CN107643764B - 一种基于双旋Lyapunov矢量场的无人飞行器避障方法 - Google Patents

Abstract

本发明公开了一种基于双旋Lyapunov矢量场的无人飞行器避障方法，主要包括以下步骤：确定无人飞行器飞行约束条件并构建障碍物安全圆；通过障碍物安全圆进行避障判定；确定最优避障方向和矢量场旋转方向并进行避障。为了提高避障的效率并缩短避障的路径，重新定义了成功避障的判定依据。为了简化避障的复杂度，还提出了对于多个微小障碍物避障的障碍合并重构的规则。该方法能够同时满足无人飞行器动力学约束并实现静态及动态障碍的避障，实现动态未知环境下的无人飞行器平面自主避障。

Description

一种基于双旋Lyapunov矢量场的无人飞行器避障方法

技术领域

本发明属于无人飞行器空间避障飞行的控制领域，主要是涉及同时满足无人飞行器动力学约束和实现静态及动态障碍避障的方法，尤其是涉及一种基于双旋Lyapunov矢量场的无人飞行器避障方法。

背景技术

无人飞行器作为一种能够自主控制或者遥控控制的飞行器，以其高续航性和机动性受到了越来越多的关注，其飞行过程中的避障技术也成为了研究的热点。

目前，关于无人飞行器避障飞行的研究有许多，现有的避障算法主要可以分为三类：启发式算法、基于图论的方法和几何学方法。其中，启发式算法能够快速规划出从起点到目标点的可行航迹，但是该类方法存在未考虑无人飞行器的机动性能，规划的航迹不具有可飞性且需要对规划的航迹进行平滑处理的缺点；而基于图论的方法能够通过对空间遍历来寻求从起点到目标点之间的避障路径，但该类方法不仅不满足动力学约束，而且一旦任务空间发生变化，需要对空间进行重新遍历，不适合动态障碍的避障规划；而几何学方法能够满足转弯半径等飞行动力学约束，但仅能对静态目标进行避障，而对于动态障碍的规避寻找合适的避障切点十分困难。

综上所述，以上三类方法虽然各有优点，但是均无法同时满足动力学约束和动态障碍的避障这两方面的要求。

发明内容

本发明的目的在于提供一种无人飞行器避障方法，其在满足静、动态障碍避障要求的同时，还能够满足无人飞行器的动力学约束(即满足无人飞行器机动性能约束下的航迹可飞性要求)。

本发明提出的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，包括以下步骤：

步骤S1，确定无人飞行器飞行约束条件并构建障碍物安全圆；

设无人飞行器飞行速度V₀大小不变，初始飞行方向指向目标点G；根据无人飞行器的最小转弯半径为R₀和无人飞行器避障所需安全距离R_uav，将障碍物的外接圆膨化后得到半径为R_safe的障碍物安全圆；

步骤S2，通过障碍物安全圆进行避障判定；

经判定，如需要避障则进入步骤S3；如不需要进行避障，无人飞行器则继续按照当前飞行方向飞行；

步骤S3，确定最优避障方向和矢量场旋转方向并进行避障；

当障碍物为静态障碍时，最优避障方向为无人飞行器和目标点的连线矢量

旋转到矢量

的旋转方向，其中

为无人飞行器和T_n点的连线矢量，T_n点为和

垂直且过障碍物安全圆圆心的直线与障碍物安全圆交点中距离无人飞行器较近的交点；

将避障看作是对障碍物的跟踪，以R_safe作为期望的跟踪半径，将最优避障方向的反方向作为Lyapunov矢量场旋转方向，并在该矢量场的引导下进行避障。

优选的，步骤S1中的R_safe为：R_safe＝max{R₀,R_obs+R_uav}，其中R_obs为障碍物的外接圆半径。

优选的，为了提高避障的效率并缩短避障的路径，在步骤S3后还设有步骤S4：

步骤S4，判定是否成功避障；

在飞行过程中，若无人飞行器没有侵犯障碍物安全圆，且存在某时刻t_s，使得该时刻无人飞行器和障碍物的连线矢量

与矢量

的位置关系

则判定成功避障，停止避障机动，向目标点G飞行，飞行中重复步骤S2至S4；否则，继续利用步骤S3进行避障机动。

优选的，步骤S2具体为：

当障碍物为静态障碍时，如果R_tect·sin(θ)＜R_safe则需要进行避障，进入步骤S3；否则不需要进行避障，无人飞行器继续按照当前飞行方向飞行；其中R_tect为无人飞行器和障碍物的连线矢量

