【技术实现步骤摘要】
本专利技术属于无人机轨迹规划，尤其涉及一种动态环境下无人机轨迹规划方法及系统。
技术介绍
1、近年来，随着感知、预测、规划和控制等领域技术的进步，无人机自主导航得到了快速发展。轨迹规划是无人机自主导航的重要研究方向，它可以在考虑计算时间和避障的情况下生成从初始位置到目标位置的可行轨迹，最后将这条轨迹交给控制器进行跟踪。轨迹规划过程中遇到的障碍物包括静态障碍物和动态障碍物。许多现有的工作仅考虑静态障碍物。动态环境下轨迹规划仍然是自主导航的最大挑战之一。
2、文献[3]zhou b,gao f,wang l,et al.robust and efficient quadrotortrajectory generation for fast autonomous flight[j].ieee robotics andautomation letters,2019,4(4):3529-3536使用改进的hybrid-state a*路径搜索算法生成初始轨迹，大大提高前端路径搜索的速度，但是该方法无法处理动态障碍物，且没考虑地图中的障碍物，在障碍物较多的环境中表现较差。文献[4]tordesillas j,how j p.mader:trajectory planner in multiagent and dynamic environments[j].ieeetransactions on robotics,2021,38(1):463-476提出了octopus search算法进行初始路径搜索，生成能够同时避开静态和动态
3、通过上述分析，现有技术存在的问题及缺陷为：(1)为应对动态场景下环境的不断变化，无人机需要一套快速的轨迹重规划方法，现有的技术在规划速度上无法满足实时快速规划的要求。(2)现有的方法为了保证轨迹的安全性生成过于保守的轨迹，导致过长的飞行距离或过长的飞行时间。(3)现有的基于规则的方法(如orca[7]van den berg j,guy sj,lin m,et al.reciprocal n-body collision avoidance[c]//robotics research:the14th international symposium isrr.berlin,heidelberg:springer berlinheidelberg,2011:3-19.)和硬约束的方法(如mader)不能保证求解成功率。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种动态环境下无人机轨迹规划方法及系统。
2、本专利技术是这样实现的，一种动态环境下无人机轨迹规划方法，所述动态环境下无人机轨迹规划方法包括前端路径搜索和后端轨迹规划，前端路径搜索部分基于hybrid-state a*算法，提出了oha*算法，在路径搜索中考虑环境中障碍物信息；后端轨迹规划部分使用minvo基函数生成轨迹凸包，并通过以最大化本无人机与动态障碍物的轨迹凸包之间分离程度为目标，通过求解优化问题得到最优分离平面，作为避障约束；最后将轨迹优化中的硬约束转换为软约束，用梯度下降的方法求解优化问题。
3、所述动态环境下无人机轨迹规划方法包括以下步骤：
4、步骤一，无人机调用oha*算法生成初始路径；
5、步骤二，将oha*算法得到的分段多项式路径转换为r阶b样条轨迹；
6、步骤三，结合地图为b样条轨迹的每一段生成安全飞行走廊，作为静态障碍物避障约束；结合动态障碍物的轨迹(来自预测模块)和无人机自身的b样条轨迹，生成避障的分离平面约束，作为动态障碍物避障约束；
7、步骤四，求解轨迹优化问题；
8、步骤五，将求解出的轨迹交给底层控制器进行执行。
9、进一步，步骤一生成初始路径的具体方法包括以下步骤：
10、步骤1，初始化保存待扩展节点的优先队列openset和保存已经扩展了的节点的集合closeset；
11、步骤2，判断openset是否为空，若为空则未搜索到可行路径，程序结束，返回失败；若不为空则从openset中取出队首节点nc，并加入closeset中；
12、步骤3，判断节点nc是否到达终点，若到达则转步骤7，否则继续执行；
13、步骤4，以节点nc生成运动元语集合；
14、步骤5，循环中每个运动元语ni；
15、步骤6，检查运动元语ni是否可行，若速度超过动力学约束，或与障碍物发生碰撞，或其在closeset中，则跳过该元语；如果运动元语ni不在openset中，则将其加入openset；如果运动元语ni在openset中，但是当前的g值降低了，则用当前运动元语替换openset中的ni，回到步骤2；
16、步骤7，取出搜索到的路径，程序结束，返回成功。
17、进一步，步骤1优先队列openset的排序依据是节点的代价函数f，f＝g+h，式中，g表示起点到当前节点的累计代价，h表示从当前节点到终点的估计代价。
18、进一步，步骤4运动元语通过采样加速度获得；
19、假设每个维度的加速度范围为[-amax，amax]，对加速度做2l+1个采样得到加速度采样值对三维加速度进行采样得到(2l+1)3个不同的加速度值，对每个加速度采样可以使用状态转移方程得到邻居节点状态，状态转移方程为：
20、si＝asc+bai
21、
22、
23、式中，sc和si分别表示当前节点nc和第i∈{1,2,…,(2l+1)3}个运动元语对应的状态，状态是一个6维向量，包括3本文档来自技高网...
【技术保护点】
1.一种动态环境下无人机轨迹规划方法，其特征在于，所述动态环境下无人机轨迹规划方法包括前端路径搜索和后端轨迹规划，前端路径搜索部分基于hybrid-state A*算法，提出了OHA*算法，在路径搜索中考虑环境中障碍物信息；后端轨迹规划部分使用MINVO基函数生成轨迹凸包，并通过以最大化本无人机与动态障碍物的轨迹凸包之间分离程度为目标，通过求解优化问题得到最优分离平面，作为避障约束；最后将轨迹优化中的硬约束转换为软约束，用梯度下降的方法求解优化问题。
2.如权利要求1所述的动态环境下无人机轨迹规划方法，其特征在于，所述动态环境下无人机轨迹规划方法包括以下步骤：
3.如权利要求2所述的动态环境下无人机轨迹规划方法，其特征在于，步骤一生成初始路径的具体方法包括以下步骤：
4.如权利要求3所述的动态环境下无人机轨迹规划方法，其特征在于，步骤1优先队列OpenSet的排序依据是节点的代价函数F，F＝G+H，式中，G表示起点到当前节点的累计代价，H表示从当前节点到终点的估计代价。
5.如权利要求3所述的动态环境下无人机轨迹规划方法，其特征在于
6.如权利要求3所述的动态环境下无人机轨迹规划方法，其特征在于，步骤5首先计算G值为nc的G值加上nc到ni的代价，nc到ni的代价的计算公式如下式：
7.如权利要求2所述的动态环境下无人机轨迹规划方法，其特征在于，步骤三生成安全飞行走廊，对分段轨迹，取每一段的起点和终点作线段相连，以线段为中心扩展一个长方体作为初始飞行走廊，检查该长方体的六个面是否包括了地图中静态障碍物，若某个面包含了则将该面进行收缩到不包含静态障碍物为止；使用KD树查找的技术手段加速操作。
8.如权利要求2所述的动态环境下无人机轨迹规划方法，其特征在于，步骤三生成分离平面约束，首先对无人机自身以及动态障碍物的轨迹分别用MINVO基函数获得最小体积凸包，MINVO基函数与多项式轨迹的系数之间存在转换关系c＝QMVAMV·，式中c表示多项式轨迹的系数向量，QMV表示MINVO基的控制点，即曲线最小凸包的顶点集，AMV表示转换矩阵；
9.如权利要求2所述的动态环境下无人机轨迹规划方法，其特征在于，步骤四优化目标变量QBS是B样条曲线的控制点，而p(t)是由控制点决定的连续曲线；
10.如权利要求1～9任一项所述的一种动态环境下无人机轨迹规划方法的动态环境下无人机轨迹规划系统，其特征在于，该系统包括：
...【技术特征摘要】
1.一种动态环境下无人机轨迹规划方法，其特征在于，所述动态环境下无人机轨迹规划方法包括前端路径搜索和后端轨迹规划，前端路径搜索部分基于hybrid-state a*算法，提出了oha*算法，在路径搜索中考虑环境中障碍物信息；后端轨迹规划部分使用minvo基函数生成轨迹凸包，并通过以最大化本无人机与动态障碍物的轨迹凸包之间分离程度为目标，通过求解优化问题得到最优分离平面，作为避障约束；最后将轨迹优化中的硬约束转换为软约束，用梯度下降的方法求解优化问题。
2.如权利要求1所述的动态环境下无人机轨迹规划方法，其特征在于，所述动态环境下无人机轨迹规划方法包括以下步骤：
3.如权利要求2所述的动态环境下无人机轨迹规划方法，其特征在于，步骤一生成初始路径的具体方法包括以下步骤：
4.如权利要求3所述的动态环境下无人机轨迹规划方法，其特征在于，步骤1优先队列openset的排序依据是节点的代价函数f，f＝g+h，式中，g表示起点到当前节点的累计代价，h表示从当前节点到终点的估计代价。
5.如权利要求3所述的动态环境下无人机轨迹规划方法，其特征在于，步骤4运动元语通过采样加速度获得；
6.如权利要求3所述的动态环境下无人机轨迹...
【专利技术属性】
技术研发人员：罗杨，黄欣旸，骆春波，谷思艳，闫龙程，谢骏涵，孙文健，刘翔，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：
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。