CN111580563B - 一种基于种子搜索的无人机自主避障飞行方法 - Google Patents
一种基于种子搜索的无人机自主避障飞行方法 Download PDFInfo
- Publication number
- CN111580563B CN111580563B CN202010520085.1A CN202010520085A CN111580563B CN 111580563 B CN111580563 B CN 111580563B CN 202010520085 A CN202010520085 A CN 202010520085A CN 111580563 B CN111580563 B CN 111580563B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- seeds
- flight
- seed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000009331 sowing Methods 0.000 claims abstract description 5
- 238000011897 real-time detection Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000004888 barrier function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于种子搜索的无人机自主避障飞行方法，属于无人机飞行避障技术领域。本发明首先在任务空间中均匀播撒若干种子，然后以终点为目标设置无人机的飞行方向，启动无人机飞行；无人机在飞行过程中，实时探测前方是否有障碍物，如果探测到前方有障碍物，则根据一定规则搜索无人机附近的种子，然后以该种子为目标重新设置无人机飞行方向，待无人机飞到该种子位置时，再重新以终点位目标设置飞行方向，继续飞行探测，如此反复，直至无人机距离终点的位置小于设置的阈值，从而完成飞行任务。本发明采用迭代搜索的方法搜索通行区域，代码量小，运行效率高，且具有逻辑清晰、扩展性和兼容性强、实现与调试简单的特点。
Description
技术领域
本发明属于无人机飞行避障技术领域，特别是指一种基于种子搜索的无人机自主避障飞行方法，适用于无人机在复杂城市建筑空间中飞行时，自动躲避障碍物安全飞行至目的地的情况。
背景技术
随着无人机和人工智能技术的发展，无人机在各领域得到广泛的应用，为了提高效率和降低成本，往往由无人机自主完成任务，各种障碍物是无人机安全飞行的最大威胁，因此无人机在执行任务过程中自主避障、安全飞行是完成任务的必要条件和重要保证。
传统的无人机自主避障路径规划方法主要包括：切线图法、Voronoi图法和前向图搜索算法等。切线图法是通过“移动线算法”检测障碍物的公切线，然后利用“扫描线算法”，测试公切线与障碍物之间的交叉点，通过滤除交叉点切线，构建切线图，后通过图搜索算法，寻找起始点与目标点之间的最优路径，该方法需要对障碍物持续探测，以便计算出与障碍物的切线，效率较低。而Voronoi图路径规划虽然时效性较好且路径规划较为平滑，但这种方法是在已知障碍分布的情况下，取障碍物顶点、边界构造Voronoi图，然后连接起始点、终点构成骨架图，通过图搜索算法寻找起始点到终点的最优路径，不适用于在未知环境中的自主避障。而基于前向图搜索算法产生的路径具有全局或局部最优，实时性较好，但是和其他基于几何构造方法相似，对环境适应能力差，同时数据量大、计算要求过高，无法进行较好的应用。
随着智能计算技术的发展，产生了一些基于启发式搜索的新方法，如遗传算法、神经网络和蚁群优化算法等。采用智能算法进行路径规划，在飞行路径规划时有较强的环境适应能力和鲁棒性。但是，智能计算往往要占大量内存，运行时间长，运行速度较慢。
发明内容
有鉴于此，本发明提出了一种基于种子搜索的无人机自主避障飞行方法，该方法针对复杂多变的城市建筑环境，具有逻辑清晰、计算效率高、易于实现与调试、易于扩展、兼容性强等特点。
本发明所要解决的技术问题是由以下技术方案实现的：
一种基于种子搜索的无人机自主避障飞行方法，包括以下步骤：
(1)获取任务区域Area、无人机实时探测距离DetectLenth、飞行的起点StartPoint和终点EndPoint，然后在任务区域Area内均匀播撒多个种子；
(2)以终点EndPoint为目标设置无人机飞行方向，启动无人机飞行；
(3)在飞行过程中实时探测飞行前方是否有障碍物，当探测到前方有障碍物时，停止飞行，按规则在无人机附近搜索符合要求的种子，搜索到种子后，以该种子为目标重新设置飞行方向，控制无人机向该种子飞行；如果没有搜索到符合要求的种子，则认为无法到达终点，无人机返航飞回起点；
(4)无人机飞行到种子位置后停止飞行，再次以终点为目标重新设置无人机飞行方向，重复步骤(3)，直至飞到终点或返航回起点，任务结束。
进一步的，步骤(1)具体包括以下步骤：
(101)划定任务区域为(xmin，ymin，xmax，ymax)，其中xmin、ymin、xmax、ymax分别为任务区域的最小横坐标、最小纵坐标、最大横坐标、最大纵坐标；
(102)选取均匀分布于任务区域中的二维坐标点作为种子，种子表示为(x,y),其中x为种子的横坐标，y为种子的纵坐标，种子之间的间隔step取为探测距离DetectLenth的1/4；
