基于双概率预见双向树优化的无人机三维路径规划方法
本发明涉及三维路径规划,具体地讲,涉及基于双概率预见双向树优化的无人机三维路径规划方法。
背景技术:
1、随着无人机在低空物流、应急巡检、设施监测和空中作业等领域的持续应用,其运行空间由开阔、规则的简单环境逐步转向结构复杂、风险分布不均、连通关系多变的三维空域。三维空域地图能够统一描述空间位置、障碍分布、通行状态、风险信息及高度层特征,是无人机三维路径规划的重要数据基础。
2、无人机三维路径规划的目标,是在已知起点、终点及三维空域地图的条件下,生成一条满足空间通行约束且具有较优综合性能的飞行路径。与二维路径规划相比,三维路径规划增加了高度维度,搜索状态规模显著扩大,节点之间的连接关系更加复杂。无人机在规划过程中不仅需要完成水平方向的位置转移,还需要根据空域结构和风险分布进行爬升、下降及航向调整。因此,在狭窄通道、复杂边界、局部封闭区域及高风险聚集区域同时存在的条件下,路径搜索容易出现无效扩展数量增加、局部搜索停滞、起终点连接困难及路径质量不稳定等问题。
3、现有无人机路径规划方法主要包括基于图搜索的路径规划方法、基于采样的路径规划方法和基于智能优化的路径规划方法。基于图搜索的方法通常依据离散节点之间的邻接关系进行逐步扩展,具有搜索过程清晰、结果稳定的特点,但在大规模三维空域地图中需要维护大量节点信息,计算量和存储需求较高。基于采样的方法通过在搜索空间中生成随机节点并建立树状连接关系完成路径构建,能够降低对完整空间遍历的依赖,但其搜索性能受到采样位置、扩展方向和树间连接方式的显著影响。基于智能优化的方法通常将路径节点作为待优化变量,通过群体迭代或随机搜索调整路径结构,具有较强的非线性优化能力,但其初始路径质量、约束处理方式和参数设置会直接影响收敛速度及最终结果。
4、在风险引导路径规划研究中,现有方法主要围绕障碍威胁、地面暴露风险、气象扰动及单一风险地图开展路径评价,并将相关风险信息作为节点代价、边代价或启发信息参与搜索。现有公开方案尚未形成将静态风险概率与动态风险概率分别建模,并通过前向预见机制共同引导双向树扩展的完整技术体系。尤其在候选扩展方向的选择过程中,现有方法通常侧重当前节点、候选节点及局部邻域的即时评价,缺少对候选方向前方连续区域风险变化趋势的联合分析,导致搜索过程容易受到局部低代价区域的影响,难以提前识别高风险聚集区、狭窄封闭区和低连通区。
5、在路径后处理方面,现有方法通常采用节点删除、捷径连接、曲线拟合和控制点调整等方式减少路径冗余并改善几何形态。然而,路径后处理会改变原有节点位置和连接关系,新生成的线段可能进入不可通行区域。部分方法仅验证优化后的路径节点,未对节点之间连接线段经过的完整空间进行连续检测,导致规划结果在离散节点层面满足约束,但在线段层面仍存在穿越障碍边界和受限区域的可能。
6、因此,现有技术在风险前向感知、全局路径构建、局部路径重构及全过程约束保持之间仍缺乏统一的技术衔接,难以在复杂三维空域地图中同时实现较高的搜索效率、较强的风险规避能力和稳定的路径可执行性。
7、现有无人机三维路径规划技术主要围绕空间几何避障、目标导向搜索及单项性能改进展开,其技术重点通常集中于路径是否能够到达目标位置,尚未建立以多源风险前向表征为搜索驱动,并对全局路径构型和局部路径质量进行一体化优化的技术体系。
8、现有方案在路径搜索过程中通常按照预设邻接关系、随机样本分布及目标距离信息逐步生成路径,其搜索决策主要取决于当前搜索状态。风险信息即使被引入,也多作为路径评价结果或附加代价参与计算,未直接作用于搜索树的生长方向、候选节点筛选和双端连接决策。由此形成的路径生成过程本质上仍属于几何可达性驱动的搜索模式,难以对前方空间中静态风险与动态风险的变化趋势进行主动预判,也难以依据风险分布及时调整搜索资源和路径连接策略。
