CN110514204A - 航迹规划方法、装置、飞行器和计算机可读存储介质 - Google Patents

航迹规划方法、装置、飞行器和计算机可读存储介质 Download PDF

Info

Publication number
CN110514204A
CN110514204A CN201810487425.8A CN201810487425A CN110514204A CN 110514204 A CN110514204 A CN 110514204A CN 201810487425 A CN201810487425 A CN 201810487425A CN 110514204 A CN110514204 A CN 110514204A
Authority
CN
China
Prior art keywords
node
cost
aircraft
apart
threat
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.)
Pending
Application number
CN201810487425.8A
Other languages
English (en)
Inventor
门春雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201810487425.8A priority Critical patent/CN110514204A/zh
Publication of CN110514204A publication Critical patent/CN110514204A/zh
Pending legal-status Critical Current

Links

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)
  • Navigation (AREA)

Abstract

本公开提出一种航迹规划方法、装置、飞行器和计算机可读存储介质，涉及飞行器技术领域。本公开的一种航迹规划方法包括：根据障碍物和禁飞区的位置确定威胁区域，设定空间中每个节点的威胁代价；根据下一节点与当前节点间的距离确定距离代价；根据距离代价和威胁代价，将飞行器的最大偏航角为限制条件，基于A‑Star算法进行航迹规划。通过这样的方法，能够将威胁区域和距离因素量化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A‑Star算法进行航迹规划，提高航迹规划的效率。