(103)根据任务区域Area和种子间隔step，逐点计算种子位置，形成种子集合，第i行第j列的种子的坐标为：
式中，[]为向下取整操作。
进一步的，步骤(3)具体包括以下步骤：
(301)无人机停止飞行后，以无人机实时探测距离DetectLenth为搜索半径搜索无人机当前位置附近的种子；
(302)从种子集合中挑选与无人机当前位置之间距离小于搜素半径，且相对于无人机当前位置可视的种子作为候选种子，然后逐一计算各候选种子与无人机当前位置的连线方向direction1，再计算direction1与无人机当前飞行方向direction的夹角angle，选择angle最小的种子；
(303)如果步骤(302)没有搜索到符合条件的种子，则将搜索半径减小DetectLenth/4，重新执行步骤(302)进行搜索，如果仍然搜索不到符合条件的种子，则再将搜索半径再减小DetectLenth/4并继续搜索，如此重复执行；
(304)如果搜索半径小于DetectLenth/4时仍然搜索不到符合条件的种子，则任务失败，清除任务区域Area内的所有种子，重新播撒新的种子，然后将起点设置为终点,返航飞回起点，任务结束；
(305)如果搜索到了符合条件的种子，则以该种子为目标设置无人机飞行方向，并从种子集合中删除该种子，控制无人机飞向该种子。
本发明具有如下有益效果：
1、本发明使用均匀分布于空间的种子为媒介进行自主避障飞行，飞行过程中航路点位置预知，易于理解。
2、本发明采用迭代搜索的方法搜索通行区域，代码量小，运行效率高。
3、本发明具有易于扩展、兼容性强的特点。
4、本发明还具有易于实现与调试的特点。
附图说明
图1为本发明实施例中无人机自主避障飞行方法的原理示意图。
图2为本发明实施例中无人机自主避障飞行方法的整体流程图。
图3为本发明实施例中无人机探测到障碍物时的处理流程图。
图4为本发明实施例中种子搜索过程的流程图。
具体实施方式
下面，结合附图对本发明作进一步说明。
如图1和2所示，一种基于种子搜索的无人机自主避障算法，包括以下步骤：
(1)获取任务区域Area、无人机实时探测距离DetectLenth、飞行的起点StartPoint和终点EndPoint，然后在该区域内均匀播撒若干种子，具体步骤如下：
(101)任务区域定义为Area(xmin，ymin，xmax，ymax)，其中xmin、ymin、xmax、ymax分别为任务区域的最小横坐标、最小纵坐标、最大横坐标、最大纵坐标；
(102)种子为均匀分布于任务区域中的坐标点，由于飞行高度保持不变，所以用二维坐标来确定种子位置，定义为Seed(x,y),其中x为种子的横坐标，y为种子的纵坐标；
(103)为了保证无人机飞行安全，种子之间的间隔应小于无人机的实时探测距离，结合后面的种子搜索策略，经过试验，种子间隔step取探测距离的1/4避障效果较好，即step＝DetectLenth/4；
(104)根据任务区域Area(xmin，ymin，xmax，ymax)和种子间隔step，逐点计算种子位置，形成种子集合，第i行第j列的种子的坐标为：
其中，[]为向下取整操作；
(2)以终点为目标设置无人机飞行方向，启动无人机飞行，无人机在飞行过程中实时探测飞行前方是否有障碍物；
(3)当探测到前方有障碍物时，停止飞行，按一定规则搜索无人机附近的种子，搜索到种子后，以该种子为目标重新设置飞行方向，启动无人机向种子飞行；如果没有搜索到种子，则认为无法到达终点，无人机返航飞回起点。如图3所示，具体步骤如下：
(301)无人机停止飞行后，以无人机实时探测距离DetectLenth＝4×step为搜索半径搜索无人机当前位置附近的种子；
(302)如图4所示，从种子集合中挑选与无人机当前位置的距离小于搜素半径且相对于无人机当前位置可视的种子作为候选种子，逐一计算各候选种子与无人机当前位置的连线方向direction1，再计算direction1与无人机当前飞行方向direction的夹角angle，选择angle最小的种子Seed作为临时目标种子；
(303)如果步骤(302)没有搜索到符合条件的种子，则将搜索半径减小DetectLenth/4，重新执行(302)步骤搜索，如果仍然搜索不到符合条件的种子，则将搜索半径再减小DetectLenth/4继续搜索，如此重复执行；
(304)如果搜索半径小于DetectLenth/4后，仍然搜索不到符合条件的种子，则任务失败，清除区域内所有种子，执行(103)、(104)重新播撒种子，然后将起点StartPoint设置为终点EndPoint,返航飞回起点，任务结束；
(305)如果步骤(302)搜索到了符合条件的种子Seed,则以该种子Seed为目标设置无人机飞行方向，并从种子集合中删除该种子，防止无人机在后续飞行中再次搜索到该种子，导致陷入死循环。启动无人机飞向该种子。
(4)无人机飞行到种子位置后停止飞行，再以终点为目标重新设置无人机飞行方向，重复第(2)、(3)步骤，直至飞到终点或返航回起点，任务结束。
本发明方法首先在任务空间中均匀播撒若干种子，然后以终点为目标设置无人机的飞行方向，启动无人机飞行；无人机在飞行过程中，实时探测前方是否有障碍物，如果探测到前方有障碍物，则根据一定规则搜索无人机附近的种子，然后以该种子为目标重新设置无人机飞行方向，待无人机飞到该种子位置时，再重新以终点位目标设置飞行方向，继续飞行探测，如此反复，直至无人机距离终点的位置小于设置的阈值，从而完成飞行任务。
