CN114564048A - 一种面向农用四旋翼无人机航迹规划改进方法 - Google Patents
一种面向农用四旋翼无人机航迹规划改进方法 Download PDFInfo
- Publication number
- CN114564048A CN114564048A CN202210247881.1A CN202210247881A CN114564048A CN 114564048 A CN114564048 A CN 114564048A CN 202210247881 A CN202210247881 A CN 202210247881A CN 114564048 A CN114564048 A CN 114564048A
- Authority
- CN
- China
- Prior art keywords
- openlist
- grid
- square
- unmanned aerial
- 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 25
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000004387 environmental modeling Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- UPPMZCXMQRVMME-UHFFFAOYSA-N valethamate Chemical compound CC[N+](C)(CC)CCOC(=O)C(C(C)CC)C1=CC=CC=C1 UPPMZCXMQRVMME-UHFFFAOYSA-N 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 24
- 239000000575 pesticide Substances 0.000 description 4
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static 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
- G05D1/12—Target-seeking control
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
本发明公开了一种面向农用四旋翼无人机航迹规划改进方法，该方法针对传统A*算法规划出的路径不平滑，转折点较多最终导致不适合无人机直接飞行的问题，提出扩大A*算法的搜索空间，由传统的8领域搜索转化为24领域搜索。通过扩展搜索领域，算法对于下一节点的扩展方向不再局限于π/4的整数倍，最终使得规划出来的路径适合无人机飞行。
Description
技术领域
本发明属于无人机航迹规划技术领域，具体涉及一种面向农用四旋翼无人机航迹规划改进方法。
背景技术
无人机在喷洒农药过程中，首先需要无人机将农药配送到指定区域。对无人机配送农药过程中的航迹进行规划，一方面可以有效躲避农田中的障碍物，另一方面规划的航迹路程较短可以增加后期无人机喷洒农药的续航时间。
传统是使用A*算法完成航迹规划，A*算法在1969年被提出，其运算效率高于主流的Dijkstra算法而得到广泛的关注，研究人员将其应用于路径规划中，发现其效率和结果远高于其他算法，A*算法是一种静态路网中求解最短路径最有效的直接搜索算法，是一种常用的启发式搜索算法。但是A*算法所得到的路径通常不平滑，后期需要对路径进行平滑化。
发明内容
为解决上述问题，本发明公开了一种面向农用四旋翼无人机航迹规划改进方法，在栅格图中扩大节点的搜索领域至24领域，得到一条比传统A*算法更加平滑的路径，降低了转折点数，更加适合无人机飞行。
为达到上述目的，本发明的技术方案如下：
一种面向农用四旋翼无人机航迹规划改进方法，包括以下步骤：
S1，将各种环境、地图等因素抽象成计算机所能理解的计算机模型，常采用栅格法来建模。首先对地图预处理，然后对图像进行二值化处理，二值化的目的是根据地图生成二值化地图，其中黑色部分表示障碍物，白色部分表示无人机可航行区域。然后再采用栅格法生成环境建模，在选择栅格颗粒大小时，需要考虑实际的建模环境，栅格的尺寸越小，环境模型也越准确，但是运算效率就越低，反之栅格尺寸越大，环境模型就越粗糙，运算效率就越高。
S2，创建两个列表openlist，closelist，同时获取待规划路径的起始节点和目标节点。
S3，从起点s开始，把s作为一个等待检查的方格，放入到openlist中。
S4，寻找起点s周围可以到达的方格(最多24个)，将它们放入到openlist中，并设置他们的父方格为s。
S5，从openlist中删除起点s，并将s放入到closelist中。
S6，计算周围方格的F值。f(n)＝g(n)+h(n)，g(n)表示从起点到s到指定方格的移动消耗，设定横向移动一个格子消耗为10，斜向移动一个格子消耗为14，H表示从指定的方格移动到目标E点的预计消耗，H的计算方法为忽略障碍物，只进行纵横向计算。