9、现有无人机三维路径规划方法在复杂三维空域地图中的应用仍存在明显局限。首先,现有搜索策略多依据当前节点位置、目标距离和局部代价确定扩展方向,对候选方向前方静态风险与动态风险的变化缺乏联合判断。当风险分布具有明显聚集性、突变性和非均匀性时,搜索树容易被局部低代价区域误导,进入高风险区域、低连通区域及狭窄封闭区域,造成无效节点增加、搜索方向反复调整及计算资源浪费。
10、其次,传统单向搜索、均匀采样和固定启发式扩展对三维空域结构信息利用不足。在复杂边界、狭窄通道及障碍密集区域,候选节点容易分布失衡,有效扩展比例较低,起点与终点之间的连接建立依赖大量重复尝试,导致初始路径发现速度较慢,规划结果受随机采样影响较大,难以兼顾搜索效率与求解稳定性。
11、再次,现有方法生成的初始路径通常存在节点冗余、局部折返、转角突变及非必要高度变化。常规节点删除和曲线平滑方法主要以缩短路径长度为目标,对路径风险、障碍邻近程度、转弯变化及连接线段通行状态考虑不足。路径调整后形成的新线段可能穿越不可通行区域,使优化结果在几何形态上得到改善,但无法满足实际飞行要求。
12、此外,部分方法仅对路径节点进行碰撞判定,未对相邻节点之间经过的完整体素序列进行连续检测。即使路径节点均位于允许通行区域,节点之间的连接线段仍可能与障碍边界或受限空间发生交叠,导致生成路径缺乏可靠的空间通行保障。
技术实现思路
1、本发明要解决的技术问题是提供基于双概率预见双向树优化的无人机三维路径规划方法,形成一种兼顾前向风险感知、双向全局搜索、局部精细优化和全过程可行性控制的无人机三维路径规划方法,最终获得起点与终点稳定连通、综合风险较低、路径长度合理、转弯变化平稳且具备实际飞行可执行性的三维路径。
2、本发明采用如下技术方案实现发明目的:
3、基于双概率预见双向树优化的无人机三维路径规划方法,包括以下步骤:
4、s1:建立三维空域路径评价空间;
5、s2:构建双概率预见评价机制;
6、s3:生成确定性连通引导路径并执行双向树批量搜索;
7、s4:实施多阶段路径结构重构;
8、s5:执行体素级连续验证并确定最终路径。
9、该方法面向具有复杂连通结构和非均匀风险分布的三维空域地图,将静态风险感知、动态风险感知、确定性连通引导、双向批量树搜索、多尺度路径重构及约束随机优化纳入统一技术流程,在保持空间约束一致性的基础上,实现无人机三维路径的高质量生成。
10、本发明以三维空域地图、静态风险概率场、动态风险概率场、空间通行状态、任务起点和任务终点作为基础输入。算法首先解析三维空域中的空间连通关系及风险分布特征,随后构建双概率预见评价机制,并在确定性连通引导路径的基础上执行双向树批量搜索。获得主路径结构后,进一步实施严格捷径压缩、三阶体素邻域走廊重连及约束路径积分校正,最终通过体素级连续检测输出满足规划要求的无人机三维路径。
11、作为本技术方案的进一步限定,所述s1的具体步骤为:
12、s11:根据空间通行状态提取允许通行的路径搜索区域,并计算各空间位置与受限区域边界之间的邻近关系,以表征候选路径在复杂边界附近的空间安全冗余;
13、s12:将路径物理长度、静动态融合风险、边界邻近程度、高度变化和转弯变化纳入统一评价体系;
14、对于由任务起点至任务终点构成的候选路径p,其综合评价函数表示为:
15、
16、
17、
18、其中:表示由任务起点至任务终点的候选路径;表示候选路径的综合评价值;表示候选路径的归一化路径长度代价;表示候选路径的归一化静动态融合风险代价;表示候选路径的归一化边界邻近代价;表示候选路径的归一化累计高度变化代价;表示候选路径的归一化转弯变化代价;、、、和分别表示评价指标的权重。
19、作为本技术方案的进一步限定,所述s2的具体步骤为:
20、对于当前搜索节点和候选扩展方向,沿该方向设置多个前向观测位置,并根据观测位置与当前节点之间的距离配置衰减权重,候选方向的静态风险预见值、动态风险预见值及双概率综合预见值表示为:
21、
22、其中:表示沿候选方向获得的第个前向观测体素;表示观测位置映射算子;表示当前搜索节点的物理坐标;表示候选方向前方设置的观测位置总数;表示前向观测位置编号;表示相邻前向观测位置之间的物理间隔;
23、
24、其中:表示第个前向观测位置的距离衰减权重;表示距离衰减速度控制参数;表示衰减权重归一化计算中的求和编号;
25、
26、其中:表示候选方向的静态风险预见值;表示第
k个前向观测位置的距离衰减权重;和表示归一化后的静态风险值;
27、
28、其中:分别表示候选方向的动态风险预见值;表示归一化后的动态风险值;
29、
30、
31、其中:表示候选方向的双概率综合预见值;和分别表示静态风险与动态风险的融合权重。
32、沿候选扩展方向设置多个前向观测位置,分别获取静态风险概率和动态风险概率,并根据观测距离配置衰减权重,形成静态风险预见值、动态风险预见值及双概率综合预见值。双概率预见结果直接参与候选节点筛选、扩展方向排序、父节点选择和连接边评价,使风险信息由路径生成后的评价指标转变为搜索过程中的主动决策依据,从而提前规避高风险聚集区域、风险突变区域及低连通区域。
33、作为本技术方案的进一步限定,所述s3的具体步骤为:
34、s31:首先解析三维空域的体素连通关系,并从起点端和终点端同步开展确定性连通扩展;
35、s32:当两端连通波前建立接续关系后,回溯生成一条满足空间通行条件的连通引导路径;
36、s33:分别以任务起点和任务终点为根节点建立正向搜索树与反向搜索树;算法采用批量候选节点生成机制;
37、对于每个候选节点,在其邻域父节点集合中执行多父节点竞争,选择综合扩展代价最小的节点作为候选节点的最优父节点,即:
38、
39、其中:表示当前待连接的候选节点;表示候选节点邻域内满足连接距离要求及连续空间约束的候选父节点集合;表示集合中的任一候选父节点;表示综合扩展代价最小的最优父节点;表示当前搜索树根节点至候选父节点的累计路径代价;表示连接节点与候选节点的线段综合代价;表示由节点指向候选节点的单位扩展方向;表示双概率预见项的调节系数;表示节点在当前搜索树中的父节点;表示节点、节点与候选节点所形成的转弯变化惩罚;表示转弯变化惩罚项的调节系数;
40、s34:正向搜索树和反向搜索树按照批次交替扩展,并根据当前连接状态动态调整候选节点规模和树间连接范围,选择综合接续代价最小的节点对建立双树接续,即:
41、
42、其中:表示以任务起点为根节点建立的正向搜索树;表示以任务终点为根节点建立的反向搜索树;表示正向搜索树中的候选接续节点;表示反向搜索树中的候选接续节点;和分别表示综合接续代价最小时所确定的正向最优接续节点和反向最优接续节点;和分别表示节点和节点的物理坐标;表示两个候选接续节点之间的物理距离;表示允许建立双树接续的最大接续距离;表示节点与节点之间连接线段覆盖的有限体素集合;表示允许通行的体素空间;表示候选接续线段覆盖的全部体素均属于允许通行空间;表示任务起点沿正向搜索树到达节点的累计路径代价;表示节点沿反向搜索树到达任务终点的累计路径代价;表示候选接续线段的综合边代价;表示候选接续线段分别与正向树末端线段和反向树末端线段之间的方向变化惩罚;表示接续方向变化惩罚项的调节系数。
