CN111024080A - 一种无人机群对多移动时敏目标侦察路径规划方法 - Google Patents
一种无人机群对多移动时敏目标侦察路径规划方法 Download PDFInfo
- Publication number
- CN111024080A CN111024080A CN201911209734.XA CN201911209734A CN111024080A CN 111024080 A CN111024080 A CN 111024080A CN 201911209734 A CN201911209734 A CN 201911209734A CN 111024080 A CN111024080 A CN 111024080A
- Authority
- CN
- China
- Prior art keywords
- cell
- grid
- rec
- aerial vehicle
- unmanned aerial
- 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.)
- Granted
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机群对多移动时敏目标侦察路径规划方法,它包括如下步骤,步骤1:侦察区域地图环境构建;步骤2:初始搜索区域单元构建;步骤3:搜索区域在线扩张;步骤4:终止条件;步骤5:无人机航线输出;步骤6:目标更新,如果目标链表中所有目标均已规划完毕,则任务完成,结束;否则从目标链表中取出下一目标G,继续步骤7;步骤7:新目标与已搜索区域相交性判断;步骤8:已搜索区域信息更新。其优点是:它针对任务区域内多个移动时敏目标进行侦察任务的路径规划方法,能够满足大范围且较高精度下无人机航路规划的实时性要求,并具备对移动时敏目标的动态追踪和最快抵达,从而提高群体智能无人系统协同任务效率。
Description
技术领域
本发明属于航空电子技术领域,具体涉及一种无人机群对多个移动时敏目标进行侦察路径规划方法。
背景技术
无人机具有的部署快、成本低、隐蔽性强、功能多样灵活、人员伤亡小等诸多优点,无人机将成为未来空中侦察力量的重要组成部分,其承担的侦察任务也愈发重要和复杂。集群侦察是未来无人机的重要发展方向和主要运用方式,在区域侦察任务中,协同侦察的无人机群能够实现对任务区域的全覆盖、多目标、多维度的情报收集,从而大大提高我方信息优势。
路径规划是无人机群执行侦察任务的重要环节,直接决定了无人机群在突防抵近目标阶段的安全性、隐蔽性和时效性,对机群侦察任务效果有重要影响。目前已有不少提高路径规划效率的方法,例如在线平衡性消解方法和离线区域分割方法,这些方法在其特定领域取得了较好的效果,但是难以满足无人机群对多个移动时敏目标侦察场景下的路径规划需求,主要体现在:第一,无人机侦察任务通常任务区域范围大且路径精度要求高,这使得大部分在线方法的解空间规模十分庞大,所需的运算/存储/时间资源难以承受,而离线地图处理方法虽然能够大大降低解空间规模,但是动态适应性差,难以解决任务区域快节奏化变化带来的地图环境频繁更新问题;第二,重要的时敏目标通常会具备一定的机动-转移策略,规划问题的属性从一维的空间规划问题变为二维的时间-空间联合规划问题,规划目的不再是“对固定目标的最近路径”而是“对移动时敏目标的最快路径”,问题复杂度大大提高;第三,为提高协同侦察效果,经常需要对任务区域内多个目标一起执行侦察任务,现有路径规划方法大多只能通过多次独立重复规划来应对多目标问题,其规划时间随无人机群和目标群规模线性膨胀,难以满足大规模多目标任务的实时性要求。
发明内容
本发明的目的是提供一种无人机群对多移动时敏目标侦察路径规划方法,它针对任务区域内多个移动时敏目标进行侦察任务的路径规划方法,能够满足大范围且较高精度下无人机航路规划的实时性要求,并具备对移动时敏目标的动态追踪和最快抵达,在大规模多目标侦察任务中,能够通过增量式信息重用来提高集群任务规划的总时间,从而提高群体智能无人系统协同任务效率。
本发明的技术方案如下:一种无人机群对多移动时敏目标侦察路径规划方法,它包括如下步骤,
步骤1:侦察区域地图环境构建;
步骤2:初始搜索区域单元构建;
步骤3:搜索区域在线扩张;
步骤4:终止条件;
步骤5:无人机航线输出;
步骤6:目标更新,如果目标链表中所有目标均已规划完毕,则任务完成,结束;否则从目标链表中取出下一目标G,继续步骤7;
步骤7:新目标与已搜索区域相交性判断;
步骤8:已搜索区域信息更新。
所述的步骤1包括如下步骤,
(1)工作剖面选取
选取无人机任务预定飞行高度为Huav所在的水平面作为无人机集群工作剖面αuav,无人机群工作剖面αuav与任务区域地形障碍或者对方有效防空区域的相交部分为无人机的禁飞区;
(2)规划空间栅格化
对无人机群工作剖面αuav进行栅格化处理,栅格为正方形,栅格大小LCell取决于侦察任务对无人机航迹精度的要求,Cell(x,y)表示位于第y行第x列的那个栅格区域,0<x≤colnum,0<y≤rownum,其中,colnum为任务区域栅格化后的总列数,rownum为总行数,如果Cell(x,y)与无人机的禁飞区有交集,则对整个Cell(x,y)栅格标记为“不可通行”;
