CN115265549A - 一种无人机路径规划方法、装置及电子设备 - Google Patents

一种无人机路径规划方法、装置及电子设备 Download PDF

Info

Publication number
CN115265549A
CN115265549A CN202211182435.3A CN202211182435A CN115265549A CN 115265549 A CN115265549 A CN 115265549A CN 202211182435 A CN202211182435 A CN 202211182435A CN 115265549 A CN115265549 A CN 115265549A
Authority
CN
China
Prior art keywords
path
unmanned aerial
aerial vehicle
short path
short
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
Application number
CN202211182435.3A
Other languages
English (en)
Other versions
CN115265549B (zh
Inventor
古家威
蔡维嘉
张立华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ji Hua Laboratory
Original Assignee
Ji Hua Laboratory
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ji Hua Laboratory filed Critical Ji Hua Laboratory
Priority to CN202211182435.3A priority Critical patent/CN115265549B/zh
Publication of CN115265549A publication Critical patent/CN115265549A/zh
Application granted granted Critical
Publication of CN115265549B publication Critical patent/CN115265549B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Forklifts And Lifting Vehicles (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请属于无人机技术领域，公开了一种无人机路径规划方法、装置及电子设备，所述方法包括步骤：通过获取起点和目标点的坐标、无人机的剩余电量和无人机的三个轴向的加速度数据组；以起点为第一个节点，并循环执行以下步骤，直到获取到与目标点的距离小于预设距离阈值的节点：以最新得到的节点为起始点生成多条短路径；根据各短路径的路径时间和加速度组合、起点和目标点的坐标以及剩余电量计算各短路径的综合代价；以综合代价最小的短路径为有效短路径，提取有效短路径的终点作为新的节点；拼接所有有效短路径，得到无人机的规划路径，从而更好地平衡无人机的能耗与执行速度的关系。

Description

一种无人机路径规划方法、装置及电子设备
技术领域
本申请涉及无人机技术领域，具体而言，涉及一种无人机路径规划方法、装置及电子设备。
背景技术
无人机是一种空中机器人，具有飞行速度快，机动性强的特点，在无人配送、无人巡检、测绘以及军事等相关领域具有广阔的应用场景。无人机在实际执行任务中需要对路线进行路径规划，因此，需要依据某个优化准则来选取路径，例如能量代价最小、行走路线最短、行走时间最短等，在其工作空间中找到一条从起始状态到目标状态且能够避开障碍物的最优路径。
因此，现有的无人机路径规划算法中，常采用能耗最小或路径最短作为无人机的路径规划优化准则，例如，图4中的无人机具有一个向右的初速度
Figure 100002_DEST_PATH_IMAGE002
，图中阴影的矩形是障碍物，图中的五角星为目标点，图中的左侧为最短路径，由于无人机具有向右的初速度
Figure 935005DEST_PATH_IMAGE002
，若无人机在电量不足的情况下，最优的路径是图中右侧的路径而不是图中左侧的最短路径。然而，目前的算法却不能很好地平衡无人机的能耗与执行速度的优先级，若只考虑能耗最小的优化准则，则会牺牲无人机的执行速度；若只考虑路径最短的优化准则，则会降低无人机的续航，使得无人机在续航不足时，不能很好的完成飞行任务。
