CN111966125B - 一种基于改进人工势场的无人机航迹避障重构方法 - Google Patents
一种基于改进人工势场的无人机航迹避障重构方法 Download PDFInfo
- Publication number
- CN111966125B CN111966125B CN202010831608.4A CN202010831608A CN111966125B CN 111966125 B CN111966125 B CN 111966125B CN 202010831608 A CN202010831608 A CN 202010831608A CN 111966125 B CN111966125 B CN 111966125B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- target object
- force
- obstacle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001154 acute effect Effects 0.000 claims abstract description 9
- 230000004888 barrier function Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及无人机航迹规划技术领域,公开了一种基于改进人工势场的无人机航迹避障重构方法,通过构建无人机飞行过程中的虚拟人工势场和无人机的避障边界,虚拟人工势场包括目标物对无人机的引力场和障碍物对无人机的斥力场,使无人机由目标物对无人机的吸引力F1与障碍物对无人机的排斥力F2的矢量和F牵引无人机飞行;当矢量和F与F1之间的夹角大于90°时,通过选取一个虚拟点S计算虚拟点S对无人机的吸引力与排斥力F2的矢量和F′,使F′与F1之间的夹角为锐角,由F′提供无人机的牵引力飞行,直至无人机逃离障碍物或矢量和F与F1之间的夹角为锐角后,解除虚拟点S的牵引力,并重新由矢量和F提供无人机的牵引力飞行,直至无人机到达目标物。
Description
技术领域
本发明涉及无人机航迹规划技术领域,具体涉及一种基于改进人工势场的无人机航迹避障重构方法。
背景技术
人工势场法的基本原理就是将无人机假设成一个点,该点在一个虚拟力场中运动,虚拟力场是由目标物对无人机的引力场和障碍物对无人机的斥力场组成。引力场由目标物产生,斥力场是由所有的障碍物产生的和力场组成。因此,人工势场法的势场函数定义为引力场与斥力场的矢量和。
传统的人工势场只考虑了无人机在吸引力和排斥力的合力作用下飞行的情况,但是当无人机所受引力与斥力大小相等、方向相反时,无人机所受合力为0,此时无人机陷入了局部极小值点。在局部极小值点周围的各个位置的合力都指向局部极小值,导致无人机在局部极小值点周围振荡,无法自行走出该区域。
此外,当无人机飞行过程中靠近障碍物后,障碍物对无人机的排斥力越来越大,使得合力与原目标物对无人机产生的吸引力之间的夹角为钝角,此时无人机朝远离目标物的方向飞行,无人机无法避开障碍物飞向目标物。
发明内容
基于以上问题,本发明提供一种基于改进人工势场的无人机航迹避障重构方法,通过构建无人机飞行过程中的虚拟人工势场和无人机的避障边界,虚拟人工势场包括目标物对无人机的引力场和障碍物对无人机的斥力场,使无人机由目标物对无人机的吸引力F1与障碍物对无人机的排斥力F2的矢量和F牵引无人机飞行;当矢量和F与F1之间的夹角大于90°时,通过选取一个虚拟点S计算虚拟点S对无人机的吸引力与排斥力F2的矢量和F′,使F′与F1之间的夹角为锐角,由F′提供无人机的牵引力飞行,直至无人机逃离障碍物或矢量和F与F1之间的夹角为锐角后,解除虚拟点S的牵引力,并重新由矢量和F提供无人机的牵引力飞行,直至无人机到达目标物。
为解决以上技术问题,本发明采用的技术方案是:
一种基于改进人工势场的无人机航迹避障重构方法,包括如下步骤:
S1、获取无人机初始位置与目标物,获得无人机的初始航向轨迹,并建立目标物对无人机虚拟等效人工势场,使无人机在目标物的吸引力F1作下驱动无人机向目标物飞行,吸引力F1的大小为K1为引力增益常数,为无人机与目标物之间的初始距离;
S2、利用无人机视野获取目标物与无人机之间的障碍物信息,以无人机为中心,建立半径为R的无人机的避障边界;
S3、无人机飞行过程中遇到障碍物,当障碍物触及到无人机的避障边界时,建立障碍物对无人机的排斥力F2,排斥力的大小与无人机距障碍物的距离关系为:
其中F2的方向由障碍物指向无人机方向,K2为斥力常数,d为无人机与障碍物之间的距离;此时无人机的虚拟等效人工势场对无人机的作用力为目标物对无人机的吸引力与障碍物对无人机的排斥力的矢量和F;
S4、当某一时刻矢量和F与F1之间的夹角大于90°时,即cos<F,F1>≤0,无人机无法避开障碍物飞向目标物;此时在无人机与目标物之间的连线相垂直且经过目标物的直线上随机选取一个虚拟点S,计算虚拟点S对无人机的吸引力与排斥力F2的矢量和F′,并判断cos<F1,F′>是否大于0,若cos<F1,F′>小于等于0,则重新选择随机点S并判断cos<F1,F′>是否大于0;若大于0则表示F′与F1之间的夹角为锐角,由F′提供无人机的牵引力飞行,直至无人机逃离障碍物或cos<F,F1>>0,此时解除虚拟点S的牵引力,并重新由矢量和F提供无人机的牵引力飞行,直至无人机到达目标物。