所述的步骤2包括如下,
(1)初始搜索区域确定
选取无人机群起始点所在栅格为起始栅格S,以起始栅格S构建初始矩形通行区域单元,起始栅格S沿所在的行进行横向延伸,直到遭遇“不可通行”栅格或者达到地图边界而停止,形成一条横轴;对该横轴在纵向上进行扫描,直到遭遇“不可通行”栅格或者达到任务区域边界而停止,扫描过程所遍历的栅格单元集合在无人机群工作剖面αuav上组成了一个矩形,扫描产生的每个矩形区域单元拥有唯一的ID,该ID数值为该矩形区域单元的诞生次序初始为0,矩形区域单元内部的每个栅格有一个REC_ID属性参数,等于该栅格所在的矩形单元的ID。前述的第一个矩形区域单元(由起始栅格S产生)为REC0,将其作为初始搜索区域,其边界上的栅格REC_ID标记为0,表示这些栅格隶属于初始搜索区域REC0;
(2)基于矩形单元节点的移动目标启发式代价计算
初始搜索区域REC0的外侧存在若干与其它可通行区域相连接的门户出口,由一行(或者一列)的若干栅格组成,其中,某个门户线段为[Cell1(x1,y1),Cell2(x2,y2)],则该段的中点栅格Cellm(xm,ym)计算方法:
其中,floor()为取整函数,可采用向下取整或者向上取整;其中,x1,y1为栅格Cell1(x1,y1)所在的列数和行数,x2,y2为栅格Cell2(x2,y2)所在的列数和行数;
对于任意两个栅格Cella(xa,ya)和Cellb(xb,yb),其octile距离计算方法为:
octile(Cella,Cellb)=(1.414×|Δx-Δy|+min{Δx,Δy})×LCell
其中,Δx=|x1-x2|,Δy=|y1-y2|,栅格Cellm的已估计代价为:
Cellm.gval=octile(S,Cellm)
此时,起始栅格S记为Cellm的父代栅格;
无人机飞行速度为Vuav,无人机起飞时刻为时间原点(t=0),运动目标G在t时刻位于栅格G(t),栅格Cellm的一阶总启发式代价为:
Cellm.hval=octile(Cellm,G(Cellm.gval/Vuav))
栅格Cellm的总代价估计值为:
Cellm.fval=Cellm.gval+Cellm.hval
初始搜索区域单元REC0共有M0个门户,如果M0为0,则表示REC0为封闭区域,此时目标G必须位于REC0才有可行解,详见“终止条件”,搜索区域单元REC0的总估计代价为:
REC0.fval=min{Cellmi.fval|1≤i≤M0}
(3)搜索树更新
将REC0作为第一个搜索单元,放入待搜索单元链表Openlist初始为空表,Openlist为有序链表,按照其中搜索单元总估计代价fval值从小到大排列;
将REC0作为第一个搜索区域,放入搜索单元数组REC_list初始为空数组,REC_list无需排序,新元素直接添加在尾部,数组每个元素为该矩形搜索区域的位置、大小和门户位置信息;
所述的步骤3包括如下,
(1)搜索区域扩展
对Openlist排序,选取具有最小总估计代价fval值的搜索单元,记为当前最优搜索单元RECopt,RECopt的每个门户向RECopt外侧进行扫描,直到遭遇“不可通行”栅格或者达到地图边界而停止或者遭遇某个已存在区域单元,形成若干新的搜索区域,依次加入搜索区域数组REC_list尾部,并为新搜索区域边界栅格标记REC_ID值;
(2)路径信息传播
所有尚未被访问的栅格,其已估计代价gval视为+∞。对任意栅格Cella和Cellb,如果Cella已被访问,且Cella和Cellb之间满足:
Cella.gval+octile(Cella,Cellb)>Cellb.gval
则令Cellb.gval=Cella.gval+octile(Cella,Cellb),并称栅格Cellb被栅格Cella更新,且栅格Cella为Cellb的父代栅格,
RECopt利用自身信息更新所产生的所有新搜索区域单元,某个新产生的某个搜索区域单元记为RECnew,首先,RECopt和RECnew连接处,RECopt门户段的中心栅格Cellm(xm,ym)更新新搜索区域单元RECnew的对应门户段中心栅格然后
如果RECopt与某现有搜索区域单元紧邻,则首先为该搜索区域单元增加一个新的门户段,然后新门户段更新原搜索区域单元的其它门户段,RECnew的总估计代价为:
其中,Mnew为RECnew所包含对外门户段的总数;
(3)搜索树更新
RECopt放入已搜索单元链表Closelist,Closelist无需排序,与Openlist一起代表了所有已访问区域,本次迭代所产生的所有新搜索区域单元放入待搜索单元链表Openlist,如果则当前算例条件不存在可行路径。
所述的步骤4包括如下,
(1)时空相交性判断
无人机抵达RECnew区域的最早时间和最晚时间,计算方法:
如果目标预测轨迹在该时间段与该区间有交集,即:
则进行终止条件判断。
(2)终止条件判断
栅格CellM与栅格CellN之间的正则化octile路径是指从栅格CellM出发,先沿45°方向移动至栅格CellN同一行(或同一列),然后横向(或纵向)移动至栅格CellN的那一条特定路径,记π={π1,π2……πK},其中πi为依次经过的路径栅格,K为路径序列的栅格总数,
