CN114460969A - 无人机路径规划方法、装置、电子设备及计算机存储介质 - Google Patents
无人机路径规划方法、装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN114460969A CN114460969A CN202210142978.6A CN202210142978A CN114460969A CN 114460969 A CN114460969 A CN 114460969A CN 202210142978 A CN202210142978 A CN 202210142978A CN 114460969 A CN114460969 A CN 114460969A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- path
- point
- correction function
- 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 48
- 238000012937 correction Methods 0.000 claims abstract description 163
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 26
- 230000000694 effects Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 53
- 239000003016 pheromone Substances 0.000 claims description 38
- 241000257303 Hymenoptera Species 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 67
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 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
本申请提供一种无人机路径规划方法、装置、电子设备及计算机存储介质,该方法包括:首先,获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;根据无人机的活动范围确定三维空间以及在三维空间中具有水平校正功能和垂直校正功能的校正点;根据三维空间、在三维空间中具有水平校正功能和垂直校正功能的校正点、无人机的起点与无人机的终点确定多条路径;对每一条路径按照预设条件进行筛选,得到符合预设条件的多个路径作为目标路径;最终,根据在三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个目标路径中确定得到最佳路径。从而实现在确保满足约束条件的前提下,无人机可以选择较短的路径完成任务的目的。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种无人机路径规划方法、装置、电子设备及计算机存储介质。
背景技术
随着计算机科学与信息技术的发展,现代飞行器的技术已经有了巨大的变化,飞行器的种类越来越多,性能也越来越高,能够执行的任务也愈来愈复杂,对于飞行器的控制也越来越难。同时,对于地面情况以及危险程度尚不明确的地区的信息探索以及物资运输,无人机这类的飞行器能有效地规避人员直接前往现场探测以及行动的风险,在保障人的安全前提下完成一些复杂的任务。由于任务的难度和危险程度的提升,单纯依靠人为的手工控制来完成任务越来越难。
目前,由于飞行器系统结构的限制,飞行器通常无法对自身进行非常精准的定位,在持续的飞行过程中定位误差持续增加,一旦误差累计到一定的程度就可能导致飞行器偏离原来航向,无法再在预定的轨迹上飞行,从而导致任务的失败,在飞行过程路径中需要经过合适的校正点及时修正误差。
发明内容
有鉴于此,本申请提供一种无人机路径规划方法、装置、电子设备及计算机存储介质,可以在确保满足约束条件的前提下,无人机可以选择较短的路径完成任务。
本申请第一方面提供了一种无人机路径规划方法,包括:
获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;
根据所述无人机的活动范围确定三维空间以及在所述三维空间中具有水平校正功能和垂直校正功能的校正点;
根据所述三维空间、在所述三维空间中具有水平校正功能和垂直校正功能的校正点、所述无人机的起点与所述无人机的终点确定多条路径;
对每一条所述路径按照预设条件进行筛选,得到符合所述预设条件的多个路径作为目标路径;
根据所述在所述三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个所述目标路径中确定得到最佳路径。
可选的,所述根据所述三维空间、在所述三维空间中具有水平校正功能和垂直校正功能的校正点、所述无人机的起点与所述无人机的终点确定多条路径之前,还包括:
为所述三维空间中的每一个节点标号,并确定节点的总数量n;
分别计算每两个节点之间的飞行距离,构建一个n*n的距离矩阵和一个记录状态的邻接矩阵,并将所述邻接矩阵中的元素全都置为1;其中,所述元素为1时表示所述元素可用;