与现有技术相比,本发明的有益效果是:本发明通过构建无人机飞行过程中的虚拟人工势场和无人机的避障边界,虚拟人工势场包括目标物对无人机的引力场和障碍物对无人机的斥力场,使无人机由目标物对无人机的吸引力F1与障碍物对无人机的排斥力F2的矢量和F牵引无人机飞行;当矢量和F与F1之间的夹角大于90°时,通过选取一个虚拟点S计算虚拟点S对无人机的吸引力与排斥力F2的矢量和F′,若F′与F1之间的夹角为大于90°,则重新选取虚拟点S;若F′与F1之间的夹角为锐角,由F′提供无人机的牵引力飞行,直至无人机逃离障碍物或矢量和F与F1之间的夹角为锐角后,解除虚拟点S的牵引力,并重新由矢量和F提供无人机的牵引力飞行,直至无人机到达目标物。
附图说明
图1为实施例中基于改进人工势场的无人机航迹避障重构方法的流程图;
图2为实施例中基于改进人工势场的无人机航迹避障重构方法的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例:
参见图1,一种基于改进人工势场的无人机航迹避障重构方法,包括如下步骤:
S1、获取无人机初始位置与目标物,获得无人机的初始航向轨迹,并建立目标物对无人机虚拟等效人工势场,使无人机在目标物的吸引力F1作下驱动无人机向目标物飞行,吸引力F1的大小为K1为引力增益常数,为无人机与目标物之间的初始距离;
S2、利用无人机视野获取目标物与无人机之间的障碍物信息,以无人机为中心,建立半径为R的无人机的避障边界;
S3、无人机飞行过程中遇到障碍物,当障碍物触及到无人机的避障边界时,建立障碍物对无人机的排斥力F2,排斥力的大小与无人机距障碍物的距离关系为:
其中F2的方向由障碍物指向无人机方向,K2为斥力常数,d为无人机与障碍物之间的距离,实际飞行过程中存在多个障碍物时,F2为多个障碍物对无人机的排斥力的矢量和;此时无人机的虚拟等效人工势场对无人机的作用力为目标物对无人机的吸引力与障碍物对无人机的排斥力的矢量和F;
在本实施例中,通过虚拟人工势场,由目标物对无人机的引力场和障碍物对无人机的斥力场组成。引力场由目标物产生,斥力场是由所有的障碍物产生的和力场组成,当无人机与障碍物之间的距离小于等于避障边界时,障碍物对无人机产生排斥力;此时无人机飞行过程由目标物提供的吸引力和障碍物产生的排斥力的合力F使得无人机飞向目标物。
S4、当某一时刻矢量和F与F1之间的夹角大于90°时,即cos<F,F1>≤0,此时存在两种情况:
1)无人机所受引力与斥力大小相等、方向相反时,无人机所受合力为0,此时无人机陷入了局部极小值点。在局部极小值点周围的各个位置的合力都指向局部极小值,导致无人机在局部极小值点周围振荡,无法自行走出该区域;
2)当或者无人机飞行过程中靠近障碍物后,障碍物对无人机的排斥力越来越大,使得合力F与原目标物对无人机产生的吸引力F1之间的夹角为钝角,此时无人机朝远离目标物的方向飞行,无人机无法避开障碍物飞向目标物;
因此,当判断到cos<F,F1>≤0时,在无人机与目标物之间的连线相垂直且经过目标物的直线上随机选取一个虚拟点S,如图2所示,图中矩形表示目标物,圆形表示障碍物;计算虚拟点S对无人机的吸引力与排斥力F2的矢量和F′,并判断cos<F1,F′>是否大于0,若cos<F1,F′>小于等于0,则重新选择随机点S并判断cos<F1,F′>是否大于0;若大于0则表示F′与F1之间的夹角为锐角,由F′提供无人机的牵引力飞行,直至无人机逃离障碍物或cos<F,F1>>0,此时解除虚拟点S的牵引力,并重新由矢量和F提供无人机的牵引力飞行,直至无人机到达目标物。
如上即为本发明的实施例。上述实施例以及实施例中的具体参数仅是为了清楚表述发明验证过程,并非用以限制本发明的专利保护范围,本发明的专利保护范围仍然以其权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (1)
1.一种基于改进人工势场的无人机航迹避障重构方法,其特征在于,包括如下步骤:
S1、获取无人机初始位置与目标物,获得无人机的初始航向轨迹,并建立目标物对无人机虚拟等效人工势场,使无人机在目标物的吸引力F1作下驱动无人机向目标物飞行,吸引力F1的大小为K1为引力增益常数,为无人机与目标物之间的初始距离;
S2、利用无人机视野获取目标物与无人机之间的障碍物信息,以无人机为中心,建立半径为R的无人机的避障边界;
S3、无人机飞行过程中遇到障碍物,当障碍物触及到无人机的避障边界时,建立障碍物对无人机的排斥力F2,排斥力的大小与无人机距障碍物的距离关系为:
其中F2的方向由障碍物指向无人机方向,K2为斥力常数,d为无人机与障碍物之间的距离;此时无人机的虚拟等效人工势场对无人机的作用力为目标物对无人机的吸引力与障碍物对无人机的排斥力的矢量和F;
