CN114326799A - 一种面向多移动目标监测任务的无人机任务规划方法 - Google Patents

一种面向多移动目标监测任务的无人机任务规划方法 Download PDF

Info

Publication number
CN114326799A
CN114326799A CN202111619801.2A CN202111619801A CN114326799A CN 114326799 A CN114326799 A CN 114326799A CN 202111619801 A CN202111619801 A CN 202111619801A CN 114326799 A CN114326799 A CN 114326799A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
target
moving
cost value
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
Application number
CN202111619801.2A
Other languages
English (en)
Other versions
CN114326799B (zh
Inventor
丁玉隆
尉越
崔金强
奚乐乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peng Cheng Laboratory
Original Assignee
Peng Cheng Laboratory
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Peng Cheng Laboratory filed Critical Peng Cheng Laboratory
Priority to CN202111619801.2A priority Critical patent/CN114326799B/zh
Publication of CN114326799A publication Critical patent/CN114326799A/zh
Application granted granted Critical
Publication of CN114326799B publication Critical patent/CN114326799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种面向多移动目标监测任务的无人机任务规划方法，方法包括：获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点；根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值；基于各个所述初始代价值构建非对称旅行商问题；求解所述非对称旅行商问题得到所述无人机的飞行路线。本发明提供了面向多移动目标监测任务的无人机任务规划问题的解决方案。

