基于A*算法与改进最小化snap的无人飞行器路径规划方法技术

本发明专利技术为基于A*算法与改进最小化snap的无人飞行器路径规划方法，首先通过A*算法进行路径点搜索，得到初始轨迹；然后，利用最小化snap对A*算法得到的初始轨迹进行优化，得到一次优化轨迹；最后，逐一判断除起始点、目标点以外的所有路径点是否为候选冗余路径点，再判断每个候选冗余路径点是否为冗余路径点，若是冗余路径点则应删除，以此对一次优化轨迹进行冗余路径点修剪，对删除冗余路径点的轨迹重新添加约束条件，通过二次规划求解目标函数，完成整个路径规划。A*算法与最小化snap结合得到的轨迹尽管是连续、光滑的，但是轨迹较长，本发明专利技术通过修剪冗余路径点使轨迹更短，同时能够有效避障。避障。避障。

【技术实现步骤摘要】
基于A＊算法与改进最小化snap的无人飞行器路径规划方法


[0001]本专利技术属于无人飞行器运动规划
，涉及一种基于A*算法与改进最小化snap的无人飞行器路径规划方法。
技术背景
[0002]随着自主空中机器人技术的发展，微型无人飞行器，特别是四旋翼无人飞行器因其良好的机动性能而被广泛运用。微型无人飞行器通过搭载各种功能设备完成巡检、物资配送、救援等任务，运动规划是无人飞行器实现自主飞行的重要基础，运动规划包括前端路径规划和后端轨迹优化，其目的是寻找一条从起始点到目标点的最优路径。常见的运动规划算法主要包括图搜索算法、空间采样算法、曲线插值拟合算法和仿生智能算法。图搜索算法中的A*算法在迭代过程中利用对目标的启发式信息，可以在有障碍物的环境中规划出一条全局最优路径，但因其分辨率最优的特点，得到的路径很大程度上依赖于栅格地图的分辨率；此外，A*算法对高维信息有着很弱的处理能力，无法满足无人飞行器的动力学要求，所以引入最小化snap方法对A*算法得到的全局最优路径进行参数化处理，得到优化轨迹。
[0003]文献《移动机器人最小化s本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于A*算法与改进最小化snap的无人飞行器路径规划方法，其特征在于，该方法包括以下步骤：第一步、根据环境地图构建栅格地图，利用A*算法进行路径点搜索，得到初始轨迹；第二步、利用最小化snap对初始轨迹进行优化，得到一次优化轨迹；最小化snap优化的目标函数为：式中，f
(4)
(t)表示第j段轨迹的加速度的二阶导数，T
j
‑1、T
j
分别表示第j段轨迹的起始时刻和截止时刻，t表示时刻；最小化snap优化的约束条件为：最小化snap优化的约束条件为：式中，f
j(k)
(T
j
)、分别表示第j、j+1段轨迹在T
j
时刻的k阶导数；式(4)表示第j段轨迹在T
j
时刻的k阶导数需要满足的约束；式(5)表示第j段轨迹在T
j
时刻的k阶导数与第j+1段轨迹在T
j
时刻的k阶导数相等；k取1、2、3、4表示第j段轨迹最后一个路径点与第j+1段轨迹第一个路径点的位置、速度、加速度以及加速度变化率分别对应相等；第三步、对一次优化轨迹进行冗余路径点修剪，对轨迹重新添加约束条件，通过二次规划求解目标函数，得到二次优化轨迹；判断除起始点、目标点以外的各个路径点是否为候选冗余路径点，若满足式(6)则为候选冗余路径节点，否则为正常路径点；s
‑
(l*1.05)>0
ꢀꢀꢀꢀꢀꢀꢀꢀ
(6)式中，s＝s1+s2表示与待判断路径点相连的前后两段轨迹长度之和，s1表示待判断路径点与前一个路径点之间的轨迹长度，s2表示待判断路径点与后一个路径点之间的轨迹长度，l表示位于待判断路径点前、后两个路径点的欧式距离；判断各个候选冗余路径点是否为冗余路径点，若为冗余路径点则删除；对于任意候选冗余...

【专利技术属性】
技术研发人员：顾军华，左宗霖，郑晓园，刘洪普，张亚娟，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：