【技术实现步骤摘要】
本专利技术属于路径规划相关，更具体地，涉及一种异构车机空地协同路径规划方法及系统。
技术介绍
1、无人车与无人机系统组合形成的空地异构系统，在续航、负载、通讯、观测能力等方面具有很强的互补性，其可以用于执行侦察、搜索、营救等任务，具有巨大的应用价值。为确保空地异构系统能够在复杂环境中稳定行动并完成任务目标，这需要对空地异构系统进行路径规划以及合理的局部避障，针对常用的路径规划方法，主要包括概率地图法(prm)、快速扩展随机树(rrt)、动态窗口法(dwa)以及启发式优化算法等，这些在无人车与无人机的全局/局部规划方面有优异表现。
2、针对组合的空地异构系统，现有的路径规划方法在具体场景应用时仍然存在着一些问题：1)现有算法主要将无人车与无人机进行单独的路径规划，很少结合二者的任务分配进行路径规划；2)采用现有单一规划算法可能很难满足任务需求，因此需要考虑对全局/局部规划算法的动态调整；3)算法设计大多考虑图层面的运动规划，而运动特性和任务约束会直接影响空地异构系统的运行效率。因此，结合异构任务分配和运动特性的空地协同路径规划优化方法研究很有意义。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提供了一种异构车机空地协同路径规划方法及系统，可以实现无人机和无人车的全局规划，进而适应不同工况不同任务需求，提高运行效率。
2、为实现上述目的，按照本专利技术的一个方面，提供了一种异构车机空地协同路径规划方法，包括：s1：根据任务目标对无人机和无人车进
3、优选地，还包括：s4：在所述目标最优路径上选择局部子目标点区域，采用局部子目标点区域中的局部子目标点到当前位置距离、局部子目标点到障碍物距离以及当前速度方向与局部子目标点方向的夹角构建子目标点代价函数，以动态调整局部子目标点，实现无人车运动路径的实时调整。
4、优选地，还包括：s5：基于动态障碍物的运动构建动态障碍物评价函数，并为使得无人车避障后及时贴近目标最优路径构建路径评价函数，将所述动态障碍物评价函数和路径评价函数加入动态窗口的评价函数获得改进动态窗口，采用所述改进动态窗口对无人车的速度进行评价，将评分最高的速度向量作为无人车的运行速度。
5、优选地，所述改进动态窗口的评价函数为：
6、argminjdwa＝ω1heading(·)+ω2dist(·)+ω3velocity(·)+ω4dyn(·)+ω5path(·)
7、s.t.c11-c5
8、其中，argminjdwa为改进动态窗口的评价函数jdwa为最小值时对应的最优解，ω1、ω2、ω3分别为现有动态窗口原有的航向角评价函数heading(·)、障碍物评价函数dist(·)以及速度评价函数velocity(·)的权重，dyn(·)为动态障碍物评价函数，path(·)为路径评价函数，sgn为符号函数，为无人车的速度矢量，为无人车与障碍物相对位置的矢量，用于判断无人车与动态障碍物的位置关系，β1为速度权重，β2为距离权重，v′为目标最优轨迹的速度，v0为当前速度，ymin为无人车预测位置到动态障碍物活动区域的最短距离，δ为无人车预测位置到目标最优路径的距离，c11-c5为目标约束。
9、优选地，步骤s2中，所述全局评价指标t为：
10、
11、s.t.c11-c5
12、其中，argmint为全局评价指标t为最小值时对应的最优解，为无人车遍历所有目标点n的路径所花时间，tm为无人机对任务区域全部探索的时间，c11-c5为目标约束，w1、w2、w3为权重因子。
13、优选地，步骤s3中采用如下方式设置多种群资源分配的启发式优化算法：步骤1：设置多种群资源分配算法；步骤2：迭代开始阶段，对多种群资源分配算法平均分配资源，获得规划结果，将规划结果输入全局规划指标获得对应的适应度，根据适应度大小对多种群资源分配算法进行评估；步骤3：再次迭代时，依据步骤2中的评估结果为再次迭代的多种群资源分配算法进行资源分配。
14、优选地，所述多种群资源分配算法包括遗传算法、粒子群算法或蚁群算法中的至少2种。
15、优选地，步骤s3中所述启发式优化算法采用竞选-任职规则选择不同算子和算子池。
