CN111750869A - 一种实时重构Voronoi图的无人机路径规划方法 - Google Patents

Abstract

本发明公开了一种实时重构Voronoi图的无人机路径规划方法，属于无人机自主导航技术领域。该方法针对障碍物已知的环境，根据障碍物形状大小和无人机实时飞行高度，以当前无人机所在空间位置为出发点，实时对无人机所在平面进行路径规划。该方法将二维Voronoi图分割方法扩展到三维，规划出三维空间内的无人机飞行路径，提高了规划路径的有效性。

Description

一种实时重构Voronoi图的无人机路径规划方法

技术领域

本发明属于无人机自主导航技术领域，特别是指一种实时重构Voronoi图的无人机路径规划方法，可用于在空间环境信息已知情况下进行无人机实时路径规划。

技术背景

随着飞行控制技术和导航技术的发展，无人机系统已经朝向自主飞行的方向发展。自主路径规划作为实现自主导航的重要组成部分，已成为当前无人机测控领域的研究热点之一。路径规划的主要任务就是在环境已知或部分已知的情况下，按照任务要求，避开环境威胁寻找一条由当前位置到目标位置的安全飞行路径。其中，Voronoi图分割法就是一类典型的路径规划方法。

Voronoi图，又称泰森多边形或Dirichlet图，为俄国数学家G.Voronoi于1908年提出并将其扩展到高维空间。现有技术中，有公开的文献将规划空间中的障碍物、威胁等简化为分散的点，进而运用解析方法构建出Voronoi图作为初始路径基础。但是，对于低空飞行的无人机而言，由于障碍物多为不规则形状，如楼宇、树木、山丘等在某一高度上的水平截面，很难建立其准确的解析模型。此外，由于大部分障碍物在不同的水平截面上，边界信息也不同，难以建立一种统一的模型适用所有截面，所规划的航路与障碍物的碰撞情况也难以计算，使得上述简化方法不再适用。

针对上述问题，众多研究者做了大量研究，多数考虑采用其他算法替代Voronoi图分割法，其中，以M.B.Metea提出的栅格思想为基础的众多搜索算法得到了广泛的研究和应用。其中，A*算法便是基于栅格空间的典型范例。近年来，以蚁群算法、粒子群算法为代表的群智能优化方法以其出色的全局搜索能力也得到了许多研究者的青睐，并将其改进应用到已知环境的无人机路径规划中。

然而，Voronoi图分割法在路径规划中的模型简单、威胁代价最小、可以统筹全局等优点被忽视了，鲜有对Voronoi图分割法进行改进的算法出现。尤其在环境信息已知的情况下，更能发挥Voronoi图分割法的优势。例如，A*算法需要对场景进行平均分割，分割颗粒度直接影响算法精度，但是颗粒度越高，路径搜索效率越低。而Voronoi图分割法的分割策略是随环境复杂度变化的，有更好的适应性及分割效率。

总之，现有技术中尚缺少一种通过实时Voronoi图分割而构建高效、实时的三维路径规划方法。

发明内容

有鉴于此，本发明提出了一种实时重构Voronoi图的无人机路径规划方法，该方法基于Voronoi图分割进行实时路径规划，算法简洁高效，对于飞行过程中障碍物分布不断变化的情况具有较好的适用性。

为了实现上述目的，本发明采用的技术方案为：

一种实时重构Voronoi图的无人机路径规划方法，包括以下步骤：

S1，获取无人机飞行区域的环境信息，建立三维环境威胁模型；

S2，确定无人机的飞行高度，并绘制该高度处的二维平面威胁图；

S3，根据步骤S2中生成的二维平面威胁图，使用矢量法产生Voronoi图；

S4，根据步骤S3中生成的Voronoi图，规划并生成初始航路；

S5，对步骤S4生成的初始航路，根据无人机性能参数进行二次优化，生成飞行路径；

S6，飞行过程中，实时判断无人机高度变化是否超出阈值，若不超出，则继续按照当前路径进行飞行；若超出阈值，则以无人机当前所在位置为出发点，重复步骤S2～S5，根据无人机当前高度实时重构Voronoi图，重新规划路径并按照新路径飞行。

