CN112099521A - 一种无人机路径规划方法及装置 - Google Patents
一种无人机路径规划方法及装置 Download PDFInfo
- Publication number
- CN112099521A CN112099521A CN202011074815.6A CN202011074815A CN112099521A CN 112099521 A CN112099521 A CN 112099521A CN 202011074815 A CN202011074815 A CN 202011074815A CN 112099521 A CN112099521 A CN 112099521A
- Authority
- CN
- China
- Prior art keywords
- path
- unmanned aerial
- aerial vehicle
- node
- hexagonal grid
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013138 pruning Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 abstract description 20
- 238000005457 optimization Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 17
- 230000009191 jumping Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明实施例提供一种无人机路径规划方法、装置、电子设备及存储介质,所述方法包括:基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;基于所述六边形网格空间模型对无人机路径进行规划。通过建立六边形网格空间模型,并基于六边形网格空间模型以及改进的六边形变化网格策略下的剪枝规则对无人机的路径进行规划,提高了无人机路径规划的效率以及对无人机路径的优化效果。
Description
技术领域
本发明涉及无人机技术领域,尤其涉及一种无人机路径规划方法及装置。
背景技术
无人机是无需飞行员驾驶,通过飞行控制***中的路径规划器自主控制或远程操作控制的一类飞行器,具有载荷能力强、机动能力强、空间利用率高及高空长航时(HighAltitude Long Endurance,HALE)等显著优势。目前扩大无人机的实际应用场景的首要条件是确保无人机具有自主无碰撞飞行规划的能力以保障地面上公众的安全。
无人机飞行场景下的静态路径规划是根据确定环境信息提前进行的航迹预规划,航程是静态路径预规划任务中的重要考虑因素,无人机由于有限的载重能力所携带燃油量有限,而燃油消耗量大体上正比于飞行航程。当无人机保持匀速状态飞行时,航程越短意味着执行任务所需时间越短。因此,航程是无人机路径规划问题重要优化目标,因此,为了使规划路径具有可飞行性和实际参考意义,需要满足无人机自身机动性能限制、计算性能限制以及外部环境约束。
现有技术中,通常采用的无人机路径规划算法主要包括Dubins路径、Clothoid路径以及PH路径方法,以及使用无人机威胁和障碍物回避算法。但是,现有技术存在着路径规划效率低、优化效果较差的问题。
发明内容
本发明实施例提供一种无人机路径规划方法、装置、电子设备及存储介质,用以解决现有技术中路径规划效率低、优化效果较差的缺陷,实现路径规划效率的提高,优化效果提高的技术效果。
本发明实施例提供一种无人机路径规划方法,包括:
基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;
基于所述六边形网格空间模型对无人机路径进行规划。
根据本发明一个实施例的无人机路径规划方法,所述基于所述六边形网格空间模型对无人机路径进行规划,具体包括:
获取无人机的出发位置在所述六边形网格空间模型的出发点,和无人机的目的位置在所述六边形网格空间模型的目的点;
基于所述出发点和所述目的点,通过预设的六边形网格策略下的剪枝算法对无人机路径进行规划。
根据本发明一个实施例的无人机路径规划方法,所述通过预设的六边形网格策略下的剪枝算法对无人机路径进行规划,具体包括:
以所述六边形网格空间模型中的每个等高六棱柱作为一个节点;
根据所述预设的六边形网格策略下的剪枝算法,从所述出发点开始向所述目的点剪除冗余节点;
将所述出发点和所述目的点之间剩下的节点连接起来,获取对无人机规划的路径。
根据本发明一个实施例的无人机路径规划方法,所述从所述出发点开始向所述目的点剪除冗余节点,具体包括:
在所述出发点和所述目的点之间的方向上选择靠近所述出发点的节点作为当前节点,以所述出发点为父节点,以所述当前节点周围的节点作为待定节点;
将所述父节点通过所述当前节点与所述待定节点连接起来,获取所述父节点与所述待定节点之间的第一路径;
将所述父节点直接或通过其他节点与所述待定节点连接起来,获取所述父节点与所述待定节点之间的第二路径;
基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点。
根据本发明一个实施例的无人机路径规划方法,所述基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点,具体包括:
当所述第二路径中不存在障碍物时,剪除第一路径长度大于第二路径长度的所述待定节点,以及第一路径长度等于第二路径长度且所述第二路径从父节点开始首先通过对角方向的所述待定节点;所述第一路径长度为所述第一路径的长度;所述第二路径长度为所述第二路径的长度。
根据本发明一个实施例的无人机路径规划方法,所述基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点,具体包括:
当所述第二路径中存在障碍物时,当所述第一路径长度大于或等于所述第二路径长度时,保留所述第二路径对应的待定节点。
本发明实施例还提供一种无人机路径规划装置,包括:
模型建立模块,用于基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;
路径规划模块,用于基于所述六边形网格空间模型对无人机路径进行规划。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述一种无人机路径规划方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述一种无人机路径规划方法的步骤。
本发明实施例提供的一种无人机路径规划方法、装置、电子设备及存储介质,通过建立六边形网格空间模型,并基于六边形网格空间模型以及改进的六边形变化网格策略下的剪枝规则对无人机的路径进行规划,提高了无人机路径规划的效率以及对无人机路径的优化效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的JPS算法剪枝、跳点规则示意图;
图2是本发明实施例提供的CV-JPS算法流程图;
图3是本发明实施例提供的六边形网格策略的基本动作示意图;
图4是本发明实施例提供的六边形变化网格中“直线”、“对角线”方向的剪枝、跳点规则示意图;
图5是本发明实施例提供的3D空间中基于六边形变化网格的剪枝和跳点规则示意图;
图6是本发明实施例提供的一种无人机路径规划方法的流程示意图;
图7是本发明实施例提供的一种无人机路径规划装置的结构示意图;
图8是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本方法借鉴JPS算法的剪枝规则和跳点方式消除对称路径,从而在保持路径最优性的同时降低了算法复杂度,并将应用环境扩展到3D空间使之适用于3D环境中的路径规划问题。
本方法中主要借鉴JPS(Jump Point Search)算法中剪枝、跳点规则消除对称路径,降低算法复杂度。JPS算法是Harabor和Grastien在2012年提出,在A*算法的基础上,JPS算法通过增加剪枝和跳点方式识别并消除对称路径,在保证路径搜索最优性的同时提高了路径搜索效率,适用于二维平面的路径规划。JPS算法并不扩展所有可到达的节点,而是只扩展可能存在方向转变的跳点,剪枝规则可以表述为:
1)若当前节点x的父节点p和扩展节点n之间存在其他路径长度小于当前路径L=(p,x,n),即存在节点y,使路径l=(p,y,n)或l=(p,n)长度小于路径L=(p,x,n),则舍弃节点n;
2)若当前节点x的父节点p和扩展节点n之间存在长度相同的多条路径,即存在节点y,使路径l=(p,y,n)长度等于当前路径L=(p,x,n)长度,且路径l比路径L先使用对角方向扩展路径,则舍弃节点n。
图1是本发明实施例提供的JPS算法剪枝、跳点规则示意图,如图1所示,在正方形网格中,节点扩展分为直线方向和对角方向。剪枝原理如示意图(a)和(b)所示。在直线方向上,如示意图(a),x是当前节点,4为父节点,节点1、2、3、6、7、8均被舍弃,因为由节点4直接扩展至节点1、2、6、7的距离小于节点4经过节点x再到节点1、2、6、7的距离。由节点4—2—3组成的路径(4,2,3)、节点4—x—3组成的路径(4,x,3)长度相同,路径(4,2,3)更显通过对角方向,舍弃节点3,同理舍弃节点8,因此,直线方向上经过剪枝,只扩展至节点5。同样的,在对角方向上,如示意图(b),可扩展节点2、3、5。当节点扩展过程中遇到障碍物则需要使用跳点规则搜索路径,如示意图(c),在直线方向上,只扩展节点5,但是当节点2所在网格位置被障碍物阻塞时,由节点4—2—3组成的路径(4,2,3)是无法通过的,所以此时不能舍弃节点3,规定节点3为不能被剪枝的强迫邻居。同理,如示意图(d),当节点4所在网格被阻塞时,节点1为不能被剪枝的强迫邻居。
图2是本发明实施例提供的CV-JPS(Cell-varying Strategy-Jump PointSearch)算法流程图,如图2所示,首先,根据无人机最小步长、飞行高度和速度的机动性能和环境限制,使用基于栅格的空间划分方式对规划环境进行建模和相应的数学表达对无人机路径规划***进行建模。随后,根据无人机的偏航率、俯仰率限制,提出了六边形变化网格策略,实现了无人机的约束限制条件和路径规划的紧密结合。
静态障碍物所在区域为不可飞行区域,在3D坐标系中可以表示为:
其中xobs,yobs,zobs表示静态障碍物的中心位置,P表示3D空间中无人机规划环境,Γ(P)≤1表示无人机位于静态障碍物的内部区域位置,Γ(P)>1则表示在障碍物外部区域。障碍物的大小和形状由参数a,b,c,p,q,σ共同决定。无人机自身机动性能限制和外部环境限制主要包括最大俯仰率最小步长Lmin、最小转弯半径rmin、飞行高度h和速度V等限制条件,如式3-5所示。若表示无人机第i个航迹节点到第i+1个航迹节点的段路径,无人机的总体飞行路径可以表示为:
设定无人机第i个航迹节点到第i+1个航迹节点的段路径长度为若V表示无人机水平坐标面内的速度,v表示无人机垂直方向的速度,Δti为在无人机第i个航迹节点到第i+1个航迹节点的飞行时间,无人机的段航程可以记作:
针对上述航程优化问题的求解首先需要确定规划环境空间划分方法。基于栅格法的空间划分方式可以通过调整栅格划分精度保证路径规划精度,而且可以更好的结合无人机受到的约束限制条件。例如,考虑最小步长的限制Li>lmin,若规定无人机的最小步长近似等于无人机1s时间内的飞行距离,一架以130km/h匀速飞行的无人机,即飞行速度为36m/s,则Lmin近似为36m,在36km长度的规划空间中飞行,保证网格数量不多于1000个,则可以满足最小步长的限制。
考虑无人机最小转弯半径限制,如式6所示:
由式9,最小转弯半径rmin可以表示为:
对于栅格的设置要考虑偏航率、俯仰率的取值范围。对于水平坐标面上以四边形为基础的网格中,每次转向角度的变化均为45°,偏航率为45°/s,超出了偏航率的限制范围。因此,提出了基于六边形变化网格的策略,以满足无人机动态变量的范围约束,六边形变化网格策略的基本动作空间如图3所示,图3是本发明实施例提供的六边形网格策略的基本动作示意图。
图4是是本发明实施例提供的六边形变化网格中“直线”、“对角线”方向的剪枝、跳点规则示意图,如图4所示,
在六边形变化网格策略基础上借鉴JPS剪枝、跳点方式的思想,如图4(a)-(d),经改进的六边形变化网格策略下的剪枝规则可以表述为:
a)若当前节点x的父节点p和扩展节点n之间存在其他路径长度小于当前路径π=<p,x,n>,即存在节点y,使路径π'=<p,y,n>或π'=<p,n>长度小于路径π=<p,x,n>,则舍弃节点n;
b)若当前节点x的父节点p和扩展节点n之间存在长度相同的多条路径,即存在节点y,使路径π'=<p,y,n>长度等于当前路径π=<p,x,n>长度,且路径π'比路径π先使用直线方向扩展路径,则舍弃节点n。
图5是本发明实施例提供的3D空间中基于六边形变化网格的剪枝和跳点规则示意图,如图5所示,将图4中的二维平面内基于六边形变化网格策略VC-JPS(Cell-varyingStrategy-Jump Point Search)扩展至3D应用空间,使其可以应用于3D环境中的无人机静态路径规划任务中就获取3D空间中基于六边形变化网格的剪枝和跳点规则。
图6是本发明实施例提供的一种无人机路径规划方法的流程示意图,如图6所示,具体包括:
步骤601、基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;
具体地,基于本发明实施例提供的经改进的六边形变化网格策略下的剪枝规则,基于无人机的出发位置和目的位置建立六边形网格空间模型。六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每层六边形网格空间子模型是等边长和登高的,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成。
通过建立六边形网格空间模型,并基于六边形网格空间模型以及改进的六边形变化网格策略下的剪枝规则对无人机的路径进行规划,进而提高无人机路径规划的效率以及对无人机路径的优化效果。
步骤602、基于所述六边形网格空间模型对无人机路径进行规划。
具体地,基于六边形网格空间模型,通过改进的六边形变化网格策略下的剪枝规则,对无人机路径进行规划和优化。
本发明实施例提供的一种无人机路径规划方法,通过建立六边形网格空间模型,并基于六边形网格空间模型以及改进的六边形变化网格策略下的剪枝规则对无人机的路径进行规划,提高了无人机路径规划的效率以及对无人机路径的优化效果。
可选地,在上述各实施例的基础上,所述基于所述六边形网格空间模型对无人机路径进行规划,具体包括:
获取无人机的出发位置在所述六边形网格空间模型的出发点,和无人机的目的位置在所述六边形网格空间模型的目的点;
基于所述出发点和所述目的点,通过预设的六边形网格策略下的剪枝算法对无人机路径进行规划。
具体地,首先获取无人机的出发位置在所述六边形网格空间模型的出发点,和无人机的目的位置在所述六边形网格空间模型的目的点;所述出发点和目的点可以是同一平面的,也可以是不同水平面的。基于所述出发点和所述目的点,从出发点通过预设的六边形网格策略下的剪枝算法到目的点对无人机路径进行规划。
通过获取无人机的出发位置在所述六边形网格空间模型的出发点,和无人机的目的位置在所述六边形网格空间模型的目的点,并基于六边形网格空间模型以及改进的六边形变化网格策略下的剪枝规则对无人机的路径进行规划,提高了无人机路径规划的效率以及对无人机路径的优化效果。
可选地,在上述各实施例的基础上,其特征在于,
所述通过预设的六边形网格策略下的剪枝算法对无人机路径进行规划,具体包括:
以所述六边形网格空间模型中的每个等高六棱柱作为一个节点;
根据所述预设的六边形网格策略下的剪枝算法,从所述出发点开始向所述目的点剪除冗余节点;
将所述出发点和所述目的点之间剩下的节点连接起来,获取对无人机规划的路径。
具体地,首先以六边形网格空间模型中的每个等高六棱柱作为一个节点;根据预设的六边形网格策略下的剪枝算法,从出发点开始向所述目的点剪除冗余节点;剪除后的冗余节点不会构成对无人机规划的路径,将出发点和所述目的点之间剩下的节点连接起来,获取对无人机规划的路径。