Description

一种面向多移动目标监测任务的无人机任务规划方法
技术领域
本发明涉及无人机监测技术领域，特别涉及一种面向多移动目标监测任务的无人机任务规划方法。
背景技术
无人机可携带机载可见光相机、红外相机以及合成孔径雷达等探测器，飞临目标上空区域，对目标进行有效地探测、识别和跟踪。相比于卫星观测，无人机观测灵活性大，可长时间驻留在目标上空，对目标进行持续跟踪拍摄。通过无人机实现对海上移动目标的跟踪观测逐渐成为对海监测系统发展的重要方向。
现阶段对移动目标监测研究主要针对无人机对单个目标的监测。对于单目标监测任务来说，任务规划一般只涉及无人机路径设计问题。规划时只需要考虑如何设计一条从起始点出发前往访问移动目标的最优飞行路径即可。但对于多目标监测任务，任务规划就不仅仅只涉及路径规划问题，还包括访问次序编排等问题。规划时，不但要设计访问相邻目标之间的转移路径，还要考虑合理规划各个目标的访问次序，从而获得整体最优的无人机飞行方案。由于目标是不断移动的，访问序列的规划往往比单纯的转移路径设计要难得多，因而多目标监测任务的规划难度要比单目标监测任务大得多，目前还没有针对无人机对多移动目标进行监测的任务规划的解决方案。
因此，现有技术还有待改进和提高。
发明内容
针对现有技术的上述缺陷，本发明提供一种面向多移动目标监测任务的无人机任务规划方法，旨在解决现有技术中还没有针对无人机对多移动目标进行监测的任务规划的解决方案的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
本发明的第一方面，提供一种面向多移动目标监测任务的无人机任务规划方法，所述方法包括：
获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，每个所述移动轨迹上的离散点数量均为nd；
根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，所述各个有向边包括双向连接所述无人机的起点和每个所述移动轨迹上的每个离散点形成的边、以及双向连接Pj(n)和Pi(m)，(i,j＝1,...,N；i≠j；m,n＝1,...,nd)形成的边，其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，Pi(m)表示第j个所述目标的所述移动轨迹上的第n个离散点，N为所述目标的总数；
基于各个所述初始代价值构建非对称旅行商问题；
求解所述非对称旅行商问题得到所述无人机的飞行路线。
所述的面向多移动目标监测任务的无人机任务规划方法，其中，所述对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，包括：
对所述各个目标的移动轨迹以等时间间隔进行离散化处理，得到每个所述移动轨迹上的各个离散点。
所述的面向多移动目标监测任务的无人机任务规划方法，其中，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第一预设公式获取所述无人机的起点到每个所述移动轨迹上的每个离散点的有向边对应的所述初始代价值；
所述第一预设公式为：
Figure BDA0003437186800000031
其中，
Figure BDA0003437186800000032
表示从所述无人机的起点PA(0)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
所述的面向多移动目标监测任务的无人机任务规划方法，其中，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第二预设公式获取Pi(m)到Pj(n)的有向边对应的所述初始代价值；
所述第二预设公式为：
Figure BDA0003437186800000033
其中，
Figure BDA0003437186800000034
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
所述的面向多移动目标监测任务的无人机任务规划方法，其中，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
所述第三预设公式为：
Figure BDA0003437186800000035
其中，
Figure BDA0003437186800000036
表示从第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)到所述无人机的起点PA(0)的有向边对应的所述初始代价值，vA表示所述无人机的速度。
所述的面向多移动目标监测任务的无人机任务规划方法，其中，所述基于各个所述初始代价值构建非对称旅行商问题，包括：
根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值；
在所述非对称旅旅行商问题中增加对应的所述目标代价值为0的如下有向边：
{e(Pj(1),Pj(2)),...,e(Pj(n-1),Pj(n)),...,e(Pj(nd),Pj(1))},(j＝1,...,N)；
其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，e(a,b)表示a点到b点的有向边。
所述的面向多移动目标监测任务的无人机任务规划方法，其中，所述根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值，包括：
根据第四预设公式获取所述各个有向边在所述非对称旅行商问题中的目标代价值；
所述第四预设公式为：
Figure BDA0003437186800000041
其中，
Figure BDA0003437186800000042
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述目标代价值，
Figure BDA0003437186800000043
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)所在的所述单向环上的下一个离散点到所述第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，M为预设常数。
