CN111679692A - 一种基于改进A-star算法的无人机路径规划方法 - Google Patents
一种基于改进A-star算法的无人机路径规划方法 Download PDFInfo
- Publication number
- CN111679692A CN111679692A CN202010769976.0A CN202010769976A CN111679692A CN 111679692 A CN111679692 A CN 111679692A CN 202010769976 A CN202010769976 A CN 202010769976A CN 111679692 A CN111679692 A CN 111679692A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- nodes
- grid
- path
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000004888 barrier function Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000004904 shortening Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种基于改进A‑star算法的无人机路径规划方法。包括以下步骤：(1)采集无人机飞行区域的卫星地图，使用栅格法将无人机的飞行环境地图转化为栅格地图，栅格大小根据无人机最大几何尺寸来确定；(2)根据栅格在环境中位置的不同，将栅格分为两大类:障碍栅格、自由栅格；(3)在自由栅格中选取合适的栅格作为无人机飞行的起始点和目标点；(4)在规划路径时通过筛选函数P(x,y)对close列表末尾三个连续节点中相邻两节点之间的坐标关系以及是否存在障碍物进行判断，删除其中不必要的节点，从而达到缩短路径长度的目的。
Description
技术领域
本发明属于无人机路径规划技术领域，尤其是涉及一种无人机避障飞行路径的规划方法。
背景技术
无人机路径规划是在给定的规划区域内，以及特定的约束条件下，在初始位置和目标位置之间寻找一条最优或者接近最优的飞行路径。根据无人机对环境信息掌握的程度不同，路径规划可以分为基于先验完全信息的全局路径规划和基于传感器信息的局部路径规划，其中，全局规划方法主要包括可视图法、栅格法、自由空间法、神经网络法等。其中，栅格法一般作为路径规划的环境建模技术来使用，作为路径规划的方法它很难解决复杂环境信息的问题，一般需要和其他智能算法结合。
文献“基于栅格法的机器人快速路径规划，微电子学与计算机，2015Vol.22(6),p98-100”采用栅格法对机器人活动场地进行栅格划分，并用序号对栅格划分好的场地进行编号，降低了环境建模的难度，便于节点筛选，但是文中并未涉及到对复杂多边形如何进行栅格化处理。专利文献CN 104808688A公开了一种基于A-star搜索的无人机路径动态规划方法，判断起始点和目标点构成线段与危险区域多边形的外包圆是否相交，如果有交点则基于A-star搜索算法规划生成规避多边形威胁区域的路径,但是采用外包圆的方式对障碍物多边形进行处理，容易将最优路径囊括到障碍物区域内。
传统的A-star算法是建立在模拟栅格地图的基础上，基于启发式的算法。能够利用选择的启发式函数评估、选择出优势节点，在很大程度上提升了搜索效率；但是传统A-star算法中的启发函数未考虑了方位对于搜索节点的影响，导致节点搜索具有盲目性。另外，算法在陷入局部最优后，在搜索节点脱离局部最优点的过程中，会产生多余节点，导致搜索路径的整体变长。
发明内容
为了克服现有方法对复杂环境中存在的多边形障碍物建模适应性差以及传统A-star算法陷入局部最优后导致路径长度变长的缺点，本发明提供了一种基于改进A-star算法的无人机路径规划方法。
本发明能够适应于存在复杂的多边形障碍物的环境，规划出一条最短的路径。本发明解决其技术问题所采用的技术方案：一种基于改进A-star算法的无人机路径规划方法，其特点是包括以下步骤：
步骤一：将无人机路径规划的环境地图转化为栅格地图；
利用采集到的卫星地图，识别其中的障碍区域，根据无人机的大小确定栅格大小；使用栅格法对无人机的飞行环境进行建模，将连续的空间离散化，得到无人机的飞行区域的栅格状地图。
步骤二：采用坐标法和序号法对栅格进行编号；
为了便于对环境模型进行描述，同时采用坐标法和序号法对规格为m×n的栅格地图中的栅格进行编号，两种方法可以依据一定的比例相互换算得到。
步骤三：对栅格进行分类；
针对栅格在实际环境中位置的不同，将栅格分为两大类:黑色的障碍栅格、白色的自由栅格。
步骤四：获取初始数据；
包括无人机在路径规划当中的起始点S和目标点G的坐标以及障碍物区域的参数数据，连接起始点S和目标点G构造基准线。
步骤五：从起始点开始，采用改进的启发函数F(i)搜索路径节点；
将起始点放入close列表，并根据改进后的启发函数F(i)对当前节点周围的8个节点进行筛选。
