一种多无人机全局及局部路径智能规划方法及系统技术方案

本发明专利技术公开了一种多无人机全局及局部路径智能规划方法及系统，包括构建栅格地图，利用改进双向搜索A星算法获得全局路径规划模型并进行全局路径规划；通过毫米波雷达采集环境中的障碍物运动状态信息，并获取无人机飞行状态信息；判断是否冲突，设计奖励函数，生成相应的避障策略；获取状态空间和动作空间，采用深度确定性策略梯度算法进行避障训练，在连续动作空间上实现对无人机动作的控制，避开障碍物，获得局部路径规划模型并跟踪到全局航行路径；每一个无人机同时用全局及局部路径规划模型进行路径规划；本发明专利技术可提高多无人机系统航迹规划及避障效率，在动态未知复杂环境中实现对多无人机连续动作输出的控制，满足全天候工作条件。作条件。作条件。

【技术实现步骤摘要】
一种多无人机全局及局部路径智能规划方法及系统


[0001]本专利技术涉及无人机
，更具体的说是涉及一种多无人机全局及局部路径智能规划方法及系统。

技术介绍

[0002]随着科技水平的不断进步与发展，无人机凭借其机动性强、成本低、操作方便等特点，在军事、农业、交通、公共管理等领域获得广泛应用。上述应用通常涉及到多架无人机共同完成任务来提高效率，由于在空中同时存在着静态和动态障碍物，无人机需具有很高的全局路径规划能力与局部动态避障能力才能完成指定任务，多无人机的全局路径规划及局部动态避障研究是无人机领域重要技术之一。
[0003]传统的全局路径智能规划算法主要包括A星搜索算法、粒子群算法、快速扩展随机树算法以及遗传算法，局部动态避障方法主要包括基于制导率的避障算法、基于速度障碍法的避障算法以及基于人工势场的避障算法，但是传统避障方法局限性较大，对于复杂、动态未知环境不太适用；而近几年备受关注的热门方向之一是结合深度学习、强化学习的智能避障方法，但这种方法存在收敛难度大、实时性差等问题。
[0004]因此，如何提供一种多无人机全局及局部路径智能规划方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种多无人机全局及局部路径智能规划方法及系统，可提高多无人机系统航迹规划及避障效率，在动态未知复杂环境中实现对多无人机连续动作输出的控制，满足全天候工作条件。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种多无人机全局及局部路径智能规划方法，包括以下步骤：
[0008]S1.根据每一个无人机航行任务的起始点和目标点构建栅格地图，利用改进双向搜索A星算法获得全局路径规划模型并进行全局路径规划，得到每一个无人机的参考全局航行路径；
[0009]S2.通过毫米波雷达采集无人机周围环境中的障碍物运动状态信息，并获取无人机飞行状态信息；
[0010]S3.根据无人机与障碍物相对位置关系判断是否规划局部避障路径；
[0011]S4.根据所述障碍物运动状态信息和所述无人机飞行状态信息，判断无人机与障碍物是否产生飞行冲突，并据此设计奖励函数，生成相应的局部避障策略；
[0012]S5.获取状态空间和动作空间，采用深度确定性策略梯度算法进行避障训练，在连续动作空间上实现对无人机动作的控制，避开障碍物，获得局部路径规划模型并跟踪到全局航行路径；
[0013]S6.对无人机集群中每一个无人机同时用所述全局路径规划模型及所述局部路径
规划模型进行路径规划。
[0014]优选的，S1中所述改进双向搜索A星算法包括：
[0015]S11对路径规划进行优化；
[0016]具体的：通过调整A星算法的启发函数，搜索最短的到达目的地的路径；
[0017]S12对航迹进行平滑处理；
[0018]具体的：利用准均匀B样条曲线对航行路径进行平滑处理，准均匀B样条曲线采用分段连续多项式。
[0019]优选的，所述障碍物运动状态信息包括障碍物与无人机的距离、障碍物相对无人机的位置信息和运动速度信息；所述无人机的飞行状态信息包括无人机位置信息和飞行速度信息。
[0020]优选的，当检测到无人机相对于障碍物的速度方向与障碍物相对于无人机的位置方向处于同一象限时，进行局部路径规划；
[0021]优选的，S4中所述判断无人机与障碍物是否产生飞行冲突的的具体方法为：
[0022]将无人机简化为质点A，将障碍物视为具有安全半径的障碍圆
⊙
O，A和O两点之间的距离为d
i
，线段OA落在直线l上，无人机与障碍物的相对速度矢量为v
uioi
：
[0023]v
uioi
＝v
ui
‑
v
oi
[0024]其中，v
ui
为无人机的速度矢量信息，v
oi
为障碍物的速度矢量信息；
[0025]获取经过点A且与障碍圆相切的切线l1和l2，直线l和切线l1或l2之间的夹角为α
i
，相对速度矢量v
uioi
和直线l之间的夹角为β
i
，障碍圆的半径为R
i
，当β
i
≤α
i
时，无人机与障碍物之间存在飞行冲突；否则，当β
i
＞α
i
时，不存在飞行冲突；
[0026]优选的，S5中无人机与环境交互后的状态空间为：
[0027][0028]其中，u
i
为第i个无人机的实时位置信息；v
ui
为第i个无人机的实时速度矢量信息；为第i个无人机的实时航向角信息，γ
i
为无人机的实时俯仰角信息，o为毫米波雷达探测到的障碍物的实时位置矢量信息，v
