CN110456823A - 一种针对无人机计算与存储能力受限的双层路径规划方法 - Google Patents

Abstract

本发明涉及一种针对无人机计算与存储能力受限的双层路径规划方法，针对无人机计算与存储能力受限问题，首先，基于已有地图信息并考虑无人机自身动力学性能限制，利用鱼群算法生成初始参考航迹；其次，利用机载传感器获取无人机及周围障碍物等环境信息，并利用三维碰撞锥技术判断障碍物是否对无人机造成威胁；再次，若有威胁，利用基于马尔科夫过程的前向式搜索法生成局部避障路径，按照局部规划航迹进行飞行，若无威胁，无人机沿参考航迹继续飞行；最后，避障完成，无人机继续飞行，直到抵达参考航迹期望点。本发明具有收敛速度快、数据存储负担小、安全性高等优点，可用于无人机安全快速避障，还可推广到无人车、无人飞行器的自主避障。

Description

一种针对无人机计算与存储能力受限的双层路径规划方法

技术领域

本发明涉及一种针对无人机计算与存储能力受限的双层路径规划方法，应用于无人机安全快速避障，还可推广到无人车、无人飞行器的自主避障。

背景技术

无人机是一种无需飞行员的载具，通常可通过遥控和自动驾驶来控制。相比于有人驾驶的飞机，无人机在成本，灵活性，以及团队合作性具有显著优势。近年来，无人机广泛应用于军事和民用领域，包括边境巡逻，远程打击，电力检查，以及航拍等。与此同时，诸多负面事件，包括无人机“黑飞”，坠飞事故频繁出现于新闻报道。仅2017年4月在我国杭州、上海地区就有13起无人机干扰航班运行的报道，提醒我们无人机的发展还存在诸多问题。因此，亟需提升复杂环境中受计算机计算与数据存储能力受限的无人机避障能力。

早期关于无人机路径规划的研究重点是基于已经获取地图信息，设计一条离线轨迹，使无人机从起点飞到目的地，同时规避离线地图中的障碍物。典型的离线路径规划方法包括最佳优先搜索法，A*法和鱼群算法等。然而真实的实时飞行环境通常是难以离线获得的，实际的飞行环境中往往存在移动障碍物，此时离线规划的轨迹已经无法保证无人机的飞行安全。

相对于离线路径规划算法，实时避障的思路是通过机载传感器，实时获取无人机周边环境信息，从而设计一种局部路径规划方法。在无人机碰撞检测机制发出危险警告时，重新规划一条新的从当前位置到终点的轨迹，规避突发的冲突。经典的局部路径规划算法包括势场法、D*以及动态规划方法。然而上述局部路径规划算法存在各自的缺陷，例如势场法存在的局部陷阱有可能导致策略失效，D*和动态规划法需要花费大量时间，难以满足无人机系统对高安全快速性的要求。

对于路径规划问题，无人机航路规划早已在国内外得到广泛的研究与应用，例如美国NASA正在测试利用动态规划法，作为其研究的无人机ACASXu的避障算法。民用科技公司大疆则在其产品“精灵”中采用双目视觉法来实现避障。中国专利CN103697896A针对存在敌方雷达警戒区和高度超过无人机飞行高度的地形凸起等障碍物的情况，提出了基于HOCAOGLU算法，进行路径平滑处理，提升路径的多样性。中国专利CN103365299B根据人类避碰行为的思想，提出了模拟人类避障行为的航路规划策略，能够快速解算出平滑有效的安全航路，且满足无人机机动性能约束，可以实现无人机以尽量少的飞行能耗代价，快速安全的避障。然而，上述研究都没有将计算机计算与存储能力受限情况考虑在内。

综上，无人机飞行环境的动态性和不确定性、计算机数据存储能力受限等问题对无人机高安全快速性要求带来了挑战，有必要从算法的角度开发一种能降低计算机数据存储负担同时提升收敛速度的无人机路径规划系统，从而提升无人机安全、快速避障的能力。

