基于约束采样的扩展随机树的生成方法及轨迹规划方法技术

本申请提供了一种基于约束采样的扩展随机树的生成方法及轨迹规划方法。该方法包括：基于随机生成的随机概率与第一扩展因子之间的大小关系，确定第一随机采样点的目标采样方式，第一扩展因子是至少基于工作空间中的多个障碍物的最大尺寸确定的；基于目标采样方式，确定第一随机采样点，且基于第一随机采样点和第二扩展因子，确定第二随机采样点，第二扩展因子是至少基于无人机的当前位置与各障碍物之间的最小的欧式距离以及多个障碍物的最大尺寸确定的；将第二随机采样点与当前的扩展随机树进行连接，得到目标扩展随机树。本申请解决了现有技术中的RRT算法的采样次数较多且生成的避障路径非最优的问题。成的避障路径非最优的问题。成的避障路径非最优的问题。

【技术实现步骤摘要】
基于约束采样的扩展随机树的生成方法及轨迹规划方法


[0001]本申请涉及无人机三维避障领域，具体而言，涉及一种基于约束采样的扩展随机树的生成方法及其生成装置、无人机的轨迹规划方法及其轨迹规划装置、计算机可读存储介质与电子装置。

技术介绍

[0002]巡检无人机在对配电网进行设备环境类人身安全隐患时排查时，由于既定的巡检路线中会出现一些复杂障碍物，例如交叉线路、密集树丛、建筑物等等，这样导致巡检无人机的工作环境较为恶劣。因此，需要巡检无人机能够规划出一条安全且精确的避障路线，从而避免对巡检无人机的自身及配电网设备造成损坏。
[0003]RRT（快速扩展随机树，Rapidly Exploring Random Tree，简称RRT）算法是众多避障算法中的一种基于采样的随机性算法。该RRT算法无需对障碍物以及工作环境进行栅格化的结构建模，并且在极端复杂的环境下，可以寻找出一条可行的避障路径。
[0004]但是，由于RRT算法采用随机取样的方式来生成扩展随机树，这样导致采样次数较多以及所获的避障路径非最优可达路径的问题。
[0005]因此，亟需一种能够减少采样次数且可以快速生成最优的避障路径的方法。