无人机所携带侦查载荷的工作半径为RD,判断是否获得最优路径的方法具体如下:
2)令i=1;
4)如果3)不成立,则i=i+1;
6)如果G(πi.gval/Vuav)≠G(πi-1.gval/Vuav),且G(πi.gval/Vuav)∈RECnew,则生成πi与G(πi.gval/Vuav)之间的正则化octile路径,代替π,然后跳转至2);
7)如果G(πi.gval/Vuav)==G(πi-1.gval/Vuav),则然后跳转至3)。
所述的步骤5包括如下,
所述的步骤7包括如下,
假设上一任务保留的排序Openlist中,搜索单元的总代价fval最大值为fvalmax,假设从栅格G(0)依次遍历至栅格G(fvalmax/Vuav),与已搜索区域的交集为N为所经过的已有搜索单元总数,
如果目标预测轨迹在该时间段与该区间没有交集,即:
则跳转至步骤8;否则,k=0,然后跳转至2);
2)如果k==Mj,则j=j+1,跳转至1);否则k=k+1;
4)令i=1;
5)如果octile(πi,G(πi.gval/Vuav))<RD,则无需规划可直接确定无人机可以在栅格πi处捕获目标,生成任务航路,并跳转至步骤6,其中
6)如果5)不成立,则i=i+1;
9)如果G(πi.gval/Vuav)==G(πi-1.gval/Vuav),则然后跳转至5)。
所述的步骤8包括如下,如果步骤7中,未直接获得针对新目标的最优路径,则根据新目标轨迹信息,更新待搜索单元链表Openlist,
Openlist中任一搜索单元REC的所属门户段总估计代价:
其中,MREC为REC的所属门户段总数,
搜索单元REC总估计代价:
根据更新后的总估计代价fval,重新排序Openlist,然后跳转至步骤2进行新的动态时敏目标侦察航迹规划。
本发明的有益效果在于:(1)本发明提出了一种新的在线区域规划方法,在保持规划精度情况下,对地图环境进行在线区域单元分割,并选取关键的门户栅格代表整个区域。只需对关键的门户栅格进行信息更新而跳过大部分冗余区域,从而在不损失规划精度情况下大大降低解空间复杂度,提高无人机大范围侦察任务的规划速度;(2)给出了目标运动情况下,满足一致性条件的启发式代价计算方法,从而获得对移动时敏目标的追踪规划能力,给出了目标轨迹与搜索单元的时-空相交性判定条件和基于“反向目标迭代”的“最快”轨迹确定方法;(3)提出了增量式信息重用机制,给出了对已搜索区域的信息保留、更新和重用方法。当无人机群执行多目标侦察路径规划时,排序靠后的规划任务可以直接重复利用并且跳过其它任务已访问和搜索的区域,甚至可能无需规划直接获取最优路径,从而大大提高了大规模多目标侦察规划的效率。
附图说明
图1为本发明所提供的一种无人机群对多移动时敏目标侦察路径规划方法效果示意图。
具体实施方式
下面结合附图,以本发明技术方案为前提,给出详细的实施方式和具体的操作过程,本领域技术人员能够理解和实施,但本发明的保护范围不限于下述的实例。
一种无人机群对多移动时敏目标侦察路径规划方法,包括如下步骤:
步骤1:侦察区域地图环境构建
(1)工作剖面选取
选取无人机任务预定飞行高度为Huav所在的水平面作为无人机集群工作剖面αuav,无人机群工作剖面αuav与任务区域地形障碍或者对方有效防空区域的相交部分为无人机的禁飞区。
(2)规划空间栅格化
对无人机群工作剖面αuav进行栅格化处理,栅格为正方形,栅格大小LCell取决于侦察任务对无人机航迹精度的要求,Cell(x,y)表示位于第y行第x列的那个栅格区域,0<x≤colnum,0<y≤rownum,其中,colnum为任务区域栅格化后的总列数,rownum为总行数,如果Cell(x,y)与无人机的禁飞区有交集,则对整个Cell(x,y)栅格标记为“不可通行”。
步骤2:初始搜索区域单元构建
(1)初始搜索区域确定
选取无人机群起始点所在栅格为起始栅格S,以起始栅格S构建初始矩形通行区域单元,起始栅格S沿所在的行进行横向延伸,直到遭遇“不可通行”栅格或者达到地图边界而停止,形成一条横轴;对该横轴在纵向上进行扫描,直到遭遇“不可通行”栅格或者达到任务区域边界而停止,扫描过程所遍历的栅格单元集合在无人机群工作剖面αuav上组成了一个矩形。其中,横向与纵向扫描的顺序可以自由确定,不影响后续的结果。扫描产生的每个矩形区域单元拥有唯一的ID,该ID数值为该矩形区域单元的诞生次序(初始为0),矩形区域单元内部的每个栅格有一个REC_ID属性参数,等于该栅格所在的矩形单元的ID。前述的第一个矩形区域单元(由起始栅格S产生)为REC0,其边界上的栅格REC_ID标记为0,表示这些栅格隶属于初始搜索区域REC0。
(2)基于矩形单元节点的移动目标启发式代价计算
初始搜索区域REC0的外侧存在若干与其它可通行区域相连接的门户出口,由一行(或者一列)的若干栅格组成,其中,某个门户线段为[Cell1(x1,y1),Cell2(x2,y2)],则该段的中点栅格Cellm(xm,ym)计算方法:
其中,floor()为取整函数,可采用向下取整或者向上取整;其中,x1,y1为栅格Cell1(x1,y1)所在的列数和行数,x2,y2为栅格Cell2(x2,y2)所在的列数和行数。
对于任意两个栅格Cella(xa,ya)和Cellb(xb,yb),其octile距离计算方法为:
octile(Cella,Cellb)=(1.414×|Δx-Δy|+min{Δx,Δy})×LCell
其中,Δx=|x1-x2|,Δy=|y1-y2|,栅格Cellm的已估计代价为:
Cellm.gval=octile(S,Cellm)
此时,起始栅格S记为Cellm的父代栅格。
无人机飞行速度为Vuav,无人机起飞时刻为时间原点(t=0),运动目标G在t时刻位于栅格G(t),栅格Cellm的一阶总启发式代价为:
Cellm.hval=octile(Cellm,G(Cellm.gval/Vuav))
栅格Cellm的总代价估计值为:
Cellm.fval=Cellm.gval+Cellm.hval
初始搜索区域单元REC0共有M0个门户(如果M0为0,则表示REC0为封闭区域,此时目标G必须位于REC0才有可行解,详见“终止条件”)。搜索区域单元REC0的总估计代价为:
REC0.fval=min{Cellmi.fval|1≤i≤M0}
(3)搜索树更新
将REC0作为第一个搜索单元,放入待搜索单元链表Openlist(初始为空表)。Openlist为有序链表,按照其中搜索单元总估计代价fval值从小到大排列。
将REC0作为第一个搜索区域,放入搜索单元数组REC_list(初始为空数组)。REC_list无需排序,新元素总是直接添加在尾部。数组每个元素为该矩形搜索区域的位置、大小和门户位置信息,该信息具体形式不限,其数据结构可自由设定,不影响本发明的特征。
步骤3:搜索区域在线扩张
(1)搜索区域扩展
对Openlist排序,选取具有最小总估计代价fval值的搜索单元,记为当前最优搜索单元RECopt。RECopt的每个门户向RECopt外侧进行扫描,直到遭遇“不可通行”栅格或者达到地图边界而停止或者遭遇某个已存在区域单元,形成若干新的搜索区域,依次加入搜索区域数组REC_list尾部,并为新搜索区域边界栅格标记REC_ID值(等于添加该搜索区域之前的REC_list实际元素数量)。
(2)路径信息传播
所有尚未被访问的栅格,其已估计代价gval视为+∞。对任意栅格Cella和Cellb,如果Cella已被访问,且Cella和Cellb之间满足:
Cella.gval+octile(Cella,Cellb)<Cellb.gval
则令Cellb.gval=Cella.gval+octile(Cella,Cellb),并称栅格Cellb被栅格Cella更新,且栅格Cella为Cellb的父代栅格。
RECopt利用自身信息更新所产生的所有新搜索区域单元。假设某个新产生的某个搜索区域单元记为RECnew,首先,RECopt和RECnew连接处,RECopt门户段的中心栅格Cellm(xm,ym)更新新搜索区域单元RECnew的对应门户段中心栅格然后更新搜索区域单元RECnew的其它门户段,即:
如果RECopt与某现有搜索区域单元紧邻,则首先为该搜索区域单元增加一个新的门户段(两单元交接部分),然后新门户段尝试更新原搜索区域单元的其它门户段。RECnew的总估计代价为:
其中Mnew为RECnew所包含对外门户段的总数。
(3)搜索树更新
RECopt放入已搜索单元链表Closelist(初始为空表)。Closelist无需排序,与Openlist一起代表了所有已访问区域。
本次迭代所产生的所有新搜索区域单元放入待搜索单元链表Openlist(如果被更新的搜索区域单元原本处于已搜索单元链表Closelist,则将其移入Openlist)。
步骤4:终止条件
(1)时空相交性判断
无人机抵达RECnew区域的最早时间和最晚时间,计算方法:
如果目标预测轨迹在该时间段与该区间有交集,即:
则进行终止条件判断。
(2)终止条件判断
栅格CellM与栅格CellN之间的正则化octile路径是指从栅格CellM出发,先沿45°方向移动至栅格CellN同一行(或同一列),然后横向(或纵向)移动至栅格CellN的那一条特定路径,记π={π1,π2……πK},其中πi为依次经过的路径栅格,K为路径序列的栅格总数。
无人机所携带侦查载荷的工作半径为RD,判断是否获得最优路径的方法具体如下:
2)令i=1;
4)如果3)不成立,则i=i+1;
6)如果G(πi.gval/Vuav)≠G(πi-1.gval/Vuav),且G(πi.gval/Vuav)∈RECnew,则生成πi与G(πi.gval/Vuav)之间的正则化octile路径,代替π,然后跳转至2);
7)如果G(πi.gval/Vuav)==G(πi-1.gval/Vuav),则然后跳转至3);
步骤5:无人机航线输出
步骤6:目标更新
如果目标链表中所有目标均已规划完毕,则任务完成,结束;否则从目标链表中取出下一目标G,继续步骤7。
步骤7:新目标与已搜索区域相交性判断
假设上一任务保留的排序Openlist中,搜索单元的总代价fval最大值为fvalmax。假设从栅格G(0)依次遍历至栅格G(fvalmax/Vuav),与已搜索区域的交集(区域单元集合)为N为所经过的已有搜索单元总数。
如果目标预测轨迹在该时间段与该区间没有交集,即:
则跳转至步骤8;否则,k=0,然后跳转至2);
2)如果k==Mj,则j=j+1,跳转至1);否则k=k+1;
4)令i=1;