发明内容
本申请的目的在于提供一种无人机路径规划方法、装置及电子设备，能够选择综合代价比较小的规划路径，很好地平衡无人机的能耗与执行速度的关系。
第一方面，本申请提供了一种无人机路径规划方法，包括步骤：
A1.获取起点和目标点的坐标、无人机的剩余电量和所述无人机的三个轴向的加速度数据组；对于同一个轴向，所述加速度数据组包括负向最大加速度值、正向最大加速度值以及所述负向最大加速度值和所述正向最大加速度值之间的多个加速度值；
A2.以所述起点为第一个节点，并循环执行以下步骤，直到获取到与所述目标点的距离小于预设距离阈值的节点：
A201.以最新得到的节点为起始点生成多条短路径；各所述短路径的长度为预设长度且分别对应不同的加速度组合，所述加速度组合包括三个轴向的加速度值；
A202.根据各所述短路径的路径时间和所述加速度组合、所述起点和所述目标点的坐标以及所述剩余电量计算各所述短路径的综合代价；
A203.以所述综合代价最小的所述短路径为有效短路径，提取所述有效短路径的终点作为新的节点；
A3.拼接所有所述有效短路径，得到所述无人机的规划路径。
本申请以起点作为第一个节点，并按预设长度生成多条短路径，通过计算各个短路径的综合代价，以综合代价最小的短路径作为有效短路径，并以有效短路径的终点作为新的节点，在新的节点处重复上述过程再次得到一个有效短路径和新的节点，如此循环直到获得的新的节点与目标点的距离足够小，然后拼接所有有效短路径，从而得到无人机的规划路径，很好地平衡无人机的能耗与执行速度的关系。
优选地，获取所述无人机的剩余电量的步骤包括：
获取所述无人机的当前电压；
根据所述当前电压，采用以下公式计算所述无人机的剩余电量：
Figure 100002_DEST_PATH_IMAGE004
；
其中，
Figure 100002_DEST_PATH_IMAGE006
为所述无人机的剩余电量，
Figure 100002_DEST_PATH_IMAGE008
为所述无人机的当前电压,
Figure 100002_DEST_PATH_IMAGE010
为所述无人机的满电电压，
Figure 100002_DEST_PATH_IMAGE012
为所述无人机的最低电压。
优选地，步骤A201包括：
获取所述起始点的初始速度；
根据所述初始速度和各个不同的所述加速度组合计算所述无人机的各个长度为所述预设长度的移动轨迹，作为各条所述短路径。
优选地，步骤A202包括：
根据各所述短路径的路径时间和所述加速度组合计算各个所述短路径的能量代价；
根据所述起点和所述目标点的坐标计算各个所述短路径的距离代价；
根据所述剩余电量计算能量权重；
根据各所述短路径的所述能量代价、所述距离代价以及所述能量权重计算各个所述短路径的所述综合代价。
通过能量代价、距离代价以及能量权重计算各个短路径的综合代价，更加综合地平衡好能耗与执行速度的关系，使无人机在电量充足的状态下，规划出路线更短的路径，当无人机的剩余电量续航不足时，规划出能耗更小的路径，从而更好地平衡无人机的能耗与执行速度的关系。
优选地，所述根据各所述短路径的路径时间和所述加速度组合计算各个所述短路径的能量代价的步骤包括：
根据各所述短路径的路径时间和所述加速度组合，采用以下公式计算各个所述短路径的能量代价：
Figure 100002_DEST_PATH_IMAGE014
；
其中，
Figure 100002_DEST_PATH_IMAGE016
为第i个所述短路径的能量代价，
Figure 100002_DEST_PATH_IMAGE018
表示第i个所述短路径的加速度组合对应的总加速度，
Figure 100002_DEST_PATH_IMAGE020
表示第i个所述短路径的路径时间。
优选地，所述根据所述起点和所述目标点的坐标计算各个所述短路径的距离代价的步骤包括：
获取所述起始点的坐标；
根据所述起点和所述目标点的坐标以及所述起始点的坐标，采用以下公式计算各个所述短路径的距离代价：
Figure 100002_DEST_PATH_IMAGE022
；
其中，
Figure 100002_DEST_PATH_IMAGE024
为第i个所述短路径的距离代价，
Figure 100002_DEST_PATH_IMAGE026
为所述起点到所述起始点的距离，
Figure 100002_DEST_PATH_IMAGE028
为所述起始点与所述目标点的距离。