o
为毫米波雷达探测到的障碍物的实时速度矢量信息，d为障碍物与毫米波雷达的实时距离矢量信息，p为全局路径上的实时子目标点的位置信息，g为全局路径终点的位置信息。
[0029]优选的，S5中无人机与环境交互后的动作空间为：
[0030][0031]其中，v
ui
为无人机的实时速度矢量信息，为无人机的实时航向角信息，γ
i
为无人机的实时俯仰角信息；
[0032]v
ui
、和γ
i
的变化范围为：
[0033]v
ui
∈[v
min
，v
max
]∩[v
‑
v
a
Δt，v+v
b
Δt][0034][0035]γ
i
∈[0，π]∩[γ
‑
γ
a
Δt，γ+γ
b
Δt][0036]其中，v
min
和v
max
为无人机的最小速度和最大速度，v
a
和v
b
为无人机在前进方向上的最大减速度和最大加速度，和为无人机在在航向角上的最大减速度和最大加速度，γ
a
和γ
b
为无人机在在俯仰角上的最大减速度和最大加速度。
[0037]优选的，所述奖励函数为：
[0038]R(s，a)＝R1(t)+R2(t)+R3(t)+R4(t)
[0039]其中，R1(t)为无人机与障碍物之间的距离变化产生的奖励，在无人机与障碍物安全距离内，距离障碍物越近奖励越小，无人机在安全距离以外时，奖励为正常数；
[0040]R2(t)为无人机检测到障碍物对无人机飞行产生威胁时速度变化产生的奖励；当无人机与障碍物之间存在飞行冲突，获得一个负奖励；否则，不存在飞行冲突，获得一个正奖励；
[0041]R3(t)为无人机与航本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机全局及局部路径智能规划方法，其特征在于，包括以下步骤：S1.根据每一个无人机航行任务的起始点和目标点构建栅格地图，利用改进双向搜索A星算法获得全局路径规划模型并进行全局路径规划，得到每一个无人机的参考全局航行路径；S2.通过毫米波雷达采集无人机周围环境中的障碍物运动状态信息，并获取无人机飞行状态信息；S3.根据无人机与障碍物相对位置关系判断是否规划局部避障路径；S4.根据所述障碍物运动状态信息和所述无人机飞行状态信息，判断无人机与障碍物是否产生飞行冲突，并设计奖励函数，生成相应的局部避障策略；S5.获取状态空间和动作空间，采用深度确定性策略梯度算法进行避障训练，在连续动作空间上实现对无人机动作的控制，避开障碍物，获得局部路径规划模型并跟踪到全局航行路径；S6.对无人机集群中每一个无人机同时用所述全局路径规划模型及所述局部路径规划模型进行路径规划。2.根据权利要求1所述的一种多无人机全局及局部路径智能规划方法，其特征在于，S1中所述改进双向搜索A星算法包括：S11对路径规划进行优化；具体的：通过调整A星算法的启发函数，搜索最短的到达目的地的路径；S12对航迹进行平滑处理；具体的：利用准均匀B样条曲线对航行路径进行平滑处理，准均匀B样条曲线采用分段连续多项式。3.根据权利要求1所述的一种多无人机全局及局部路径智能规划方法，其特征在于，所述障碍物运动状态信息包括障碍物与无人机的距离、障碍物相对无人机的位置信息和运动速度信息；所述无人机的飞行状态信息包括无人机位置信息和飞行速度信息。4.根据权利要求3所述的一种多无人机全局及局部路径智能规划方法，其特征在于，当检测到无人机相对于障碍物的速度方向与障碍物相对于无人机的位置方向处于同一象限时，进行局部路径规划。5.根据权利要求1所述的一种多无人机全局及局部路径智能规划方法，其特征在于，S4中判断无人机与障碍物是否产生飞行冲突的的具体方法为：将无人机简化为质点A，将障碍物视为具有安全半径的障碍圆
⊙
O，A和O两点之间的距离为d
i
，线段OA落在直线l上，无人机与障碍物的相对速度矢量为v
uioi
：v
uioi
＝v
ui
‑
v
oi
其中，v
ui
为无人机的速度矢量信息，v
oi
为障碍物的速度矢量信息；获取经过点A且与障碍圆相切的切线l1和l2，直线l与切线l1或l2之间的夹角为α
i
，相对速度矢量v
uioi
和直线l之间的夹角为β
i
，障碍圆的半径为R
i
，当β
i
≤α
i
时，无人机与障碍物之间存在飞行冲突；否则，当β
i
>α
i
时，不存在飞行冲突。6.根据权利要求1所述的一种多无人机全局及局部路径智能规划方法，其特征在于，S5中无人机与环境交互后的状态空间为：
其中，u
i
为第i个无人机的实时位置信息；v
ui
为第i个无人机的实时速度矢量信息；为第i个无人机的实时航向角信息，γ
i
为无人机的实时俯仰角信息，o为毫米波雷达探测到的障碍物的实时位置矢量信息，v
o
为毫米波雷达探测到的障碍物的实时速度矢量信息，d为障碍物与毫米波雷达的实时距离矢量信息，p为全局路径上的实时子目标点的位置信息，g为全局路径终点的位置信息。7.根据权利要求1所述的一种多无人机全局及局部路径智能规划方法，其特征在于，S5中无人机与环境交互后的动作空间为：其中，v
ui
为无人机的实时速度矢量信息，为无人机的实时航向角信息，γ<...

【专利技术属性】
技术研发人员：谢拥军，贾培，谭川，王学慧，刘莹，
申请(专利权)人：珠海安擎科技有限公司，
类型：发明
国别省市：