发明内容

本发明的技术解决问题是：针对现有方法对无人机飞行环境的动态性和不确定性、计算机数据存储能力受限导致无人机避障能力不足的问题，提供一种针对无人机计算与存储能力受限的双层路径规划方法，具有收敛速度快、数据存储负担小、安全性高等优点，可用于无人机安全快速避障，还可推广到无人车、无人飞行器的自主避障。

本发明的技术解决方案为：针对无人机计算与存储能力受限的问题，首先，基于已有地图信息并考虑无人机自身动力学性能限制，利用鱼群算法生成初始参考航迹；其次，利用机载传感器获取无人机及周围障碍物等环境信息，并利用三维碰撞锥技术判断障碍物是否对无人机造成威胁；再次，若有威胁，利用基于马尔科夫过程的前向式搜索法生成局部避障路径，按照局部规划航迹进行飞行，若无威胁，无人机沿参考航迹继续飞行；最后，避障完成，无人机继续飞行，直到抵达参考航迹期望点，完成针对无人机计算与存储能力受限的双层路径规划方法。具体实施步骤如下：

第一步，基于已有地图信息并考虑无人机自身动力学性能限制，利用鱼群算法生成初始参考航迹：

首先，建立用于表征无人机飞行过程的动力学模型、无人机飞行过程中所必须满足的动力学限制、静态障碍物和动态障碍物的空间存在范围模型。

建立用于表征无人机飞行过程的动力学模型，表示如下：

其中，(x，y，z)表示飞机机身质心位置在地面惯性坐标系中的空间坐标，(θ，ψ)分别表示俯仰角和偏航角，V代表飞机速度。

建立无人机飞行过程中所必须满足的动力学限制，包括无人机飞行速度范围，最小转弯半径，以及与半径相关联的限制条件，表示如下：

其中，(V_min，V_max)分别表示最小和最大飞行速度，(r，r_min)表示转弯半径与最小转弯半径，g和φ_max表示常数重力加速度与最大滚转角。

无人机飞行过程中分别存在静态障碍物以及动态障碍物，这些障碍物的空间存在范围表示如下：

其中，(x_obs，y_obs，z_obs)和(x_obs(t)，y_obs(t)，z_obs(t))分别表示静态与移动障碍物中心位置坐标，(a，b，c，p，q，σ)用于表征静态障碍物尺寸大小与形状，ξ表示动态障碍物半径大小；

其次，根据表征无人机飞行过程的动力学模型、无人机飞行过程中所必须满足的动力学限制、静态障碍物和动态障碍物的空间存在范围模型，建立无人机安全飞行空域即无碰撞空间，并明确无人机起飞前获得的初始信息。

无人机飞行过程中需要规避静态障碍物以及动态障碍物，对安全飞行空域即无碰撞空间建模，表示如下：

其中，C_free表示无碰撞空域，λ≥1是用于提升飞行安全的膨胀系数；

明确无人机起飞前获得的初始信息，包括环境信息：无人机起点(x₀，y₀，z₀)，目的地(x_d，y_d，z_d)，禁飞区，无人机自身动力学限制：r_min，V_min。

最后，利用鱼群算法规划无人机从起点到达目的地的初始参考航迹，同时将无人机物理学限制考虑在内，得到一条满足航迹平滑、燃油经济、高安全的飞行轨迹(X_optimal)，该算法目标函数f(X)以最小值为最优，设置如下：

其中，f₁(X)对应于无人机航迹平滑指标，(x_i，y_i，z_i)，(x_i+1，y_i+1，z_i+1)，(x_i+2，y_i+2，z_i+2)表示参考轨迹上的三个离散点，α_i表示三个相邻路径点夹角。

其中，f₂(X)对应于无人机燃油经济指标。

其中，f₃(X)对应于无人机安全指标，D_s表示设定的最小安全距离，β₁表示无人机与障碍物的最小距离，β₂＞＞0表示碰撞的惩罚。

f(X)＝ρ₁f₁(X)+ρ₂f₂(X)+ρ₃f₃(X)

其中，0＜ρ₁＜1，0＜ρ₂＜1，和0＜ρ₃＜1分别表示三个考虑因素所占的权重。

对无人机航迹平滑指标、燃油经济指标和安全指标进行加权组合，计算满足甲醛组合后的综合指标f(X)的最小值，当综合指标f(X)取得最小值时，得到最优的初始参考航迹X_optimal。

第二步，利用机载传感器获取无人机及周围障碍物等环境信息，并利用三维碰撞锥技术判断障碍物是否对无人机造成威胁：

在飞行过程中，利用机载传感器，包括但不限于陀螺仪，加速度计，激光雷达，视觉系统，可以获得当前无人机自身的位置速度信息，以及无人机一定范围内环境的信息。其中有效检测环境范围，表示如下：

S＝{S|(x-x′)²+(y-y′)²+(z-z′)²≤R²}

其中，S和R分别表示检测范围及其半径；x、y、z分别表示无人机机身质心位置；x′、y′、z′分别表示无人机机身质心移动速度。

当检测的无人机周围出现未知障碍物时，根据无人机与障碍物的相对位置及速度信息，利用三维碰撞锥方法预测，按照初始规划航迹继续飞行，是否会出现碰撞。若否，则执行第四步；如果是，进入第三步；

构建三维碰撞锥，用于预测无人机是否会与检测到的障碍物发生碰撞。无人机附近检测到威胁，无人机与检测到的障碍物之间相对速度和位置以及速度夹角，表示如下：

其中，和P_O表示具有威胁的障碍物的速度和位置坐标。根据无人机的安全距离d1，可以以无人机为质点构建一个无人机安全球形区域，同样在具有威胁的障碍物上也可以构建一个相对安全的球形区域。连接无人机和具有威胁的障碍物质心，从无人机质心到具有威胁的障碍物球形区域做切线可以构建一个三维碰撞锥。三维碰撞锥的半夹角表示如下：

其中，d表示无人机和具有威胁的障碍物间的直线距离。从而可以得到无人机和具有威胁的障碍物间无碰撞条件为：

α₀＞α

其中，α₀表示从无人机质心到具有威胁的障碍物的球形区域的安全夹角，α表示三维碰撞锥的半夹角。

第三步，根据第二步中的判断，若有威胁，利用基于马尔科夫过程的前向式搜索法生成局部避障路径，按照局部规划航迹进行飞行，若无威胁，无人机沿第一步中的参考航迹继续飞行：

当α₀≤α，则无人机进入局部路径规划模式，利用前向式搜索法规划一条新的避障路径。

将飞行空间以同样大小的立方体划分，每个立方体对应加上序号，得到一组状态集合S。无人机从当前状态，在飞行动作集合A中选择一个前进动作a，按照一定的概率分布到达下一个状态。当到达下一个状态时，给予无人机一个奖励值R。用表示在状态S执行动作a获得的奖励。

碰撞预测结果与奖励相联系，用于加速在线计算，当|α₀|-α＞0时，无人机与具有威胁的障碍物朝着距离加大的方向飞行，则赋予当前时刻采取动作a_t一个正的奖励值，其他动作奖励值为零，表示如下：

当|α₀|-α≤0时，无人机与具有威胁的障碍物朝着距离减小的方向飞行且将导致碰撞，则赋予a_t相邻动作正的奖励值，其他动作奖励值为零，表示如下：

此外，为了缓解计算机存储负担，在获得每一步的决策结果后，初始化当前状态，避免将过多的状态引入局部计算中。根据这种基于马尔科夫过程的前向式搜索法生成局部避障路径，并时无人机按照局部规划航迹进行飞行。

第四步，根据第三步中的避障路径进行避障，避障完成，无人机继续飞行，直到抵达参考航迹期望点，完成针对无人机计算与存储能力受限的双层路径规划方法：

当未知障碍物规避完成后，返回初始规划路径；根据终止条件，判断是否到达目的地。若是，则任务完成。若否，则返回第三步。终止条件表示为：

其中，(x_tar，y_tar，z_tar)表示目的地空间坐标，x(t)、y(t)、z(t)分别表示在时间t时的无人机机身质心位置。

本发明与现有技术相比的优点在于：本发明明确考虑到无人机计算机硬件的计算性能限制，在采用的局部路径规划算法中将碰撞预测结果作为启发信息加入的在线计算过程中，有效提升了无人机应对未知障碍物的反应速度；相比于传统动态规划计算中忽略起始状态信息，把全局环境的全部状态都纳入局部计算，影响在线收敛速度的问题，本发明每次局部计算中把当前状态初始化，并且代入到局部规划计算中，从而有效减少局部计算涉及的状态数量，减轻计算机存储负担。相比已有专利中的路径规划系统，本发明采用鱼群算法和前向式搜索法交替生成全局和局部路径，更符合无人机在实际飞行中的需要，能有效提高无人机的安全性能。

附图说明

图1为本发明方法的流程框图。

具体实施方式

下面结合附图及实施例对本发明进一步详细说明。

如图1所示，本发明涉及一种针对无人机计算与存储能力受限的双层路径规划方法。第一步，基于已有地图信息并考虑无人机自身动力学性能限制，利用鱼群算法生成初始参考航迹；第二步，利用机载传感器获取无人机及周围障碍物等环境信息，并利用三维碰撞锥技术判断障碍物是否对无人机造成威胁；第三步，根据第二步中的判断，若有威胁，利用基于马尔科夫过程的前向式搜索法生成局部避障路径，按照局部规划航迹进行飞行，若无威胁，无人机沿第一步中的参考航迹继续飞行；第四步，根据第三步中的避障路径进行避障，避障完成，无人机继续飞行，直到抵达参考航迹期望点。本发明具有收敛速度快、数据存储负担小、安全性高等优点，可用于无人机安全快速避障，还可推广到无人车、无人飞行器的自主避障。

具体实现步骤如下：

第一步，基于已有地图信息并考虑无人机自身动力学性能限制，利用鱼群算法生成初始参考航迹：

首先，建立用于表征无人机飞行过程的动力学模型、无人机飞行过程中所必须满足的动力学限制、静态障碍物和动态障碍物的空间存在范围模型。

建立用于表征无人机飞行过程的动力学模型，表示如下：

其中，(x，y，z)表示飞机机身质心位置在地面惯性坐标系中的空间坐标，(θ，ψ)分别表示俯仰角和偏航角，V代表飞机速度。

建立无人机飞行过程中所必须满足的动力学限制，包括无人机飞行速度范围，最小转弯半径，以及与半径相关联的限制条件，表示如下：

其中，(V_min，V_max)分别表示最小和最大飞行速度，(r，r_min)表示转弯半径与最小转弯半径，g和φ_max表示常数重力加速度与最大滚转角。

无人机飞行过程中分别存在静态障碍物以及动态障碍物，这些障碍物的空间存在范围表示如下：

其中，(x_obs，y_obs，z_obs)和(x_obs(t)，y_obs(t)，z_obs(t))分别表示静态与移动障碍物中心位置坐标，(a，b，c，p，q，σ)用于表征静态障碍物尺寸大小与形状，ξ表示动态障碍物半径大小；

其次，根据表征无人机飞行过程的动力学模型、无人机飞行过程中所必须满足的动力学限制、静态障碍物和动态障碍物的空间存在范围模型，建立无人机安全飞行空域即无碰撞空间，并明确无人机起飞前获得的初始信息。

无人机飞行过程中需要规避静态障碍物以及动态障碍物，对安全飞行空域即无碰撞空间建模，表示如下：

其中，C_free表示无碰撞空域，λ≥1是用于提升飞行安全的膨胀系数；

明确无人机起飞前获得的初始信息，包括环境信息：无人机起点(x₀，y₀，z₀)，目的地(x_d，y_d，z_d)，禁飞区，无人机自身动力学限制：r_min，V_min。

最后，利用鱼群算法规划无人机从起点到达目的地的初始参考航迹，同时将无人机物理学限制考虑在内，得到一条满足航迹平滑、燃油经济、高安全的飞行轨迹(X_optimal)，该算法目标函数f(X)以最小值为最优，设置如下：

其中，f₁(X)对应于无人机航迹平滑指标，(x_i，y_i，z_i)，(x_i+1，y_i+1，z_i+1)，(x_i+2，y_i+2，z_i+2)表示参考轨迹上的三个离散点，α_i表示三个相邻路径点夹角。

其中，f₂(X)对应于无人机燃油经济指标。

其中，f₃(X)对应于无人机安全指标，D_s表示设定的最小安全距离，β₁表示无人机与障碍物的最小距离，β₂＞＞0表示碰撞的惩罚。

f(X)＝ρ₁f₁(X)+ρ₂f₂(X)+ρ₃f₃(X)

其中，0＜ρ₁＜1，0＜ρ₂＜1，和0＜ρ₃＜1分别表示三个考虑因素所占的权重。

对无人机航迹平滑指标、燃油经济指标和安全指标进行加权组合，计算满足甲醛组合后的综合指标f(X)的最小值，当综合指标f(X)取得最小值时，得到最优的初始参考航迹X_optimal。

第二步，利用机载传感器获取无人机及周围障碍物等环境信息，并利用三维碰撞锥技术判断障碍物是否对无人机造成威胁：

在飞行过程中，利用机载传感器，包括但不限于陀螺仪，加速度计，激光雷达，视觉系统，可以获得当前无人机自身的位置速度信息，以及无人机一定范围内环境的信息。其中有效检测环境范围，表示如下：

S＝{S|(x-x′)²+(y-y′)²+(z-z′)²≤R²}

其中，S和R分别表示检测范围及其半径；x、y、z分别表示无人机机身质心位置；x′、y′、z′分别表示无人机机身质心移动速度。

当检测的无人机周围出现未知障碍物时，根据无人机与障碍物的相对位置及速度信息，利用三维碰撞锥方法预测，按照初始规划航迹继续飞行，是否会出现碰撞。若否，则执行第四步；如果是，进入第三步；

构建三维碰撞锥，用于预测无人机是否会与检测到的障碍物发生碰撞。无人机附近检测到威胁，无人机与检测到的障碍物之间相对速度和位置以及速度夹角，表示如下：

其中，和P_O表示具有威胁的障碍物的速度和位置坐标。根据无人机的安全距离d1，可以以无人机为质点构建一个无人机安全球形区域，同样在具有威胁的障碍物上也可以构建一个相对安全的球形区域。连接无人机和具有威胁的障碍物质心，从无人机质心到具有威胁的障碍物球形区域做切线可以构建一个三维碰撞锥。三维碰撞锥的半夹角表示如下：

其中，d表示无人机和具有威胁的障碍物间的直线距离。从而可以得到无人机和具有威胁的障碍物间无碰撞条件为：

α₀＞α

其中，α₀表示从无人机质心到具有威胁的障碍物的球形区域的安全夹角，α表示三维碰撞锥的半夹角。

第三步，根据第二步中的判断，若有威胁，利用基于马尔科夫过程的前向式搜索法生成局部避障路径，按照局部规划航迹进行飞行，若无威胁，无人机沿第一步中的参考航迹继续飞行：

当α₀≤α，则无人机进入局部路径规划模式，利用前向式搜索法规划一条新的避障路径。

将飞行空间以同样大小的立方体划分，每个立方体对应加上序号，得到一组状态集合S。无人机从当前状态，在飞行动作集合A中选择一个前进动作a，按照一定的概率分布到达下一个状态。当到达下一个状态时，给予无人机一个奖励值R。用表示在状态S执行动作a获得的奖励。

碰撞预测结果与奖励相联系，用于加速在线计算，当|α₀|-α＞0时，无人机与具有威胁的障碍物朝着距离加大的方向飞行，则赋予当前时刻采取动作a_t一个正的奖励值，其他动作奖励值为零，表示如下：

当|α₀|-α≤0时，无人机与具有威胁的障碍物朝着距离减小的方向飞行且将导致碰撞，则赋予a_t相邻动作正的奖励值，其他动作奖励值为零，表示如下：

此外，为了缓解计算机存储负担，在获得每一步的决策结果后，初始化当前状态，避免将过多的状态引入局部计算中。根据这种基于马尔科夫过程的前向式搜索法生成局部避障路径，并时无人机按照局部规划航迹进行飞行。

第四步，根据第三步中的避障路径进行避障，避障完成，无人机继续飞行，直到抵达参考航迹期望点，完成针对无人机计算与存储能力受限的双层路径规划方法：

当未知障碍物规避完成后，返回初始规划路径；根据终止条件，判断是否到达目的地。若是，则任务完成。若否，则返回第三步。终止条件表示为：

其中，(x_tar，y_tar，z_tar)表示目的地空间坐标，x(t)、y(t)、z(t)分别表示在时间t时的无人机机身质心位置。

位置障碍物规避完成后，返回全局参考航迹，继续按照参考航迹飞行，直至到达目的地。

测试地图为900m*700m*100m的三维空域，地图上随机设定了一系列圆柱状禁飞区，此外另有一架威胁飞行器在某时刻入侵到初始参考路径。以0.1s作为局部路径规划的采样时间。以1s作为一个间隔时间，无人机和威胁在各个离散时刻的位置证明的局部避障的成功。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (6)

1.一种针对无人机计算与存储能力受限的双层路径规划方法,其特征在于，包括以下步骤：

第一步，基于已有地图信息并考虑无人机自身动力学性能限制，利用鱼群算法生成初始参考航迹；

第二步，利用机载传感器获取无人机及环境信息，并利用三维碰撞锥技术判断障碍物是否对无人机造成威胁；

第三步，若判断障碍物对无人机造成威胁，则进入局部路径规划模式，利用基于马尔科夫过程的前向式搜索法生成局部避障路径，按照局部规划航迹进行飞行，进入第四步；若无威胁，无人机沿第一步中的初始参考航迹继续飞行；

第四步，避障完成后，无人机继续飞行，直到抵达参考航迹期望点，完成针对无人机计算与存储能力受限的双层路径规划。

2.根据权利要求1所述的一种针对无人机计算与存储能力受限的双层路径规划方法，其特征在于：所述第一步中，基于已有地图信息并考虑无人机自身动力学性能限制，利用鱼群算法生成初始参考航迹，具体步骤如下：

首先，建立用于表征无人机飞行过程的动力学模型、无人机飞行过程中所必须满足的动力学限制、静态障碍物和动态障碍物的空间存在范围模型，即建立用于表征无人机飞行过程的动力学模型如下：

其中，(x,y,z)表示飞机机身质心位置在地面惯性坐标系中的空间坐标，(θ,ψ)分别表示俯仰角和偏航角，V代表飞机速度；

建立无人机飞行过程中所必须满足的动力学限制，动力学限制包括无人机飞行速度范围、最小转弯半径及与半径相关联的限制条件，动力学限制表示如下：

其中，(V_min,V_max)分别表示最小和最大飞行速度，(r,r_min)表示转弯半径与最小转弯半径，g和φ_max表示常数重力加速度与最大滚转角；

无人机飞行过程中分别存在静态障碍物以及动态障碍物，这些障碍物的空间存在范围表示如下：

其中，(x_obs,y_obs,z_obs)和(x_obs(t),y_obs(t),z_obs(t))分别表示静态与移动障碍物中心位置坐标，(a,b,c,p,q,σ)用于表征静态障碍物尺寸大小与形状，ξ表示动态障碍物半径大小；

其次，根据表征无人机飞行过程的动力学模型、无人机飞行过程中所必须满足的动力学限制、静态障碍物和动态障碍物的空间存在范围模型，建立无人机安全飞行空域即无碰撞空间，并明确无人机起飞前获得的初始信息；

无人机飞行过程中需要规避静态障碍物以及动态障碍物，对安全飞行空域即无碰撞空间建模，表示如下：

其中，C_free表示无碰撞空域，λ≥1是用于提升飞行安全的膨胀系数；

明确无人机起飞前获得的初始信息，包括环境信息：无人机起点(x₀,y₀,z₀)，

目的地(x_d,y_d,z_d)，禁飞区，无人机自身动力学限制：r_min，V_min；

最后，利用鱼群算法规划无人机从起点到达目的地的初始参考航迹，同时将无人机物理学限制考虑在内，得到一条满足航迹平滑、燃油经济、高安全的飞行轨迹(X_optimal)，该算法目标函数f(X)以最小值为最优，设置如下：

其中，f₁(X)对应于无人机航迹平滑指标，(x_i,y_i,z_i),(x_i+1,y_i+1,z_i+1),(x_i+2,y_i+2,z_i+2)表示参考轨迹上的三个离散点，α_i表示三个相邻路径点夹角；