所述的面向多移动目标监测任务的无人机任务规划方法，其中，所述求解所述非对称旅行商问题得到所述无人机的飞行路线，包括：
采用LKH方法求解所述非对称旅行商问题得到所述无人机的飞行路线。
本发明的第二方面，提供一种面向多移动目标监测任务的无人机任务规划装置，包括：
离散模块，所述离散模块用于获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，每个所述移动轨迹上的离散点数量均为nd；
初始代价值计算模块，所述初始代价值计算模块用于根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，所述各个有向边包括双向连接所述无人机的起点和每个所述移动轨迹上的每个离散点形成的边、以及双向连接Pj(n)和Pi(m)，(i,j＝1,...,N；i≠j；m,n＝1,...,nd)形成的边，其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，Pi(m)表示第j个所述目标的所述移动轨迹上的第n个离散点，N为所述目标的总数；
问题转换模块，所述问题转换模块用于基于各个所述初始代价值构建非对称旅行商问题；
求解模块，所述求解模块用于求解所述非对称旅行商问题得到所述无人机的飞行路线。
所述的面向多移动目标监测任务的无人机任务规划装置，其中，所述离散模块具体用于对所述各个目标的移动轨迹以等时间间隔进行离散化处理，得到每个所述移动轨迹上的各个离散点。
所述的面向多移动目标监测任务的无人机任务规划装置，其中，所述初始代价值计算模块包括第一计算单元、第二计算单元和第三计算单元；
所述第一计算单元用于根据第一预设公式获取所述无人机的起点到每个所述移动轨迹上的每个离散点的有向边对应的所述初始代价值；
所述第一预设公式为：
Figure BDA0003437186800000061
其中，
Figure BDA0003437186800000062
表示从所述无人机的起点PA(0)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt；
所述第二计算单元用于根据第二预设公式获取Pi(m)到Pj(n)的有向边对应的所述初始代价值；
所述第二预设公式为：
Figure BDA0003437186800000063
其中，
Figure BDA0003437186800000064
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt；
所述第三计算单元用于根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
所述第三预设公式为：
Figure BDA0003437186800000065
其中，
Figure BDA0003437186800000066
表示从第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)到所述无人机的起点PA(0)的有向边对应的所述初始代价值，vA表示所述无人机的速度。
本发明的第三方面，提供一种终端，所述终端包括处理器、与处理器通信连接的计算机可读存储介质，所述计算机可读存储介质适于存储多条指令，所述处理器适于调用所述计算机可读存储介质中的指令，以执行实现上述任一项所述的面向多移动目标监测任务的无人机任务规划方法的步骤。
本发明的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一项所述的面向多移动目标监测任务的无人机任务规划方法的步骤。
与现有技术相比，本发明提供了一种面向多移动目标监测任务的无人机任务规划方法，首先将目标的移动轨迹离散化处理，得到每个移动轨迹上各个离散点，并根据无人机的速度和各个离散点的位置获取无人机在目标间进行访问的各个可能的移动路径的初始代价值，基于初始代价值构建非对称旅行商问题，实现了将面向多移动目标监测任务的无人机任务规划问题转换成了可解的非对称旅行商问题，提供了面向多移动目标监测任务的无人机任务规划问题的解决方案。
附图说明
图1为本发明提供的面向多移动目标监测任务的无人机任务规划方法的实施例的流程图；
图2为本发明提供的面向多移动目标监测任务的无人机任务规划方法的实施例的效果示意图一；
图3为本发明提供的面向多移动目标监测任务的无人机任务规划方法的实施例的效果示意图二；
图4为本发明提供的面向多移动目标监测任务的无人机任务规划装置的实施例的结构原理图；
图5为本发明提供的终端的实施例的原理示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供的面向多移动目标监测任务的无人机任务规划方法，可以应用于具有计算能力的终端中，终端可以执行本发明提供的面向多移动目标监测任务的无人机任务规划方法实现空地协同任务中的路线规划。
实施例一
如图1所示，所述面向多移动目标监测任务的无人机任务规划方法的一个实施例中，包括步骤：
S100、获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，每个所述移动轨迹上的离散点数量均为nd。
具体地，在任务规划开始，首先获取各个目标的移动轨迹、移动速度、和各个目标的起点，还获取无人机的起点和无人机的速度。
对于每个所述目标的移动轨迹进行离散化处理，得到多个离散点，具体地，所述对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，包括：
对所述各个目标的移动轨迹以等时间间隔进行离散化处理，得到每个所述移动轨迹上的各个离散点。
每个所述移动轨迹上相邻的两个离散点之间的时间间隔都相等，记为Δt。记第j个目标对应的移动轨迹上的第n个离散点为Pj(n)，即第j个目标在时刻nΔt的位置为Pj(n)，那么有Pj(n)＝Pj(0)+vj·nΔt，其中Pj(0)表示第j个目标的起点，vj表示第j个目标的速度，Δt表示所述时间间隔。
S200、根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值。
所述各个有向边包括双向连接所述无人机的起点和每个所述移动轨迹上的每个离散点形成的边、以及双向连接Pj(n)和Pi(m)，(i,j＝1,...,N；i≠j；m,n＝1,...,nd)形成的边，其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，Pi(m)表示第j个所述目标的所述移动轨迹上的第n个离散点，N为所述目标的总数。
具体地，构建一个有向拓扑图，所述拓扑图中的点包括所述无人机的起点和每个所述移动轨迹上的每个离散点，双向连接所述无人机的起点与所有所述目标轨迹上的离散点并双向连接连接Pj(n)和Pi(m)，得到所述拓扑图中的所有有向边。不难看出，所述拓扑图上共有节点N·nd+1个，有向边(N·nd+1)·(N·nd)条，为所述拓扑图上的每条有向边计算对应的初始代价值，具体地，有向边对应的初始代价值反映了所述无人机从该有向边的起点运动至该有向边的终点的代价。
所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第一预设公式获取所述无人机的起点到每个所述移动轨迹上的每个离散点的有向边对应的所述初始代价值；
所述第一预设公式为：
Figure BDA0003437186800000091
其中，
Figure BDA0003437186800000092
表示从所述无人机的起点PA(0)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
当||PA(0)-Pj(n)||/vA≤nΔt时，说明所述无人机从所述无人机的起点可以先于第j个所述目标到达Pj(n)位置处时，所述无人机可以悬停在Pj(n)位置等待该目标到达，因此在这种情况下设置从所述无人机的起点到Pj(n)的有向边对应的所述初始代价值为nΔt。如果||PA(0)-Pj(n)||/vA＞nΔt，说明所述无人机无法及时赶到Pj(n)位置处，会错过第j个所述目标，无法访问到该目标，因此在这种情况下设置从所述无人机的起点到Pj(n)的有向边对应的所述初始代价值为M，M＞ndΔt，优选地，M为一个很大的正数，即M＞＞ndΔt，M的值可以越大越好，使得所述无人机最终的路径中不会将从所述无人机的起点到Pj(n)这一条有向边包括进去，但是，M的值过大会造成计算资源耗费升高，本领域技术人员可以根据实际的算力情况选择合适的M，例如可以M可以取5000、10000、12000等等。
根据第二预设公式获取Pi(m)到Pj(n)的有向边对应的所述初始代价值；所述第二预设公式为：
Figure BDA0003437186800000101
其中，
Figure BDA0003437186800000102
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
若||Pi(m)-Pj(n)||/vA≤nΔt，说明所述无人机从Pi(m)处出发，可以先于第j个所述目标到达Pj(n)处时，所述无人机可以悬停在Pj(n)位置等待该目标到达，因此在这种情况下设置从Pi(m)到Pj(n)的有向边对应的所述初始代价值为nΔt。如果||Pi(m)-Pj(n)||/vA＞nΔt，说明所述无人机无法及时地从Pi(m)处赶到Pj(n)，会错过第j个所述目标，无法访问到该目标，此时设置一个较大的初始代价值M，M＞ndΔt，优选地，M为一个很大的正数，即M＞＞ndΔt，M的值可以越大越好，使得所述无人机最终的路径中不会将从Pi(m)到Pj(n)这一条有向边包括进去，但是，M的值过大会造成计算资源耗费升高，本领域技术人员可以根据实际的算力情况选择合适的M，例如可以M可以取5000、10000、12000等等。
根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
所述第三预设公式为：
Figure BDA0003437186800000111
其中，
Figure BDA0003437186800000112
表示从第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)到所述无人机的起点PA(0)的有向边对应的所述初始代价值，vA表示所述无人机的速度。
所述各个有向边分别对应的所述初始代价值可以用一个矩阵A来表示，即
Figure BDA0003437186800000113
mx×y表示矩阵A中第x行第y列的数值。
请再次参阅图1，本实施例提供的方法，还包括步骤：
S300、基于各个所述初始代价值构建非对称旅行商问题。
在本实施例中，将面向多移动目标监测任务的无人机任务规划方法转换为可接的非对称旅行商问题。具体地，所述基于各个所述初始代价值构建非对称旅行商问题，包括：
根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值；
在所述非对称旅旅行商问题中增加对应的所述目标代价值为0的如下有向边：
{e(Pj(1),Pj(2)),...,e(Pj(n-1),Pj(n)),...,e(Pj(nd),Pj(1))},(j＝1,...,N)；
其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，e(a,b)表示a点到b点的有向边。
非对称旅行商问题中包括多个点，以及不同的点之间的有向对应的代价值，在本实施例中，基于Noon-Bean转换将面向多移动目标监测任务的无人机任务规划问题转换为非对称旅行商问题，为了便于区分，将转换后的所述非对称旅行商问题中的有向边的代价值称为目标代价值。
具体地，将同一目标轨迹上的各个离散点看做是属于同一个点簇，例如第j个所述目标的所述移动轨迹上的所有离散点组成的点簇可以表示为：Cj＝{Pj(n)|n＝1,...,nd}。在每个点簇内添加一个零代价的虚拟单向环，将其中的所有点串联起来，即在所述拓扑图中添加如下有向边：
{e(Pj(1),Pj(2)),...,e(Pj(n-1),Pj(n)),...,e(Pj(nd),Pj(1))},(j＝1,...,N)
Figure BDA0003437186800000121
且
Figure BDA0003437186800000122
其中，
