[发明专利]一种基于EB‑RRT的无人机航迹规划方法

说明书

技术领域

本发明属于无人机运动规划领域，具体涉及一种无人机自主航迹 规划方法。

背景技术

航迹规划是无人机导航和机器人技术中的一个重要问题，其基本 定义为：给定一个初始状态和目标状态，寻找一个可行航迹使无人机 无碰撞的从初始状态运行到目标状态。航迹规划有广泛的应用场景： GPS导航、无人驾驶汽车、计算机动画、路由问题、制造行业的机械 臂运动和生活以及工业领域的很多方面。因此对航迹规划问题的研究 近年来成为一个研究热点。

无人机航迹规划算法根据其感知能力，可以分为局部航迹规划和 全局航迹规划，其中全局航迹规划就是在已知环境地图的情况下进行 规划，预先知道环境的全局信息；而局部航迹规划只需要获得机器人 感知范围内的环境信息，主要指障碍物信息，根据局部信息完成规划。 全局航迹规划算法很多，人工势场算法是典型的航迹规划算法(参照 文献1：KP Valavanis.Advance in unmanned aerial vehicles[M].State of art and road to autonomy,2007；即无人机的研究进展)，算法在环境 中建立人工势场，障碍物和环境边界具有斥力，目标区域具有引力， 无人机根据所受力向目标区域靠近。势场法不需要进行复杂的计算， 只需要计算出环境的势场即可，然而势场法在复杂环境中容易使飞行 器陷入局部最小，并不适合在复杂环境以及狭窄的通道中进行规划。 针对势场法的不足，提出了Dubins曲线算法以及细胞分裂算法(参照 文献2：A De,J Caves.Human-automation collaborative RRT for UAV mission path planning[M].Massachusetts Institute of Technology,2010； 即用于无人机路径规划的人工自动化协作RRT)和Delaunay三角算法 (参照文献3：HH Triharminto.,AS Prabuwono.UAV Dynamic Path Planning for Intercepting of a Moving Target:A Review[J]. Communications in Computer and Information Science,2013, 376:206-219；即用于拦截动态目标的无人机动态路径规划)等离散化 搜索空间的算法，通过对障碍物或者环境空间进行建模的方法寻找最 优航迹。同时也有人将进化计算如遗传算法(参照文献4：JH Holland. Adaptation in natural and artificial systems[M].MIT Press,1992；即自然 和人工系统中的适应)、粒子群算法(参照文献5：Roberge V.,Tarbouchi M.,Labonte G.Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real Time UAV Path Planning[J].IEEE Transactions on Industrial Informatics,2013,9(1):132-141；即平行遗传 算法和粒子群优化作用于实时无人机路径规划的比较)用于解决航迹 规划问题，利用算法的进化操作和迭代过程找到最优航迹。然而这类 算法的计算开销特别大，算法在复杂的环境以及高维数的环境中需要 大量的时间去计算，无法直接使用在无人机的航迹规划应用中。