CN114721427A - 一种动态环境下的多无人机协同搜救侦察规划方法 - Google Patents
一种动态环境下的多无人机协同搜救侦察规划方法 Download PDFInfo
- Publication number
- CN114721427A CN114721427A CN202210300068.6A CN202210300068A CN114721427A CN 114721427 A CN114721427 A CN 114721427A CN 202210300068 A CN202210300068 A CN 202210300068A CN 114721427 A CN114721427 A CN 114721427A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- center
- cruising
- targets
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 4
- 230000033001 locomotion Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
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
本发明公开了一种动态环境下的多无人机协同搜救侦察规划方法,包括:待侦察或者救援区域内,设置禁飞区并初始化无人机编队中各无人机位置作为各个无人机的初始巡航中心位置;构建Voronoi图,为各无人机进行各自的初始区域划分;确定无人机新的巡航中心位置,并通过迭代更新,确定无人机最终巡航中心位置;每架无人机从初始巡航中心位置按照Dubins航迹,运动到以各自所述最终巡航中心位置为圆心、无人机的最小转弯半径为半径的圆上进行巡航飞行;当待侦察或者救援区域内出现目标时,针对各个目标进行无人机的分配,分配了目标的无人机前往目标处对其进行侦察访问,当完成访问后返回原巡航状态;在此访问目标过程的航迹中如果遇到禁飞区,则进行避障操作。
Description
技术领域
本发明涉及民用领域多无人***协同环境认知应急救援实践领域,具体涉及一种动态环境下的多无人机协同搜救侦察规划方法。
背景技术
无人机作为先进智能装备,具有速度快、机动灵活、不受地理环境限制等优势,近年来被广泛应用到应急救援领域中。加之GIS、智能视频分析、大数据分析等技术的发展和各类软硬件的研发,无人机在应急救援领域的应用也在不断深入。
无人机应用于应急救援领域通常充当侦察“排头兵”的角色,在灾害发生后第一时间飞抵现场,通过高清视频采集设备进行快速、大范围的情况侦察,同时配合应急通讯手段,及时将现场情况传回指挥部。
在现有的研究成果中,涉及到多无人机协同目标搜索方式主要包含两类:
第一类是全覆盖搜索,首先进行区域分割,然后为每架无人机分配搜索区域,并对无人机搜索路径进行规划,完成全覆盖搜索的同时使得无人机路径最短。这类搜索的任务中无人机搜索策略一般根据机载传感器性能以及无人机飞行约束条件,采用几何方法进行路径规划,并且通常选择沿着最长边进行搜索飞行以使飞行距离最短。
第二类是非全覆盖搜索,通过建立协同搜索代价函数,多个无人机协同搜索过程中使得总代价函数最小,并避免飞机间出现碰撞。主要方法有动态规划法、神经网络法、遗传算法等纯数学方法以及以A搜索和A-star搜索为代表的人工智能方法。为了使无人机路径规划能够适应更加复杂的环境,近些年还广泛采用快速随机搜索树法、最优控制法、人工势场法和Voronoi图形法。
上述两类方法主要用于解决静态环境下的目标搜索问题,且都不能很好地解决动态环境中的目标问题。但在执行救援侦察任务的时候,待救援目标是依次产生的,在无人机对目标进行侦察的同时,不断有新的待救援目标出现在侦察区域内,而且这些目标的生成时间和位置对于无人机来说都是先验未知的,并且搜索区域中存在威胁区域,在搜索过程中无人机必须避免进入其中。
发明内容
本发明的目的是提供一种动态环境下的多无人机协同搜救侦察规划方法,用以克服现有技术中在动态环境下的无人机救援问题。
为了实现上述任务,本发明采用以下技术方案:
一种动态环境下的多无人机协同搜救侦察规划方法,包括以下步骤:
步骤1,待侦察或者救援区域内,设置禁飞区并初始化无人机编队中各无人机位置作为各个无人机的初始巡航中心位置;
