[发明专利]一种基于EB‑RRT的无人机航迹规划方法

权利要求书

1.一种基于EB-RRT的无人机航迹规划方法，其特征在于：包括以下步骤：

Step1：导入环境信息，并对地图环境进行栅格分区处理，为后续寻找附近节点集做准备；

Step2：产生一个随机点x_rand，寻找已有节点中距离随机点最近的节点x_nearst；

Step3：根据步长算出插入点x_new，若根节点到x_new的距离与x_new到终点的欧氏距离之和大于当前最优路径的长度，则跳过本次迭代；否则，进入Step4；

Step4：对x_new点是否在障碍物内进行检测，若不通过，则收集x_nearst周围环境信息，在其周围free区域内随机采样一个新的插入点x_new；

Step5：将x_new插入树中，并在相应的栅格内遍历寻找x_new的附近节点集并对其附近节点的路径进行优化；

Step6：对插入x_new点后的两棵树进行连接检测，若不能，则交换两棵树，继续采样随机点；若能，则说明已经找到可行路径，对其路径点集进行降采样处理，再采用贝塞尔三次插值算法优化生成新的路径。

2.如权利要求1所述的一种基于EB-RRT的无人机航迹规划方法，其特征在于：所述Step4中，在原x_new处于障碍物范围内时，在节点x_nearst将周围环境划分为9个区域，分别标记为1、2、3、4、5、6、7、8、9，自身所在点为区域5，通过函数AddInform对其他8个区域进行信息收集，区分为障碍区和非障碍区，函数ChooseDirection在剩余的6个非障碍区内随机取一点作为新x_new，再对x_nearst和x_new之间进行障碍检测。

3.如权利要求1或2所述的一种基于EB-RRT的无人机航迹规划方法，其特征在于：所述Step1中，每次插入一个新的节点x_new后，需要通过函数NearNodes寻找一个与其欧式距离小于γ的点集V₁∈V，再对该点集中的所有点判断是否需要进行航迹修正；

每次寻找点集，都需要对生长树T中的所有旧节点进行遍历，对二维地图进行简单的栅格划分，由细胞分解算法将整个地图空间分为障碍区和非障碍区，将宽为W，高为H的地图空间划分为m*n个宽为W_grid，高为H_grid的区域，其中

W_grid＝W/m

H_grid＝H/n

在插入新节点x_new后，只需要遍历x_new所在区域以及其周围8个区域内的所有旧节点；为了保证距离其欧式距离小于γ的所有点均在这9个区域内，须满足

min{W_grid,H_grid}>max(γ)

又因为

γ＝k(log n/n)^1/d

所以

γ≤k(log2/2)^1/d

只需要满足

W_grid≥k(log2/2)^1/d

H_grid≥k(log2/2)^1/d

将W_grid,H_grid设较大值，使得m和n为整数值。