S7，从openlist中选择F值最小的方格a，将其从openlist中删除，放入到closelist中。
S8，检查a所有临近且可达的方格，分为以下三种情况：
1)障碍物和关闭列表中的方格不考虑
2)如果这些方格还不在openlist中，将他们加入到openlist中，并且计算这些方格的F值，并设置父方格为a。
3)如果相邻的方格c已经在openlist中，计算新的路径从s到达方格c(经过a的路径)，判断G值是否更低一些，如果新的G值更低，修改父方格为a，从新计算F值。如果新的G值比较高，则F值不做改变。
S9，继续从openlist中找出F值较小的，并且从openlist中删除，添加到closelist，再继续找出周围可以到达的方块，如此循环。
S10，结束判断：当openlist中存在终点时，说明路径已经被找到，当openlist中已经没有数据，则说明没有合适路径。
进一步的，本发明中，所述步骤S1中，lmax为最大障碍物的长边长，lmin为最小障碍物的短边长，Ssum表示环境建模模型最后生成图的大小，Sobs表示所有障碍物和非允许通过的面积，设栅格长度为l，则
进一步的，本发明中，所述步骤S2中，openlist表示记录下所有被考虑来寻找最短路径的格子集合，closelist表示记录下不会再考虑的格子集合。
进一步的，本发明中，所述步骤S6中，f(n)＝g(n)+h(n)，h(n)选择有以下情况：
1)如果h(n)＝0，那么只有g(n)实际上是有用的，这时A*算法也就是迪杰斯特拉算法，它能保证一定可以找到一条最优路径。
2)如果h(n)总是小于(或者等于)从结点n走到目标结点的步数，那么A*算法是一定可以找到最优路径的。h(n)越小，A*扩展的结点越多，导致A*算法越慢。
3)如果h(n)恰好等于从结点n走到目标结点的步数,A*算法扩展的所有结点都在最优路径上,它不会扩展任何其他无关结点，此时A*算法的速度是非常快的。
4)如果h(n)所给出的信息有时大于从结点n走到目标结点的步数，那么A*算法将无法确保能够找到最优路径，但它会运行得更快。
5)在另一种极端的情况下，如果h(n)非常接近于g(n)，那么只有h(n)将起作用，此时A*算法实际上变成宽度优先搜索。
考虑到上诉情况，设置h(n)＝|x1-x2|+|y1-y2|其中(x1,y1)表示起始节点坐标，(x2,y2)表示目标节点坐标。h(n)表示到终点的消耗，g(n)表示从起点到指定点的消耗，规定横向或者纵向移动消耗为10，斜向移动消耗为14。
与现有技术对比，本发明的有益效果为：
本发明提供的一种面向农用四旋翼无人机航迹规划改进方法，相对于传统A*算法增加了更多的搜索方向，降低了转折点数，使得无人机的航迹更加平滑，更加适合无人机飞行。
附图说明
图1是本发明方法流程图；
图2是8领域搜索图；
图3是24领域搜索图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
如图1所示为四旋翼无人机配送农药的航迹规划改进算法流程图，具体实施步骤如下：
S1，将各种环境、地图等因素抽象成计算机所能理解的计算机模型，常采用栅格法来建模。首先对地图预处理，然后对图像进行二值化处理，二值化的目的是根据地图生成二值化地图，其中黑色部分表示障碍物，白色部分表示无人机可航行区域。然后再采用栅格法生成环境建模，在选择栅格颗粒大小时，需要考虑实际的建模环境，栅格的尺寸越小，环境模型也越准确，但是运算效率就越低，反之栅格尺寸越大，环境模型就越粗糙，运算效率就越高。
设lmax为最大障碍物的长边长，lmin为最小障碍物的短边长，Ssum表示环境建模模型最后生成图的大小，Sobs表示所有障碍物和非允许通过的面积，设栅格长度为l，则
S2，创建两个列表openlist，closelist，同时获取待规划路径的起始节点和目标节点。openlist表示记录下所有被考虑来寻找最短路径的格子集合，closelist表示记录下不会再考虑的格子集合。
S3，从起点s开始，把s作为一个等待检查的方格，放入到openlist中。
S4，寻找起点s周围可以到达的方格(最多24个)，将它们放入到openlist中，并设置他们的父方格为s。
S5，从openlist中删除起点s，并将s放入到closelist中。
S6，计算周围方格的F值。f(n)＝g(n)+h(n)，g(n)表示从起点到s到指定方格的移动消耗，设定横向移动一个格子消耗为10，斜向移动一个格子消耗为14，H表示从指定的方格移动到目标E点的预计消耗，H的计算方法为忽略障碍物，只进行纵横向计算。设(x1,y1)表示起始节点坐标，(x2,y2)表示目标节点坐标，则
h(n)＝|x1-x2|+|y1-y2|
g(n)表示从起点到指定点的消耗，规定横向或者纵向移动消耗为10，斜向移动消耗为14。
S7，从openlist中选择F值最小的方格a，将其从openlist中删除，放入到closelist中。
S8，检查a所有临近且可达的方格
1)障碍物和关闭列表中的方格不考虑
2)如果这些方格还不在openlist中，将他们加入到openlist中，并且计算这些方格的F值，并设置父方格为a。
3)如果相邻的方格c已经在openlist中，计算新的路径从s到达方格c(经过a的路径)，判断G值是否更低一些，如果新的G值更低，修改父方格为a，从新计算F值。如果新的G值比较高，则F值不做改变。
S9，继续从openlist中找出F值较小的，并且从openlist中删除，添加到closelist，再继续找出周围可以到达的方块，如此循环。
S10，结束判断：当openlist中存在终点时，说明路径已经被找到，当openlist中已经没有数据，则说明没有合适路径。
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。
Claims (4)
1.一种面向农用四旋翼无人机航迹规划改进方法，其特征在于：包括以下步骤：
S1，将各种环境、地图等因素抽象成计算机所能理解的计算机模型，常采用栅格法来建模；首先对地图预处理，然后对图像进行二值化处理，二值化的目的是根据地图生成二值化地图，其中黑色部分表示障碍物，白色部分表示无人机可航行区域；然后再采用栅格法生成环境建模，在选择栅格颗粒大小时，需要考虑实际的建模环境，栅格的尺寸越小，环境模型也越准确，但是运算效率就越低，反之栅格尺寸越大，环境模型就越粗糙，运算效率就越高；
S2，创建两个列表openlist，closelist，同时获取待规划路径的起始节点和目标节点；
S3，从起点s开始，把s作为一个等待检查的方格，放入到openlist中；
S4，寻找起点s周围可以到达的方格，最多24个，将它们放入到openlist中，并设置他们的父方格为s；
S5，从openlist中删除起点s，并将s放入到closelist中；
S6，计算周围方格的F值；f(n)＝g(n)+h(n)，g(n)表示从起点到s到指定方格的移动消耗，设定横向移动一个格子消耗为10，斜向移动一个格子消耗为14，H表示从指定的方格移动到目标E点的预计消耗，H的计算方法为忽略障碍物，只进行纵横向计算；
S7，从openlist中选择F值最小的方格a，将其从openlist中删除，放入到closelist中；
S8，检查a所有临近且可达的方格，分为以下三种情况：
1)障碍物和关闭列表中的方格不考虑；
2)如果这些方格还不在openlist中，将他们加入到openlist中，并且计算这些方格的F值，并设置父方格为a；
3)如果相邻的方格c已经在openlist中，计算新的路径从s经过a到达方格c，判断G值是否更低一些，如果新的G值更低，修改父方格为a，从新计算F值，如果新的G值比较高，则F值不做改变；
S9，继续从openlist中找出F值较小的，并且从openlist中删除，添加到closelist，再继续找出周围可以到达的方块，如此循环；
S10，结束判断：当openlist中存在终点时，说明路径已经被找到，当openlist中已经没有数据，则说明没有合适路径。
2.根据权利要求1所述的一种面向农用四旋翼无人机航迹规划改进方法，其特征在于：所述步骤S1中，lmax为最大障碍物的长边长，lmin为最小障碍物的短边长，Ssum表示环境建模模型最后生成图的大小，Sobs表示所有障碍物和非允许通过的面积，设栅格长度为l，则
3.根据权利要求1所述的一种面向农用四旋翼无人机航迹规划改进方法，其特征在于：所述步骤S2中，openlist表示记录下所有被考虑来寻找最短路径的格子集合，closelist表示记录下不会再考虑的格子集合。
4.根据权利要求1所述的一种面向农用四旋翼无人机航迹规划改进方法，其特征在于：所述步骤S6中，设置h(n)＝|x1-x2|+|y1-y2|其中(x1,y1)表示起始节点坐标，(x2,y2)表示目标节点坐标；h(n)表示到终点的消耗，g(n)表示从起点到指定点的消耗，规定横向或者纵向移动消耗为10，斜向移动消耗为14。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210247881.1A CN114564048A (zh) | 2022-03-14 | 2022-03-14 | 一种面向农用四旋翼无人机航迹规划改进方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210247881.1A CN114564048A (zh) | 2022-03-14 | 2022-03-14 | 一种面向农用四旋翼无人机航迹规划改进方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114564048A true CN114564048A (zh) | 2022-05-31 |
Family
