【技术实现步骤摘要】
本专利技术属于无人机路径规划，尤其涉及基于三维a星与速度障碍的无人机路径规划方法与系统。
技术介绍
1、近年来，无人机在军事领域或民用领域的需求都一直在增加。在军事领域，无人机可以代替人员进入危险区域进行侦察甚至独立作战。在民用领域，无人机可以进行地图测绘、物流运输等工作。在复杂环境下，需要经验丰富的无人机飞行员才能很好地操控无人机完成任务。因此，对无人机的自主飞行能力的研究，是一个很重要的研究方向。
2、路径规划研究，大致能分为全局路径规划和局部路径规划两类。全局路径规划利用全局信息，规划出到达目标点的总体路线，对应的经典算法有：基于图搜索的a星算法，基于采样的rrt算法，和一些仿生智能算法。而局部路径规划算法，是利用局部信息，快速规划出局部飞行路径，实时性强于全局规划路径，对应的经典算法有：专为躲避动态障碍物设计的vo，基于轨迹预测进行采样的动态窗口法（dwa），人工势场类算法等。还有一些智能算法如遗传算法、蚁群算法和强化学习算法等也在路径规划领域有所应用。
3、相对而言，全局路径规划算法能找到全局解，但实时性较弱，而局部路径规划算法实时性强，但由于缺乏全局信息，容易收敛到局部最优解，无法到达最终目标点。在面临复杂环境条件时，单独的全局路径规划算法或是局部路径规划算法都由于自身的局限性而难以完成任务。因此，也有不少研究将全局规划算法与局部规划算法相融合，2021年有技术人员提出将改进的a星算法与dwa算法结合的全局动态路径规划算法，在二维空间内完成了混合路径规划算法。但由于所结合的方法依然是针对静态环
4、通过上述分析，现有技术存在的问题及缺陷为：
5、（1）传统全局路径规划算法实时性较弱；局部路径规划算法缺乏全局信息，容易收敛到局部最优解，无法到达最终目标点。
6、（2）现有将改进的a星算法与dwa算法结合的全局动态路径规划算法针对的是静态环境，把动态障碍物视作当前时刻的静态障碍物考虑，没有前瞻性，所以在面对动态障碍物时仍存在不足，而且该方法仅在二维环境下进行规划，不太适用于无人机飞行的应用场景。
技术实现思路
1、为克服相关技术中存在的问题，本专利技术公开实施例提供了基于三维a星与速度障碍的无人机路径规划方法与系统，所述技术方案如下：
2、本专利技术是这样实现的，基于三维a星与速度障碍的无人机路径规划方法，包括：
3、s1、根据全局地图静态信息，利用改进的三维a星算法规划获得全局路径，提取全局路径中的拐角点，作为全局引导检查点；
4、s2、无人机沿全局引导检查点飞行，避开静态障碍物；
5、s3、飞行过程中，检测是否有动态障碍物入侵；
6、s4、当检测到动态障碍物入侵时，启用改进的三维vo算法进行避障，直至到达目标点。
7、在步骤s1中，所述利用改进的三维a星算法规划获得全局路径，包括：
8、将待规划空间进行栅格化，分为有障碍的障碍栅格和无障碍的自由栅格，将栅格位置抽象为点，以三维坐标点进行表示；根据三维a星算法得到一条由自由栅格组成的全局路径，该全局路径由自由栅格的三维坐标组成；
9、在搜索路径过程中，以当前节点为父节点，分方向优先遍历父节点周围距离最终目标点最远方向的节点，若在该方向能找到可行的节点，则停止遍历剩下方向的节点，在可行节点中，使用代价函数分别计算这些节点的代价，确定代价最小的节点为下一个父节点；
10、在完成全局路径规划后，提取路径转折点为全局检查点，将这些检查点用作无人机飞行任务过程中的阶段性目标点。
11、进一步，所述将待规划空间进行栅格化，包括：将待规划空间划分为以的正立方体为单位的栅格空间，标定好起始点和目标点所在的栅格空间，以三维坐标表示，将包含障碍物的栅格空间视为障碍栅格，其余为自由栅格。
12、进一步，三维a星算法的代价函数为：
13、
14、式中，为从起始点s经由节点到目标点t的总移动代价，为起始点s沿着生成路径到点的移动代价，为从点到目标点t的预估移动代价。
15、进一步，所述分方向优先遍历父节点周围距离最终目标点最远方向的节点，包括：
16、在遍历当前节点的周围节点时，优先遍历距离最终目标点最近的节点，设定8个面，当某个面中存在可通行节点则进行下一步，无需等待所有节点全部遍历完成；
17、设当前节点坐标为与目标点的相对坐标，其中；则遍历顺序为平面、平面、平面，与剩下的点，以此类推，当存在时，则同时遍历平面与平面；
18、所述提取路径转折点为全局检查点，包括：得到用三维坐标表示位置的栅格后，检查前后相邻栅格是否为拐角栅格；设连续三个路径点分别为、和，若存在、或，则位置坐标为的自由栅格为路径拐角处，将位置坐标为的自由栅格设置为检查点，确定为无人机动态避障时的阶段性目标点。
19、在步骤s4中，所述启用改进的三维vo算法进行避障，包括：
20、根据动态障碍物和无人机自身半径对障碍物球体进行膨胀处理，膨胀处理方式为将无人机抽象为一个质点，将无人机的半径加到动态障碍物的半径上，使得动态障碍物进行了相应的膨胀，设无人机的坐标点为，无人机速度向量为，动态障碍物的坐标为，动态障碍物速度向量为；
21、以无人机位置为顶点，无人机与障碍物球体球心的连线为母线，顶点与膨胀球体的切线为边作圆锥，锥体范围为速度障碍区；若障碍物速度为，则将圆锥沿障碍物速度方向平移，确定最终速度障碍空间；
22、设无人机速度向量为，计算出速度向量终点到母线的点线距离，若点线距离大于圆锥的截面半径，则说明速度向量落在障碍区外，将速度向量加入可取速度向量空间；
23、比较点线距离与截面半径大小，当满足时，则说明速度向量不在速度障碍空间内，可以选取；
24、在物体运动过程中，速度向量的变化受加速度向量与加速时间影响，得到新速度，所有新速度向量的集合即是新速度空间；根据最大速度进行限制，得到可达速度为，计算公式为：
25、
26、式中，为最大速度，为的模长，所有可达速度向量的集合即是可达速度空间，从可达速度空间中选取最接近目标点的速度向量作为无人机的目标速度向量；根据目标速度与时间间隔求得下一位置，得到规划路径。进一步，点线距离的计算公式为：
27、
28、式中，表示到的向量，用两点坐标值的差表示；表示到的向量，用两点坐标值的差表示；表示向量的叉积；表示向量的模长；
29、圆锥的截面半径的计算公式为：
30、
31、式中，表示到的向量，用两点坐标值的差表示；为膨胀后的障碍物球体半径；为在上的投影长度，计算公式为：
32、
33、式中，为点到点的向量，表示向量的点积。
34、进一步，加速度向量的空间为本文档来自技高网...
【技术保护点】
1.一种基于三维A星与速度障碍的无人机路径规划方法，其特征在于，该方法包括：
2.根据权利要求1所述基于三维A星与速度障碍的无人机路径规划方法，其特征在于，在步骤S1中，所述利用改进的三维A星算法规划获得全局路径，包括：
3.根据权利要求2所述基于三维A星与速度障碍的无人机路径规划方法，其特征在于，所述将待规划空间进行栅格化，包括：将待规划空间划分为以的正方体为单位的栅格空间，标定好起始点和目标点所在的栅格空间，以三维坐标表示，将包含障碍物的栅格空间视为障碍栅格，其余为自由栅格。
4.根据权利要求2所述基于三维A星与速度障碍的无人机路径规划方法，其特征在于，三维A星算法的代价函数为：
5.根据权利要求2所述基于三维A星与速度障碍的无人机路径规划方法，其特征在于，所述分方向优先遍历父节点周围距离最终目标点最远方向的节点，包括：
6.根据权利要求1所述基于三维A星与速度障碍的无人机路径规划方法，其特征在于，在步骤S4中，所述启用改进的三维VO算法进行避障，包括：
7.根据权利要求6所述基于三维A星与速度障碍的无人
8.根据权利要求6所述基于三维A星与速度障碍的无人机路径规划方法，其特征在于，加速度向量的空间为：
9.根据权利要求1所述基于三维A星与速度障碍的无人机路径规划方法，其特征在于，该方法还包括：使用改进的三维A星算法获得无碰撞路径的检查点，再让无人机依次飞向检查点的同时，检测周围是否有动态障碍物入侵，若有则使用改进的三维VO算法进行局部路径规划以躲避动态障碍物，否则按原计划行进，直至行进到最终全局目标点。
10.一种基于三维A星与速度障碍的无人机路径规划系统，其特征在于，该系统实施权利要求1至9任意一项所述基于三维A星与速度障碍的无人机路径规划方法，该系统包括：
...【技术特征摘要】
1.一种基于三维a星与速度障碍的无人机路径规划方法，其特征在于，该方法包括：
2.根据权利要求1所述基于三维a星与速度障碍的无人机路径规划方法，其特征在于，在步骤s1中，所述利用改进的三维a星算法规划获得全局路径，包括：
3.根据权利要求2所述基于三维a星与速度障碍的无人机路径规划方法，其特征在于，所述将待规划空间进行栅格化，包括：将待规划空间划分为以的正方体为单位的栅格空间，标定好起始点和目标点所在的栅格空间，以三维坐标表示，将包含障碍物的栅格空间视为障碍栅格，其余为自由栅格。
4.根据权利要求2所述基于三维a星与速度障碍的无人机路径规划方法，其特征在于，三维a星算法的代价函数为：
5.根据权利要求2所述基于三维a星与速度障碍的无人机路径规划方法，其特征在于，所述分方向优先遍历父节点周围距离最终目标点最远方向的节点，包括：
6.根据权利要求1所述基于三...
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。