优选地，所述根据所述剩余电量计算能量权重的步骤包括：
根据所述剩余电量，采用以下公式计算所述能量权重：
Figure 100002_DEST_PATH_IMAGE030
；
其中，
Figure 100002_DEST_PATH_IMAGE032
为所述能量权重，
Figure 307867DEST_PATH_IMAGE006
为所述剩余电量。
通过计算剩余电量的能量权重，在剩余电量充足时，其能量权重就越小，规划出的有效短路径就更加倾向最短的路径从而提高无人机的执行速度；在剩余电量较小的时候，其能量权重就越大，规划出的有效短路径就更加倾向能耗小的路径而不是直接选取最短的路径，从而使无人机在低电量状态完成执行任务且避免无人机的电池在低电量状态下出现电池过放导致电池报废的问题。
可选地，所述根据各所述短路径的所述能量代价、所述距离代价以及所述能量权重计算各个所述短路径的所述综合代价的步骤包括：
根据以下公式计算各所述短路径的所述综合代价：
Figure 100002_DEST_PATH_IMAGE034
；
其中，
Figure DEST_PATH_IMAGE036
为第i个所述短路径的所述综合代价，
Figure 230692DEST_PATH_IMAGE024
为第i个所述短路径的所述距离代价,
Figure 960751DEST_PATH_IMAGE016
为第i个所述短路径的所述能量代价，
Figure 691947DEST_PATH_IMAGE032
为所述能量权重。
第二方面，本申请提供了一种无人机路径规划装置，包括：
获取模块，用于获取起点和目标点的坐标、无人机的剩余电量和所述无人机的三个轴向的加速度数据组；对于同一个轴向，所述加速度数据组包括负向最大加速度值、正向最大加速度值以及所述负向最大加速度值和所述正向最大加速度值之间的多个加速度值；
处理模块，用于以所述起点为第一个节点，并循环执行以下步骤，直到获取到与所述目标点的距离小于预设距离阈值的节点：
A201.以最新得到的节点为起始点生成多条短路径；各所述短路径的长度为预设长度且分别对应不同的加速度组合，所述加速度组合包括三个轴向的加速度值；
A202.根据各所述短路径的路径时间和所述加速度组合、所述起点和所述目标点的坐标以及所述剩余电量计算各所述短路径的综合代价；
A203.以所述综合代价最小的所述短路径为有效短路径，提取所述有效短路径的终点作为新的节点；
拼接模块，用于拼接所有所述有效短路径，得到所述无人机的规划路径。
第三方面，本申请提供了一种电子设备，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如前文所述无人机路径规划方法中的步骤。
有益效果：
本申请提供的无人机路径规划方法、装置及电子设备，通过获取起点和目标点的坐标、无人机的剩余电量和所述无人机的三个轴向的加速度数据组；以所述起点为第一个节点，并循环执行以下步骤，直到获取到与所述目标点的距离小于预设距离阈值的节点：以最新得到的节点为起始点生成多条短路径；各所述短路径的长度为预设长度且分别对应不同的加速度组合，所述加速度组合包括三个轴向的加速度值；根据各所述短路径的路径时间和所述加速度组合、所述起点和所述目标点的坐标以及所述剩余电量计算各所述短路径的综合代价；以所述综合代价最小的所述短路径为有效短路径，提取所述有效短路径的终点作为新的节点；拼接所有所述有效短路径，得到所述无人机的规划路径，使无人机在电量充足的状态下，规划出路线更短的路径，当无人机的剩余电量续航不足时，规划出能耗更小的路径，从而更好地平衡无人机的能耗与执行速度的关系。
附图说明
图1为本申请提供的无人机路径规划方法的流程图。
图2为本申请提供的无人机路径规划装置的结构示意图。
图3为本申请提供的电子设备的结构示意图。
图4为现有技术的无人机路径示意图。
标号说明:1、获取模块；2、处理模块；3、拼接模块；301、处理器；302、存储器；303、通信总线。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请提供的一种无人机路径规划方法，包括步骤：
A1.获取起点和目标点的坐标、无人机的剩余电量和无人机的三个轴向的加速度数据组；对于同一个轴向，加速度数据组包括负向最大加速度值、正向最大加速度值以及负向最大加速度值和正向最大加速度值之间的多个加速度值；
A2.以起点为第一个节点，并循环执行以下步骤，直到获取到与目标点的距离小于预设距离阈值的节点：
A201.以最新得到的节点为起始点生成多条短路径；各短路径的长度为预设长度且分别对应不同的加速度组合，加速度组合包括三个轴向的加速度值；
A202.根据各短路径的路径时间和加速度组合、起点和目标点的坐标以及剩余电量计算各短路径的综合代价；
A203.以综合代价最小的短路径为有效短路径，提取有效短路径的终点作为新的节点；
A3.拼接所有有效短路径，得到无人机的规划路径。
具体地，本申请以起点作为第一个节点，并按预设长度生成多条短路径，通过计算各个短路径的综合代价，以综合代价最小的短路径作为有效短路径，并以有效短路径的终点作为新的节点，在新的节点处重复上述过程再次得到一个有效短路径和新的节点，如此循环直到获得的新的节点与目标点的距离足够小，然后拼接所有有效短路径，从而得到无人机的规划路径，可以很好地平衡无人机的能耗与执行速度的关系。
在实际应用中，加速度数据组包括负向最大加速度值、正向最大加速度值以及负向最大加速度值和正向最大加速度值之间的多个加速度值，一般地，无人机在同一轴向的正向最大加速度和负向最大加速度的绝对值相同，但不限于此，以下以同一轴向的正向最大加速度和负向最大加速度的绝对值相同的情况为例进行说明，无人机在无人机坐标系中的x轴、y轴、z轴，三个轴向的加速度值都可以按以下方式划分，如x轴方向的各加速度值可以在
Figure DEST_PATH_IMAGE038
的范围内等分划分得到，例如划分为
Figure DEST_PATH_IMAGE040
份，从而可得到
Figure DEST_PATH_IMAGE042
个加速度值，划分结果为：
Figure DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE046
，对于其它两个轴均采用同样的方式进行划分，各自得到
Figure 796562DEST_PATH_IMAGE042
个加速度值，对无人机在三个轴向的加速度值进行排列组合可以得到
Figure DEST_PATH_IMAGE048
个加速度组合，从而在每个起始点处最多可以生成
Figure 144367DEST_PATH_IMAGE048
条短路径，在每个起始点处可从中选取部分加速度组合以生成对应的短路径，也可以针对全部加速度组合生成
Figure 412537DEST_PATH_IMAGE048
条短路径。
在另一些实施例中，步骤A3之后还包括：
连接该规划路径（即拼接所有有效短路径得到的规划路径）的终点与目标点以得到末端短路径，将该规划路径与该末端短路径拼接，得到无人机的最终规划路径。
在实际应用中，由于设置了预设长度，通过前述过程得到的最后节点（即拼接所有有效短路径得到的规划路径的终点）一般不会与目标点重合，但是当最后节点与目标点的距离小于预设距离阈值时，该最后节点与目标点的距离已经比较小，此时无需再通过计算其综合代价，提高规划路经的效率，直接以直线路径作为末端短路径，并将规划路径与末端短路径拼接，从而得到无人机的最终规划路径。
在一些实施例中，获取无人机的剩余电量的步骤包括：
获取无人机的当前电压；
根据当前电压，采用以下公式计算无人机的剩余电量：
Figure 467081DEST_PATH_IMAGE004
；
其中，
Figure 693663DEST_PATH_IMAGE006
为无人机的剩余电量，
Figure 466447DEST_PATH_IMAGE008
为无人机的当前电压,
Figure 538308DEST_PATH_IMAGE010
为无人机的满电电压，
Figure 712938DEST_PATH_IMAGE012
为无人机的最低电压。
具体地，可以通过获取无人机的当前电压采用上述的公式计算出无人机的剩余电量，也可以通过现有技术直接获取无人机的剩余电量，此处不作限制。
在一些实施例中，步骤A201包括：
获取起始点的初始速度；
根据初始速度和各个不同的加速度组合计算无人机的各个长度为预设长度的移动轨迹，作为各条短路径。
在实际应用中，由于不同的加速度组合，可以得出不同的移动轨迹，通过给定各个移动轨迹的长度为预设长度，由初始速度和各个不同的加速度组合计算（实际为计算在初始速度下的匀加速运动的移动轨迹，及在该移动轨迹各轨迹点处的运动参数，如位置、速度等，为现有技术，此处不作详述）出各条短路径。其中，在每个有效短路径的终点处的速度即为对应起始点的初始速度，对于第一个起始点（即起点）其初始速度为零或预设值。
在一些实施例中，步骤A202包括：
根据各短路径的路径时间和加速度组合计算各个短路径的能量代价；
根据起点和目标点的坐标计算各个短路径的距离代价；
根据剩余电量计算能量权重；
根据各短路径的能量代价、距离代价以及能量权重计算各个短路径的综合代价。
具体地，为了更加综合地评估无人机的能耗与执行速度的关系，通过各个短路径的能量代价、距离代价和能量权重计算各个短路径的综合代价，使无人机在电量充足的状态下，规划出路线更短的路径，当无人机的剩余电量续航不足时，规划出能耗更小的路径，从而更好地平衡无人机的能耗与执行速度的关系。
在一些实施方式中，根据各短路径的路径时间和加速度组合计算各个短路径的能量代价的步骤包括：
根据各短路径的路径时间和加速度组合，采用以下公式计算各个短路径的能量代价：
Figure 836053DEST_PATH_IMAGE014
；
其中，
Figure 830553DEST_PATH_IMAGE016
为第i个短路径的能量代价，
Figure 706105DEST_PATH_IMAGE018
表示第i个短路径的加速度组合对应的总加速（其值等于加速度组合中的三个加速度值的平方和的算术平方根），
Figure 469662DEST_PATH_IMAGE020
表示第i个短路径的路径时间。
其中，每个加速度组合都进行上述公式计算，每个节点的各个短路径都是通过上述公式计算。
具体地，通过各个短路径的路径时间和加速度组合计算出各个短路径所需要花费的能量代价，通过对比各个短路径的能量代价大小，可以获取能量代价最优的短路径。
在一些实施方式中，根据起点和目标点的坐标计算各个短路径的距离代价的步骤包括：
获取起始点的坐标；
根据起点和目标点的坐标以及起始点的坐标，采用以下公式计算各个短路径的距离代价：
Figure 38047DEST_PATH_IMAGE022
；
其中，
Figure 519844DEST_PATH_IMAGE024
为第i个短路径的距离代价，
Figure 933507DEST_PATH_IMAGE026
为起点到起始点的距离，
Figure 817150DEST_PATH_IMAGE028
为起始点与目标点的距离。
具体地，通过计算各个短路径的距离代价，对比距离代价的大小，以获取到距离代价最优的短路径。
在一些实施方式中，根据剩余电量计算能量权重的步骤包括：
根据剩余电量，采用以下公式计算能量权重：
Figure 290856DEST_PATH_IMAGE030
；
其中，
Figure 259950DEST_PATH_IMAGE032
为能量权重，
Figure 946146DEST_PATH_IMAGE006
为剩余电量。
具体地，通过计算剩余电量的能量权重，在剩余电量充足时，其能量权重就越小，规划出的有效短路径就更加倾向最短的路径从而提高无人机的执行速度；在剩余电量较小的时候，其能量权重就越大，规划出的有效短路径就更加倾向能耗小的路径而不是直接选取最短的路径，从而使无人机在低电量状态完成执行任务且避免无人机的电池在低电量状态下出现电池过放导致电池报废的问题。
在一些实施例中，根据各短路径的能量代价、距离代价以及能量权重计算各个短路径的综合代价的步骤包括：
根据以下公式计算各短路径的综合代价：
Figure 949874DEST_PATH_IMAGE034
；
其中，
Figure 594482DEST_PATH_IMAGE036
为第i个短路径的综合代价，
Figure 50871DEST_PATH_IMAGE024
为第i个短路径的距离代价,
Figure 806337DEST_PATH_IMAGE016
为第i个短路径的能量代价，
Figure 398993DEST_PATH_IMAGE032
为能量权重。
具体地，通过综合评估各短路径所需花费的能量代价、距离代价以及能量权重，使无人机在剩余电量充足时，规划出的有效短路径更加倾向最短的路径从而提高无人机的执行速度；使无人机的剩余电量较小的时候，规划出的有效短路径更加倾向能耗小的路径而不是直接选取最短的路径，从而使无人机在低电量状态完成执行任务且避免无人机的电池在低电量状态下出现电池过放导致电池报废的问题。
由上可知，本申请提供的无人机路径规划方法，通过获取起点和目标点的坐标、无人机的剩余电量和无人机的三个轴向的加速度数据组；以起点为第一个节点，并循环执行以下步骤，直到获取到与目标点的距离小于预设距离阈值的节点：以最新得到的节点为起始点生成多条短路径；各短路径的长度为预设长度且分别对应不同的加速度组合，加速度组合包括三个轴向的加速度值；根据各短路径的路径时间和加速度组合、起点和目标点的坐标以及剩余电量计算各短路径的综合代价；以综合代价最小的短路径为有效短路径，提取有效短路径的终点作为新的节点；拼接所有有效短路径，得到无人机的规划路径，使无人机在电量充足的状态下，规划出路线更短的路径，当无人机的剩余电量续航不足时，规划出能耗更小的路径，从而更好地平衡无人机的能耗与执行速度的关系。
请参考图2，本申请提供了一种无人机路径规划装置，包括：
获取模块1，用于获取起点和目标点的坐标、无人机的剩余电量和无人机的三个轴向的加速度数据组；对于同一个轴向，加速度数据组包括负向最大加速度值、正向最大加速度值以及负向最大加速度值和正向最大加速度值之间的多个加速度值；
处理模块2，用于以起点为第一个节点，并循环执行以下步骤，直到获取到与目标点的距离小于预设距离阈值的节点：
A201.以最新得到的节点为起始点生成多条短路径；各短路径的长度为预设长度且分别对应不同的加速度组合，加速度组合包括三个轴向的加速度值；
A202.根据各短路径的路径时间和加速度组合、起点和目标点的坐标以及剩余电量计算各短路径的综合代价；
A203.以综合代价最小的短路径为有效短路径，提取有效短路径的终点作为新的节点；
拼接模块3，用于拼接所有有效短路径，得到无人机的规划路径。
具体地，本申请以起点作为第一个节点，并按预设长度生成多条短路径，通过计算各个短路径的综合代价，以综合代价最小的短路径作为有效短路径，并以有效短路径的终点作为新的节点，在新的节点处重复上述过程再次得到一个有效短路径和新的节点，如此循环直到获得的新的节点与目标点的距离足够小，然后拼接所有有效短路径，从而得到无人机的规划路径，可以很好地平衡无人机的能耗与执行速度的关系。
在实际应用中，加速度数据组包括负向最大加速度值、正向最大加速度值以及负向最大加速度值和正向最大加速度值之间的多个加速度值，一般地，无人机在同一轴向的正向最大加速度和负向最大加速度的绝对值相同，但不限于此，以下以同一轴向的正向最大加速度和负向最大加速度的绝对值相同的情况为例进行说明，无人机在无人机坐标系中的x轴、y轴、z轴，三个轴向的加速度值都可以按以下方式划分，如x轴方向的各加速度值可以在
Figure 948923DEST_PATH_IMAGE038
的范围内等分划分得到，例如划分为
Figure 161117DEST_PATH_IMAGE040
份，从而可得到
Figure 720274DEST_PATH_IMAGE042
个加速度值，划分结果为：
Figure 167436DEST_PATH_IMAGE044
，
Figure 153847DEST_PATH_IMAGE046
，对于其它两个轴均采用同样的方式进行划分，各自得到
Figure 584828DEST_PATH_IMAGE042
个加速度值，对无人机在三个轴向的加速度值进行排列组合可以得到
Figure 947676DEST_PATH_IMAGE048
个加速度组合，从而在每个起始点处最多可以生成
Figure 780503DEST_PATH_IMAGE048
条短路径，在每个起始点处可从中选取部分加速度组合以生成对应的短路径，也可以针对全部加速度组合生成
Figure 672236DEST_PATH_IMAGE048
条短路径。
在另一些实施例中，拼接模块3执行拼接所有有效短路径，得到无人机的规划路径之后，还具体执行：
连接该规划路径（即拼接所有有效短路径得到的规划路径）的终点与目标点以得到末端短路径，将该规划路径与该末端短路径拼接，得到无人机的最终规划路径。
在实际应用中，由于设置了预设长度，通过前述过程得到的最后节点（即拼接所有有效短路径得到的规划路径的终点）一般不会与目标点重合，但是当最后节点与目标点的距离小于预设距离阈值时，该最后节点与目标点的距离已经比较小，此时无需再通过计算其综合代价，提高规划路经的效率，直接以直线路径作为末端短路径，并将规划路径与末端短路径拼接，从而得到无人机的最终规划路径。
在一些实施例中，获取模块1在获取无人机的剩余电量的时候，具体执行：
获取无人机的当前电压；
根据当前电压，采用以下公式计算无人机的剩余电量：
Figure 324934DEST_PATH_IMAGE004
；
其中，
Figure 757052DEST_PATH_IMAGE006
为无人机的剩余电量，
Figure 178806DEST_PATH_IMAGE008
为无人机的当前电压,
Figure 507019DEST_PATH_IMAGE010
为无人机的满电电压，
Figure 647014DEST_PATH_IMAGE012
为无人机的最低电压。
具体地，可以通过获取无人机的当前电压采用上述的公式计算出无人机的剩余电量，也可以通过现有技术直接获取无人机的剩余电量，此处不作限制。
在一些实施例中，处理模块2执行以最新得到的节点为起始点生成多条短路径；各短路径的长度为预设长度且分别对应不同的加速度组合，加速度组合包括三个轴向的时候，具体执行：
获取起始点的初始速度；
根据初始速度和各个不同的加速度组合计算无人机的各个长度为预设长度的移动轨迹，作为各条短路径。
在实际应用中，由于不同的加速度组合，可以得出不同的移动轨迹，通过给定各个移动轨迹的长度为预设长度，由初始速度和各个不同的加速度组合计算（实际为计算在初始速度下的匀加速运动的移动轨迹，及在该移动轨迹各轨迹点处的运动参数，如位置、速度等，为现有技术，此处不作详述）出各条短路径。其中，在每个有效短路径的终点处的速度即为对应起始点的初始速度，对于第一个起始点（即起点）其初始速度为零或预设值。
在一些实施例中，处理模块2在根据各短路径的路径时间和加速度组合、起点和目标点的坐标以及剩余电量计算各短路径的综合代价的时候，具体执行：
根据各短路径的路径时间和加速度组合计算各个短路径的能量代价；
根据起点和目标点的坐标计算各个短路径的距离代价；
根据剩余电量计算能量权重；
根据各短路径的能量代价、距离代价以及能量权重计算各个短路径的综合代价。
具体地，为了更加综合地评估无人机的能耗与执行速度的关系，通过各个短路径的能量代价、距离代价和能量权重计算各个短路径的综合代价，使无人机在电量充足的状态下，规划出路线更短的路径，当无人机的剩余电量续航不足时，规划出能耗更小的路径，从而更好地平衡无人机的能耗与执行速度的关系。
在一些实施方式中，处理模块2根据各短路径的路径时间和加速度组合计算各个短路径的能量代价的时候，具体执行：
根据各短路径的路径时间和加速度组合，采用以下公式计算各个短路径的能量代价：
Figure 86085DEST_PATH_IMAGE014
；
其中，
Figure 627925DEST_PATH_IMAGE016
为第i个短路径的能量代价，
Figure 129969DEST_PATH_IMAGE018
表示第i个短路径的加速度组合对应的总加速度（其值等于加速度组合中的三个加速度值的平方和的算术平方根），
Figure 757260DEST_PATH_IMAGE020
表示第i个短路径的路径时间。
其中，每个加速度组合都进行上述公式计算，每个节点的各个短路径都是通过上述公式计算。
具体地，通过各个短路径的路径时间和加速度组合计算出各个短路径所需要花费的能量代价，通过对比各个短路径的能量代价大小，可以获取能量代价最优的短路径。
在一些实施方式中，处理模块2根据起点和目标点的坐标计算各个短路径的距离代价的时候，具体执行：
获取起始点的坐标；
根据起点和目标点的坐标以及起始点的坐标，采用以下公式计算各个短路径的距离代价：
Figure 22DEST_PATH_IMAGE022
；
其中，
Figure 396368DEST_PATH_IMAGE024
为第i个短路径的距离代价，
Figure 66384DEST_PATH_IMAGE026
为起点到起始点的距离，
Figure 180971DEST_PATH_IMAGE028
为起始点与目标点的距离。
具体地，通过计算各个短路径的距离代价，对比距离代价的大小，以获取到距离代价最优的短路径。
在一些实施方式中，处理模块2根据剩余电量计算能量权重的时候，具体执行：
根据剩余电量，采用以下公式计算能量权重：
Figure 961845DEST_PATH_IMAGE030
；
其中，
Figure 478277DEST_PATH_IMAGE032
为能量权重，
Figure 53615DEST_PATH_IMAGE006
为剩余电量。
具体地，通过计算剩余电量的能量权重，在剩余电量充足时，其能量权重就越小，规划出的有效短路径就更加倾向最短的路径从而提高无人机的执行速度；在剩余电量较小的时候，其能量权重就越大，规划出的有效短路径就更加倾向能耗小的路径而不是直接选取最短的路径，从而使无人机在低电量状态完成执行任务且避免无人机的电池在低电量状态下出现电池过放导致电池报废的问题。
在一些实施例中，处理模块2在根据各短路径的能量代价、距离代价以及能量权重计算各个短路径的综合代价的时候，具体执行：
根据以下公式计算各短路径的综合代价：
Figure 655497DEST_PATH_IMAGE034
；
其中，
Figure 240062DEST_PATH_IMAGE036
为第i个短路径的综合代价，
Figure 611001DEST_PATH_IMAGE024
为第i个短路径的距离代价,
Figure 888399DEST_PATH_IMAGE016
为第i个短路径的能量代价，
Figure 446419DEST_PATH_IMAGE032
为能量权重。
