CN110658850A - 一种基于贪心策略的无人飞行器的航迹规划方法 - Google Patents

Abstract

本发明涉及一种基于贪心策略的无人飞行器的航迹规划方法，特别涉及导航计算领域。包括以下步骤：S1：获取原始数据集，并对所述原始数据集进行预处理得到降维数据集、出发点A、第一目的点B和水平度量d，所述预处理包括数据集可视化和数据降维处理；S2：从所述出发点A出发，依次沿着经过水平度量d排序的空间点集合X＝{x₁,x₂,…,x_t,x_t+1,…,x_n}X＝{x₁，x₂，...，x_t，x_t+1，...，x_n}进行遍历；S3：找到出发点A能访问到的最远的点x_t，并按序构建出一个所述出发点A能在满足约束条件下访问校正点的集合X'＝{x₁,x₂,…,x_t}。本方案解决了如何在系统定位精度限制下的进行航迹快速规划的技术问题，适用于飞行器航迹规划。

Description

一种基于贪心策略的无人飞行器的航迹规划方法

技术领域

本发明涉及导航计算领域，特别涉及一种基于贪心策略的无人飞行器的航迹规划方法。

背景技术

复杂环境下航迹的快速规划是无人飞行器控制的一个重要课题。由于系统结构限制，这类飞行器的定位系统无法对自身进行精准定位，一旦定位误差积累到一定程度可能导致任务失败。因此，在飞行过程中对定位误差进行校正是无人飞行器航迹规划中一项重要任务。

此外，在如今信息化、网络化、智能化的时代，无人智能飞行器的应用领域越来越广泛，其在农业耕作、抗灾救援、城市管理、地质勘探、视频拍摄、无人战争等领域中均有着非常重要的应用。因此，规划无人智能飞行器(甚至载人智能飞行器)的飞行路径、解决无人飞行器在飞行过程中的飞行误差是非常重要的。

对于任何无人飞行器，在进行任务飞行时均会对其进行一定的约束，包括飞行路径、飞行偏差校正、飞行的转弯半径、飞行距离等。因此，本发明的无人飞行器的航迹规划问题仍然需要在多方面进行约束。具体的飞行器的航迹约束可以简单概括为如下所示：

(1)智能飞行器在飞行过程中会产生飞行偏差。飞行器在空间飞行过程中需要实时定位，其定位误差包括垂直误差和水平误差。飞行器每飞行1m，垂直误差和水平误差将各增加δ个专用单位。到达终点时垂直误差和水平误差均应小于θ个单位。

(2)飞行器在飞行过程中需要对定位误差进行校正。首先，飞行区域中存在很多校正点，校正点的作用是用于对飞行的水平误差和垂直误差进行校正，且这些校正点在飞行任务开始前已经给出；其次，校正点校正之后，某一方向(水平或垂直)的误差会清零。

(3)飞行器在沿途飞行过程中的误差不能超过某个阈值。飞行器在沿途飞行的过程中，在经过下一个校正点之前，其水平误差和垂直误差不能超过某个阈值，超过阈值就不能使用该校准点进行校正。而且，在最后抵达目的地B时，其最后的水平误差和垂直误差不能超过θ个单位。

(4)飞行器的转弯半径会受到限制。飞行器在转弯时受到结构和控制系统的限制，无法完成即时转弯(飞行器前进方向无法突然改变)。这里假定飞行器的最小转弯半径是200m。

(5)由于天气等不可控因素，飞行器在飞行过程中使用的校正点可能会失效。这里假定部分校正点成功校正的概率为80％(即有20％的可能会校正失效)。如果校正失败，则校正后的剩余误差为min(校正前误差，5)个单位。

发明内容

本发明所要解决的技术问题是如何在系统定位精度限制下的进行航迹快速规划。

本发明解决上述技术问题的技术方案如下：一种基于贪心策略的无人飞行器的航迹规划方法，包括以下步骤：

S1：获取原始数据集，并对所述原始数据集进行预处理得到降维数据集、出发点A、第一目的点B和水平度量d，所述预处理包括数据集可视化和数据降维处理；

S2：从所述出发点A出发，依次沿着经过水平度量d排序的空间点集合X＝{x₁,x₂,…,x_t,x_t+1,…,x_n}X＝{x₁，x₂，...，x_t，x_t+1，...，x_n}进行遍历；