Description

航迹规划方法、装置、飞行器和计算机可读存储介质
技术领域
本公开涉及飞行器技术领域，特别是一种航迹规划方法、装置、飞行器和计算机可读存储介质。
背景技术
飞行器航迹规划是指在起始点到目标点之间生成可行的路径，并从可行的路径中选择最优或次优的航路飞行。
理论上，从起始点到目标点之间取直线的路线能够得到更高的飞行效率，降低能量损耗。但是，往往由于威胁区域、障碍区域等因素的影响，飞行器需要避开部分区域，从而增加了航迹规划的复杂度。在考虑到区域影响因素的基础上为飞行器规划可行的、合理的航迹能够提高飞行器飞行的安全性，还可以在相同续航能力的情况下，扩大飞行器的飞行范围。
发明内容
本公开的一个目的在于提出一种飞行器的航迹规划方案。
根据本公开的一个方面，提出一种航迹规划方法，包括：根据障碍物和禁飞区的位置确定威胁区域，设定空间中每个节点的威胁代价；根据下一节点与当前节点间的距离确定距离代价；根据距离代价和威胁代价，将飞行器的最大偏航角为限制条件，基于A-Star(A星)算法进行航迹规划。
可选地，基于A-Star算法进行航迹规划包括：根据距离代价和威胁代价分别确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价；选择满足飞行器的最大偏航角的代价最小的节点作为下一节点；将确定的下一节点作为当前节点，确定满足飞行器的最大偏航角的代价最小的位置作为下一节点，循环执行确定下一节点的操作直至下一节点为目标节点。
可选地，还包括：若当前节点不存在满足飞行器的最大航偏角的下一节点，则回溯至上一节点，选择代价次小的节点作为当前节点。
可选地，确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价包括：将距离代价和威胁代价归一化处理，确定距离代价归一值和威胁代价归一值；根据距离代价归一值和威胁代价归一值确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价。
可选地，归一化处理包括：根据公式
和
分别确定威胁代价平均值Pagv和距离代价平均值Lavg；
根据公式
和
确定第i个节点的威胁代价归一值P’i和第i个节点的距离代价归一值L’i，其中，Pi为第i个节点的威胁代价，Li为第i个节点的距离代价，第1个节点为起始节点，第N个节点为目标节点。
可选地，确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价包括：
根据公式
确定已规划航迹的代价函数g(n)；
根据公式
确定未规划航迹的代价估计函数h(n)；
飞行器从起始节点到目标节点的代价f(n)为g(n)与h(n)之和，其中，第n个节点为下一节点，n为正整数且1≤n≤N，w1为距离代价的权重，w2为威胁代价的权重。
可选地，基于A-Star算法进行航迹规划包括：将起始节点定位当前节点，放入open(开)表中，close(关)表置空；在最大偏航角范围为寻找当前节点周围可达的节点，放入open表中；将当前节点从open表中删除，放入close表；从open表中选择从起始节点到目标节点的代价最小的节点作为下一节点，其他节点放入close表中；将下一节点作为当前节点，执行在最大偏航角范围为寻找当前节点周围可达的节点的步骤，直至下一节点为目标节点。
可选地，威胁区域的威胁代价为正无穷，非威胁区域的威胁代价为0。
可选地，航迹规划方法还包括：通过三次样条差值将规划的航迹进行平滑处理。
通过这样的方法，能够将威胁区域和距离因素量化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A-Star算法进行航迹规划，提高航迹规划的效率。
根据本公开的另一个方面，提出一种航迹规划装置，包括：威胁代价确定模块，被配置为根据障碍物和禁飞区的位置确定威胁区域，设定空间中每个节点的威胁代价；距离代价确定模块，被配置为根据下一节点与当前节点间的距离确定距离代价；航迹计算模块，被配置为根据距离代价和威胁代价，将飞行器的最大偏航角为限制条件，基于A-Star算法进行航迹规划。
可选地，航迹计算模块被配置为：根据距离代价和威胁代价分别确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价；选择满足飞行器的最大偏航角的代价最小的节点作为下一节点；将确定的下一节点作为当前节点，确定满足飞行器的最大偏航角的代价最小的位置作为下一节点，直至达到目标节点。
可选地，航迹计算模块还被配置为：若当前节点不存在满足飞行器的最大航偏角的下一节点，则回溯至上一节点，选择代价次小的节点作为当前节点。
可选地，确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价包括：将距离代价和威胁代价归一化处理，确定距离代价归一值和威胁代价归一值；根据距离代价归一值和威胁代价归一值确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价。
可选地，归一化处理包括：根据公式
和
分别确定威胁代价平均值Pagv和距离代价平均值Lavg；
根据公式
和
确定第i个节点的威胁代价归一值P’i和第i个节点的距离代价归一值L’i，其中，Pi为第i个节点的威胁代价，Li为第i个节点的距离代价，第1个节点为起始节点，第N个节点为目标节点；