Figure BDA0003437186800000123
表示第j个所述目标对应的所述单向环中第n个离散点到第n+1个离散点的有向边对应的所述目标代价值。
对于所述拓扑图中原有的有向边，根据原有的有向边对应的所述初始代价值获取在所述非对称旅行商问题中对应的所述目标代价值，具体地，所述根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值，包括：
根据第四预设公式获取所述各个有向边在所述非对称旅行商问题中的目标代价值；
所述第四预设公式为：
Figure BDA0003437186800000124
其中，
Figure BDA0003437186800000125
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述目标代价值，
Figure BDA0003437186800000126
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)所在的所述单向环上的下一个离散点到所述第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值。
也就是说，修改所有有向边e(Pi(m),Pj(n))的起点Pi(m)，将其修改为Pi(m)所在的所述单向环，即第i个所述目标的运动轨迹上的离散点组成的单向环上的前一个点Pi(m-1)，并将修改后的有向边对应的所述目标代价值设置为修改前的有向边的所述初始代价值和预设常数M的和。其中，M为正数，且M＞ndΔt，优选地，M为一个很大的正数，即M＞＞ndΔt，本领域技术人员可以根据实际的算力情况选择合适的M，例如可以M可以取5000、10000、12000等等。在本实施例中，在所有的步骤中的M的值是相同的，即所述第一预设公式、所述第二预设公式和所述第四预设公式中的M的值相等。
通过上述步骤，就构建了一个非对称旅行商问题，该非对称旅行商问题中的有向边为所述拓扑图中的有向边，每个有向边对应的代价为所述目标代价值，之后可以采用现有的求解非对称旅行商问题的方法求解所述非对称旅行商问题，即本发明提供的方法还包括步骤：
S400、求解所述非对称旅行商问题得到所述无人机的飞行路线。
所述求解所述非对称旅行商问题得到所述无人机的飞行路线，包括：
采用LKH方法求解所述非对称旅行商问题得到所述无人机的飞行路线。
对本实施例提供的面向多移动目标监测任务的无人机任务规划方法进行实验验证，在实验一中无人机移动速度为20m/s，目标轨迹的离散时间间隔Δt＝0.1s，算例中6个目标的位置与速度均为在一定范围内随机生成。运行本实施例提供的方法生成结果如图2。实验二中无人机移动速度为20m/s，目标轨迹的离散时间间隔Δt＝0.1s，算例中20个目标的位置与速度均为在一定范围内随机生成。运行本实施例提供的方法生成结果如图3。可见，本实施例提供的面向多移动目标监测任务的无人机任务规划方法能够在多种情况下均能够稳定地进行任务规划，生成无人机飞行路线。
综上所述，本实施例提供一种面向多移动目标监测任务的无人机任务规划方法，首先将目标的移动轨迹离散化处理，得到每个移动轨迹上各个离散点，并根据无人机的速度和各个离散点的位置获取无人机在目标间进行访问的各个可能的移动路径的初始代价值，基于初始代价值构建非对称旅行商问题，实现了将面向多移动目标监测任务的无人机任务规划问题转换成了可解的非对称旅行商问题，提供了面向多移动目标监测任务的无人机任务规划问题的解决方案。
应该理解的是，虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取计算机可读存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施例二
基于上述实施例，本发明还相应提供了一种面向多移动目标监测任务的无人机任务规划装置，如图4所示，所述面向多移动目标监测任务的无人机任务规划装置包括：
离散模块，所述离散模块用于获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，每个所述移动轨迹上的离散点数量均为nd，具体如实施例一中所述；
初始代价值计算模块，所述初始代价值计算模块用于根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，所述各个有向边包括双向连接所述无人机的起点和每个所述移动轨迹上的每个离散点形成的边、以及双向连接Pj(n)和Pi(m)，(i,j＝1,...,N；i≠j；m,n＝1,...,nd)形成的边，其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，Pi(m)表示第j个所述目标的所述移动轨迹上的第n个离散点，N为所述目标的总数，具体如实施例一中所述；
问题转换模块，所述问题转换模块用于基于各个所述初始代价值构建非对称旅行商问题，具体如实施例一中所述；
求解模块，所述求解模块用于求解所述非对称旅行商问题得到所述无人机的飞行路线，具体如实施例一中所述。
所述离散模块具体用于对所述各个目标的移动轨迹以等时间间隔进行离散化处理，得到每个所述移动轨迹上的各个离散点，具体如实施例一中所述。
所述初始代价值计算模块包括第一计算单元、第二计算单元和第三计算单元；
所述第一计算单元用于根据第一预设公式获取所述无人机的起点到每个所述移动轨迹上的每个离散点的有向边对应的所述初始代价值；
所述第一预设公式为：
Figure BDA0003437186800000151
其中，
Figure BDA0003437186800000161
表示从所述无人机的起点PA(0)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt，具体如实施例一中所述；
所述第二计算单元用于根据第二预设公式获取Pi(m)到Pj(n)的有向边对应的所述初始代价值；
所述第二预设公式为：
Figure BDA0003437186800000162
其中，
Figure BDA0003437186800000163
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt，具体如实施例一中所述；
所述第三计算单元用于根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
所述第三预设公式为：
Figure BDA0003437186800000164
其中，
Figure BDA0003437186800000165
表示从第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)到所述无人机的起点PA(0)的有向边对应的所述初始代价值，vA表示所述无人机的速度，具体如实施例一中所述。
实施例三
基于上述实施例，本发明还相应提供了一种终端，如图5所示，所述终端包括处理器10以及存储器20。图5仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有面向多移动目标监测任务的无人机任务规划程序30，该面向多移动目标监测任务的无人机任务规划程序30可被处理器10所执行，从而实现本申请中面向多移动目标监测任务的无人机任务规划方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述面向多移动目标监测任务的无人机任务规划方法等。
在一实施例中，当处理器10执行所述存储器20中面向多移动目标监测任务的无人机任务规划程序30时实现以下步骤：
获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，每个所述移动轨迹上的离散点数量均为nd；
根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，所述各个有向边包括双向连接所述无人机的起点和每个所述移动轨迹上的每个离散点形成的边、以及双向连接Pj(n)和Pi(m)，(i,j＝1,...,N；i≠j；m,n＝1,...,nd)形成的边，其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，Pi(m)表示第j个所述目标的所述移动轨迹上的第n个离散点，N为所述目标的总数；
基于各个所述初始代价值构建非对称旅行商问题；
求解所述非对称旅行商问题得到所述无人机的飞行路线。
其中，所述对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，包括：
对所述各个目标的移动轨迹以等时间间隔进行离散化处理，得到每个所述移动轨迹上的各个离散点。
其中，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第一预设公式获取所述无人机的起点到每个所述移动轨迹上的每个离散点的有向边对应的所述初始代价值；
所述第一预设公式为：
Figure BDA0003437186800000181
其中，
Figure BDA0003437186800000182
表示从所述无人机的起点PA(0)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
其中，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第二预设公式获取Pi(m)到Pj(n)的有向边对应的所述初始代价值；所述第二预设公式为：
Figure BDA0003437186800000183
其中，
Figure BDA0003437186800000184
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
其中，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
所述第三预设公式为：
Figure BDA0003437186800000191
其中，
Figure BDA0003437186800000192
表示从第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)到所述无人机的起点PA(0)的有向边对应的所述初始代价值，vA表示所述无人机的速度。
其中，所述基于各个所述初始代价值构建非对称旅行商问题，包括：
根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值；
在所述非对称旅旅行商问题中增加对应的所述目标代价值为0的如下有向边：
{e(Pj(1),Pj(2)),...,e(Pj(n-1),Pj(n)),...,e(Pj(nd),Pj(1))},(j＝1,...,N)；
其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，e(a,b)表示a点到b点的有向边。
其中，所述根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值，包括：
根据第四预设公式获取所述各个有向边在所述非对称旅行商问题中的目标代价值；
所述第四预设公式为：
Figure BDA0003437186800000193
其中，
Figure BDA0003437186800000201
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述目标代价值，
Figure BDA0003437186800000202
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)所在的所述单向环上的下一个离散点到所述第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，M为预设常数。
其中，所述求解所述非对称旅行商问题得到所述无人机的飞行路线，包括：
采用LKH方法求解所述非对称旅行商问题得到所述无人机的飞行路线。
实施例四
本发明还提供一种计算机可读存储介质，其中，存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的面向多移动目标监测任务的无人机任务规划方法的步骤。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (13)

1.一种面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述方法包括：
获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，每个所述移动轨迹上的离散点数量均为nd；
根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，所述各个有向边包括双向连接所述无人机的起点和每个所述移动轨迹上的每个离散点形成的边、以及双向连接Pj(n)和Pi(m)，(i,j＝1,...,N；i≠j；m,n＝1,...,nd)形成的边，其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，Pi(m)表示第j个所述目标的所述移动轨迹上的第n个离散点，N为所述目标的总数；
基于各个所述初始代价值构建非对称旅行商问题；
求解所述非对称旅行商问题得到所述无人机的飞行路线。
2.根据权利要求1所述的面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，包括：
对所述各个目标的移动轨迹以等时间间隔进行离散化处理，得到每个所述移动轨迹上的各个离散点。
3.根据权利要求2所述的面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第一预设公式获取所述无人机的起点到每个所述移动轨迹上的每个离散点的有向边对应的所述初始代价值；
所述第一预设公式为：
Figure FDA0003437186790000021
其中，
Figure FDA0003437186790000022
表示从所述无人机的起点PA(0)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
4.根据权利要求2所述的面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第二预设公式获取Pi(m)到Pj(n)的有向边对应的所述初始代价值；
所述第二预设公式为：
Figure FDA0003437186790000023
其中，
Figure FDA0003437186790000024
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt。
5.根据权利要求2所述的面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，包括：
根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
所述第三预设公式为：
Figure FDA0003437186790000025
其中，
Figure FDA0003437186790000026
表示从第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)到所述无人机的起点PA(0)的有向边对应的所述初始代价值，vA表示所述无人机的速度。
6.根据权利要求1所述的面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述基于各个所述初始代价值构建非对称旅行商问题，包括：
根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值；
在所述非对称旅旅行商问题中增加对应的所述目标代价值为0的如下有向边：
{e(Pj(1),Pj(2)),...,e(Pj(n-1),Pj(n)),...,e(Pj(nd),Pj(1))},(j＝1,...,N)；
其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，e(a,b)表示a点到b点的有向边，每个所述移动轨迹上的新增的有向边组成一个单向环。
7.根据权利要求6所述的面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述根据所述各个有向边对应的所述初始代价值确定所述各个有向边在所述非对称旅行商问题中的目标代价值，包括：
根据第四预设公式获取所述各个有向边在所述非对称旅行商问题中的目标代价值；
所述第四预设公式为：
Figure FDA0003437186790000031
(i,j＝1,...,N,且i≠j；m,n＝1,...,nd)；
其中，
Figure FDA0003437186790000032
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述目标代价值，
Figure FDA0003437186790000033
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)所在的所述单向环上的下一个离散点到所述第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，M为预设常数。
8.根据权利要求1所述的面向多移动目标监测任务的无人机任务规划方法，其特征在于，所述求解所述非对称旅行商问题得到所述无人机的飞行路线，包括：
采用LKH方法求解所述非对称旅行商问题得到所述无人机的飞行路线。
9.一种面向多移动目标监测任务的无人机任务规划装置，其特征在于，包括：
离散模块，所述离散模块用于获取各个目标的移动轨迹，对所述各个目标的移动轨迹进行离散化处理，得到每个所述移动轨迹上的各个离散点，每个所述移动轨迹上的离散点数量均为nd；
初始代价值计算模块，所述初始代价值计算模块用于根据各个离散点的位置和无人机的速度获取各个有向边对应的初始代价值，所述各个有向边包括双向连接所述无人机的起点和每个所述移动轨迹上的每个离散点形成的边、以及双向连接Pj(n)和Pi(m)，(i,j＝1,...,N；i≠j；m,n＝1,...,nd)形成的边，其中，Pj(n)表示第j个所述目标的所述移动轨迹上的第n个离散点，Pi(m)表示第j个所述目标的所述移动轨迹上的第n个离散点，N为所述目标的总数；
问题转换模块，所述问题转换模块用于基于各个所述初始代价值构建非对称旅行商问题；
求解模块，所述求解模块用于求解所述非对称旅行商问题得到所述无人机的飞行路线。
10.根据权利要求9所述的面向多移动目标监测任务的无人机任务规划装置，其特征在于，所述离散模块具体用于对所述各个目标的移动轨迹以等时间间隔进行离散化处理，得到每个所述移动轨迹上的各个离散点。
11.根据权利要求9所述的面向多移动目标监测任务的无人机任务规划装置，其特征在于，所述初始代价值计算模块包括第一计算单元、第二计算单元和第三计算单元；
所述第一计算单元用于根据第一预设公式获取所述无人机的起点到每个所述移动轨迹上的每个离散点的有向边对应的所述初始代价值；
所述第一预设公式为：
Figure FDA0003437186790000051
其中，
Figure FDA0003437186790000055
表示从所述无人机的起点PA(0)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt；
所述第二计算单元用于根据第二预设公式获取Pi(m)到Pj(n)的有向边对应的所述初始代价值；
所述第二预设公式为：
Figure FDA0003437186790000052
(i,j＝1,...,N且i≠j；m,n＝1,...,nd)；
其中，
Figure FDA0003437186790000056
表示从第i个所述目标的所述移动轨迹上的第m个离散点Pi(m)到第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)的有向边对应的所述初始代价值，Δt表示相邻两个离散点之间的时间间隔，vA表示所述无人机的速度，M为预设常数，且M＞ndΔt；
所述第三计算单元用于根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
根据第三预设公式获取每个所述移动轨迹上的每个离散点到所述无人机的起点的有向边对应的所述初始代价值；
所述第三预设公式为：
Figure FDA0003437186790000053
其中，
Figure FDA0003437186790000054
表示从第j个所述目标的所述移动轨迹上的第n个离散点Pj(n)到所述无人机的起点PA(0)的有向边对应的所述初始代价值，vA表示所述无人机的速度。
12.一种终端，其特征在于，所述终端包括：处理器、与处理器通信连接的计算机可读存储介质，所述计算机可读存储介质适于存储多条指令，所述处理器适于调用所述计算机可读存储介质中的指令，以执行实现上述权利要求1-8任一项所述的面向多移动目标监测任务的无人机任务规划方法的步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任一项所述的面向多移动目标监测任务的无人机任务规划方法的步骤。
CN202111619801.2A 2021-12-27 2021-12-27 一种面向多移动目标监测任务的无人机任务规划方法 Active CN114326799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111619801.2A CN114326799B (zh) 2021-12-27 2021-12-27 一种面向多移动目标监测任务的无人机任务规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111619801.2A CN114326799B (zh) 2021-12-27 2021-12-27 一种面向多移动目标监测任务的无人机任务规划方法

