CN115016546B - 无人机三维路径规划方法、装置、电子设备和存储介质 - Google Patents

无人机三维路径规划方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115016546B
CN115016546B CN202210953534.0A CN202210953534A CN115016546B CN 115016546 B CN115016546 B CN 115016546B CN 202210953534 A CN202210953534 A CN 202210953534A CN 115016546 B CN115016546 B CN 115016546B
Authority
CN
China
Prior art keywords
path
sampling
unmanned aerial
aerial vehicle
determining
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.)
Active
Application number
CN202210953534.0A
Other languages
English (en)
Other versions
CN115016546A (zh
Inventor
艾晓琳
蒲志强
刘振
丘腾海
易建强
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.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
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 Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN202210953534.0A priority Critical patent/CN115016546B/zh
Publication of CN115016546A publication Critical patent/CN115016546A/zh
Application granted granted Critical
Publication of CN115016546B publication Critical patent/CN115016546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

本发明提供一种无人机三维路径规划方法、装置、电子设备和存储介质，涉及无人机技术领域，所述方法包括：获取无人机当前路径点的局部感知信息；将无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；在无人机下个路径点处于禁飞区域的情况下，确定无人机当前视场内处于可飞区域内的至少两个采样路径点，并将至少两个采样路径点中代价最小的采样路径点确定为安全路径点；基于安全路径点更新全局初始路径。本发明基于局部感知信息进行无人机的三维路径规划，生成无人机在复杂障碍环境下的自主安全路径。

Description

无人机三维路径规划方法、装置、电子设备和存储介质
技术领域
本发明涉及无人机技术领域，尤其涉及一种无人机三维路径规划方法、装置、电子设备和存储介质。
背景技术
目前，利用无人机自主飞行采集数据展现出巨大的潜力，而路径规划技术是实现无人机自主飞行的关键技术之一，旨在利用环境信息为无人机规划一条可行路径，使其能够顺利躲避障碍物到达目标位置。无人机的路径规划问题可以看作机器人路径规划问题从二维空间到三维空间的拓展，然而维度的增加也使得路径规划问题的求解变得困难。许多二维路径规划算法直接拓展到三维空间时求解速度十分缓慢，因而无法满足无人机高机动性的要求。因此，针对无人机开展三维路径规划的研究不仅必要而且势在必行。
现有技术中，针对无人机三维路径规划问题，常采用如基于虚拟力的人工势场法、快速扩展随机树法（Rapidly-Exploring Random Trees，RRT）、A*(A-Star)算法、栅格法、仿生算法等算法，上述算法中，大多数算法都要求无人机的飞行环境是可以预先建模的，极大地限制该算法的应用范围，原因如下：首先，即使在已知环境信息的情况下，也很难对复杂的环境进行精确建模；其次，无人机的飞行环境中不可避免地会存在移动的障碍物，对其运动轨迹的预测难度较大。因此，如何基于局部感知信息为无人机规划三维可行路径是赋能自主无人机实际应用必须要解决的问题。
发明内容
本发明提供一种无人机三维路径规划方法、装置、电子设备和存储介质，用以解决现有技术中飞行环境需预先建模的缺陷，基于局部感知信息进行无人机的三维路径规划，生成无人机在复杂障碍环境下的自主安全路径。
本发明提供一种无人机三维路径规划方法，包括：
获取无人机当前路径点的局部感知信息；
将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
基于所述安全路径点更新所述全局初始路径。
根据本发明提供的无人机三维路径规划方法，所述在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，包括：
确定初始采样信息；
基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合；
基于安全性代价和路径长度代价，确定所述采样路径点集合内各采样路径点的代价；
将所述代价最小的所述采样路径点确定为所述安全路径点，并采用所述安全路径点替换下一路径点。
根据本发明提供的无人机三维路径规划方法，所述基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合，包括：
基于所述初始采样信息，确定处于所述无人机当前视场内的离散点集合，其中，所述离散点集合内相邻离散点构成的圆心角相等；
遍历所述离散点集合，确定满足限定条件的采样点集合；
遍历所述采样点集合，确定处于所述可飞区域内的采样路径点集合。
根据本发明提供的无人机三维路径规划方法，所述遍历所述离散点集合，确定满足限定条件的采样点集合，包括：
