CN108981714B - 一种无人机路径规划和可行性分析方法 - Google Patents
一种无人机路径规划和可行性分析方法 Download PDFInfo
- Publication number
- CN108981714B CN108981714B CN201810956156.5A CN201810956156A CN108981714B CN 108981714 B CN108981714 B CN 108981714B CN 201810956156 A CN201810956156 A CN 201810956156A CN 108981714 B CN108981714 B CN 108981714B
- Authority
- CN
- China
- Prior art keywords
- path
- unmanned aerial
- aerial vehicle
- radius
- ant colony
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机路径规划和可行性分析方法，其特征在于，包括以下步骤：步骤1，建立泰森多边形图，形成路径的初始解；画出可飞路径；步骤2，设定以障碍物威胁范围；从生成的路径排除穿越危险区的路段，得到筛选后的可行解；步骤3，利用蚁群算法从可行解中搜索出最短路径；步骤4，判断最短路径的实际可飞性及平滑处理。本发明的优点在于：1.规划出的路径比传统蚁群算法得出的路径更优；2.由于通过结合安全性对无人机的可行解进行了筛选，减少了可行解的数量，所以提高蚁群算法的计算速率；3.规划出的路径适合无人机实际飞行。
Description
技术领域
本发明涉及无人机技术领域，特别涉及一种无人机路径规划和可行性分析方法。
背景技术
无人机具有机动性强、自重轻、体积小、造价低、空间利用率高等显著优势，被越来越多的应用于各个领域，特别是在山区突发灾害，例如地震、泥石流等难以在短时间内组织人员到达的灾害，无人机可以迅速响应并承担运输医疗救援包等应急物资的任务，对挽救人民生命财产有重要意义。
为了使无人机更高效的发挥其作用，需要对无人机的路径进行规划。无人机的路径规划是指基于任务需求，考虑地形条件及周边环境的随机因素(如气象条件突变等)，设计出符合无人机性能约束并使综合代价最小的最优飞行轨迹。
无人机路径规划算法可分为传统规划算法和智能优化算法两大类。传统规划算法包括适合带权图的最短路优化算法、动态规划法、A*算法等经典路径规划算法。同时，大批学者还尝试将智能优化算法应用于无人机路径规划问题中，常用的算法包括遗传算法、蚁群算法、神经网络法和粒子群法等。各算法根据基本原理的不同，在复杂度、运算效率、适应性等方面有所差别。
现有技术一
Floyd算法，又称弗洛伊德算法，是解决给定加权图中顶点间的最短路径问题的一种经典方法。通过分析有权图的带权邻接矩阵，而后在矩阵中求两点的最短路径。算法过程如下：
1、从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。对于每一对顶点u和v，看看是否存在一个顶点w使得从u到w再到v比已知的路径更短。如果是更新它。
2、把图用邻接矩阵G表示出来，如果从Vi到Vj有路可达，则G[i][j]＝d，d表示该路的长度；否则G[i][j]＝无穷大。定义一个矩阵D用来记录所插入点的信息，D[i][j]表示从Vi到Vj需要经过的点，初始化D[i][j]＝j。把各个顶点插入图中，比较插点后的距离与原来的距离，G[i][j]＝min(G[i][j],G[i][k]+G[k][j])，如果G[i][j]的值变小，则D[i][j]＝k。在G中包含有两点之间最短道路的信息，而在D中则包含了最短通路径的信息。
比如，要寻找从V5到V1的路径。根据D，假如D(5,1)＝3则说明从V5到V1经过V3，路径为{V5,V3,V1}，如果D(5,3)＝3，说明V5与V3直接相连，如果D(3,1)＝1，说明V3与V1直接相连。
Floyd算法缺陷在于：1、时间复杂度比较高，不适合计算大量数据；2、在规划路径时，未考虑无人机性能，所得路径不一定适合无人机飞行。
现有技术二
人工势场法，其算法思想是在无人机的工作空间中构造一种虚拟人工力场，这种引力场主要是有来自目标点的引力场和来自障碍物等的斥力场合成的，当无人机离目标越近时，会受到方向指向目标的引力；而当无人机距离障碍物越近时，会受到后者指向来的力，受到了这个斥力的作用，无人机会趋向于远离危险的障碍物。斥力场和引力场的共同作用，使得无人机从起始点开始就会倾向于朝着终止点运动，并且能够很好的避免障碍物以及敌方的雷达区等禁飞区。当然，优良的算法除了需要有准确的，符合现实情况并且能满足各种约束的力场表达式，还能够具有快速的计算速度。
人工势场法的缺陷在于：1、得出的路径较为曲折，且当障碍物之间距离过近时，该路径不一定适合无人机通行。2、容易产生局部极小问题，导致无人机无法到达目的地。
本发明所用到的技术名词
泰森多边形：泰森多边形是计算机几何学中的一个概念，指的是在一个具有若干威胁点的图形中，由相邻威胁点连线的垂直平分线所构成的多边形。通常采用绘制Delaunay三角网的形式来构建泰森多边形。
蚁群算法：利用蚁群算法从可行解中搜索最短路径。蚁群算法为一种群体智能优化算法，其基本思想为：蚂蚁在觅食过程中会沿途留下信息素，后面的蚂蚁选择信息素更浓的路径。信息素会随着时间的推移逐渐挥发，路程越长则信息素浓度越低，该路径被选择的概率也越低。反之，路程越短，信息素浓度越大，选择该路径的蚂蚁就越多，每只蚂蚁通过时都会留下信息素，从而使得较短路径上的信息素不断叠加，又吸引更多的蚂蚁选择该路径，最终，形成大部分蚁群行进的最短路。
发明内容
本发明针对现有技术的缺陷，提供了一种无人机路径规划和可行性分析方法，能有效的解决上述现有技术存在的问题。
为了实现以上发明目的，本发明采取的技术方案如下：
一种无人机路径规划和可行性分析方法，包括以下步骤：
步骤1，结合起点、目标点和障碍物所在位置建立泰森多边形图，形成路径的初始解；并以起点与终点为对角线做矩形，矩形区域内为可飞路径，含矩形边；