技术实现思路

[0006]本申请的主要目的在于提供一种基于约束采样的扩展随机树的生成方法及其生成装置、无人机的轨迹规划方法及其轨迹规划装置、计算机可读存储介质与电子装置，以至少解决现有技术中的RRT算法的采样次数较多且生成的避障路径非最优的问题。
[0007]为了实现上述目的，根据本申请的一个方面，提供了一种基于约束采样的扩展随机树的生成方法，包括：基于随机生成的随机概率与第一扩展因子之间的大小关系，确定第一随机采样点的目标采样方式，所述第一扩展因子是至少基于工作空间中的多个障碍物的最大尺寸确定的，所述工作空间为第一目标点和第二目标点之间的三维空间，所述障碍物的最大尺寸为对应的所述障碍物的相距最远的两个点之间的距离；基于所述目标采样方式，确定所述第一随机采样点，且基于所述第一随机采样点和第二扩展因子，确定第二随机采样点，所述第二扩展因子是至少基于无人机的当前位置与各所述障碍物之间的最小的欧式距离以及多个所述障碍物的最大尺寸确定的；将所述第二随机采样点与当前的扩展随机树进行连接，得到目标扩展随机树，所述目标扩展随机树包括所述无人机由所述第一目标点飞行至所述第二目标点的至少部分避障轨迹。
[0008]可选地，所述生成方法还包括：采用公式，确定所述第一扩展因子，其中，为所述第一扩展因子，为第一工作环境评价系数，为第i个所述障碍物的所述最大尺寸，i的取值从1开始，一直到，为所述工作空间中所述障碍物的总数量；采用公
式，确定所述第二扩展因子，其中，为所述第二扩展因子，为第二工作环境评价系数，为所述无人机当前的位置与第i个所述障碍物之间的最小的欧式距离。
[0009]可选地，基于随机生成的随机概率与第一扩展因子之间的大小关系，确定第一随机采样点的目标采样方式，包括：在所述随机概率小于所述第一扩展因子的情况下，将所述第一随机采样点的所述目标采样方式确定为朝向所述第二目标点所在的方向进行采样的方式；在所述随机概率大于或者等于所述第一扩展因子的情况下，将所述第一随机采样点的所述目标采样方式确定为椭圆约束采样方式。
[0010]可选地，基于所述第一随机采样点和第二扩展因子，确定第二随机采样点，包括：从当前的所述扩展随机树的多个节点中，确定与所述第一随机采样点最近的近邻点；采用公式，确定目标扩展步长，其中，为所述目标扩展步长，为所述第二扩展因子，为固定扩展步长且大于所述无人机的最小飞行距离，为所述无人机的当前位置与多个所述障碍物之间的最小的欧式距离，为预定阈值；基于所述目标扩展步长、所述第一随机采样点和所述近邻点，确定所述第二随机采样点。
[0011]可选地，基于所述目标扩展步长、所述第一随机采样点和所述近邻点，确定所述第二随机采样点，包括：采用公式，确定所述第二随机采样点，其中，为所述第二随机采样点，为所述近邻点，为所述第一随机采样点。
[0012]可选地，将所述第二随机采样点与当前的扩展随机树进行连接，得到目标扩展随机树，包括：以所述第二随机采样点为圆心，生成半径为R的目标球体，并确定处于所述目标球体内且为当前的所述扩展随机树中的节点的目标集合，其中，，为系数，为当前的所述扩展随机树中节点的总个数，所述目标集合中包括多个节点且多个所述节点均通过碰撞检测；将所述目标集合中的多个节点分别与所述第二随机采样点连接，从而得到从所述第一目标点至所述第二随机采样点所有的可达路径，以及确定多个所述可达路径的路径距离，得到各所述可达路径对应的路径距离；将最小的路径距离对应的所述可达路径中，与所述第二随机采样点直接连接的目标节点，作为所述第二随机采样点的父节点，从而得到所述目标扩展随机树，所述目标节点为所述目标集合中的一个节点。
[0013]根据本申请的另一方面，提供了一种无人机的轨迹规划方法，包括：生成步骤，采用任意一种所述的生成方法，分别生成第一扩展随机树和第二扩展随机树，其中，所述第一扩展随机树的根节点为所述第一目标点和所述第二目标点中的一个，所述第二扩展随机树的根节点为所述第一目标点和所述第二目标点中的另一个，且所述第一扩展随机树和所述第二扩展随机树中的每一个节点均交替生成；确定步骤，在根据所述第一扩展随机树和所述第二扩展随机树可得到一个目标可达路径的情况下，至少基于所述目标可达路径的路径
距离和第三扩展因子，确定所述目标可达路径对应的动态采样值，所述第三扩展因子至少基于所述工作空间中的所述障碍物的总数量以及所述最大尺寸确定的，所述目标可达路径为所述无人机可由所述第一目标点飞行至所述第二目标点的可达路径；第一重复步骤，在所述目标可达路径的所述动态采样值未达到目标动态采样值的情况下，依次重复所述生成步骤和所述确定步骤至少一次，直到所述目标可达路径的所述动态采样值达到所述目标动态采样值为止，且将最后一次得到的所述目标可达路径确定为所述无人机由所述第一目标点飞行至所述第二目标点的避障轨迹。
[0014]可选地，所述轨迹规划方法还包括：第二重复步骤，在根据所述第一扩展随机树和所述第二扩展随机树无法得到一个所述目标可达路径的情况下，重复所述生成步骤至少一次，直到根据所述第一扩展随机树和所述第二扩展随机树可得到一个所述目标可达路径为止。
[0015]可选地，所述轨迹规划方法还包括：采用，确定所述第三扩展因子，其中，为所述第三扩展因子，为第三工作环境评价系数，为第i个所述障碍物的所述最大尺寸，i的取值从1开始，一直到，为所述工作空间中所述障碍物的总数量。