ID=81719264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210247881.1A Pending CN114564048A (zh) | 2022-03-14 | 2022-03-14 | 一种面向农用四旋翼无人机航迹规划改进方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114564048A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117572894A (zh) * | 2024-01-16 | 2024-02-20 | 中国人民解放军陆军航空兵学院 | 一种无人机指定区域内按时到达航线规划方法 |
-
2022
- 2022-03-14 CN CN202210247881.1A patent/CN114564048A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117572894A (zh) * | 2024-01-16 | 2024-02-20 | 中国人民解放军陆军航空兵学院 | 一种无人机指定区域内按时到达航线规划方法 |
| CN117572894B (zh) * | 2024-01-16 | 2024-03-22 | 中国人民解放军陆军航空兵学院 | 一种无人机指定区域内按时到达航线规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Algfoor et al. | A comprehensive study on pathfinding techniques for robotics and video games | |
| CN112650229B (zh) | 一种基于改进蚁群算法的移动机器人路径规划方法 | |
| CN110231824B (zh) | 基于直线偏离度方法的智能体路径规划方法 | |
| Van Toll et al. | Navigation meshes for realistic multi-layered environments | |
| CN109357678B (zh) | 一种基于异质化鸽群优化算法的多无人机路径规划方法 | |
| Deng et al. | Multi-obstacle path planning and optimization for mobile robot | |
| Kallmann et al. | Navigation meshes and real-time dynamic planning for virtual worlds | |
| CN106371445A (zh) | 一种基于拓扑地图的无人车规划控制方法 | |
| CN112229419B (zh) | 一种动态路径规划导航方法及系统 | |
| CN110006429A (zh) | 一种基于深度优化的无人船航迹规划方法 | |
| CN110220521A (zh) | 一种高精地图的生成方法和装置 | |
| CN110471426A (zh) | 基于量子狼群算法的无人驾驶智能车自动避碰方法 | |
| CN112539750B (zh) | 一种智能运输车路径规划方法 | |
| CN109374005B (zh) | 一种基于船舶vr模型的船舶内部路径规划方法 | |
| Vemula et al. | Path planning in dynamic environments with adaptive dimensionality | |
| CN110909961A (zh) | 基于bim的室内路径查询方法及装置 | |
| CN114967744A (zh) | 一种多无人机协同避障的规划方法 | |
| CN114706400A (zh) | 一种越野环境下基于改进的a*算法的路径规划方法 | |
| CN114564048A (zh) | 一种面向农用四旋翼无人机航迹规划改进方法 | |
| CN116301014A (zh) | 一种无人直升机贴地飞行轨迹优化方法 | |
| CN117075612A (zh) | 一种基于改进可视图的快速路径规划与基于esdf地图的轨迹优化方法 | |
| CN115808933A (zh) | 一种基于量子海鸥算法的无人机路径规划方法 | |
| Peng et al. | Design of constrained dynamic path planning algorithms in large-scale 3D point cloud maps for UAVs | |
| Bresson et al. | Socially compliant navigation in dense crowds | |
| CN113432610A (zh) | 机器人通行规划方法、装置、机器人及存储介质 |
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 |