的2范数，θ为速度V₀和

的夹角；

当障碍物为动态障碍时，根据t_d时刻探测到障碍时无人飞行器的飞行速度，预测无人飞行器再飞行Δt时间后是否会碰撞进行避障判定；即如果

使得t_d+Δt时刻无人飞行器和障碍物的距离＜R_safe，则需要进行避障，进入步骤S3；否则不需要进行避障，无人飞行器按照当前飞行方向继续飞行。

优选的，当障碍物为动态障碍时，先将动态避障转化为无人飞行器在障碍物的相对速度坐标系下静态避障问题，然后再利用步骤S3的方法进行避障。

优选的，步骤S3中最优避障方向的角度

优选的，当存在两个静态障碍物，且二者之间存在一定距离，但二者的障碍物安全圆相交时，以同时包络前述两个静态障碍物的障碍物安全圆作为步骤S2中的障碍物安全圆进行避障判定。

优选的，当

时，将障碍物定义为微小障碍，如果存在多个微小障碍物，以同时包络前述多个微小障碍物的障碍物安全圆作为步骤S2中的障碍物安全圆进行避障判定。

优选的，在对所述多个微小障碍物进行避障判定时，设定多个微小障碍物的障碍物安全圆最大半径R_max，当多个微小障碍物的障碍物安全圆的半径大于R_max时，以R_max作为所述多个微小障碍物的障碍物安全圆半径。

优选的，R_max＝2R₀。

本发明的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，通过确定最优避障方向缩短航迹代价，并通过确定矢量场的旋转方向引导无人飞行器避过障碍物，保证了无人飞行器避障的安全，该方法具有同时满足无人飞行器动力学约束和实现静态、动态障碍避障的优点；本发明还提出了避障成功的判定依据，使得避障过程中障碍物的威胁得到了量化，利用本发明能够判断障碍有无威胁并结束避障机动，提高了避障的效率并缩短了避障的路径；本发明还提出了对于多个微小障碍物避障的障碍合并重构的规则，简化了避障的复杂度并提升了避障的效率。从而实现动态未知环境下的无人飞行器自主避障。

附图说明

图1为基于双旋Lyapunov矢量场的无人飞行器避障方法流程图；

图2为障碍物安全圆构建示意图；

图3为通过障碍物安全圆进行避障判定示意图；

图4为最优避障方向判定示意图；

图5为矢量场的逆时针旋转仿真图；

图6为矢量场的顺时针旋转仿真图；

图7为动态障碍的成功避障判定示意图；

图8为Lyapunov矢量场任意位置的威胁锥关系示意图；

图9为临界时刻威胁锥示意图；

图10为矢量合成示意图；

图11为障碍物安全圆相交情况下避障示意图；

图12为多个微小障碍合并情况下避障示意图；

图13为单个静态障碍物避障示意图；

图14为单个动态障碍物避障轨迹示意图。

具体实施方式

下面结合附图1至附图14，介绍本发明的具体实施方式。

如图1所示，本发明的一种基于双旋Lyapunov矢量场的无人飞行器避障方法主要包括4个步骤：确定无人飞行器飞行约束条件并构建障碍物安全圆；通过障碍物安全圆进行避障判定；确定最优避障方向和矢量场旋转方向并进行避障；判定是否成功避障。