5)如果octile(πi,G(πi.gval/Vuav))<RD,则无需规划可直接确定无人机可以在栅格πi处捕获目标,如图1中目标2,生成任务航路,并跳转至Step 6。其中
6)如果5)不成立,则i=i+1;
9)如果G(πi.gval/Vuav)==G(πi-1.gval/Vuav),则然后跳转至5);
步骤8:已搜索区域信息更新
如果步骤7中,未直接获得针对新目标的最优路径,则根据新目标轨迹信息,更新待搜索单元链表Openlist。
Openlist中任一搜索单元REC的所属门户段总估计代价:
其中MREC为REC的所属门户段总数。
搜索单元REC总估计代价:
根据更新后的总估计代价fval,重新排序Openlist。然后跳转至Step 2进行新的动态时敏目标侦察航迹规划,但是由于搜索单元数组REC_list、待搜索单元链表Openlist和已搜索单元链表Closelist继续有效,如图1中目标3,所有已搜索区域不需要被新搜索任务重新访问,实现信息重用和规划速度提高。
Claims (8)
1.一种无人机群对多移动时敏目标侦察路径规划方法,其特征在于:它包括如下步骤,
步骤1:侦察区域地图环境构建;
步骤2:初始搜索区域单元构建;
步骤3:搜索区域在线扩张;
步骤4:终止条件;
步骤5:无人机航线输出;
步骤6:目标更新,如果目标链表中所有目标均已规划完毕,则任务完成,结束;否则从目标链表中取出下一目标G,继续步骤7;
步骤7:新目标与已搜索区域相交性判断;
步骤8:已搜索区域信息更新。
2.如权利要求1所述的一种无人机群对多移动时敏目标侦察路径规划方法,其特征在于:所述的步骤1包括如下步骤,
(1)工作剖面选取
选取无人机任务预定飞行高度为Huav所在的水平面作为无人机集群工作剖面αuav,无人机群工作剖面αuav与任务区域地形障碍或者对方有效防空区域的相交部分为无人机的禁飞区;
(2)规划空间栅格化
对无人机群工作剖面αuav进行栅格化处理,栅格为正方形,栅格大小LCell取决于侦察任务对无人机航迹精度的要求,Cell(x,y)表示位于第y行第x列的那个栅格区域,如果Cell(x,y)与无人机的禁飞区有交集,则对整个Cell(x,y)栅格标记为“不可通行”。
3.如权利要求1所述的一种无人机群对多移动时敏目标侦察路径规划方法,其特征在于:所述的步骤2包括如下,
(1)初始搜索区域确定
选取无人机群起始点所在栅格为起始栅格S,以起始栅格S构建初始矩形通行区域单元,起始栅格S沿所在的行进行横向延伸,直到遭遇“不可通行”栅格或者达到地图边界而停止,形成一条横轴;对该横轴在纵向上进行扫描,直到遭遇“不可通行”栅格或者达到任务区域边界而停止,扫描过程所遍历的栅格单元集合在无人机群工作剖面αuav上组成了一个矩形,扫描产生的每个矩形区域单元拥有唯一的ID,该ID数值为该矩形区域单元的诞生次序初始为0,矩形区域单元内部的每个栅格有一个REC_ID属性参数,等于该栅格所在的矩形单元的ID,前述的第一个矩形区域单元(由起始栅格S产生)为REC0,其边界上的栅格REC_ID标记为0,表示这些栅格隶属于初始搜索区域REC0;
(2)基于矩形单元节点的移动目标启发式代价计算
初始搜索区域REC0的外侧存在若干与其它可通行区域相连接的门户出口,由一行(或者一列)的若干栅格组成,其中,某个门户线段为[Cell1(x1,y1),Cell2(x2,y2)],则该段的中点栅格Cellm(xm,ym)计算方法:
其中,floor()为取整函数,可采用向下取整或者向上取整;其中,x1,y1为栅格Cell1(x1,y1)所在的列数和行数,x2,y2为栅格Cell2(x2,y2)所在的列数和行数;
对于任意两个栅格Cella(xa,ya)和Cellb(xb,yb),其octile距离计算方法为:
octile(Cella,Cellb)=(1.414×|Δx-Δy|+min{Δx,Δy})×LCell
其中,Δx=|x1-x2|,Δy=|y1-y2|,栅格Cellm的已估计代价为:
Cellm.gval=octile(S,Cellm)
此时,起始栅格S记为Cellm的父代栅格;
无人机飞行速度为Vuav,无人机起飞时刻为时间原点(t=0),运动目标G在t时刻位于栅格G(t),栅格Cellm的一阶总启发式代价为:
Cellm.hval=octile(Cellm,G(Cellm.gval/Vuav))
栅格Cellm的总代价估计值为:
Cellm.fval=Cellm.gval+Cellm.hval
初始搜索区域单元REC0共有M0个门户,如果M0为0,则表示REC0为封闭区域,搜索区域单元REC0的总估计代价为:
REC0.fval=min{Cellmi.fval|1≤i≤M0}
(3)搜索树更新
将REC0作为第一个搜索单元,放入待搜索单元链表Openlist初始为空表,Openlist为有序链表,按照其中搜索单元总估计代价fval值从小到大排列;
将REC0作为第一个搜索区域,放入搜索单元数组REC_list初始为空数组,REC_list无需排序,新元素直接添加在尾部,数组每个元素为该矩形搜索区域的位置、大小和门户位置信息。
4.如权利要求1所述的一种无人机群对多移动时敏目标侦察路径规划方法,其特征在于:所述的步骤3包括如下,