43、在执行双向树搜索前,从任务起点端和任务终点端同步解析三维体素空间的连通关系,并回溯生成满足空间通行条件的确定性连通骨架,用于验证起终点之间的空间可达性并为后续搜索提供路径结构参照。在此基础上,分别以任务起点和任务终点为根节点建立正向搜索树和反向搜索树,每轮批量生成局部扩展样本、连通骨架邻域样本、质量偏置样本和空间覆盖样本,并通过多父节点竞争确定候选节点的最优连接关系。当两棵搜索树逐步接近时,在满足接续距离和连接线段连续通行约束的候选节点对中,综合起点侧累计代价、接续线段代价、终点侧累计代价及接续方向变化,确定最优接续节点对,从而提高复杂三维空间中的有效扩展比例、狭窄通道穿越能力及起终点连接效率。
44、作为本技术方案的进一步限定,所述s4的具体步骤为:
45、s41:对主路径中的非相邻节点开展跨节点连接分析,
46、s42:以压缩路径为中心构建三阶体素邻域走廊,以压缩路径中的参考体素节点为中心建立三阶体素邻域,三阶体素邻域的候选位移向量集合、候选重连节点及路径重连接受条件表示为:
47、
48、其中:表示三阶体素邻域中的候选体素位移向量集合;表示以体素数量为单位的三维整数位移向量;表示三维整数坐标空间;表示位移向量的三个坐标分量绝对值中的最大值;表示候选位移沿三个坐标方向均不超过三个体素;表示排除不产生位置变化的零位移向量;
49、
50、其中:表示候选体素位移向量的数量;
51、
52、其中:表示待优化路径区段中的参考体素节点;表示由参考体素节点按照候选位移向量生成的候选重连体素节点;
53、
54、其中:和表示局部路径区段的前后端点编号,且满足;和分别表示原局部路径区段的前端点和后端点;表示原路径中由节点至节点构成的局部路径区段;表示由节点、候选重连节点及节点构成的候选重连路径区段;
55、
56、其中:和分别表示两条候选连接线段覆盖的有限体素集合;和分别表示重连前后局部路径区段的综合评价值;
57、s42:以路径中间节点作为可调控制点,在受限空间范围内生成多组随机扰动轨迹,并对每组候选轨迹进行综合评价,根据候选轨迹之间的相对性能构建指数型权重,对控制点位置实施加权更新;
58、第轮路径积分校正中的当前控制点为,通过随机扰动生成多组候选控制点,并从满足连续空间约束的候选轨迹中计算指数型权重,候选控制点生成及加权更新关系表示为:
59、
60、
61、其中:表示当前路径包含的控制点总数,和分别表示第轮路径的任务起点和任务终点;表示内部控制点编号;表示每轮生成的候选轨迹总数;表示候选轨迹编号;表示对第个控制点施加第组随机扰动后生成的候选控制点;表示第轮中作用于第个控制点的第组随机扰动向量;表示均值向量为零、协方差矩阵为的多元正态分布;表示第轮随机扰动的协方差矩阵;表示局部有效位置映射算子;
62、
63、其中:表示第轮由第组候选控制点以及保持固定的任务起点和任务终点共同构成的候选轨迹;和分别表示第r轮路径的任务起点和任务终点,且在路径积分校正过程中保持固定;
64、
65、其中:表示候选轨迹的连续可行性判定结果;表示第轮中通过体素级连续可行性检测的有效候选轨迹编号集合;
66、
67、其中:表示第r轮有效候选轨迹中的最小综合评价值;表示第r轮第k条有效候选轨迹的综合评价值;
68、
69、其中:表示第轮的路径积分温度参数;表示第条有效候选轨迹的归一化指数权重;表示指数权重归一化分母中的候选轨迹求和编号;表示第
r轮第
l条有效候选轨迹的综合评价值;
70、
71、
72、其中:表示根据全部有效候选控制点加权计算得到的第轮候选更新控制点。
73、对双向树搜索生成的主路径依次实施严格捷径压缩、三阶体素邻域走廊重连和约束路径积分校正。严格捷径压缩用于删除中间冗余节点;三阶体素邻域利用342个候选体素位移向量生成候选重连节点,以修正局部绕行、折返结构及非必要高度变化;约束路径积分校正通过随机扰动、有效候选轨迹筛选和指数加权更新控制点位置。各阶段仅在候选路径满足连续通行约束且综合评价得到改善时接受更新,从而实现由路径拓扑压缩、局部离散重构到控制点精细校正的递进式优化。
74、作为本技术方案的进一步限定,所述s5的具体步骤为:
75、待验证路径为,表示路径包含的节点总数;表示路径中的第个节点;路径节点和节点间完整连接线段的体素级连续可行性判定函数表示为:
76、
77、
78、其中:表示任一待判定体素;表示允许通行体素空间的示性函数,当体素属于时取值为1,当体素不属于时取值为0;
79、
80、其中:表示相邻路径节点与之间连接线段依次覆盖的有限体素集合;表示集合中的任一覆盖体素;表示待验证路径的体素级连续可行性判定结果;当时,判定待验证路径满足体素级连续可行性要求;当时,判定待验证路径不满足体素级连续可行性要求。
81、与相关技术相比较,本发明提供的基于双概率预见双向树优化的无人机三维路径规划方法具有如下有益效果:
82、(1)本发明提出的双概率预见双向树优化算法,通过静态风险概率与动态风险概率的联合预见,对候选扩展方向及其前方区域的风险变化进行综合评价,引导搜索过程避开高风险区域和低连通区域;通过起点树与终点树的双向扩展,提高复杂三维空间中的路径连接效率和全局搜索能力;通过路径压缩、体素邻域重连及约束路径积分校正,减少路径冗余,改善局部几何结构和转弯特性;在路径扩展、树间连接及局部优化过程中,对路径节点和节点间连接线段实施统一的体素级可行性检测,防止优化后的路径穿越不可通行区域。
83、(2)双概率前向感知的主动避险优势:现有方法通常依据当前节点、候选节点或局部邻域的即时风险确定搜索方向,难以提前识别候选方向前方的风险集中区域和风险突变区域。本发明通过静态风险概率和动态风险概率的独立表征及联合前向预见,在路径节点扩展前对候选方向的连续风险变化进行评价,并将双概率预见结果直接用于节点筛选、父节点选择和连接边评价,使风险信息由路径生成后的被动评价依据转变为搜索过程中的主动决策信息,有利于减少搜索树进入高风险区域和低连通区域的概率。
84、(3)连通先验增强的高效稳定搜索优势:现有单向搜索或均匀随机采样方法对三维空域连通结构和已有路径信息利用不足,在狭窄通道、复杂边界及障碍密集区域容易产生大量无效样本。本发明首先生成确定性连通骨架,为双向树搜索提供可达性验证和路径结构参照;随后结合多类型批量候选节点生成、多父节点竞争及综合接续代价判定,分别从任务起点端和任务终点端协同建立路径连接,从而提高有效候选节点的利用率、双树接续概率和复杂通道穿越能力,并降低初始路径发现对随机采样结果的依赖。
85、(4)多尺度递进优化的路径质量提升优势:现有路径后处理方法多以减少节点数量或缩短路径长度为主要目标,容易忽略路径风险、边界邻近程度、高度变化和连接线段通行状态。本发明依次采用严格捷径压缩、三阶体素邻域走廊重连和约束路径积分校正,对路径拓扑、局部构型和控制点位置进行递进式优化,并在各阶段同时验证路径节点及节点间连接线段覆盖的完整体素序列。只有候选路径满足连续通行约束且综合评价得到改善时才接受更新,从而减少路径冗余、局部绕行、突变转角和非必要高度变化,并防止优化后的连接线段穿越不可通行区域,保证最终路径具有较好的连续可行性和实际飞行执行条件。
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