确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价包括：
根据公式
确定已规划航迹的代价函数g(n)；
根据公式
确定未规划航迹的代价估计函数h(n)；
飞行器从起始节点到目标节点的代价f(n)为g(n)与h(n)之和，其中，第n个节点为下一节点，n为正整数且1≤n≤N，w1为距离代价的权重，w2为威胁代价的权重。
可选地，航迹计算模块被配置为：将起始节点定位当前节点，放入open表中，close表置空；在最大偏航角范围为寻找当前节点周围可达的节点，放入open表中；将当前节点从open表中删除，放入close表；从open表中选择从起始节点到目标节点的代价最小的节点作为下一节点，其他节点放入close表中；将下一节点作为当前节点，执行在最大偏航角范围为寻找当前节点周围可达的节点的步骤，直至下一节点为目标节点。
可选地，威胁区域的威胁代价为正无穷，非威胁区域的威胁代价为0。
可选地，航迹规划装置还包括：平滑处理模块，被配置为通过三次样条差值将规划的航迹进行平滑处理。
根据本公开的又一个方面，提出一种航迹规划装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行上文中任意一种航迹规划方法。
这样的装置能够将威胁区域和距离因素量化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A-Star算法进行航迹规划，提高航迹规划的效率。
根据本公开的再一个方面，提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上文中任意一种航迹规划方法的步骤。
通过执行这样的计算机可读存储介质上的指令，能够将威胁区域和距离因素量化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A-Star算法进行航迹规划，提高航迹规划的效率。
另外，根据本公开的一个方面，提出一种飞行器，包括：飞行动力装置，被配置为按照规划的路径带动飞行器飞行；和上文中任意一种航迹规划装置。
这样的飞行器能够将威胁区域和距离因素量化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A-Star算法进行航迹规划，提高航迹规划的效率。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1为本公开的航迹规划方法的一些实施例的流程图。
图2为本公开的航迹规划方法中航迹平滑处理效果的一个实施例的示意图。
图3为本公开的航迹规划方法中基于A-Star算法进行航迹规划的一些实施例的流程图。
图4为本公开的航迹规划方法的又一些实施例的流程图。
图5为本公开的航迹规划装置的一些实施例的示意图。
图6为本公开的航迹规划装置的另一些实施例的示意图。
图7为本公开的航迹规划装置的又一些实施例的示意图。
图8为本公开的飞行器的一些实施例的示意图。
具体实施方式
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
本公开的航迹规划方法的一些实施例的流程图如图1所示。
在步骤101中，根据障碍物和禁飞区的位置确定威胁区域，设定威胁区域和非威胁区域中每个节点的威胁代价。在一些实施例中，可以设定威胁区域的威胁代价为正无穷，非威胁区域的威胁代价为0，以确保飞行器不会进入威胁区域。
在步骤102中，根据下一节点与当前节点间的距离确定距离代价。在一些实施例中，距离代价与距离长度正相关。
在步骤103中，根据距离代价和威胁代价，将飞行器的最大偏航角为限制条件，基于A-Star算法进行航迹规划。
通过这样的方法，能够将威胁区域和距离因素量化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A-Star算法进行航迹规划，提高航迹规划的效率。
在一些实施例中，基于A-Star算法得到的航迹规划结果容易在节点处出现明显的折点，如图2中折线所示。这样的路线会导致飞行器时时需要改变航向，不利于提高飞行器的飞行效率，飞行器也难以完全按照该路线飞行，因此可以作平滑处理，如图2中曲线所示。
在一些实施例中，可以采用样条曲线处理基于A-Star算法得到的航迹。样条是指通过一组指定点集而生成平滑曲线的柔性带，样条曲线则是指几个较小的加权沿着样条的长度分配进行绘制的曲线。例如，采用三次样条插值进行航迹平滑。三次样条插值函数定义：设f(x)为定义在航迹区间上的三次样条函数，如f(x)满足在其中每一小段[x(i),x(i+1)]上是一个三次多项式函数，设为
f(x)＝ax3+bx2+cx+d
其中a,b,c,d为系数，且在整个区间上存在二阶导数并连续，则称f(x)为三次样条插值函数。f(x)二阶可导且连续，使曲线光滑且各分段函数相互衔接。
通过这样的方法，能够在尽量拟合最优路线的同时，将航迹规划成平滑的曲线，提高了飞行器按照航迹规划结果飞行的可行性，也避免反复加减速，提高了飞行效率，减少了能量消耗。
本公开的航迹规划方法中基于A-Star算法进行航迹规划的一些实施例的流程图如图3所示。
在步骤301中，根据距离代价和威胁代价分别确定将当前节点的周围各个节点作为下一节点时，飞行器从起始节点到目标节点的代价。在一些实施例中，由于距离与威胁值的单位不统一，需要将威胁代价与距离代价进行归一化处理。