创建一个在各条连接上的信息素矩阵,并将所述素矩阵中的所有元素都设置为初始值。
可选的,所述对每一条所述路径按照预设条件进行筛选,包括:
针对每一个所述路径,将经过所述路径后的飞行误差超过可校正误差范围的路径状态标记为不可用,并将所述路径对应的邻接矩阵中的元素置为0;
若所述三维空间中的校正点大于校正点数量阈值,则筛除不在所述无人机的起点至所述无人机的终点直线方向的路径;
将去往不可到达点的路径标记为不可用,并将去往所述不可到达点的所有路径状态置为0;其中,当无人机在到达一个中间节点后,没有下一个符合所述无人机的起点到所述无人机的终点方向的路径,则所述中间节点为不可到达点。
可选的,所述预设的算法为蚁群算法,所述根据所述在所述三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个所述目标路径中确定得到最佳路径,包括:
设置每一个蚂蚁从无人机的起点出发,并设置每一个所述蚂蚁的垂直误差记录和水平误差记录;
判断飞向邻接矩阵中的第一节点的飞行误差是否满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限;其中,所述第一节点为下一个可到达点;
若判断出飞向邻接矩阵中的第一节点的飞行误差满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限,则将所述第一节点加入至下一跳节点的可到达集合;
根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;其中,所述第一路径为所述蚂蚁选取的路径;
在每一轮蚂蚁选取路径结束后,对各个节点之间路径的信息素浓度进行更新,返回执行所述根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;
在达到预设的迭代次数时,将最后的所述第一路径作为最佳路径。
本申请第二方面提供了一种无人机路径规划装置,包括:
获取单元,用于获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;
第一确定单元,用于根据所述无人机的活动范围确定三维空间以及在所述三维空间中具有水平校正功能和垂直校正功能的校正点;
第二确定单元,用于根据所述三维空间、在所述三维空间中具有水平校正功能和垂直校正功能的校正点、所述无人机的起点与所述无人机的终点确定多条路径;
筛选单元,用于对每一条所述路径按照预设条件进行筛选,得到符合所述预设条件的多个路径作为目标路径;
第三确定单元,用于根据所述在所述三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个所述目标路径中确定得到最佳路径。
可选的,所述无人机路径规划装置,还包括:
第四确定单元,用于为所述三维空间中的每一个节点标号,并确定节点的总数量n;
构建单元,用于分别计算每两个节点之间的飞行距离,构建一个n*n的距离矩阵和一个记录状态的邻接矩阵,并将所述邻接矩阵中的元素全都置为1;其中,所述元素为1时表示所述元素可用;
第一设置单元,用于创建一个在各条连接上的信息素矩阵,并将所述素矩阵中的所有元素都设置为初始值。
可选的,所述筛选单元,包括:
标记单元,用于针对每一个所述路径,将经过所述路径后的飞行误差超过可校正误差范围的路径状态标记为不可用,并将所述路径对应的邻接矩阵中的元素置为0;
筛除单元,用于若所述三维空间中的校正点大于校正点数量阈值,则筛除不在所述无人机的起点至所述无人机的终点直线方向的路径;
所述标记单元,还用于将去往不可到达点的路径标记为不可用,并将去往所述不可到达点的所有路径状态置为0;其中,当无人机在到达一个中间节点后,没有下一个符合所述无人机的起点到所述无人机的终点方向的路径,则所述中间节点为不可到达点。
可选的,所述预设的算法为蚁群算法,所述第三确定单元,包括:
第二设置单元,用于设置每一个蚂蚁从无人机的起点出发,并设置每一个所述蚂蚁的垂直误差记录和水平误差记录;
判断单元,用于判断飞向邻接矩阵中的第一节点的飞行误差是否满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限;其中,所述第一节点为下一个可到达点;
添加单元,用于若所述判断单元判断出,飞向邻接矩阵中的第一节点的飞行误差满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限,则将所述第一节点加入至下一跳节点的可到达集合;
第三确定子单元,用于根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;其中,所述第一路径为所述蚂蚁选取的路径;
更新单元,用于在每一轮蚂蚁选取路径结束后,对各个节点之间路径的信息素浓度进行更新,返回执行所述根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;
所述第三确定子单元,还用于在达到预设的迭代次数时,将最后的所述第一路径作为最佳路径。
本申请第三方面提供了一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如第一方面任意一项所述的方法。
本申请第四方面提供了一种计算机存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如第一方面任意一项所述的无人机路径规划方法。
由以上方案可知,本申请提供一种无人机路径规划方法、装置、电子设备及计算机存储介质,所述无人机路径规划方法包括:首先,获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;然后,根据所述无人机的活动范围确定三维空间以及在所述三维空间中具有水平校正功能和垂直校正功能的校正点;再根据所述三维空间、在所述三维空间中具有水平校正功能和垂直校正功能的校正点、所述无人机的起点与所述无人机的终点确定多条路径;之后,对每一条所述路径按照预设条件进行筛选,得到符合所述预设条件的多个路径作为目标路径;最终,根据所述在所述三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个所述目标路径中确定得到最佳路径。从而实现在确保满足约束条件的前提下,无人机可以选择较短的路径完成任务的目的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种无人机路径规划方法的具体流程图;
图2为本申请另一实施例提供的一种无人机路径规划方法的流程图;
图3为本申请另一实施例提供的一种路径筛选方法的流程图;
图4为本申请另一实施例提供的一种最终路径确定方法的流程图;
图5为本申请另一实施例提供的一种无人机路径规划装置的示意图;
图6为本申请另一实施例提供的一种实现无人机路径规划方法的电子设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要注意,本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系,而术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了一种无人机路径规划方法,如图1所示,具体包括以下步骤:
S101、获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点。
S102、根据无人机的活动范围确定三维空间以及在三维空间中具有水平校正功能和垂直校正功能的校正点。
S103、根据三维空间、在三维空间中具有水平校正功能和垂直校正功能的校正点、无人机的起点与无人机的终点确定多条路径。
可选的,在本申请的另一实施例中,在步骤S103之前的一种实施方式,如图2所示,包括:
S201、为三维空间中的每一个节点标号,并确定节点的总数量n。
S202、分别计算每两个节点之间的飞行距离,构建一个n*n的距离矩阵和一个记录状态的邻接矩阵,并将邻接矩阵中的元素全都置为1。
其中,元素为1时表示元素可用。邻接矩阵表示三维空间中各个节点连接关系情况的二维矩阵,在本申请中,矩阵中i行j列元素为“1”表示i到j方向路径可行,元素为“0”表示i到j方向路径不可行。
S203、创建一个在各条连接上的信息素矩阵,并将素矩阵中的所有元素都设置为初始值。
S104、对每一条路径按照预设条件进行筛选,得到符合预设条件的多个路径作为目标路径。
可选的,在本申请的另一实施例中,对每一条路径按照预设条件进行筛选的一种实施方式,如图3所示,包括:
S301、针对每一个路径,将经过路径后的飞行误差超过可校正误差范围的路径状态标记为不可用,并将路径对应的邻接矩阵中的元素置为0。
在本申请的具体实现过程中,可以采用但不限于下述公式进行判断:
其中,A(i,j)为邻接矩阵中的元素,d(i,j)为节点i到节点j之间的距离,δ为预先设置的粗略估计的误差容限。
S302、若三维空间中的校正点大于校正点数量阈值,则筛除不在无人机的起点至无人机的终点直线方向的路径。
在本申请的具体实现过程中,可以采用但不限于下述公式更改邻接矩阵中的元素:
S303、将去往不可到达点的路径标记为不可用,并将去往不可到达点的所有路径状态置为0。
其中,当无人机在到达一个中间节点后,没有下一个符合无人机的起点到无人机的终点方向的路径,则中间节点为不可到达点。
S105、根据在三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个目标路径中确定得到最佳路径。
可选的,预设的算法为蚁群算法,在本申请的另一实施例中,步骤S105的一种实施方式,如图4所示,包括:
S401、设置每一个蚂蚁从无人机的起点出发,并设置每一个蚂蚁的垂直误差记录和水平误差记录。
S402、判断飞向邻接矩阵中的第一节点的飞行误差是否满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限。
其中,第一节点为下一个可到达点。
具体的,若判断出飞向邻接矩阵中的第一节点的飞行误差满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限,则执行步骤S403。
S403、将第一节点加入至下一跳节点的可到达集合。
S404、根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径。
其中,第一路径为蚂蚁选取的路径。
需要说明的是,由于不仅仅是要选择路径最短,同时也要保证经过节点的数目要小,因此本申请对传统的蚁群算法选择路径概率的表达式做了修改,去除了定义为距离倒数的启发因子对选择路径的概率的影响,修改后的蚁群算法的计算公式如下:
其中,pk(i,j)为选择节点i到节点j之间的路径的概率,τ(i,j)为节点i到节点j路径上的信息素浓度,a为权重,allows为满足校准约束的可到达集合。
S405、在每一轮蚂蚁选取路径结束后,对各个节点之间路径的信息素浓度进行更新。
具体的,在对各个节点之间路径的信息素浓度进行更新时,首先应考虑所有路径上的信息素的会发,对于本轮蚂蚁的所有完成的起点A至终点B的路径,分别为该路径的每一小段增加一定的信息素浓度,增加的信息素浓度与距离成反比,即:
其中,Δτ(i,j)为此次信息素增加的变动,Q为权重因子,d(i,j)为节点i到节点j之间的路径长度。
另外,为使得路径中总经过的校准点较少,对于信息素的更新还可以增加一项P/ztotal;其中,ztotal为总经过的校准点数,P为该项参数的权重,确保经过节点少的路径获得更多的信息素浓度。
本申请中成功寻找到的路径上各节点之间连接的信息素浓度更新为:
τ(i,j)=(1-v)·τ(i,j)+Δτ(i,j)+P/ztotal;
其中,v为信息素挥发因子。
S406、在达到预设的迭代次数时,将最后的第一路径作为最佳路径。
其中,预设的迭代次数由技术人员或相关有权限的工作人员进行预先设置、更改,此处不做限定。
由以上方案可知,本申请提供一种无人机路径规划方法:首先,获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;然后,根据无人机的活动范围确定三维空间以及在三维空间中具有水平校正功能和垂直校正功能的校正点;再根据三维空间、在三维空间中具有水平校正功能和垂直校正功能的校正点、无人机的起点与无人机的终点确定多条路径;之后,对每一条路径按照预设条件进行筛选,得到符合预设条件的多个路径作为目标路径;最终,根据在三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个目标路径中确定得到最佳路径。从而实现在确保满足约束条件的前提下,无人机可以选择较短的路径完成任务的目的。
本申请另一实施例提供了一种无人机路径规划装置,如图5所示,具体包括:
获取单元501,用于获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点。
第一确定单元502,用于根据无人机的活动范围确定三维空间以及在三维空间中具有水平校正功能和垂直校正功能的校正点。
第二确定单元503,用于根据三维空间、在三维空间中具有水平校正功能和垂直校正功能的校正点、无人机的起点与无人机的终点确定多条路径。
筛选单元504,用于对每一条路径按照预设条件进行筛选,得到符合预设条件的多个路径作为目标路径。
第三确定单元505,用于根据在三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个目标路径中确定得到最佳路径。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,如图1所示,此处不再赘述。
可选的,在本申请的另一实施例中,无人机路径规划的一种实施方式,还包括:
第四确定单元,用于为三维空间中的每一个节点标号,并确定节点的总数量n。
构建单元,用于分别计算每两个节点之间的飞行距离,构建一个n*n的距离矩阵和一个记录状态的邻接矩阵,并将邻接矩阵中的元素全都置为1;其中,元素为1时表示元素可用。
第一设置单元,用于创建一个在各条连接上的信息素矩阵,并将素矩阵中的所有元素都设置为初始值。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,如图2所示,此处不再赘述。
可选的,在本申请的另一实施例中,筛选单元504的一种实施方式,包括:
标记单元,用于针对每一个路径,将经过路径后的飞行误差超过可校正误差范围的路径状态标记为不可用,并将路径对应的邻接矩阵中的元素置为0。
筛除单元,用于若三维空间中的校正点大于校正点数量阈值,则筛除不在无人机的起点至无人机的终点直线方向的路径。
标记单元,还用于将去往不可到达点的路径标记为不可用,并将去往不可到达点的所有路径状态置为0。
其中,当无人机在到达一个中间节点后,没有下一个符合无人机的起点到无人机的终点方向的路径,则中间节点为不可到达点。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,如图3所示,此处不再赘述。
可选的,在本申请的另一实施例中,预设的算法为蚁群算法,第三确定单元505的一种实施方式,包括:
第二设置单元,用于设置每一个蚂蚁从无人机的起点出发,并设置每一个蚂蚁的垂直误差记录和水平误差记录。
判断单元,用于判断飞向邻接矩阵中的第一节点的飞行误差是否满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限。
其中,第一节点为下一个可到达点。
添加单元,用于若判断单元判断出,飞向邻接矩阵中的第一节点的飞行误差满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限,则将第一节点加入至下一跳节点的可到达集合。
第三确定子单元,用于根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径。
其中,第一路径为蚂蚁选取的路径。
更新单元,用于在每一轮蚂蚁选取路径结束后,对各个节点之间路径的信息素浓度进行更新,返回执行根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径。
第三确定子单元,还用于在达到预设的迭代次数时,将最后的第一路径作为最佳路径。
本申请上述实施例公开的单元的具体工作过程,可参见对应的方法实施例内容,如图4所示,此处不再赘述。
由以上方案可知,本申请提供一种无人机路径规划装置:首先,获取单元501获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;然后,第一确定单元502根据无人机的活动范围确定三维空间以及在三维空间中具有水平校正功能和垂直校正功能的校正点;第二确定单元503根据三维空间、在三维空间中具有水平校正功能和垂直校正功能的校正点、无人机的起点与无人机的终点确定多条路径;之后,筛选单元504对每一条路径按照预设条件进行筛选,得到符合预设条件的多个路径作为目标路径;最终,第三确定单元505根据在三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个目标路径中确定得到最佳路径。从而实现在确保满足约束条件的前提下,无人机可以选择较短的路径完成任务的目的。
本申请另一实施例提供了一种电子设备,如图6所示,包括:
一个或多个处理器601。
存储装置602,其上存储有一个或多个程序。
当所述一个或多个程序被所述一个或多个处理器601执行时,使得所述一个或多个处理器601实现如上述实施例中任意一项所述的无人机路径规划方法。
本申请另一实施例提供了一种计算机存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如上述实施例中任意一项所述的无人机路径规划方法。
在本申请公开的上述实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,直播设备,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种无人机路径规划方法,其特征在于,包括:
获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;
根据所述无人机的活动范围确定三维空间以及在所述三维空间中具有水平校正功能和垂直校正功能的校正点;
根据所述三维空间、在所述三维空间中具有水平校正功能和垂直校正功能的校正点、所述无人机的起点与所述无人机的终点确定多条路径;
对每一条所述路径按照预设条件进行筛选,得到符合所述预设条件的多个路径作为目标路径;
根据所述在所述三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个所述目标路径中确定得到最佳路径。
2.根据权利要求1所述的无人机路径规划方法,其特征在于,所述根据所述三维空间、在所述三维空间中具有水平校正功能和垂直校正功能的校正点、所述无人机的起点与所述无人机的终点确定多条路径之前,还包括:
为所述三维空间中的每一个节点标号,并确定节点的总数量n;
分别计算每两个节点之间的飞行距离,构建一个n*n的距离矩阵和一个记录状态的邻接矩阵,并将所述邻接矩阵中的元素全都置为1;其中,所述元素为1时表示所述元素可用;
创建一个在各条连接上的信息素矩阵,并将所述素矩阵中的所有元素都设置为初始值。
3.根据权利要求2所述的无人机路径规划方法,其特征在于,所述对每一条所述路径按照预设条件进行筛选,包括:
针对每一个所述路径,将经过所述路径后的飞行误差超过可校正误差范围的路径状态标记为不可用,并将所述路径对应的邻接矩阵中的元素置为0;
若所述三维空间中的校正点大于校正点数量阈值,则筛除不在所述无人机的起点至所述无人机的终点直线方向的路径;
将去往不可到达点的路径标记为不可用,并将去往所述不可到达点的所有路径状态置为0;其中,当无人机在到达一个中间节点后,没有下一个符合所述无人机的起点到所述无人机的终点方向的路径,则所述中间节点为不可到达点。
4.根据权利要求3所述的无人机路径规划方法,其特征在于,所述预设的算法为蚁群算法,所述根据所述在所述三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个所述目标路径中确定得到最佳路径,包括:
设置每一个蚂蚁从无人机的起点出发,并设置每一个所述蚂蚁的垂直误差记录和水平误差记录;
判断飞向邻接矩阵中的第一节点的飞行误差是否满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限;其中,所述第一节点为下一个可到达点;
若判断出飞向邻接矩阵中的第一节点的飞行误差满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限,则将所述第一节点加入至下一跳节点的可到达集合;
根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;其中,所述第一路径为所述蚂蚁选取的路径;
在每一轮蚂蚁选取路径结束后,对各个节点之间路径的信息素浓度进行更新,返回执行所述根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;
在达到预设的迭代次数时,将最后的所述第一路径作为最佳路径。
5.一种无人机路径规划装置,其特征在于,包括:
获取单元,用于获取本次任务中,无人机的活动范围以及无人机的起点与无人机的终点;
第一确定单元,用于根据所述无人机的活动范围确定三维空间以及在所述三维空间中具有水平校正功能和垂直校正功能的校正点;
第二确定单元,用于根据所述三维空间、在所述三维空间中具有水平校正功能和垂直校正功能的校正点、所述无人机的起点与所述无人机的终点确定多条路径;
筛选单元,用于对每一条所述路径按照预设条件进行筛选,得到符合所述预设条件的多个路径作为目标路径;
第三确定单元,用于根据所述在所述三维空间中具有水平校正功能和垂直校正功能的校正点和预设的算法,在多个所述目标路径中确定得到最佳路径。
6.根据权利要求5所述的无人机路径规划装置,其特征在于,还包括:
第四确定单元,用于为所述三维空间中的每一个节点标号,并确定节点的总数量n;
构建单元,用于分别计算每两个节点之间的飞行距离,构建一个n*n的距离矩阵和一个记录状态的邻接矩阵,并将所述邻接矩阵中的元素全都置为1;其中,所述元素为1时表示所述元素可用;
第一设置单元,用于创建一个在各条连接上的信息素矩阵,并将所述素矩阵中的所有元素都设置为初始值。
7.根据权利要求6所述的无人机路径规划装置,其特征在于,所述筛选单元,包括:
标记单元,用于针对每一个所述路径,将经过所述路径后的飞行误差超过可校正误差范围的路径状态标记为不可用,并将所述路径对应的邻接矩阵中的元素置为0;
筛除单元,用于若所述三维空间中的校正点大于校正点数量阈值,则筛除不在所述无人机的起点至所述无人机的终点直线方向的路径;
所述标记单元,还用于将去往不可到达点的路径标记为不可用,并将去往所述不可到达点的所有路径状态置为0;其中,当无人机在到达一个中间节点后,没有下一个符合所述无人机的起点到所述无人机的终点方向的路径,则所述中间节点为不可到达点。
8.根据权利要求7所述的无人机路径规划装置,其特征在于,所述预设的算法为蚁群算法,所述第三确定单元,包括:
第二设置单元,用于设置每一个蚂蚁从无人机的起点出发,并设置每一个所述蚂蚁的垂直误差记录和水平误差记录;
判断单元,用于判断飞向邻接矩阵中的第一节点的飞行误差是否满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限;其中,所述第一节点为下一个可到达点;
添加单元,用于若所述判断单元判断出,飞向邻接矩阵中的第一节点的飞行误差满足无人机的终点的垂直校正功能的校正点和水平校正功能校正点的误差容限,则将所述第一节点加入至下一跳节点的可到达集合;
第三确定子单元,用于根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;其中,所述第一路径为所述蚂蚁选取的路径;
更新单元,用于在每一轮蚂蚁选取路径结束后,对各个节点之间路径的信息素浓度进行更新,返回执行所述根据当前所处节点通往各条节点的边上的信息素浓度分布以及修改后的蚁群算法,确认第一路径;
所述第三确定子单元,还用于在达到预设的迭代次数时,将最后的所述第一路径作为最佳路径。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一所述的无人机路径规划方法。
10.一种计算机存储介质,其特征在于,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至4中任一所述的无人机路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210142978.6A CN114460969A (zh) | 2022-02-16 | 2022-02-16 | 无人机路径规划方法、装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210142978.6A CN114460969A (zh) | 2022-02-16 | 2022-02-16 | 无人机路径规划方法、装置、电子设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114460969A true CN114460969A (zh) | 2022-05-10 |
Family
ID=81413799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210142978.6A Pending CN114460969A (zh) | 2022-02-16 | 2022-02-16 | 无人机路径规划方法、装置、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114460969A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024092A (zh) * | 2019-12-31 | 2020-04-17 | 西南交通大学 | 一种多约束条件下智能飞行器航迹快速规划方法 |
CN111506108A (zh) * | 2020-04-29 | 2020-08-07 | 西北工业大学 | 基于误差校正点的无人机室内航迹规划装置及方法 |
CN112729308A (zh) * | 2020-12-24 | 2021-04-30 | 西安理工大学 | 多约束条件下无人机快速航迹规划方法 |
CN113311869A (zh) * | 2021-05-28 | 2021-08-27 | 淮阴工学院 | 一种多约束条件下无人机路径规划方法 |
-
2022
- 2022-02-16 CN CN202210142978.6A patent/CN114460969A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024092A (zh) * | 2019-12-31 | 2020-04-17 | 西南交通大学 | 一种多约束条件下智能飞行器航迹快速规划方法 |
JP2021110744A (ja) * | 2019-12-31 | 2021-08-02 | 西南交通大学 | 多制約条件下でスマート航空機の航跡を急速に計画する方法 |
CN111506108A (zh) * | 2020-04-29 | 2020-08-07 | 西北工业大学 | 基于误差校正点的无人机室内航迹规划装置及方法 |
CN112729308A (zh) * | 2020-12-24 | 2021-04-30 | 西安理工大学 | 多约束条件下无人机快速航迹规划方法 |
CN113311869A (zh) * | 2021-05-28 | 2021-08-27 | 淮阴工学院 | 一种多约束条件下无人机路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106558058B (zh) | 分割模型训练方法、道路分割方法、车辆控制方法及装置 | |
CN109974725B (zh) | 一种路网拓扑构建方法、导航路径计算方法及装置 | |
US9618934B2 (en) | Unmanned aerial vehicle 3D mapping system | |
US8082102B2 (en) | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions | |
US20220270495A1 (en) | Method for determining the path of an unmanned aerial device and other associated methods | |
CN109478062A (zh) | 用于无人机的wwan无线电链路质量导航 | |
EP3651086A1 (en) | Mission re-planning for coordinated multivehicle | |
CN109656264A (zh) | 用于为飞行器生成到着陆地点的3d路径的计算机实施的方法和系统 | |
CN111102988A (zh) | 基于地图的路径规划方法、服务器、车载终端、存储介质 | |
CN109000651B (zh) | 一种路径规划方法及路径规划装置 | |
CN111735470B (zh) | 一种动态环境下的自动导引运输车路径规划方法 | |
CN112432649A (zh) | 一种引入威胁因子的启发式无人机蜂群航迹规划方法 | |
CN110609572B (zh) | 无人机编队信息交互拓扑的启发式优化方法和装置 | |
KR20160048530A (ko) | 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치 | |
CN114926809A (zh) | 可通行区域检测方法及装置、移动工具、存储介质 | |
CN115373426A (zh) | 一种固定翼集群无人机区域覆盖在线路径协同规划方法 | |
CN111679677A (zh) | Agv的位姿调整方法、装置、存储介质、电子装置 | |
CN114460969A (zh) | 无人机路径规划方法、装置、电子设备及计算机存储介质 | |
CN113891245A (zh) | 一种火场消防员协同接力定位方法 | |
WO2024067133A1 (zh) | 基于3d地图的无人驾驶航空器飞行控制方法、系统和介质 | |
CN110658850A (zh) | 一种基于贪心策略的无人飞行器的航迹规划方法 | |
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 | |
CN113946159B (zh) | 无人机高速公路巡逻的路径优化方法和系统 | |
US20150127302A1 (en) | Method and apparatus for optimized routing | |
CN115195785A (zh) | 针对自动驾驶模型的优化方法、装置、设备及存储介质 |
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 |