CN115200585A - 基于空域网格的无人机航迹规划方法、装置及电子设备 - Google Patents
基于空域网格的无人机航迹规划方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115200585A CN115200585A CN202210799943.XA CN202210799943A CN115200585A CN 115200585 A CN115200585 A CN 115200585A CN 202210799943 A CN202210799943 A CN 202210799943A CN 115200585 A CN115200585 A CN 115200585A
- Authority
- CN
- China
- Prior art keywords
- grid
- airspace
- space
- unmanned aerial
- aerial vehicle
- 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 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 230000006870 function Effects 0.000 claims description 78
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000002596 correlated effect Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000002224 dissection Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种基于空域网格的无人机航迹规划方法、装置及电子设备。其中，基于空域网格的无人机航迹规划方法，包括：基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图；基于四维空域网格地图，对代价函数进行建模得到代价函数模型，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。达到能够在包括时间维度和动态障碍物的三维空间中规划航迹的目的。
Description
技术领域
本发明属于路径规划技术领域，尤其是涉及一种基于空域网格的无人机航迹规划方法、装置及电子设备。
背景技术
无人机的航迹规划问题是当下学者研究的热点领域，随着空域管理的逐渐规范和开放，围绕无人机的航迹规划展开多种基础研究是无人机应用的前提。随着空域的逐渐放开，无人机可被用于侦察、搜救、作战等军用领域和运输、农业、商业等民用的多个领域。随着无人机应用范围越来越广，需要考虑的规划场景也越来越复杂，而目前航迹规划问题的求解主要停留在二维或简单三维环境中。
航迹规划算法是指在构建的环境图之上，实现航迹搜索，寻找一条可行的航迹，使预定的代价函数获得最优值。无人机的航迹规划算法有很多种，主要包括A*算法及其变种、机器学习算法、蚁群算法。1）A*算法主要用于二维平面或者只考虑固定高度维的三维空域环境的路径规划，若将A*推广到三维空间，因为地图的复杂度增加，A*的计算效率大大降低，并且传统A*算法没有考虑不同应用中规划物体的运动限制，导致得到的规划结果不一定复合规划物体实际的运动情况。2）基于机器学习算法的无人机路径规划需要很好的先验知识和训练样本，在二维环境下可以较快的通过学习获得较优的解，当维度扩展到三维的情况较少有人讨论。3）蚁群算法和其他搜索算法相比，收敛速度较慢，不适合动态诸如无人机航迹规划在内对实时性要求较高的在线搜索。所以，目前现有的航迹规划方法均不能应用到加入时间维度的三维空间动态障碍物中。
发明内容
针对现有技术中存在的问题，本发明提供了一种基于空域网格的无人机航迹规划方法、装置及电子设备，至少部分的解决现有技术中存在的不能应用到加入时间维度的三维空间动态障碍物中的问题。
第一方面，本公开实施例提供了一种基于空域网格的无人机航迹规划方法，包括：
基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图；
基于四维空域网格地图，对代价函数进行建模得到代价函数模型，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。
可选的，所述基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图包括：
基于地球空间立体剖分网格与时间编码，对无人机预航行的空域环境进行网格化建模，得到多个空域网格；
将获取的时空数据与空域网格地图中的空域网格进行关联，得到关联时空数据的空域网格；
基于关联时空数据的空域网格构建空域关系计算模型，得到四维空域网格地图。
可选的，所述基于地球空间立体剖分网格与时间编码，对无人机预航行的空域环境进行网格化建模，得到多个空域网格包括：
将无人机预航行的空域环境进行无缝无叠的网格化的划分与编码标识，构建空域网格图。
可选的，将获取的时空数据与空域网格地图中的空域网格进行关联，得到关联时空数据的空域网格包括：
将多源异构的时空数据，通过空域网格编码与空域网格关联，得到关联时空数据的空域网格；
将关联时空数据的空域网格进行逻辑抽象，利用空域网格编码建立关联时空数据的空域网格的索引。
可选的，所述空域关系计算模型包括：
空域网格地理意义判断模型，用于判断无人机所处的空域网格是否有实际的地理意义；
空域网格邻域位置计算模型，基于空域网格和空域网格编码来计算空域网格的邻域位置；
空域网格距离计算模型，计算无人机基于空域网格的空间距离。
可选的，所述代价函数模型包括：
代价函数g(𝑛)和代价函数ℎ(𝑛)；
所述代价函数g(𝑛)指从起点𝑝0到节点𝑛的最佳路径的实际代价；
所述ℎ(𝑛)指从节点𝑛到终点的最佳路径的代价；
g(𝑛)=
，
𝑤(𝑝𝑖)=𝛼1𝑤1(𝑝𝑖)+𝛼2𝑤2(𝑝𝑖)，
𝑤1(𝑝𝑖)=δ∙d∙𝑤s，𝑤2(𝑝𝑖)=
，
其中，𝑝𝑖为最佳路径集合中的网格，𝑤(𝑝𝑖)为当前网格到达其邻域网格𝑝𝑖的权值，𝑤1(𝑝𝑖)函数为根据空域网格之间的位置关系来计算权值，𝑤2(𝑝𝑖)函数为根据目标空域网格的属性值来计算权值，𝛼1、𝛼2分别为𝑤1(𝑝𝑖)函数和𝑤2(𝑝𝑖)函数的权重，δ为无人机行驶至该方向的代价，d为空域网格之间的基础距离关系，𝑤s为基础权值，
为根据不同属性值计算的属性代价,
为各属性代价权重。
可选的，所述动态航迹规划算法，包括：
将起始空域网格添加到开放列表中；
遍历开放列表，在空域网格数据库中检索空域网格编码，基于返回的属性值，计算F=WG*G+WH*H，查找其中F值最小的空域网格，标记其为当前网格𝑃，G表示当前网格在代价函数𝑔(𝑛)中计算出的代价值；H表示当前网格在代价函数ℎ(𝑛)中计算出的估计值，WG和WH分别表示G值和H值的权重，F为结果值；
将当前时刻的t_temp设为空域网格𝑃中的t值；
将当前网格𝑃从开放列表移入关闭列表中；
将t_temp赋值为下一时刻的值；
根据当前网格𝑃的网格编码，利用空域网格邻域位置计算模型计算其邻域网格，对其邻域的每一个空域网格，在空域网格数据库中检索该空域网格编码，判断其可通行性；
如符合设定，则返回开放列表中的空域网格集合，每个空域网格沿着前向网格移动到起点，得到规划的航迹。
可选的，所述根据当前网格𝑃的网格编码，利用空域网格邻域位置计算模型计算其邻域网格，对其邻域的每一个空域网格，在空域网格数据库中检索该空域网格编码，判断其可通行性包括：
如果该空域网格编码是不可通行的或者在关闭列表中，则忽略该空域网格编码；
如果该空域网格编码是可通行的且不在关闭列表中，则将其加入开放列表，该空域网格编码的t值为当前的t_temp值，其FCode值为网格𝑃，再根据位置关系和数据库中网格属性值计算F、G和H的值，FCode为当前网格的前向网格；
如果该空域网格编码是可通行的且已经在开放列表当中，则比较G值，通过G值判断经由网格𝑃到达该空域网格编码是否更好，如果G值较原来的更小，则把该空域网格编码的前向网格设置为网格𝑃，并更新G值和F值，并对开放列表按照F值重新排序。
第二方面，本公开实施例还提供了一种基于空域网格的无人机航迹规划装置，包括：构建模块，用于基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图；
规划模块，用于基于四维空域网格地图，对代价函数进行建模得到代价函数模型，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有能被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面任一所述的基于空域网格的无人机航迹规划方法。
第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行第一方面任一所述的基于空域网格的无人机航迹规划方法。
本发明提供的基于空域网格的无人机航迹规划方法、装置及电子设备，其中该基于空域网格的无人机航迹规划方法，通过将时空数据与空域网格进行关联，得到四维空域网格地图，并在四维空域网格地图上，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。在四维空域网格地图包括三维空间和时间维度，并使用动态航迹规划算法，考虑动态障碍物进行航迹规划，从而达到能够在包括时间维度和动态障碍物的三维空间中规划航迹的目的。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。
图1为本公开实施例中基于空域网格的无人机航迹规划方法的整体原理框图；
图2为本公开实施例提供的一种基于空域网格的无人机航迹规划方法的流程图；
图3为本公开实施例中环境建模的原理框图；
图4为本公开实施例中航迹搜索的原理框图；
图5为本公开实施例中空域网格之间的基础距离关系示意图；
图6为本公开实施例中空域网格在算法中存储的数据结构示意图；
图7为本公开实施例提供的一种基于空域网格的无人机航迹规划装置的原理框图；
图8为本公开实施例提供的一种电子设备的原理框图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
应当明确，以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
无人机在航迹搜索阶段通常是在环境模型的基础上，设计合理的代价函数，并应用相应的航迹规划算法使得设计的代价函数获得最优值。对航行的代价进行合理的数学描述与建模是降低航迹规划问题复杂度的关键步骤，也决定了最后航迹规划结果的合理性。在实际航行中，无人机的航迹代价往往随着环境条件的变化而变化，比如一个地区无人机信号基站可以容纳的最多的无人机数量的变化。所以，如何根据环境建模的特点，合理的对航迹代价进行建模是使无人机航迹规划结果更符合实际飞行情况的关键步骤。
本实施例在解决问题的过程中，遇到了以下难点：
（1）考虑时间维度。一方面是动态障碍物的引入，目前对动态障碍物的航迹规划多数只停留在二维平面的动态障碍物，动态障碍物的存在使得算法复杂度增加，进一步增加了规划难度；另一方面，航迹规划中，随着加入时间维度的讨论，求解空间规模扩大，求解时间会呈指数形式增长，用现有的方法将很难求出理想结果。
（2）三维动态航迹规划。无人机的航迹规划是在三维空间中进行，三维航迹规划相对于二维航迹规划，计算量也进一步增加。
本实施例基于环境建模的结果，设计的一种无人机动态航迹规划算法，实现无人机在三维空域环境下的航迹规划。具体就是：在环境建模构筑的空域网格地图之上，对代价函数进行合理的建模，最后运行航迹规划算法，规划出一条可行的航迹，使预定的代价函数达到最优值，整体内容如图1所示。
具体如图2所示，本实施例公开了一种基于空域网格的无人机航迹规划方法，包括：
步骤S201：基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图；
可选的，所述基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图包括：
基于地球空间立体剖分网格与时间编码，对无人机预航行的空域环境进行网格化建模，得到多个空域网格；
可选的，所述基于地球空间立体剖分网格与时间编码，对无人机预航行的空域环境进行网格化建模，得到多个空域网格包括：
将无人机预航行的空域环境进行无缝无叠的网格化的划分与编码标识，构建空域网格图。
将获取的时空数据与空域网格地图中的空域网格进行关联，得到关联时空数据的空域网格；
可选的，将获取的时空数据与空域网格地图中的空域网格进行关联，得到关联时空数据的空域网格包括：
将多源异构的时空数据，通过空域网格编码与空域网格关联，得到关联时空数据的空域网格；
将关联时空数据的空域网格进行逻辑抽象，利用空域网格编码建立关联时空数据的空域网格的索引。
基于关联时空数据的空域网格构建空域关系计算模型，得到四维空域网格地图。
可选的，所述空域关系计算模型包括：
空域网格地理意义判断模型，用于判断无人机所处的空域网格是否有实际的地理意义；
空域网格邻域位置计算模型，基于空域网格和空域网格编码来计算空域网格的邻域位置；
空域网格距离计算模型，计算无人机基于空域网格的空间距离。
在一个具体的示例中，
1） 空域网格的环境建模：
该模型是依托地球空间立体剖分框架建立的包含对无人机空域环境的数据组织、表达与计算的模型，具体内容如图3所示，包括：环境建模与编码设计、空间关系计算模型设计。
（1）环境建模与编码设计：
首先，在地球空间立体剖分网格与时间编码理论基础上，对于无人机飞行的空域环境进行网格化建模。主要在于将无人机航行的空域环境进行无缝无叠的网格化的划分与编码标识，构建一个空域网格图。空域环境被剖分成数个无缝无叠的剖分体元，每一个体元即一个空间中的空域网格。空域网格是三维地球空间立体剖分网格在无人机空域环境应用中的子集，主要覆盖无人机超低空飞行空域环境至超高空飞行空域环境，高度范围为地表至离地高度20km内。在网格化过程中，考虑到数据尺度和应用需求，可以分别采用GeoSOT-3D第16层级和第18层级网格，分别对应1km和256m分辨率。
然后将无人机应用中涉及到的多源异构的海量时空数据，通过空域网格编码与空域网格关联起来，进行统一的组织与管理。然后将关联后的环境数据与无人机航迹数据等空域数据进行逻辑抽象，定义不同的存储结构，利用空域网格编码进行索引，实现时空数据的组织与存储。
实现了以地球空间立体剖分框架（如GeoSOT-3D）网格码为基础，对无人机飞行环境进行网格化表达。
（2）空间关系计算模型设计：
在第一步网格化的环境建模与编码标识的基础之上，提出基于空域网格的空间关系计算方法。主要包括了三个无人机航迹规划中会涉及到的空间关系的计算：空域网格地理意义判断模型，用来判断无人机所处的空域网格是否有实际的地理意义；空域网格邻域位置计算模型，基于空域网格环境和编码来计算空域网格的邻域位置，可以用于无人机航迹搜索阶段的邻域位置的状态检测；空域网格距离计算模型，是计算无人机基于空域网格的空间距离，可以用于无人机航迹搜索阶段的代价函数计算应用中。
最终完成针对复杂动态空域环境的空域网格模型构建，生成四维（三维+时间维度）空域网格地图，地图中包括数个空域网格。
通过空域网格邻域位置计算与检索实验证明，基于网格的邻域位置计算与查询充分利用了GeoSOT-3D网格编码的优势，以较低的时间复杂度进行空间邻域查询，证明了基于空域网格邻域位置检索的高效性。
步骤S202：基于四维空域网格地图，对代价函数进行建模得到代价函数模型，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。
在一个具体的示例中，
2）针对空域网格的动态无人机航迹规划：
在环境建模构筑的空域网格地图之上，对代价函数进行合理的建模，最后运行航迹规划算法，规划出一条可行的航迹，使预定的代价函数达到最优值，解决航迹规划所描述的问题，如图4所示。
（1）航迹规划问题描述（预设定的航迹规划参数）：
已知：①飞行起点、无人机的飞行开始时间；②需要执行任务的目标区域；③障碍物分布情况，包括动态障碍物的分布情况——即在某一时刻动态障碍物的位置；④飞行终点。
求解：寻找出一条从起点到终点穿越目标空域的可通行的航迹。
假设规划空间在距离某地H米的高空，长、宽、高分别为L1、L2、L3的长方体空域内。规划区域内有M（M>0）架无人机或其它飞行器正在沿已经规划好的航迹轨道飞行，即可以已知这M架飞机在每一时刻的位置。现有一架需要进行航迹规划的无人机，要求该无人机在T时刻，从事先指定的飞行起点P1，到达飞行终点P2。
本实施例做如下假设：
假设1：无人机及其安全缓冲区范围可用单个或多个空域网格表示；
假设2：静态障碍物分布和动态障碍物轨迹可用单个或多个空域网格表示；
假设3：存在最小时间间隔𝑡，作为动态航迹规划的最小时间单元，无人机在𝑡时间内至少移动一个网格；
假设4：对于单次航迹规划任务而言，无人机的初始出发点和目标点都为空域中某确定且唯一的网格。
综上所述，基于空域网格的无人机动态航迹规划问题可以定义为：通过航迹规划算法，在空域网格地图中，寻找到一条在消耗最小指定代价指标要求下的、从指定出发网格到指定目标网格的无人机可通行航迹网格集合。
从数据模型的角度来看，无人机的动态航迹规划问题是一个优化问题。在对规划空间进行网格化建模后，可以构成一个连通的网格图。那么无人机动态航迹规划的优化问题的搜索空间就减小为一个离散的空域网格的集合，问题的求解也就简化为一个求解连通图的最短航迹的组合优化问题，即航迹规划问题。也就是从空域网格图中选区一些网格，使得无人机在沿这些网格所形成的航迹上飞行时航迹的某种代价最小。
（2）航迹代价函数建模
在A*算法的基础之上，结合时间维度和空域网格，设计适用于无人机动态航迹规划算法的航迹代价函数，分为代价函数g(𝑛)和代价函数ℎ(𝑛)代价函数，
可选的，所述代价函数模型包括：
代价函数g(𝑛)和代价函数ℎ(𝑛)；
所述代价函数g(𝑛)指从起点𝑝0到节点𝑛的最佳路径的实际代价；
所述ℎ(𝑛)指从节点𝑛到终点的最佳路径的代价；
代价函数ℎ(𝑛)的计算采用当前网格𝑛与终点之间的网格距离（类似于曼哈顿距离），在空域网格体系下，采用节中的网格距离计算的方式。代价函数g(𝑛)的设计和计算，具体内容如下：
在空域网格体系中，g(𝑛)为起始网格移动到当前网格的代价，通常为路径中经过的网格的权值的和，可以用公式：g(𝑛)=
表示，𝑝𝑖为最佳路径集合中的网格，𝑤(𝑝𝑖)为当前网格到达其邻域网格𝑝𝑖的权值。
而邻域网格之间移动的权值𝑤(𝑝𝑖)是代价函数g(𝑛)的关键。因为每一个空域网格除了包含类似地理坐标的空间信息以外，也同时包含了地形、障碍物、其余飞行器在内的其它属性信息，所以在代价函数时除了需要结合空域网格的位置信息考虑无人机的物理性能之外，也要综合考虑当前网格本身的承载的属性信息。因此，将𝑤(𝑝𝑖)表示为：𝑤(𝑝𝑖)=𝛼1𝑤1(𝑝𝑖)+𝛼2𝑤2(𝑝𝑖)。其中，𝑤1(𝑝𝑖)函数表示根据空域网格之间的位置关系来计算权值，𝑤2(𝑝𝑖)函数表示根据目标空域网格的属性值来计算权值。𝛼1、𝛼2为两者的权重。
𝑤1(𝑝𝑖)的值随空域网格之间的相对距离、相对方位等变化而变化。考虑到无人机的实际航行状况和物理性能的不同，无人机去往不同的邻域所需要的代价是不同的。由于空域网格之间天然存在距离关系，再结合不同的无人机的性能参数和指标，可以设置不同网格邻域的权值𝑤1(𝑝𝑖)，即𝑤1(𝑝𝑖)=δ∙d∙𝑤s，其中δ为无人机行驶至该方向的代价，由无人机的性能参数决定，通常来说当无人机改变航向进行拐弯或爬升/俯冲时的δ要大于无人机保持原航向的δ；d为空域网格之间的基础距离关系，具体如图5所示，有三种形式：面相邻的空域网格之间，基础距离为1；边相邻的空域网格之间，基础距离为
；角相邻的空域网格之间，基础距离为
；𝑤s为基础权值，可以根据算法需要和实际应用进行调整。
𝑤2(𝑝𝑖)需要考虑当前网格的属性值，属性值包含地形代价，雷达威胁代价，基站供给代价等，可根据具体应用需求调整计算方式。表达式为：𝑤2(𝑝𝑖)=
，其中，
为根据不同属性值计算出来的属性代价,
为各代价权重，其总和为1。
动态航迹规划算法是在A*算法的基础上的扩充：首先将其加入高度维扩展为三维航迹规划算法，再在三维的基础上加上时间维度，赋予空域网格在不同时态下不同的状态，实现动态航迹规划算法，最后在代价函数设计时，考虑空域网格的属性维。
动态航迹规划算法中的一些基本定义：
规划区域：进行路径规划的最大空域范围。本方案设计的规划算法中，规划区域已经提前进行了网格化建模，也就是说本节中的规划算法是基于空域网格实现的。规划区域即空域网格的数据与信息事先存储在了数据库中。
开放列表（Open List）：在动态航迹规划算法中，待计算的空域网格存放于OpenList中。
关闭列表（Closed List）：在动态航迹规划算法中，已计算完成的空域网格存放于Closed List中。
前向网格（Forward Grid）：在动态航迹规划算法中，用于回溯的网格节点，即路径位移中的前一网格。
空域网格在算法中存储的数据结构如图6所示。Code为空域网格的网格编码，在计算中通常采用二进制3维编码形式，LonCode、LatCode和HeightCode分别对应网格编码的经度、纬度和高度维；FCode表示当前网格的前向网格；G表示当前网格在𝑔(𝑛)函数中计算出的代价值；H表示当前网格在ℎ(𝑛)函数中计算出的估计值；t表示到达当前网格时的时刻；WG和WH分别表示G值和H值的权重。
动态航迹规划算法具体如下：
步骤Step1：将起始空域网格添加到Open List中；
步骤Step2：重复如下步骤：
（1）遍历Open List，在空域网格数据库中检索该空域网格编码，返回必要属性，计算F=WG*G+WH*H，查找其中F值最小的空域网格，标记其为当前网格𝑃，F为结果值，即为代价值G和估计值H分别考虑权重后再求和得到的结果值。
（2）将当前时刻t_temp设为空域网格𝑃中的t值，t_temp=t；
（3）将当前网格𝑃从Open List中移除，移入Closed List中；
（4）将t_temp赋值为下一时刻，t_temp=t_temp+1；
（5）根据当前网格𝑃的网格编码，利用空域网格邻域位置计算方法计算其邻域网格，对其邻域的每一个空域网格，在空域网格数据库中检索该空域网格编码，判断其可通行性：
如果该空域网格编码是不可通行的或者在Closed List中，则忽略该空域网格编码；
如果该空域网格编码是可通行的且不在Open List当中，则将其加入Open List，该空域网格编码的t值为当前的t_temp值，其FCode值为网格𝑃，再根据位置关系和数据库中网格属性值计算F，G，H；
如果该空域网格编码是可通行的且已经在Open List当中，则比较G值，通过G值判断经由网格𝑃到达它那里是否更好。如果G值较原来的更小，则意味着这是更好的路径，则把该空域网格编码的前向网格设置为网格𝑃，并更新G值和F值，并对Open List按照F值重新排序。
（6）算法停止，当出现以下两种情况时：
如果终点被加入到了Open List当中，则路径规划已经完成；
如果没有查找到终点且Open List为空，则表示没有路径。
Step3：返回Open List中的空域网格集合，每个空域网格沿着前向网格移动到起点，则是最终的路径规划结果。符合设定即算法停止。
在实际应用中，当接收到空域网格地图上的无人机航迹规划请求时，利用动态轨迹规划算法模型，即动态轨迹规划算法和代价函数，就能求得请求所需的航迹信息。
针对无人机航迹规划算法，进行了论证实验，结果证明，在不同的障碍物分布的空域环境中，航迹规划算法可以成功的实现路径规划，证明了基于空域网格的无人机航迹规划算法的可行。
本实施例的基于空域网格的无人机航迹规划方法具有以下优点：
1)实现无人机在三维空域环境下的航迹规划，即同时满足在三维空间中适用以及加入时间维度考虑动态障碍物。其中，动态航迹规划算法是在A*算法的基础上的扩充：首先将其加入高度维扩展为三维航迹规划算法，再在三维的基础上加上时间维度，赋予空域网格在不同时态下不同的状态，实现动态航迹规划算法。
2)航迹代价函数设计中，考虑空域网格的属性维，以获得更为精准的航迹规划信息最优解。
3)航迹规划中加入动态障碍物分布情况，实现无人机的动态航迹规划。
4)通过时空空域环境建模以及和空间关系计算模型设计，提升动态三维空间的航迹规划效率。
如图7所示，本实施例还提供了一种基于空域网格的无人机航迹规划装置，包括：构建模块，用于基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图；
规划模块，用于基于四维空域网格地图，对代价函数进行建模得到代价函数模型，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。
本公开实施例的电子设备包括存储器和处理器。该存储器用于存储非暂时性计算机可读指令。具体地，存储器可以包括一个或多个计算机程序产品，该计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。该非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。
该处理器可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中，该处理器用于运行该存储器中存储的该计算机可读指令，使得该电子设备执行前述的本公开各实施例的基于空域网格的无人机航迹规划方法全部或部分步骤。
本领域技术人员应能理解，为了解决如何获得良好用户体验效果的技术问题，本实施例中也可以包括诸如通信总线、接口等公知的结构，这些公知的结构也应包含在本公开的保护范围之内。
如图8为本公开实施例提供的一种电子设备的结构示意图。其示出了适于用来实现本公开实施例中的电子设备的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备可以包括处理装置（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM）中的程序或者从存储装置加载到随机访问存储器（RAM）中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出（I/O）接口也连接至总线。
通常，以下装置可以连接至I/O接口：包括例如传感器或者视觉信息采集设备等的输入装置；包括例如显示屏等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备（比如边缘计算设备）进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的基于空域网格的无人机航迹规划方法的全部或部分步骤。
有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时，执行前述的本公开各实施例的基于空域网格的无人机航迹规划方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于：光存储介质（例如：CD－ROM和DVD）、磁光存储介质（例如：MO）、磁存储介质（例如：磁带或移动硬盘）、具有内置的可重写非易失性存储器的媒体（例如：存储卡）和具有内置ROM的媒体（例如：ROM盒）。
有关本实施例的详细说明可以参考前述各实施例中的相应说明，在此不再赘述。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
在本公开中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
另外，如在此使用的，在以“至少一个”开始的项的列举中使用的“或”指示分离的列举，以便例如“A、B或C的至少一个”的列举意味着A或B或C，或AB或AC或BC，或ABC（即A和B和C）。此外，措辞“示例的”不意味着描述的例子是优选的或者比其他例子更好。
还需要指出的是，在本公开的系统和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种改变、替换和更改。此外，本公开的权利要求的范围不限于以上所述的处理、机器、制造、事件的组成、手段、方法和动作的具体方面。可以利用与在此所述的相应方面进行基本相同的功能或者实现基本相同的结果的当前存在的或者稍后要开发的处理、机器、制造、事件的组成、手段、方法或动作。因而，所附权利要求包括在其范围内的这样的处理、机器、制造、事件的组成、手段、方法或动作。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于空域网格的无人机航迹规划方法，其特征在于，包括：
基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图；
基于四维空域网格地图，对代价函数进行建模得到代价函数模型，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。
2.根据权利要求1所述的基于空域网格的无人机航迹规划方法，其特征在于，所述基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图包括：
基于地球空间立体剖分网格与时间编码，对无人机预航行的空域环境进行网格化建模，得到多个空域网格；
将获取的时空数据与空域网格地图中的空域网格进行关联，得到关联时空数据的空域网格；
基于关联时空数据的空域网格构建空域关系计算模型，得到四维空域网格地图。
3.根据权利要求2所述的基于空域网格的无人机航迹规划方法，其特征在于，所述基于地球空间立体剖分网格与时间编码，对无人机预航行的空域环境进行网格化建模，得到多个空域网格包括：
将无人机预航行的空域环境进行无缝无叠的网格化的划分与编码标识，构建空域网格图。
4.根据权利要求2所述的基于空域网格的无人机航迹规划方法，其特征在于，将获取的时空数据与空域网格地图中的空域网格进行关联，得到关联时空数据的空域网格包括：
将多源异构的时空数据，通过空域网格编码与空域网格关联，得到关联时空数据的空域网格；
将关联时空数据的空域网格进行逻辑抽象，利用空域网格编码建立关联时空数据的空域网格的索引。
5.根据权利要求4所述的基于空域网格的无人机航迹规划方法，其特征在于，所述空域关系计算模型包括：
空域网格地理意义判断模型，用于判断无人机所处的空域网格是否有实际的地理意义；
空域网格邻域位置计算模型，基于空域网格和空域网格编码来计算空域网格的邻域位置；
空域网格距离计算模型，计算无人机基于空域网格的空间距离。
6.根据权利要求5所述的基于空域网格的无人机航迹规划方法，其特征在于，所述代价函数模型包括：
代价函数g(𝑛)和代价函数ℎ(𝑛)；
所述代价函数g(𝑛)指从起点𝑝0到节点𝑛的最佳路径的实际代价；
所述ℎ(𝑛)指从节点𝑛到终点的最佳路径的代价；
g(𝑛)=
，
𝑤(𝑝𝑖)=𝛼1𝑤1(𝑝𝑖)+𝛼2𝑤2(𝑝𝑖)，
𝑤1(𝑝𝑖)=δ∙d∙𝑤s，𝑤2(𝑝𝑖)=
，
其中，𝑝𝑖为最佳路径集合中的网格，𝑤(𝑝𝑖)为当前网格到达其邻域网格𝑝𝑖的权值，𝑤1(𝑝𝑖)函数为根据空域网格之间的位置关系来计算权值，𝑤2(𝑝𝑖)函数为根据目标空域网格的属性值来计算权值，𝛼1、𝛼2分别为𝑤1(𝑝𝑖)函数和𝑤2(𝑝𝑖)函数的权重，δ为无人机行驶至该方向的代价，d为空域网格之间的基础距离关系，𝑤s为基础权值，
为根据不同属性值计算的属性代价,
为各属性代价权重。
7.根据权利要求6所述的基于空域网格的无人机航迹规划方法，其特征在于，所述动态航迹规划算法，包括：
将起始空域网格添加到开放列表中；
遍历开放列表，在空域网格数据库中检索空域网格编码，基于返回的属性值，计算F=WG*G+WH*H，查找其中F值最小的空域网格，标记其为当前网格𝑃，G表示当前网格在代价函数𝑔(𝑛)中计算出的代价值；H表示当前网格在代价函数ℎ(𝑛)中计算出的估计值，WG和WH分别表示G值和H值的权重，F为结果值；
将当前时刻的t_temp设为空域网格𝑃中的t值；
将当前网格𝑃从开放列表移入关闭列表中；
将t_temp赋值为下一时刻的值；
根据当前网格𝑃的网格编码，利用空域网格邻域位置计算模型计算其邻域网格，对其邻域的每一个空域网格，在空域网格数据库中检索该空域网格编码，判断其可通行性；
如符合设定，则返回开放列表中的空域网格集合，每个空域网格沿着前向网格移动到起点，得到规划的航迹。
8.根据权利要求7所述的基于空域网格的无人机航迹规划方法，其特征在于，所述根据当前网格𝑃的网格编码，利用空域网格邻域位置计算模型计算其邻域网格，对其邻域的每一个空域网格，在空域网格数据库中检索该空域网格编码，判断其可通行性包括：
如果该空域网格编码是不可通行的或者在关闭列表中，则忽略该空域网格编码；
如果该空域网格编码是可通行的且不在关闭列表中，则将其加入开放列表，该空域网格编码的t值为当前的t_temp值，其FCode值为网格𝑃，再根据位置关系和数据库中网格属性值计算F、G和H的值，FCode为当前网格的前向网格；
如果该空域网格编码是可通行的且已经在开放列表当中，则比较G值，通过G值判断经由网格𝑃到达该空域网格编码是否更好，如果G值较原来的更小，则把该空域网格编码的前向网格设置为网格𝑃，并更新G值和F值，并对开放列表按照F值重新排序。
9.一种基于空域网格的无人机航迹规划装置，其特征在于，包括：
构建模块，用于基于获取的无人机预航行的空域环境数据构建空域网格模型得到空域网格，将获取的时空数据与空域网格进行关联，得到关联时空数据的空域网格，基于关联时空数据的空域网格得到四维空域网格地图；
规划模块，用于基于四维空域网格地图，对代价函数进行建模得到代价函数模型，使用动态航迹规划算法对代价函数模型进行计算，使代价函数模型在预设定的航迹规划参数下达到设定条件，得到规划的无人机航迹路线。
10.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8任一所述的基于空域网格的无人机航迹规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210799943.XA CN115200585A (zh) | 2022-07-08 | 2022-07-08 | 基于空域网格的无人机航迹规划方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210799943.XA CN115200585A (zh) | 2022-07-08 | 2022-07-08 | 基于空域网格的无人机航迹规划方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115200585A true CN115200585A (zh) | 2022-10-18 |
Family
ID=83580066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210799943.XA Pending CN115200585A (zh) | 2022-07-08 | 2022-07-08 | 基于空域网格的无人机航迹规划方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115200585A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116069882A (zh) * | 2022-12-21 | 2023-05-05 | 北斗伏羲中科数码合肥有限公司 | 空域网格图生成方法 |
| CN116312072A (zh) * | 2023-03-21 | 2023-06-23 | 中国人民解放军93209部队 | 一种基于空域网格的航迹运行冲突解耦控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070005550A1 (en) * | 2005-06-24 | 2007-01-04 | Alexander Klein | Finding a hexagonal cell containing an X, Y position |
| CN110207708A (zh) * | 2019-06-25 | 2019-09-06 | 重庆邮电大学 | 一种无人机航迹规划装置及方法 |
| CN110514204A (zh) * | 2018-05-21 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 航迹规划方法、装置、飞行器和计算机可读存储介质 |
| CN112116830A (zh) * | 2020-09-02 | 2020-12-22 | 南京航空航天大学 | 一种基于空域网格化的无人机动态地理围栏规划方法 |
| CN112325892A (zh) * | 2020-10-10 | 2021-02-05 | 南京理工大学 | 一种基于改进a*算法的类三维路径规划方法 |
| CN113776534A (zh) * | 2021-08-18 | 2021-12-10 | 北京大学 | 一种基于立体剖分网格的无人机三维时变空域导航方法 |
-
2022
- 2022-07-08 CN CN202210799943.XA patent/CN115200585A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070005550A1 (en) * | 2005-06-24 | 2007-01-04 | Alexander Klein | Finding a hexagonal cell containing an X, Y position |
| CN110514204A (zh) * | 2018-05-21 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 航迹规划方法、装置、飞行器和计算机可读存储介质 |
| CN110207708A (zh) * | 2019-06-25 | 2019-09-06 | 重庆邮电大学 | 一种无人机航迹规划装置及方法 |
| CN112116830A (zh) * | 2020-09-02 | 2020-12-22 | 南京航空航天大学 | 一种基于空域网格化的无人机动态地理围栏规划方法 |
| CN112325892A (zh) * | 2020-10-10 | 2021-02-05 | 南京理工大学 | 一种基于改进a*算法的类三维路径规划方法 |
| CN113776534A (zh) * | 2021-08-18 | 2021-12-10 | 北京大学 | 一种基于立体剖分网格的无人机三维时变空域导航方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周青等: "基于算法的无人机四维航迹规划研究", 《计算机仿真》, 30 April 2014 (2014-04-30), pages 93 - 95 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116069882A (zh) * | 2022-12-21 | 2023-05-05 | 北斗伏羲中科数码合肥有限公司 | 空域网格图生成方法 |
| CN116312072A (zh) * | 2023-03-21 | 2023-06-23 | 中国人民解放军93209部队 | 一种基于空域网格的航迹运行冲突解耦控制方法 |
| CN116312072B (zh) * | 2023-03-21 | 2024-01-26 | 中国人民解放军93209部队 | 一种基于空域网格的航迹运行冲突解耦控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110108284B (zh) | 一种顾及复杂环境约束的无人机三维航迹快速规划方法 | |
| US20210080258A1 (en) | Systems and methods for continuous replanning of vehicle trajectories | |
| US8082102B2 (en) | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions | |
| CN111504325B (zh) | 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法 | |
| Liu et al. | Adaptive sensitivity decision based path planning algorithm for unmanned aerial vehicle with improved particle swarm optimization | |
| CN115200585A (zh) | 基于空域网格的无人机航迹规划方法、装置及电子设备 | |
| CN103557867B (zh) | 一种基于稀疏a*搜索的三维多uav协同航迹规划方法 | |
| Van Toll et al. | Real‐time density‐based crowd simulation | |
| CN109521761A (zh) | 用于自动驾驶车辆的基于约束平滑样条的速度优化 | |
| CN109521763A (zh) | 用于自动驾驶车辆的基于约束平滑样条的路径优化 | |
| CN109521762A (zh) | 用于自动驾驶车辆的基于2d约束平滑样条的平滑道路参考线路 | |
| CN109491377A (zh) | 用于自动驾驶车辆的基于dp和qp的决策和规划 | |
| US20130253827A1 (en) | Apparatus for fast path search by learning heuristic function and method thereof | |
| 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 | |
| CN102880186A (zh) | 基于稀疏a*算法和遗传算法的航迹规划方法 | |
| CN114440916B (zh) | 一种导航方法、装置、设备及存储介质 | |
| CN103295080A (zh) | 基于高程图和蚁群寻食的三维路径规划方法 | |
| Chaimatanan et al. | Aircraft 4D trajectories planning under uncertainties | |
| CN115060263A (zh) | 一种考虑低空风和无人机能耗的航迹规划方法 | |
| Ma et al. | Adaptive path planning method for UAVs in complex environments | |
| Wu et al. | A Non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning | |
| 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 | |
| Lu et al. | Particle swarm algorithm and its application in tourism route design and optimization | |
| Wu et al. | Multi-phase trajectory optimization for an aerial-aquatic vehicle considering the influence of navigation error | |
| Zillies et al. | Multiobjective 4D optimization of a trajectory-based air traffic management |
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 |