在一些实施例中，可以根据公式
分别确定威胁代价平均值Pagv和距离代价平均值Lavg，其中，Pi为第i个节点的威胁代价，Li为第i个节点的距离代价，第1个节点为起始节点，第N个节点为目标节点。
根据公式
和
确定第i个节点的威胁代价归一值P’i和第i个节点的距离代价归一值L’i。
根据公式
确定已规划航迹的代价函数g(n)。
根据公式
确定未规划航迹的代价估计函数h(n)。飞行器从起始节点到目标节点的代价f(n)＝g(n)+h(n)，其中，第n个节点为下一节点，n为正整数且1≤n≤N，w1为距离代价的权重，w2为威胁代价的权重。在一个实施例中，可以基于A-Star算法，从选取的下一节点到目标节点之间取最短路径(如直线连接路径)，按照该最短路径计算h(n)。
在步骤302中，选择满足飞行器的最大偏航角的代价最小的节点作为下一节点。在一些实施例中，A-Star算法的优化目标可表达为：
min.f(n)＝g(n)+h(n)
s.t.θi≤π/6
θi为飞行器的偏航角，实际中限定飞行器的最大偏航角一般不超过30度。本算法以飞行器的最大偏航角为约束条件，限定飞行器能到达的最大飞行区域，然后调整距离代价与威胁代价权值来实现飞行器飞行距离短，尽可能减少油耗或者尽可能少穿越危险区。
在步骤303中，判断下一节点是否为目标节点。若下一节点不是目标节点，则执行步骤304；若下一节点是目标节点，则完成基于A-Star算法的航迹规划，执行步骤305。
在步骤304中，将下一节点作为当前节点，继续执行步骤301。
在步骤305中，规划完成。在一些实施例中，可以进一步对规划完成的航迹做平滑处理得到最终的航迹规划结果。
通过这样的方法，能够将距离、威胁影响因素以代价的形式带入A-Star算法，同时将最大偏航角以限制条件的形式带入A-Star算法，从而利用该算法速度快、效率高的特点进行航迹规划，能够减少油耗、避免穿越危险区，同时保证以飞行器的最大航偏角条件能够实现按照规划的航迹飞行，通过逐个节点的循环运算，完成从起始节点到目标节点的航迹规划。
相关的航迹规划算法中，存在以蚁群算法进行航迹规划的方案。但是，蚁群算法的收敛速度慢，且容易陷入局部最优。相比之下，A-Star算法能够提高灵活性和准确性，且能够提高效率，更加适合飞行器的实时航迹规划。
在一些实施例中，距离代价的权重w1和威胁代价的权重w2的大小可以根据实际情况进行调节，如实际情况中距离短更为重要，则取w1>w2,若需要安全系数高，则取w1<w2。在一些实施例中，由于采用A-Star算法获得的航迹基本不经过禁飞区，故优选w1>w2。
在一些实施例中，为避免A-Star算法陷入死循环，在当前节点不存在满足飞行器的最大航偏角的下一节点的情况下，则回溯至上一节点，选择代价次小的节点作为当前节点若碰到此情况，直到生成一条可飞行的路径。
通过这样的方法，能够避免陷入死循环，即使当飞行器处于一个充斥障碍物的环境中时，也能够规划处一条可行的路线。例如，当飞行器即将在当前节点发生碰障时，将函数h(n)值设为无穷大，将此节点从最优中排除，然后回退上一个节点，重新选择其他节点进行计算。
本公开的航迹规划方法的又一些实施例的流程图如图4所示。
在步骤401中，生成威胁模型，确定威胁代价。在一些实施例中，可以按照威胁程度设置代价值，绝对不允许进入的区域、障碍物区域的威胁代价可以为正无穷以保证不会进入或发生碰撞；随着与该区域距离的增加威胁代价可以逐渐减小，从而尽量减少飞行器靠近威胁区域。确认安全的区域可以设置威胁代价为0。
在步骤402中，确定起始节点和目的节点。
在步骤403中，将起始节点作为当前节点，放入open表中，close表置空。
在步骤404中，在最大偏航角范围为寻找当前节点周围可达的点，放入open表中。
在步骤405中，将当前节点从open表中删除，放入close表。
在步骤406中，从open表中选择从起始节点到目标节点的代价最小的节点作为下一节点。在一些实施例中，可以采用对open表中节点从起始节点到目标节点的代价两两比较直至比较完open表中所有节点，选出代价最小的节点作为下一节点。
在步骤407中，判断是否找到下一节点。若找到下一节点，则执行步骤409。若未能找到下一节点(如不存在属于最大偏航角范围内的节点open表为空，或从起始节点到目标节点的代价均为正无穷时)，执行步骤408。
在步骤408中，回溯至上一阶段，将当前节点放入close表，将上一节点作为当前节点。继而执行步骤404，在重新为open表中填充节点时，避免将已确定无法进一步规划航迹的下一节点填充入open表。
在步骤409中，将该下一节点作为当前节点，将非代价最小的节点放入close表中。
在步骤410中，判断当前节点是否为目标节点。若是目标节点，则完成基于A-Star算法的航迹规划，若不是目标节点，则需要继续规划下一节点，执行步骤404。
在一些实施例中，还可以在步骤407中确定找到下一节点时即判断该确定的下一节点是否为目标节点，当确定下一节点是目标节点时结束选出代价最小的节点作为下一节点，当确定下一节点不是目标节点时，将该下一节点作为当前节点，将非代价最小的节点放入close表中，返回执行步骤404。
通过这样的方法，能够在基于A-Star算法的航迹规划中引入角度约束，实现了满足飞行约束条件的航迹规划，避免了循环状态的发生，同时提高了航迹规划效率，而且具有较强的寻优能力及适应性。
本公开的航迹规划装置的一些实施例的示意图如图5所示。威胁代价确定模块501能够根据障碍物和禁飞区的位置确定威胁区域，设定威胁区域和非威胁区域中每个节点的威胁代价。在一些实施例中，可以按照威胁程度设置代价值，绝对不允许进入的区域、障碍物区域的威胁代价可以为正无穷以保证不会进入或发生碰撞；随着与该区域距离的增加威胁代价可以逐渐减小，从而尽量减少飞行器靠近该区域。确认安全且允许进入的区域可以设置威胁代价为0。距离代价确定模块502能够根据下一节点与当前节点间的距离确定距离代价。在一些实施例中，距离代价与距离长度正相关。航迹计算模块503根据距离代价和威胁代价，将飞行器的最大偏航角为限制条件，基于A星A-Star算法进行航迹规划。
这样的装置能够将威胁区域和距离因素转化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A-Star算法进行航迹规划，提高航迹规划的效率。
在一些实施例中，如图5所示，航迹规划装置还可以包括平滑处理模块，能够对基于A-Star算法得到的航迹规划结果做平滑处理，如采用三次样条插值的方式使曲线光滑且各分段函数相互衔接。这样的装置能够在尽量拟合最优路线的同时，将航迹规划成平滑的曲线，提高了飞行器按照航迹规划结果飞行的可行性，也避免反复加减速，提高了飞行效率。
在一些实施例中，航迹计算模块503能够根据距离代价和威胁代价分别确定将当前节点的周围各个节点作为下一节点时飞行器从起始节点到目标节点的代价，进而选择满足飞行器的最大偏航角的代价最小的节点作为下一节点，将下一节点作为当前节点反复规划下一节点，直至达到目标节点完成规划。这样的装置能够将距离、威胁影响因素以代价的形式带入A-Star算法，同时将最大偏航角以限制条件的形式带入A-Star算法，从而利用该算法速度快、效率高的特点进行航迹规划，能够减少油耗、避免穿越危险区，同时保证以飞行器的最大航偏角条件能够实现按照规划的航迹飞行，通过逐个节点的循环运算，完成从起始节点到目标节点的航迹规划。
在一些实施例中，由于距离与威胁值的单位不统一，需要将威胁代价与距离代价进行归一化处理，再利用归一化处理后的代价归一值进行飞行器从起始节点到目标节点的代价计算，从而提高代价评估的准确性。具体的归一化计算方式和代价计算方式可以如图3相关的实施例中所示。
在一些实施例中，为避免A-Star算法陷入死循环，航迹计算模块503在当前节点不存在满足飞行器的最大航偏角的下一节点的情况下，则回溯至上一节点，选择代价次小的节点作为当前节点若碰到此情况，直到生成一条可飞行的路径。
这样的装置能够避免陷入死循环，即使当飞行器处于一个充斥障碍物的环境中时，也能够规划处一条可行的路线。例如，当飞行器即将在当前节点发生碰障时，将函数h(n)值设为无穷大，将此节点从最优中排除，然后回退上一个节点，重新选择其他节点进行计算。本公开航迹规划装置的一个实施例的结构示意图如图6所示。航迹规划装置包括存储器601和处理器602。其中：存储器601可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储上文中航迹规划方法的对应实施例中的指令。处理器602耦接至存储器601，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器602用于执行存储器中存储的指令，能够保证航迹规划的可行性，提高航迹规划的效率。
在一些实施例中，还可以如图7所示，航迹规划装置700包括存储器701和处理器702。处理器702通过BUS总线703耦合至存储器701。该航迹规划装置700还可以通过存储接口704连接至外部存储装置705以便调用外部数据，还可以通过网络接口706连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。
在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够保证航迹规划的可行性，提高航迹规划的效率。
在另一个实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现航迹规划方法对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开的飞行器的一些实施例的示意图如图8所示。航迹规划装置80可以为上文中提到的任意一种航迹规划装置。飞行动力装置81能够按照规划的路径带动飞行器飞行，从而实现飞行器从起始节点到目的节点的飞行。在一些实施例中，航迹规划装置80还可以包括定位装置，以保证飞行器飞行的路径符合航迹规划的结果。
这样的飞行器能够将威胁区域和距离因素转化为威胁代价和距离代价，同时考虑到飞行器最大航偏角的限制，保证航迹规划的可行性，利用A-Star算法进行航迹规划，提高航迹规划的效率。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
最后应当说明的是：以上实施例仅用以说明本公开的技术方案而非对其限制；尽管参照较佳实施例对本公开进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本公开的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本公开技术方案的精神，其均应涵盖在本公开请求保护的技术方案范围当中。

Claims (20)

1.一种航迹规划方法，包括：
根据障碍物和禁飞区的位置确定威胁区域，设定空间中每个节点的威胁代价；
根据下一节点与当前节点间的距离确定距离代价；
根据所述距离代价和所述威胁代价，将飞行器的最大偏航角为限制条件，基于A星A-Star算法进行航迹规划。
2.根据权利要求1所述的方法，其中，所述基于A-Star算法进行航迹规划包括：
根据所述距离代价和所述威胁代价分别确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价；
选择满足所述飞行器的最大偏航角的代价最小的节点作为下一节点；
将确定的所述下一节点作为当前节点，确定满足所述飞行器的最大偏航角的代价最小的位置作为下一节点，循环执行确定下一节点的操作直至下一节点为目标节点。
3.根据权利要求2所述的方法，还包括：
若当前节点不存在满足所述飞行器的最大航偏角的下一节点，则回溯至上一节点，选择代价次小的节点作为当前节点。
4.根据权利要求2所述的方法，其中，所述确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价包括：
将所述距离代价和所述威胁代价归一化处理，确定距离代价归一值和威胁代价归一值；
根据所述距离代价归一值和所述威胁代价归一值确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价。
5.根据权利要求4所述的方法，其中，所述归一化处理包括：
根据公式
和
分别确定威胁代价平均值Pagv和距离代价平均值Lavg；
根据公式
和
确定第i个节点的威胁代价归一值P’i和第i个节点的距离代价归一值L’i，其中，Pi为第i个节点的威胁代价，Li为第i个节点的距离代价，第1个节点为起始节点，第N个节点为目标节点。
6.根据权利要求5所述的方法，其中，所述确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价包括：
根据公式
确定已规划航迹的代价函数g(n)；
根据公式
确定未规划航迹的代价估计函数h(n)；
飞行器从起始节点到目标节点的代价f(n)为g(n)与h(n)之和，其中，第n个节点为所述下一节点，n为正整数且1≤n≤N，w1为距离代价的权重，w2为威胁代价的权重。
7.根据权利要求1所述的方法，其中，所述基于A-Star算法进行航迹规划包括：
将起始节点定位当前节点，放入开open表中，关close表置空；
在最大偏航角范围为寻找当前节点周围可达的节点，放入open表中；
将所述当前节点从所述open表中删除，放入close表；
从open表中选择从起始节点到目标节点的代价最小的节点作为下一节点，其他节点放入close表中；
将所述下一节点作为当前节点，执行在最大偏航角范围为寻找当前节点周围可达的节点的步骤，直至下一节点为目标节点。
8.根据权利要求1～7任意一项所述的方法，其中，所述威胁区域的威胁代价为正无穷，所述非威胁区域的威胁代价为0。
9.根据权利要求1～7任意一项所述的方法，还包括：通过三次样条差值将规划的航迹进行平滑处理。
10.一种航迹规划装置，包括：
威胁代价确定模块，被配置为根据障碍物和禁飞区的位置确定威胁区域，设定空间中每个节点的威胁代价；
距离代价确定模块，被配置为根据下一节点与当前节点间的距离确定距离代价；
航迹计算模块，被配置为根据所述距离代价和所述威胁代价，将飞行器的最大偏航角为限制条件，基于A星A-Star算法进行航迹规划。
11.根据权利要求9所述的装置，其中，所述航迹计算模块被配置为：
根据所述距离代价和所述威胁代价分别确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价；
选择满足所述飞行器的最大偏航角的代价最小的节点作为下一节点；
将确定的所述下一节点作为当前节点，确定满足所述飞行器的最大偏航角的代价最小的位置作为下一节点，直至达到目标节点。
12.根据权利要求11所述的装置，其中，所述航迹计算模块还被配置为：
若当前节点不存在满足所述飞行器的最大航偏角的下一节点，则回溯至上一节点，选择代价次小的节点作为当前节点。
13.根据权利要求11所述的装置，其中，所述确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价包括：
将所述距离代价和所述威胁代价归一化处理，确定距离代价归一值和威胁代价归一值；
根据所述距离代价归一值和所述威胁代价归一值确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价。
14.根据权利要求13所述的装置，其中，所述归一化处理包括：
根据公式
和
分别确定威胁代价平均值Pagv和距离代价平均值Lavg；
根据公式
和
确定第i个节点的威胁代价归一值P’i和第i个节点的距离代价归一值L’i，其中，Pi为第i个节点的威胁代价，Li为第i个节点的距离代价，第1个节点为起始节点，第N个节点为目标节点；
所述确定将当前节点的周围各个节点作为下一节点时，所述飞行器从起始节点到目标节点的代价包括：
根据公式
确定已规划航迹的代价函数g(n)；
根据公式
确定未规划航迹的代价估计函数h(n)；
飞行器从起始节点到目标节点的代价f(n)为g(n)与h(n)之和，其中，第n个节点为所述下一节点，n为正整数且1≤n≤N，w1为距离代价的权重，w2为威胁代价的权重。
15.根据权利要求10所述的装置，其中，所述航迹计算模块被配置为：
将起始节点定位当前节点，放入开open表中，关close表置空；
在最大偏航角范围为寻找当前节点周围可达的节点，放入open表中；
将所述当前节点从所述open表中删除，放入close表；
从open表中选择从起始节点到目标节点的代价最小的节点作为下一节点，其他节点放入close表中；
将所述下一节点作为当前节点，执行在最大偏航角范围为寻找当前节点周围可达的节点的步骤，直至下一节点为目标节点。
16.根据权利要求10～15任意一项所述的装置，其中，所述威胁区域的威胁代价为正无穷，所述非威胁区域的威胁代价为0。
17.根据权利要求10～15任意一项所述的装置，还包括：
平滑处理模块，被配置为通过三次样条差值将规划的航迹进行平滑处理。
18.一种航迹规划装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至9任一项所述的方法。
19.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至9任意一项所述的方法的步骤。
20.一种飞行器，包括：
飞行动力装置，被配置为按照规划的路径带动飞行器飞行；和，
权利要求10～18任意一项所述的航迹规划装置。
CN201810487425.8A 2018-05-21 2018-05-21 航迹规划方法、装置、飞行器和计算机可读存储介质 Pending CN110514204A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810487425.8A CN110514204A (zh) 2018-05-21 2018-05-21 航迹规划方法、装置、飞行器和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810487425.8A CN110514204A (zh) 2018-05-21 2018-05-21 航迹规划方法、装置、飞行器和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110514204A true CN110514204A (zh) 2019-11-29