步骤六：判断close列表中的节点个数是否大于等于3。
步骤七：若close列表中的节点个数大于等于3，则根据筛选函数P(x,y)比较末尾连续三个节点之间的位置关系以及判断相邻两节点之间是否存在障碍物，对其中不必要的节点进行删除。
步骤八：若close列表中的节点个数小于3或满足筛选函数P(x,y)，则通过改进A-star算法中的启发函数F(i)继续搜索新的路径节点。
步骤九：当搜索到目标节点时，路径搜索结束。
该方法首先根据无人机的最大几何尺寸将无人机飞行区域地图按照一定的比例转化为栅格地图，然后对多边形障碍物栅格进行膨胀，确定障碍栅格和自由栅格。在自由栅格中确定起始点栅格S和目标点栅格G，连接起始栅格和目标栅格构造基准线，通过计算预定航点和目标点连线与基准线所构成的方位角，对评价函数进行优化，得到合适的下一步节点。判断close列表中相邻的三个节点是否满足筛选函数P(x,y)，对多余节点进行删除。
本方法通过引入方位角，进一步考虑了方位对于搜索的影响，提高了启发函数的信息量；同时通过筛选函数P(x,y)删除路径中的不必要节点，缩短了无人机在飞行过程中的路径长度。
附图说明
图1为本发明中改进A-star算法流程框图；
图2为本发明中无人机外形尺寸示意图；
图3为本发明中将多边形障碍物栅格化示意图；
图4为本发明中的港口栅格地图；
图5为本发明中的的栅格序号与坐标示意图；
图6为本发明中的传统A-star算法搜索路线图；
图7为本发明中的方位角示意图；
图8为本发明中的相邻的三节点示意图；
图9为本发明中的筛选函数P(x,y)流程框图；
图10为本发明中的改进A-star算法搜索路线图。
具体实施方式
下面通过实例及附图对该发明进行详细说明，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，本发明提供了一种基于改进A-star算法的无人机路径规划方法，包括以下步骤：
步骤一：将无人机路径规划的环境地图转化为栅格地图；
利用采集到的港口卫星地图，识别其中的障碍区域和自由连通区域，使用栅格法对无人机的飞行环境进行建模，将连续的空间离散化，得到无人机的飞行区域的栅格状地图，具体步骤如下：
(1)确定标准栅格的宽度d。
小正方形栅格的宽度d根据无人机机身的最大几何尺寸l来确定。
l＝a+2*b
d＝1.2*l
其中，a为无人机的轴距；b为无人机单边旋翼的长度，如图2所示。
(2)将障碍物转化为栅格图形。
根据卫星地图中的的障碍物形状和尺寸信息，将障碍物转化为由若干个标准栅格堆叠形成的图形，网格的数量根据障碍物的尺寸和标准网格的宽度来确定，以网格空间完全包裹障碍物为准则，实现对障碍物的膨胀。如图3所示。
(3)划分可通和不可通状态。
根据栅格地图信息，记录每一个区域的可通和不可通状态，障碍物区域为不可通状态，在栅格地图中表现为若干黑色栅格块堆叠形成的区域。飞行区域为可通状态，在栅格地图中用白色栅格块堆叠形成的区域表示。栅格化后的港口地图如图4所示。
步骤二：采用坐标法和序号法对栅格进行编号；
具体步骤为以地图左下角为原点建立平面直角坐标系XOY，从下到上、从左到右对栅格进行编码，任意栅格序号g对应着直角坐标系中坐标值为(x,y)的栅格中心点的位置，其转换关系式为
式中：m、n分别代表栅格地图的行数和列数；mod函数代表两数相除后取余运算；ceil函数代表向上取整运算；栅格坐标由栅格中心点的坐标值(x,y)来表示；栅格序号用g来表示；栅格的序号及其坐标示意图如图5所示。
步骤三：对栅格进行分类；
针对栅格位置的不同，将栅格分为两大类:黑色障碍栅格、白色自由栅格。对于自由栅格，即无人机可以通过的栅格，并且下一步可以向邻接的8个方向进行搜索，8个方位按照顺时针分别为左上、上、右上、左、右、左下、下、右下。将当前节点作为坐标原点(0,0)，8个搜索方向可以用以原点为中心的8个栅格中心点的坐标表示。于是，针对当前栅格位置，下一步搜索的方位可以用以下数组来表示：
direction＝[0,-1；0,1；-1,0；1,0；1,1；1,-1；-1,1；-1,-1]
对于障碍栅格，即无人机不能通过的栅格，不能作为待搜索的栅格。
步骤四:获取初始数据；
包括无人机在路径规划当中的起始点S和目标点G的坐标以及障碍物区域的参数数据，连接起始点S和目标点G构造基准线。
(1)获取无人机的起始点S的位置坐标(Xs,Ys)和目标点G的位置坐标(Xg,Yg)。
(2)连接起始点S和目标点G构造基准线。
步骤五：从起始点开始，采用改进的启发函数F(i)搜索路径节点；
从起始点开始，在中间节点搜索中加入方位角的考虑，增加方位角参数,搜索算法的代价函数为:
F(i)＝G(i)+H(i)+sinθi
其中，F(i)为节点i的代价函数；G(i)为起始点S到预定生成的第二步航目标点F的距离代价；H(i)为预定生成的第二步航点F到目标点G距离的代价；θ为预定生成的第二步航点F和目标点G连线与基准线之间的夹角，称为方位角。如图6所示。
步骤六：判断close列表中的节点个数是否大于等于3。
