CN114964269B - 一种无人机路径规划方法 - Google Patents

一种无人机路径规划方法 Download PDF

Info

Publication number
CN114964269B
CN114964269B CN202210913263.6A CN202210913263A CN114964269B CN 114964269 B CN114964269 B CN 114964269B CN 202210913263 A CN202210913263 A CN 202210913263A CN 114964269 B CN114964269 B CN 114964269B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
path
dynamic map
node
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.)
Expired - Fee Related
Application number
CN202210913263.6A
Other languages
English (en)
Other versions
CN114964269A (zh
Inventor
金长江
冉燕辉
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.)
Chengdu Aeronautic Polytechnic
Original Assignee
Chengdu Aeronautic Polytechnic
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 Chengdu Aeronautic Polytechnic filed Critical Chengdu Aeronautic Polytechnic
Priority to CN202210913263.6A priority Critical patent/CN114964269B/zh
Publication of CN114964269A publication Critical patent/CN114964269A/zh
Application granted granted Critical
Publication of CN114964269B publication Critical patent/CN114964269B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3837—Data obtained from a single source

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种无人机路径规划方法，包括以下步骤：S1：构建无人机的动态地图；S2：在动态地图中，进行全局路径规划，并判断全局路径中是否存在障碍物，若是则进入步骤S3，否则进入步骤S4；S3：更新动态地图，并在更新后的动态地图中进行局部路径修正，得到最新的全局路径规划；S4：根据最新的全局路径规划，到达目的地。本发明提出一种无人机路径规划方法，在构建动态地图的基础上，依次进行全局路径和局部路径修正，既保证了路径的多样性，又能避开故障路段，同时保证无人机执行任务的高效性和安全性，避免资源浪费。