步骤2，结合对无人机飞行性能，设定以障碍物为圆心的威胁范围，并以半径为R的圆表示威胁区，要求所有路径不得穿越威胁区；
根据对路径安全性的要求从步骤1中所生成的路径排除穿越危险区的路段，得到筛选后的可行解。
步骤3，利用蚁群算法从可行解中搜索出最短路径；
步骤4，判断最短路径的实际可飞性及平滑处理。
进一步地，所述步骤4具体为：设路径中距离相距最近的两连续转角顶点为i，j，通过ij路径参考值与ij路径实际长度的比较，可得验证结果，执行以下公式；
其中：
L——ij路径参考值；
σ、β——为相邻两转角i、j之间转弯角度；
Lij——为i、j之间的距离；
Rmin——为固定翼无人机最小转弯半径。
若L≤Lij则该条路径适合固定翼无人机飞行，则设置该转角圆弧半径(平滑处理半径)为无人机的最小转弯半径；否则该路径不适合固定翼无人机飞行，此时设置转弯半径(平滑处理半径)为：
与现有技术相比本发明的优点在于：
1.规划出的路径比传统蚁群算法得出的路径更优；
2.由于通过结合安全性对无人机的可行解进行了筛选，减少了可行解的数量，所以提高蚁群算法的计算速率；
3.规划出的路径适合无人机实际飞行。
附图说明
图1为本发明实施例泰森多边形图；
图2为本发明实施例区分安全路段和危险路段的示意图；
图3为本发明实施例蚁群算法搜索出的最短路径示意图；
图4为本发明实施例平滑处理后的最短路径示意图；
图5为本发明飞行路径可行性分析示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下举实施例，对本发明做进一步详细说明。
一种无人机路径规划和可行性分析方法，包括以下步骤：
步骤1，结合起点、目标点和障碍物所在位置建立泰森多边形图，形成路径的初始解；并以起点与终点为对角线做矩形，矩形区域内为可飞路径，含矩形边，如图1所示，BCDE代表障碍物坐标，A和O为起和终点坐标；
步骤2，结合对无人机飞行性能，设定障碍物的威胁范围，并以半径为R的圆表示威胁区，要求所有路径不得穿越威胁区。
根据对路径安全性的要求从步骤1中所生成的路径排除穿越危险区的路段，得到筛选后的可行解。如图2所示，实线为安全的路段，虚线为危险的路段.
步骤3，利用蚁群算法从可行解中搜索出最短路径，如图3所示；
步骤4，判断最短路径的实际可飞性及平滑处理，如图4所示。
如图5所示，由于固定翼无人机的转弯半径受自身性能的影响。为了增加无人机在曲线路径中飞行中的安全性，需结合无人机性能对路径进行验证。设两连续转顶点为i，j，通过ij路径参考值与ij路径实际长度的比较，可得验证结果。
其中：
L——ij路径参考值；
σ、β——为相邻两转角i、j之间转弯角度；
Lij——为i、j之间的距离；
Rmin——为固定翼无人机最小转弯半径。
若L≤Lij则该条路径适合固定翼无人机飞行，则设置该转角圆弧半径(平滑处理半径)为无人机的最小转弯半径；否则该路径不适合固定翼无人机飞行，此时设置转弯半径(平滑处理半径)为：
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (1)
1.一种无人机路径规划和可行性分析方法，其特征在于，包括以下步骤：
步骤1，结合起点、目标点和障碍物所在位置建立泰森多边形图，形成路径的初始解；并以起点与终点为对角线做矩形，矩形区域内为可飞路径，含矩形边；
步骤2，结合对无人机飞行性能，设定以障碍物为圆心的威胁范围，并以半径为R的圆表示威胁区，要求所有路径不得穿越威胁区；
根据对路径安全性的要求从步骤1中所生成的路径排除穿越危险区的路段，得到筛选后的可行解；
步骤3，利用蚁群算法从可行解中搜索出最短路径；
步骤4，判断最短路径的实际可飞性及平滑处理；
所述步骤4具体为：设路径中距离相距最近的两连续转角顶点为i，j，通过ij路径参考值与ij路径实际长度的比较，可得验证结果，执行以下公式；
其中：
L——ij路径参考值；
σ、β——为相邻两转角i、j之间转弯角度；
Lij——为i、j之间的距离；
Rmin——为固定翼无人机最小转弯半径；
若L≤Lij则该条路径适合固定翼无人机飞行，则设置该转角圆弧半径为无人机的最小转弯半径；否则该路径不适合固定翼无人机飞行，此时设置转弯半径为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810956156.5A CN108981714B (zh) | 2018-08-21 | 2018-08-21 | 一种无人机路径规划和可行性分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810956156.5A CN108981714B (zh) | 2018-08-21 | 2018-08-21 | 一种无人机路径规划和可行性分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108981714A CN108981714A (zh) | 2018-12-11 |
| CN108981714B true CN108981714B (zh) | 2020-08-18 |
Family
ID=64553781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810956156.5A Active CN108981714B (zh) | 2018-08-21 | 2018-08-21 | 一种无人机路径规划和可行性分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108981714B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110012422A (zh) * | 2019-03-19 | 2019-07-12 | 华南理工大学 | 一种在复杂地域的无线传感器网络移动基站避障方法 |
| CN110906947B (zh) * | 2019-12-04 | 2022-05-17 | 山东省科学院自动化研究所 | 基于二维静态路径规划的黏菌rrt导航方法及系统 |