步骤七：若close列表中的节点个数大于等于3，为了缩短脱离局部最优点时产生不必要路径，根据筛选函数P(x,y)比较close列表中末尾三个连续节点中相邻两个节点之间的位置信息以及判断相邻两点之间是否存在障碍物，删除其中不必要的节点，图7为传统A-star算法搜索到的路径，存在逃离局部最优点时的路线图。
其中，利用筛选函数P(x,y)进行判断的具体步骤为：
S1：将close列表中末尾的三个节点分别标记为n-1、n、n+1，分布位置如图8所示。
S2：判断节点n-1和节点n+1之间是否存在障碍物，若存在，则删除中间节点n，将节点n+1更新为节点n。否则保留节点n，更新其标记为n-1，将下一步搜索到的节点标记为n+1。
S3:计算
当β>0时，执行S4；当β<0时，执行S5。
S4：当β>0时，判断是否存在节点n的横坐标或纵坐标小于节点n的横、纵坐标的情况，若存在，则删除中间节点n，同时将节点n+1更新为节点n。否则保留节点n，将下一步搜索到的节点标记为n+1。
S5：当β<0时，判断是否存在节点n的横坐标或纵坐标大于节点n的横、纵坐标的情况，若存在，则删除中间节点n，同时将节点n+1更新为节点n。否则保留节点n，将下一步搜索到的节点标记为n+1，图9为筛选函数P(x,y)的流程框图。
步骤八：若close列表中的节点个数小于3或满足筛选函数P(x,y)，则通过改进A-star算法中的启发函数F(i)继续搜索新的路径节点，通过改进A-Star算法搜索到的路线图如图10所示。
步骤九：当搜索到目标节点时，将目标节点G放入close列表中，搜索结束。
显然上述实例仅仅只是为了详细地介绍本发明的一些相关的原理、思路和流程，但其并非是对本发明的限制。对于所属领域的普通人来说，在不脱离本发明的范围和原理的前提下，可以在其形式和结构上做相应的调整和转变来适应不同的环境和要求。
Claims (7)
1.一种基于改进A-star算法的无人机路径规划方法，其特征在于，包括以下步骤：
步骤一：获取无人机飞行区域的卫星地图；
步骤二：将无人机飞行的卫星地图转化为栅格地图,障碍物区域用黑色栅格表示、可通行区域用白色栅格表示；
步骤三：采用坐标法和序号法对栅格进行编号；
步骤四：获取初始信息，包括无人机在路径规划中设定的起始点S和目标点G的坐标，障碍物区域的大小和位置信息，连接起始点S和目标点G，构造基准线；
步骤五：从起始点S开始，将当前节点放入close列表，与当前节点相邻的8个节点放入open列表；
步骤六：采用改进的A-star算法从open列表中选择F(i)值最小的节点作为下一路径节点，并放入close列表；
步骤七：判断close列表中的节点个数是否大于或等于3；
步骤八：若close列表中的节点个数大于或者等于3，则通过筛选函数P(x,y)对close列表末尾三个连续节点中相邻两节点之间的坐标关系以及是否存在障碍物进行判断，对其中不满足筛选函数P(x,y)的节点进行删除；
步骤九：若close列表中的节点个数小于3或满足筛选函数P(x,y)，则利用改进A-star算法继续搜索新的节点；
步骤十：当搜索到目标节点G时，将目标节点放入close列表，同时结束搜索。
2.根据权利要求1所述的基于改进A-star算法的无人机路径规划方法，其特征在于，步骤二中，对无人机的飞行环境进行栅格化，栅格的边长d由无人机的最大外形尺寸l来确定；同时为了避免了无人机在等高飞行过程中与障碍物发生碰撞，按照一定的比例对障碍物进行膨胀，保证了无人机在飞行过程中的安全。
3.根据权利要求1所述的基于改进A-star算法的无人机路径规划方法，其特征在于，步骤三中，为了便于对路径进行描述和计算路径参数，利用坐标法和序号法对栅格地图中的栅格进行标记，并给出了两种标记方式的转换公式：
式中：m、n分别表示栅格地图的行数和列数；mod函数表示两数相除后取余运算；ceil函数表示向上取整运算；栅格坐标由栅格中心点的坐标值(x,y)来表示；栅格序号用g来表示。
4.根据权利要求1所述的基于改进A-star算法的无人机路径规划方法，其特征在于，步骤六中，针对节点搜索的代价函数为F(i)＝G(i)+H(i)+sinθi，其中，F(i)为节点i的代价函数；G(i)为起始点S到预定生成的第二步航点i的距离代价；H(i)为预定生成的第二步航点i到目标点距离G的代价；θ为预定生成的第二步航点i到目标点距离G连线与基准线之间的夹角，称为方位角。
5.根据权利要求1所述的基于改进A-star算法的无人机路径规划方法，其特征在于，步骤七中，通过判断close列表中的节点个数是否大于等于3，来决定是否通过筛选函数P(x,y)对列表末尾的三个节点进行判断。
6.根据权利要求1所述的基于改进A-star算法的无人机路径规划方法，其特征在于，步骤八中，当close列表中的节点个数大于或等于3时，通过筛选函数P(x,y)判断列表末尾三个节点中两两相邻的节点之间的坐标是否满足对应关系，来决定是否对节点进行删除，从而避免了传统A-star算法因为逃离局部而导致路径长度变长。