进一步的，步骤S1中获取无人机飞行区域的环境信息的具体方式为：

对无人机飞行区域进行空间二值化处理，将无人机飞行区域分为可飞行区域和不可飞行区域，其中，可飞行区域表示无人机可以安全飞行，不可飞行区域表示无人机触碰边界会造成损毁。

进一步的，步骤S2中绘制该高度处的二维平面威胁图的具体方式为：

以无人机当前所处的高度平面为基准面，将步骤S1生成的二值化区域信息进行分割，得到该高度处的二维平面威胁图，所述二维平面威胁图同样分为可飞行区域及不可飞行区域。

进一步的，步骤S3的具体方式为：

对二维平面威胁图中的不可飞行区域进行最小外接圆计算，然后对这些最小外接圆的二维分布图进行Voronoi图分割。

进一步的，步骤S4的具体方式为：使用Dijkstra算法对Voronoi图进行搜索，得到初始航路。

进一步的，所述无人机性能参数为无人机转弯半径；步骤S5的具体方式为：根据无人机转弯半径，以转弯半径为基准计算转弯圆弧，将初始航路的拐点进行二次优化，得到优化后的飞行路径。

采用上述技术方案的有益效果在于：

现有技术中，运用传统Voronoi图进行路径规划时，通常会根据障碍物分布情况，以障碍物离散中心为圆心作“膨化”处理，获得障碍物的外接圆作为障碍物区域。这种处理方法的最大缺点是只能规划二维平面上的路径。而实际应用中，无人机的飞行航迹是一段三维空间曲线，随着无人机高度的变化，所在水平面上障碍物的切面是不断变化的，如果仅仅在二维平面上进行路径规划，有可能导致无人机脱离安全区域或规划结果误差很大。为此，本发明针对障碍物已知的环境，根据障碍物形状大小和无人机实时飞行高度，以当前无人机所在空间位置为出发点，实时对无人机所在平面进行路径规划。该方法将二维Voronoi图分割方法扩展到三维，规划出三维空间内的无人机飞行路径，提高了规划路径的有效性。

附图说明

图1为本发明实施例中路径规划方法的流程图。

图2为二维平面威胁图的Voronoi图分割原理示意图。

图3为本发明实施例中路径规划过程的示意图。

图4为本发明实施例中路径重规划过程的示意图。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案做进一步的说明。

如图1所示，一种实时重构Voronoi图的无人机路径规划方法，其包括以下步骤：

S1，获取无人机飞行区域环境信息，建立三维环境威胁模型；

S2，确定无人机飞行高度，并绘制该高度处的二维平面威胁图；

S3，根据步骤S2中生成的二维平面威胁图，并使用矢量法产生Voronoi图；

S4，根据步骤S3中生成的Voronoi图，规划并生成初始路径；

S5，对步骤S4生成的初始路径，根据无人机性能参数进行二次优化，生成飞行路径；

S6，飞行过程中，判断无人机高度变化是否超出一定阈值，若超出，则根据无人机当前高度实时重构Voronoi图，重复步骤S2～S5重新规划路径并继续飞行。

其中，步骤S1具体为：对无人机飞行区域进行空间二值化处理，分为可飞行区域及不可飞行区域，其中可飞行区域表示无人机可以安全飞行，不可飞行区域表示无人机触碰边界即可造成损毁。

步骤S2具体为：以无人机当前所处高度平面为基准面，将步骤S1生成的二值化区域信息进行分割，得到该高度出的二维环境平面图，同样分为可飞行区域及不可飞行区域。

如图2所示，步骤S3具体为：将二维平面图中的不可飞行区域，进行最小外接圆计算，将由多个最小外接圆组成的二维分布图进行Voronoi图分割；图2中，s为起点，e为终点。

步骤S4具体为：使用Dijkstra算法，对V图进行搜索得到初始航路，如图3中的(301)所示。

步骤S5具体为：根据无人机转弯半径，将初始航线的拐点进行二次优化，以转弯半径为基准计算转弯圆弧，作为优化后的航线，如图3中的(302)所示。

步骤S6中，判断无人机高度变化是否超出一定阈值，若不超出，则继续按照S4规划的路径进行飞行；若超出，则根据无人机当前高度重新执行S2～S4，实时重构Voronoi图，如图4所示，并以当前无人机所在空间位置m为出发点，重新规划路径，直至任务结束。