总之，本发明基于任务区域范围、无人机实时探测距离、飞行起点、飞行终点等因素，设计了以均匀分布于空间的种子为媒介的自主避障方法。为了保证飞行安全，无人机在飞行过程中需保持飞行高度不变，因此将三维空间问题转化为二维平面问题。可见，在本方法中，飞行过程中航路点位置预知且数量有限，因此计算量较小、运行效率高。此外，本发明采用迭代搜索的方法搜索通行区域，代码量小，且具有逻辑清晰、扩展性和兼容性强、实现与调试简单的特点。
Claims (2)
1.一种基于种子搜索的无人机自主避障飞行方法，其特征在于，包括以下步骤：
(1)获取任务区域Area、无人机实时探测距离DetectLenth、飞行的起点StartPoint和终点EndPoint，然后在任务区域Area内均匀播撒多个种子；
(2)以终点EndPoint为目标设置无人机飞行方向，启动无人机飞行；
(3)在飞行过程中实时探测飞行前方是否有障碍物，当探测到前方有障碍物时，停止飞行，按规则在无人机附近搜索符合要求的种子，搜索到种子后，以该种子为目标重新设置飞行方向，控制无人机向该种子飞行；如果没有搜索到符合要求的种子，则认为无法到达终点，无人机返航飞回起点；具体包括以下步骤：
(301)无人机停止飞行后，以无人机实时探测距离DetectLenth为搜索半径搜索无人机当前位置附近的种子；
(302)从种子集合中挑选与无人机当前位置之间距离小于搜索半径，且相对于无人机当前位置可视的种子作为候选种子，然后逐一计算各候选种子与无人机当前位置的连线方向direction1，再计算direction1与无人机当前飞行方向direction的夹角angle，选择angle最小的种子；
(303)如果步骤(302)没有搜索到符合条件的种子，则将搜索半径减小DetectLenth/4，重新执行步骤(302)进行搜索，如果仍然搜索不到符合条件的种子，则再将搜索半径再减小DetectLenth/4并继续搜索，如此重复执行；
(304)如果搜索半径小于DetectLenth/4时仍然搜索不到符合条件的种子，则任务失败，清除任务区域Area内的所有种子，重新播撒新的种子，然后将起点设置为终点,返航飞回起点，任务结束；
(305)如果搜索到了符合条件的种子，则以该种子为目标设置无人机飞行方向，并从种子集合中删除该种子，控制无人机飞向该种子；
(4)无人机飞行到种子位置后停止飞行，再次以终点为目标重新设置无人机飞行方向，重复步骤(3)，直至飞到终点或返航回起点，任务结束。
2.根据权利要求1所述的一种基于种子搜索的无人机自主避障飞行方法，其特征在于，步骤(1)具体包括以下步骤：
(101)划定任务区域为(xmin，ymin，xmax，ymax)，其中xmin、ymin、xmax、ymax分别为任务区域的最小横坐标、最小纵坐标、最大横坐标、最大纵坐标；
(102)选取均匀分布于任务区域中的二维坐标点作为种子，种子表示为(x,y),其中x为种子的横坐标，y为种子的纵坐标，种子之间的间隔step取为探测距离DetectLenth的1/4；
(103)根据任务区域Area和种子间隔step，逐点计算种子位置，形成种子集合，第i行第j列的种子的坐标为：
式中，[]为向下取整操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010520085.1A CN111580563B (zh) | 2020-06-09 | 2020-06-09 | 一种基于种子搜索的无人机自主避障飞行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010520085.1A CN111580563B (zh) | 2020-06-09 | 2020-06-09 | 一种基于种子搜索的无人机自主避障飞行方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111580563A CN111580563A (zh) | 2020-08-25 |
| CN111580563B true CN111580563B (zh) | 2023-06-23 |
Family
ID=72127377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010520085.1A Active CN111580563B (zh) | 2020-06-09 | 2020-06-09 | 一种基于种子搜索的无人机自主避障飞行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111580563B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112783213B (zh) * | 2021-01-13 | 2022-04-01 | 北京理工大学 | 一种基于混合机制的多无人机协同广域动目标搜索方法 |
| US12210361B1 (en) | 2024-05-22 | 2025-01-28 | King Saud University | Method of managing unmanned aerial vehicle patrols |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108196582A (zh) * | 2018-02-12 | 2018-06-22 | 深圳技术大学（筹） | 一种室内视觉导航无人机集群飞行控制系统及方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101628414A (zh) * | 2009-08-17 | 2010-01-20 | 塔米智能科技（北京）有限公司 | 一种机器人运动的方法 |