7.根据权利要求1所述的基于改进A-star算法的无人机路径规划方法，其特征在于，步骤九中，当close列表中的节点个数小于3或满足筛选函数P(x,y)时，则只需要通过改进A-star算法继续搜索新的路径节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010769976.0A CN111679692A (zh) | 2020-08-04 | 2020-08-04 | 一种基于改进A-star算法的无人机路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010769976.0A CN111679692A (zh) | 2020-08-04 | 2020-08-04 | 一种基于改进A-star算法的无人机路径规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111679692A true CN111679692A (zh) | 2020-09-18 |
Family
ID=72458145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010769976.0A Pending CN111679692A (zh) | 2020-08-04 | 2020-08-04 | 一种基于改进A-star算法的无人机路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111679692A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112180988A (zh) * | 2020-10-10 | 2021-01-05 | 广州海格星航信息科技有限公司 | 一种三维室外空间多旋翼无人机路线规划方法及存储介质 |
| CN113296520A (zh) * | 2021-05-26 | 2021-08-24 | 河北工业大学 | 融合a*与改进灰狼算法的巡检机器人路径规划方法 |
| CN113341957A (zh) * | 2021-05-21 | 2021-09-03 | 浙江工业大学 | 一种基于痕迹地图A_star算法的多机器人路径规划方法 |
| CN113405552A (zh) * | 2021-06-17 | 2021-09-17 | 北京理工大学 | 一种飞行器路径规划方法及装置 |
| CN113741431A (zh) * | 2021-08-17 | 2021-12-03 | 嘉兴市敏硕智能科技有限公司 | 一种避障路径确定方法、避障方法、装置及存储介质 |
| 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 |
| CN114281105A (zh) * | 2021-12-20 | 2022-04-05 | 国网新疆电力有限公司超高压分公司 | 一种面向变电站巡检的无人机路径规划方法 |
| CN114355901A (zh) * | 2021-12-17 | 2022-04-15 | 华南理工大学 | 一种路径规划智能优化方法、装置、电子设备和存储介质 |
| CN114440916A (zh) * | 2022-03-09 | 2022-05-06 | 中国农业银行股份有限公司 | 一种导航方法、装置、设备及存储介质 |
| CN114460968A (zh) * | 2022-02-14 | 2022-05-10 | 江西理工大学 | 一种无人机路径的搜索方法、装置、电子设备及存储介质 |
| CN114527788A (zh) * | 2022-01-12 | 2022-05-24 | 华南理工大学 | 基于动态权重的a星算法改进方法、系统、装置及介质 |
| CN114756925A (zh) * | 2022-03-17 | 2022-07-15 | 深圳地铁运营集团有限公司 | 一种城市轨道交通系统的运维管理方法和装置 |
| CN117109597A (zh) * | 2023-10-23 | 2023-11-24 | 北京卓翼智能科技有限公司 | 基于改进a星算法的无人机路径规划方法和装置 |
| CN117601136A (zh) * | 2024-01-24 | 2024-02-27 | 济宁鲁鑫工程机械有限公司 | 一种自动焊接机器人路径规划方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103557867A (zh) * | 2013-10-09 | 2014-02-05 | 哈尔滨工程大学 | 一种基于稀疏a*搜索的三维多uav协同航迹规划方法 |
| CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
| CN107491070A (zh) * | 2017-08-31 | 2017-12-19 | 成都通甲优博科技有限责任公司 | 一种移动机器人路径规划方法及装置 |
| JP2018026792A (ja) * | 2016-07-28 | 2018-02-15 | パナソニックＩｐマネジメント株式会社 | 無人飛行体検知システム及び無人飛行体検知方法 |
