[发明专利]一种基于空地信息交互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交互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；改进型乌燕鸥优化算法引入蝴蝶优化算法的位置更新方式进行位置更新；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。该方法克服了乌燕鸥优化算法存在的几点不足，能够显著提升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交互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。

基于空地信息交互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。

基于空地信息交互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。例如，陈雪俊等对智能水滴算法进行了改进，提出了改进水滴算法的无人车避障路径规划方法(陈雪俊,贝绍轶.一种基于改进智能水滴算法的无人车避障路径规划方法[P].江苏省：CN110703767A,2020-01-17.)；刘洪丹等提出了量子狼群算法并用于无人驾驶智能车的自动避障研究(刘胜,张兰勇,丁一轩,李冰,李芃,孙玥.基于量子狼群算法的无人驾驶智能车自动避碰方法[P].黑龙江省：CN110471426A,2019-11-19.)；江鹏程等提出了基于蚁群算法的无人车路径规划方法(江鹏程,丛华,邱绵浩,张楠,冯辅周,张传清,刘西侠,张丽霞,何嘉武,张小明,王志荣,杨昌伟.无人车混合路径规划算法[P].北京市：CN110609557A,2019-12-24.)；葛洪伟等提出了改进的多目标粒子群算法，并以此为优化方法进行了无人车的路径规划研究(葛洪伟,钱小宇,葛阳.基于改进的多目标粒子群算法的无人车路径规划方法[P].江苏：CN107992051A,2018-05-04.)。

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。乌燕鸥优化算法(Sooty tern optimization algorithm，STOA)是一种模拟乌燕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，乌燕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。

发明内容

为解决上述问题，本发明提供一种基于空地信息交互的无人车路径规划方法，克服了乌燕鸥优化算法存在的几点不足，能够显著提升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。

一种基于空地信息交互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；