| CN105973239B (zh) * | 2016-07-06 | 2019-01-18 | 深圳市高巨创新科技开发有限公司 | 无人机最短路径搜索方法 |
| CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
| CN106970648B (zh) * | 2017-04-19 | 2019-05-14 | 北京航空航天大学 | 城市低空环境下无人机多目标路径规划联合搜索方法 |
| CN109062948B (zh) * | 2018-06-22 | 2020-11-13 | 广州杰赛科技股份有限公司 | 目标点确定、目标路径确定方法和系统 |
| KR102097715B1 (ko) * | 2019-04-29 | 2020-04-06 | 주식회사 트위니 | 실시간 웨이포인트 경로 개선 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 |
-
2020
- 2020-06-09 CN CN202010520085.1A patent/CN111580563B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108196582A (zh) * | 2018-02-12 | 2018-06-22 | 深圳技术大学（筹） | 一种室内视觉导航无人机集群飞行控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111580563A (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210333108A1 (en) | Path Planning Method And Device And Mobile Device | |
| CN112947415B (zh) | 一种基于障碍物语义信息的室内路径规划方法 | |
| CN110084272A (zh) | 一种聚类地图创建方法及基于聚类地图和位置描述子匹配的重定位方法 | |
| AU2021266206B1 (en) | Obstacle recognition method and system based on 3D laser point clouds | |
| CN113030997B (zh) | 一种基于激光雷达的露天矿区可行驶区域检测方法 | |
| CN110531770A (zh) | 一种基于改进的rrt路径规划方法和系统 | |
| CN110244733A (zh) | 一种基于改进蚁群算法的移动机器人路径规划方法 | |
| CN107289939A (zh) | 基于svm算法的无人船路径规划方法 | |
| CN111580563B (zh) | 一种基于种子搜索的无人机自主避障飞行方法 | |
| CN117192569B (zh) | 一种面向巷道巡检机器人导航控制方法 | |
| CN114998276B (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
| CN112084937A (zh) | 一种动态车辆检测方法 | |
| CN116576857A (zh) | 一种基于单线激光雷达的多障碍物预测导航避障方法 | |
| CN114485665A (zh) | 一种基于麻雀搜索算法的无人机航迹规划方法 | |
| CN110806585A (zh) | 一种基于树干聚类跟踪的机器人定位方法及系统 | |
| CN114610076A (zh) | 结合人工势场法与A-star算法角度约束的航迹规划方法 | |
| CN110703767A (zh) | 一种基于改进智能水滴算法的无人车避障路径规划方法 | |
| CN119573760A (zh) | 一种基于三维栅格地图的巡检机器人全局路径规划方法 | |
| CN116520819A (zh) | 一种基于直连搜索的室内路径规划的方法和系统 | |
| CN116429145B (zh) | 一种复杂场景下无人车与垃圾桶自动对接导航方法及系统 | |
| Zhang et al. | Research on AGV map building and positioning based on SLAM technology | |
| Dong et al. | Path Planning Research for Outdoor Mobile Robot | |
| CN117830932A (zh) | 一种基于连续帧点云空间特征增强的障碍物检测方法 | |
| CN116772848A (zh) | 一种航空器终端区四维飞行轨迹的绿色实时规划方法 | |
| CN112432652B (zh) | 路径规划系统及路径规划方法 |
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 |