本发明提出的一种动态未知环境下无人飞行器平面自主避障方法，包括以下步骤：

步骤S1，确定无人飞行器飞行约束条件并构建障碍物安全圆；

设无人飞行器飞行速度V₀大小不变，初始飞行方向指向目标点G；根据无人飞行器的最小转弯半径为R₀和无人飞行器避障所需安全距离R_uav，将障碍物的外接圆膨化后得到半径为R_safe的障碍物安全圆；R_safe＝max{R₀,R_obs+R_uav}，其中R_obs为障碍物的外接圆半径；即取无人飞行器的最小转弯半径为R₀，与R_obs及R_uav之和的较大数作为障碍物安全圆的半径R_safe。

定义无人飞行器在笛卡尔坐标系下飞行模型为：

其中，α为无人飞行器飞行速度V₀和横坐标正向的夹角。无人飞行器在飞行过程中，速度大小不变，但是存在转弯角速率约束。即速度V₀和转弯角速率ω需要满足条件：

ω以逆时针旋转为正，顺时针旋转为负。转弯半径R的范围为[R₀,+∞]，速度大小v_max和最小转弯半径R₀则取决于无人飞行器本身的性能。

对于障碍物模型的建立，考虑到障碍物形状较多，需要对其进行规范化处理，因此将其外接多边形的外接圆作为障碍物范围，同时考虑到无人飞行器具有一定的尺寸，飞行时需要一定的安全距离，因此将无人飞行器视为质点，将障碍物外接圆半径R_obs膨化一定距离R_uav的安全圆作为无人飞行器可飞行的边界，如图2所示，视无人飞行器在边界外的飞行为安全可行的飞行。

设无人飞行器从起始点到目标点飞行时间为T，则一次安全的飞行中，无人飞行器和障碍的距离需满足：

Dist(P_t(UAV),P_t(obs))≥R_safe恒成立，其中Dist()为t时刻无人飞行器和障碍的距离，P_t(UAV)和P_t(obs)分别表示t时刻无人飞行器和障碍的位置。

步骤S2，通过障碍物安全圆进行避障判定；

无人飞行器在空间飞行时，利用其机载的传感器能够获取一定范围内的环境信息，则其避碰判定如图3所示：

当障碍物为静态障碍时，如果R_tect·sin(θ)＜R_safe则需要进行避障，进入步骤S3；否则不需要进行避障，无人飞行器继续按照当前飞行方向飞行；其中R_tect为无人飞行器和障碍物的连线矢量

的2范数，R_tect可通过机载的传感器获取，θ为速度V₀和

的夹角；

当障碍物为动态障碍时，根据t_d时刻探测到障碍时无人飞行器的飞行速度(由于速度大小不变，此处具体为无人飞行器的速度方向)，预测无人飞行器再飞行Δt时间后是否会碰撞进行避障判定；即如果

使得t_d+Δt时刻无人飞行器和障碍物的距离＜R_safe，则需要进行避障，进入步骤S3；否则不需要进行避障，无人飞行器按照当前飞行方向继续飞行。

步骤S3，确定最优避障方向和矢量场旋转方向并进行避障；

如图4所示，为了找到最优的避障方向，考虑无人飞行器和目标点G的连线矢量

和

垂直且过障碍物圆心的直线交安全圆于点T_n和T_f，T_n为距离无人飞行器较近的点。

当障碍物为静态障碍时，最优避障方向为无人飞行器和目标点的连线矢量

旋转到矢量

的旋转方向，其中

为无人飞行器和T_n点的连线矢量，T_n点为和

垂直且过障碍物安全圆圆心的直线与障碍物安全圆交点中距离无人飞行器较近的交点。

当无人飞行器需要确定避障方向时，最优的避障方向为能避开障碍的最小侧向偏移量的方向，如图4所示，从T_n点避障侧向偏移量可以用

旋转到

的旋转角γ_n的正切值表示为

其旋转方向为顺时针方向；从T_f点避障的侧向偏移量可以用

旋转到

的旋转角γ_f的正切值表示为

其旋转方向为逆时针方向，由正切函数的单调性易知tan(γ_f)＞tan(γ_n)，结论成立。因此，可以根据

偏转至T_n和T_f点的角度大小关系来判断最优避障方向。因此，最优避障方向的角度

应当注意的是，

偏转至

偏转过的角度不是避过该障碍无人飞行器转过的角度，而是选取用来判定最优避障方向的角度值。

确定最优避障方向后，然后将避障看作是对障碍物的跟踪，以R_safe作为期望的跟踪半径，将最优避障方向的反方向作为Lyapunov矢量场旋转方向，并在该矢量场的引导下进行避障。