上述方法的应用前提为：飞行环境的地图已知，在该地图基础上所有障碍物的模型信息已知，环境区域大小、无人机起点位置、目标位置、无人机飞行步长、威胁代价及航路燃油代价等系数已知。

下面为一个更具体的例子。

一种实时重构Voronoi图的无人机路径规划方法，其包括以下步骤：

步骤1.获取无人机飞行区域环境信息，建立三维环境威胁模型，具体为：

A.山峰类威胁模型，当无人机的飞行高度一定时，山峰的水平截面为圆周，山峰半径和UAV距山峰中心的距离分别为D_S和R_S，设置安全距离为L_S，撞毁概率P_S(R_S)可近似表示为：

B.探测类威胁模型，设其最大探测半径为R_N-max，张角为α，可知水平最大探测距离R_NL＝R_N-max sinα，根据探测源对目标角位置的测量，无人机距探测源水平距离为R_N，k为探测源的威胁强度，则探测类威胁对无人机的探测概率：

C.杀伤类威胁模型，设无人机与杀伤威胁源距离为R_D，威胁源杀伤的最小半径和最大半径分别为R_D-min、R_D-max，则无人机所受威胁度P_D(R_D)为：

D.不规则威胁模型，设无人机与不规则威胁源距离为R_W，威胁源的最大威胁范围为该不规则威胁的外接圆柱模型，圆柱半径为R_W-max，设安全距离为L_W，则无人机所受威胁度P_W(R_W)为：

步骤2.确定无人机飞行高度h，绘制山峰类威胁在h高度上的圆周、探测类威胁在h高度上的截面、杀伤类威胁在h高度上的圆周、以及不规则威胁模型外接圆柱截面，共同生成高度h处的二维平面威胁图。

步骤3.根据步骤二产生的二维平面威胁图，并使用矢量法建立Voronoi图，具体为：

以各威胁源作为生长目标向四周扩张，直到相遇为止，形成空间的Voronoi图形式化表达。建立过程考虑对于同一种类型的不同威胁源，其仅仅在战技指标(威胁强度)上存在差别，可以由威胁度计算模型来确定相对扩张速度，具体为：

A.山峰类威胁源的相对扩张速度：

式中，v_S1，v_S2分别为两个探测性威胁源的扩张速度，t为时间，其他符号的含义同公式(1)中各符号含义。

B.探测性威胁源的相对扩张速度：

式中，v_N1，v_N2分别为两个探测性威胁源1和2的扩张速度，t为时间，k₁，k₂含义同公式(2)中k的含义，R_N1，R_N2为空间点与探测性威胁源1和2的距离。

C.杀伤性威胁源的相对扩张速度：

式中，v_D1，v_D2分别为两个杀伤性威胁源的扩张速度，t为时间，R_D1，R_D2为空间点与杀伤性威胁源1和2的距离，R_{D-max 1}，R_{D-max 2}分别为两个杀伤性威胁源的最大杀伤半径。

D.不规则威胁源的相对扩张速度：

式中，v_W1，v_W2分别为两个不规则威胁源的扩张速度，t为时间，R_W1，R_W2为空间点与不规则威胁源1和2的距离，R_{W-max 1}，R_{W-max 2}分别为两个不规则威胁源的最大外接圆柱半径，L_W与公式(4)中的含义相同。

步骤4.根据步骤3生成的Voronoi图，使用Dijkstra算法，规划并生成路径，对Voronoi图进行搜索得到初始航路，具体为：

A.计算候选路径代价：

Voronoi图中第i条边的权值采用下面的代价函数进行计算：

J_i＝kJ_t,i+(1-k)J_f,i(0≤k≤1) (9)

式中，J_i为第i条边的权值；J_t,i为第i条边的威胁代价；J_f,i为第i条边的油耗代价；系数k是为了综合考虑威胁及无人机航程对航路的影响而引入的，其值的选取是由航路制订者根据实践经验和作战要求设定。