通过预设的六边形网格策略下的剪枝算法,从出发点开始向所述目的点剪除冗余节点,并将出发点和所述目的点之间剩下的节点连接起来,获取对无人机规划的路径,提高了无人机路径规划的效率以及对无人机路径的优化效果。
可选地,在上述各实施例的基础上,其特征在于,所述从所述出发点开始向所述目的点剪除冗余节点,具体包括:
在所述出发点和所述目的点之间的方向上选择靠近所述出发点的节点作为当前节点,以所述出发点为父节点,以所述当前节点周围的节点作为待定节点;
将所述父节点通过所述当前节点与所述待定节点连接起来,获取所述父节点与所述待定节点之间的第一路径;
将所述父节点直接或通过其他节点与所述待定节点连接起来,获取所述父节点与所述待定节点之间的第二路径;
基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点。
具体地,定义出发点和目的点之间的方向上选择靠近出发点的节点作为当前节点,以出发点为父节点,以当前节点周围的节点作为待定节点;然后基于第一路径和第二路径,剪除待定节点中的冗余节点。
通过定义当前节点、父节点和待定节点,以及第一路径和第二路径,将预设的六边形网格策略下的剪枝算法应用到六边形网格空间模型中,获取对无人机规划的路径,提高了无人机路径规划的效率以及对无人机路径的优化效果。
可选地,在上述各实施例的基础上,其特征在于,所述基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点,具体包括:
当所述第二路径中不存在障碍物时,剪除第一路径长度大于第二路径长度的所述待定节点,以及第一路径长度等于第二路径长度且所述第二路径从父节点开始首先通过对角方向的所述待定节点;所述第一路径长度为所述第一路径的长度;所述第二路径长度为所述第二路径的长度。
具体地,当第二路径中不存在障碍物时,剪除第一路径长度大于第二路径长度的所述待定节点,以及第一路径长度等于第二路径长度且所述第二路径从父节点开始首先通过对角方向的所述待定节点。通过对角方向的所述待定节点是与通过直线方向的待定节点相对的方式。
通过对待定节点中的冗余节点的剪除,并将出发点和所述目的点之间剩下的节点连接起来,获取对无人机规划的路径,提高了无人机路径规划的效率以及对无人机路径的优化效果。
可选地,在上述各实施例的基础上,其特征在于,所述基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点,具体包括:
当所述第二路径中存在障碍物时,当所述第一路径长度大于或等于所述第二路径长度时,保留所述第二路径对应的待定节点。
具体地,与第二路径中不存在障碍物相对地,当第二路径中存在障碍物时,即使待定节点符合剪除的条件,由于障碍物的阻碍,也不剪除第二路径对应的待定节点。
通过保留当第二路径中存在障碍物时的第二路径对应的待定节点,获取对无人机规划的路径,并对路径进行优化,提高了无人机路径规划的效率以及对无人机路径的优化效果
图7是本发明实施例提供的一种无人机路径规划装置的结构示意图,如图7所示,具体包括:模型建立模块701,用于基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;路径规划模块702,用于基于所述六边形网格空间模型对无人机路径进行规划。
具体地,通过模型建立模块701建立六边形网格空间模型,并基于六边形网格空间模型以及改进的六边形变化网格策略下的剪枝规则对无人机的路径进行规划,进而提高无人机路径规划的效率以及对无人机路径的优化效果。路径规划模块702基于六边形网格空间模型,通过改进的六边形变化网格策略下的剪枝规则,对无人机路径进行规划和优化。
本发明实施例提供的一种无人机路径规划装置,通过建立六边形网格空间模型,并基于六边形网格空间模型以及改进的六边形变化网格策略下的剪枝规则对无人机的路径进行规划,提高了无人机路径规划的效率以及对无人机路径的优化效果。
图8示例了一种电子设备的实体结构示意图,如图8所示,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行一种无人机路径规划方法,该方法包括:基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;基于所述六边形网格空间模型对无人机路径进行规划。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的一种无人机路径规划方法,该方法包括:基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;基于所述六边形网格空间模型对无人机路径进行规划。
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的一种无人机路径规划方法,该方法包括:基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;基于所述六边形网格空间模型对无人机路径进行规划。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种无人机路径规划方法,其特征在于,包括:
基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;
基于所述六边形网格空间模型对无人机路径进行规划。
2.根据权利要求1所述的无人机路径规划方法,其特征在于,所述基于所述六边形网格空间模型对无人机路径进行规划,具体包括:
获取无人机的出发位置在所述六边形网格空间模型的出发点,和无人机的目的位置在所述六边形网格空间模型的目的点;
基于所述出发点和所述目的点,通过预设的六边形网格策略下的剪枝算法对无人机路径进行规划。
3.根据权利要求2所述的无人机路径规划方法,其特征在于,
所述通过预设的六边形网格策略下的剪枝算法对无人机路径进行规划,具体包括:
以所述六边形网格空间模型中的每个等高六棱柱作为一个节点;
根据所述预设的六边形网格策略下的剪枝算法,从所述出发点开始向所述目的点剪除冗余节点;
将所述出发点和所述目的点之间剩下的节点连接起来,获取对无人机规划的路径。
4.根据权利要求3所述的无人机路径规划方法,其特征在于,所述从所述出发点开始向所述目的点剪除冗余节点,具体包括:
在所述出发点和所述目的点之间的方向上选择靠近所述出发点的节点作为当前节点,以所述出发点为父节点,以所述当前节点周围的节点作为待定节点;
将所述父节点通过所述当前节点与所述待定节点连接起来,获取所述父节点与所述待定节点之间的第一路径;
将所述父节点直接或通过其他节点与所述待定节点连接起来,获取所述父节点与所述待定节点之间的第二路径;
基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点。
5.根据权利要求4所述的无人机路径规划方法,其特征在于,所述基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点,具体包括:
当所述第二路径中不存在障碍物时,剪除第一路径长度大于第二路径长度的所述待定节点,以及第一路径长度等于第二路径长度且所述第二路径从父节点开始首先通过对角方向的所述待定节点;所述第一路径长度为所述第一路径的长度;所述第二路径长度为所述第二路径的长度。
6.根据权利要求5所述的无人机路径规划方法,其特征在于,所述基于所述第一路径和所述第二路径,剪除所述待定节点中的冗余节点,具体包括:
当所述第二路径中存在障碍物时,当所述第一路径长度大于或等于所述第二路径长度时,保留所述第二路径对应的待定节点。
7.一种无人机路径规划装置,其特征在于,包括:
模型建立模块,用于基于无人机的出发位置和目的位置建立六边形网格空间模型;所述六边形网格空间模型由多个六边形网格空间子模型上下堆叠组成,每个六边形网格空间子模型由多个垂直于地面的等高六棱柱按蜂巢状排列组成;
路径规划模块,用于基于所述六边形网格空间模型对无人机路径进行规划。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述一种无人机路径规划方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述一种无人机路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011074815.6A CN112099521B (zh) | 2020-10-09 | 2020-10-09 | 一种无人机路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011074815.6A CN112099521B (zh) | 2020-10-09 | 2020-10-09 | 一种无人机路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112099521A true CN112099521A (zh) | 2020-12-18 |
CN112099521B CN112099521B (zh) | 2022-05-17 |
Family
ID=73782561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011074815.6A Expired - Fee Related CN112099521B (zh) | 2020-10-09 | 2020-10-09 | 一种无人机路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112099521B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657308A (zh) * | 2021-08-20 | 2021-11-16 | 北京市商汤科技开发有限公司 | 一种数据标注方法、装置、计算机设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及*** |
CN107330380A (zh) * | 2017-06-14 | 2017-11-07 | 千寻位置网络有限公司 | 基于无人机航拍影像的车道线自动提取和识别方法 |
CN107702723A (zh) * | 2017-11-27 | 2018-02-16 | 安徽工程大学 | 一种机器人路径规划方法、存储介质及设备 |
US20180120107A1 (en) * | 2015-09-09 | 2018-05-03 | Mitsubishi Electric Corporation | Navigation system and survey system |
CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
CN109032180A (zh) * | 2018-08-14 | 2018-12-18 | 深圳市烽焌信息科技有限公司 | 一种基于无人机的修剪方法 |
CN109656264A (zh) * | 2017-10-11 | 2019-04-19 | 波音公司 | 用于为飞行器生成到着陆地点的3d路径的计算机实施的方法和*** |
CN109739255A (zh) * | 2018-11-29 | 2019-05-10 | 北京航空航天大学 | 无人机的航行轨迹规划方法、装置及*** |
CN110210620A (zh) * | 2019-06-04 | 2019-09-06 | 北京邮电大学 | 一种用于深度神经网络的通道剪枝方法 |
CN111307153A (zh) * | 2020-02-26 | 2020-06-19 | 河海大学 | 基于六边形栅格地图的多auv任务分配与路径规划方法 |
CN111340296A (zh) * | 2020-02-21 | 2020-06-26 | 新大陆数字技术股份有限公司 | 蜂巢迷宫最短路径计算方法及蜂巢迷宫实训*** |
-
2020
- 2020-10-09 CN CN202011074815.6A patent/CN112099521B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180120107A1 (en) * | 2015-09-09 | 2018-05-03 | Mitsubishi Electric Corporation | Navigation system and survey system |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及*** |
CN107330380A (zh) * | 2017-06-14 | 2017-11-07 | 千寻位置网络有限公司 | 基于无人机航拍影像的车道线自动提取和识别方法 |
CN109656264A (zh) * | 2017-10-11 | 2019-04-19 | 波音公司 | 用于为飞行器生成到着陆地点的3d路径的计算机实施的方法和*** |
CN107702723A (zh) * | 2017-11-27 | 2018-02-16 | 安徽工程大学 | 一种机器人路径规划方法、存储介质及设备 |
CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
CN109032180A (zh) * | 2018-08-14 | 2018-12-18 | 深圳市烽焌信息科技有限公司 | 一种基于无人机的修剪方法 |
CN109739255A (zh) * | 2018-11-29 | 2019-05-10 | 北京航空航天大学 | 无人机的航行轨迹规划方法、装置及*** |
CN110210620A (zh) * | 2019-06-04 | 2019-09-06 | 北京邮电大学 | 一种用于深度神经网络的通道剪枝方法 |
CN111340296A (zh) * | 2020-02-21 | 2020-06-26 | 新大陆数字技术股份有限公司 | 蜂巢迷宫最短路径计算方法及蜂巢迷宫实训*** |
CN111307153A (zh) * | 2020-02-26 | 2020-06-19 | 河海大学 | 基于六边形栅格地图的多auv任务分配与路径规划方法 |
Non-Patent Citations (12)
Title |
---|
JIE JIA,等: ""An Improved JPS Algorithm in Symmetric Graph"", 《2015 THIRD INTERNATIONAL CONFERENCE ON ROBOT, VISION AND SIGNAL PROCESSING》 * |
PENGYU ZHAO,等: ""Optimal Trajectory Planning of Drones for 3D Mobile Sensing"", 《2018 IEEE GLOBAL COMMUNICATIONS CONFERENCE》 * |
XIAOBIN ZHOU,等: ""UAV Collision Avoidance Based on Varying Cells Strategy"", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEM》 * |
YIXUE FENG,等: ""UAV Trajectory Design for Obstacle Avoidance Based on Cell-varying JPS in Smart Cities"", 《2019 IEEE 90TH VEHICULAR TECHNOLOGY CONFERENCE(VTC2019-FALL)》 * |
于驷男,等: ""多无人机协同搜索区域分割与覆盖"", 《北京航空航天大学学报》 * |
李安醍,等: ""结合跳点引导的无人机随机搜索避撞决策方法"", 《航空学报》 * |
杜景林,等: ""WSANs中基于六边形分区的多中心编址服务发现算法"", 《计算机科学》 * |
杨斌: ""裸眼3D显示***中的虚拟角色路径规划设计与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
牛磊: ""受限环境下基于空间拓扑关系推理的三维路径规划研究"", 《中国博士学位论文全文数据库 基础科学辑》 * |
邱磊,等: ""基于跳点搜索算法的网格地图寻路"", 《中央民族大学学报( 自然科学版)》 * |
邱磊,等: ""跳点搜索算法的原理解释及性能分析"", 《新疆大学学报( 自然科学版)》 * |
马小陆,等: ""双向跳点搜索算法的移动机器人全局路径规划研究"", 《机械科学与技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657308A (zh) * | 2021-08-20 | 2021-11-16 | 北京市商汤科技开发有限公司 | 一种数据标注方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112099521B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9513125B2 (en) | Computing route plans for routing around obstacles having spatial and temporal dimensions | |
CN108958285B (zh) | 一种基于分解思想的高效多无人机协同航迹规划方法 | |
US20090210109A1 (en) | Computing Flight Plans for UAVs While Routing Around Obstacles Having Spatial and Temporal Dimensions | |
Saunders et al. | Static and dynamic obstacle avoidance in miniature air vehicles | |
CN112747736B (zh) | 一种基于视觉的室内无人机路径规划方法 | |
EP3171133A1 (en) | Kinematic motion planning with regional planning constraints | |
EP1770365B1 (en) | Method for planning the velocity of a craft along a route | |
CN110850891B (zh) | 一种基于空间和时间协同的多无人机动态航路规划方法 | |
CN110703803A (zh) | 一种无人机群飞行控制的方法、无人机、***及介质 | |
CN110244721A (zh) | 自动驾驶控制方法、装置、设备及存储介质 | |
CN110413007B (zh) | 无人机飞行路径的控制方法、***、电子设备及介质 | |
US20220111962A1 (en) | Aerial vehicle and method and computer-aided system for controlling an aerial vehicle | |
Choe et al. | A trajectory-generation framework for time-critical cooperative missions | |
CN114355981A (zh) | 一种四旋翼无人机自主探索建图的方法和*** | |
CN112947594A (zh) | 一种面向无人机的航迹规划方法 | |
CN112099521B (zh) | 一种无人机路径规划方法及装置 | |
Andert et al. | Mapping and path planning in complex environments: An obstacle avoidance approach for an unmanned helicopter | |
CN116518974A (zh) | 一种基于空域网格的无冲突航路规划方法 | |
Chatterjee et al. | Path planning algorithm to enable low altitude delivery drones at the city scale | |
CN114594788A (zh) | 一种未知环境下四旋翼无人飞行器航迹规划方法及*** | |
CN115494866A (zh) | 一种多无人机全局及局部路径智能规划方法及*** | |
Yang et al. | Cooperative deconflicting heading maneuvers applied to unmanned aerial vehicles in non-segregated airspace | |
CN113253760B (zh) | 路径规划方法、装置、可移动载具及存储介质 | |
Babel | Online flight path planning with flight time constraints for fixed-wing UAVs in dynamic environments | |
CN115981377B (zh) | 一种无人机动态避障方法及*** |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220517 |