CN112781592A - 一种低空物流无人机路径规划方法及系统 - Google Patents
一种低空物流无人机路径规划方法及系统 Download PDFInfo
- Publication number
- CN112781592A CN112781592A CN201911093482.9A CN201911093482A CN112781592A CN 112781592 A CN112781592 A CN 112781592A CN 201911093482 A CN201911093482 A CN 201911093482A CN 112781592 A CN112781592 A CN 112781592A
- Authority
- CN
- China
- Prior art keywords
- flight path
- unmanned aerial
- aerial vehicle
- determining
- grid
- 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
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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明公开一种低空物流无人机路径规划方法及系统,方法包括:首先采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;其次基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;然后确定物流无人机路径规划模型的飞行路径;最后采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。本发明引入的双向交叉判断法能够对物流无人机飞行路径进行精简,得到优化飞行路径,有效解决原算法规划出的路径存在冗余路径点的问题。
Description
技术领域
本发明涉及无人机路径规划技术领域,特别是涉及一种低空物流无人机路径规划方法及系统。
背景技术
随着无人机技术日臻成熟,各型别无人机应用领域不断扩大,如军事侦查、农林生产等,甚至可用于物流运输。由于物流无人机自身及环境限制复杂,其飞行路径是将货物安全、经济、快捷运送至目的地的重要保障,对降低运营成本、提升流转效率有重要现实意义。
国内外关于物流无人机路径规划的研究主要面向飞行行为、宏观路径规划,且考虑的路径影响要素单一有限,未体现具体飞行环境和无人机空中运动特点;另外,国内外关于物流无人机路径规划路径无法解决原算法规划出的路径存在冗余路径点的问题。
发明内容
本发明的目的是提供一种低空物流无人机路径规划方法及系统,以解决飞行路径存在冗余路径点的问题。
为实现上述目的,本发明提供了一种低空物流无人机路径规划方法,所述方法包括:
步骤S1:采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;
步骤S2:根据各所述自由栅格的危险度构建目标函数;
步骤S3:确定物流无人机的机动性能约束条件;
步骤S4:基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;
步骤S5:确定物流无人机路径规划模型的飞行路径;
步骤S6:采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。
可选的,所述采用栅格法将物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度,具体包括:
步骤S11:采用栅格法将物流无人机的飞行环境进行栅格划分;
步骤S12:判断各栅格中是否存在障碍;若存在障碍,该栅格为障碍栅格;如果不存在障碍,则该栅格为自由栅格;
步骤S13:确定各所述自由栅格的危险度。
可选的,所述根据各所述自由栅格的危险度构建目标函数,具体包括:
步骤S21:确定所述物流无人机完成运输任务所需的总时间和飞行耗能;
步骤S22:根据所述危险度、所述总时间和所述飞行耗能构建目标函数。
可选的,所述确定物流无人机的机动性能约束条件,具体包括:
步骤S31:确定所述物流无人机运输路径上相邻两路径点间的距离约束条件;
步骤S32:确定物流无人机单次货物运输的航程约束条件;
步骤S33:确定物流无人机转弯时的操作约束条件;
步骤S34:确定物流无人机飞行的高度约束条件;
步骤S35:确定物流无人机实际飞行的耗能约束条件;
步骤S36:确定物流无人机实际装载货物的重量约束条件。
可选的,所述确定物流无人机路径规划模型的飞行路径,具体包括:
步骤S51:根据各所述自由栅格的危险度确定动态加权估计代价函数;
步骤S52:根据动态加权估计代价函数确定飞行路径。
可选的,所述根据各所述自由栅格的危险度确定动态加权估计代价函数,具体包括:
步骤S511:获取货物重量;
步骤S512:根据所述货物重量确定货物重量惩罚系数;
步骤S513:根据所述货物重量惩罚系数和各所述自由栅格的危险度确定实际代价函数;
步骤S514:确定启发式函数;
步骤S515:确定所述实际代价函数的权重系数;
步骤S516:确定所述启发式函数的权重系数;
步骤S517:根据所述实际代价函数、所述实际代价函数的权重系数、所述启发式函数和所述启发式函数的权重系数确定动态加权估计代价函数。
可选的,所述根据动态加权估计代价函数确定飞行路径,具体包括:
步骤S521:建立开启列表、关闭列表和飞行路径表,将起始派送点所在栅格加入开启列表,将障碍栅格加入关闭列表,将起始派送点加入飞行路径表;
步骤S522:确定起始派送点,并将起始派送点周围危险度不为1的自由栅格加入开启列表;
步骤S523:根据所述动态加权估计代价函数计算所述开启列表内各自由栅格对应的路径点的第一估计代价函数值;
步骤S524:选取第一估计代价函数值最小的路径点作为飞行路径点,将该路径点加入飞行路径表,并将该路径点从开启列表中删除,加入关闭列表;
步骤S525:判断飞行路径点是否为目的派送点;如果飞行路径点为目的派送点,则根据所述飞行路径表内的各飞行路径点确定飞行路径;如果飞行路径点不为目的派送点,执行步骤S526;
步骤S526:判断目的派送点是否在关闭列表中或判断开启列表是否为空;如果目的派送点在关闭列表中或开启列表为空,则路径搜索结束,根据所述飞行路径表内的各飞行路径点确定飞行路径,并执行步骤S6;如果目的派送点不在关闭列表中且开启列表不为空,则执行步骤S527;
步骤S527:判断飞行路径点周围第k个自由栅格的危险度是否为1;如果第k个自由栅格的危险度为1,则跳过第k个自由栅格对应的路径点,并将第k个自由栅格放入关闭列表,令k=k+1,并执行步骤S529;如果第k个自由栅格的危险度不为1,则判断第k个自由栅格是否在开启列表内;如果第k个自由栅格不在开启列表内,将第k个自由栅格加入开启列表,并返回步骤S523;如果第k个自由栅格在开启列表内,则根据所述动态加权估计代价函数计算第k个自由栅格对应的路径点的第二估计代价函数值;
步骤S528:判断第二估计代价函数值是否小于第一估计代价函数值;如果第二估计代价函数值小于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点为飞行路径点;如果第二估计代价函数值大于或等于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点不变,令k=k+1,并执行步骤S529;
步骤S529:判断k是否小于或等于飞行路径点周围自由栅格的总个数;如果k小于或等于飞行路径点周围自由栅格的总个数,则返回步骤S527;如果k大于飞行路径点周围自由栅格的总个数,则将飞行路径点作为起始派送点,并返回步骤S522。
可选的,所述采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径,具体包括:
步骤S61:对所述飞行路径中各飞行路径点按高度划分为多段子路径;
步骤S62:选取各段子路径中飞行路径点个数大于2的子路径作为待判断子路径;
步骤S63:判断迭代次数i是否小于或等于sum-2,sum为各待判断子路径中各飞行路径点总个数;如果i小于或等于sum-2,则执行步骤S64;如果i大于sum-2,则将飞行路径中位于冗余路径点列表中的飞行路径点筛除,输出优化飞行路径;
步骤S64:判断飞行路径点pj与飞行路径点pj+num-i是否位于冗余路径点列表中,(j=1,2,…,i);如果飞行路径点pj与飞行路径点pj+num-i均不位于冗余路径点列表中,则执行步骤S65;如果飞行路径点pj与飞行路径点pj+num-i位于冗余路径点列表中,则执行步骤S67;
步骤S65:判断飞行路径点pj与飞行路径点pj+num-i之间的连线是否与障碍物交叉;如果不存在障碍物交叉,则执行步骤S66;如果存在障碍物交叉,则跳过飞行路径点pj和飞行路径点pj+num-i,执行步骤S67;
步骤S66:将飞行路径点pj与飞行路径点pj+num-i之间直接连接,并将飞行路径中飞行路径点pj与飞行路径点pj+num-i之间的其余飞行路径点移入冗余路径点列表,执行步骤S67;
步骤S67:判断j是否小于i;如果j小于i,则令j=j+1,返回步骤S64;如果j大于或等于i,则令i=i+1,返回步骤S63。
本发明还提供一种低空物流无人机路径规划系统,所述系统包括:
栅格划分模块,用于采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;
目标函数构建模块,用于根据各所述自由栅格的危险度构建目标函数;
机动性能约束条件确定模块,用于确定物流无人机的机动性能约束条件;
模型构建模块,用于基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;
飞行路径确定模块,用于确定物流无人机路径规划模型的飞行路径;
飞行路径优化模块,用于采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。
可选的,所述栅格划分模块,具体包括:
栅格划分单元,用于采用栅格法将物流无人机的飞行环境进行栅格划分;
第一判断单元,用于判断各栅格中是否存在障碍;若存在障碍,该栅格为障碍栅格;如果不存在障碍,则该栅格为自由栅格;
危险度确定单元,用于确定各所述自由栅格的危险度。
可选的,所述机动性能约束条件确定模块,具体包括:
距离约束条件确定单元,用于确定所述物流无人机运输路径上相邻两路径点间的距离约束条件;
航程约束条件确定单元,用于确定物流无人机单次货物运输的航程约束条件;
操作约束条件确定单元,用于确定物流无人机转弯时的操作约束条件;
高度约束条件确定单元,用于确定物流无人机飞行的高度约束条件;
耗能约束条件确定单元,用于确定物流无人机实际飞行的耗能约束条件;
重量约束条件确定单元,用于确定物流无人机实际装载货物的重量约束条件。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种低空物流无人机路径规划方法及系统,方法包括:首先采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;其次基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;然后确定物流无人机路径规划模型的飞行路径;最后采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。本发明引入的双向交叉判断法能够对物流无人机飞行路径进行精简,得到优化飞行路径,有效解决原算法规划出的路径存在冗余路径点的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例低空物流无人机路径规划方法流程图;
图2为本发明实施例物流无人机飞行环境栅格划分示意图;
图3为本发明实施例货物重量惩罚系数τ(Q)与货物重量Q的关系图;
图4为本发明实施例确定栅格危险度计算示意图;
图5为本发明实施例确定飞行路径流程图;
图6为本发明实施例物流无人机飞行路径、子路径、双向交叉判断路径及优化飞行路径的综合示意图;
图7为本发明实施例低空物流无人机路径规划系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种低空物流无人机路径规划方法及系统,以解决飞行路径存在冗余路径点的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例低空物流无人机路径规划方法流程图,如图1所示,本发明提供一种低空物流无人机路径规划方法,所述方法包括:
步骤S1:采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;
步骤S2:根据各所述自由栅格的危险度构建目标函数;
步骤S3:确定物流无人机的机动性能约束条件;
步骤S4:基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;
步骤S5:确定物流无人机路径规划模型的飞行路径;
步骤S6:采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。
下面对各个步骤进行详细论述:
步骤S1:采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;具体包括:
1)、采用栅格法将物流无人机飞行环境进行栅格划分,具体为:
图2为本发明实施例物流无人机飞行环境栅格划分示意图,如图2所示,本发明将物流无人机飞行环境视为一个长、宽、高分别为x、y、z的长方体区域OABC-O’A’B’C’,以O为原点建立三维直角坐标系;其中,OA长度等于x,AA’长度等于y,OC长度等于z;根据任务规划环境信息及物流无人机性能约束确定栅格粒度大小l,并执行以下两步来确定栅格在环境中的坐标。
Step1:对OABC-O’A’B’C’沿边OO’进行m等分,过各等分点作平行于OABC面的平面,得到m-l个平面;其中,m=int(y/l),int()为向上取整函数。
Step2:对第j平面γj(j=1,2,...m)沿边OA进行n等分,沿边OC进行h等分;其中,n=int(x/l),h=int(z/l)。此时第j平面γj便离散成n*h个平面栅格,OABC-O’A’B’C’被离散成m*n*h个立体栅格,则无人机待扩展飞行路径点可标记为pN(σN,θN,χN),σN=1,...,m,θN=1,...,n,χN=1,...,h。
2)、判断各栅格中是否存在障碍;若存在障碍,该栅格为障碍栅格;如果不存在障碍,则该栅格为自由栅格;所述障碍包括地形障碍和地物障碍;将所述障碍栅格对应位置赋值为1,将自由栅格对应位置赋值为0。
3)、采用非二值存储法确定各所述自由栅格的危险度,具体公式为:
其中,danger(n)为所述自由栅格的危险度,sum_obstacle为某一自由栅格周围障碍栅格的数目,sum_surround为某一自由栅格周围总栅格数目。
图4为本发明实施例栅格危险度计算示意图,如图4所示,本发明中确定各所述自由栅格的危险度是依据该自由栅格周围的26个栅格确定,也就是说26个栅格中障碍栅格的个数比上总栅格个数即为危险度,此值越大说明路径点所处环境越危险,在扩展下一路径点时应选择危险值较小的路径点。
图4中各所述自由栅格没有进行任何处理获得的栅格矩阵分别为:
通过上述公式确定各所述自由栅格的危险度矩阵具体为:
步骤S3:确定物流无人机的机动性能约束条件,具体包括:
步骤S31:确定所述物流无人机运输路径上相邻两路径点间的距离约束条件;所述距离约束条件为:
其中,li为任意相邻飞行路径点间的距离,lmin为最小路径段长度,n为路径点的总个数。
步骤S32:确定物流无人机单次货物运输的航程约束条件;所述航程约束条件为:
其中,Lmax为最远航程。
步骤S33:确定物流无人机转弯时的操作约束条件;所述操作约束条件包括转弯操作约束条件和爬升操作约束条件。
为保证无人机完成转弯与爬升操作时保持其稳定性,当物流无人机从当前路径点改变方向至下一路径点时,不能超过最大转弯角βmax和最大爬升角μmax。
当无人机完成转弯操作时,则转弯操作约束条件为:
0≤β≤βmax;
当无人机完成爬升操作时,则爬升操作约束条件为:
步骤S34:确定物流无人机飞行的高度约束条件;所述高度约束条件为:
zi≤hmax;
其中,zi为路径点(xi,yi,zi)的飞行高度;
步骤S35:确定物流无人机实际飞行的耗能约束条件;所述能耗约束条件为:
energy≤Etotal
其中,energy为实际飞行所耗电能,Etotal为物流无人机电池充满电后的总电能。
步骤S36:确定物流无人机实际装载货物的重量约束条件;所述重量约束条件为:
Q≤Qmax
其中,Q为物流无人机实际装载货物重量,Qmax为最大货物载重。
步骤S4:基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;所述物流无人机路径规划模型为:
minz=b1time+b2energy+b3danger
0≤β≤βmax
zi≤hmax
energy≤Etotal
Q≤Qmax
time≤T=t2-t1
其中,time、energy、danger分别为物流无人机完成运输任务所需的总时间、飞行耗能和危险度;b1、b2、b3分别为time、energy、danger的系数。
步骤S5:确定物流无人机路径规划模型的飞行路径,具体包括:
步骤S51:根据各所述自由栅格的危险度确定动态加权估计代价函数;具体包括:
步骤S511:获取货物重量Q。
步骤S512:根据所述货物重量确定货物重量惩罚系数τ(Q),具体公式为:
其中,τmax为惩罚系数最大值,Qmax为最大货物载重,Q为货物重量。
本发明实施例货物重量惩罚系数τ(Q)与货物重量Q的关系如图3所示。
步骤S513:根据所述货物重量惩罚系数和各所述自由栅格的危险度确定实际代价函数,具体公式为:
其中,gQ(n)为物流无人机在路径点n处的实际代价函数,Q为运输货物重量,ω1,ω2,ω3分别为物流无人机完成运输任务所需的飞行时间、飞行耗能以及危险度的权重系数,满足ω1+ω2+ω3=1,(xn,yn,zn)、(xn-1,yn-1,zn-1)为相邻路径点n和n-1处的坐标,λ为单位距离水平运动耗能,r为单位距离垂直运动耗能,t(n-1,n)为相邻路径点n和n-1处的飞行时间,计算式为
其中,v为物流无人机飞行速度。
步骤S514:确定启发式函数,具体公式为:
其中,gQ(n)为实际代价函数,T为预估飞至目的派送点所需时间,Etotd为物流无人机电池充满电后的总电能,t(n,end)、E(n,end)分别为从路径点n到目的派送点end的预计飞行时间及电量,其表达式如下:
E(n,end)=λ(|xend-xn|+|yend-yn|)+r|zend-zn|;
其中,(xend,yend,zend)为目的派送点end的坐标。
步骤S515:确定所述实际代价函数的权重系数。
为保证算法在搜索精度达到要求的基础上提高效率,本发明对gQ(n)的权重进行动态赋值,所述实际代价函数的权重系数W(n)表达式如下:
其中,wmax、wmin分别为gQ(n)权重系数的最大值及最小值,T为预估飞至目的派送点所需时间,Etotal为物流无人机电池充满电后的总电能,ω1,ω2分别为物流无人机完成运输任务所需的飞行时间的权重系数和飞行耗能的权重系数。
在扩展路径点前期,W(n)值太小导致扩展范围小和搜索精度低,为保证搜索精度,规定了W(n)的最小值为wmin。当飞行路径点越靠近目的派送点时,W(n)值大导致搜索精度高、范围大,但效率降低,为保证搜索效率规定了W(n)的最大值为wmax。
步骤S516:确定所述启发式函数的权重系数。
在搜索路径点时为了更快到达目的派送点附近,需要对所述启发式函数设计权重W′(n),该值与待搜索路径点到目的派送点的飞行代价成正比,飞行代价高的路径点对应W′(n)值大,反之则数值小。启发式函数的的权重系数W′(n)的表达式如下
步骤S517:根据所述实际代价函数、所述实际代价函数的权重系数、所述启发式函数和所述启发式函数的权重系数确定动态加权估计代价函数,具体公式为:
fQ(n)=W(n)gQ(n)+W'(n)hQ(n)。
其中,hQ(n)为启发式函数,W′(n)为启发式函数的权重系数,gQ(n)为实际代价函数,W(n)为实际代价函数的权重系数,n为路径点。
图5为本发明实施例确定飞行路径流程图,如图5所示,步骤S52根据动态加权估计代价函数确定飞行路径,具体包括:
步骤S521:建立开启列表、关闭列表和飞行路径表,将起始派送点所在栅格加入开启列表,将障碍栅格加入关闭列表,将起始派送点加入飞行路径表;
步骤S522:确定起始派送点,并将起始派送点周围危险度不为1的自由栅格加入开启列表;
步骤S523:根据所述动态加权估计代价函数计算所述开启列表内各自由栅格对应的路径点的第一估计代价函数值;
步骤S524:选取第一估计代价函数值最小的路径点作为飞行路径点,将该路径点加入飞行路径表,并将该路径点从开启列表中删除,加入关闭列表;
步骤S525:判断飞行路径点是否为目的派送点;如果飞行路径点为目的派送点,则根据所述飞行路径表内的各飞行路径点确定飞行路径;如果飞行路径点不为目的派送点,执行步骤S526;
步骤S526:判断目的派送点是否在关闭列表中或判断开启列表是否为空;如果目的派送点在关闭列表中或开启列表为空,则路径搜索结束,根据所述飞行路径表内的各飞行路径点确定飞行路径,并执行步骤S6;如果目的派送点不在关闭列表中且开启列表不为空,则执行步骤S527;
步骤S527:判断飞行路径点周围第k个自由栅格的危险度是否为1;如果第k个自由栅格的危险度为1,则跳过第k个自由栅格对应的路径点,并将第k个自由栅格放入关闭列表,令k=k+1,并执行步骤S529;如果第k个自由栅格的危险度不为1,则判断第k个自由栅格是否在开启列表内;如果第k个自由栅格不在开启列表内,将第k个自由栅格加入开启列表,并返回步骤S523;如果第k个自由栅格在开启列表内,则根据所述动态加权估计代价函数计算第k个自由栅格对应的路径点的第二估计代价函数值;
步骤S528:判断第二估计代价函数值是否小于第一估计代价函数值;如果第二估计代价函数值小于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点为飞行路径点;如果第二估计代价函数值大于或等于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点不变,令k=k+1,并执行步骤S529;
步骤S529:判断k是否小于或等于飞行路径点周围自由栅格的总个数;如果k小于或等于飞行路径点周围自由栅格的总个数,则返回步骤S527;如果k大于飞行路径点周围自由栅格的总个数,则将飞行路径点作为起始派送点,并返回步骤S522。
步骤S6:所述采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径,具体包括:
步骤S61:对所述飞行路径中各飞行路径点按高度划分为多段子路径;
各子路径段可表示为sub_path={p1,p2,…,pnum},num为该段路飞行路径点总个数。若连续多个飞行路径点处于同一高度则将这些飞行路径点归为一段,段内飞行路径点顺序保持不变;若多个不相邻飞行路径点处于同一高度,则将这些飞行路径点归为多段;若某飞行路径点与前后两飞行路径点均不在同一高度,则该飞行路径点单独为一段。
步骤S62:选取各段子路径中飞行路径点个数大于2的子路径作为待判断子路径;
步骤S63:判断迭代次数i是否小于或等于sum-2,sum为各待判断子路径中各飞行路径点总个数;如果i小于或等于sum-2,则执行步骤S64;如果i大于sum-2,则将飞行路径中位于冗余路径点列表中的飞行路径点筛除,输出优化飞行路径;
步骤S64:判断飞行路径点pj与飞行路径点pj+num-i是否位于冗余路径点列表中,(j=1,2,…,i);如果飞行路径点pj与飞行路径点pj+num-i均不位于冗余路径点列表中,则执行步骤S65;如果飞行路径点pj与飞行路径点pj+num-i位于冗余路径点列表中,则执行步骤S67;
步骤S65:判断飞行路径点pj与飞行路径点pj+num-i之间的连线是否与障碍物交叉;如果不存在障碍物交叉,则执行步骤S66;如果存在障碍物交叉,跳过飞行路径点pj和飞行路径点pj+num-i,执行步骤S67;
步骤S66:将飞行路径点pj与飞行路径点pj+num-i之间直接连接,并将飞行路径中飞行路径点pj与飞行路径点pj+num-i之间的其余飞行路径点移入冗余路径点列表,执行步骤S67;
步骤S67:判断j是否小于i;如果j小于i,则令j=j+1,返回步骤S64;如果j大于或等于i,则令i=i+1,返回步骤S63。
为了更清楚本发明具体实现过程,本发明给出了物流无人机的飞行路径、子路径、双向交叉判断路径及优化飞行路径的综合示意图,如图6所示,图6中(a)为飞行路径图,图6中(b)为子路径图,图6中(c)为双向交叉判断路径图,图6中(d)为优化飞行路径示意图。
图7为本发明实施例低空物流无人机路径规划系统结构图,如图7所示,本发明还公开一种低空物流无人机路径规划系统,所述系统包括:
栅格划分模块1,用于采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;
目标函数构建模块2,用于根据各所述自由栅格的危险度构建目标函数;
机动性能约束条件确定模块3,用于确定物流无人机的机动性能约束条件;
模型构建模块4,用于基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;
飞行路径确定模块5,用于确定物流无人机路径规划模型的飞行路径;
飞行路径优化模块6,用于采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。
下面对各个模块进行详细论述:
作为一种实施方式,本发明所述栅格划分模块1,具体包括:
栅格划分单元,用于采用栅格法将物流无人机的飞行环境进行栅格划分;
第一判断单元,用于判断各栅格中是否存在障碍;若存在障碍,该栅格为障碍栅格;如果不存在障碍,则该栅格为自由栅格;
危险度确定单元,用于确定各所述自由栅格的危险度。
作为一种实施方式,本发明所述目标函数构建模块2,具体包括:
参数确定单元,用于确定所述物流无人机完成运输任务所需的总时间和飞行耗能;
目标函数构建单元,用于根据所述危险度、所述总时间和所述飞行耗能构建目标函数
作为一种实施方式,本发明所述所述机动性能约束条件确定模块,具体包括:
距离约束条件确定单元,用于确定所述物流无人机运输路径上相邻两路径点间的距离约束条件;
航程约束条件确定单元,用于确定物流无人机单次货物运输的航程约束条件;
操作约束条件确定单元,用于确定物流无人机转弯时的操作约束条件;
高度约束条件确定单元,用于确定物流无人机飞行的高度约束条件;
耗能约束条件确定单元,用于确定物流无人机实际飞行的耗能约束条件;
重量约束条件确定单元,用于确定物流无人机实际装载货物的重量约束条件。
作为一种实施方式,本发明所述飞行路径确定模块5,具体包括:
动态加权估计代价函数确定单元,用于根据各所述自由栅格的危险度确定动态加权估计代价函数;
飞行路径确定单元,用于根据动态加权估计代价函数确定飞行路径。
作为一种实施方式,本发明所述动态加权估计代价函数确定单元,具体包括:
获取子单元,用于获取货物重量;
货物重量惩罚系数确定子单元,用于根据所述货物重量确定货物重量惩罚系数;
实际代价函数确定子单元,用于根据所述货物重量惩罚系数和各所述自由栅格的危险度确定实际代价函数;
启发式函数确定子单元,用于确定启发式函数;
第一权重系数确定子单元,用于确定所述实际代价函数的权重系数;
第二权重系数确定子单元,用于确定所述启发式函数的权重系数;
动态加权估计代价函数确定子单元,用于根据所述实际代价函数、所述实际代价函数的权重系数、所述启发式函数和所述启发式函数的权重系数确定动态加权估计代价函数。
作为一种实施方式,本发明所述飞行路径确定单元,具体包括:
列表建立子单元,用于建立开启列表、关闭列表和飞行路径表,将起始派送点所在栅格加入开启列表,将障碍栅格加入关闭列表,将起始派送点加入飞行路径表;
加入子单元,用于确定起始派送点,并将起始派送点周围危险度不为1的自由栅格加入开启列表;
第一估计代价函数值确定子单元,用于根据所述动态加权估计代价函数计算所述开启列表内各自由栅格对应的路径点的第一估计代价函数值;
飞行路径点确定子单元,用于选取第一估计代价函数值最小的路径点作为飞行路径点,将该路径点加入飞行路径表,并将该路径点从开启列表中删除,加入关闭列表;
第一判断子单元,用于判断飞行路径点是否为目的派送点;如果飞行路径点为目的派送点,则根据所述飞行路径表内的各飞行路径点确定飞行路径;如果飞行路径点不为目的派送点,执行“第二判断子单元”;
第二判断子单元,用于判断目的派送点是否在关闭列表中或判断开启列表是否为空;如果目的派送点在关闭列表中或开启列表为空,则路径搜索结束,根据所述飞行路径表内的各飞行路径点确定飞行路径,并执行“飞行路径优化模块6”;如果目的派送点不在关闭列表中且开启列表不为空,则执行“第三判断子单元”;
第三判断子单元,用于判断飞行路径点周围第k个自由栅格的危险度是否为1;如果第k个自由栅格的危险度为1,则跳过第k个自由栅格对应的路径点,并将第k个自由栅格放入关闭列表,令k=k+1,并执行“第五判断子单元”;如果第k个自由栅格的危险度不为1,则判断第k个自由栅格是否在开启列表内;如果第k个自由栅格不在开启列表内,将第k个自由栅格加入开启列表,并返回“第一估计代价函数值”;如果第k个自由栅格在开启列表内,则根据所述动态加权估计代价函数计算第k个自由栅格对应的路径点的第二估计代价函数值;
第四判断子单元,用于判断第二估计代价函数值是否小于第一估计代价函数值;如果第二估计代价函数值小于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点为飞行路径点;如果第二估计代价函数值大于或等于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点不变,令k=k+1,并执行“第五判断子单元”;
第五判断子单元,用于判断k是否小于或等于飞行路径点周围自由栅格的总个数;如果k小于或等于飞行路径点周围自由栅格的总个数,则返回步骤S527;如果k大于飞行路径点周围自由栅格的总个数,则将飞行路径点作为起始派送点,并返回“加入子单元”。
作为一种实施方式,本发明所述飞行路径优化模块6,具体包括:
多段子路径确定单元,用于对所述飞行路径中各飞行路径点按高度划分为多段子路径;
待判断子路径确定单元,用于选取各段子路径中飞行路径点个数大于2的子路径作为待判断子路径;
第二判断单元,用于判断迭代次数i是否小于或等于sum-2,sum为各待判断子路径中各飞行路径点总个数;如果i小于或等于sum-2,则执行“第三判断单元”;如果i大于sum-2,则将飞行路径中位于冗余路径点列表中的飞行路径点筛除,输出优化飞行路径;
第三判断单元,用于判断飞行路径点pj与飞行路径点pj+num-i是否位于冗余路径点列表中,(j=1,2,…,i);如果飞行路径点pj与飞行路径点pj+num-i均不位于冗余路径点列表中,则执行“第四判断单元”;如果飞行路径点pj与飞行路径点pj+num-i位于冗余路径点列表中,则执行步骤S67;
第四判断单元,用于判断飞行路径点pj与飞行路径点pj+num-i之间的连线是否与障碍物交叉;如果不存在障碍物交叉,则执行“连接单元”;如果存在障碍物交叉,则跳过飞行路径点pj和飞行路径点pj+num-i,执行“第五判断单元”;
连接单元,用于将飞行路径点pj与飞行路径点pj+num-i之间直接连接,并将飞行路径中飞行路径点pj与飞行路径点pj+num-i之间的其余飞行路径点移入冗余路径点列表,执行“第五判断单元”;
第五判断单元,用于判断j是否小于i;如果j小于i,则令j=j+1,返回“第三判断单元”;如果j大于或等于i,则令i=i+1,返回“第二判断单元”。
本发明设计的物流无人机从初始点至目标点的最优飞行路径规划是综合考虑地形地物和低空空域结构,结合无人机相关性能约束,新增栅格危险度因子和货物重量惩罚系数,并对估计代价函数进行动态赋权,反映了低空环境下障碍物对路径点选择的影响及物流无人机物理性能、机动行为对路径代价的影响,且搜索效率高、搜索空间小。此飞行路径规划不同于其他任务无人机的路径规划,物流无人机路径规划由于其航空物流特点导致规划考虑的因素需更全面、具体。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种低空物流无人机路径规划方法,其特征在于,所述方法包括:
步骤S1:采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;
步骤S2:根据各所述自由栅格的危险度构建目标函数;
步骤S3:确定物流无人机的机动性能约束条件;
步骤S4:基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;
步骤S5:确定物流无人机路径规划模型的飞行路径;
步骤S6:采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。
2.根据权利要求1所述的低空物流无人机路径规划方法,其特征在于,所述采用栅格法将物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度,具体包括:
步骤S11:采用栅格法将物流无人机的飞行环境进行栅格划分;
步骤S12:判断各栅格中是否存在障碍;若存在障碍,该栅格为障碍栅格;如果不存在障碍,则该栅格为自由栅格;
步骤S13:确定各所述自由栅格的危险度。
3.根据权利要求1所述的低空物流无人机路径规划方法,其特征在于,所述确定物流无人机的机动性能约束条件,具体包括:
步骤S31:确定所述物流无人机运输路径上相邻两路径点间的距离约束条件;
步骤S32:确定物流无人机单次货物运输的航程约束条件;
步骤S33:确定物流无人机转弯时的操作约束条件;
步骤S34:确定物流无人机飞行的高度约束条件;
步骤S35:确定物流无人机实际飞行的耗能约束条件;
步骤S36:确定物流无人机实际装载货物的重量约束条件。
4.根据权利要求1所述的低空物流无人机路径规划方法,其特征在于,所述确定物流无人机路径规划模型的飞行路径,具体包括:
步骤S51:根据各所述自由栅格的危险度确定动态加权估计代价函数;
步骤S52:根据动态加权估计代价函数确定飞行路径。
5.根据权利要求4所述的低空物流无人机路径规划方法,其特征在于,所述根据各所述自由栅格的危险度确定动态加权估计代价函数,具体包括:
步骤S511:获取货物重量;
步骤S512:根据所述货物重量确定货物重量惩罚系数;
步骤S513:根据所述货物重量惩罚系数和各所述自由栅格的危险度确定实际代价函数;
步骤S514:确定启发式函数;
步骤S515:确定所述实际代价函数的权重系数;
步骤S516:确定所述启发式函数的权重系数;
步骤S517:根据所述实际代价函数、所述实际代价函数的权重系数、所述启发式函数和所述启发式函数的权重系数确定动态加权估计代价函数。
6.根据权利要求4所述的低空物流无人机路径规划方法,其特征在于,所述根据动态加权估计代价函数确定飞行路径,具体包括:
步骤S521:建立开启列表、关闭列表和飞行路径表,将起始派送点所在栅格加入开启列表,将障碍栅格加入关闭列表,将起始派送点加入飞行路径表;
步骤S522:确定起始派送点,并将起始派送点周围危险度不为1的自由栅格加入开启列表;
步骤S523:根据所述动态加权估计代价函数计算所述开启列表内各自由栅格对应的路径点的第一估计代价函数值;
步骤S524:选取第一估计代价函数值最小的路径点作为飞行路径点,将该路径点加入飞行路径表,并将该路径点从开启列表中删除,加入关闭列表;
步骤S525:判断飞行路径点是否为目的派送点;如果飞行路径点为目的派送点,则根据所述飞行路径表内的各飞行路径点确定飞行路径;如果飞行路径点不为目的派送点,执行步骤S526;
步骤S526:判断目的派送点是否在关闭列表中或判断开启列表是否为空;如果目的派送点在关闭列表中或开启列表为空,则路径搜索结束,根据所述飞行路径表内的各飞行路径点确定飞行路径,并执行步骤S6;如果目的派送点不在关闭列表中且开启列表不为空,则执行步骤S527;
步骤S527:判断飞行路径点周围第k个自由栅格的危险度是否为1;如果第k个自由栅格的危险度为1,则跳过第k个自由栅格对应的路径点,并将第k个自由栅格放入关闭列表,令k=k+1,并执行步骤S529;如果第k个自由栅格的危险度不为1,则判断第k个自由栅格是否在开启列表内;如果第k个自由栅格不在开启列表内,将第k个自由栅格加入开启列表,并返回步骤S523;如果第k个自由栅格在开启列表内,则根据所述动态加权估计代价函数计算第k个自由栅格对应的路径点的第二估计代价函数值;
步骤S528:判断第二估计代价函数值是否小于第一估计代价函数值;如果第二估计代价函数值小于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点为飞行路径点;如果第二估计代价函数值大于或等于第一估计代价函数值,则第k个自由栅格对应的路径点的父节点不变,令k=k+1,并执行步骤S529;
步骤S529:判断k是否小于或等于飞行路径点周围自由栅格的总个数;如果k小于或等于飞行路径点周围自由栅格的总个数,则返回步骤S527;如果k大于飞行路径点周围自由栅格的总个数,则将飞行路径点作为起始派送点,并返回步骤S522。
7.根据权利要求1所述的低空物流无人机路径规划方法,其特征在于,所述采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径,具体包括:
步骤S61:对所述飞行路径中各飞行路径点按高度划分为多段子路径;
步骤S62:选取各段子路径中飞行路径点个数大于2的子路径作为待判断子路径;
步骤S63:判断迭代次数i是否小于或等于sum-2,sum为各待判断子路径中各飞行路径点总个数;如果i小于或等于sum-2,则执行步骤S64;如果i大于sum-2,则将飞行路径中位于冗余路径点列表中的飞行路径点筛除,输出优化飞行路径;
步骤S64:判断飞行路径点pj与飞行路径点pj+num-i是否位于冗余路径点列表中,(j=1,2,…,i);如果飞行路径点pj与飞行路径点pj+num-i均不位于冗余路径点列表中,则执行步骤S65;如果飞行路径点pj与飞行路径点pj+num-i位于冗余路径点列表中,则执行步骤S67;
步骤S65:判断飞行路径点pj与飞行路径点pj+num-i之间的连线是否与障碍物交叉;如果不存在障碍物交叉,则执行步骤S66;如果存在障碍物交叉,则跳过飞行路径点pj和飞行路径点pj+num-i,执行步骤S67;
步骤S66:将飞行路径点pj与飞行路径点pj+num-i之间直接连接,并将飞行路径中飞行路径点pj与飞行路径点pj+num-i之间的其余飞行路径点移入冗余路径点列表,执行步骤S67;
步骤S67:判断j是否小于i;如果j小于i,则令j=j+1,返回步骤S64;如果j大于或等于i,则令i=i+1,返回步骤S63。
8.一种低空物流无人机路径规划系统,其特征在于,所述系统包括:
栅格划分模块,用于采用栅格法将所述物流无人机的飞行环境进行栅格划分,确定各所述自由栅格的危险度;
目标函数构建模块,用于根据各所述自由栅格的危险度构建目标函数;
机动性能约束条件确定模块,用于确定物流无人机的机动性能约束条件;
模型构建模块,用于基于所述目标函数和所述物流无人机的机动性能约束条件构建物流无人机路径规划模型;
飞行路径确定模块,用于确定物流无人机路径规划模型的飞行路径;
飞行路径优化模块,用于采用双向交叉判断法对所述飞行路径进行优化,获得优化飞行路径。
9.根据权利要求8所述的低空物流无人机路径规划系统,其特征在于,所述栅格划分模块,具体包括:
栅格划分单元,用于采用栅格法将物流无人机的飞行环境进行栅格划分;
第一判断单元,用于判断各栅格中是否存在障碍;若存在障碍,该栅格为障碍栅格;如果不存在障碍,则该栅格为自由栅格;
危险度确定单元,用于确定各所述自由栅格的危险度。
10.根据权利要求8所述的低空物流无人机路径规划系统,其特征在于,所述机动性能约束条件确定模块,具体包括:
距离约束条件确定单元,用于确定所述物流无人机运输路径上相邻两路径点间的距离约束条件;
航程约束条件确定单元,用于确定物流无人机单次货物运输的航程约束条件;
操作约束条件确定单元,用于确定物流无人机转弯时的操作约束条件;
高度约束条件确定单元,用于确定物流无人机飞行的高度约束条件;
耗能约束条件确定单元,用于确定物流无人机实际飞行的耗能约束条件;
重量约束条件确定单元,用于确定物流无人机实际装载货物的重量约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911093482.9A CN112781592A (zh) | 2019-11-11 | 2019-11-11 | 一种低空物流无人机路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911093482.9A CN112781592A (zh) | 2019-11-11 | 2019-11-11 | 一种低空物流无人机路径规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112781592A true CN112781592A (zh) | 2021-05-11 |
Family
ID=75749615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911093482.9A Pending CN112781592A (zh) | 2019-11-11 | 2019-11-11 | 一种低空物流无人机路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112781592A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102763146A (zh) * | 2010-02-22 | 2012-10-31 | 丰田自动车株式会社 | 危险度计算装置 |
CN109828607A (zh) * | 2019-04-03 | 2019-05-31 | 南京航空航天大学 | 一种面向不规则障碍物的无人机路径规划方法及系统 |
-
2019
- 2019-11-11 CN CN201911093482.9A patent/CN112781592A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102763146A (zh) * | 2010-02-22 | 2012-10-31 | 丰田自动车株式会社 | 危险度计算装置 |
CN109828607A (zh) * | 2019-04-03 | 2019-05-31 | 南京航空航天大学 | 一种面向不规则障碍物的无人机路径规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
张启钱 等: "复杂低空物流无人机路径规划", 北京航空航天大学学报, pages 1 - 15 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111780777B (zh) | 一种基于改进a*算法和深度强化学习的无人车路径规划方法 | |
CN109520504B (zh) | 一种基于网格离散化的无人机巡查路径优化方法 | |
CN102880186B (zh) | 基于稀疏a*算法和遗传算法的航迹规划方法 | |
Meng | UAV path planning based on bidirectional sparse A* search algorithm | |
CN108801266B (zh) | 一种多无人机对不确定环境搜索的航迹规划方法 | |
CN110782086B (zh) | 一种用于救援的带无人机车辆配送路径优化方法及系统 | |
Eun et al. | Cooperative task assignment/path planning of multiple unmanned aerial vehicles using genetic algorithm | |
CN110058613A (zh) | 一种多无人机多蚁群协同搜索目标方法 | |
CN111024080B (zh) | 一种无人机群对多移动时敏目标侦察路径规划方法 | |
Chen et al. | Path planning and cooperative control for multiple UAVs based on consistency theory and Voronoi diagram | |
CN110531782A (zh) | 用于社区配送的无人机航迹路径规划方法 | |
CN115016537B (zh) | 一种sead场景下异构无人机配置与任务规划联合优化方法 | |
CN111047086A (zh) | 车辆路径规划与无人机任务分配联合优化方法和装置 | |
Nilim et al. | Algorithms for air traffic flow management under stochastic environments | |
Ma et al. | A Fast path re-planning method for UAV based on improved A* algorithm | |
Ding et al. | Improved GWO algorithm for UAV path planning on crop pest monitoring | |
Jiang et al. | Comparative analysis of drones and riders in on-demand meal delivery based on prospect theory | |
Wu et al. | Multi-phase trajectory optimization for an aerial-aquatic vehicle considering the influence of navigation error | |
Zhang et al. | Design of the fruit fly optimization algorithm based path planner for UAV in 3D environments | |
CN112781592A (zh) | 一种低空物流无人机路径规划方法及系统 | |
Cobano et al. | Efficient conflict resolution method in air traffic management based on the speed assignment | |
Luo et al. | Path planning for automated guided vehicles system via interactive dynamic influence diagrams with communication | |
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 | |
Bo et al. | The research on E-commerce logistics picking AGV path optimization method based on the improved A* algorithm | |
Liu et al. | An energy-based optimal control problem for unmanned aircraft systems flight planning |
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 |