第i条边的威胁代价可以理解对i条边上所有的点的威胁代价积分，计算如下：

式中，S为山峰类威胁的数目，N为探测性威胁的数目，D杀伤类威胁的数目，W为不规则威胁的数目。

B.搜索最短路径：

初始航路采用图论中的Dijkstra算法，对Voronoi图进行搜索得到，具体步骤如下：

a)设初始点为s，目标点为e，将s看作一个集合S，其他点看作另一个集合；

b)根据初始点s，求出其他点到初始点的距离d[i](若相邻则d[i]为第i条边的权值J_i，若不相邻则d[i]为正无穷)；

c)选取最小的d[i](记为d[x])，并将d[i]边对应的点(记为x)加入集合S；

d)根据x，更新跟x相邻点y的d[y]值：d[y]＝min{d[y],d[x]+J_xy}，式中J_xy为边x、y的权值；

e)重复c)、d)两步，直到目标点e加入集合S。

步骤5.所述的对步骤4生成的初始路径，根据无人机性能参数进行二次优化，生成飞行路径，具体为：

根据无人机转弯半径，将初始航线的拐点进行二次优化，以转弯半径为基准计算转弯圆弧，作为优化后的航线。设初始路线拐点处的夹角为β，无人机的转弯半径为R_R，则在距离拐点tan((π-β)/2)×R_R处开始以半径R_R的弧线转弯，直到转过角度(π-β)，继续直行；

步骤6.判断无人机高度是否发生变化，若变化，则实时重构Voronoi图，并重新规划路径，具体为：

A.判断无人机高度h是否变化，若不变则保持原规划路径飞行。

B.若变化，则测定当前高度h′，重复步骤2～5，实现Voronoi图重构和路径重规划。

总之，本发明考虑高度变化对Voronoi图分割的影响，引入高度阈值，将二维Voronoi图分割方法扩展到三维，规划出三维空间内的无人机飞行路径，更加符合实际应用需求，使无人机的飞行更安全高效。

Claims (6)

1.一种实时重构Voronoi图的无人机路径规划方法，其特征在于，包括以下步骤：

S1，获取无人机飞行区域的环境信息，建立三维环境威胁模型；

S2，确定无人机的飞行高度，并绘制该高度处的二维平面威胁图；

S3，根据步骤S2中生成的二维平面威胁图，使用矢量法产生Voronoi图；

S4，根据步骤S3中生成的Voronoi图，规划并生成初始航路；

S5，对步骤S4生成的初始航路，根据无人机性能参数进行二次优化，生成飞行路径；

S6，飞行过程中，实时判断无人机高度变化是否超出阈值，若不超出，则继续按照当前路径进行飞行；若超出阈值，则以无人机当前所在位置为出发点，重复步骤S2～S5，根据无人机当前高度实时重构Voronoi图，重新规划路径并按照新路径飞行。

2.根据权利要求1所述的一种实时重构Voronoi图的无人机路径规划方法，其特征在于，步骤S1中获取无人机飞行区域的环境信息的具体方式为：

对无人机飞行区域进行空间二值化处理，将无人机飞行区域分为可飞行区域和不可飞行区域，其中，可飞行区域表示无人机可以安全飞行，不可飞行区域表示无人机触碰边界会造成损毁。

3.根据权利要求2所述的一种实时重构Voronoi图的无人机路径规划方法，其特征在于，步骤S2中绘制该高度处的二维平面威胁图的具体方式为：

以无人机当前所处的高度平面为基准面，将步骤S1生成的二值化区域信息进行分割，得到该高度处的二维平面威胁图，所述二维平面威胁图同样分为可飞行区域及不可飞行区域。

4.根据权利要求3所述的一种实时重构Voronoi图的无人机路径规划方法，其特征在于，步骤S3的具体方式为：

对二维平面威胁图中的不可飞行区域进行最小外接圆计算，然后对这些最小外接圆的二维分布图进行Voronoi图分割。

5.根据权利要求1所述的一种实时重构Voronoi图的无人机路径规划方法，其特征在于，步骤S4的具体方式为：使用Dijkstra 算法对Voronoi图进行搜索，得到初始航路。

6.根据权利要求1所述的一种实时重构Voronoi图的无人机路径规划方法，其特征在于，所述无人机性能参数为无人机转弯半径；步骤S5的具体方式为：根据无人机转弯半径，以转弯半径为基准计算转弯圆弧，将初始航路的拐点进行二次优化，得到优化后的飞行路径。

Images