步骤2,以各无人机的初始巡航中心位置为中心构建Voronoi图,为各无人机进行各自的初始区域划分;基于所述初始区域的质心位置,确定无人机新的巡航中心位置,并通过迭代更新,确定无人机最终巡航中心位置;
步骤3,每架无人机按照Dubins路径规划方法,从初始巡航中心位置按照Dubins航迹,运动到以各自所述最终巡航中心位置为圆心、无人机的最小转弯半径为半径的圆上进行巡航飞行;
步骤4,当待侦察或者救援区域内出现目标时,针对各个目标进行无人机的分配,分配了目标的无人机前往目标处对其进行侦察访问,当完成访问后返回原巡航状态;在此访问目标过程的航迹中如果遇到禁飞区,则进行避障操作。
进一步地,所述基于所述初始区域的质心位置,确定无人机新的巡航中心位置,并通过迭代更新,确定无人机最终巡航中心位置,包括:
利用几何方法计算出每个初始区域的顶点坐标,进一步计算每个初始区域的质心位置C1,C2,...,Cn;对无人机的巡航中心位置进行更新,将计算得到的质心位置C1,C2,...,Cn作为无人机新的巡航中心位置;接下来进行迭代更新:
以计算得到的质心位置C1,C2,...,Cn为中心,重复构建Voronoi图、初始区域划分、初始区域质心位置计算过程,将计算得到的新的质心位置更新为无人机新的巡航中心位置;
在每一次迭代更新后,比较每架无人机更新后的巡航位置中心,与更新前的巡航中心位置的偏移距离是否均小于设定距离阈值;如是则停止迭代更新,将当前迭代更新得到的巡航中心位置作为无人机最终巡航中心位置,如不是则继续进行迭代更新。
进一步地,所述侦察访问,是指无人机以目标位置为圆心、以最小转弯半径为半径的圆形轨迹持续侦察预设时间。
进一步地,所述步骤4具体包括:
4.1从出现的目标中随机选取k个目标,获取其位置,分别记为G1,G2,...,Gk;
4.2对于每个目标,分别计算目标与所有无人机最终巡航中心的距离d1,d2,...,dn,从中选择距离最小的最终巡航中心对应的无人机,作为对所述目标分配的无人机;
4.3计算存储无人机从巡航飞行过程到侦察访问过程的航迹:
针对于分配了目标的每架无人机,利用dubins路径规划方法规划从无人机巡航飞行轨迹点为起点、所分配的目标的位置作为终点的飞行路径并进行存储;待无人机飞行到达终点后,将以目标位置为圆心、以最小转弯半径为半径的圆形轨迹进行侦察;如规划的飞行路径经过禁飞区,则利用避障方法进行避障;
4.4计算存储无人机从侦察访问过程到巡航飞行过程的航迹:
在无人机侦察目标的轨迹上选择一点作为起始点,所述巡航飞行的轨迹点上选择一点为终点,利用dubins路径规划方法得到无人机从侦察访问过程到巡航飞行过程的航迹;无人机侦察访问完成后,沿该航迹回到巡航轨迹上。
进一步地,所述避障方法如下:
(1)输入无人机初始位置作为当前位置O1,m个禁飞区的中心位置Ob1,Ob2,...,Obm,以及该无人机所分配的目标位置G;
(2)取两个变量G1,G2,分别表示计算过程中的目标位置以及最终目标位置,并且初始化G1=G2=G;开辟S1,S2两个存储空间,并将无人机当前位置O1存入S1;初始化迭代次数num=0;
(3)确定无人机的运动方向,设置无人机的运动步长为L,使无人机从当前位置O1以确定的运动方向按照运动步长L移动,以移动后的位置来更新当前位置O1,并且将此时无人机的位置存入S1中,迭代次数num=num+1;
(4)判断num>N是否成立,如成立,则置num=0并进行步骤(5),否则返回步骤(3);其中N为预设的迭代总数;
(5)判断当前位置O1与G1之间的距离d是否满足d<d0,如果不满足就进行步骤(6),否则进行步骤(10);其中d0为预设的距离阈值;
(6)判断最后M个存入S1的位置点是否都在一个预设的圆形区域内,如果是,则表明当前处于平衡位置或局部最小点,则进行跳出处理;如果不是就继续步骤(3);
(8)求出S1最后存入的两个点之间的直线表达式;
(9)判断所述直线是否与每个圆形禁飞区相交,如果不是则返回步骤(3),否则将S1最后存的位置赋值给G1,清空S1,然后进行步骤(3);
(10)将S1中所有的位置存入S2中;
(11)判断G1是否等于G2,如果不是,则令O1=G1,G1=G2,然后进行步骤(3);
(12)S2中所存的位置点即为无人机的避障航迹。
进一步地,按照下式确定无人机的运动方向:
Fatt=k(XG-X)
F=Fatt+Frep