S3：找到出发点A能访问到的最远的点x_t，并按序构建出一个所述出发点A能在满足约束条件下访问校正点的集合X'＝{x₁,x₂,…,x_t}；

S4：从所述集合X'中逆序取出校正点x_t作为新的出发点，并从t+1～n依次遍历x_t能访问结点的新集合,若x_t所生成的集合为空，则将集合X'中x_t-1作为新的出发点，按上述方式递归地进行求解，直至抵达第一目的点B，或除所述集合X以外，所有新构建的集合都为空时得到出发点A到第一目的点B的路径；

S5：获取第二目的点C，飞行器在所述第一目的点B处转弯后飞到所述第二目的点C，飞行器在所述第一目的点B处的最小转弯圆O的半径R通过下列公式获得：

S6：当所述半径R≥200时，执行下一步骤；

S7：确定圆O的圆心Q(x,y,z)；

S8：确定飞行器沿所述圆O飞出的切点E和飞行的弧长BE，得到第一目的点B到第二目的点C的路径；

S9：根据下列公式计算每条所述路径的最大通过率Q：

其中，qi指的是根据水平度量d排序后的第i个点的通过率，Xi则指的是对应的路径中的每个校正点；

S10：选择最大通过率Q最高的路径作为最终路径。

本发明的有益效果是：通过对数据集进行降维处理，减少了算法的复杂度，从而加快了规划速度，后续步骤找出飞行器的最短航迹，实现了系统定位精度限制下的进行航迹快速规划。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，步骤S1具体包括：

S11：获取原始数据集；

S12：将所述原始数据集在三维空间中进行可视化；

S13：获取出发点A和第一目的点B，根据所述A和所述B得到AB直线；

S14：根据所述直线AB得到水平度量d和垂直度量r，其中，在所述三维空间中任取一点作为点P，所述垂直度量r为所述点P到所述直线AB的距离，取所述点P与所述直线AB的垂直相交的交点为点S，所述水平度量d为从所述出发点A到所述点S的距离；

S15：将所述垂直度量r作为超参数r，在贪心算法中被学习、设置，并剔除在所述三维空间中，到直线AB的距离超过超参数r的点；

S16：去除额外的不可能点得到降维数据集，所述不可能点包括不可能点P₁和不可能点P₂，所述不可能点P₁满足下列公式：

AP₁×AB≤0；

所述不可能点P₂的水平度量d1满足下列公式：

d1≥|AB|。

采用上述进一步方案的有益效果是，通过将原始数据集在三维空间中可视化，直观的去除离AB直线较远的点，再删除两种不可能点，实现对原始数据集的降维。

进一步，步骤S15中，所述超参数r＝10000。

采用上述进一步方案的有益效果是，设置r＝10000时，剔除数据，即降维的作用较好，能够得到较好的结果。

进一步，步骤S7具体包括：

S71：根据下列公式确定出ABC平面方程的公式为a×x+b×y+c×z+d＝0：

d＝-(a×A.x+b×A.y+c×A.z)

其中，点O在平面ABC上；AB向量垂直于OB向量；OB的距离为200；

S72：根据下列公式确定圆O的圆心Q(x,y,z)：

进一步，步骤S8具体为：

S81：根据下列公式确定所述切点E(x,y,z)：

其中，点E在平面ABC上，OE向量垂直于CE向量，OE的距离为200；

S82：根据所述切点E得到所述弧长BE，得到第一目的点B到第二目的点C的路径。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明基于贪心策略的无人飞行器的航迹规划方法的实施例的AB直线周围数据分布图；

图2为本发明基于贪心策略的无人飞行器的航迹规划方法的其它实施例的数据集降维后的效果图(r＝10000)；

图3为本发明基于贪心策略的无人飞行器的航迹规划方法的其它实施例的垂直度量r与水平度量d示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

本实施例中基于贪心策略的无人飞行器的航迹规划方法，包括以下步骤：如附图1和附图2所示：

S1：获取原始数据集，并对原始数据集进行预处理得到降维数据集、出发点A、第一目的点B和水平度量d，预处理包括数据集可视化和数据降维处理；

S2：从出发点A出发，依次沿着经过水平度量d排序的空间点集合X＝{x₁,x₂,…,x_t,x_t+1,…,x_n}X＝{x₁，x₂，...，x_t，x_t+1，...，x_n}进行遍历；

S3：找到出发点A能访问到的最远的点x_t，并按序构建出一个出发点A能在满足约束条件下访问校正点的集合X'＝{x₁,x₂,…,x_t}；

S4：从集合X'中逆序取出校正点x_t作为新的出发点，并从t+1～n依次遍历x_t能访问结点的新集合,本实施例中，n是降维之后的总的数据点的数量，而且Xn是水平度量d最大的点；若x_t所生成的集合为空，则将集合X'中x_t-1作为新的出发点，按上述方式递归地进行求解，直至抵达第一目的点B，或除集合X以外，所有新构建的集合都为空时得到出发点A到第一目的点B的路径；

S5：获取第二目的点C，飞行器在第一目的点B处转弯后飞到第二目的点C，飞行器在第一目的点B处的最小转弯圆O的半径R通过下列公式获得：

S6：当半径R≥200时，执行下一步骤；

S7：确定圆O的圆心Q(x,y,z)；

S8：确定飞行器沿圆O飞出的切点E和飞行的弧长BE，得到第一目的点B到第二目的点C的路径；

S9：根据下列公式计算每条路径的最大通过率Q：

其中，qi指的是根据水平度量d排序后的第i个点的通过率(本点能够成功导航的概率)，Xi则指的是对应的路径中的每个校正点，本公式不代表具体的计算，代表的是宏观概率；

S10：选择最大通过率Q最高的路径作为最终路径。

本发明的有益效果是：通过对数据集进行降维处理，减少了算法的复杂度，从而加快了规划速度，后续步骤找出飞行器的最短航迹，实现了系统定位精度限制下的进行航迹快速规划。

在上述技术方案的基础上，本发明还可以做如下改进。

可选的，在一些其它实施例中，步骤S1具体包括：

S11：获取原始数据集；

S12：将原始数据集在三维空间中进行可视化；

S13：获取出发点A和第一目的点B，根据A和B得到AB直线；

S14：如附图3所示，根据直线AB得到水平度量d和垂直度量r，其中，在三维空间中任取一点作为点P，垂直度量r为点P到直线AB的距离，取点P与直线AB的垂直相交的交点为点S，水平度量d为从出发点A到点S的距离，本实施例中可以通过下列公式计算水平度量d：

通过下列公式计算垂直度量r：

S15：将垂直度量r作为超参数r，在贪心算法中被学习、设置，并剔除在三维空间中，到直线AB的距离超过超参数r的点；

S16：去除额外的不可能点得到降维数据集，不可能点包括不可能点P₁和不可能点P₂，不可能点P₁满足下列公式：

AP₁×AB≤0；

不可能点P₂的水平度量d1满足下列公式：

d1≥|AB|。

通过将原始数据集在三维空间中可视化，直观的去除离AB直线较远的点，再删除两种不可能点，实现对原始数据集的降维。

可选的，在一些其它实施例中，步骤S15中，超参数r＝10000。

设置r＝10000时，剔除数据，即降维的作用较好，能够得到较好的结果。

可选的，在一些其它实施例中，步骤S7具体包括：

S71：根据下列公式确定出ABC平面方程的公式为a×x+b×y+c×z+d＝0：

d＝-(a×A.x+b×A.y+c×A.z)

其中，点O在平面ABC上；AB向量垂直于OB向量；OB的距离为200；

S72：根据下列公式确定圆O的圆心Q(x，y，z)：

可选的，在一些其它实施例中，步骤S8具体为：

S81：根据下列公式确定切点E(x，y，z)：

其中，点E在平面ABC上，OE向量垂直于CE向量，OE的距离为200；

S82：根据切点E得到弧长BE，得到第一目的点B到第二目的点C的路径。

需要说明的是，上述各实施例是与上述各方法实施例对应的产品实施例，对于本实施例中各结构装置及可选实施方式的说明可以参考上述各方法实施例中的对应说明，在此不再赘述。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于贪心策略的无人飞行器的航迹规划方法，其特征在于，包括：