遍历所述离散点集合；
在所述离散点的初始采样边长不小于最小容许采样距离的情况下，将所述离散点确定为采样点，其中，所述最小容许采样距离大于所述无人机的物理安全半径，且小于所述无人机的最大感知距离；
在所述离散点的初始采样边长小于最小容许采样距离的情况下，重置所述初始采样信息，重新确定新的离散点集合。
根据本发明提供的无人机三维路径规划方法，还包括：
在所述采样路径点集合中采样路径点的数量为0的情况下，基于采样间隔调整所述初始采样边长，在所述离散点集合的基础上重新确定所述采样点集合。
根据本发明提供的无人机三维路径规划方法，所述将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域，包括：
将所述无人机当前路径点的局部感知信息输入至视场模型，确定所述当前路径点所在的第一平面和第二平面；
基于所述局部感知信息中的障碍物信息，分别确定所述第一平面和第二平面的禁飞区域；
基于所述当前视场和所述禁飞区域，分别确定所述第一平面和第二平面的可飞区域。
根据本发明提供的无人机三维路径规划方法，所述基于所述安全路径点更新所述全局初始路径，包括：
确定所述当前路径点和所述安全路径点之间的第一路径，以及安全路径点和所述下个路径点的下一个路径点之间的第二路径；
基于所述第一路径和所述第二路径，更新所述全局初始路径。
本发明还提供一种无人机三维路径规划装置，包括：
获取模块，用于获取无人机当前路径点的局部感知信息；
区域确定模块，用于将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
路径点确定模块，用于在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
路径确定模块，用于基于所述安全路径点更新所述全局初始路径。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述无人机三维路径规划方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述无人机三维路径规划方法。
本发明提供的无人机三维路径规划方法、装置、电子设备和存储介质，通过无人机当前路径点的局部感知信息，确定可飞区域和禁飞区域，根据无人机当前路径点，确定处于可飞区域内的至少两个采样路径点，并将代价最小的采样路径点作为安全路径点，进一步确定相邻两个路径点之间的路径，进而更新全局初始路径，将路径规划问题解耦为安全路径点规划问题和路径生成问题，降低路径规划的复杂度，确保路径规划的实时性，此外，仅需获取环境的局部感知信息，确定相邻路径点之间的路径即可对无人机进行导航，解决现有技术中飞行环境需预先建模的缺陷，适用于未知环境，满足多种场景的使用需求。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的无人机三维路径规划方法的流程示意图；
图2是本发明提供的当前视场坐标系的示意图；
图3是本发明提供的第一平面的区域划分示意图；
图4是本发明提供的全局初始路径更新示意图；
图5是本发明提供的无人机三维路径规划装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
针对现有技术中飞行环境需预先建模的问题，本发明提供了一种无人机三维路径规划方法，图1是本发明提供的无人机三维路径规划方法的流程示意图，如图1所示，该方法包括：
步骤110、获取无人机当前路径点的局部感知信息；
步骤120、将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
步骤130、在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
步骤140、基于所述安全路径点更新所述全局初始路径。
具体地，由于现有技术需对飞行环境预先建模，而对飞行环境中移动障碍物的轨迹预测困难，导致对飞行环境无法精确建模，本发明实施例中，将无人机三维路径规划问题解耦为路径点规划问题和路径生成问题，其中：
路径点规划问题包括：在不考虑障碍物的情况下，根据无人机初始位置和终点位置，预先规划N个路径点，每当无人机飞行到一个路径点后，首先感知局部环境信息，判断下个路径点是否处于禁飞区域，若下个路径点处于禁飞区域，则在当前视场的可飞区域内确定至少两个采样路径点，并将代价最小的采样路径点作为安全路径点，替代原始的下个路径点，使得无人机从当前路径点飞行至上述安全路径点，到达安全路径点后重复上述步骤，继续判断下个路径点是否安全，直至到达终点位置；若下个路径点处于可飞区域，则无人机可从当前路径点直接飞行至下个路径点，到达下个路径点后，继续判断之后的路径点是否安全，直至到达终点位置，无需预先对飞行环境建模，仅通过感知局部环境即可实现路径点规划，可适用于未知环境。
路径生成问题包括：基于上述方法规划好路径点后，生成相邻两个路径点之间的期望连续路径，利用期望连续路径更新全局初始路径，无人机通过对期望连续路径的精确跟踪，即可实现在相邻路径点之间的安全导航，直至到达终点位置。
可选地，期望连续路径
Figure 864531DEST_PATH_IMAGE001
的生成公式如式（1）所示，式（1）为：
Figure 720491DEST_PATH_IMAGE002
其中，
Figure 933036DEST_PATH_IMAGE003
表示下一路径点，
Figure 761314DEST_PATH_IMAGE004
表示无人机从当前路径点到达下一路径点的时间， 且当无人机到达一个新的路径点后时间
Figure 292790DEST_PATH_IMAGE005
重置为零，
Figure 573730DEST_PATH_IMAGE006
、
Figure 858474DEST_PATH_IMAGE007
、
Figure 541259DEST_PATH_IMAGE008
和
Figure 243636DEST_PATH_IMAGE009
均为过程参数，且分别 如式（2）至式（5）所示，式（2）为：
Figure 510407DEST_PATH_IMAGE010
式（3）为：
Figure 566219DEST_PATH_IMAGE011
式（4）为：
Figure 369090DEST_PATH_IMAGE012
式（5）为：
Figure 478253DEST_PATH_IMAGE013
其中，
Figure 671468DEST_PATH_IMAGE014
表示当前路径点，
Figure 593288DEST_PATH_IMAGE015
表示无人机在当前路径点
Figure 811517DEST_PATH_IMAGE016
处的速度，
Figure 793380DEST_PATH_IMAGE017
和
Figure 473891DEST_PATH_IMAGE018
均为 设计参数，且
Figure 700866DEST_PATH_IMAGE019
，
Figure 478330DEST_PATH_IMAGE020
。
可选地，无人机可通过轨迹跟踪控制器，利用PID（Proportional IntegralDerivative）控制系统，实现路径的精确跟踪。
可选地，所述将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域，包括：
将所述无人机当前路径点的局部感知信息输入至视场模型，确定所述当前路径点所在的第一平面和第二平面；
基于所述局部感知信息中的障碍物信息，分别确定所述第一平面和第二平面的禁飞区域；
基于所述当前视场和所述禁飞区域，分别确定所述第一平面和第二平面的可飞区域。
具体地，视场模型通过对障碍物信息建模，并结合局部感知信息，分别确定第一平面和第二平面的禁飞区域，并通过第一平面区域减去第一平面的禁飞区域，即可得到第一平面的可飞区域，同理，通过第二平面区域减去第二平面的禁飞区域，即可得到第二平面的可飞区域。
可选地，局部感知信息包括当前视场范围和当前视场范围内的障碍物信息，图2是 本发明提供的当前视场坐标系的示意图，如图2所示，视场坐标系
Figure 427831DEST_PATH_IMAGE021
中，
Figure 657955DEST_PATH_IMAGE022
轴表示沿视场中心线指向正前方，
Figure 623375DEST_PATH_IMAGE023
轴表示从视场原点
Figure 989765DEST_PATH_IMAGE024
指向正下方，
Figure 375747DEST_PATH_IMAGE025
轴表示右手坐标系，
Figure 582914DEST_PATH_IMAGE026
表示第二平面
Figure 587910DEST_PATH_IMAGE027
内的最大视场角，
Figure 808807DEST_PATH_IMAGE028
表示 第一平面
Figure 129804DEST_PATH_IMAGE029
内的最大视场角，
Figure 68942DEST_PATH_IMAGE030
为最大感知距离，即视场原点至视场边缘的边 长，无人机的可行路径点只有在视场范围内才能保证安全，因此，相邻两个路径点之间的距 离不超过最大感知距离
Figure 612050DEST_PATH_IMAGE031
。
示例地，图3是本发明提供的第一平面的区域划分示意图，如图3所示，为了简化三 维空间的避障问题，本发明实施例的路径点的规划仅在第一平面和第二平面内进行，第一 平面记为
Figure 454497DEST_PATH_IMAGE032
空间，第二平面记为
Figure 447861DEST_PATH_IMAGE033
空间，以第一平面为例，通过障碍物信息确定禁 飞区域和可飞区域是通过以下步骤实现的：
将局部感知信息输入视场模型后，对障碍物信息进行建模，如图3所示，
Figure 874294DEST_PATH_IMAGE034
表 示障碍物区域，为进一步保证无人机的安全，对障碍物区域进行扩展，得到避障缓冲区域
Figure 548989DEST_PATH_IMAGE035
，避障缓冲区域的宽度为无人机的物理安全半径
Figure 180696DEST_PATH_IMAGE036
，
Figure 17065DEST_PATH_IMAGE037
表示障碍物区域和缓 冲区域形成的边界圆心角，
Figure 993112DEST_PATH_IMAGE038
表示当前视场坐标系中视场原点至避障缓冲区域边界的最 短距离。因此，以
Figure 707383DEST_PATH_IMAGE039
为圆心角，半径从
Figure 695062DEST_PATH_IMAGE040
至最大感知距离
Figure 967911DEST_PATH_IMAGE041
形成的扇形区域为禁飞区域
Figure 664210DEST_PATH_IMAGE042
，而第一平面内，禁飞区域以外的区域均为可飞区域
Figure 680707DEST_PATH_IMAGE043
，且
Figure 522892DEST_PATH_IMAGE044
，其中，/表示区域的减运算。
可选地，无人机可搭载前视距离传感器，实现对周围环境的局部感知，并获取局部感知信息。
可选地，所述在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，包括：
确定初始采样信息；
基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合；
基于安全性代价和路径长度代价，确定所述采样路径点集合内各采样路径点的代价；
将所述代价最小的所述采样路径点确定为所述安全路径点，并采用所述安全路径点替换下一路径点。
具体地，在确定下一路径点处于禁飞区域的情况下，在可飞区域内进行采样，获取可安全飞行的采样路径点集合，遍历采样路径点集合，通过比较各采样路径点的代价，将代价最小的采样路径点作为安全路径点，并替代下一路径点，即，无人机可由当前路径点飞行至安全路径点。
可选地，如图3所示，在确定各采样路径点的代价时，需要平衡安全性和路径长度，代价如式（6）所示，式（6）为：
Figure 264846DEST_PATH_IMAGE045
其中，
Figure 356430DEST_PATH_IMAGE046
表示采样路径点，
Figure 911039DEST_PATH_IMAGE047
表示采样路径点
Figure 371845DEST_PATH_IMAGE048
的代价，且
Figure 720918DEST_PATH_IMAGE049
，
Figure 893273DEST_PATH_IMAGE050
表示安全性代价的权重系数，且
Figure 577257DEST_PATH_IMAGE051
，
Figure 394034DEST_PATH_IMAGE052
表示路径长度代价的权重 系数，
Figure 179588DEST_PATH_IMAGE053
，且
Figure 541037DEST_PATH_IMAGE054
，
Figure 234186DEST_PATH_IMAGE055
表示安全性代价，安全性代价如式（7）所示，式（7）为：
Figure 498945DEST_PATH_IMAGE056
其中，
Figure 894548DEST_PATH_IMAGE057
表示采样路径点
Figure 713600DEST_PATH_IMAGE058
所在边至禁飞区域
Figure 476019DEST_PATH_IMAGE059
的最小夹角，
Figure 329706DEST_PATH_IMAGE060
表示可飞区域
Figure 893280DEST_PATH_IMAGE061
的最大圆心角。
Figure 465207DEST_PATH_IMAGE062
表示路径长度代价，路径长度代价如式（8）所示，式（8）为：
Figure 765738DEST_PATH_IMAGE063
其中，
Figure 975396DEST_PATH_IMAGE064
表示采样路径点
Figure 211336DEST_PATH_IMAGE065
相对于原始下一路径点
Figure 801718DEST_PATH_IMAGE066
的误差圆心角，
Figure 342158DEST_PATH_IMAGE067
表示误差圆心角的最大值。
可选地，所述基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合，包括：
基于所述初始采样信息，确定处于所述无人机当前视场内的离散点集合，其中，所述离散点集合内相邻离散点构成的圆心角相等；
遍历所述离散点集合，确定满足限定条件的采样点集合；
遍历所述采样点集合，确定处于所述可飞区域内的采样路径点集合。
具体地，为确定处于可飞区域内的采样路径点集合，本发明实施例中，确定初始化信息后，在初始采样空间内，将采样空间圆心角进行等圆心角分割，得到边长相同的多个离散点，并构成离散点集合，遍历各离散点，对满足限定条件的离散点进一步判断是否处于可飞区域，若处于可飞区域，则将该采样点确定为采样路径点，并添加进采样路径点集合，若处于禁飞区域，则舍弃该采样点。
可选地，初始采样信息包括初始采样空间
Figure 108120DEST_PATH_IMAGE068
、采样空间圆心角
Figure 577278DEST_PATH_IMAGE069
和初始采样 边长
Figure 422000DEST_PATH_IMAGE070
。
可选地，离散点集合
Figure 2017DEST_PATH_IMAGE071
中各离散点的圆心角
Figure 622485DEST_PATH_IMAGE072
如式（9）所示，式（9）为：
Figure 761080DEST_PATH_IMAGE073
其中，
Figure 591633DEST_PATH_IMAGE074
表示离散点的数量。
可选地，所述遍历所述离散点集合，确定满足限定条件的采样点集合，包括：
遍历所述离散点集合；
在所述离散点的初始采样边长不小于最小容许采样距离的情况下，将所述离散点确定为采样点，其中，所述最小容许采样距离大于所述无人机的物理安全半径，且小于所述无人机的最大感知距离；
在所述离散点的初始采样边长小于最小容许采样距离的情况下，重置所述初始采样信息，重新确定新的离散点集合。
具体地，各离散点的初始采样边长均相等，若初始采样边长小于最小容许采样距 离
Figure 975341DEST_PATH_IMAGE075
，则表示在初始采样空间的采样区域内无法获取合适的采样点，需重置初始采样空 间，重新获取离散点集合，例如，若初始采样空间为
Figure 940062DEST_PATH_IMAGE076
，初始采样边长为
Figure 813340DEST_PATH_IMAGE077
，则重置 初始采样空间为
Figure 803293DEST_PATH_IMAGE078
，采样空间圆心角为
Figure 426910DEST_PATH_IMAGE079
，初始采样边长为
Figure 84287DEST_PATH_IMAGE080
，重 新获取离散点集合即后续采样点判断；若初始采样边长不小于最小容许采样距离
Figure 128467DEST_PATH_IMAGE081
，则 将各离散点确定为采样点，并进一步遍历各采样点是否在初始采样空间的可飞区域内，若 在可飞区域内，则将该采样点确定为采样路径点，并添加入采样路径点集合
Figure 605716DEST_PATH_IMAGE082
，遍历采样 点集合结束后，若采样路径点集合
Figure 770374DEST_PATH_IMAGE083
，则进一步计算各采样路径点的代价，将代价最 小的采样路径点确定为安全路径点
Figure 282258DEST_PATH_IMAGE084
。
需要说明的是，每个新的路径点处的采样路径点集合
Figure 497339DEST_PATH_IMAGE085
的初始状态均为φ。
可选地，该方法还包括：
在所述采样路径点集合中采样路径点的数量为0的情况下，基于采样间隔调整所述初始采样边长，在所述离散点集合的基础上重新确定所述采样点集合。
具体地，在采样路径点集合
Figure 225998DEST_PATH_IMAGE086
的情况下，可以在初始采样边长的基础上，减 小m个采样间隔后，重新确定满足限定条件的采样点及后续操作，即，令初始采样边长
Figure 427303DEST_PATH_IMAGE087
，其中，
Figure 324852DEST_PATH_IMAGE088
表示采样间隔，且
Figure 946720DEST_PATH_IMAGE089
可以被
Figure 664140DEST_PATH_IMAGE090
整除，m表示可整除的
Figure 403557DEST_PATH_IMAGE091
数量，以提高边长的利用率。
可选地，所述基于所述安全路径点更新所述全局初始路径，包括：
确定所述当前路径点和所述安全路径点之间的第一路径，以及安全路径点和所述下个路径点的下一个路径点之间的第二路径；
根据所述第一路径和所述第二路径，更新所述全局初始路径。
示例地，图4是本发明提供的全局初始路径更新示意图，如图4所示，全局初始路径 由
Figure 654148DEST_PATH_IMAGE092
五个路径点组成，以当前路径点为
Figure 945452DEST_PATH_IMAGE093
为例，无人机到达
Figure 150168DEST_PATH_IMAGE094
后， 判断下一路径点
Figure 21172DEST_PATH_IMAGE095
是否安全，经过获取局部感知信息，判断
Figure 801303DEST_PATH_IMAGE096
处于禁飞区域，因此，经过采 样重新确定安全路径点为
Figure 466770DEST_PATH_IMAGE097
，并基于式（1）至式（5），生成
Figure 955520DEST_PATH_IMAGE098
与
Figure 128751DEST_PATH_IMAGE099
之间的第一路径，以及
Figure 261923DEST_PATH_IMAGE100
与
Figure 98292DEST_PATH_IMAGE101
之间的第二路径，并通过第一路径替换
Figure 587522DEST_PATH_IMAGE102
与
Figure 800328DEST_PATH_IMAGE103
之间的路径，通过第二路径替换
Figure 788007DEST_PATH_IMAGE104
与
Figure 824971DEST_PATH_IMAGE105
之间的路径，由此更新全局初始路径，为无人机进行导航。
本发明提供的无人机三维路径规划方法，通过无人机当前路径点的局部感知信息，确定可飞区域和禁飞区域，根据无人机当前路径点，确定处于可飞区域内的至少两个采样路径点，并将代价最小的采样路径点作为安全路径点，进一步确定相邻两个路径点之间的路径，进而更新全局初始路径，将路径规划问题解耦为安全路径点规划问题和路径生成问题，降低路径规划的复杂度，确保路径规划的实时性，此外，仅需获取环境的局部感知信息，确定相邻路径点之间的路径即可对无人机进行导航，解决现有技术中飞行环境需预先建模的缺陷，适用于未知环境，满足多种场景的使用需求。
下面对本发明提供的无人机三维路径规划装置进行描述，下文描述的无人机三维路径规划装置与上文描述的无人机三维路径规划方法可相互对应参照。
图5是本发明提供的无人机三维路径规划装置的结构示意图，如图5所示，该无人机三维路径规划装置200，包括：获取模块201、区域确定模块202、路径点确定模块203和路径确定模块204，其中：
获取模块201，用于获取无人机当前路径点的局部感知信息；
区域确定模块202，用于将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
路径点确定模块203，用于在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
路径确定模块204，用于基于所述安全路径点更新所述全局初始路径。
本发明提供的无人机三维路径规划装置，通过无人机当前路径点的局部感知信息，确定可飞区域和禁飞区域，根据无人机当前路径点，确定处于可飞区域内的至少两个采样路径点，并将代价最小的采样路径点作为安全路径点，进一步确定相邻两个路径点之间的路径，进而更新全局初始路径，将路径规划问题解耦为安全路径点规划问题和路径生成问题，降低路径规划的复杂度，确保路径规划的实时性，此外，仅需获取环境的局部感知信息，确定相邻路径点之间的路径即可对无人机进行导航，解决现有技术中飞行环境需预先建模的缺陷，适用于未知环境，满足多种场景的使用需求。
可选地，区域确定模块202，具体用于：
所述将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域，包括：
将所述无人机当前路径点的局部感知信息输入至视场模型，确定所述当前路径点所在的第一平面和第二平面；
基于所述局部感知信息中的障碍物信息，分别确定所述第一平面和第二平面的禁飞区域；
基于所述当前视场和所述禁飞区域，分别确定所述第一平面和第二平面的可飞区域。
可选地，路径点确定模块203，具体用于：
所述在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，包括：
确定初始采样信息；
基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合；
基于安全性代价和路径长度代价，确定所述采样路径点集合内各采样路径点的代价；
将所述代价最小的所述采样路径点确定为安全路径点，并采用所述安全路径点替换下一路径点。
可选地，路径点确定模块203，具体用于：
所述基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合，包括：
基于所述初始采样信息，确定处于所述无人机当前视场内的离散点集合，其中，所述离散点集合内相邻离散点构成的圆心角相等；
遍历所述离散点集合，确定满足限定条件的采样点集合；
遍历所述采样点集合，确定处于所述可飞区域内的采样路径点集合。
可选地，路径点确定模块203，具体用于：
所述遍历所述离散点集合，确定满足限定条件的采样点集合，包括：
遍历所述离散点集合；
在所述离散点的初始采样边长不小于最小容许采样距离的情况下，将所述离散点确定为采样点，其中，所述最小容许采样距离大于所述无人机的物理安全半径，且小于所述无人机的最大感知距离；
在所述离散点的初始采样边长小于最小容许采样距离的情况下，重置所述初始采样信息，重新确定新的离散点集合。
可选地，路径点确定模块203，具体用于：
还包括：
在所述采样路径点集合中采样路径点的数量为0的情况下，基于采样间隔调整所述初始采样边长，在所述离散点集合的基础上重新确定所述采样点集合。
可选地，该无人机三维路径规划装置200，还包括：
跟踪模块，用于所述无人机跟踪所述期望连续路径进行飞行，直至到达终点位置。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备300可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行无人机三维路径规划方法，该方法包括：
获取无人机当前路径点的局部感知信息；
将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
基于所述安全路径点更新所述全局初始路径。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元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，本发明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，服务器，或者网络设备等）执行本发明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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的无人机三维路径规划方法，该方法包括：
获取无人机当前路径点的局部感知信息；
将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
基于所述安全路径点更新所述全局初始路径。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的无人机三维路径规划方法，该方法包括：
获取无人机当前路径点的局部感知信息；
将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
基于所述安全路径点更新所述全局初始路径。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
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 (8)

1.一种无人机三维路径规划方法，其特征在于，包括：
获取无人机当前路径点的局部感知信息；
将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
基于所述安全路径点更新所述全局初始路径；
所述在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，包括：
确定初始采样信息；
基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合；
基于安全性代价和路径长度代价，确定所述采样路径点集合内各采样路径点的代价；
将所述代价最小的所述采样路径点确定为所述安全路径点；
Figure 593920DEST_PATH_IMAGE001
安全性代价如式（1）所示，式（1）为：
Figure 492606DEST_PATH_IMAGE002
其中，
Figure 812860DEST_PATH_IMAGE003
表示采样路径点所在边至禁飞区域的最小夹角，
Figure 87983DEST_PATH_IMAGE004
表示可飞区域的最大圆心角；
Figure 59350DEST_PATH_IMAGE005
表示路径长度代价，路径长度代价如式（2）所示，式（2）为：
Figure 128937DEST_PATH_IMAGE006
其中，
Figure 670908DEST_PATH_IMAGE007
表示采样路径点相对于原始下一路径点的误差圆心角，
Figure 484143DEST_PATH_IMAGE008
表示误差圆心角的最大值；
所述基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合，包括：
基于所述初始采样信息，确定处于所述无人机当前视场内的离散点集合，其中，所述离散点集合内相邻离散点构成的圆心角相等；
遍历所述离散点集合，确定满足限定条件的采样点集合；
遍历所述采样点集合，确定处于所述可飞区域内的采样路径点集合；
在初始采样空间内，将采样空间圆心角进行等圆心角分割，得到边长相同的多个离散点，并构成离散点集合。
2.根据权利要求1所述的无人机三维路径规划方法，其特征在于，所述遍历所述离散点集合，确定满足限定条件的采样点集合，包括：
遍历所述离散点集合；
在所述离散点的初始采样边长不小于最小容许采样距离的情况下，将所述离散点确定为采样点，其中，所述最小容许采样距离大于所述无人机的物理安全半径，且小于所述无人机的最大感知距离；
在所述离散点的初始采样边长小于最小容许采样距离的情况下，重置所述初始采样信息，重新确定新的离散点集合。
3.根据权利要求2所述的无人机三维路径规划方法，其特征在于，还包括：
在所述采样路径点集合中采样路径点的数量为0的情况下，基于采样间隔调整所述初始采样边长，在所述离散点集合的基础上重新确定所述采样点集合。
4.根据权利要求1所述的无人机三维路径规划方法，其特征在于，所述将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域，包括：
将所述无人机当前路径点的局部感知信息输入至视场模型，确定所述当前路径点所在的第一平面和第二平面；
基于所述局部感知信息中的障碍物信息，分别确定所述第一平面和第二平面的禁飞区域；
基于所述当前视场和所述禁飞区域，分别确定所述第一平面和第二平面的可飞区域。
5.根据权利要求1至4任一项所述的无人机三维路径规划方法，其特征在于，所述基于所述安全路径点更新所述全局初始路径，包括：
确定所述当前路径点和所述安全路径点之间的第一路径，以及安全路径点和所述下个路径点的下一个路径点之间的第二路径；
基于所述第一路径和所述第二路径，更新所述全局初始路径。
6.一种无人机三维路径规划装置，其特征在于，包括：
获取模块，用于获取无人机当前路径点的局部感知信息；
区域确定模块，用于将所述无人机当前路径点的局部感知信息输入至视场模型，确定无人机当前视场的可飞区域和禁飞区域；
路径点确定模块，用于在无人机下个路径点处于所述禁飞区域的情况下，确定所述无人机当前视场内处于可飞区域内的至少两个采样路径点，并将所述至少两个采样路径点中代价最小的采样路径点确定为安全路径点，所述当前路径点和所述下个路径点均基于无人机初始位置和终点位置确定的全局初始路径上；
路径确定模块，用于基于所述安全路径点更新所述全局初始路径；
路径点确定模块，具体用于：
确定初始采样信息；
基于所述初始采样信息，确定处于所述可飞区域内的采样路径点集合；
基于安全性代价和路径长度代价，确定所述采样路径点集合内各采样路径点的代价；
将所述代价最小的所述采样路径点确定为所述安全路径点；
Figure 575596DEST_PATH_IMAGE001
安全性代价如式（1）所示，式（1）为：
Figure 550506DEST_PATH_IMAGE002
其中，
Figure 857071DEST_PATH_IMAGE003
表示采样路径点所在边至禁飞区域的最小夹角，
Figure 333051DEST_PATH_IMAGE004
表示可飞区域的最大圆心角；
Figure 154377DEST_PATH_IMAGE005
表示路径长度代价，路径长度代价如式（2）所示，式（2）为：
Figure 175553DEST_PATH_IMAGE006
其中，
Figure 82330DEST_PATH_IMAGE007
表示采样路径点相对于原始下一路径点的误差圆心角，
Figure 362001DEST_PATH_IMAGE008
表示误差圆心角的最大值；
路径点确定模块，具体用于：
基于所述初始采样信息，确定处于所述无人机当前视场内的离散点集合，其中，所述离散点集合内相邻离散点构成的圆心角相等；
遍历所述离散点集合，确定满足限定条件的采样点集合；
遍历所述采样点集合，确定处于所述可飞区域内的采样路径点集合；
在初始采样空间内，将采样空间圆心角进行等圆心角分割，得到边长相同的多个离散点，并构成离散点集合。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述无人机三维路径规划方法。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述无人机三维路径规划方法。
CN202210953534.0A 2022-08-10 2022-08-10 无人机三维路径规划方法、装置、电子设备和存储介质 Active CN115016546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210953534.0A CN115016546B (zh) 2022-08-10 2022-08-10 无人机三维路径规划方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210953534.0A CN115016546B (zh) 2022-08-10 2022-08-10 无人机三维路径规划方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN115016546A CN115016546A (zh) 2022-09-06
CN115016546B true CN115016546B (zh) 2022-10-28

Family

ID=83065819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210953534.0A Active CN115016546B (zh) 2022-08-10 2022-08-10 无人机三维路径规划方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115016546B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103901892A (zh) * 2014-03-04 2014-07-02 清华大学 无人机的控制方法及系统
CN105629989A (zh) * 2015-12-28 2016-06-01 电子科技大学 基于最小外包圆和最大内接圆的障碍区域划分方法
CN108052111A (zh) * 2017-10-24 2018-05-18 南京奇蛙智能科技有限公司 一种基于双目视觉技术的无人机实时避障方法
CN109447371A (zh) * 2018-11-12 2019-03-08 北京中飞艾维航空科技有限公司 巡检路径规划方法、装置、电子设备及可读存储介质
CN109634304A (zh) * 2018-12-13 2019-04-16 中国科学院自动化研究所南京人工智能芯片创新研究院 无人机飞行路径规划方法、装置和存储介质
CN112309175A (zh) * 2019-07-29 2021-02-02 中国移动通信有限公司研究院 一种无人机飞行空间信息的指示方法及设备
CN112484726A (zh) * 2020-09-30 2021-03-12 天津基点科技有限公司 一种基于三维模型的无人机路径规划方法
CN113447029A (zh) * 2021-08-31 2021-09-28 湖北第二师范学院 一种基于大型卫星地图的安全路径搜索方法
WO2022142858A1 (zh) * 2020-12-28 2022-07-07 深圳市普渡科技有限公司 机器人移动路径规划方法、确定规划的路径点偏离历史路径程度的方法、装置、机器人及计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103901892A (zh) * 2014-03-04 2014-07-02 清华大学 无人机的控制方法及系统
CN105629989A (zh) * 2015-12-28 2016-06-01 电子科技大学 基于最小外包圆和最大内接圆的障碍区域划分方法
CN108052111A (zh) * 2017-10-24 2018-05-18 南京奇蛙智能科技有限公司 一种基于双目视觉技术的无人机实时避障方法
CN109447371A (zh) * 2018-11-12 2019-03-08 北京中飞艾维航空科技有限公司 巡检路径规划方法、装置、电子设备及可读存储介质
CN109634304A (zh) * 2018-12-13 2019-04-16 中国科学院自动化研究所南京人工智能芯片创新研究院 无人机飞行路径规划方法、装置和存储介质
CN112309175A (zh) * 2019-07-29 2021-02-02 中国移动通信有限公司研究院 一种无人机飞行空间信息的指示方法及设备
CN112484726A (zh) * 2020-09-30 2021-03-12 天津基点科技有限公司 一种基于三维模型的无人机路径规划方法
WO2022142858A1 (zh) * 2020-12-28 2022-07-07 深圳市普渡科技有限公司 机器人移动路径规划方法、确定规划的路径点偏离历史路径程度的方法、装置、机器人及计算机可读存储介质
CN113447029A (zh) * 2021-08-31 2021-09-28 湖北第二师范学院 一种基于大型卫星地图的安全路径搜索方法

Also Published As

Publication number Publication date
CN115016546A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN110320933B (zh) 一种巡航任务下无人机避障运动规划方法
US10802494B2 (en) Method for motion planning for autonomous moving objects
CN110850873B (zh) 无人船路径规划方法、装置、设备和存储介质
Jung et al. A direct visual servoing‐based framework for the 2016 IROS Autonomous Drone Racing Challenge
Wu Coordinated path planning for an unmanned aerial-aquatic vehicle (UAAV) and an autonomous underwater vehicle (AUV) in an underwater target strike mission
Achtelik et al. Motion‐and uncertainty‐aware path planning for micro aerial vehicles
US7818118B2 (en) Method for planning the velocity of a craft along a route
Tordesillas et al. Real-time planning with multi-fidelity models for agile flights in unknown environments
IL185702A (en) Method for collision avoidance of unmanned aerial vehicle with other aircraft
KR101990878B1 (ko) 시간상태 영역에서의 온라인 양방향 경로 계획 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
CN105844969B (zh) 根据气象条件来改进飞行器的飞行轨迹的方法
CN114355981B (zh) 一种四旋翼无人机自主探索建图的方法和系统
US20180165974A1 (en) Vehicle collision prevention
Razzaq et al. Three-dimensional UAV routing with deconfliction
Yu et al. A vision-based collision avoidance technique for micro air vehicles using local-level frame mapping and path planning
Kang et al. Development and flight test evaluations of an autonomous obstacle avoidance system for a rotary-wing UAV
Zollars et al. Optimal SUAS path planning in three-dimensional constrained environments
Liao Uav collision avoidance using a* algorithm
CN115016546B (zh) 无人机三维路径规划方法、装置、电子设备和存储介质
Chen et al. A two-stage method for UCAV TF/TA path planning based on approximate dynamic programming
Uçan et al. Using genetic algorithms for navigation planning in dynamic environments
Kannan et al. Vision-based tracking of uncooperative targets
Kim Optimal motion controllers for an unmanned surface vehicle to track a maneuvering underwater target based on coarse range-bearing measurements
Zollars et al. Simplex Methods for Optimal Control of Unmanned Aircraft Flight Trajectories
CN111176324B (zh) 一种多无人机分布式协同编队规避动态障碍的方法

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