一种基于改进RRT算法的无人机路径规划方法与流程
本发明属于无人机路径规划,具体地说是涉及一种基于改进rrt算法的无人机路径规划方法。
背景技术:
1、随着无人机技术的快速发展,其在灾害救援、环境监测、军事侦察及物流运输等领域得到了广泛应用。路径规划作为无人机自主导航中的关键技术之一,其目标是在复杂环境中为无人机规划一条从起点到目标点的安全、可行且高效的飞行路径。现有路径规划方法主要包括基于图搜索的方法、基于采样的方法以及基于优化的方法等。其中,rrt算法由于其在高维空间中的良好扩展性和较强的环境适应能力,被广泛应用于无人机路径规划。
2、然而,传统rrt算法在实际应用中仍存在一定局限性。首先,其采样过程通常采用固定概率的目标偏置策略,导致在复杂环境中搜索效率较低,收敛速度较慢;其次,扩展步长通常为固定值,难以兼顾复杂环境中的精细搜索与开阔区域中的快速搜索需求,易造成搜索效率低或路径质量不佳;此外,传统rrt算法在近邻节点搜索过程中计算复杂度较高,且缺乏对无人机运动学约束的有效考虑,容易生成不符合实际飞行要求的路径。
技术实现思路
1、针对上述技术问题,本发明提出一种基于改进rrt算法的无人机路径规划方法。
2、本发明所采用的技术解决方案是:
3、一种基于改进rrt算法的无人机路径规划方法,其包括以下步骤:
4、s1、构建三维路径规划环境;
5、s2、建立无人机约束条件;
6、s3、基于随机采样生成候选目标点;
7、s4、根据局部环境信息自适应调整扩展步长;
8、s5、回溯生成原始路径;
9、s6、对原始路径进行平滑处理,获得最终路径。
10、进一步的,s1中包括以下步骤:
11、构建基于三维栅格离散化的三维路径规划环境,将实际三维空间划分为规则三维栅格单元;在三维路径规划环境中设置障碍物,障碍物采用长方体包围盒形式进行描述,每个障碍物包含位置参数和尺寸参数,用于表征障碍物在三维路径规划环境中的占据范围;
12、引入占据函数,其公式如下:
13、;
14、其中,是障碍物起点,表示障碍物尺寸,表示栅格单元中心点;
15、当栅格单元中心点落在障碍物范围时,判定该栅格单元为被占据状态,即;
16、在路径规划过程中,设置无人机的起始位置和目标位置,并保证其所在区域不被障碍物占据。
17、进一步的,s2中所建立无人机约束条件包括:
18、s21、环境边界约束;
19、设三维路径规划环境空间尺寸为,对于任一待扩展节点,需满足:
20、 ;
21、当扩展节点超出上述任一范围时,判定该节点不满足边界约束,从而舍弃该扩展节点;
22、s22、最大爬升率约束;
23、设当前节点为,待扩展节点为,两节点之间的水平距离表示为:
24、;
25、两节点之间的垂直高度差为:
26、;
27、设无人机允许的最大爬升率为,则当前扩展路径段应满足:
28、;
29、s23、最大转向角约束;
30、设当前节点为,其父节点为,待扩展节点为,则上一段飞行方向向量和当前扩展方向向量分别定义为:
31、;
32、;
33、则最大转向角为,需满足以下公式:
34、。
35、进一步的,s3中包括以下步骤:
36、在每一次路径扩展迭代过程中,根据预设的目标偏置概率决定当前采样方式;设当前迭代次数为,最大迭代次数为,则目标偏置概率定义为:
37、;
38、其中,表示最小目标偏置概率,表示最大目标偏置概率,为调节参数,用于控制目标偏置概率的增长速度;
39、随着迭代次数的增加,目标偏置概率逐渐增大,使得路径搜索过程由初期的全局随机探索逐步过渡到后期的目标导向搜索;
40、在采样过程中,基于上述目标偏置概率,候选目标点的生成方式如下:
41、;
42、其中,r为在区间[0,1]上均匀分布的随机数,表示目标点,表示在三维路径规划环境空间内随机生成的采样点。
43、更进一步的,所述最小目标偏置概率取值为0.1,最大目标偏置概率取值为0.3,调节参数为2。
44、进一步的,s4中包括以下步骤:
45、在路径扩展过程中,对于当前节点q,计算其局部环境特征,包括局部障碍物密度、近期碰撞率以及目标趋近程度;
46、s41、计算局部障碍物密度:
47、在以当前节点q为中心、半径为r的邻域范围内统计障碍物数量,设该邻域范围内的障碍物数量为,并通过归一化处理得到局部障碍物密度:
48、;
49、其中,kρ为归一化系数;
50、s42、计算近期碰撞率:
51、设最近m次扩展过程中发生碰撞的次数为nc,则近期碰撞率定义为:
52、;
53、其中,c∈[0,1],表示近期碰撞率;
54、s43、计算目标趋近程度:
55、设当前节点到目标点的距离为dg,起点到目标点的初始距离为d0,则归一化距离和目标趋近程度g分别表示为:
56、;
57、;
58、s44、计算综合环境评价函数:
59、将局部障碍物密度、近期碰撞率以及目标趋近程度进行加权融合,构建综合环境评价函数:
60、;
61、其中,w1,w2,w3为权重系数;
62、s45、计算自适应扩展步长:
63、基于综合环境评价函数φ,采用logistic映射函数对扩展步长进行自适应调节,则扩展步长计算公式如下:
64、;
65、其中,最小扩展步长为δmin,最大扩展步长为δmax,τ为步长调整阈值,s为平滑系数。
66、进一步的,s4中还包括以下步骤:
67、s46、对扩展方向进行约束修正;
68、根据自适应扩展步长确定当前节点的扩展距离后,根据当前节点与其父节点确定上一段飞行方向,并计算候选扩展方向与上一段飞行方向之间的夹角;当所述夹角不超过允许转向角时,保持当前扩展方向;当所述夹角超过允许转向角但未超过预设方向阈值时,将候选扩展方向修正至允许转向范围内;当所述夹角超过预设方向阈值时,舍弃当前节点并重新采样;
69、并且还对修正后的扩展方向进行最大爬升率校验;当不满足最大爬升率约束时,对修正后的扩展方向进行调整,使其满足无人机爬升约束后生成待扩展节点。
70、进一步的,s5中包括以下步骤:当搜索到目标点后,从目标点沿父节点指针逐级回溯至起始点,得到由多个离散路径节点构成的原始路径。
71、更进一步的,具体包括以下步骤:
72、从目标点pgoal出发,沿父节点指针逐级回溯,直至到达起始点pstart,从而得到一条由多个离散节点组成的路径序列;该路径序列表示为:
73、;
74、在实际回溯过程中,首先将目标点加入路径序列,然后不断将当前节点更新为其父节点,并将该节点依次加入路径序列,直至回溯到起始点;
75、计算路径的总长度,设路径中相邻节点之间的欧氏距离为:
76、;
77、则路径总长度为:
78、。
79、进一步的,s6中包括以下步骤:
80、设回溯生成的原始路径由n+1个离散节点构成,将原始路径的离散节点作为控制点,采用三次β样条曲线对路径进行平滑处理,其表达式为:
81、;
82、其中,为β样条基函数,为阶数,u为曲线参数,为第i个控制点。
83、本发明的有益技术效果如下:
84、本发明通过构建三维栅格环境模型,并引入动态目标偏置策略以提高搜索收敛效率,结合局部障碍物密度、近期碰撞率及目标距离构建综合评价函数,实现扩展步长的自适应调节;最后采用三次β样条曲线对路径进行平滑处理。实验结果表明,本发明在复杂环境下具有更高的路径规划成功率和更优的路径质量。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com