Family

ID=68621546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810487425.8A Pending CN110514204A (zh) 2018-05-21 2018-05-21 航迹规划方法、装置、飞行器和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110514204A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112346482A (zh) * 2020-11-25 2021-02-09 中国工程物理研究院总体工程研究所 飞行航线管理方法
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
CN112947517A (zh) * 2021-02-03 2021-06-11 湖北三江航天红峰控制有限公司 一种可装订任意航迹点的飞行器航迹规划方法及装置
CN113568401A (zh) * 2021-05-30 2021-10-29 山东新一代信息产业技术研究院有限公司 一种机器人禁行区域规划方法、系统及机器人
CN114415654A (zh) * 2021-12-01 2022-04-29 上海思岚科技有限公司 一种脱困路径的生成方法及设备
CN115200585A (zh) * 2022-07-08 2022-10-18 北斗伏羲中科数码合肥有限公司 基于空域网格的无人机航迹规划方法、装置及电子设备
CN115509240A (zh) * 2022-11-21 2022-12-23 合肥井松智能科技股份有限公司 一种基于可通行区域的路径规划方法
CN117630883A (zh) * 2023-11-30 2024-03-01 无锡中科光电技术有限公司 一种全波形可控的大气颗粒物监测激光雷达信号降噪方法、装置及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0712582A (ja) * 1993-06-15 1995-01-17 Mitsubishi Electric Corp 経路探索システム，及び経路探索方法
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
US20140032095A1 (en) * 2012-07-27 2014-01-30 Thales Method for constructing a trajectory of an aircraft by state vector
CN106125764A (zh) * 2016-08-03 2016-11-16 西北工业大学 基于a*搜索的无人机路径动态规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0712582A (ja) * 1993-06-15 1995-01-17 Mitsubishi Electric Corp 経路探索システム，及び経路探索方法
US20140032095A1 (en) * 2012-07-27 2014-01-30 Thales Method for constructing a trajectory of an aircraft by state vector
CN102880186A (zh) * 2012-08-03 2013-01-16 北京理工大学 基于稀疏a*算法和遗传算法的航迹规划方法
CN106125764A (zh) * 2016-08-03 2016-11-16 西北工业大学 基于a*搜索的无人机路径动态规划方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
卢青等: "基于改进A~*算法的滑翔飞行器轨迹规划", 《系统工程与电子技术》 *
吴剑等: "无人机航路规划中的变步长A~*算法", 《电光与控制》 *
曾佳等: "一种无人机平滑飞行轨迹规划方法", 《系统仿真学报》 *
李季等: "基于改进A-Star算法的无人机航迹规划算法研究", 《兵工学报》 *
杨润洲等: "基于DTW的改进A*算法在航迹规划中的应用", 《电光与控制》 *
焦卫东等: "基于SAS算法的起飞一发失效应急路径规划方法", 《航空学报》 *
王新增等: "具有时间约束任务的无人机航迹规划方法", 《火力与指挥控制》 *
董世友等: "无人机航路规划的研究 ", 《飞行力学》 *
黄书捷: "无人机在高原山地环境下航摄轨迹的规划 ", 《城市勘测》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112346482A (zh) * 2020-11-25 2021-02-09 中国工程物理研究院总体工程研究所 飞行航线管理方法
CN112346482B (zh) * 2020-11-25 2023-03-03 中国工程物理研究院总体工程研究所 飞行航线管理方法
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
CN112947517A (zh) * 2021-02-03 2021-06-11 湖北三江航天红峰控制有限公司 一种可装订任意航迹点的飞行器航迹规划方法及装置
CN112947517B (zh) * 2021-02-03 2022-11-01 湖北三江航天红峰控制有限公司 一种可装订任意航迹点的飞行器航迹规划方法及装置
CN113568401A (zh) * 2021-05-30 2021-10-29 山东新一代信息产业技术研究院有限公司 一种机器人禁行区域规划方法、系统及机器人
CN113568401B (zh) * 2021-05-30 2024-04-16 山东新一代信息产业技术研究院有限公司 一种机器人禁行区域规划方法、系统及机器人
CN114415654A (zh) * 2021-12-01 2022-04-29 上海思岚科技有限公司 一种脱困路径的生成方法及设备
CN115200585A (zh) * 2022-07-08 2022-10-18 北斗伏羲中科数码合肥有限公司 基于空域网格的无人机航迹规划方法、装置及电子设备
CN115509240A (zh) * 2022-11-21 2022-12-23 合肥井松智能科技股份有限公司 一种基于可通行区域的路径规划方法
CN117630883A (zh) * 2023-11-30 2024-03-01 无锡中科光电技术有限公司 一种全波形可控的大气颗粒物监测激光雷达信号降噪方法、装置及介质