S1：获取原始数据集，并对所述原始数据集进行预处理得到降维数据集、出发点A、第一目的点B和水平度量d，所述预处理包括数据集可视化和数据降维处理；

S2：从所述出发点A出发，依次沿着经过水平度量d排序的空间点集合X＝{x₁,x₂,…,x_t,x_t+1,…,x_n}X＝{x₁，x₂，…，x_t，x_t+1，…，x_n}进行遍历；

S3：找到出发点A能访问到的最远的点x_t，并按序构建出一个所述出发点A能在满足约束条件下访问校正点的集合X'＝{x₁,x₂,…,x_t}；

S4：从所述集合X'中逆序取出校正点x_t作为新的出发点，并从t+1～n依次遍历x_t能访问结点的新集合,若x_t所生成的集合为空，则将集合X'中x_t-1作为新的出发点，按上述方式递归地进行求解，直至抵达第一目的点B，或除所述集合X以外，所有新构建的集合都为空时得到出发点A到第一目的点B的路径；

S5：获取第二目的点C，飞行器在所述第一目的点B处转弯后飞到所述第二目的点C，飞行器在所述第一目的点B处的最小转弯圆O的半径R通过下列公式获得：

S6：当所述半径R≥200时，执行下一步骤；

S7：确定圆O的圆心Q(x,y,z)；

S8：确定飞行器沿所述圆O飞出的切点E和飞行的弧长BE，得到第一目的点B到第二目的点C的路径；

S9：根据下列公式计算每条所述路径的最大通过率Q：

其中，qi指的是根据水平度量d排序后的第i个点的通过率，Xi则指的是对应的路径中的每个校正点；

S10：选择最大通过率Q最高的路径作为最终路径。

2.根据权利要求1所述的基于贪心策略的无人飞行器的航迹规划方法，其特征在于：

步骤S1具体包括：

S11：获取原始数据集；

S12：将所述原始数据集在三维空间中进行可视化；

S13：获取出发点A和第一目的点B，根据所述A和所述B得到AB直线；

S14：根据所述直线AB得到水平度量d和垂直度量r，其中，在所述三维空间中任取一点作为点P，所述垂直度量r为所述点P到所述直线AB的距离，取所述点P与所述直线AB的垂直相交的交点为点S，所述水平度量d为从所述出发点A到所述点S的距离；

S15：将所述垂直度量r作为超参数r，在贪心算法中被学习、设置，并剔除在所述三维空间中，到直线AB的距离超过超参数r的点；

S16：去除额外的不可能点得到降维数据集，所述不可能点包括不可能点P₁和不可能点P₂，所述不可能点P₁满足下列公式：

AP₁×AB≤0；

所述不可能点P₂的水平度量d1满足下列公式：

d1≥|AB|。

3.根据权利要求1所述的基于贪心策略的无人飞行器的航迹规划方法，其特征在于：步骤S15中，所述超参数r＝10000。

4.根据权利要求1所述的基于贪心策略的无人飞行器的航迹规划方法，其特征在于：

步骤S7具体包括：

S71：根据下列公式确定出ABC平面方程的公式为a×x+b×y+c×z+d＝0：

d＝-(a×A.x+b×A.y+c×A.z)

其中，点O在平面ABC上；AB向量垂直于OB向量；OB的距离为200；

S72：根据下列公式确定圆O的圆心Q(x，y，z)：

5.根据权利要求1所述的基于贪心策略的无人飞行器的航迹规划方法，其特征在于：

步骤S8具体为：

S81：根据下列公式确定所述切点E(x，y，z)：

其中，点E在平面ABC上，OE向量垂直于CE向量，OE的距离为200；

S82：根据所述切点E得到所述弧长BE，得到第一目的点B到第二目的点C的路径。

Images