无人机避障与航迹规划方法及装置与流程

本公开涉及无人机自主控制领域，尤其涉及一种无人机避障与航迹规划方法及装置。

背景技术：

1、随着无人机技术的快速发展，其应用场景已从简单的空旷环境拓展至复杂的城市、丛林等环境。在这些复杂环境下，无人机需要具备全时全域的自主遥感作业能力，其中自主避障与航迹规划是实现这一能力的关键技术。

2、目前，航迹规划算法由于节点选择具有很强的随机性，导致在复杂任务空间中会产生大量多余节点，使得航迹规划的收敛速度较慢；同时，生成的航迹往往比较曲折，平滑度较差，难以直接用于无人机的实际飞行控制。

3、虽然已有研究提出了一些改进策略，但在如何在保证搜索概率完备性的同时，有效平衡搜索速度、避障安全性与航迹平滑度方面，仍存在改进空间。

技术实现思路

1、本公开至少提供了一种无人机避障与航迹规划方法及装置，以解决以上至少一种技术问题。

2、根据本公开的一方面，提供了一种无人机避障与航迹规划方法，包括：

3、获取无人机所处飞行环境的点云数据，并从所述点云数据中提取障碍物点云；

4、基于所述障碍物点云，构建障碍物的凸面体模型，并基于所述凸面体模型确定飞行安全区域；

5、在所述飞行安全区域内，迭代执行如下步骤以生成随机树，直到生成的新节点位于终点区域：

6、采用贪婪启发策略，根据预设概率阈值确定随机目标点；

7、基于节点与障碍物的距离信息，确定终点方向的第一引力分量和随机目标点方向的第二引力分量；基于所述第一引力分量和所述第二引力分量，确定向终点方向的第一目标扩展步长以及向随机目标点方向的第二目标扩展步长；结合随机树中与所述随机目标点最近的节点、所述第一目标扩展步长和所述第二目标扩展步长，确定候选新节点；

8、基于所述凸面体模型和所述随机树中的节点，判断在所述候选新节点与所述随机树的父节点之间的路径上是否存在障碍物威胁；在不存在障碍物威胁的情况下，将所述候选新节点作为新节点，并加入所述随机树；

9、利用所述随机树中的节点生成初始航迹，并对所述初始航迹进行平滑处理，得到目标规划航迹。

10、在一种可能的实施方式中，所述采用贪婪启发策略，根据预设概率阈值确定随机目标点，包括：

11、设置预设概率阈值；

12、生成一个[0, 1]区间的随机数；

13、在所述随机数小于所述预设概率阈值的情况下，将随机目标点设置为终点；

14、在所述随机数大于或者等于所述预设概率阈值的情况下，在任务空间内随机选取一点作为所述随机目标点。

15、在一种可能的实施方式中，所述结合随机树中与所述随机目标点最近的节点、所述第一目标扩展步长和所述第二目标扩展步长，确定候选新节点，包括：

16、利用如下公式确定候选新节点：

17、

18、其中，为候选新节点，为随机树中距离所述随机目标点最近的节点；为向随机目标点方向的扩展步长，为向终点方向的扩展步长；为第二引力分量，为第一引力分量；为向随机目标点方向的第二目标扩展步长；为向终点方向的第一目标扩展步长。