| CN108170163A (zh) * | 2017-12-31 | 2018-06-15 | 长春市维伲机器人科技有限责任公司 | 一种小型无人机自主航迹规划方法 |
| CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
| CN109541634A (zh) * | 2018-12-28 | 2019-03-29 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
-
2020
- 2020-08-04 CN CN202010769976.0A patent/CN111679692A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103557867A (zh) * | 2013-10-09 | 2014-02-05 | 哈尔滨工程大学 | 一种基于稀疏a*搜索的三维多uav协同航迹规划方法 |
| CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
| JP2018026792A (ja) * | 2016-07-28 | 2018-02-15 | パナソニックＩｐマネジメント株式会社 | 無人飛行体検知システム及び無人飛行体検知方法 |
| CN107491070A (zh) * | 2017-08-31 | 2017-12-19 | 成都通甲优博科技有限责任公司 | 一种移动机器人路径规划方法及装置 |
| CN108170163A (zh) * | 2017-12-31 | 2018-06-15 | 长春市维伲机器人科技有限责任公司 | 一种小型无人机自主航迹规划方法 |
| CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
| CN109541634A (zh) * | 2018-12-28 | 2019-03-29 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
Non-Patent Citations (3)
| Title |
|---|
| 席庆彪等: "基于A~*算法的无人机航路规划算法", 《火力与指挥控制》 * |
| 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》 * |
| 高峰等: "基于改进A~*算法的水面无人船全局路径规划", 《计算机应用研究》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112180988A (zh) * | 2020-10-10 | 2021-01-05 | 广州海格星航信息科技有限公司 | 一种三维室外空间多旋翼无人机路线规划方法及存储介质 |
| CN112180988B (zh) * | 2020-10-10 | 2024-03-19 | 广州海格星航信息科技有限公司 | 一种三维室外空间多旋翼无人机路线规划方法及存储介质 |
| CN113341957A (zh) * | 2021-05-21 | 2021-09-03 | 浙江工业大学 | 一种基于痕迹地图A_star算法的多机器人路径规划方法 |
| CN113296520A (zh) * | 2021-05-26 | 2021-08-24 | 河北工业大学 | 融合a*与改进灰狼算法的巡检机器人路径规划方法 |
| CN113405552A (zh) * | 2021-06-17 | 2021-09-17 | 北京理工大学 | 一种飞行器路径规划方法及装置 |
| CN113741431A (zh) * | 2021-08-17 | 2021-12-03 | 嘉兴市敏硕智能科技有限公司 | 一种避障路径确定方法、避障方法、装置及存储介质 |
| 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 |
| 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 |
| CN114355901A (zh) * | 2021-12-17 | 2022-04-15 | 华南理工大学 | 一种路径规划智能优化方法、装置、电子设备和存储介质 |
| CN114281105A (zh) * | 2021-12-20 | 2022-04-05 | 国网新疆电力有限公司超高压分公司 | 一种面向变电站巡检的无人机路径规划方法 |
| CN114527788A (zh) * | 2022-01-12 | 2022-05-24 | 华南理工大学 | 基于动态权重的a星算法改进方法、系统、装置及介质 |
| CN114460968A (zh) * | 2022-02-14 | 2022-05-10 | 江西理工大学 | 一种无人机路径的搜索方法、装置、电子设备及存储介质 |