Lawrence等提出了LVF(Lyapunov vector field，即Lyapunov矢量场)，其构建的Lyapunov函数为：

其中，

为无人飞行器和障碍物中心的距离，R_q为期望的跟踪半径。在本发明中取R_q＝R_safe。

式(4)为正定函数，则由式(4)可定义出速度分量式为：

其中，k为

在式(5)下无人飞行器收敛到跟踪圆的矢量场旋转方向为逆时针(Anti‐clockWise，AW)。

对式(4)关于t求全导数得：

由于无人飞行器飞行中，需要满足r≥R_q，则式(6)恒小于等于0，无人飞行器在矢量场的引导下逐渐收敛到跟踪圆，实现对静态目标的跟踪。

此前LVF用于目标的跟踪，对矢量场的旋转方向研究较少，根据矢量场逆时针旋转的速度式(5)，易求得矢量场顺时针(Clock Wise，CW)旋转方向的速度式为：

本发明中，称顺时针和逆时针的LVF为双旋LVF。两种矢量场旋转方向的仿真图如图5、6所示。

如图4所示，当T_n位于障碍物的左侧时(即图4中O-T_n方向)，最优的避障方向为顺时针方向，此时选取的用于避障的矢量场为式(5)生成的逆时针旋转的矢量场(如图5所示)，在该矢量场引导下无人飞行器以较小的侧偏量从左侧避过障碍，其最小侧偏量为R_safe-R_tect·sin(θ)；当T_n位于障碍物的右侧时，最优的避障方向为逆时针方向，此时选取用于避障的矢量场为式(7)生成的顺时针旋转的矢量场(如图6所示)，在该矢量场引导下无人飞行器以较小的侧偏量从右侧避过障碍。矢量场的旋转方向和最优避障方向同左侧时相反。当

过障碍物圆心时，两种情况等价。

当障碍物为动态障碍时，先将动态避障转化为无人飞行器在障碍物的相对速度坐标系下静态避障问题，然后再利用步骤S3的方法进行避障。

对于动态目标的跟踪，首先，给出LVF跟踪动态目标的速度式：

为了讨论方便，仅对逆时针方向的矢量场进行讨论，顺时针的矢量场同逆时针的情况。上式中，v_b(u)为所跟踪的动态目标(障碍)的速度。λ为协同系数，无人飞行器相对目标的速度为λ·v_aw(u)。由于无人飞行器速度值为|V₀|，则需要满足下式：

无人飞行器能成功实施跟踪的前提条件为无人飞行器飞行的速度矢量V₀和目标的速度矢量V_b需要满足|V₀|＞|V_b|。则可知式(9)必定存在正数解。在速度式(8)下式(4)关于时间t的全导数为：

由λ＞0易知式(10)恒小于等于0。无人飞行器在障碍物的相对速度坐标系里，以式(5)λ倍的速度实施跟踪。此时动态障碍避障问题转化为了障碍物的相对速度坐标系下的静态障碍的避障问题。

为了提高避障效率，应在保证无人飞行器安全的情况下，尽早停止避障机动并向目标点G飞行。本发明中重新给定了避障成功判定方法，作为判定摆脱LVF吸引力的依据。为此，在步骤S4后，补充步骤S4。