19、在一种可能的实施方式中，所述第二引力分量按照如下公式计算：

20、

21、式中，为第i个障碍物的圆心坐标，m为障碍物个数，,eff为障碍物半径，为调节因子，（x,y,z）为随机树中与所述随机目标点最近的节点的坐标。

22、在一种可能的实施方式中，所述第一目标扩展步长均满足如约束：

23、若所述第一目标扩展步长小于最小步长，则将第一目标扩展步长设置为最小步长；

24、若所述第一目标扩展步长大于最大步长，则将第一目标扩展步长设置为最大步长；

25、所述第二目标扩展步长均满足如约束：

26、若所述第二目标扩展步长小于最小步长，则将第二目标扩展步长设置为最小步长；

27、若所述第二目标扩展步长大于最大步长，则将第二目标扩展步长设置为最大步长。

28、在一种可能的实施方式中，所述基于所述障碍物点云，构建障碍物的凸面体模型，包括：

29、利用所述障碍物点云，将障碍物拟合为半球、圆柱、圆锥或圆台中的至少一种凸面体模型；

30、所述凸面体模型的近似表达为：

31、

32、其中，为所述凸面体模型上任意一点，为所述凸面体模型的中心坐标，为预设参数。

33、在一种可能的实施方式中，所述基于所述凸面体模型和所述随机树中的节点，判断在所述候选新节点与所述随机树的父节点之间的路径上是否存在障碍物威胁，包括：

34、基于所述凸面体模型，确定障碍物威胁区域；

35、基于所述随机树中的节点确定所述候选新节点的上一个节点；

36、若上一个节点与所述候选新节点之间的飞行路径至少部分的位于所述障碍物威胁区域内，则确定所述候选新节点与所述随机树的父节点之间的路径上存在障碍物威胁。

37、在一种可能的实施方式中，所述对所述初始航迹进行平滑处理，得到目标规划航迹，包括：

38、依次遍历初始航迹中的节点，执行如下操作：

39、判断当前节点与下下个节点的之间的连线是否存在障碍物威胁；

40、若不存在威胁，则舍弃当前节点的下一个节点，直接连接当前节点与下下个节点；

41、若存在威胁，则保留当前节点的下一个节点，或取当前节点与下下个节点的中点作为新的当前节点，并返回所述判断当前节点与下下个节点的之间的连线是否存在障碍物威胁的步骤。

42、在一种可能的实施方式中，所述从所述点云数据中提取障碍物点云，包括：

43、通过最远点采样法对所述点云数据进行重采样，并基于采样结果确定点云中心点；

44、根据所述点云中心点对所述点云数据进行分组，得到多个局部邻域；

45、利用微型pointnet网络分别部邻域进行特征提取，得到代表各个邻域的整体形状的局部特征向量；

46、通过编码-解码器结构，基于提取的局部特征向量，对分组后的局部邻域的点云中包含的地面、植被、建筑物、电力线进行分类分割。

47、根据本公开的另一方面，提供一种无人机避障与航迹规划装置，包括：

48、点云初步处理模块，用于获取无人机所处飞行环境的点云数据，并从所述点云数据中提取障碍物点云；

49、区域分割模块，用于基于所述障碍物点云，构建障碍物的凸面体模型，并基于所述凸面体模型确定飞行安全区域；

50、随机树生成模块，用于在所述飞行安全区域内，迭代执行如下步骤以生成随机树，直到生成的新节点位于终点区域：

51、采用贪婪启发策略，根据预设概率阈值确定随机目标点；

52、基于节点与障碍物的距离信息，确定终点方向的第一引力分量和随机目标点方向的第二引力分量；基于所述第一引力分量和所述第二引力分量，确定向终点方向的第一目标扩展步长以及向随机目标点方向的第二目标扩展步长；结合随机树中与所述随机目标点最近的节点、所述第一目标扩展步长和所述第二目标扩展步长，确定候选新节点；

53、基于所述凸面体模型和所述随机树中的节点，判断在所述候选新节点与所述随机树的父节点之间的路径上是否存在障碍物威胁；在不存在障碍物威胁的情况下，将所述候选新节点作为新节点，并加入所述随机树；

54、航迹生成模块，用于利用所述随机树中的节点生成初始航迹，并对所述初始航迹进行平滑处理，得到目标规划航迹。

55、本公开的无人机避障与航迹规划方法及装置，首先获取无人机所处飞行环境的点云数据，并从所述点云数据中提取障碍物点云；之后基于所述障碍物点云，构建障碍物的凸面体模型，并基于所述凸面体模型确定飞行安全区域；之后在所述飞行安全区域内，迭代执行如下步骤以生成随机树，直到生成的新节点位于终点区域：采用贪婪启发策略，根据预设概率阈值确定随机目标点；基于随机树中与所述随机目标点最近的节点与障碍物的距离信息，确定终点方向的第一引力分量和随机目标点方向的第二引力分量；基于所述第一引力分量和所述第二引力分量，确定向终点方向的第一目标扩展步长以及向随机目标点方向的第二目标扩展步长；结合随机树中与所述随机目标点最近的节点、所述第一目标扩展步长和所述第二目标扩展步长，确定候选新节点；基于所述凸面体模型和所述随机树中的节点，判断在所述候选新节点与所述随机树的父节点之间的路径上是否存在障碍物威胁；在不存在障碍物威胁的情况下，将所述候选新节点作为新节点，并加入所述随机树；最后利用所述随机树中的节点生成初始航迹，并对所述初始航迹进行平滑处理，得到目标规划航迹。本公开的技术方案通过贪婪启发策略减少了目标最优搜索时随机目标点的盲目选择，提高了局部收敛速度；通过节点与障碍物的距离信息动态确定引力分量以及扩展步长，能够实现在远离障碍物时利用引力分量加速向终点扩展，在靠近障碍物时增加随机性以有效避障，保证了航路搜索的完备性与效率；另外，本公开通过平滑度优化去除冗余节点，显著提升了航迹的平滑度和整体品质。

56、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。