S4、当某一时刻矢量和F与F1之间的夹角大于90°时,即cos<F,F1>≤0,无人机无法避开障碍物飞向目标物;此时在无人机与目标物之间的连线相垂直且经过目标物的直线上随机选取一个虚拟点S,计算虚拟点S对无人机的吸引力与排斥力F2的矢量和F′,并判断cos<F1,F′>是否大于0,若cos<F1,F′>小于等于0,则重新选择随机点S并判断cos<F1,F′>是否大于0;若大于0则表示F′与F1之间的夹角为锐角,由F′提供无人机的牵引力飞行,直至无人机逃离障碍物或cos<F,F1>>0,此时解除虚拟点S的牵引力,并重新由矢量和F提供无人机的牵引力飞行,直至无人机到达目标物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010831608.4A CN111966125B (zh) | 2020-08-18 | 2020-08-18 | 一种基于改进人工势场的无人机航迹避障重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010831608.4A CN111966125B (zh) | 2020-08-18 | 2020-08-18 | 一种基于改进人工势场的无人机航迹避障重构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111966125A CN111966125A (zh) | 2020-11-20 |
CN111966125B true CN111966125B (zh) | 2022-11-11 |
Family
ID=73388798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010831608.4A Active CN111966125B (zh) | 2020-08-18 | 2020-08-18 | 一种基于改进人工势场的无人机航迹避障重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111966125B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534841A (zh) * | 2021-07-29 | 2021-10-22 | 北京航空航天大学 | 一种无人飞行器避障路径规划算法、路径规划算法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107885209A (zh) * | 2017-11-13 | 2018-04-06 | 浙江工业大学 | 一种基于动态窗口与虚拟目标点的避障方法 |
CN109358637A (zh) * | 2018-05-25 | 2019-02-19 | 武汉科技大学 | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 |
CN109434836A (zh) * | 2018-12-14 | 2019-03-08 | 浙江大学 | 一种结合球树模型的机械手人工势场空间路径规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9174672B2 (en) * | 2013-10-28 | 2015-11-03 | GM Global Technology Operations LLC | Path planning for evasive steering maneuver in presence of target vehicle and surrounding objects |
US9199668B2 (en) * | 2013-10-28 | 2015-12-01 | GM Global Technology Operations LLC | Path planning for evasive steering maneuver employing a virtual potential field technique |
-
2020
- 2020-08-18 CN CN202010831608.4A patent/CN111966125B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107885209A (zh) * | 2017-11-13 | 2018-04-06 | 浙江工业大学 | 一种基于动态窗口与虚拟目标点的避障方法 |
CN109358637A (zh) * | 2018-05-25 | 2019-02-19 | 武汉科技大学 | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 |
CN109434836A (zh) * | 2018-12-14 | 2019-03-08 | 浙江大学 | 一种结合球树模型的机械手人工势场空间路径规划方法 |
Non-Patent Citations (4)
Title |
---|
Advanced_Angle_Field_Weakening_Control_Strategy_of_Permanent_Magnet_Synchronous_Motor;Tao Deng;《IEEE Transactions on Vehicular Technology》;20190214;全文 * |
Mobile_Robot_Path_Planning_Based_on_Improved_Artificial_Potential_Field_Method;Wang Siming;《2018 IEEE International Conference of Intelligent Robotic and Control Engineering (IRCE)》;20180827;全文 * |
基于LVQ工况识别的混合动力汽车自适应能量管理控制策略;邓涛;《中国机械工程》;20160131;全文 * |
基于视觉导航AGV的定位技术与路径规划研究;王雨;《中国优秀硕士学位论文库 信息科技辑》;20190715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111966125A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210397961A1 (en) | Method and system for training autonomous driving agent on basis of deep reinforcement learning | |
JP6987508B2 (ja) | 形状推定装置及び方法 | |
CN109358637B (zh) | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 | |
CN109101694B (zh) | 一种安全疏散标志引导的人群行为仿真方法及*** | |
CN105740514B (zh) | 一种大规模人群疏散计算机仿真***及其方法 | |
CN111381600B (zh) | 一种基于粒子群算法的uuv路径规划方法 | |
Polvara et al. | Autonomous vehicular landings on the deck of an unmanned surface vehicle using deep reinforcement learning | |
De Croon et al. | Sky segmentation approach to obstacle avoidance | |
CN109062252A (zh) | 基于人工势场法的四旋翼无人机集群控制方法及其装置 | |
Fassbender et al. | Trajectory planning for car-like robots in unknown, unstructured environments | |
CN111966125B (zh) | 一种基于改进人工势场的无人机航迹避障重构方法 | |
CN112904848A (zh) | 一种基于深度强化学习的移动机器人路径规划方法 | |
US11928585B2 (en) | Neural network architecture for small LIDAR processing networks for slope estimation and ground plane segmentation | |
CN108981714B (zh) | 一种无人机路径规划和可行性分析方法 | |
CN112947571A (zh) | 一种人工势场和虚拟领航者的无人机编队形成和保持方法 | |
Wang et al. | End-to-end self-driving approach independent of irrelevant roadside objects with auto-encoder | |
KR102372687B1 (ko) | 비최대값 억제를 학습하는 병합 네트워크를 이용한 이종 센서 융합을 위한 학습 방법 및 학습 장치 | |
CN108196540A (zh) | 一种利用二阶梯度信息改善人工物理避障轨迹平滑度的方法 | |
CN114442628A (zh) | 基于人工势场法的移动机器人路径规划方法、装置及*** | |
CN113220008A (zh) | 多火星飞行器的协同动态路径规划方法 | |
CN117075612A (zh) | 一种基于改进可视图的快速路径规划与基于esdf地图的轨迹优化方法 | |
Ladosz et al. | Autonomous Landing on a Moving Platform Using Vision-Based Deep Reinforcement Learning | |
CN116339321A (zh) | 一种基于5g通信的全局信息驱动的分布式多机器人强化学习编队合围方法 | |
Adler et al. | Towards autonomous airborne mapping of urban environments | |
Guerra et al. | Flightgoggles: A modular framework for photorealistic camera, exteroceptive sensor, and dynamics simulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |