[发明专利]一种基于空地信息互补的无人车路径规划方法

说明书

本发明提供一种基于空地信息互补的无人车路径规划方法，包括以下步骤：基于无人机搭载的感知系统和定位导航系统建立地面环境的栅格地图，无人车获取无人机建立的栅格地图，并结合自身感知的环境信息修正补充栅格地图；根据修正补充后的栅格地图，建立无人车路径规划的目标函数；所述目标函数为移动路径最短，或耗时最短，或消耗能量最少；根据目标函数，通过改进型海鸥优化算法进行最优位置更新，确定最优海鸥位置；根据预设的最大迭代次数依次更新的最优海鸥位置，确定最优路径规划结果。该方法克服了海鸥算法存在的几点不足，能够显著提升基于空地信息融合的无人车路径规划的效果。

技术领域

本发明涉及无人车技术领域，具体涉及一种基于空地信息互补的无人车路径规划方法。

背景技术

空中无人机与地面无人车组成的空地异构机器人系统是分布式人工智能技术研究的热点问题，无人机和无人车的有机协调、跨域协作等将引领未来机器人技术与应用的新模式。

无人车能够近距离精确定位地面目标，但在环境信息未知或部分可知情况下，车载传感器对环境的感知能力存在较大局限，只能实现局部的路径规划。而无人机则具有更广阔的视野，可以在特定高度得到周围环境的全局信息，但由于高度原因也丢失了许多局部信息。通过二者协同，进行优势互补，可以实现无人车的全局路径规划。

基于空地信息互补的无人车路径规划是空地异构机器人系统的关键技术之一。首先，基于无人机搭载的感知系统和定位导航系统等建立地面环境的栅格地图；其次，无人车实时接收无人机栅格地图信息，结合自身感知的环境信息修正补充栅格地图，然后自行规划出一条从出发点至终点的无碰撞的最优移动路径，这条最优路径可以是满足移动路径最短，可以是满足耗时最短，还可以满足能量消耗最少等。基于空地信息互补的无人车路径规划问题，实际上可以看成是一个带约束条件的复杂优化问题。因此，一些智能优化算法对于提高无人车路径规划的效果发挥了积极的作用，很多学者开展了大量的研究工作。

根据目前的研究成果来看，智能优化算法是一种有效的路径规划方法。海鸥算法是一种模拟海鸥觅食行为的新型智能优化算法，同样可以应用于路径规划问题。但是，海鸥优化算法存仍然存在有一些缺陷，使得算法容易陷入局部最优和收敛精度不高，在进行路径规划时，往往达不到理想的路径规划效果。如：在确定种群位置时，海鸥个体的位置是随机确定的，这就使得算法具有一定的盲目性和随机性；海鸥算法的位置更新是根据目标物的位置，采用螺旋进攻的方式，向最佳位置移动，但是如果只是根据最佳目标位置进行移动，很容易使海鸥陷入局部最优解；海鸥算法陷入局部最优解时，没有任何措施能帮助其跳出局部最优解。上述的3个不足，导致在采用海鸥算法进行基于空地信息互补的无人车路径规划时，不能达到最佳的路径规划效果。

发明内容

为解决上述问题，本发明提供一种基于空地信息互补的无人车路径规划方法，克服了海鸥算法存在的几点不足，能够显著提升基于空地信息融合的无人车路径规划的效果。

为实现上述目的，本发明提供了如下的技术方案。

一种基于空地信息互补的无人车路径规划方法，包括以下步骤：

基于无人机搭载的感知系统和定位导航系统建立地面环境的栅格地图，无人车获取无人机建立的栅格地图，并结合自身感知的环境信息修正补充栅格地图；

根据修正补充后的栅格地图，建立无人车路径规划的目标函数；所述目标函数为移动路径最短，或耗时最短，或消耗能量最少；

根据目标函数，通过改进型海鸥优化算法进行最优位置更新，确定最优海鸥位置；

根据预设的最大迭代次数依次更新的最优海鸥位置，确定最优路径规划结果；

其中，所述改进型海鸥优化算法引入高斯映射初始化海鸥种群位置，并引入爬行动物搜索算法的位置更新机制替换原有的海鸥位置更新方式；所述改进型海鸥优化算法还包括，通过逐维度双向sine变异进一步进行最优位置更新。