[发明专利]一种基于空地信息交互的无人车路径规划方法

权利要求书

1.一种基于空地信息交互的无人车路径规划方法，其特征在于，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，建立以移动路径最短，或耗时最短，或消耗能量最少为约束的无人车路径规划的目标函数；

根据目标函数，通过改进型乌燕鸥优化算法进行最优位置更新，确定最优乌燕鸥位置；

根据预设的最大迭代次数依次更新的最优乌燕鸥位置，确定最优路径规划结果；

其中，所述改进型乌燕鸥优化算法为：引入高斯映射初始化乌燕鸥种群位置，并引入蝴蝶优化算法的位置更新方式改进原乌燕鸥算法的位置更新方式；所述改进型乌燕鸥优化算法还包括，通过逐维度双向sine变异进一步进行最优位置更新；

所述引入蝴蝶优化算法的位置更新方式改进原乌燕鸥算法的位置更新，包括以下步骤：

冲突避免：模拟乌燕鸥的冲突避免行为过程，用如下公式表达：

C_s(t)＝S_A×P_s(t)

式中：P_s(t)表示当前第t次迭代的乌燕鸥的位置；C_s(t)表示的是在不与其他乌燕鸥碰撞的情况下乌燕鸥的新位置；S_A代表一个避免碰撞的变量因素，用来计算避免碰撞后的位置，它的约束条件公式如下：

S_A＝C_f-(t×C_f/Miter)

式中：C_f为用来调整S_A的控制变量；t表示当前迭代次数；S_A随着迭代次数的增加，从C_f逐渐减小为0；Miter为迭代次数；

聚集：聚集是指当前乌燕鸥在避免冲突的前提下向相邻乌燕鸥中最好的位置靠拢，也就是向最优位置靠拢，其数学表达式如下：

M_s(t)＝C_B×(P_bs(t)-P_s(t))

式中：P_bs(t)是第t次迭代乌燕鸥的最优位置；M_s(t)表示在不同位置P_s(t)向最优位置P_bs(t)移动的过程；C_B是一个使勘探更加全面的随机变量，按照以下公式变化：

C_B＝0.5×rand

式中：rand为[0，1]范围内的随机数；

更新：更新是指当前乌燕鸥朝着最优位置的所在方向进行移动，更新位置，其数学表达式为：

D_s(t)＝C_s(t)+M_s(t)

式中：D_s(t)是乌燕鸥从当前位置向最优位置方向移动的距离；

攻击行为：在迁移过程中，乌燕鸥通过翅膀提高飞行高度，或调整自身的速度和攻击角度，在攻击猎物的时候，它们在空中的盘旋行为可定义为以下数学模型：

式中：r是每个螺旋的半径；θ是[0，2π]范围内的随机角度值；u和v是定义螺旋形状的相关常数，均设定为1；e是自然对数的底数；

引入蝴蝶优化算法的位置更新机制，改进后乌燕鸥位置更新公式如下：

其中：

f_s(t)＝c·I^a

式中，P_s(t+1)为更新后的第t+1次迭代的乌燕鸥位置；P_bs(t)表示第t次迭代的最佳位置；P_s(t)为第t次迭代的乌燕鸥位置；f_s(t)为第t次迭代的乌燕鸥散发出来的香味；α是[0,1]之间的一个随机数；λ是[0,1]之间的一个随机数；r₁和r₂为[1,N]之间的随机整数，和/分别为随机选择的第r₁和r₂个乌燕鸥的位置，r₁≠r₂；rand为[0,1]之间的随机数；p为切换概率，用于切换乌燕鸥位置更新的公式；c是感知形态因子，为(0,1)之间的一个随机数；I是刺激因子；a是功率指数，为(0,1)之间的一个随机数；

计算适应度值：

fitness(t)＝F_f(P_s(t+1))

式中，F_f(·)为计算适应度值时的适应度函数；

记录当次迭代中最优乌燕鸥。