其中,Fatt表示目标对无人机的吸引力,XG是目标的坐标向量,X是无人机当前位置的坐标向量;k为系数,取值为0~1;Frep表示禁飞区对无人机的排斥力,本方案中采用现有的斥力场函数完成Frep计算;吸引力与排斥力的合力F即是无人机运动的方向。
进一步地,所述跳出处理具体为:
从m个禁飞区的中心位置Ob1,Ob2,...,Obm中找出与无人机当前位置O1最接近的禁飞区中心位置OB,该禁飞区是以OB为圆心,p1为半径的圆形区域;禁飞区OB对无人机的排斥力(通过斥力场函数计算)方向记为L1;从排斥力方向L1的直线与禁飞区的圆形区域之间的交点中,离无人机最远的交点作为无人机修正后的位置点,以该位置点更新O1并将其存储到S1中。
进一步地,所述预设的圆形区域,为直径为3倍无人机运动步长的圆形区域。
进一步地,所述M的取值为10,N的取值为1000。
与现有技术相比,本发明具有以下技术特点:
本发明针对目标先验未知以及存在禁飞区域的动态环境下为多无人机规划出目标搜索安全路径,是一种高效的多无人机协同搜救侦察规划算法,可应用于动态环境下的多无人机协同搜救侦察规划。
附图说明
图1为本发明方法流程图;
图2为无人机陷入平衡位置示意图;
图3为无人机陷入平衡位置后采取的跳出策略;
图4(a)与图4(b)为应用本发明的避障方法避免陷入平衡位置实验图;
图5为本发明中避障方法的流程图;
图6为6架无人机经过Voronoi方法划分之后形成了6个初始区域,图中“+”号表示无人机初始巡航中心位置;
图7为无人机迭代收敛后获得的巡航中心的位置,即图中符号“+”;
图8为无人机转至质心处进行巡航飞行轨迹;
图9为无人机目标搜索与避障过程。
具体实施方式
参见附图,本发明的一种动态环境下的多无人机协同搜救侦察规划方法,包括以下步骤:
步骤1,待侦察或者救援区域内,设置禁飞区并初始化无人机编队中各无人机位置作为各个无人机的初始巡航中心位置。
设无人机编队共有n架无人机,其初始巡航中心位置分别为O1,O2,...,On,无人机的最小转弯半径为r,同时存在m个半径为p1的圆形禁飞区,初始化其圆心位置为Ob1,Ob2,...,Obm,在某个时刻t,假设无人机的传感器半径足够大,环境中一旦出现目标点,无人机能够立即做出反应。
步骤2,以O1,O2,...,On为中心构建Voronoi图,为n架无人机进行各自的初始区域划分,划分后的初始区域为凸多边形;这样n架无人机对应于n个凸多边形区域;利用几何方法计算出每个初始区域的顶点坐标,进一步计算每个初始区域的质心位置C1,C2,...,Cn;对无人机的巡航中心位置进行更新,将计算得到的质心位置C1,C2,...,Cn作为无人机新的巡航中心位置。接下来进行迭代更新:
以计算得到的质心位置C1,C2,...,Cn为中心,重复上述的构建Voronoi图、初始区域划分、初始区域质心位置计算过程,将计算得到的新的质心位置更新为无人机新的巡航中心位置。
在每一次迭代更新后,比较每架无人机更新后的巡航位置中心,与更新前的巡航中心位置的偏移距离是否均小于设定距离阈值;如是则停止迭代更新,将当前迭代更新得到的巡航中心位置作为无人机最终巡航中心位置,并将此次迭代更新过程中划分的初始区域作为各无人机的负责区域;如不是则继续进行迭代更新。
步骤3,每架无人机按照Dubins路径规划方法,从初始巡航中心位置O1,O2,...,On按照Dubins航迹,运动到以各自所述最终巡航中心位置为圆心、无人机的最小转弯半径为半径的圆上进行巡航飞行,并存储每一架无人机的巡航航迹。
步骤4,当待侦察或者救援区域内出现目标时,针对各个目标进行无人机的分配,分配了目标的无人机前往目标处对其进行侦察访问,当完成访问后返回原巡航状态;在此访问目标过程的航迹中如果遇到禁飞区,则进行避障操作。
其中所述侦察访问,是指无人机以目标位置为圆心、以最小转弯半径为半径的圆形轨迹持续侦察预设时间。
具体步骤如下:
4.1从出现的目标中随机选取k个目标,获取其位置,分别记为G1,G2,...,Gk;
4.2对于每个目标,分别计算目标与所有无人机最终巡航中心的距离d1,d2,...,dn,从中选择距离最小的最终巡航中心对应的无人机,作为对所述目标分配的无人机。
4.3计算存储无人机从巡航飞行过程到侦察访问过程的航迹:
针对于分配了目标的每架无人机,利用dubins路径规划方法规划从无人机巡航飞行轨迹点为起点、所分配的目标的位置作为终点的飞行路径并进行存储;待无人机飞行到达终点后,将以目标位置为圆心、以最小转弯半径为半径的圆形轨迹进行侦察;如规划的飞行路径经过禁飞区,则利用避障方法进行避障。
4.4计算存储无人机从侦察访问过程到巡航飞行过程的航迹:
在无人机侦察目标的轨迹上选择一点作为起始点,所述巡航飞行的轨迹点上选择一点为终点,利用dubins路径规划方法得到无人机从侦察访问过程到巡航飞行过程的航迹;无人机侦察访问完成后,沿该航迹回到巡航轨迹上。
各无人机按照规划路径进行侦察,这样就能有效地解决多无人机协同搜索问题。
对于无人机自主避开禁飞区,先假设禁飞区的形状均为圆形,如果禁飞区不是圆形,则作一个禁飞区的最小外接圆代替。在此情况下,利用人工势场法优点十分显著,但是缺点也十分明显。无人机在利用人工势场法进行路径规划时很容易使无人机陷入局部最小点,或者是由于无所受到的“排斥力”和“吸引力”的合力为零,导致其处于平衡位置而无法继续进行路径规划,如图2所示。为了解决陷入局部最小点的问题,在基本人工势场方法上,对其进行改进。当无人机已经陷入平衡点,容易知道陷入平衡位置的无人机一定进入了一个或者多个障碍物的影响范围。对于单目标点而言,障碍物“排斥力”的合力方向一定由目标点指向无人机。为了能够尽快地逃离平衡位置选择一个对无人机影响最大的障碍物,找到该障碍物影响范围边界与经过无人机且垂直于“排斥力”方向的虚线的交点中,离无人机较远的点作为无人机从新进行路径规划的起始点,当无人机陷入平衡位置后采取的策略如图3所示,改进后的人工势场方法实验中可有效避免陷入平衡状态,如图4(a),4(b)所示。
本发明提出一种避障方法实现无人机对禁飞区的规避飞行,以一架无人机为例,参见图5,其详细步骤包括:
(1)输入无人机初始位置作为当前位置O1,m个禁飞区的中心位置Ob1,Ob2,...,Obm,以及该无人机所分配的目标位置G。
(2)取两个变量G1,G2,分别表示计算过程中的目标位置以及最终目标位置,并且初始化G1=G2=G;开辟S1,S2两个存储空间,并将无人机当前位置O1存入S1;初始化迭代次数num=0。
(3)确定无人机的运动方向,设置无人机的运动步长为L,使无人机从当前位置O1以确定的运动方向按照运动步长L移动,以移动后的位置来更新当前位置O1,并且将此时无人机的位置存入S1中,迭代次数num=num+1。
其中,按照下式确定无人机的运动方向:
Fatt=k(XG-X)
F=Fatt+Frep
其中,Fatt表示目标对无人机的吸引力,XG是目标的坐标向量,X是无人机当前位置的坐标向量;k为系数,取值为0~1;Frep表示禁飞区对无人机的排斥力,本方案中采用现有的斥力场函数完成Frep计算;吸引力与排斥力的合力F即是无人机运动的方向。
(4)判断num>N是否成立,如成立,则置num=0并进行步骤(5),否则返回步骤(3);其中N为预设的迭代总数,本实施例中N取值为1000。
(5)判断当前位置O1与G1之间的距离d是否满足d<d0,如果不满足就进行步骤(6),否则进行步骤(10);其中d0为预设的距离阈值,当d<d0表明无人机已接近目标位置。
(6)判断最后M个存入S1的位置点是否都在一个预设的圆形区域内,如果是,则表明当前处于平衡位置或局部最小点,需要进行跳出处理;如果不是就继续步骤(3);本实施例中M的取值为10。
在进行路径规划的时候,当遇到“排斥力”与“吸引力”相平衡的位置时,首先需要判断现在的位置是否为平衡位置或局部最小点。本方案通过取该点以及该点之前的10个点,判断它们是否在一个直径为3倍无人机运动步长的圆形区域内,如果是,则判断当前无人机的位置处于平衡位置或局部最小点,需进行无人机跳出处理;如果不是,则直接继续进行迭代求轨迹。
所述跳出处理具体为:
如图3所示,选择一个对无人机影响最大的禁飞区的位置,即从m个禁飞区的中心位置Ob1,Ob2,...,Obm中找出与无人机当前位置O1最接近的禁飞区中心位置OB,该禁飞区是以OB为圆心,p1为半径的圆形区域;禁飞区OB对无人机的排斥力(通过斥力场函数计算)方向记为L1;从排斥力方向L1的直线与禁飞区的圆形区域之间的交点中,离无人机最远的交点作为无人机修正后的位置点,以该位置点更新O1并将其存储到S1中。
(7)利用几何方法求出S1最后存入的两个点之间的直线表达式。
(8)判断所述直线是否与每个圆形禁飞区相交,如果不是则返回步骤(3),否则将S1最后存的位置赋值给G1,清空S1,然后进行步骤(3)。
