的位置更新机制替换原有的灰狼位置更新方式，灰狼位置更新具体包括以下步骤：进行灰狼全体狩猎：通过α狼、β狼、δ狼和其他狼的初始化模拟灰狼实现对猎物的包围；初始化后默认α狼、β狼、δ狼实现了对最优解的包围，其他狼通过α狼、β狼、δ狼的引导实现位置更新，从而实现对最优解的围捕；具体实现数学模式如下：计算当前狼与最优解的距离D：计算当前狼的下一个位置X(t+1)：其中，表示猎物的位置；表示第t代时灰狼个体的位置；A和C为系数向量；A和C由下式得到：量；A和C由下式得到：
式中，和为[0,1]的随机数，的值随迭代次数由2线性递减到0；其他狼根据α狼、β狼、δ狼位置X
α
、X
β
、X
δ
进行位置更新：进行位置更新：进行位置更新：进行位置更新：进行位置更新：进行位置更新：进行位置更新：式中，X1、X2、X3分别为当前狼在α狼、β狼、δ狼引导下的下一个位置，Y为三个位置的平均值；引入瞬态搜索优化算法的位置更新机制来改进灰狼位置更新方式，改进后的灰狼位置更新公式如下：其中：其中：其中：其中：式中，为更新后的第t+1次迭代的灰狼位置；表示第t次迭代的最佳位置，即α狼的位置；为当前第t次迭代的灰狼位置；和为[0,1]之间的随机数；C
t
和为随机的热阻系数；为衰减系数，随着迭代次数从2逐渐减小为0；为常数（k=0,1,2
…
)；、和为[0,1]内的随机数；、和是表示第t次迭代时随机选择的三个灰狼个体，；是、和的平均值；Miter表示迭代次数；计算适应度值：
式中，为计算适应度值时的适应度函数；记录当次迭代中最优灰狼。
[0011]优选地，所述通过透镜反向学习进一步进行最优位置更新，包括以下步骤：对最优灰狼位置进行透镜反向学习，获取学习后的最优适应度值和最优灰狼位置X
bs
(t+1) '：式中，n为缩放因子；利用贪婪原则，将学习前后适应度值最优的灰狼位置，作为更新后的最优灰狼位置，即：确定更新后的最优灰狼位置为X
bs
(t+1)。
[0012]本专利技术的有益效果：本专利技术提出一种基于空地信息协同的无人车路径规划方法，该方法通过引入singer映射进行灰狼种群位置的初始化，可以提升种群位置分布的均匀性和多样性，进而算法的稳定性得以增强；该方法对灰狼的位置更新方式进行改进，引入瞬态搜索优化算法的位置更新机制来改进灰狼位置更新方式，综合考虑了不同位置更新模式、本次迭代灰狼最优位置、种群内部的其他灰狼的平均位置等等因素更新灰狼位置，实现了算法搜索范围的增大，算法的适应性得以增强；该方法对最优灰狼利用透镜反向学习进行更新，实现了算法在后期跳出局部最优解的能力。
附图说明
[0013]图1是本专利技术实施例的一种基于空地信息协同的无人车路径规划方法的流程图；图2是本专利技术实施例的一种基于空地信息协同的无人车路径规划方法的路径规划结果；图3是本专利技术实施例的一种基于空地信息协同的无人车路径规划方法的迭代过程曲线。
具体实施方式
[0014]为了使本专利技术的目的、技术方案及优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空地信息协同的无人车路径规划方法，其特征在于，包括以下步骤：基于无人机搭载的感知系统和定位导航系统建立地面环境的栅格地图，无人车获取无人机建立的栅格地图，并结合自身感知的环境信息修正补充栅格地图；根据修正补充后的栅格地图，建立以移动路径最短，或耗时最短，或消耗能量最少为约束的无人车路径规划的目标函数；根据目标函数，通过改进型灰狼优化算法进行最优位置更新，确定最优灰狼位置；根据预设的最大迭代次数依次更新的最优灰狼位置，确定最优路径规划结果；其中，所述改进型灰狼优化算法为：引入Singer混沌映射初始化灰狼种群位置，并引入瞬态搜索优化算法的位置更新机制替换原有的灰狼位置更新方式；所述改进型灰狼优化算法还包括，通过透镜反向学习进一步进行最优位置更新。2.根据权利要求1所述的一种基于空地信息协同的无人车路径规划方法，其特征在于，所述改进型灰狼优化算法引入Singer混沌映射初始化灰狼种群位置，包括以下步骤：确定种群的大小N，灰狼寻优下边界LB和灰狼寻优上边界UB；通过Singer映射产生随机数x
t
：式中，x
t+1
为下一个随机数；利用产生的Singer随机数初始化灰狼位置：。3.根据权利要求1所述的一种基于空地信息协同的无人车路径规划方法，其特征在于，所述引入瞬态搜索优化算法的位置更新机制替换原有的灰狼位置更新方式，灰狼位置更新具体包括以下步骤：进行灰狼全体狩猎：通过α狼、β狼、δ狼和其他狼的初始化模拟灰狼实现对猎物的包围；初始化后默认α狼、β狼、δ狼实现了对最优解的包围，其他狼通过α狼、β狼、δ狼的引导实现位置更新，从而实现对最优解的围捕；具体实现数学模式如下：计算当前狼与最优解的距离D：计算当前狼的下一个位置X(t+...

【专利技术属性】
技术研发人员：陈克伟，胡雪松，郭威，廖自力，尚颖辉，石海滨，张嘉曦，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：