【技术实现步骤摘要】
本申请涉及无人机路径规划，尤其涉及基于改进a*算法无人机三维路径规划。
技术介绍
1、目前路径规划经典算法有a*算法、人工势场法和rrt算法，智能优化算法有蚁群算法、遗传算法、粒子群算法等，其中a*算法在无人机路径规划领域，具有算法简单、规划路径最佳的优点，但是在应用中的具体缺陷是当应用在二维空间中，搜索方向只需要考虑8个方向，但在三维空间中，需要考虑26个方向，极大的增加了中间节点的计算量。a*算法由于节点之间的关联性强，导致算法搜索缓慢。
2、在二维地图中，搜索方式通常采用四邻域或者八邻域拓展，针对a*算法固定单一步长的搜索方式。但是在三维地图中，当膨胀率过大时，会产生两种情况，第一种情况是在搜索节点时无法检测到目标点，从而导致路径规划失败；第二种情况是在搜索节点时能够检测到目标点，但无人机会与障碍物发生碰撞，膨胀率过大如图2所示。
技术实现思路
1、本专利技术目的是为了解决现有路径规划不精准和算法搜索效率低的问题，提供了基于改进a*算法无人机三维路径规划方法、设备和介质。
2、本专利技术是通过以下技术方案实现的，本专利技术一方面，提供一种基于改进a*算法的无人机三维路径规划方法，所述方法包括：
3、步骤1、将起始点p放入到开放列表中；
4、步骤2、确定终点，具体包括：
5、步骤2.1、判断当前节点与障碍物的最近距离是否大于设定值，若大于设定值，膨胀步长，反之，收缩步长；
6、步骤2.2、遍历开放列表，计算
7、步骤2.3、对当前节点中，与之相邻的其他节点b、c和d做如下操作：
8、若节点b是不可抵达的或者在关闭列表，不进行操作；否则，进行下一步操作；
9、若节点c不在开放列表中，则将其加入开放列表，并将当前节点n设置为其父亲节点；计算节点c的 f(c)， g(c)和 h(c)，其中 f(c)表示节点c的评价函数， g(c)表示起点到节点c的实际移动代价， h(c)表示节点c到目标点的预估移动代价；
10、若节点d已经在开放列表中，则判断节点n到节点d的路径是否更好，参考指标为g(d)值，若g(d)更小，则说明路径更好；若节点d的路径更好，则将节点d的父亲节点e设置为当前节点，并重新计算g(e)和f(e)；
11、步骤2.4、将节点n移动到关闭列表中；
12、步骤2.5、重复步骤2.1至2.4，当满足如下条件中的一个时，重复终止：
13、条件一：将终点加入到开放列表中；
14、条件二：无法查找到终点，并且此时开放列表是空列表；
15、步骤3、若终点已经找到，查找最短路径；
16、步骤4、利用路径剪枝优化初始路径。
17、进一步地，步骤2.1中，所述膨胀步长的搜索方法为在不增加搜索节点数量的基础上，将普通八邻域3×3的搜索范围进行膨胀，具体包括：
18、获取第一次循环所搜索到的子节点和父亲节点；
19、选取第一次循环中评价函数值最小的节点作为第二次循环的父亲节点；
20、获取第二次循环的子节点，当搜索到目标点时，回溯父亲节点，直至起始点。
21、进一步地，步骤2.2中，所述评价函数为：
22、
23、其中， g( n)代表起点到当前节点的实际移动代价， h( n)代表当前节点到目标点的预估移动代价，为 g( n)的权值系数，为 h( n)的权值系数。
24、进一步地，步骤2.2中，所述评价函数为：
25、
26、
27、
28、
29、其中，为 g( n)的权值系数，为 h( n)的权值系数，表示第n个节点的坐标，表示目标点的坐标，表示节点，通过调节权值系数的比例，来设计合理的路径；其中， h( n)在评价函数 f( n)中的权值系数越大，a*算法的收敛速度越快； h( n)在评价函数 f( n)中的权值系数越小，a*算法的收敛速度就会越慢。
30、进一步地，步骤3中，所述最短路径具体为：从终点开始，每个节点都沿着父亲节点移动，直到起点。
31、进一步地，步骤4，具体包括：
32、判断两节点的连线上的任意一点是否在障碍物的范围内，若有一点在障碍物内，则就可以判断出这两节点连线的路径与障碍物产生碰撞，这两个节点中存在冗余节点，将所述冗余节点删除。
33、进一步地，步骤4还包括坐标变换，具体为：
34、球坐标转换直角坐标公式:
35、
36、直角坐标转换球坐标公式：
37、
38、其中，( x,y,z)表示在空间直角坐标下点的坐标，表示当前节点到后续节点的距离，表示与正z轴的夹角，表示与正x轴的水平夹角。
39、第二方面，本专利技术提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时执行如上文所述的一种基于改进a*算法的无人机三维路径规划方法的步骤。
40、第三方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有多条计算机指令，所述多条计算机指令用于使计算机执行如上文所述的一种基于改进a*算法的无人机三维路径规划方法。
41、第四方面，本专利技术提供一种电子设备，包括：
42、至少一个处理器；以及，
43、与所述至少一个处理器通信连接的存储器；其中，
44、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上文所述的一种基于改进a*算法的无人机三维路径规划方法。
45、本专利技术的有益效果：
46、本专利技术提出自适应膨胀卷积本文档来自技高网...
【技术保护点】
1.一种基于改进A*算法的无人机三维路径规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进A*算法的无人机三维路径规划方法，其特征在于，步骤2.1中，所述膨胀步长的搜索方法为在不增加搜索节点数量的基础上，将普通八邻域3×3的搜索范围进行膨胀，具体包括：
3.根据权利要求1所述的基于改进A*算法的无人机三维路径规划方法，其特征在于，步骤3中，所述最短路径具体为：从终点开始，每个节点都沿着父亲节点移动，直到起点。
4.根据权利要求1所述的基于改进A*算法的无人机三维路径规划方法，其特征在于，步骤4，具体包括：
5.根据权利要求4所述的基于改进A*算法的无人机三维路径规划方法，其特征在于，步骤4还包括坐标变换，具体为：
6.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，当所述处理器运行所述存储器存储的计算机程序时执行权利要求1至5中任一项所述的方法的步骤。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有多条计算机指令，所述多条计算机指令用于
8.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于改进a*算法的无人机三维路径规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于改进a*算法的无人机三维路径规划方法，其特征在于，步骤2.1中，所述膨胀步长的搜索方法为在不增加搜索节点数量的基础上，将普通八邻域3×3的搜索范围进行膨胀，具体包括：
3.根据权利要求1所述的基于改进a*算法的无人机三维路径规划方法，其特征在于，步骤3中，所述最短路径具体为：从终点开始，每个节点都沿着父亲节点移动，直到起点。
4.根据权利要求1所述的基于改进a*算法的无人机三维路径规划方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。