(9)将S1中所有的位置存入S2中。
(10)判断G1是否等于G2,如果不是,则令O1=G1,G1=G2,然后进行步骤(3)。
(11)S2中所存的位置点即为无人机的避障航迹。
下面通过仿真实验结果测试本发明所提算法的有效性,并对本发明的具体实施步骤及过程作进一步地说明,需要强调的是,以下的仿真结果图均为本发明的真实测试结果。
本发明以有六架无人机协同目标搜索为例,其侦察范围为10km×10km的正方形,每架无人机的转弯半径为500m,每架无人机的飞行速度一定。六架无人机的起点分别为(0.9501,0.9528),(0.2311,0.7041),(0.6068,0,9539),(0.4860,0.5982),(0.8913,0.8407),(0.7621,0.4428)。假设存在三个直径为600m的禁飞区且中心位置分别为(0.47,0.12),(0.42,0.15),(0.36,0.05)。在不同时刻,随机选取三个目标点,对本发明的方法进行测试。
第一步,首先将待搜索区域进行Voronoi图划分,得到原始Voronoi图,如图6所示。
第二步,通过迭代计算得到最终的无人机巡航中心位置,如图所示7所示。
第三步,各无人机从初始位置按Dubins航迹飞向各自质心处,围绕质心以最小转弯半径进行巡航飞行,如图8所示。
第四步,无人机对依次产生的目标点进行搜索与威胁区域的规避,如图9所示。图中星号表示要侦察的目标点,的实心圆代表禁飞区,当目标出现时候,判断目标点属于所属无人机负责的侦察范围,该无人机即承担对该目标的搜索任务。图中由巡航轨迹飞向目标点,以及经过目标点的圆和从该圆飞回巡航轨迹整个过程都在图中显示。仿真实验表明了本发明方法的有效性。
以上实施例仅用于说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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同等替换;而这些修改或替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种动态环境下的多无人机协同搜救侦察规划方法,其特征在于,包括以下步骤:
步骤1,待侦察或者救援区域内,设置禁飞区并初始化无人机编队中各无人机位置作为各个无人机的初始巡航中心位置;
步骤2,以各无人机的初始巡航中心位置为中心构建Voronoi图,为各无人机进行各自的初始区域划分;基于所述初始区域的质心位置,确定无人机新的巡航中心位置,并通过迭代更新,确定无人机最终巡航中心位置;
步骤3,每架无人机按照Dubins路径规划方法,从初始巡航中心位置按照Dubins航迹,运动到以各自所述最终巡航中心位置为圆心、无人机的最小转弯半径为半径的圆上进行巡航飞行;
步骤4,当待侦察或者救援区域内出现目标时,针对各个目标进行无人机的分配,分配了目标的无人机前往目标处对其进行侦察访问,当完成访问后返回原巡航状态;在此访问目标过程的航迹中如果遇到禁飞区,则进行避障操作。
2.根据权利要求1所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,所述基于所述初始区域的质心位置,确定无人机新的巡航中心位置,并通过迭代更新,确定无人机最终巡航中心位置,包括:
利用几何方法计算出每个初始区域的顶点坐标,进一步计算每个初始区域的质心位置C1,C2,...,Cn;对无人机的巡航中心位置进行更新,将计算得到的质心位置C1,C2,...,Cn作为无人机新的巡航中心位置;接下来进行迭代更新:
以计算得到的质心位置C1,C2,...,Cn为中心,重复构建Voronoi图、初始区域划分、初始区域质心位置计算过程,将计算得到的新的质心位置更新为无人机新的巡航中心位置;
在每一次迭代更新后,比较每架无人机更新后的巡航位置中心,与更新前的巡航中心位置的偏移距离是否均小于设定距离阈值;如是则停止迭代更新,将当前迭代更新得到的巡航中心位置作为无人机最终巡航中心位置,如不是则继续进行迭代更新。
3.根据权利要求2所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,所述侦察访问,是指无人机以目标位置为圆心、以最小转弯半径为半径的圆形轨迹持续侦察预设时间。
4.根据权利要求1所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,所述步骤4具体包括:
4.1从出现的目标中随机选取k个目标,获取其位置,分别记为G1,G2,...,Gk;
4.2对于每个目标,分别计算目标与所有无人机最终巡航中心的距离d1,d2,...,dn,从中选择距离最小的最终巡航中心对应的无人机,作为对所述目标分配的无人机;
4.3计算存储无人机从巡航飞行过程到侦察访问过程的航迹:
针对于分配了目标的每架无人机,利用dubins路径规划方法规划从无人机巡航飞行轨迹点为起点、所分配的目标的位置作为终点的飞行路径并进行存储;待无人机飞行到达终点后,将以目标位置为圆心、以最小转弯半径为半径的圆形轨迹进行侦察;如规划的飞行路径经过禁飞区,则利用避障方法进行避障;
4.4计算存储无人机从侦察访问过程到巡航飞行过程的航迹:
在无人机侦察目标的轨迹上选择一点作为起始点,所述巡航飞行的轨迹点上选择一点为终点,利用dubins路径规划方法得到无人机从侦察访问过程到巡航飞行过程的航迹;无人机侦察访问完成后,沿该航迹回到巡航轨迹上。
5.根据权利要求1所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,所述避障方法如下:
(1)输入无人机初始位置作为当前位置O1,m个禁飞区的中心位置Ob1,Ob2,...,Obm,以及该无人机所分配的目标位置G;
(2)取两个变量G1,G2,分别表示计算过程中的目标位置以及最终目标位置,并且初始化G1=G2=G;开辟S1,S2两个存储空间,并将无人机当前位置O1存入S1;初始化迭代次数num=0;
(3)确定无人机的运动方向,设置无人机的运动步长为L,使无人机从当前位置O1以确定的运动方向按照运动步长L移动,以移动后的位置来更新当前位置O1,并且将此时无人机的位置存入S1中,迭代次数num=num+1;
(4)判断num>N是否成立,如成立,则置num=0并进行步骤(5),否则返回步骤(3);其中N为预设的迭代总数;
(5)判断当前位置O1与G1之间的距离d是否满足d<d0,如果不满足就进行步骤(6),否则进行步骤(10);其中d0为预设的距离阈值;
(6)判断最后M个存入S1的位置点是否都在一个预设的圆形区域内,如果是,则表明当前处于平衡位置或局部最小点,则进行跳出处理;如果不是就继续步骤(3);
(8)求出S1最后存入的两个点之间的直线表达式;
(9)判断所述直线是否与每个圆形禁飞区相交,如果不是则返回步骤(3),否则将S1最后存的位置赋值给G1,清空S1,然后进行步骤(3);
(10)将S1中所有的位置存入S2中;
(11)判断G1是否等于G2,如果不是,则令O1=G1,G1=G2,然后进行步骤(3);
(12)S2中所存的位置点即为无人机的避障航迹。
6.根据权利要求5所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,按照下式确定无人机的运动方向:
Fatt=k(XG-X)
F=Fatt+Frep
其中,Fatt表示目标对无人机的吸引力,XG是目标的坐标向量,X是无人机当前位置的坐标向量;k为系数,取值为0~1;Frep表示禁飞区对无人机的排斥力,本方案中采用现有的斥力场函数完成Frep计算;吸引力与排斥力的合力F即是无人机运动的方向。
7.根据权利要求5所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,所述跳出处理具体为:
从m个禁飞区的中心位置Ob1,Ob2,...,Obm中找出与无人机当前位置O1最接近的禁飞区中心位置OB,该禁飞区是以OB为圆心,p1为半径的圆形区域;禁飞区OB对无人机的排斥力(通过斥力场函数计算)方向记为L1;从排斥力方向L1的直线与禁飞区的圆形区域之间的交点中,离无人机最远的交点作为无人机修正后的位置点,以该位置点更新O1并将其存储到S1中。
8.根据权利要求5所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,所述预设的圆形区域,为直径为3倍无人机运动步长的圆形区域。
9.根据权利要求5所述的动态环境下的多无人机协同搜救侦察规划方法,其特征在于,所述M的取值为10,N的取值为1000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210300068.6A CN114721427A (zh) | 2022-03-25 | 2022-03-25 | 一种动态环境下的多无人机协同搜救侦察规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210300068.6A CN114721427A (zh) | 2022-03-25 | 2022-03-25 | 一种动态环境下的多无人机协同搜救侦察规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114721427A true CN114721427A (zh) | 2022-07-08 |
Family
ID=82239112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210300068.6A Pending CN114721427A (zh) | 2022-03-25 | 2022-03-25 | 一种动态环境下的多无人机协同搜救侦察规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114721427A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115016543A (zh) * | 2022-08-03 | 2022-09-06 | 中国人民解放军国防科技大学 | 基于人工标量场模型的无人机集群持续侦察和避障方法 |
CN115580833A (zh) * | 2022-11-22 | 2023-01-06 | 湖南工商大学 | 一种多功能监测预警多功能协作*** |
CN116860007A (zh) * | 2023-09-04 | 2023-10-10 | 中国人民解放军战略支援部队航天工程大学 | 针对搜寻任务的无人机阵列实时路径生成方法 |
CN117130393A (zh) * | 2023-10-26 | 2023-11-28 | 成都时代星光科技有限公司 | 一种无人机禁飞区绕飞分析方法和*** |
-
2022
- 2022-03-25 CN CN202210300068.6A patent/CN114721427A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115016543A (zh) * | 2022-08-03 | 2022-09-06 | 中国人民解放军国防科技大学 | 基于人工标量场模型的无人机集群持续侦察和避障方法 |
CN115580833A (zh) * | 2022-11-22 | 2023-01-06 | 湖南工商大学 | 一种多功能监测预警多功能协作*** |
CN116860007A (zh) * | 2023-09-04 | 2023-10-10 | 中国人民解放军战略支援部队航天工程大学 | 针对搜寻任务的无人机阵列实时路径生成方法 |
CN116860007B (zh) * | 2023-09-04 | 2023-11-10 | 中国人民解放军战略支援部队航天工程大学 | 针对搜寻任务的无人机阵列实时路径生成方法 |
CN117130393A (zh) * | 2023-10-26 | 2023-11-28 | 成都时代星光科技有限公司 | 一种无人机禁飞区绕飞分析方法和*** |
CN117130393B (zh) * | 2023-10-26 | 2024-01-26 | 成都时代星光科技有限公司 | 一种无人机禁飞区绕飞分析方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114721427A (zh) | 一种动态环境下的多无人机协同搜救侦察规划方法 | |
Yang et al. | Path planning for single unmanned aerial vehicle by separately evolving waypoints | |
CN110134140B (zh) | 一种环境信息未知连续状态下基于势函数奖赏dqn的无人机路径规划方法 | |
US9127913B2 (en) | Route search planner | |
JP2020061144A (ja) | トラッキングネットワークを含むcnnを使用して物体をトラッキングする方法、及びそれを利用した装置{method for tracking object by using convolutional neural network including tracking network and computing device using the same} | |
Alejo et al. | Collision-free 4D trajectory planning in unmanned aerial vehicles for assembly and structure construction | |
Cakir | 2D path planning of UAVs with genetic algorithm in a constrained environment | |
CN112947594B (zh) | 一种面向无人机的航迹规划方法 | |
Petrlík et al. | Coverage optimization in the cooperative surveillance task using multiple micro aerial vehicles | |
US11409298B2 (en) | Method and remote control device for reconfiguring travel route of objects by reflecting predicted risk level to risk map | |
CN113485346A (zh) | 一种移动机器人在核事故复杂环境中的自主导航方法 | |
Razzaq et al. | Three-dimensional UAV routing with deconfliction | |
Koutras et al. | Autonomous and cooperative design of the monitor positions for a team of uavs to maximize the quantity and quality of detected objects | |
CN110793522B (zh) | 一种基于蚁群算法的航迹规划方法 | |
CN116661503A (zh) | 一种基于多智能体安全强化学习的集群航迹自动规划方法 | |
Nieuwenhuisen et al. | Search-based 3d planning and trajectory optimization for safe micro aerial vehicle flight under sensor visibility constraints | |
CN113433937A (zh) | 基于启发式探索的分层导航避障***、分层导航避障方法 | |
US20240210958A1 (en) | Reactive Collision Avoidance For Autonomous Vehicles Considering Physical Constraints | |
CN115562357A (zh) | 一种面向无人机集群的智能路径规划方法 | |
Cobano et al. | 4D trajectory planning in ATM with an anytime stochastic approach | |
CN113220008B (zh) | 多火星飞行器的协同动态路径规划方法 | |
Rasmussen et al. | Robot navigation using image sequences | |
Helble et al. | 3-d path planning and target trajectory prediction for the oxford aerial tracking system | |
CN117387635A (zh) | 一种基于深度强化学习和pid控制器的无人机导航方法 | |
CN116048126A (zh) | 一种基于abc快速收敛的无人机实时路径规划方法 |
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 |