(1)搜索区域扩展
对Openlist排序,选取具有最小总估计代价fval值的搜索单元,记为当前最优搜索单元RECopt,RECopt的每个门户向RECopt外侧进行扫描,直到遭遇“不可通行”栅格或者达到地图边界而停止或者遭遇某个已存在区域单元,形成若干新的搜索区域,依次加入搜索区域数组REC_list尾部,并为新搜索区域边界栅格标记REC_ID值;
(2)路径信息传播
所有尚未被访问的栅格,其已估计代价gval视为+∞,对任意栅格Cella和Cellb,如果Cella已被访问,且Cella和Cellb之间满足:
Cella.gval+octile(Cella,Cellb)<Cellb.gval
则令Cellb.gval=Cella.gval+octile(Cella,Cellb),并称栅格Cellb被栅格Cella更新,且栅格Cella为Cellb的父代栅格,
RECopt利用自身信息更新所产生的所有新搜索区域单元,某个新产生的某个搜索区域单元记为RECnew,首先,RECopt和RECnew连接处,RECopt门户段的中心栅格Cellm(xm,ym)更新新搜索区域单元RECnew的对应门户段中心栅格然后更新搜索区域单元RECnew的其它门户段,即:
如果RECopt与某现有搜索区域单元紧邻,则首先为该搜索区域单元增加一个新的门户段,然后新门户段更新原搜索区域单元的其它门户段,RECnew的总估计代价为:
(3)搜索树更新
5.如权利要求1所述的一种无人机群对多移动时敏目标侦察路径规划方法,其特征在于:所述的步骤4包括如下,
(1)时空相交性判断
无人机抵达RECnew区域的最早时间和最晚时间,计算方法:
如果目标预测轨迹在该时间段与该区间有交集,即:
则进行终止条件判断;
(2)终止条件判断
栅格CellM与栅格CellN之间的正则化octile路径是指从栅格CellM出发,先沿45°方向移动至栅格CellN同一行(或同一列),然后横向(或纵向)移动至栅格CellN的那一条路径,记π={π1,π2……πK},其中πi为依次经过的路径栅格,K为路径序列的栅格总数,
无人机所携带侦查载荷的工作半径为RD,判断是否获得最优路径的方法具体如下:
2)令i=1;
4)如果3)不成立,则i=i+1;
6)如果G(πi.gval/Vuav)≠G(πi-1.gval/Vuav),且G(πi.gval/Vuav)∈RECnew,则生成πi与G(πi.gval/Vuav)之间的正则化octile路径,代替π,然后跳转至2);
7)如果G(πi.gval/Vuav)==G(πi-1.gval/Vuav),则然后跳转至3)。
7.如权利要求1所述的一种无人机群对多移动时敏目标侦察路径规划方法,其特征在于:所述的步骤7包括如下,
假设上一任务保留的排序Openlist中,搜索单元的总代价fval最大值为fvalmax,假设从栅格G(0)依次遍历至栅格G(fvalmax/Vuav),与已搜索区域的交集为N为所经过的已有搜索单元总数,
如果目标预测轨迹在该时间段与该区间没有交集,即:
则跳转至步骤8;否则,k=0,然后跳转至2);
2)如果k==Mj,则j=j+1,跳转至1);否则k=k+1;
4)令i=1;
6)如果5)不成立,则i=i+1;
9)如果G(πi.gval/Vuav)==G(πi-1.gval/Vuav),则然后跳转至5)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911209734.XA CN111024080B (zh) | 2019-12-01 | 2019-12-01 | 一种无人机群对多移动时敏目标侦察路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911209734.XA CN111024080B (zh) | 2019-12-01 | 2019-12-01 | 一种无人机群对多移动时敏目标侦察路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111024080A true CN111024080A (zh) | 2020-04-17 |
CN111024080B CN111024080B (zh) | 2020-08-21 |
Family
ID=70207641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911209734.XA Active CN111024080B (zh) | 2019-12-01 | 2019-12-01 | 一种无人机群对多移动时敏目标侦察路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111024080B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111811529A (zh) * | 2020-06-15 | 2020-10-23 | 中国人民解放军国防科技大学 | 一种多区域车机协同侦察路径规划方法及系统 |
CN112629539A (zh) * | 2020-12-15 | 2021-04-09 | 西安电子科技大学 | 一种多无人机路径规划方法 |
CN112965523A (zh) * | 2021-02-09 | 2021-06-15 | 西北工业大学 | 一种绳系连接多飞行器离线轨迹生成方法 |
CN113359833A (zh) * | 2021-06-22 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
CN113720344A (zh) * | 2021-08-30 | 2021-11-30 | 深圳市银星智能科技股份有限公司 | 路径搜寻方法、装置、智能设备及存储介质 |
CN113961016A (zh) * | 2021-10-25 | 2022-01-21 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 基于a*算法的无人机动态目标航迹规划方法及系统 |
WO2022061614A1 (zh) * | 2020-09-23 | 2022-03-31 | 深圳市大疆创新科技有限公司 | 可移动平台的控制方法、控制装置、可移动平台和计算机存储介质 |
CN115049688A (zh) * | 2022-08-16 | 2022-09-13 | 之江实验室 | 基于强化学习思想的栅格地图区域划分方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103267528A (zh) * | 2013-05-07 | 2013-08-28 | 西北工业大学 | 禁飞区限制下的多无人机协同区域搜索方法 |
CN105737819A (zh) * | 2016-02-25 | 2016-07-06 | 西北工业大学 | 基于空间压缩和查表计算的无人机三维航路规划方法 |
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 |
CN107102650A (zh) * | 2017-05-27 | 2017-08-29 | 河南科技大学 | 一种适用于高速环境的无人机动态路径规划方法 |
CN110006430A (zh) * | 2019-03-26 | 2019-07-12 | 智慧航海(青岛)科技有限公司 | 一种航迹规划算法的优化方法 |
CN110823223A (zh) * | 2019-10-16 | 2020-02-21 | 中国人民解放军国防科技大学 | 一种无人机群的路径规划方法及装置 |
-
2019
- 2019-12-01 CN CN201911209734.XA patent/CN111024080B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103267528A (zh) * | 2013-05-07 | 2013-08-28 | 西北工业大学 | 禁飞区限制下的多无人机协同区域搜索方法 |
CN105737819A (zh) * | 2016-02-25 | 2016-07-06 | 西北工业大学 | 基于空间压缩和查表计算的无人机三维航路规划方法 |
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 |
CN107102650A (zh) * | 2017-05-27 | 2017-08-29 | 河南科技大学 | 一种适用于高速环境的无人机动态路径规划方法 |
CN110006430A (zh) * | 2019-03-26 | 2019-07-12 | 智慧航海(青岛)科技有限公司 | 一种航迹规划算法的优化方法 |
CN110823223A (zh) * | 2019-10-16 | 2020-02-21 | 中国人民解放军国防科技大学 | 一种无人机群的路径规划方法及装置 |
Non-Patent Citations (3)
Title |
---|
吴青坡等: "多无人机协同区域覆盖搜索算法的改进", 《电光与控制》 * |
张昕等: "基于非线性导引的多无人机协同目标跟踪控制", 《指挥信息系统与技术》 * |
齐智敏等: "智能无人集群任务规划系统架构设计", 《军事运筹与系统工程》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111811529B (zh) * | 2020-06-15 | 2022-02-01 | 中国人民解放军国防科技大学 | 一种多区域车机协同侦察路径规划方法与系统 |
CN111811529A (zh) * | 2020-06-15 | 2020-10-23 | 中国人民解放军国防科技大学 | 一种多区域车机协同侦察路径规划方法及系统 |
WO2022061614A1 (zh) * | 2020-09-23 | 2022-03-31 | 深圳市大疆创新科技有限公司 | 可移动平台的控制方法、控制装置、可移动平台和计算机存储介质 |
CN112629539A (zh) * | 2020-12-15 | 2021-04-09 | 西安电子科技大学 | 一种多无人机路径规划方法 |
CN112629539B (zh) * | 2020-12-15 | 2022-08-12 | 西安电子科技大学 | 一种多无人机路径规划方法 |
