CN113093787A - 一种基于速度场的无人机轨迹规划方法 - Google Patents
一种基于速度场的无人机轨迹规划方法 Download PDFInfo
- Publication number
- CN113093787A CN113093787A CN202110289879.6A CN202110289879A CN113093787A CN 113093787 A CN113093787 A CN 113093787A CN 202110289879 A CN202110289879 A CN 202110289879A CN 113093787 A CN113093787 A CN 113093787A
- Authority
- CN
- China
- Prior art keywords
- point
- matrix
- points
- distance
- unmanned aerial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 50
- 238000013461 design Methods 0.000 claims abstract description 7
- 230000004888 barrier function Effects 0.000 claims description 13
- 230000007123 defense Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000003068 static effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于速度场的无人机轨迹规划方法,所得初始路径是在A‑star算法的基础上,通过构造距离矩阵、速度矩阵,以及设计速度函数、起终点约束最终实现的。A‑Star算法是一种静态路网中求解最短路最有效的直接搜索方法,该算法综合了最良优先搜索和Dijkstra算法的优点。有益效果如下:兼具A‑Star算法的优点,而且在进行启发式搜索提高算法效率的同时,可以保证找到一条最优路径;通过构造的距离矩阵、速度矩阵,可以确保无人机在障碍物间确定一条适当远离障碍物的路径,使得固定翼飞行器能更加有效、安全地避开禁飞区;通过设计的起终点约束,规划出的航迹更易于后期的轨迹跟踪,满足实际轨迹规划需求。
Description
技术领域
本发明属于无人机军事应用技术领域,涉及一种基于速度场的无人机轨迹规划方法。
背景技术
随着无人机技术的不断完善与发展,无人机相关应用在军事和民用生活中发挥着越来越重要的影响。在现代战争方面,高级先进的信息技术是现代战争最重要最突出的特点。与以往战争相比,先进的现代战争不仅注重武器的打击效果,同时更加注重军事人员的生命安全。而无人机在没有人员配备的条件下对指定目标进行打击,从根本上保障了人员的安全,杜绝了伤亡的造成。
在使用过程中,无人机配备了智能设备,能够实时模拟出飞行的环境,确定自身位置,控制自身飞行状态,探测障碍物,并依据载入的轨迹规划算法计算规避路径,从而成功避开障碍物顺利完成任务。无人机轨迹规划的主要内容是在地形环境约束、无人机性能约束以及其他众多威胁约束下,规划出从起始点到目标点的最优安全航迹。通常情况下最优轨迹是指有效躲避外在威胁的最短路径。规划安全轨迹是无人机从起飞点到达目标点的重要保障,也是无人机完成任务的重要前提。轨迹规划作为无人机自主飞行控制研究的重要内容之一,一直都是人们研究的热点。
科学合理地为无人机集群设计轨迹规划算法,对于发挥无人机作战潜能和优势、充分利用无人机资源以及实现预定的作战任务起着关键的作用,成为实现无人机高效作战的首要问题。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于速度场的无人机轨迹规划方法。
技术方案
一种基于速度场的无人机轨迹规划方法,其特征在于步骤如下:
步骤1:将无人机感知设备得到的环境信息栅格化,得到防空区域,且含障碍物区域的信息;将栅格图整体缩小或者放大等价转换成地图矩阵;
步骤2:在地图矩阵上设定起点的信息为(xS,yS,vS,θS),终点的信息为(xE,yE,vE,θE),其中x,y表示该点的横纵坐标,v,θ表示该点的速度与偏航角;
以起点为例,在起点航向两侧构造转弯圆,并视为障碍物区域,转弯圆的圆心连线垂直于航向;
转弯圆的半径以及两侧转弯圆的圆心坐标计算如下:
其中,g为重力加速度,表示坡度。θlef,θrig分别表示作左右转弯圆的圆心与起点连线与x轴正向的夹角,xSlef,ySlef分别表示左侧圆心的横纵坐标,同理xSrig,ySrig表示右侧圆的圆心横纵坐标;
在起点和终点上,再设计三角形障碍物区域,其中两个顶点的坐标分别为两侧转弯圆的圆心,另一个顶点坐标为:
其中,traiSx,traiSy,traiEx,traiEy分别表示在起点、终点所构造的三角形的另一个顶点的横纵坐标;
步骤3:根据地图矩阵和步骤2的起终点约束设计,执行如下步骤:
1、构造相同维数的距离矩阵:计算图中各点到最近障碍物的欧氏距离,记录在距离矩阵中;
2、构造相同维数的速度矩阵:利用距离矩阵中的数据,设计速度函数如下:
式中VMAX表示无人机的最大飞行速度,dis表示该点距离最近障碍物的欧氏距离,ACC表示地图的缩小倍数,e表示自然常数;
步骤4:采用A-star算法在所构造的速度矩阵中寻路;
步骤5:对于A-star算法在速度矩阵中搜索到连接起点和终点的一系列离散点,去掉位于同一线段上的中间点;
步骤6:在安全距离之下,规划出的轨迹点距离最近障碍物的距离需大于安全距离,步骤为:
步骤a、从起点至终点,遍历任意相连三点,记录三点之间欧氏距离的最小值,视为本次处理路径点的标准值;
步骤b、记录所有满足上述标准值的相邻三顶点,连接三点中的首尾点,得到一系列的线段;
步骤c、判断上述线段上的任意一点在距离矩阵中的值是否大于安全距离,若均大于安全距离,则去掉该相邻三点的中间点,否则标记对应的三点,其距离值不可被设为新的标准值;
重复执行步骤a~步骤c,直至任意相邻三点距离值均不被设为标准值,结束。
有益效果
本发明提出的一种基于速度场的无人机轨迹规划方法,所得初始路径是在A-star算法的基础上,通过构造距离矩阵、速度矩阵,以及设计速度函数、起终点约束最终实现的。A-Star算法是一种静态路网中求解最短路最有效的直接搜索方法,该算法综合了最良优先搜索和Dijkstra算法的优点。因此,本方法的有益效果如下:
(1)兼具A-Star算法的优点,而且在进行启发式搜索提高算法效率的同时,可以保证找到一条最优路径(基于评估函数);
(2)除此之外,通过构造的距离矩阵、速度矩阵,可以确保无人机在障碍物间确定一条适当远离障碍物的路径,使得固定翼飞行器能更加有效、安全地避开禁飞区;
(3)通过设计的起终点约束,规划出的航迹更易于后期的轨迹跟踪,满足实际轨迹规划需求。
附图说明
图1地图矩阵数据的图示。
图2距离矩阵数据的图示。
图3速度矩阵数据的图示。
图4起终点约束设计图示。
图5初始路径规划图示。
图6预处理轨迹点图示。
图7基于安全距离进一步处理轨迹点示意图。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
1前期准备工作
基于无人机携带的各种感知设备、地面站、遥感卫星所传输的信息,将环境栅格化,得到防空区域(障碍物区域)的信息。将栅格图整体缩小或者放大等价转换成地图矩阵,放缩倍数可视情况自行调节,如附图说明图1,描述了一个实例化的二维场景的地图矩阵,实际场景为3km*5km的作战区域,整体缩小20倍,构造150*250维的地图矩阵,图中红色区域表示为提前探测到的障碍物。
2起终点约束设计
传统的航迹规划算法均未考虑起终点的航向约束,导致规划出的路径可能与初始航向或终点航向相悖,不仅造成后端的轨迹优化困难,还可能导致无法进行实际的轨迹跟踪,降低了轨迹规划的有效性。在此算法中,设计起终点约束如下:
假定在二维平面上,起点的信息为(xS,yS,vS,θS),终点的信息为(xE,yE,vE,θE),其中x,y表示该点的横纵坐标,v,θ表示该点的速度与偏航角。以起点为例,在起点航向两侧构造转弯圆,并视为障碍物区域,如附图说明图4所示。转弯圆的圆心连线垂直于航向。转弯圆的半径以及两侧转弯圆的圆心坐标计算公式如下:
其中,g为重力加速度,表示坡度。θlef,θrig分别表示作左右转弯圆的圆心与起点连线与x轴正向的夹角,xslef,yStef分别表示左侧圆心的横纵坐标,同理xSrig,ySrig表示右侧圆的圆心横纵坐标。注:上述角度均已标准化,即θ∈[0,2π)。
对于起点和终点,再设计三角形障碍物区域,其中两个顶点的坐标分别为两侧转弯圆的圆心,另一个顶点坐标为:
其中,traiSx,traiSy,traiEx,traiEy分别表示在起点、终点所构造的三角形的另一个顶点的横纵坐标。
3构造距离矩阵、速度矩阵
基于3.1所构造的地图矩阵以及3.2起终点约束设计,执行如下步骤:
(1)第一步,构造相同维数的距离矩阵:计算图中各点到最近障碍物的欧氏距离,记录在距离矩阵中,如附图说明图2所示,即为上述场景的距离矩阵数据图示;
(2)第二步,构造相同维数的速度矩阵:利用距离矩阵中的数据,设计速度函数如下:
上式中VMAX表示无人机的最大飞行速度,dis表示该点距离最近障碍物的欧氏距离,ACC表示地图的缩小倍数,e表示自然常数。利用所设计的速度函数,计算各点的速度,记录在速度矩阵中,如附图说明图3所示即为上述场景的速度矩阵数据图示。
4 A-star算法寻路
利用A-star算法在所构造的速度矩阵中寻路。A-star算法为典型的启发式搜索算法。启发式搜索就是在状态空间中的搜索,首先对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径,提高了效率。在启发式搜索中,对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。
启发中的估价是用估价函数表示的,如:f(n)=g(n)+h(n),其中f(n)是节点n的估价函数,g(n)是在状态空间中从初始节点到n节点的实际代价,h(n)是从n到目标节点最佳路径的估计代价。
在本算法中,g(n)与h(n)数值差异过大,会导致启发式函数效果不明显,轨迹规划效果差。设计g(n)为在速度矩阵上点n到终点的欧式距离,h(n)为从起点到点n的各点速度值累计和。如附图说明图5所示,在速度矩阵中搜索到连接起点和终点的一系列离散路径点。
5路径点预处理
A-star算法在速度矩阵中搜索到连接起点和终点的一系列离散点,大多数点位于同一条线段上。作如下操作:
去掉位于同一线段上的中间点,不仅大大减少了路径点的个数,而且有利于后期的路径优化以及轨迹跟踪。对比附图说明图5、6可得,该处理大大减少了路径点。
6基于安全距离进一步处理路径点
本次仿真实验所用型号无人机后期轨迹跟踪误差约为50米,视为安全距离,为了保障无人机的安全,最终规划出的轨迹点距离最近障碍物的距离需大于安全距离。为了进一步减少搜索到的路径点,同时保证安全,作如下操作:
(1)第一步,从起点至终点,遍历任意相连三点,记录三点之间欧氏距离的最小值,视为本次处理路径点的标准值;
(2)第二步,记录所有满足上述标准值的相邻三顶点,连接三点中的首尾点,得到一系列的线段;
(3)第三步,判断上述线段上的任意一点在距离矩阵中的值是否大于安全距离,若均大于安全距离,则去掉该相邻三点的中间点,否则标记对应的三点,其距离值不可被设为新的标准值;
(4)重复执行(1)、(2)、(3)直至任意相邻三点距离值均不可被设为标准值,结束。
最终结果,参照附图说明图7所示,对比图6、7可得进一步减少了路径点个数,便于后期轨迹优化与跟踪。
Claims (1)
1.一种基于速度场的无人机轨迹规划方法,其特征在于步骤如下:
步骤1:将无人机感知设备得到的环境信息栅格化,得到防空区域,且含障碍物区域的信息;将栅格图整体缩小或者放大等价转换成地图矩阵;
步骤2:在地图矩阵上设定起点的信息为(xS,yS,vS,θS),终点的信息为(xE,yE,vE,θE),其中x,y表示该点的横纵坐标,v,θ表示该点的速度与偏航角;
以起点为例,在起点航向两侧构造转弯圆,并视为障碍物区域,转弯圆的圆心连线垂直于航向;
转弯圆的半径以及两侧转弯圆的圆心坐标计算如下:
其中,g为重力加速度,表示坡度。θlef,θrig分别表示作左右转弯圆的圆心与起点连线与x轴正向的夹角,xSlef,ySlef分别表示左侧圆心的横纵坐标,同理xSrig,ySrig表示右侧圆的圆心横纵坐标;
在起点和终点上,再设计三角形障碍物区域,其中两个顶点的坐标分别为两侧转弯圆的圆心,另一个顶点坐标为:
其中,traiSx,traiSy,traiEx,traiEy分别表示在起点、终点所构造的三角形的另一个顶点的横纵坐标;
步骤3:根据地图矩阵和步骤2的起终点约束设计,执行如下步骤:
1、构造相同维数的距离矩阵:计算图中各点到最近障碍物的欧氏距离,记录在距离矩阵中;
2、构造相同维数的速度矩阵:利用距离矩阵中的数据,设计速度函数如下:
式中VMAX表示无人机的最大飞行速度,dis表示该点距离最近障碍物的欧氏距离,ACC表示地图的缩小倍数,e表示自然常数;
步骤4:采用A-star算法在所构造的速度矩阵中寻路;
步骤5:对于A-star算法在速度矩阵中搜索到连接起点和终点的一系列离散点,去掉位于同一线段上的中间点;
步骤6:在安全距离之下,规划出的轨迹点距离最近障碍物的距离需大于安全距离,步骤为:
步骤a、从起点至终点,遍历任意相连三点,记录三点之间欧氏距离的最小值,视为本次处理路径点的标准值;
步骤b、记录所有满足上述标准值的相邻三顶点,连接三点中的首尾点,得到一系列的线段;
步骤c、判断上述线段上的任意一点在距离矩阵中的值是否大于安全距离,若均大于安全距离,则去掉该相邻三点的中间点,否则标记对应的三点,其距离值不可被设为新的标准值;
重复执行步骤a~步骤c,直至任意相邻三点距离值均不被设为标准值,结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110289879.6A CN113093787B (zh) | 2021-03-15 | 2021-03-15 | 一种基于速度场的无人机轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110289879.6A CN113093787B (zh) | 2021-03-15 | 2021-03-15 | 一种基于速度场的无人机轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113093787A true CN113093787A (zh) | 2021-07-09 |
CN113093787B CN113093787B (zh) | 2022-09-13 |
Family
ID=76668563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110289879.6A Active CN113093787B (zh) | 2021-03-15 | 2021-03-15 | 一种基于速度场的无人机轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113093787B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552881A (zh) * | 2021-07-15 | 2021-10-26 | 浙江工业大学 | 一种用于神经网络训练的多路径规划数据集生成方法 |
CN115268504A (zh) * | 2022-09-29 | 2022-11-01 | 四川腾盾科技有限公司 | 一种大型无人机仿地飞行路径规划方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103676944A (zh) * | 2013-12-11 | 2014-03-26 | 北京理工大学 | 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法 |
CN103697896A (zh) * | 2014-01-13 | 2014-04-02 | 西安电子科技大学 | 一种无人机路径规划方法 |
CN104406588A (zh) * | 2014-11-13 | 2015-03-11 | 沈阳航空航天大学 | 一种威胁环境下基于导引速度场的航路规划方法 |
WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
CN107278282A (zh) * | 2016-09-29 | 2017-10-20 | 深圳市大疆创新科技有限公司 | 路径规划的方法、装置、飞行控制系统、全方位避障系统与无人机 |
CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
JP2018144772A (ja) * | 2017-03-09 | 2018-09-20 | 株式会社Soken | 飛行装置 |
CN109871031A (zh) * | 2019-02-27 | 2019-06-11 | 中科院成都信息技术股份有限公司 | 一种固定翼无人机的轨迹规划方法 |
CN110320933A (zh) * | 2019-07-29 | 2019-10-11 | 南京航空航天大学 | 一种巡航任务下无人机避障运动规划方法 |
CN112432649A (zh) * | 2020-12-03 | 2021-03-02 | 重庆金美通信有限责任公司 | 一种引入威胁因子的启发式无人机蜂群航迹规划方法 |
-
2021
- 2021-03-15 CN CN202110289879.6A patent/CN113093787B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103676944A (zh) * | 2013-12-11 | 2014-03-26 | 北京理工大学 | 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法 |
CN103697896A (zh) * | 2014-01-13 | 2014-04-02 | 西安电子科技大学 | 一种无人机路径规划方法 |
CN104406588A (zh) * | 2014-11-13 | 2015-03-11 | 沈阳航空航天大学 | 一种威胁环境下基于导引速度场的航路规划方法 |
WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
CN107278282A (zh) * | 2016-09-29 | 2017-10-20 | 深圳市大疆创新科技有限公司 | 路径规划的方法、装置、飞行控制系统、全方位避障系统与无人机 |
JP2018144772A (ja) * | 2017-03-09 | 2018-09-20 | 株式会社Soken | 飛行装置 |
CN108444482A (zh) * | 2018-06-15 | 2018-08-24 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
CN109871031A (zh) * | 2019-02-27 | 2019-06-11 | 中科院成都信息技术股份有限公司 | 一种固定翼无人机的轨迹规划方法 |
CN110320933A (zh) * | 2019-07-29 | 2019-10-11 | 南京航空航天大学 | 一种巡航任务下无人机避障运动规划方法 |
CN112432649A (zh) * | 2020-12-03 | 2021-03-02 | 重庆金美通信有限责任公司 | 一种引入威胁因子的启发式无人机蜂群航迹规划方法 |
Non-Patent Citations (3)
Title |
---|
MENG GUANGLEI,等: "UAV Real-time Path Planning Using Dynamic RCS based on Velocity Vector Field", 《IEEE》 * |
何燕: "基于动态加权A~*算法的无人机航迹规划", 《河北科技大学学报》 * |
温家鑫,等: "基于改进人工势场的无人机编队避障", 《飞行力学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552881A (zh) * | 2021-07-15 | 2021-10-26 | 浙江工业大学 | 一种用于神经网络训练的多路径规划数据集生成方法 |
CN113552881B (zh) * | 2021-07-15 | 2024-03-26 | 浙江工业大学 | 一种用于神经网络训练的多路径规划数据集生成方法 |
CN115268504A (zh) * | 2022-09-29 | 2022-11-01 | 四川腾盾科技有限公司 | 一种大型无人机仿地飞行路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113093787B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108563243B (zh) | 一种基于改进rrt算法的无人机航迹规划方法 | |
CN110031004B (zh) | 基于数字地图的无人机静态和动态路径规划方法 | |
CN109828607B (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
US10347139B2 (en) | Autonomous nap-of-the-earth (ANOE) flight path planning for manned and unmanned rotorcraft | |
US9266611B2 (en) | Flight path development for remote sensing vehicles in a moving reference frame | |
US8082102B2 (en) | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions | |
CN113093787B (zh) | 一种基于速度场的无人机轨迹规划方法 | |
CN103676944A (zh) | 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法 | |
CN112327939B (zh) | 一种城市街区环境下高层消防多无人机协同路径规划方法 | |
CN112947594B (zh) | 一种面向无人机的航迹规划方法 | |
CN111221349A (zh) | 多无人机目标定位的航路规划方法 | |
CN108766035B (zh) | 一种点密度引导下的无人机地形匹配飞行控制系统 | |
CN113325879A (zh) | 飞行器空域判断方法、装置、电子设备及介质 | |
CN110793522B (zh) | 一种基于蚁群算法的航迹规划方法 | |
CN112015199B (zh) | 应用于煤矿井下智能巡检无人机的航迹规划方法及装置 | |
Ma et al. | Volcanic ash region path planning based on improved A-star algorithm | |
CN117406771A (zh) | 一种基于四旋翼无人机的高效自主探索方法、系统及设备 | |
CN114428514B (zh) | 一种异构精导弹群协同探测方法 | |
Paz-Delgado et al. | Improving autonomous rover guidance in round-trip missions using a dynamic cost map | |
CN115808933A (zh) | 一种基于量子海鸥算法的无人机路径规划方法 | |
Hamnanaka | Optimum design for drone highway network | |
Russell et al. | Multi-Dimensional, Multi-Agent Pathfinding for Autonomous Flight Planning with Airspace Deconfliction | |
Lu et al. | Route planning for light-sport aircraft in constrained airspace | |
CN113342045B (zh) | 一种任意禁飞区无人机自主规避导航控制方法 | |
Lee et al. | Real‐time collision‐free landing path planning for drone deliveries in urban environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |