CN115268504A - 一种大型无人机仿地飞行路径规划方法 - Google Patents

一种大型无人机仿地飞行路径规划方法 Download PDF

Info

Publication number
CN115268504A
CN115268504A CN202211196269.2A CN202211196269A CN115268504A CN 115268504 A CN115268504 A CN 115268504A CN 202211196269 A CN202211196269 A CN 202211196269A CN 115268504 A CN115268504 A CN 115268504A
Authority
CN
China
Prior art keywords
point
path
point set
points
value
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.)
Granted
Application number
CN202211196269.2A
Other languages
English (en)
Other versions
CN115268504B (zh
Inventor
罗登
彭钧
张良会
吕菲
殷魁
潘星
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.)
Sichuan Tibet Railway Technology Innovation Center Co ltd
Sichuan Tengdun Technology Co Ltd
Original Assignee
Sichuan Tibet Railway Technology Innovation Center Co ltd
Sichuan Tengdun Technology Co Ltd
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 Sichuan Tibet Railway Technology Innovation Center Co ltd, Sichuan Tengdun Technology Co Ltd filed Critical Sichuan Tibet Railway Technology Innovation Center Co ltd
Priority to CN202211196269.2A priority Critical patent/CN115268504B/zh
Publication of CN115268504A publication Critical patent/CN115268504A/zh
Application granted granted Critical
Publication of CN115268504B publication Critical patent/CN115268504B/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, 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)
  • Navigation (AREA)

Abstract

本发明公开了一种大型无人机仿地飞行路径规划方法，该方法包括以下步骤：基于所述大型无人机仿地飞行的起点和终点，获取所述大型无人机仿地飞行的路径点集；将所述路径点集映射到二维空间平面进行平滑处理，得到大型无人机仿地飞行的最短路径点集；基于所述最短路径点集，得到大型无人机仿地飞行的路径规划。本发明提升了大型无人机飞行的效率、安全性、飞行路径的光滑性，而且使得大型无人机执行飞行任务时爬升下滑更为合理，实现了飞行航点提取，降低了路径的数据冗余。

Description

一种大型无人机仿地飞行路径规划方法
技术领域
本发明涉及仿地飞行技术领域，特别是一种大型无人机仿地飞行路径规划方法。
背景技术
大型无人机在执行仿地飞行任务时，优秀的规划路线使得飞行时间减短、飞行功耗减低。目前无人机仿地飞行路径规划大致有在避障规划路径基础上匹配DEM或借助机载传感器计算相对高度并作出调整，这些方法在平原和丘陵地区适用，在高差较大的山区难以应用。一方面，航线高差变化剧烈时，无人机调整高度的时间长，耗能高；另一方面，规划航线穿过难以逾越的高山时，无人机将陷入困境。即使可以穿越，是采取穿越还是绕行需要定量的评价。
发明内容
鉴于此，本发明提供一种大型无人机仿地飞行路径规划方法，充分考虑了飞机性能，提升了飞行的效率和安全性、飞行路径的光滑性。
本发明公开了一种大型无人机仿地飞行路径规划方法，包括以下步骤：
步骤1：基于所述大型无人机仿地飞行的起点和终点，获取所述大型无人机仿地飞行的路径点集；
步骤2：将所述路径点集映射到二维空间平面进行平滑处理，得到大型无人机仿地飞行的最短路径点集；
步骤3：基于所述最短路径点集，得到大型无人机仿地飞行的路径规划。
进一步地，所述步骤1包括：
步骤11：获取大型无人机仿地飞行的起点和终点，将起点添加到open表中，并初始化open表、close表；其中，open表和close表均用于记录点的位置、f值、方位角、父节点；
步骤12：从open表中f值最小的点的所有邻域点中找出符合筛选条件的点，形成邻域点集；
步骤13：计算邻域点集中所有点的f值；
步骤14：分别判断邻域点集中的所有点是否在open表中，若不在，则将其添加至open表中，若在，则分别判断其f值是否小于open表中对应位置的点的f值；若是，则分别将较小的f值作为open表中对应位置的点的f值，且将open表中f值最小的点作为较小的f值对应的邻域点的父节点；
步骤15：若open表中f值最小的点为终点，则算法结束，按照子父节点关系，从终点回溯至其先辈节点，即起点，以生成规划路径点集，记为路径点集M；否则，将open表中f值最小的点转移至close表，重复执行步骤12至步骤15，直至open表中f值最小的点为终点或open表为空，输出路径点集M或路径规划失败。
进一步地，所述筛选条件包括通行条件、转弯半径约束条件和旁侧安全条件；
所述通行条件为不属于障碍点；
所述转弯半径约束条件为：
Figure 435712DEST_PATH_IMAGE001
其中，
Figure 387487DEST_PATH_IMAGE002
为open表中f值最小的点的方位角与邻域点方位角的夹角，
Figure 745875DEST_PATH_IMAGE003
为大型无 人机的最小转弯半径，L为open表中f值最小的点到邻域点的空间距离；
所述旁侧安全条件为：
Figure 124904DEST_PATH_IMAGE004
Figure 315714DEST_PATH_IMAGE005
其中，
Figure 946547DEST_PATH_IMAGE006
为邻域点处的坡度，
Figure 539202DEST_PATH_IMAGE007
为邻域点处的坡向，
Figure 823553DEST_PATH_IMAGE008
为前进方向的 方位角，
Figure 891872DEST_PATH_IMAGE009
为邻域点处坡向与垂直于前进方位角
Figure 185450DEST_PATH_IMAGE008
的平行线的夹角，
Figure 632612DEST_PATH_IMAGE010
为坡度阈值，坡度阈值 由无人机仿地飞行高度和旁侧安全需求决定。
进一步地，所述计算邻域点集中所有点的f值的公式为：
Figure 353443DEST_PATH_IMAGE011
Figure 394211DEST_PATH_IMAGE012
其中，f为代价，f值越小表示越接近终点，
Figure 225901DEST_PATH_IMAGE013
为累加求和，dis为邻域点集中任意一 点N到终点的欧式距离，
Figure 793149DEST_PATH_IMAGE014
为起点到任意一点N的路径长度，
Figure 576559DEST_PATH_IMAGE015
为超出理想爬升、下滑角的 额外代价，
Figure 963678DEST_PATH_IMAGE016
为open表中f值最小的点到任意一点N的爬升或下滑斜率，
Figure 599059DEST_PATH_IMAGE017
为大型无人机的经 济速度，
Figure 896179DEST_PATH_IMAGE018
均为待定系数，
Figure 224392DEST_PATH_IMAGE019
和
Figure 98807DEST_PATH_IMAGE020
分别表示路径中第q个点的高程和该点的父节点，即 第q-1个点的高程，q的取值范围为2至m，m为正整数，m指组成起点到任意一点N的路径的点 数量。
进一步地，所述步骤2包括：
步骤21：将路径点集M投影到xy平面得到二维点集，记为T；对点集T中所有点连成 的路径进行平滑处理，并将其平滑后的坐标代入DEM中插值求得每个点对应的z轴坐标，即 可形成三维点集
Figure 396934DEST_PATH_IMAGE021
；
步骤22：基于三维点集
Figure 938773DEST_PATH_IMAGE021
形成的路径，构造以该路径在xy平面的投影曲线为准线、z 轴的平行线为直母线的柱面，将该柱面展开为平面
Figure 172309DEST_PATH_IMAGE022
；将三维点集
Figure 409386DEST_PATH_IMAGE021
映射到二维空间平面
Figure 386569DEST_PATH_IMAGE022
上 得到二维点集，记为
Figure 517336DEST_PATH_IMAGE023
；对二维点集
Figure 921773DEST_PATH_IMAGE023
中所有点连成的路径进行平滑处理得到点集
Figure 662458DEST_PATH_IMAGE024
；在将点 集
Figure 443332DEST_PATH_IMAGE024
逆变换到xyz坐标系中形成最短路径点集
Figure 569551DEST_PATH_IMAGE025
。
进一步地，所述步骤21包括：
步骤211：去除点集
Figure 144889DEST_PATH_IMAGE026
中所有点的z轴坐标，得到点集
Figure 481192DEST_PATH_IMAGE027
，
Figure 800178DEST_PATH_IMAGE028
、
Figure 295751DEST_PATH_IMAGE029
、
Figure 41990DEST_PATH_IMAGE030
分别为点集
Figure 6535DEST_PATH_IMAGE031
中第
Figure 863632DEST_PATH_IMAGE032
个点的x轴坐标、y轴坐标、z轴坐标，n分别为路 径点集M和点集
Figure 823498DEST_PATH_IMAGE033
中点的总数量；对以下目标函数进行最小化运算，以对点集T进行平滑处理 并映射到xyz坐标系中得到三维点集
Figure 6218DEST_PATH_IMAGE021
，
Figure 677633DEST_PATH_IMAGE034
，
Figure 604000DEST_PATH_IMAGE035
、
Figure 683952DEST_PATH_IMAGE036
分别为三维点集
Figure 647360DEST_PATH_IMAGE021
中第
Figure 179972DEST_PATH_IMAGE032
个 点的x轴坐标、y轴坐标；
Figure 910031DEST_PATH_IMAGE037
Figure 969123DEST_PATH_IMAGE038
其中，
Figure 228066DEST_PATH_IMAGE013
为累加求和，min表示最小值函数，
Figure 513553DEST_PATH_IMAGE039
为约束条件，
Figure 391511DEST_PATH_IMAGE040
为
Figure 180475DEST_PATH_IMAGE041
的余弦 值，其计算方式为
Figure 875899DEST_PATH_IMAGE042
，A、B、C分别为三维点集
Figure 383103DEST_PATH_IMAGE021
中的第i、 i-1、i+1个点，
Figure 809625DEST_PATH_IMAGE043
和
Figure 718675DEST_PATH_IMAGE044
分别为三维点集
Figure 460366DEST_PATH_IMAGE021
中的点相对于路径点集M中的点在x轴正方向和y轴正 方向的最大偏离量，
Figure 454867DEST_PATH_IMAGE045
和
Figure 799260DEST_PATH_IMAGE046
分别为三维点集
Figure 562817DEST_PATH_IMAGE021
中的点相对于路径点集M中的点在x轴负方向和 y轴负方向的最大偏离量；
步骤212：取DEM中三维点集
Figure 724677DEST_PATH_IMAGE021
中第i个点的邻域栅格值，基于所述邻域栅格值，采用 二次线性插值法求得高程
Figure 940895DEST_PATH_IMAGE047
并将其作为三维点集
Figure 354558DEST_PATH_IMAGE021
中第i个点的z轴坐标；重复执行步骤212， 直至求得三维点集
Figure 847988DEST_PATH_IMAGE021
中所有点的z轴坐标。
进一步地，所述步骤22包括：
步骤221：将三维点集
Figure 321694DEST_PATH_IMAGE021
到映射至二维空间平面
Figure 25208DEST_PATH_IMAGE022
，即得到二维点集
Figure 337503DEST_PATH_IMAGE023
：
Figure 341231DEST_PATH_IMAGE048
Figure 720260DEST_PATH_IMAGE049
对以下目标函数进行最小化运算，以平滑处理二维点集
Figure 786436DEST_PATH_IMAGE023
中所有点连成的路径得 到点集
Figure 541903DEST_PATH_IMAGE024
，记点集
Figure 868979DEST_PATH_IMAGE024
中第i个点的坐标为
Figure 543543DEST_PATH_IMAGE050
：
Figure 221649DEST_PATH_IMAGE051
Figure 515227DEST_PATH_IMAGE052
其中，
Figure 103334DEST_PATH_IMAGE013
为累加求和，min表示最小值函数，
Figure 558586DEST_PATH_IMAGE039
为约束条件，
Figure 723988DEST_PATH_IMAGE053
为三维点集
Figure 555678DEST_PATH_IMAGE021
投影在xy 平面上的路径中的第i个点距起点的路径长度，
Figure 14603DEST_PATH_IMAGE054
、
Figure 640757DEST_PATH_IMAGE055
、
Figure 293455DEST_PATH_IMAGE056
分别为点集
Figure 804202DEST_PATH_IMAGE057
中第i-1个、i+1 个、i个点在xyz坐标系中对应的z轴坐标，即为待求的参数，
Figure 225956DEST_PATH_IMAGE058
为
Figure 288590DEST_PATH_IMAGE047
在z轴负方向的最大偏离 量，
Figure 287639DEST_PATH_IMAGE059
为
Figure 992290DEST_PATH_IMAGE047
在z轴正方向平滑的最大偏离量，
Figure 268550DEST_PATH_IMAGE060
和
Figure 377452DEST_PATH_IMAGE061
分别为下滑角和爬升角，
Figure 739163DEST_PATH_IMAGE062
为使点集
Figure 981925DEST_PATH_IMAGE024
中第i 个点的z坐标有解的松弛因子；
步骤222：将点集
Figure 738791DEST_PATH_IMAGE024
从二维空间平面
Figure 143227DEST_PATH_IMAGE022
逆变换到xyz坐标系中形成最短路径点集
Figure 992235DEST_PATH_IMAGE063
，
Figure 648475DEST_PATH_IMAGE035
、
Figure 899328DEST_PATH_IMAGE036
、
Figure 474666DEST_PATH_IMAGE064
分别为最短路径点集
Figure 810969DEST_PATH_IMAGE025
中第
Figure 254589DEST_PATH_IMAGE032
个点的x轴坐标、y轴坐标、z轴坐 标。
进一步地，所述步骤3包括：
步骤31：采用道格拉斯-普克算法，将最短路径点集
Figure 625527DEST_PATH_IMAGE065
简化为基本航点点集S；
步骤32：分别从基本航点点集S中选取第j个基本航点以及与其相邻的两个基本航 点，分别计算大型无人机在第j个基本航点的转弯半径，
Figure 371766DEST_PATH_IMAGE066
，其中，
Figure 805153DEST_PATH_IMAGE067
为基本航点点集 S中的点数量；
步骤33：依次基于第j个基本航点的转弯半径，分别计算第j个基本航点的修正航 点，并最终形成修正航点点集
Figure 927830DEST_PATH_IMAGE068
；
步骤34：分别计算每个修正航点的转弯半径，并将每个修正航点的转弯半径与预设阈值进行比较，以规划大型无人机的飞行路径。
进一步地，所述步骤32包括：
步骤321：假设在基本航点点集S中选取三个相邻的基本航点E、D、F，E、D、F分别为 第
Figure 153275DEST_PATH_IMAGE069
、
Figure 714092DEST_PATH_IMAGE070
、
Figure 24988DEST_PATH_IMAGE071
个基本航点，DG为
Figure 685776DEST_PATH_IMAGE072
的角平分线，计算
Figure 500148DEST_PATH_IMAGE072
的补角
Figure 994715DEST_PATH_IMAGE073
：
Figure 527327DEST_PATH_IMAGE074
设两段折线的最短边边长为
Figure 991807DEST_PATH_IMAGE075
，则可求得基本航点D
的转弯半径的初步估计值为：
Figure 50898DEST_PATH_IMAGE076
其中，
Figure 575420DEST_PATH_IMAGE077
为转弯半径的初步估计值，b为航点修正的最大位移量，min表示最小值函 数；
步骤322：按照步骤321类推，分别得到第2至第
Figure 595329DEST_PATH_IMAGE078
个基本航点的转弯半径。
进一步地，所述步骤33包括：
步骤331：使基本航点D沿
Figure 473286DEST_PATH_IMAGE079
方向位移
Figure 527830DEST_PATH_IMAGE080
得到修正航点D′；
Figure 223254DEST_PATH_IMAGE081
步骤332：按照步骤331类推，分别得到第2至第
Figure 90978DEST_PATH_IMAGE082
个基本航点对应的修正航点， 并最终形成修正航点点集
Figure 897260DEST_PATH_IMAGE068
；
在所述步骤34中，分别使用步骤321中转弯半径的初步估计值公式计算所有修正航点的转弯半径；若修正航点的转弯半径大于预设阈值，则将大型无人机在该修正航点处的仿地飞行路线规划为直线；否则，将大型无人机在该修正航点处的仿地飞行路线规划为提前转弯。
由于采用了上述技术方案，本发明具有如下的优点：
(1)本发明针对无人直升机仿地飞行特点，引入邻域方位角、爬升下滑代价、旁侧安全保证等设计改进A*算法，实现了仿地飞行最短路径点获取。该路径充分考虑了飞机性能，提升了飞行的效率和安全性。
(2)本发明针对格网路径的不规则的特点，分别在水平面和竖直方向采用有约束的平滑方法，提升了飞行路径的光滑性，使得执行飞行任务时爬升下滑更为合理。
(3)本发明考虑地面站和飞机平台的数据传输限制，采用路径简化和航点修正方法，实现了飞行航点提取，降低了路径的数据冗余。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种大型无人机仿地飞行路径规划方法的流程示意图；
图2为本发明实施例的open表中点P的邻域图；
图3为本发明实施例的某局部路径示意图；
图4为本发明实施例的仿地飞行最短路径航点提取示意图。
具体实施方式
结合附图和实施例对本发明作进一步说明，显然，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
本方法针对仿地飞行避障、飞行性能约束下的飞行时间最少的无人机路径规划问题，利用仿地飞行最短路径点获取算法规划飞行路径并采用二次规划和路径简化算法求解任务区域内最少耗时飞行航点。同时本发明还提出了解决上述问题的仿地飞行最短路径点获取算法和简易的航点提取方法。
参见图1，本发明提供了一种大型无人机仿地飞行路径规划方法的实施例，该方法包括：
S1：基于大型无人机仿地飞行的起点和终点，获取大型无人机仿地飞行的路径点集；
S2：将路径点集映射到二维空间平面进行平滑处理，得到大型无人机仿地飞行的最短路径点集；
S3：基于最短路径点集，得到大型无人机仿地飞行的路径规划。
本实施例中，S1包括：
S11：获取大型无人机仿地飞行的起点和终点，将起点添加到open表中，并初始化open表、close表；其中，open表和close表均用于记录点的位置、f值、方位角、父节点；起点的f值为0，方位角为-1，-1表示起点不受转弯半径约束；
S12：从open表中f值最小的点的所有邻域点中找出符合筛选条件的点，形成邻域点集；
S13：计算邻域点集中所有点的f值；
S14：分别判断邻域点集中的所有点是否在open表中，若不在，则将其添加至open表中，若在，则分别判断其f值是否小于open表中对应位置的点的f值；若是，则分别将较小的f值作为open表中对应位置的点的f值，且将open表中f值最小的点作为较小的f值对应的邻域点的父节点；
S15：若open表中f值最小的点为终点，则算法结束，按照子父节点关系，从终点回溯至其先辈节点，即起点，以生成规划路径点集，记为路径点集M；否则，将open表中f值最小的点转移至close表，重复执行S12至S15，直至open表中f值最小的点为终点或open表为空，输出路径点集M或路径规划失败。
本实施例中，筛选条件包括通行条件、转弯半径约束条件和旁侧安全条件；
通行条件为不属于障碍点；
转弯半径约束条件为：
Figure 806310DEST_PATH_IMAGE001
其中，
Figure 548001DEST_PATH_IMAGE002
为open表中f值最小的点的方位角与邻域点方位角的夹角，
Figure 542502DEST_PATH_IMAGE003
为大型无 人机的最小转弯半径，L为open表中f值最小的点到邻域点的空间距离；
假设open表中f值最小的点为点P，点P的邻域中每个方向的代号和分布见图2。在图2中，设1方向为正北，则邻域节点序号1-16对应的方位角（°）为0，26，45，63，90，116，135，153，180，206，225，243，270，296，315，333。当P为起点时，不受转弯半径约束。
旁侧安全条件为：
Figure 886895DEST_PATH_IMAGE004
Figure 650452DEST_PATH_IMAGE005
其中，
Figure 812312DEST_PATH_IMAGE006
为邻域点处的坡度，
Figure 294109DEST_PATH_IMAGE007
为邻域点处的坡向，
Figure 442194DEST_PATH_IMAGE008
为前进方向的 方位角，
Figure 935623DEST_PATH_IMAGE009
为邻域点处坡向与垂直于前进方位角
Figure 409330DEST_PATH_IMAGE008
的平行线的夹角，
Figure 112843DEST_PATH_IMAGE010
为坡度阈值，坡度阈值 由无人机仿地飞行高度和旁侧安全需求决定。
本实施例中，计算邻域点集中所有点的f值的公式为：
Figure 425138DEST_PATH_IMAGE011
Figure 163287DEST_PATH_IMAGE012
其中，f为代价，f值越小表示越接近终点，
Figure 276737DEST_PATH_IMAGE013
为累加求和，dis为邻域点集中任意一 点N到终点的欧式距离，
Figure 608492DEST_PATH_IMAGE014
为起点到任意一点N的路径长度，
Figure 98379DEST_PATH_IMAGE015
为超出理想爬升、下滑角的 额外代价，
Figure 691034DEST_PATH_IMAGE016
为open表中f值最小的点到任意一点N的爬升或下滑斜率，
Figure 631178DEST_PATH_IMAGE017
为大型无人机的经 济速度，
Figure 309284DEST_PATH_IMAGE018
均为待定系数，
Figure 337282DEST_PATH_IMAGE019
和
Figure 784444DEST_PATH_IMAGE020
分别表示路径中第q个点的高程和该点的父节点，即 第q-1个点的高程，q的取值范围为2至m，m为正整数，m指组成起点到任意一点N的路径的点 数量。其中，此路径指的是：假设open表中f值最小的点为邻域点集中任意一点N的父节点， 根据子父节点关系，从任意一点N回溯至起点而形成的路径。
本实施例中，S2包括：
S21：将路径点集M投影到xy平面得到二维点集，记为T；对点集T中所有点连成的路 径进行平滑处理，并将其平滑后的坐标代入DEM中插值求得每个点对应的z轴坐标，即可形 成三维点集
Figure 646221DEST_PATH_IMAGE021
；
S22：基于三维点集
Figure 811623DEST_PATH_IMAGE021
形成的路径，构造以该路径在xy平面的投影曲线为准线、z轴 的平行线为直母线的柱面，将该柱面展开为平面
Figure 643313DEST_PATH_IMAGE022
；将三维点集
Figure 836659DEST_PATH_IMAGE021
映射到二维空间平面
Figure 728392DEST_PATH_IMAGE022
上得 到二维点集，记为
Figure 381090DEST_PATH_IMAGE023
；对二维点集
Figure 626258DEST_PATH_IMAGE023
中所有点连成的路径进行平滑处理得到点集
Figure 313591DEST_PATH_IMAGE024
；在将点集
Figure 376225DEST_PATH_IMAGE024
逆变换到xyz坐标系中形成最短路径点集
Figure 375274DEST_PATH_IMAGE025
。
本实施例中，S21包括：
S211：去除点集
Figure 814345DEST_PATH_IMAGE026
中所有点的z轴坐标，得到点集
Figure 356185DEST_PATH_IMAGE027
，
Figure 465087DEST_PATH_IMAGE028
、
Figure 826798DEST_PATH_IMAGE029
、
Figure 803981DEST_PATH_IMAGE030
分别为点集
Figure 820567DEST_PATH_IMAGE031
中第
Figure 225003DEST_PATH_IMAGE032
个点的x轴坐标、y轴坐标、z轴坐标，n分别为路 径点集M和点集
Figure 74010DEST_PATH_IMAGE033
中点的总数量；对以下目标函数进行最小化运算，以对点集T进行平滑处理 并映射到xyz坐标系中得到三维点集
Figure 730251DEST_PATH_IMAGE021
，
Figure 981104DEST_PATH_IMAGE034
，
Figure 556441DEST_PATH_IMAGE035
、
Figure 892745DEST_PATH_IMAGE036
分别为三维点集
Figure 601944DEST_PATH_IMAGE021
中第
Figure 707303DEST_PATH_IMAGE032
个 点的x轴坐标、y轴坐标；
Figure 453542DEST_PATH_IMAGE037
Figure 886929DEST_PATH_IMAGE038
其中，
Figure 9605DEST_PATH_IMAGE013
为累加求和，min表示最小值函数，
Figure 235050DEST_PATH_IMAGE039
为约束条件，
Figure 778289DEST_PATH_IMAGE040
为
Figure 89185DEST_PATH_IMAGE041
的余弦 值，其计算方式为
Figure 749974DEST_PATH_IMAGE042
，A、B、C分别为三维点集
Figure 564346DEST_PATH_IMAGE021
中的第i、 i-1、i+1个点，
Figure 980284DEST_PATH_IMAGE043
和
Figure 778475DEST_PATH_IMAGE044
分别为三维点集
Figure 977376DEST_PATH_IMAGE021
中的点相对于路径点集M中的点在x轴正方向和y轴正 方向的最大偏离量，
Figure 787200DEST_PATH_IMAGE045
和
Figure 311722DEST_PATH_IMAGE046
分别为三维点集
Figure 331631DEST_PATH_IMAGE021
中的点相对于路径点集M中的点在x轴负方向和 y轴负方向的最大偏离量；
某局部路径示意如图3所示，对于离散点坐标，其路径弯曲程度可由
Figure 225899DEST_PATH_IMAGE041
的余 弦值表示。其余弦值越大，表示弯曲程度越大。前后余弦值的差可表征弯曲变化情况。因此， 可以通过上述S211中的目标函数对路径点集M中每个点的x轴坐标和y轴坐标进行平滑处 理。
S212：取DEM中三维点集
Figure 14864DEST_PATH_IMAGE021
中第i个点的邻域栅格值，基于邻域栅格值，采用二次线 性插值法求得高程
Figure 444708DEST_PATH_IMAGE047
并将其作为三维点集
Figure 92858DEST_PATH_IMAGE021
中第i个点的z轴坐标；重复执行S212，直至求得 三维点集
Figure 899140DEST_PATH_IMAGE021
中所有点的z轴坐标。
本实施例中，S22包括：
S221：将三维点集
Figure 808191DEST_PATH_IMAGE021
到映射至二维空间平面
Figure 799149DEST_PATH_IMAGE022
，即得到二维点集
Figure 528071DEST_PATH_IMAGE023
：
Figure 403623DEST_PATH_IMAGE048
Figure 42546DEST_PATH_IMAGE049
由于无人机爬升和下滑的性能约束，实际飞行中爬升、下滑的角度变化应是平滑 的，且爬升和下滑率应在一定的区间内。将曲线点的xyz值转换为曲线在xy平面的投影线距 起点的距离d和z值，以d、z两变量研究爬升和下滑的约束问题。将图4中
Figure 814193DEST_PATH_IMAGE083
的模作为弯曲程度 指标，高程差作为高程变化指标，对以下目标函数进行最小化运算，以平滑处理二维点集
Figure 561569DEST_PATH_IMAGE023
中所有点连成的路径得到点集
Figure 335752DEST_PATH_IMAGE024
，记点集
Figure 953815DEST_PATH_IMAGE024
中第i个点的坐标为
Figure 161943DEST_PATH_IMAGE050
：
Figure 740823DEST_PATH_IMAGE051
Figure 692598DEST_PATH_IMAGE052
其中，
Figure 430747DEST_PATH_IMAGE084
为累加求和，min表示最小值函数，
Figure 934409DEST_PATH_IMAGE039
为约束条件，
Figure 125219DEST_PATH_IMAGE053
为三维点集
Figure 615107DEST_PATH_IMAGE021
投影在xy 平面上的路径中的第i个点距起点的路径长度，
Figure 348707DEST_PATH_IMAGE054
、
Figure 898637DEST_PATH_IMAGE085
、
Figure 311164DEST_PATH_IMAGE056
分别为点集
Figure 490561DEST_PATH_IMAGE057
中第i-1个、i+1 个、i个点在xyz坐标系中对应的z轴坐标，即为待求的参数，
Figure 937723DEST_PATH_IMAGE058
为
Figure 658554DEST_PATH_IMAGE047
在z轴负方向的最大偏离 量，
Figure 823956DEST_PATH_IMAGE059
为
Figure 796591DEST_PATH_IMAGE047
在z轴正方向平滑的最大偏离量，
Figure 98260DEST_PATH_IMAGE060
和
Figure 989992DEST_PATH_IMAGE061
分别为下滑角和爬升角，
Figure 767324DEST_PATH_IMAGE062
为使点集
Figure 402705DEST_PATH_IMAGE024
中第i 个点的z坐标有解的松弛因子；
S222：将点集
Figure 824459DEST_PATH_IMAGE024
从二维空间平面
Figure 762459DEST_PATH_IMAGE022
逆变换到xyz坐标系中形成最短路径点集
Figure 902453DEST_PATH_IMAGE063
，
Figure 75946DEST_PATH_IMAGE035
、
Figure 978305DEST_PATH_IMAGE036
、
Figure 211840DEST_PATH_IMAGE064
分别为最短路径点集
Figure 839131DEST_PATH_IMAGE025
中第
Figure 691680DEST_PATH_IMAGE032
个点的x轴坐标、y轴坐标、z轴坐 标。
本实施例中，S3包括：
S31：采用道格拉斯-普克算法，将最短路径点集
Figure 88026DEST_PATH_IMAGE065
简化为基本航点点集S；
S32：分别从基本航点点集S中选取第j个基本航点以及与其相邻的两个基本航点， 分别计算大型无人机在第j个基本航点的转弯半径，
Figure 492463DEST_PATH_IMAGE066
，其中，
Figure 466104DEST_PATH_IMAGE067
为基本航点点集S中 的点数量；
S33：依次基于第j个基本航点的转弯半径，分别计算第j个基本航点的修正航点， 并最终形成修正航点点集
Figure 246978DEST_PATH_IMAGE068
；
S34：分别计算每个修正航点的转弯半径，并将每个修正航点的转弯半径与预设阈值进行比较，以规划大型无人机的飞行路径。
本实施例中，S32包括：
S321：假设在基本航点点集S中选取三个相邻的基本航点E、D、F，E、D、F分别为第
Figure 497831DEST_PATH_IMAGE069
、
Figure 73169DEST_PATH_IMAGE070
、
Figure 19259DEST_PATH_IMAGE071
个基本航点，DG为
Figure 603824DEST_PATH_IMAGE072
的角平分线，计算
Figure 709184DEST_PATH_IMAGE072
的补角
Figure 347101DEST_PATH_IMAGE073
：
Figure 170700DEST_PATH_IMAGE074
设两段折线的最短边边长为
Figure 27798DEST_PATH_IMAGE075
，则可求得基本航点D
的转弯半径的初步估计值为：
Figure 128609DEST_PATH_IMAGE076
其中，
Figure 45749DEST_PATH_IMAGE077
为转弯半径的初步估计值，b为航点修正的最大位移量，min表示最小值函 数；
S322：按照S321类推，分别得到第2至第
Figure 91066DEST_PATH_IMAGE078
个基本航点的转弯半径。
本实施例中，S33包括：
S331：使基本航点D沿
Figure 142067DEST_PATH_IMAGE079
方向位移
Figure 222019DEST_PATH_IMAGE080
得到修正航点D′；
Figure 310060DEST_PATH_IMAGE081
S332：按照S331类推，分别得到第2至第
Figure 983618DEST_PATH_IMAGE082
个基本航点对应的修正航点，并最终 形成修正航点点集
Figure 448098DEST_PATH_IMAGE068
；
在S34中，分别使用S321中转弯半径的初步估计值公式计算所有修正航点的转弯半径；若修正航点的转弯半径大于预设阈值，则将大型无人机在该修正航点处的仿地飞行路线规划为直线；否则，将大型无人机在该修正航点处的仿地飞行路线规划为提前转弯。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种大型无人机仿地飞行路径规划方法，其特征在于，包括以下步骤：
步骤1：基于所述大型无人机仿地飞行的起点和终点，获取所述大型无人机仿地飞行的路径点集；
步骤2：将所述路径点集映射到二维空间平面进行平滑处理，得到大型无人机仿地飞行的最短路径点集；
步骤3：基于所述最短路径点集，得到大型无人机仿地飞行的路径规划。
2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：
步骤11：获取大型无人机仿地飞行的起点和终点，将起点添加到open表中，并初始化open表、close表；其中，open表和close表均用于记录点的位置、f值、方位角、父节点；
步骤12：从open表中f值最小的点的所有邻域点中找出符合筛选条件的点，形成邻域点集；
步骤13：计算邻域点集中所有点的f值；
步骤14：分别判断邻域点集中的所有点是否在open表中，若不在，则将其添加至open表中，若在，则分别判断其f值是否小于open表中对应位置的点的f值；若是，则分别将较小的f值作为open表中对应位置的点的f值，且将open表中f值最小的点作为较小的f值对应的邻域点的父节点；
步骤15：若open表中f值最小的点为终点，则算法结束，按照子父节点关系，从终点回溯至其先辈节点，即起点，以生成规划路径点集，记为路径点集M；否则，将open表中f值最小的点转移至close表，重复执行步骤12至步骤15，直至open表中f值最小的点为终点或open表为空，输出路径点集M或路径规划失败。
3.根据权利要求2所述的方法，其特征在于，所述筛选条件包括通行条件、转弯半径约束条件和旁侧安全条件；
所述通行条件为不属于障碍点；
所述转弯半径约束条件为：
Figure 709249DEST_PATH_IMAGE001
其中，
Figure 571026DEST_PATH_IMAGE002
为open表中f值最小的点的方位角与邻域点方位角的夹角，
Figure 736428DEST_PATH_IMAGE003
为大型无人机 的最小转弯半径，L为open表中f值最小的点到邻域点的空间距离；
所述旁侧安全条件为：
Figure 568118DEST_PATH_IMAGE004
Figure 495885DEST_PATH_IMAGE005
其中，
Figure 653196DEST_PATH_IMAGE006
为邻域点处的坡度，
Figure 305895DEST_PATH_IMAGE007
为邻域点处的坡向，
Figure 551062DEST_PATH_IMAGE008
为前进方向的方位 角，
Figure 238396DEST_PATH_IMAGE009
为邻域点处坡向与垂直于前进方位角
Figure 301030DEST_PATH_IMAGE008
的平行线的夹角，
Figure 300078DEST_PATH_IMAGE010
为坡度阈值，坡度阈值由无 人机仿地飞行高度和旁侧安全需求决定。
4.根据权利要求2所述的方法，其特征在于，所述计算邻域点集中所有点的f值的公式为：
Figure 739150DEST_PATH_IMAGE011
Figure 15411DEST_PATH_IMAGE012
其中，f为代价，f值越小表示越接近终点，
Figure 389891DEST_PATH_IMAGE013
为累加求和，dis为邻域点集中任意一点N到 终点的欧式距离，
Figure 751602DEST_PATH_IMAGE014
为起点到任意一点N的路径长度，
Figure 463207DEST_PATH_IMAGE015
为超出理想爬升、下滑角的额外代 价，
Figure 768809DEST_PATH_IMAGE016
为open表中f值最小的点到任意一点N的爬升或下滑斜率，
Figure 173245DEST_PATH_IMAGE017
为大型无人机的经济速 度，
Figure 287832DEST_PATH_IMAGE018
均为待定系数，
Figure 678493DEST_PATH_IMAGE019
和
Figure 929346DEST_PATH_IMAGE020
分别表示路径中第q个点的高程和该点的父节点，即第q-1 个点的高程，q的取值范围为2至m，m为正整数，m指组成起点到任意一点N的路径的点数量。
5.根据权利要求2所述的方法，其特征在于，所述步骤2包括：
步骤21：将路径点集M投影到xy平面得到二维点集，记为T；对点集T中所有点连成的路 径进行平滑处理，并将其平滑后的坐标代入DEM中插值求得每个点对应的z轴坐标，即可形 成三维点集
Figure 504684DEST_PATH_IMAGE021
；
步骤22：基于三维点集
Figure 840987DEST_PATH_IMAGE021
形成的路径，构造以该路径在xy平面的投影曲线为准线、z轴的 平行线为直母线的柱面，将该柱面展开为平面
Figure 284607DEST_PATH_IMAGE022
；将三维点集
Figure 389966DEST_PATH_IMAGE021
映射到二维空间平面
Figure 401784DEST_PATH_IMAGE022
上得到 二维点集，记为
Figure 835171DEST_PATH_IMAGE023
；对二维点集
Figure 223427DEST_PATH_IMAGE023
中所有点连成的路径进行平滑处理得到点集
Figure 183293DEST_PATH_IMAGE024
；在将点集
Figure 726532DEST_PATH_IMAGE024
逆变换到xyz坐标系中形成最短路径点集
Figure 37427DEST_PATH_IMAGE025
。
6.根据权利要求5所述的方法，其特征在于，所述步骤21包括：
步骤211：去除点集
Figure 698216DEST_PATH_IMAGE026
中所有点的z轴坐标，得到点集
Figure 512588DEST_PATH_IMAGE027
，
Figure 7154DEST_PATH_IMAGE028
、
Figure 539767DEST_PATH_IMAGE029
、
Figure 128880DEST_PATH_IMAGE030
分别为点集
Figure 63338DEST_PATH_IMAGE031
中第
Figure 587860DEST_PATH_IMAGE032
个点的x轴坐标、y轴坐标、z轴坐标，n分别为路 径点集M和点集
Figure 342190DEST_PATH_IMAGE033
中点的总数量；对以下目标函数进行最小化运算，以对点集T进行平滑处理 并映射到xyz坐标系中得到三维点集
Figure 485726DEST_PATH_IMAGE021
，
Figure 274691DEST_PATH_IMAGE034
，
Figure 970114DEST_PATH_IMAGE035
、
Figure 368997DEST_PATH_IMAGE036
分别为三维点集
Figure 175279DEST_PATH_IMAGE021
中第
Figure 959695DEST_PATH_IMAGE032
个 点的x轴坐标、y轴坐标；
Figure 826020DEST_PATH_IMAGE037
Figure 554941DEST_PATH_IMAGE038
其中，
Figure 164914DEST_PATH_IMAGE039
为累加求和，min表示最小值函数，
Figure 318684DEST_PATH_IMAGE040
为约束条件，
Figure 90331DEST_PATH_IMAGE041
为
Figure 713073DEST_PATH_IMAGE042
的余弦值， 其计算方式为
Figure 861158DEST_PATH_IMAGE043
，A、B、C分别为三维点集
Figure 479221DEST_PATH_IMAGE021
中的第i、i-1、 i+1个点，
Figure 313447DEST_PATH_IMAGE044
和
Figure 16961DEST_PATH_IMAGE045
分别为三维点集
Figure 968736DEST_PATH_IMAGE021
中的点相对于路径点集M中的点在x轴正方向和y轴正方向 的最大偏离量，
Figure 582251DEST_PATH_IMAGE046
和
Figure 961280DEST_PATH_IMAGE047
分别为三维点集
Figure 152090DEST_PATH_IMAGE021
中的点相对于路径点集M中的点在x轴负方向和y轴 负方向的最大偏离量；
步骤212：取DEM中三维点集
Figure 828928DEST_PATH_IMAGE021
中第i个点的邻域栅格值，基于所述邻域栅格值，采用二次 线性插值法求得高程
Figure 562529DEST_PATH_IMAGE048
并将其作为三维点集
Figure 112459DEST_PATH_IMAGE021
中第i个点的z轴坐标；重复执行步骤212，直至 求得三维点集
Figure 524986DEST_PATH_IMAGE021
中所有点的z轴坐标。
7.根据权利要求6所述的方法，其特征在于，所述步骤22包括：
步骤221：将三维点集
Figure 704382DEST_PATH_IMAGE021
到映射至二维空间平面
Figure 151544DEST_PATH_IMAGE022
，即得到二维点集
Figure 872375DEST_PATH_IMAGE023
：
Figure 913144DEST_PATH_IMAGE049
Figure 10413DEST_PATH_IMAGE050
对以下目标函数进行最小化运算，以平滑处理二维点集
Figure 312081DEST_PATH_IMAGE023
中所有点连成的路径得到点 集
Figure 328447DEST_PATH_IMAGE024
，记点集
Figure 715566DEST_PATH_IMAGE024
中第i个点的坐标为
Figure 350947DEST_PATH_IMAGE051
：
Figure 913647DEST_PATH_IMAGE052
Figure 976281DEST_PATH_IMAGE053
其中，
Figure 850696DEST_PATH_IMAGE013
为累加求和，min表示最小值函数，
Figure 915866DEST_PATH_IMAGE040
为约束条件，
Figure 192126DEST_PATH_IMAGE054
为三维点集
Figure 425662DEST_PATH_IMAGE021
投影在xy平面 上的路径中的第i个点距起点的路径长度，
Figure 787373DEST_PATH_IMAGE055
、
Figure 639922DEST_PATH_IMAGE056
、
Figure 301848DEST_PATH_IMAGE057
分别为点集
Figure 706284DEST_PATH_IMAGE058
中第i-1个、i+1个、i 个点在xyz坐标系中对应的z轴坐标，即为待求的参数，
Figure 414346DEST_PATH_IMAGE059
为
Figure 460800DEST_PATH_IMAGE048
在z轴负方向的最大偏离量，
Figure 711652DEST_PATH_IMAGE060
为
Figure 162356DEST_PATH_IMAGE048
在z轴正方向平滑的最大偏离量，
Figure 498660DEST_PATH_IMAGE061
和
Figure 817646DEST_PATH_IMAGE062
分别为下滑角和爬升角，
Figure 814683DEST_PATH_IMAGE063
为使点集
Figure 560922DEST_PATH_IMAGE024
中第i个点 的z坐标有解的松弛因子；
步骤222：将点集
Figure 384522DEST_PATH_IMAGE024
从二维空间平面
Figure 116985DEST_PATH_IMAGE022
逆变换到xyz坐标系中形成最短路径点集
Figure 608010DEST_PATH_IMAGE064
，
Figure 525150DEST_PATH_IMAGE035
、
Figure 695100DEST_PATH_IMAGE036
、
Figure 355889DEST_PATH_IMAGE065
分别为最短路径点集
Figure 701419DEST_PATH_IMAGE025
中第
Figure 664827DEST_PATH_IMAGE032
个点的x轴坐标、y轴坐标、z轴坐 标。
8.根据权利要求7所述的方法，其特征在于，所述步骤3包括：
步骤31：采用道格拉斯-普克算法，将最短路径点集
Figure 197440DEST_PATH_IMAGE066
简化为基本航点点集S；
步骤32：分别从基本航点点集S中选取第j个基本航点以及与其相邻的两个基本航点， 分别计算大型无人机在第j个基本航点的转弯半径，
Figure 661919DEST_PATH_IMAGE067
，其中，
Figure 488055DEST_PATH_IMAGE068
为基本航点点集S中 的点数量；
步骤33：依次基于第j个基本航点的转弯半径，分别计算第j个基本航点的修正航点，并 最终形成修正航点点集
Figure 746998DEST_PATH_IMAGE069
；
步骤34：分别计算每个修正航点的转弯半径，并将每个修正航点的转弯半径与预设阈值进行比较，以规划大型无人机的飞行路径。
9.根据权利要求8所述的方法，其特征在于，所述步骤32包括：
步骤321：假设在基本航点点集S中选取三个相邻的基本航点E、D、F，E、D、F分别为第
Figure 766907DEST_PATH_IMAGE070
、
Figure 176022DEST_PATH_IMAGE071
、
Figure 964987DEST_PATH_IMAGE072
个基本航点，DG为
Figure 394831DEST_PATH_IMAGE073
的角平分线，计算
Figure 292249DEST_PATH_IMAGE073
的补角
Figure 98531DEST_PATH_IMAGE074
：
Figure 742002DEST_PATH_IMAGE075
设两段折线的最短边边长为
Figure 608327DEST_PATH_IMAGE076
，则可求得基本航点D
的转弯半径的初步估计值为：
Figure 478194DEST_PATH_IMAGE077
其中，
Figure 88166DEST_PATH_IMAGE078
为转弯半径的初步估计值，b为航点修正的最大位移量，min表示最小值函数；
步骤322：按照步骤321类推，分别得到第2至第
Figure 586144DEST_PATH_IMAGE079
个基本航点的转弯半径。
10.根据权利要求9所述的方法，其特征在于，所述步骤33包括：
步骤331：使基本航点D沿
Figure 509189DEST_PATH_IMAGE080
方向位移
Figure 725406DEST_PATH_IMAGE081
得到修正航点D′；
Figure 873491DEST_PATH_IMAGE082
步骤332：按照步骤331类推，分别得到第2至第
Figure 366920DEST_PATH_IMAGE083
个基本航点对应的修正航点，并最终 形成修正航点点集
Figure 840627DEST_PATH_IMAGE069
；
在所述步骤34中，分别使用步骤321中转弯半径的初步估计值公式计算所有修正航点的转弯半径；若修正航点的转弯半径大于预设阈值，则将大型无人机在该修正航点处的仿地飞行路线规划为直线；否则，将大型无人机在该修正航点处的仿地飞行路线规划为提前转弯。
CN202211196269.2A 2022-09-29 2022-09-29 一种大型无人机仿地飞行路径规划方法 Active CN115268504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211196269.2A CN115268504B (zh) 2022-09-29 2022-09-29 一种大型无人机仿地飞行路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211196269.2A CN115268504B (zh) 2022-09-29 2022-09-29 一种大型无人机仿地飞行路径规划方法

Publications (2)

Publication Number Publication Date
CN115268504A true CN115268504A (zh) 2022-11-01
CN115268504B CN115268504B (zh) 2022-12-27

Family

ID=83756692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211196269.2A Active CN115268504B (zh) 2022-09-29 2022-09-29 一种大型无人机仿地飞行路径规划方法

Country Status (1)

Country Link
CN (1) CN115268504B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406784A (zh) * 2023-12-01 2024-01-16 四川腾盾科技有限公司 一种固定翼无人机在线路径规划方法、介质及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101692315A (zh) * 2009-09-25 2010-04-07 民航总局空管局技术中心 基于实时雷达数据的高精度4d飞机航迹分析方法
CN108204814A (zh) * 2016-12-20 2018-06-26 南京理工大学 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
CN109947136A (zh) * 2019-02-28 2019-06-28 清华大学 一种面向无人机群体快速目标搜索的协同主动感知方法
WO2019222798A1 (en) * 2018-05-22 2019-11-28 Acid Ip Pty Ltd Drone flight programming method and system
CN113093787A (zh) * 2021-03-15 2021-07-09 西北工业大学 一种基于速度场的无人机轨迹规划方法
CN113592891A (zh) * 2021-07-30 2021-11-02 华东理工大学 无人车可通行域分析方法及导航栅格地图制作方法
CN114840030A (zh) * 2022-05-24 2022-08-02 四川傲势科技有限公司 无人机仿地飞行航线自动规划方法、无人机及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101692315A (zh) * 2009-09-25 2010-04-07 民航总局空管局技术中心 基于实时雷达数据的高精度4d飞机航迹分析方法
CN108204814A (zh) * 2016-12-20 2018-06-26 南京理工大学 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
WO2019222798A1 (en) * 2018-05-22 2019-11-28 Acid Ip Pty Ltd Drone flight programming method and system
CN109947136A (zh) * 2019-02-28 2019-06-28 清华大学 一种面向无人机群体快速目标搜索的协同主动感知方法
CN113093787A (zh) * 2021-03-15 2021-07-09 西北工业大学 一种基于速度场的无人机轨迹规划方法
CN113592891A (zh) * 2021-07-30 2021-11-02 华东理工大学 无人车可通行域分析方法及导航栅格地图制作方法
CN114840030A (zh) * 2022-05-24 2022-08-02 四川傲势科技有限公司 无人机仿地飞行航线自动规划方法、无人机及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
何燕: "基于动态加权A~*算法的无人机航迹规划", 《河北科技大学学报》 *
卞强,等: "一种新的改进A~*算法无人机三维路径规划", 《武汉理工大学学报》 *
孙淑光,等: "基于融合A~*算法的无人机路径规划研究", 《电子测量技术》 *
张弛,等: "基于遗传算法的无人机航路规划研究", 《信息化研究》 *
郭腾飞等: "基于流函数法的无人机航路规划", 《战术导弹技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406784A (zh) * 2023-12-01 2024-01-16 四川腾盾科技有限公司 一种固定翼无人机在线路径规划方法、介质及装置
CN117406784B (zh) * 2023-12-01 2024-03-22 四川腾盾科技有限公司 一种固定翼无人机在线路径规划方法、介质及装置

Also Published As

Publication number Publication date
CN115268504B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN112347840B (zh) 视觉传感器激光雷达融合无人机定位与建图装置和方法
Carle et al. Long‐range rover localization by matching LIDAR scans to orbital elevation maps
CN112014857B (zh) 用于智能巡检的三维激光雷达定位导航方法及巡检机器人
CN108958285B (zh) 一种基于分解思想的高效多无人机协同航迹规划方法
CN112965063B (zh) 一种机器人建图定位方法
CN110458174B (zh) 一种无序点云关键特征点精确提取方法
CN113470089B (zh) 一种基于三维点云的跨域协同定位和建图方法及系统
CN103413352A (zh) 基于rgbd多传感器融合的场景三维重建方法
CN109100731B (zh) 一种基于激光雷达扫描匹配算法的移动机器人定位方法
CN112762957B (zh) 一种基于多传感器融合的环境建模及路径规划方法
CN110926485B (zh) 一种基于直线特征的移动机器人定位方法及系统
CN114862932B (zh) 基于bim全局定位的位姿修正方法及运动畸变矫正方法
CN115268504B (zh) 一种大型无人机仿地飞行路径规划方法
CN112432648A (zh) 一种移动型机器人安全运动轨迹的实时规划方法
CN108204814A (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
US11506505B2 (en) Methods and apparatus for determining a vehicle path
CN110580740B (zh) 多智能体协同三维建模方法及装置
CN107632616B (zh) 一种基于三维空间曲线的无人机协同路径规划方法
CN115683141A (zh) 一种未知环境下用于自动驾驶的局部参考路径生成方法
CN112149911A (zh) 一种超敏捷卫星同轨多点目标动中成像任务规划方法
CN110288620B (zh) 基于线段几何特征的图像匹配方法及飞行器导航方法
CN111829514A (zh) 一种适用于车辆底盘集成控制的路面工况预瞄方法
CN115355904A (zh) 一种针对地面移动机器人的Lidar-IMU融合的slam方法
CN109443355B (zh) 基于自适应高斯pf的视觉-惯性紧耦合组合导航方法
CN108592916B (zh) 悬浮式水下自主航行器的多航次地图定位和导航方法

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