Description

一种无人机路径规划方法
技术领域
本发明属于路径规划技术领域，具体涉及一种无人机路径规划方法。
背景技术
近年来无人机的发展越来越火热，由于飞行员培养难度过大、费用过高且周期过长，所以为了能替代飞行员操纵，无人机成为未来发展的热门方向。特别是最近几年在战场上无人机发挥了重要的作用，无人机成为局部冲突中便宜又高效的空中作战武器。在民用和测绘领域其作用也越来越重要。但是早期的无人机都是按照地面人员的提前规划或者是实时遥控对飞机进行控制，这类似于现在的模拟驾驶飞机的游戏设备。在复杂环境或者是长时间的阶段飞行中使用人工进行操作，不仅浪费人力，而且人工很难做出及时和科学的操作。所以无人机的自主导航成为了无人机发展的重要研究方向，这其中路径规划是它最基本问题。当然无人机的路径规划是十分困难的，风速、高度、角度、复杂的气象条件，以及各种飞行控制和避障都是研究的难点。
发明内容
本发明为了解决上述问题，提出了一种无人机路径规划方法。
本发明的技术方案是：一种无人机路径规划方法包括以下步骤：
S1：构建无人机的动态地图；
S2：在动态地图中，进行全局路径规划，并判断全局路径中是否存在障碍物，若是则进入步骤S3，否则进入步骤S4；
S3：更新动态地图，并在更新后的动态地图中进行局部路径修正，得到最新的全局路径规划；
S4：根据最新的全局路径规划，到达目的地。
进一步地，步骤S1包括以下子步骤：
S11：利用无人机的激光雷达获取当前时刻传感数据，并对当前时刻传感数据进行滤波，得到当前时刻数据帧；
S12：提取当前时刻数据帧对应的数据特征，并根据当前时刻数据帧对应的数据特征与上一个时刻数据帧对应的数据特征，确定无人机的相对位移；
S13：根据无人机的相对位移确定当前时刻无人机在世界坐标系中的位置，并根据当前时刻无人机在世界坐标系中的位置确定动态地图。
进一步地，步骤S2中，进行全局路径规划包括以下子步骤：
S21：将无人机在动态地图中的初始位置作为初始节点，建立搜索树；
S22：在搜索树中生成子节点，并遍历搜索树的所有子节点，确定搜索树的若干个最终节点；
S23：将初始节点与若干个最终节点依次进行距离匹配，若匹配通过，则将初始节点和最终节点的连线作为全局路径，否则剔除最终节点，直至初始节点与若干个最终节点完成距离匹配。
进一步地，步骤S22中，确定搜索树的若干个最终节点的具体方法为：利用随机遍历函数对所有子节点进行遍历，得到各个子节点对应的遍历值，将遍历值低于遍历阈值的子节点剔除，确定搜索树的若干个最终节点；其中，随机遍历函数erg的表达式为：
Figure 687145DEST_PATH_IMAGE002
其中，n为子节点个数，x 1为初始节点在动态地图中的横坐标，y 1为初始节点在动态地图中的纵坐标，x i 为子节点在动态地图中的横坐标，y i 为初始节点在动态地图中的纵坐标，l i 表示初始节点到子节点的距离。
进一步地，步骤S23中，对初始节点和最终节点进行匹配的具体方法为：计算初始节点和最终节点的匹配距离，若匹配距离低于设定距离阈值，则匹配通过，否则匹配不通过。
进一步地，步骤S3中，进行局部路径修正包括以下子步骤：
S31：获取障碍物和无人机的位置信息，并根据障碍物的位置信息确定全局路径中待调整路径；
S32：构建路径修正模型，并将障碍物和无人机的位置信息输入至路径修正模型，得到局部调整路径；
S33：将局部调整路径替换待调整路径，得到最新的全局路径规划。
进一步地，步骤S32包括以下子步骤：
S321：根据无人机的位置信息，确定无人机的时间约束范围；
S322：将障碍物和无人机的位置信息输入至路径修正模型中，得到修正控制角；
S323：根据修正控制角调整无人机的运动方向，迭代计算无人机与目的地的直线距离，直至直线距离小于设定阈值且无人机到达目的地时间在时间约束范围内。
进一步地，路径修正模型包括输入层、隐藏层和输出层；输入层用于获取障碍物和无人机的位置信息；隐藏层用于构建修正规则，并获取修正控制角；输出层用于输出修正控制角。
本发明的有益效果是：本发明提出一种无人机路径规划方法，在构建动态地图的基础上，依次进行全局路径和局部路径修正，既保证了路径的多样性，又能避开故障路段，同时保证无人机执行任务的高效性和安全性，避免资源浪费。
附图说明
图1为无人机路径规划方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种无人机路径规划方法，包括以下步骤：
S1：构建无人机的动态地图；
S2：在动态地图中，进行全局路径规划，并判断全局路径中是否存在障碍物，若是则进入步骤S3，否则进入步骤S4；
S3：更新动态地图，并在更新后的动态地图中进行局部路径修正，得到最新的全局路径规划；
S4：根据最新的全局路径规划，到达目的地。
在本发明实施例中，步骤S1包括以下子步骤：
S11：利用无人机的激光雷达获取当前时刻传感数据，并对当前时刻传感数据进行滤波，得到当前时刻数据帧；
S12：提取当前时刻数据帧对应的数据特征，并根据当前时刻数据帧对应的数据特征与上一个时刻数据帧对应的数据特征，确定无人机的相对位移；
S13：根据无人机的相对位移确定当前时刻无人机在世界坐标系中的位置，并根据当前时刻无人机在世界坐标系中的位置确定动态地图。
在本发明实施例中，步骤S2中，进行全局路径规划包括以下子步骤：
S21：将无人机在动态地图中的初始位置作为初始节点，建立搜索树；
S22：在搜索树中生成子节点，并遍历搜索树的所有子节点，确定搜索树的若干个最终节点；
S23：将初始节点与若干个最终节点依次进行距离匹配，若匹配通过，则将初始节点和最终节点的连线作为全局路径，否则剔除最终节点，直至初始节点与若干个最终节点完成距离匹配。
在本发明实施例中，步骤S22中，确定搜索树的若干个最终节点的具体方法为：利用随机遍历函数对所有子节点进行遍历，得到各个子节点对应的遍历值，将遍历值低于遍历阈值的子节点剔除，确定搜索树的若干个最终节点；其中，随机遍历函数erg的表达式为：
Figure 73127DEST_PATH_IMAGE003
其中，n为子节点个数，x 1为初始节点在动态地图中的横坐标，y 1为初始节点在动态地图中的纵坐标，x i 为子节点在动态地图中的横坐标，y i 为初始节点在动态地图中的纵坐标，l i 表示初始节点到子节点的距离。
在本发明实施例中，步骤S23中，对初始节点和最终节点进行匹配的具体方法为：计算初始节点和最终节点的匹配距离，若匹配距离低于设定距离阈值，则匹配通过，否则匹配不通过。
在本发明实施例中，步骤S3中，进行局部路径修正包括以下子步骤：
S31：获取障碍物和无人机的位置信息，并根据障碍物的位置信息确定全局路径中待调整路径；
S32：构建路径修正模型，并将障碍物和无人机的位置信息输入至路径修正模型，得到局部调整路径；
S33：将局部调整路径替换待调整路径，得到最新的全局路径规划。
在本发明实施例中，步骤S32包括以下子步骤：
S321：根据无人机的位置信息，确定无人机的时间约束范围；
S322：将障碍物和无人机的位置信息输入至路径修正模型中，得到修正控制角；
S323：根据修正控制角调整无人机的运动方向，迭代计算无人机与目的地的直线距离，直至直线距离小于设定阈值且无人机到达目的地时间在时间约束范围内。
在本发明实施例中，路径修正模型包括输入层、隐藏层和输出层；输入层用于获取障碍物和无人机的位置信息；隐藏层用于构建修正规则，并获取修正控制角；输出层用于输出修正控制角。
在本发明实施例中，修正规则为：若障碍物和无人机的距离较远，且目的地在无人机左侧，则无人机向左侧转小弯，并向左侧运动；若障碍物和无人机的距离较近，且目的地在无人机右侧，则无人机向右侧转弯。
修正控制角θ的计算公式为：
Figure DEST_PATH_IMAGE004
其中，θ 0为无人机当前时刻t的角度，u k 为第k个障碍物的初始角速度，n k 为第k个障碍物在当前时刻t的角速度，
Figure DEST_PATH_IMAGE005
为第k个障碍物在路径修正模型的权重。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (5)

