基于改进制造技术

本发明专利技术公开了一种基于改进

【技术实现步骤摘要】
基于改进A星算法的无人机路径规划方法和装置


[0001]本专利技术涉及无人机
，具体涉及一种基于改进
A
星算法的无人机路径规划方法和装置
。

技术介绍

[0002]路径规划是无人机的核心，是路径规划算法
。
考虑到现实环境中大多数障碍物形状不规则，在建立环境时，规划空间过于完美，使其不切实际，考虑到现实环境中大多数障碍物形状不规则，无人机往往被视为粒子，容易扩大障碍物范围，影响规划效果
。

技术实现思路

[0003]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的基于改进
A
星算法的无人机路径规划方法和装置
。
[0004]依据本专利技术的一个方面，提供了一种基于改进
A
星算法的无人机路径规划方法，所述方法包括：构建无人机飞行区域的三维栅格地图，确定飞行起点和终点位置，并初始化
A
星算法模型；识别并标记所述飞行区域中的障碍物，对所述障碍物进行处理；根据对障碍物的处理结果生成障碍物权重系数，对所述
A
星算法模型的评价函数进行加权；基于加权后的评价函数规划所述无人机的路径
。
[0005]在一些实施方式中，构建无人机飞行区域的三维栅格地图，确定飞行起点和终点位置，并初始化
A
星算法模型包括：构建并初始化三维栅格地图的栅格节点，设置起点及终点的栅格节点信息，初始化各个起点
、
终点搜索分支的开放列表和封闭列表
。
[0006]在一些实施方式中，识别并标记所述飞行区域中的障碍物，对所述障碍物进行处理包括：通过预设的障碍物识别模型识别出飞行区域中的障碍物；根据障碍物的轮廓识别出障碍物的类型，对不同类型的障碍物分别进行处理
。
[0007]在一些实施方式中，对不同类型的障碍物分别进行处理包括：对弧型障碍物进行网格化处理；和
/
或，对凹型障碍物进行凸处理
。
[0008]在一些实施方式中，根据对障碍物的处理结果生成障碍物权重系数，对所述
A
星算法模型的评价函数进行加权包括：以当前三维栅格地图中障碍物的数量或者所占栅格数量与所述三维栅格地图的栅格总量之比为障碍物权重系数；根据所述障碍物权重系数的反正切函数值确定启发式函数的权重；
根据当前节点到终点的距离与起点到终点的距离之比确定当前节点的代价函数的权重；基于所述启发式函数与其权重的乘积和所述代价函数和其权重的乘积之和，得到所述评价函数
。
[0009]在一些实施方式中，基于加权后的评价函数规划所述无人机的路径包括：预设路径中节点与障碍物之间的安全距离阈值，若当前路径中的节点与所述障碍物之间的距离超过所述安全距离阈值时，则放弃当前路径
。
[0010]在一些实施方式中，所述方法还包括：利用弗洛伊德算法确定路径中各节点中的最短距离，减少路径上的拐点数量，实现路径的平滑优化
。
[0011]依据本专利技术的另一个方面，提供了一种基于改进
A
星算法的无人机路径规划装置，所述装置包括：初始化模块，适于构建无人机飞行区域的三维栅格地图，确定飞行起点和终点位置，并初始化
A
星算法模型；识别模块，适于识别并标记所述飞行区域中的障碍物，对所述障碍物进行处理；加权模块，适于根据对障碍物的处理结果生成障碍物权重系数，对所述
A
星算法模型的评价函数进行加权；规划模块，适于基于加权后的评价函数规划所述无人机的路径
。
[0012]依据本专利技术的又一方面，提供了一种垂直起降无人机，其特征在于，包括：处理器以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据上述实施方式中任一项所述的基于改进
A
星算法的无人机路径规划方法
。
[0013]依据本专利技术的再一方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现根据上述中任一项基于改进
A
星算法的无人机路径规划方法
。
[0014]由上述可知，为了支持复杂环境下的路径规划，本申请首先识别无人机在飞行中可能遇到的不规则障碍物，对障碍物进行网格化或者凸处理，减少路径设计中的干涉情况，并且利用环境地图中的障碍物权重系数对代价函数进行改进，通过结合无人机运动约束和安全阈值，改进了
A 星算法，从而能够规划出具有更大平滑度的最优最短路径
。
[0015]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的
、
特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式
。
附图说明
[0016]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了
。
附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制
。
而且在整个附图中，用相同的参考符号表示相同的部件
。
在附图中：图1示出了根据本专利技术一个实施例的基于改进
A
星算法的无人机路径规划方法的流程示意图；图2示出了根据本专利技术一个实施例的凹型障碍物凸的流程示意图，其中图2（
a
）为
凸处理前的障碍物轮廓，图2（
b
）为凸处理后的障碍物轮廓；图3示出了根据本专利技术一个实施例的安全距离设计的示意图；图4示出了根据本专利技术一个实施例的路径平滑优化的对比图；图5示出了根据本专利技术一个实施例的基于改进
A
星算法的无人机路径规划装置的结构示意图；图6示出了根据本专利技术一个实施例的垂直起降无人机（控制）的结构示意图
。
具体实施方式
[0017]下面将参照附图更详细地描述本专利技术的示例性实施例
。
虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制
。
相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员
。
[0018]图1示出了根据本专利技术一个实施例的基于改进
A
星算法的无人机路径规划方法的流程示意图，所述方法包括如下的步骤：步骤
S110
，构建无人机飞行区域的三维栅格地图，确定飞行起点和终点位置，并初始化
A
星算法模型；步骤
S120
，识别并标记所述飞行区域中的障碍物，对所述障碍物进行处理；步骤
S130
，根据对障碍物的处理结果生成障碍物权重系数，对所述
A
星算法模型的评价函数进行加权；步骤...

【技术保护点】

【技术特征摘要】
1.
一种基于改进
A
星算法的无人机路径规划方法，所述方法包括：构建无人机飞行区域的三维栅格地图，确定飞行起点和终点位置，并初始化
A
星算法模型；识别并标记所述飞行区域中的障碍物，对所述障碍物进行处理；根据对障碍物的处理结果生成障碍物权重系数，对所述
A
星算法模型的评价函数进行加权；基于加权后的评价函数规划所述无人机的路径
。2.
根据权利要求1所述的方法，其特征在于，构建无人机飞行区域的三维栅格地图，确定飞行起点和终点位置，并初始化
A
星算法模型包括：构建并初始化三维栅格地图的栅格节点，设置起点及终点的栅格节点信息，初始化各个起点
、
终点搜索分支的开放列表和封闭列表
。3.
根据权利要求1所述的方法，其特征在于，识别并标记所述飞行区域中的障碍物，对所述障碍物进行处理包括：通过预设的障碍物识别模型识别出飞行区域中的障碍物；根据障碍物的轮廓识别出障碍物的类型，对不同类型的障碍物分别进行处理
。4.
根据权利要求3所述的方法，其特征在于，对不同类型的障碍物分别进行处理包括：对弧型障碍物进行网格化处理；和
/
或，对凹型障碍物进行凸处理
。5.
根据权利要求1‑4中任一项所述的方法，其特征在于，根据对障碍物的处理结果生成障碍物权重系数，对所述
A
星算法模型的评价函数进行加权包括：以当前三维栅格地图中障碍物的数量或者所占栅格数量与所述三维栅格地图的栅格总量之比为障碍物权重系数；根据所述障碍物权重系数的反正切函数值确定启发式函数的权重；根据当前节点到终点的距离与起点到终点的距离...

【专利技术属性】
技术研发人员：任雪峰，
申请(专利权)人：北京卓翼智能科技有限公司，
类型：发明
国别省市：