[0016]可选地，确定根据所述第一扩展随机树和所述第二扩展随机树，是否可得到一个所述目标可达路径的过程包括：分别对所述第一扩展随机树和所述第二扩展随机树进行遍历，得到第一目标节点和第二目标节点，所述第一目标节点为所述第一扩展随机树中的一个节点，所述第二目标节点为所述第二扩展随机树中的一个节点，且所述第一目标节点与所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于约束采样的扩展随机树的生成方法，其特征在于，包括：基于随机生成的随机概率与第一扩展因子之间的大小关系，确定第一随机采样点的目标采样方式，所述第一扩展因子是至少基于工作空间中的多个障碍物的最大尺寸确定的，所述工作空间为第一目标点和第二目标点之间的三维空间，所述障碍物的最大尺寸为对应的所述障碍物的相距最远的两个点之间的距离；基于所述目标采样方式，确定所述第一随机采样点，且基于所述第一随机采样点和第二扩展因子，确定第二随机采样点，所述第二扩展因子是至少基于无人机的当前位置与各所述障碍物之间的最小的欧式距离以及多个所述障碍物的最大尺寸确定的；将所述第二随机采样点与当前的扩展随机树进行连接，得到目标扩展随机树，所述目标扩展随机树包括所述无人机由所述第一目标点飞行至所述第二目标点的至少部分避障轨迹。2.根据权利要求1所述的生成方法，其特征在于，所述生成方法还包括：采用公式，确定所述第一扩展因子，其中，为所述第一扩展因子，为第一工作环境评价系数，为第个所述障碍物的所述最大尺寸，的取值从1开始，一直到，为所述工作空间中所述障碍物的总数量；采用公式，确定所述第二扩展因子，其中，为所述第二扩展因子，为第二工作环境评价系数，为所述无人机当前的位置与第个所述障碍物之间的最小的欧式距离。3.根据权利要求1所述的生成方法，其特征在于，基于随机生成的随机概率与第一扩展因子之间的大小关系，确定第一随机采样点的目标采样方式，包括：在所述随机概率小于所述第一扩展因子的情况下，将所述第一随机采样点的所述目标采样方式确定为朝向所述第二目标点所在的方向进行采样的方式；在所述随机概率大于或者等于所述第一扩展因子的情况下，将所述第一随机采样点的所述目标采样方式确定为椭圆约束采样方式。4.根据权利要求1所述的生成方法，其特征在于，基于所述第一随机采样点和第二扩展因子，确定第二随机采样点，包括：从当前的所述扩展随机树的多个节点中，确定与所述第一随机采样点最近的近邻点；采用公式，确定目标扩展步长，其中，为所述目标扩展步长，为所述第二扩展因子，为固定扩展步长且大于所述无人机的最小飞行距离，为所述无人机的当前位置与多个所述障碍物之间的最小的欧式距离，为预定阈值；基于所述目标扩展步长、所述第一随机采样点和所述近邻点，确定所述第二随机采样点。5.根据权利要求4所述的生成方法，其特征在于，基于所述目标扩展步长、所述第一随
机采样点和所述近邻点，确定所述第二随机采样点，包括：采用公式，确定所述第二随机采样点，其中，为所述第二随机采样点，为所述近邻点，为所述第一随机采样点。6.根据权利要求1所述的生成方法，其特征在于，将所述第二随机采样点与当前的扩展随机树进行连接，得到目标扩展随机树，包括：以所述第二随机采样点为圆心，生成半径为R的目标球体，并确定处于所述目标球体内且为当前的所述扩展随机树中的节点的目标集合，其中，，为系数，为当前的所述扩展随机树中节点的总个数，所述目标集合中包括多个节点且多个所述节点均通过碰撞检测；将所述目标集合中的多个节点分别与所述第二随机采样点连接，从而得到从所述第一目标点至所述第二随机采样点所有的可达路径，以及确定多个所述可达路径的路径距离，得到各所述可达路径对应的路径距离；将最小的路径距离对应的所述可达路径中，与所述第二随机采样点直接连接的目标节点，作为所述第二随机采样点的父节点，从而得到所述目标扩展随机树，所述目标节点为所述目标集合中的一个节点。7.一种无人机的轨迹规划方法，其特征在于，包括：生成步骤，采用权利要求1至6中任意一项所述的生成方法，分别生成第一扩展随机树和第二扩展随机树，其中，所述第一扩展随机树的根节点为所述第一目标点和所述第二目标点中的一个，所述第二扩展随机树的根节点为所述第一目标点和所述第二目标点中的另一个，且所述第一扩展随机树和所述第二扩展随机树中的每一个节点均交替生成；确定步骤，在根据所述第一扩展随机树和所述第二扩展随机树可得到一个目标可达路径的情况下，至少基于所述目标可达路径的路径距离和第三扩展因子，确定所述目标可达路径对应的动态采样值，所述第三扩展因子至少基于所述工作空间中的所述障碍物的总数量以及所述最大尺寸确定的，所述目标可达路径为所述无人机可由所述第一目标点飞行至所述第二目标点的可达路径；第一重复步骤，在所述目标可达路径的所述动态采样值未达到目标动态采样值的情况下，依次重复所述生成步骤和所述确定步骤至少一次，直到所述目标可达路径的所述动态采样值达到所述目标动态采样值为止，且将最后一次得到的所述目标可达路径确定为所述无人机由所述第一目标点飞行至所述第二目标点...

【专利技术属性】
技术研发人员：黄志勇，沈振华，黄辉，卢贤盛，林伟军，李江平，杨昀，吴炳基，
申请(专利权)人：广东电网有限责任公司云浮供电局，
类型：发明
国别省市：