| CN114440916A (zh) * | 2022-03-09 | 2022-05-06 | 中国农业银行股份有限公司 | 一种导航方法、装置、设备及存储介质 |
| CN114440916B (zh) * | 2022-03-09 | 2024-04-02 | 中国农业银行股份有限公司 | 一种导航方法、装置、设备及存储介质 |
| CN114756925A (zh) * | 2022-03-17 | 2022-07-15 | 深圳地铁运营集团有限公司 | 一种城市轨道交通系统的运维管理方法和装置 |
| CN117109597A (zh) * | 2023-10-23 | 2023-11-24 | 北京卓翼智能科技有限公司 | 基于改进a星算法的无人机路径规划方法和装置 |
| CN117109597B (zh) * | 2023-10-23 | 2023-12-29 | 北京卓翼智能科技有限公司 | 基于改进a星算法的无人机路径规划方法和装置 |
| CN117601136A (zh) * | 2024-01-24 | 2024-02-27 | 济宁鲁鑫工程机械有限公司 | 一种自动焊接机器人路径规划方法及系统 |
| CN117601136B (zh) * | 2024-01-24 | 2024-04-02 | 济宁鲁鑫工程机械有限公司 | 一种自动焊接机器人路径规划方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111679692A (zh) | 一种基于改进A-star算法的无人机路径规划方法 | |
| Tang et al. | Geometric A-star algorithm: An improved A-star algorithm for AGV path planning in a port environment | |
| CN108680163B (zh) | 一种基于拓扑地图的无人艇路径搜索系统及方法 | |
| CN109828607B (zh) | 一种面向不规则障碍物的无人机路径规划方法及系统 | |
| CN109357685B (zh) | 航路网生成方法、装置及存储介质 | |
| CN110006430B (zh) | 一种航迹规划算法的优化方法 | |
| CN109541634A (zh) | 一种路径规划方法、装置和移动设备 | |
| CN112033413A (zh) | 一种结合环境信息的改进a*算法 | |
| CN112327939B (zh) | 一种城市街区环境下高层消防多无人机协同路径规划方法 | |
| CN112184736A (zh) | 一种基于欧式聚类的多平面提取方法 | |
| CN115903879A (zh) | 基于地形数据插值技术的无人机航迹规划方法 | |
| CN110909961A (zh) | 基于bim的室内路径查询方法及装置 | |
| CN111721296A (zh) | 一种水下无人航行器数据驱动路径规划方法 | |
| CN114296474A (zh) | 一种基于路径时间代价的无人机路径规划方法及系统 | |
| CN114839968A (zh) | 一种水面无人艇路径规划方法 | |
| Musil et al. | SphereMap: Dynamic multi-layer graph structure for rapid safety-aware UAV planning | |
| Wu et al. | A Non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning | |
| CN112288854B (zh) | 立交桥三维模型的构建方法 | |
| CN112539751A (zh) | 一种机器人路径规划方法 | |
| CN116414139B (zh) | 基于A-Star算法的移动机器人复杂路径规划方法 | |
| Williams et al. | A rapid method for planning paths in three dimensions for a small aerial robot | |
| CN115220480A (zh) | 带有约束条件的无人机航迹规划方法、装置及电子设备 | |
| CN113791610B (zh) | 一种移动机器人全局路径规划方法 | |
| Jia-ning | Improved Ant Colony Algorithm for AGV Path Planning | |
| CN116400733B (zh) | 侦察无人机自适应调整随机树全覆盖路径规划方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200918 |
|
| WD01 | Invention patent application deemed withdrawn after publication |