Publications (2)

Publication Number Publication Date
CN114326799A true CN114326799A (zh) 2022-04-12
CN114326799B CN114326799B (zh) 2023-11-28

Family

ID=81014338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111619801.2A Active CN114326799B (zh) 2021-12-27 2021-12-27 一种面向多移动目标监测任务的无人机任务规划方法

Country Status (1)

Country Link
CN (1) CN114326799B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040068351A1 (en) * 2002-04-22 2004-04-08 Neal Solomon System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles
CN105225003A (zh) * 2015-09-23 2016-01-06 西北工业大学 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法
CN107145161A (zh) * 2017-05-27 2017-09-08 合肥工业大学 无人机访问多目标点的航迹规划方法及装置
CN110069074A (zh) * 2019-04-17 2019-07-30 南京航空航天大学 一种基于多目标三点定位的无人机协同航迹规划方法
CN111984031A (zh) * 2020-07-20 2020-11-24 鹏城实验室 一种无人机路径规划方法、无人机及存储介质
CN112013829A (zh) * 2020-08-12 2020-12-01 西安工业大学 基于多目标优化的多uav/ugv协同长时作业路径规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040068351A1 (en) * 2002-04-22 2004-04-08 Neal Solomon System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles
CN105225003A (zh) * 2015-09-23 2016-01-06 西北工业大学 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法
CN107145161A (zh) * 2017-05-27 2017-09-08 合肥工业大学 无人机访问多目标点的航迹规划方法及装置
CN110069074A (zh) * 2019-04-17 2019-07-30 南京航空航天大学 一种基于多目标三点定位的无人机协同航迹规划方法
CN111984031A (zh) * 2020-07-20 2020-11-24 鹏城实验室 一种无人机路径规划方法、无人机及存储介质
CN112013829A (zh) * 2020-08-12 2020-12-01 西安工业大学 基于多目标优化的多uav/ugv协同长时作业路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAO ZHANG.ETAL: "Online Path Planning of Messenger UAV in Air-Ground Collaborative System", PROCEEDINGS OF THE 38TH CHINESE CONTROL CONFERENCE *
HAO ZHANG1.ETAL: "Path Planning for Messenger UAV in AGCS with Uncertainty Constraints", INTERNATIONAL CONFERENCE ON BIO-INSPIRED COMPUTING: THEORIES AND APPLICATIONS *

Also Published As

Publication number Publication date
CN114326799B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Wang et al. A reinforcement learning approach for UAV target searching and tracking
Kim et al. Real-time path planning with limited information for autonomous unmanned air vehicles
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
CN111024080B (zh) 一种无人机群对多移动时敏目标侦察路径规划方法
Duan et al. Optimal formation reconfiguration control of multiple UCAVs using improved particle swarm optimization
CN112783195B (zh) 多无人机的巡检路线规划方法、装置和计算机设备
Chanel et al. Multi-target detection and recognition by uavs using online pomdps
CN115840463B (zh) 一种用于无人机集群协同侦察的数据处理方法及装置
WO2022052856A1 (zh) 基于交通工具的数据处理方法、装置、计算机及存储介质
CN115562357A (zh) 一种面向无人机集群的智能路径规划方法
CN114897215A (zh) 基于无监督学习离散鸽群优化多无人机侦察任务分配方法
CN114326799A (zh) 一种面向多移动目标监测任务的无人机任务规划方法
CN111024081B (zh) 一种无人机群对单移动时敏目标侦察路径规划方法
CN110749325B (zh) 航迹规划方法和装置
Lin et al. Optimal feedback control for dynamic systems with state constraints: an exact penalty approach
Jung et al. Enabling operational autonomy for unmanned aerial vehicles with scalability
CN112987713A (zh) 自动驾驶设备的控制方法、装置及存储介质
CN115993845A (zh) 一种集群智能系统协同运动规划与编队控制方法
Mortazavi et al. Optimal midcourse guidance of an air-to-air missile via SVM and RVM
CN114578860A (zh) 一种基于深度强化学习的大规模无人机集群飞行方法
CN114495036A (zh) 一种基于三阶段注意力机制的车辆轨迹预测方法
CN113609947A (zh) 运动轨迹预测方法、装置、计算机设备和存储介质
Fang et al. Research on UAV collision avoidance strategy considering threat levels
Palossi et al. On the accuracy of near-optimal gpu-based path planning for uavs
Xiao et al. Feasibility for cbf-based optimal control using machine learning

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