Similar Documents

Publication Publication Date Title
CN110514204A (zh) 航迹规划方法、装置、飞行器和计算机可读存储介质
US11262764B2 (en) Computer-implemented method and a system for defining a path for a vehicle within an environment with obstacles
CN106647769B (zh) 基于a*提取引导点的agv路径跟踪与避障协调方法
CN109115226B (zh) 基于跳点搜索的多机器人冲突避免的路径规划方法
CN108549385B (zh) 一种结合a*算法和vfh避障算法的机器人动态路径规划方法
CN110487279B (zh) 一种基于改进a＊算法的路径规划方法
CN109724612A (zh) 一种基于拓扑地图的agv路径规划方法及设备
CN110231824B (zh) 基于直线偏离度方法的智能体路径规划方法
CN109900289A (zh) 基于闭环控制的路径规划方法及装置
US20110310088A1 (en) Personalized navigation through virtual 3d environments
WO2023155371A1 (zh) 室内移动机器人的平稳移动全局路径规划方法
CN109540136A (zh) 一种多无人艇协同路径规划方法
CN111174798A (zh) 一种足式机器人路径规划方法
CN108444482A (zh) 一种无人机自主寻路避障方法及系统
CN109227533A (zh) 移动规划装置、移动机器人和移动规划程序
CN109363585A (zh) 分区遍历方法、清扫方法及其扫地机器人
CN109885891A (zh) 一种智能车gpu并行加速轨迹规划方法
CN109916421A (zh) 路径规划方法及装置
CN107943053A (zh) 一种移动机器人的路径规划方法
CN106647754A (zh) 一种果园履带机器人路径规划方法
CN108268042A (zh) 一种基于改进可视图构造的路径规划算法
CN106228819A (zh) 一种多交叉口的交通信号优化控制方法及装置
CN108827335A (zh) 一种基于单向搜索模型的最短路径规划方法
CN109374005B (zh) 一种基于船舶vr模型的船舶内部路径规划方法
Vemula et al. Path planning in dynamic environments with adaptive dimensionality

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191129