步骤S4，判定是否成功避障；

在飞行过程中，若无人飞行器没有侵犯障碍物安全圆，且存在某时刻t_s，使得该时刻无人飞行器和障碍物的连线矢量

与矢量

的位置关系

则判定成功避障，停止避障机动，向目标点G飞行；否则，继续利用步骤S3进行避障机动。

当障碍为静态障碍时，

表示

从t_s时刻起，

的值恒小于0，无人飞行器沿着目标引力飞行能够安全到达目标点且不会侵犯该障碍物安全圆。

若障碍为动态障碍，如图7所示，分为两种情况进行讨论。第一种情况为图7中轨迹1，若根据前述分析可判断矢量场旋转方向为顺时针，存在某时刻t_s，使得该时刻

此时障碍的运动不会造成二者碰撞。第二种情况为图7中轨迹2，根据专利CN106292712A和文献“杨秀霞,周硙硙,张毅.基于速度障碍圆弧法的无人飞行器自主避障规划研究[J].系统工程与电子技术,2017,01:168‐176.”提出的利用威胁锥来判定障碍避碰的方法可以进行辅助证明。

首先给出威胁锥的定义：威胁锥(Collision Cone,CC)表示为

其中，l为以无人飞行器为顶点的射线，M为射线l与障碍物安全圆⊙P_O的交点。

威胁锥可以简单理解为以无人飞行器为顶点和安全圆相切的两条射线形成的夹着安全圆的锥形区域。

当无人飞行器和障碍的相对速度矢量V_0b位于威胁锥内时，障碍会对无人飞行器产生威胁，反之则不会。

如图8所示，在动态障碍转化的静态障碍的LVF中，无人飞行器在任意位置跟踪该障碍的相对速度为V_0b，由公式(8)知，λ·V₀＝V_0b。根据几何关系知，任意时刻，无人飞行器在动态障碍相对坐标系内的相对速度V_0b是落在威胁锥之外的，即无人飞行器在LVF引导下最终会收敛到跟踪圆，始终不会和障碍发生碰撞。

当

时，

如图9所示，易知此时V_0b仍落在威胁锥外部。记此时V₀和

的夹角为锐角α_a。根据前述分析可知，此时无人飞行器不受LVF作用，仅在

的引力下飞向目标。

如图10所示，

引力产生的附加速度为V_G，根据矢量相加的平行四边形法则，期望的新速度V'_0G＝[V_0,x+V_G,V_0,y]^T，由于最大速度的限制，产生的实际速度

其大小等于V₀，方向和V'_0G相同。易知V_0G和

的夹角大于α_a，新产生的相对速度仍落在威胁锥之外，经过多次迭代后，无人飞行器的相对速度V_0b总是保持在威胁锥外。根据两篇文献中的分析可知，无人飞行器不会和障碍相撞。

综上所述，步骤S4中的判定成功避障的方法切实可行。

基于双旋LVF的无人飞行器避障算法的流程为：任务开始后，无人飞行器沿着矢量

的方向飞行，当检测到障碍后，判断是否需要避障，若需要避障则判断最优避障方向和矢量场旋转方向，并利用双旋LVF引导无人飞行器避障，避障成功后，在

的引力作用下飞向目标点。

在未知环境下飞行，无人飞行器可能遇到多个障碍物同时存在的情况，因此未知环境下在线避障问题变得更为复杂。为了简化环境复杂度，提升无人飞行器避障效率，本发明对探测到障碍物需要进行合并。进行障碍物合并的情况可以分为以下两种。

(1)安全圆相交

两个静态障碍之间存在一定距离，但是在该距离下，其安全圆相交，此时无人飞行器在避障过程中会侵犯另一个障碍的安全圆，导致撞毁的风险。此时，需要寻找包络两个障碍物的新的安全圆作为避障参数。

如图11所示，无人飞行器探测到障碍物后，选定的

偏转到

的方向为最优避障方向，矢量场旋转方向为逆时针方向，由于两个障碍物相交，避障过程中会侵犯另一个障碍的安全圆，因此需要对两个障碍进行合并，对合并后的障碍的避障判定转化为了单个障碍的避障判定，选定的最优避障方向为

偏转到

的方向，此时选定的矢量场旋转方向为顺时针方向，根据前述分析可知，此时的路径为最优的。

(2)多个微小障碍的合并

多个微小障碍存在时，虽然其安全圆不相交，利用双旋LVF能够寻找到一条可行的安全路径。但是频繁的避障会导致无人飞行器避障次数的增加和路径的延长，为了减少控制指令的频繁输入，需要将多个微小的障碍物合并，当作一个整体进行避障，如图12所示。规定包络安全圆的最大半径为R_max，若超出该半径值则不对障碍进行合并。考虑多个静态障碍的合并，采用几何学方法，寻找合并后的障碍物的圆心和安全半径，并根据单个障碍物的最优避障方向和矢量场旋转方向准则进行避障，方法同安全圆相交的情况，此处不做过多重述。

对于多个动态微小障碍的处理问题，分为障碍速度相同和不同两种情形。首先考虑障碍速度相同的情形。在绝对坐标系下，微小障碍速度大小和方向均相同，则多个微小障碍的避障可以视作单个动态障碍的避障问题。其次，考虑障碍速度不相同的情形。由于障碍的相对运动会导致所包络的安全圆的扩大和缩小，为了保证无人飞行器的安全，对于安全圆扩大的情形，以R_max作为避障半径，若安全圆大于R_max则取消障碍的合并；对于安全圆缩小的情形，则可以根据实时求出的包络安全圆半径值作为避障半径进行避障。

在对障碍进行合并处理后，未知环境下无人飞行器在线避障问题转化为一系列单障碍环境下的避障问题进行解决。

实施例1：

以单个障碍避障模型为依据，进行单个障碍物的避障仿真验证，其仿真参数如表1所示：

表1仿真参数

首先验证单个静态障碍物的避障。图13中，障碍坐标在无人飞行器和目标的连线上，此时，两侧的避障效果相同。当障碍坐标为(13，9)时，根据步骤S3的方法，确定无人飞行器左侧为最优避障方向，矢量场旋转方向为顺时针。当障碍坐标为(9，13)时，结论和(13，9)时相反。为了验证避障的成功性和无人飞行器动力学约束，以障碍坐标(11，11)的逆时针方向避障进行验证。结果显示：在飞行过程中，无人飞行器一直处于安全圆范围之外，且转弯角速率处于无人飞行器最大转弯角速率约束下。

实施例2：

接下来验证单个动态障碍物的避障。对动态目标的避障是避障问题的一个重点，设障碍物的起始位置为(2.3,19.7)，其运动方向角为-45^°，在无人飞行器探测到障碍物后进行避障，然后利用步骤S4的方法对避障是否成功进行判定，仿真结果表明在t＝97时，判定避障成功。单个动态障碍避障航迹如图14所示。

为了更直观地说明动态障碍避障方法的准确性，针对动态障碍进行两个避障方向仿真结果的对比，仿真中障碍安全圆半径为R_safe＝3.3km，仿真结果如表2所示：

表2仿真结果对比

从表2可以看出，利用基于LVF的避障算法在保持了和障碍较大的安全距离的同时，路径长度更小，3组结果表明了算法的正确性。而从非本算法确定的方向进行避障时，路径长度明显更长，甚至有时会侵犯安全圆，导致避障失败。

实施例3：

为了验证本发明方法的性能，利用基于Dubins路径的方法和人工势场法作为对比验证。考虑对起点坐标为(0,0)，目标点坐标为(20,20)，障碍物参数为(11,11,3)的静态障碍避障和起点为(2.3,19.7)，速度大小为0.141，速度方向为-45^°的动态障碍进行避障。由于静态障碍的位置在起点和目标点连线上，存在极小值点，因此采用加入扰动因子克服局部极小值点的改进人工势场法进行避障；根据表1中的无人飞行器机动性能约束，可知Dubins路径中无人飞行器最小转弯半径R_min＝4。仿真结果如下：

表3仿真结果

从表3中可以看出：在静态障碍的避障问题中，三种方法都能够成功避障，路径的总长度分别为30.1<30.2<31.3。基于双旋LVF的避障算法对静态障碍的避障问题航迹代价小于人工势场法，性能接近Dubins路径。

在动态障碍的避障中，基于双旋LVF的避障算法在成功避障的同时，航迹长度是最小的。改进人工势场法虽然也能成功地避障，但是航迹长度大于双旋LVF。而基于Dubins路径的动态障碍规避，虽然可以根据障碍物状态进行预测求出障碍物圆弧的切入点，但是无人飞行器在圆弧上进行避障机动的同时，障碍的运动势必会导致无人飞行器侵犯安全圆，导致避障失败，因此无法形成有效的避障。

综上所述，基于双旋LVF的避障算法具有良好的动态障碍和静态障碍避障性能。

最后应说明的是，以上所述仅为本发明的优选实施方式，并不用于限制本发明，尽管参照前述实施例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，包括以下步骤：

步骤S1，确定无人飞行器飞行约束条件并构建障碍物安全圆；

设无人飞行器飞行速度V₀大小不变，初始飞行方向指向目标点G；根据无人飞行器的最小转弯半径为R₀和无人飞行器避障所需安全距离R_uav，将障碍物的外接圆膨化后得到半径为R_safe的障碍物安全圆；

步骤S2，通过障碍物安全圆进行避障判定；

当障碍物为静态障碍时，如果R_tect·sin(θ)＜R_safe则需要进行避障，进入步骤S3；否则不需要进行避障，无人飞行器继续按照当前飞行方向飞行；其中R_tect为无人飞行器和障碍物的连线矢量

的2范数，θ为速度V₀和

的夹角；

当障碍物为动态障碍时，根据t_d时刻探测到障碍时无人飞行器的飞行速度，预测无人飞行器再飞行Δt时间后是否会碰撞进行避障判定；即如果

使得t_d+Δt时刻无人飞行器和障碍物的距离＜R_safe，则需要进行避障，进入步骤S3；否则不需要进行避障，无人飞行器按照当前飞行方向继续飞行；

步骤S3，确定最优避障方向和矢量场旋转方向并进行避障；

当障碍物为静态障碍时，最优避障方向为无人飞行器和目标点的连线矢量

旋转到矢量

的旋转方向，其中

为无人飞行器和T_n点的连线矢量，T_n点为和

垂直且过障碍物安全圆圆心的直线与障碍物安全圆交点中距离无人飞行器较近的交点；

以R_safe作为期望的跟踪半径，将最优避障方向的反方向作为Lyapunov矢量场旋转方向，并在该矢量场的引导下进行避障机动。

2.如权利要求1所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，步骤S1中的R_safe为：R_safe＝max{R₀,R_obs+R_uav}，其中R_obs为障碍物的外接圆半径。

3.如权利要求1或2所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，该方法还包括以下步骤：

步骤S4，判定是否成功避障；

在飞行过程中，若无人飞行器没有侵犯障碍物安全圆，且存在某时刻t_s，使得该时刻无人飞行器和障碍物的连线矢量

与矢量

的位置关系

则判定成功避障，停止避障机动，向目标点G飞行；否则，继续利用步骤S3进行避障机动。

4.如权利要求3所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，当障碍物为动态障碍时，先将动态避障转化为无人飞行器在障碍物的相对速度坐标系下静态避障问题，然后再利用步骤S3的方法进行避障。

5.如权利要求3所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，步骤S3中最优避障方向的角度

6.如权利要求3所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，当存在两个静态障碍物，且二者之间存在一定距离，但二者的障碍物安全圆相交时，以同时包络前述两个静态障碍物的障碍物安全圆作为步骤S2中的障碍物安全圆进行避障判定。

7.如权利要求4所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，当

时，将障碍物定义为微小障碍，如果存在多个微小障碍物，以同时包络前述多个微小障碍物的障碍物安全圆作为步骤S2中的障碍物安全圆进行避障判定，其中R_obs为障碍物的外接圆半径。

8.如权利要求7所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，在对所述多个微小障碍物进行避障判定时，设定多个微小障碍物的障碍物安全圆最大半径R_max，当多个微小障碍物的障碍物安全圆的半径大于R_max时，以R_max作为所述多个微小障碍物的障碍物安全圆半径。

9.如权利要求8所述的一种基于双旋Lyapunov矢量场的无人飞行器避障方法，其特征在于，R_max＝2R₀。

Images