其中，f₂(X)对应于无人机燃油经济指标；

其中，f₃(X)对应于无人机安全指标，D_s表示设定的最小安全距离，β₁表示无人机与障碍物的最小距离，β₂＞＞0表示碰撞的惩罚；

f(X)＝ρ₁f₁(X)+ρ₂f₂(X)+ρ₃f₃(X)

其中，0<ρ₁<1,0<ρ₂<1,和0<ρ₃<1分别表示三个考虑因素所占的权重；

对无人机航迹平滑指标、燃油经济指标和安全指标进行加权组合，计算满足甲醛组合后的综合指标f(X)的最小值，当综合指标f(X)取得最小值时，得到最优的初始参考航迹X_optimal。

3.根据权利要求1所述的一种针对无人机计算与存储能力受限的双层路径规划方法，其特征在于：所述第二步中，所述机载传感器包括陀螺仪，加速度计、激光雷达和视觉系统，所述机载传感器有效检测环境范围如下：

S＝{S|(x-x′)²+(y-y′)²+(z-z′)²≤R²}

其中，S和R分别表示检测范围及其半径；x、y、z分别表示无人机机身质心位置；x′、y′、z′分别表示无人机机身质心移动速度。

4.根据权利要求1所述的一种针对无人机计算与存储能力受限的双层路径规划方法，其特征在于：所述第二步中，三维碰撞锥技术实现如下：

构建三维碰撞锥：用于预测无人机是否会与检测到的障碍物发生碰撞，无人机与检测到的障碍物之间的相对速度、位置以及速度夹角，表示如下：

其中，和P_O表示具有威胁的障碍物的速度和位置坐标，根据无人机的安全距离d1，以无人机为质点构建一个无人机安全球形区域，同样在具有威胁的障碍物上也构建一个相对安全的球形区域，连接无人机和具有威胁的障碍物质心，从无人机质心到具有威胁的障碍物的球形区域做切线构建一个三维碰撞锥，三维碰撞锥的半夹角表示如下：

其中，d表示无人机和具有威胁的障碍物间的直线距离，得到无人机和具有威胁的障碍物间无碰撞条件为：α₀>α，其中，α₀表示从无人机质心到具有威胁的障碍物的球形区域的安全夹角，α表示三维碰撞锥的半夹角。

5.根据权利要求1所述的一种针对无人机计算与存储能力受限的双层路径规划方法，其特征在于：所述第三步中，局部路径规划模式，利用基于马尔科夫过程的前向式搜索法生成局部避障路径，按照局部规划航迹进行飞行，具体过程如下：

将飞行空间以同样大小的立方体划分，每个立方体对应加上序号，得到一组状态集合S；无人机从当前状态，在飞行动作集合A中选择一个前进动作a，按照一定的概率分布到达下一个状态；当到达下一个状态时，给予无人机一个奖励值R。用表示在状态S执行动作a获得的奖励；

碰撞预测结果与奖励相联系，用于加速在线计算，当|α₀|-α>0时，无人机与具有威胁的障碍物朝着距离加大的方向飞行，则赋予当前时刻采取动作a_t一个正的奖励值，其他动作奖励值为零，表示如下：

当|α₀|-α≤0时，无人机与具有威胁的障碍物朝着距离减小的方向飞行且将导致碰撞，则赋予a_t相邻动作正的奖励值，其他动作奖励值为零，表示如下：

此外，为了缓解计算机存储负担，在获得每一步的决策结果后，初始化当前状态，避免将过多的状态引入局部计算中；根据这种基于马尔科夫过程的前向式搜索法生成局部避障路径，并时无人机按照局部规划航迹进行飞行。

6.根据权利要求1所述的一种针对无人机计算与存储能力受限的双层路径规划方法，其特征在于：所述第四步中，避障完成后，无人机继续飞行，直到抵达参考航迹期望点时，要根据终止条件判断是否到达目的地，即参考航迹期望点，终止条件表示为：

其中，(x_tar,y_tar,z_tar)表示目的地空间坐标，x(t)、y(t)、z(t)分别表示在时间t时的无人机机身质心位置。