| CN113325839B (zh) * | 2021-05-08 | 2023-02-03 | 江苏科技大学 | 一种基于改进蚁群算法的智能仓储机器人路径规划方法 |
| CN113325843B (zh) * | 2021-05-21 | 2022-03-18 | 杭州电子科技大学 | 一种基于多智能体覆盖的污染检测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101122974B (zh) * | 2007-09-13 | 2010-06-09 | 北京航空航天大学 | 基于Voronoi图和蚁群优化算法的无人机航路规划方法 |
| CN102436604B (zh) * | 2011-09-08 | 2015-01-07 | 哈尔滨工程大学 | 一种基于多目标进化方法的多弹协同航路计算方法 |
| CN106705970B (zh) * | 2016-11-21 | 2020-07-07 | 中国航空无线电电子研究所 | 一种基于蚁群算法的多无人机协同路径规划方法 |
| CN108153328B (zh) * | 2017-12-18 | 2020-04-14 | 北京理工大学 | 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法 |
-
2018
- 2018-08-21 CN CN201810956156.5A patent/CN108981714B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108981714A (zh) | 2018-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108981714B (zh) | 一种无人机路径规划和可行性分析方法 | |
| CN105629989B (zh) | 基于最小外包圆和最大内接圆的障碍区域划分方法 | |
| CN109685286B (zh) | 未知静态障碍环境下usv基于改进蚁群优化的避碰规划方法 | |
| CN108801266B (zh) | 一种多无人机对不确定环境搜索的航迹规划方法 | |
| US20210333793A1 (en) | Indoor Monocular Navigation Method Based on Cross-Sensor Transfer Learning and System Thereof | |
| CN112880684A (zh) | 一种城市空间无人机安全航路规划方法 | |
| CN112556714B (zh) | 一种消防灭火救援智能路径规划方法及系统 | |
| Cakir | 2D path planning of UAVs with genetic algorithm in a constrained environment | |
| CN112033411B (zh) | 一种基于安全代价评估的无人机航路规划方法 | |
| CN115903879A (zh) | 基于地形数据插值技术的无人机航迹规划方法 | |
| Pang et al. | A risk-based UAS traffic network model for adaptive urban airspace management | |
| CN114485665A (zh) | 一种基于麻雀搜索算法的无人机航迹规划方法 | |
| CN112506219A (zh) | 一种智能交通监管无人机航迹规划方法、系统及可读存储介质 | |
| CN113093787B (zh) | 一种基于速度场的无人机轨迹规划方法 | |
| Huang et al. | A path planning algorithm for smooth trajectories of unmanned aerial vehicles via potential fields | |
| Zhang et al. | UAV safe route planning based on PSO-BAS algorithm | |
| Babel | Online flight path planning with flight time constraints for fixed-wing UAVs in dynamic environments | |
| Li | Some problems of deployment and navigation of civilian aerial drones | |
| Sun et al. | A survey of cooperative path planning for multiple UAVs | |
| Bresson et al. | Socially compliant navigation in dense crowds | |
| CN116382322A (zh) | 一种基于蜂群无人机协同区域搜寻装置和方法 | |
| Hatao et al. | Construction of semantic maps for personal mobility robots in dynamic outdoor environments | |
| CN116661502B (zh) | 一种智能农业无人机路径规划方法 | |
| Oyana et al. | Three-layer multi-uavs path planning based on ROBL-MFO | |
| Ahamed et al. | UAS Flight Path Planning using Numerical Potential Fields in Dense Non-segregated Airspace |
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 |