16、优选地，步骤s4中，通过为局部子目标点到当前位置距离、局部子目标点到障碍物距离以及当前速度方向与局部子目标点方向的夹角设置不同的权重系数后叠加构建所述子目标点代价函数。
17、本申请第二方面提供了一种异构车机空地协同路径规划系统，包括：任务分配模块：用于根据任务目标对无人机和无人车进行任务分配；全局评价指标构建模块：用于基于无人机与无人车的运动状态构建目标约束，并基于无人车遍历所有目标点所花时间和无人机对任务区域全部探索的时间构建目标约束下的全局评价指标，其中，目标约束包括无人机运行约束、无人车运行约束以及无人机和无人车的交互约束；路径规划模块：用于设置多种群资源分配的启发式优化算法，以及启发式优化算法所需的算子和算子池，采用所述启发式优化算法在不同算子和算子池下对无人车的全局路径进行规划，并将规划结果输入所述全局评价指标获得适应度，适应度最高的全局路径即为目标最优路径。
18、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，本专利技术提供的一种异构车机空地协同路径规划方法及系统主要具有以下有益效果：
19、1.针对全局规划的元启发式算法，采用多种群资源分配的启发式优化算法，通过适应度的比较自适应分配计算资源，以选出合理有效的优化算法进行全局轨迹求解与生成，实现无人机和无人车的全局规划，进而适应不同工况不同任务需求，提高运行效率。
20、2.在迭代过程中，构建了不同特性的算子池以及竞选—任职规则，并利用所设计的双层监督策略实现算子和算子池的切换，进而实现自适应算子选择以更好的匹配进化状态，满足进化过程中探索与开发的不同需求。
21、3.通过构建局部子目标点区域与子目标点代价函数，实现子目标点选取，使得无人车在绕障后能够及时回到预先设定的全局路径中。此外，对动态窗口算法进行改进，增加了动态障碍物评价函数与路径评价函数，以更好的求解局部避障轨迹，实现无人车在局部自主寻迹过程中的安全可控。
22、4.本申请结合了无人车与无人机特点以及任务场景，对其进行了详细的任本文档来自技高网...
【技术保护点】
1.一种异构车机空地协同路径规划方法，其特征在于，包括：
2.根据权利要求1所述的异构车机空地协同路径规划方法，其特征在于，还包括：
3.根据权利要求1或2所述的异构车机空地协同路径规划方法，其特征在于，还包括：
4.根据权利要求3所述的异构车机空地协同路径规划方法，其特征在于，所述改进动态窗口的评价函数为：
5.根据权利要求1所述的异构车机空地协同路径规划方法，其特征在于，步骤S2中，所述全局评价指标为：
6.根据权利要求1所述的异构车机空地协同路径规划方法，其特征在于，步骤S3中采用如下方式设置多种群资源分配的启发式优化算法：
7.根据权利要求6所述的异构车机空地协同路径规划方法，其特征在于，所述多种群资源分配算法包括遗传算法、粒子群算法或蚁群算法中的至少2种。
8.根据权利要求1所述的异构车机空地协同路径规划方法，其特征在于，步骤S3中多种群资源分配的启发式优化算法采用竞选-任职规则选择不同算子和算子池。
9.根据权利要求2所述的异构车机空地协同路径规划方法，其特征在于，步骤S4
10.一种异构车机空地协同路径规划系统，其特征在于，包括：
...【技术特征摘要】
1.一种异构车机空地协同路径规划方法，其特征在于，包括：
2.根据权利要求1所述的异构车机空地协同路径规划方法，其特征在于，还包括：
3.根据权利要求1或2所述的异构车机空地协同路径规划方法，其特征在于，还包括：
4.根据权利要求3所述的异构车机空地协同路径规划方法，其特征在于，所述改进动态窗口的评价函数为：
5.根据权利要求1所述的异构车机空地协同路径规划方法，其特征在于，步骤s2中，所述全局评价指标为：
6.根据权利要求1所述的异构车机空地协同路径规划方法，其特征在于，步骤s3中采用如下方式设置多种群资源分配的启发式优化算法：
...
【专利技术属性】
技术研发人员：谢远龙，张鸿洋，王书亭，吴昊，李虎，张赛，
申请(专利权)人：华中科技大学，
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。