1.一种无人机路径规划方法，其特征在于，包括以下步骤：
S1：构建无人机的动态地图；
S2：在动态地图中，进行全局路径规划，并判断全局路径中是否存在障碍物，若是则进入步骤S3，否则进入步骤S4；
S3：更新动态地图，并在更新后的动态地图中进行局部路径修正，得到最新的全局路径规划；
S4：根据最新的全局路径规划，到达目的地；
所述步骤S1包括以下子步骤：
S11：利用无人机的激光雷达获取当前时刻传感数据，并对当前时刻传感数据进行滤波，得到当前时刻数据帧；
S12：提取当前时刻数据帧对应的数据特征，并根据当前时刻数据帧对应的数据特征与上一个时刻数据帧对应的数据特征，确定无人机的相对位移；
S13：根据无人机的相对位移确定当前时刻无人机在世界坐标系中的位置，并根据当前时刻无人机在世界坐标系中的位置确定动态地图；
所述步骤S2中，进行全局路径规划包括以下子步骤：
S21：将无人机在动态地图中的初始位置作为初始节点，建立搜索树；
S22：在搜索树中生成子节点，并遍历搜索树的所有子节点，确定搜索树的若干个最终节点；
S23：将初始节点与若干个最终节点依次进行距离匹配，若匹配通过，则将初始节点和最终节点的连线作为全局路径，否则剔除最终节点，直至初始节点与若干个最终节点完成距离匹配；
所述步骤S22中，确定搜索树的若干个最终节点的具体方法为：利用随机遍历函数对所有子节点进行遍历，得到各个子节点对应的遍历值，将遍历值低于遍历阈值的子节点剔除，确定搜索树的若干个最终节点；其中，随机遍历函数erg的表达式为：
Figure 157971DEST_PATH_IMAGE001
其中，n为子节点个数，x 1为初始节点在动态地图中的横坐标，y 1为初始节点在动态地图中的纵坐标，x i 为子节点在动态地图中的横坐标，y i 为子节点在动态地图中的纵坐标，l i 表示初始节点到子节点的距离，ρ表示当前遍历的节点在初始节点到子节点方向上的拓展步长。
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，所述步骤S23中，对初始节点和最终节点进行匹配的具体方法为：计算初始节点和最终节点的匹配距离，若匹配距离低于设定距离阈值，则匹配通过，否则匹配不通过。
3.根据权利要求1所述的无人机路径规划方法，其特征在于，所述步骤S3中，进行局部路径修正包括以下子步骤：
S31：获取障碍物和无人机的位置信息，并根据障碍物的位置信息确定全局路径中待调整路径；
S32：构建路径修正模型，并将障碍物和无人机的位置信息输入至路径修正模型，得到局部调整路径；
S33：将局部调整路径替换待调整路径，得到最新的全局路径规划。
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，所述步骤S32包括以下子步骤：
S321：根据无人机的位置信息，确定无人机的时间约束范围；
S322：将障碍物和无人机的位置信息输入至路径修正模型中，得到修正控制角；
S323：根据修正控制角调整无人机的运动方向，迭代计算无人机与目的地的直线距离，直至直线距离小于设定阈值且无人机到达目的地时间在时间约束范围内。
5.根据权利要求4所述的无人机路径规划方法，其特征在于，所述路径修正模型包括输入层、隐藏层和输出层；所述输入层用于获取障碍物和无人机的位置信息；所述隐藏层用于构建修正规则，并获取修正控制角；所述输出层用于输出修正控制角。
CN202210913263.6A 2022-08-01 2022-08-01 一种无人机路径规划方法 Expired - Fee Related CN114964269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210913263.6A CN114964269B (zh) 2022-08-01 2022-08-01 一种无人机路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210913263.6A CN114964269B (zh) 2022-08-01 2022-08-01 一种无人机路径规划方法

Publications (2)

Publication Number Publication Date
CN114964269A CN114964269A (zh) 2022-08-30
CN114964269B true CN114964269B (zh) 2022-11-08

Family

ID=82970842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210913263.6A Expired - Fee Related CN114964269B (zh) 2022-08-01 2022-08-01 一种无人机路径规划方法

Country Status (1)

Country Link
CN (1) CN114964269B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503248A (zh) * 2016-11-08 2017-03-15 深圳市速腾聚创科技有限公司 地图生成方法及地图生成装置
CN108827306A (zh) * 2018-05-31 2018-11-16 北京林业大学 一种基于多传感器融合的无人机slam导航方法及系统
CN109615698A (zh) * 2018-12-03 2019-04-12 哈尔滨工业大学（深圳） 基于互回环检测的多无人机slam地图融合算法
CN111104732A (zh) * 2019-12-03 2020-05-05 中国人民解放军国防科技大学 一种基于深度强化学习的机动通信网智能规划方法
CN113741507A (zh) * 2020-05-29 2021-12-03 广州极飞科技股份有限公司 无人机的全局路径轨迹规划方法、装置、无人机及设备
CN113761647A (zh) * 2021-08-02 2021-12-07 中国人民解放军军事科学院国防科技创新研究院 一种无人集群系统的仿真方法及系统
CN113985436A (zh) * 2021-11-04 2022-01-28 广州中科云图智能科技有限公司 基于slam的无人机三维地图构建与定位方法及装置
CN114237277A (zh) * 2021-11-09 2022-03-25 国网江苏省电力有限公司盐城供电分公司 一种基于毫米波雷达和近电感应的无人机避障系统
CN114355980A (zh) * 2022-01-06 2022-04-15 上海交通大学宁波人工智能研究院 基于深度强化学习的四旋翼无人机自主导航方法与系统
EP3996058A1 (en) * 2018-10-29 2022-05-11 Hexagon Technology Center GmbH Facility surveillance systems and methods

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110018694B (zh) * 2019-05-20 2020-04-21 成都航空职业技术学院 一种针对具有非连续观测特性目标的无人机协同搜索方法
CN112747736B (zh) * 2020-12-22 2022-07-08 西北工业大学 一种基于视觉的室内无人机路径规划方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503248A (zh) * 2016-11-08 2017-03-15 深圳市速腾聚创科技有限公司 地图生成方法及地图生成装置
CN108827306A (zh) * 2018-05-31 2018-11-16 北京林业大学 一种基于多传感器融合的无人机slam导航方法及系统
EP3996058A1 (en) * 2018-10-29 2022-05-11 Hexagon Technology Center GmbH Facility surveillance systems and methods
CN109615698A (zh) * 2018-12-03 2019-04-12 哈尔滨工业大学（深圳） 基于互回环检测的多无人机slam地图融合算法
CN111104732A (zh) * 2019-12-03 2020-05-05 中国人民解放军国防科技大学 一种基于深度强化学习的机动通信网智能规划方法
CN113741507A (zh) * 2020-05-29 2021-12-03 广州极飞科技股份有限公司 无人机的全局路径轨迹规划方法、装置、无人机及设备
CN113761647A (zh) * 2021-08-02 2021-12-07 中国人民解放军军事科学院国防科技创新研究院 一种无人集群系统的仿真方法及系统
CN113985436A (zh) * 2021-11-04 2022-01-28 广州中科云图智能科技有限公司 基于slam的无人机三维地图构建与定位方法及装置
CN114237277A (zh) * 2021-11-09 2022-03-25 国网江苏省电力有限公司盐城供电分公司 一种基于毫米波雷达和近电感应的无人机避障系统
CN114355980A (zh) * 2022-01-06 2022-04-15 上海交通大学宁波人工智能研究院 基于深度强化学习的四旋翼无人机自主导航方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Autonomous Flight System of UAV through Global and Local Path Generation;KO HA-YOON等;《the society aerospace system engineering》;20190630;第13卷(第3期);第15-22页 *
井下巡检无人机系统设计及定位与避障技术;江传龙等;《机械设计与研究》;20210820;第37卷(第4期);第38-48页 *
基于无人机平台的室内自主导航系统设计与实现;陈胤龙;《中国优秀硕士学位论文全文数据库》;20220315;第C031-228页 *

Also Published As

Publication number Publication date
CN114964269A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN112859859B (zh) 一种基于三维障碍物体素对象映射的动态栅格地图更新方法
CN105865454A (zh) 一种基于实时在线地图生成的无人机导航方法
CN108204814B (zh) 无人机三维场景路径导航平台及其三维改进路径规划方法
CN113625774B (zh) 局部地图匹配与端到端测距多无人机协同定位系统和方法
CN111506058A (zh) 通过信息融合来计划自动驾驶的短期路径的方法及装置
RU2487419C1 (ru) Система комплексной обработки информации радионавигационных и автономных средств навигации для определения действительных значений параметров самолетовождения
CN112378397B (zh) 无人机跟踪目标的方法、装置及无人机
CN113776534B (zh) 一种基于立体剖分网格的无人机三维时变空域导航方法
CN103267528A (zh) 禁飞区限制下的多无人机协同区域搜索方法
CN106097304A (zh) 一种无人机实时在线地图生成方法
CN112327939B (zh) 一种城市街区环境下高层消防多无人机协同路径规划方法
CN112379681A (zh) 无人机避障飞行方法、装置及无人机
Wang et al. [Retracted] Virtual Reality Technology of Multi UAVEarthquake Disaster Path Optimization
CN105806360A (zh) 基于气象条件的导航辅助方法
CN112596071A (zh) 无人机自主定位方法、装置及无人机
CN111178283A (zh) 一种基于无人机图像的既定航线地物识别与定位方法
CN115145315A (zh) 一种改进a*算法的适合杂乱环境的无人机路径规划方法
CN114280583B (zh) 无gps信号下激光雷达定位精度验证方法及系统
CN117685953A (zh) 面向多无人机协同定位的uwb与视觉融合定位方法及系统
CN116225055A (zh) 一种复杂环境下基于状态分解的无人机自主航迹规划算法
CN112380933B (zh) 无人机识别目标的方法、装置及无人机
Wu et al. Multi-phase trajectory optimization for an aerial-aquatic vehicle considering the influence of navigation error
Wu et al. Multi-objective reinforcement learning for autonomous drone navigation in urban areas with wind zones
CN114964269B (zh) 一种无人机路径规划方法
CN117252011A (zh) 基于分布式架构的异构地空无人集群仿真系统构建方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20221108

CF01 Termination of patent right due to non-payment of annual fee