CN112965523A (zh) * | 2021-02-09 | 2021-06-15 | 西北工业大学 | 一种绳系连接多飞行器离线轨迹生成方法 |
CN113359833A (zh) * | 2021-06-22 | 2021-09-07 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
CN113359833B (zh) * | 2021-06-22 | 2023-07-28 | 西安爱生技术集团有限公司 | 一种无人机编队协同侦察的任务规划方法 |
CN113720344A (zh) * | 2021-08-30 | 2021-11-30 | 深圳市银星智能科技股份有限公司 | 路径搜寻方法、装置、智能设备及存储介质 |
CN113720344B (zh) * | 2021-08-30 | 2024-06-04 | 深圳银星智能集团股份有限公司 | 路径搜寻方法、装置、智能设备及存储介质 |
CN113961016A (zh) * | 2021-10-25 | 2022-01-21 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 基于a*算法的无人机动态目标航迹规划方法及系统 |
CN113961016B (zh) * | 2021-10-25 | 2023-11-10 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 基于a*算法的无人机动态目标航迹规划方法及系统 |
CN115049688A (zh) * | 2022-08-16 | 2022-09-13 | 之江实验室 | 基于强化学习思想的栅格地图区域划分方法及装置 |
CN115049688B (zh) * | 2022-08-16 | 2022-11-18 | 之江实验室 | 基于强化学习思想的栅格地图区域划分方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111024080B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111024080B (zh) | 一种无人机群对多移动时敏目标侦察路径规划方法 | |
CN110308740B (zh) | 一种面向移动目标追踪的无人机群动态任务分配方法 | |
CN111352417B (zh) | 异构多无人机协同路径的快速生成方法 | |
CN109489667A (zh) | 一种基于权值矩阵的改进蚁群路径规划方法 | |
CN110006429A (zh) | 一种基于深度优化的无人船航迹规划方法 | |
CN109357678B (zh) | 一种基于异质化鸽群优化算法的多无人机路径规划方法 | |
CN111950873B (zh) | 基于深度强化学习的卫星实时引导任务规划方法及系统 | |
CN112229419B (zh) | 一种动态路径规划导航方法及系统 | |
CN105225003A (zh) | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 | |
CN102880186A (zh) | 基于稀疏a*算法和遗传算法的航迹规划方法 | |
CN103267528A (zh) | 禁飞区限制下的多无人机协同区域搜索方法 | |
CN112947594B (zh) | 一种面向无人机的航迹规划方法 | |
CN112783213B (zh) | 一种基于混合机制的多无人机协同广域动目标搜索方法 | |
CN111024081B (zh) | 一种无人机群对单移动时敏目标侦察路径规划方法 | |
CN112683275A (zh) | 一种栅格地图的路径规划方法 | |
CN112824998A (zh) | 马尔可夫决策过程的多无人机协同航路规划方法和装置 | |
CN114839968A (zh) | 一种水面无人艇路径规划方法 | |
CN110823223A (zh) | 一种无人机群的路径规划方法及装置 | |
CN114740899B (zh) | 一种网格化空域分配与协同搜索规划方法 | |
CN113805609A (zh) | 一种混沌迷失鸽群优化机制的无人机群目标搜索方法 | |
CN114326726B (zh) | 一种基于a*与改进人工势场法的编队路径规划控制方法 | |
Wang et al. | UAV online path planning based on improved genetic algorithm | |
CN114967680A (zh) | 基于蚁群算法和卷积神经网络的移动机器人路径规划方法 | |
CN113778093A (zh) | 基于改进麻雀搜索算法的amr自主移动机器人路径规划方法 | |
CN114493013A (zh) | 基于强化学习的智能体路径规划方法、电子设备及介质 |
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 |