具体地，通过综合评估各短路径所需花费的能量代价、距离代价以及能量权重，使无人机在剩余电量充足时，规划出的有效短路径更加倾向最短的路径从而提高无人机的执行速度；使无人机的剩余电量较小的时候，规划出的有效短路径更加倾向能耗小的路径而不是直接选取最短的路径，从而使无人机在低电量状态完成执行任务且避免无人机的电池在低电量状态下出现电池过放导致电池报废的问题。
由上可知，本申请提供的无人机路径规划装置，使无人机在电量充足的状态下，规划出路线更短的路径，当无人机的剩余电量续航不足时，规划出能耗更小的路径，从而更好地平衡无人机的能耗与执行速度的关系。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当电子设备运行时，处理器301执行该计算机程序，以执行上述实施例的任一可选的实现方式中的无人机路径规划方法，以实现以下功能：获取起点和目标点的坐标、无人机的剩余电量和无人机的三个轴向的加速度数据组；对于同一个轴向，加速度数据组包括负向最大加速度值、正向最大加速度值以及负向最大加速度值和正向最大加速度值之间的多个加速度值；以起点为第一个节点，并循环执行以下步骤，直到获取到与目标点的距离小于预设距离阈值的节点：以最新得到的节点为起始点生成多条短路径；各短路径的长度为预设长度且分别对应不同的加速度组合，加速度组合包括三个轴向的加速度值；根据各短路径的路径时间和加速度组合、起点和目标点的坐标以及剩余电量计算各短路径的综合代价；以综合代价最小的短路径为有效短路径，提取有效短路径的终点作为新的节点；拼接所有有效短路径，得到无人机的规划路径。
本申请实施例提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的无人机路径规划方法，以实现以下功能：获取起点和目标点的坐标、无人机的剩余电量和无人机的三个轴向的加速度数据组；对于同一个轴向，加速度数据组包括负向最大加速度值、正向最大加速度值以及负向最大加速度值和正向最大加速度值之间的多个加速度值；以起点为第一个节点，并循环执行以下步骤，直到获取到与目标点的距离小于预设距离阈值的节点：以最新得到的节点为起始点生成多条短路径；各短路径的长度为预设长度且分别对应不同的加速度组合，加速度组合包括三个轴向的加速度值；根据各短路径的路径时间和加速度组合、起点和目标点的坐标以及剩余电量计算各短路径的综合代价；以综合代价最小的短路径为有效短路径，提取有效短路径的终点作为新的节点；拼接所有有效短路径，得到无人机的规划路径。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，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单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种无人机路径规划方法，其特征在于，包括步骤：
A1.获取起点和目标点的坐标、无人机的剩余电量和所述无人机的三个轴向的加速度数据组；对于同一个轴向，所述加速度数据组包括负向最大加速度值、正向最大加速度值以及所述负向最大加速度值和所述正向最大加速度值之间的多个加速度值；
A2.以所述起点为第一个节点，并循环执行以下步骤，直到获取到与所述目标点的距离小于预设距离阈值的节点：
A201.以最新得到的节点为起始点生成多条短路径；各所述短路径的长度为预设长度且分别对应不同的加速度组合，所述加速度组合包括三个轴向的加速度值；
A202.根据各所述短路径的路径时间和所述加速度组合、所述起点和所述目标点的坐标以及所述剩余电量计算各所述短路径的综合代价；
A203.以所述综合代价最小的所述短路径为有效短路径，提取所述有效短路径的终点作为新的节点；
A3.拼接所有所述有效短路径，得到所述无人机的规划路径。
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，获取所述无人机的剩余电量的步骤包括：
获取所述无人机的当前电压；
根据所述当前电压，采用以下公式计算所述无人机的剩余电量：
Figure DEST_PATH_IMAGE002
；
其中，
Figure DEST_PATH_IMAGE004
为所述无人机的剩余电量，
Figure DEST_PATH_IMAGE006
为所述无人机的当前电压,
Figure DEST_PATH_IMAGE008
为所述无人机的满电电压，
Figure DEST_PATH_IMAGE010
为所述无人机的最低电压。
3.根据权利要求1所述的无人机路径规划方法，其特征在于，步骤A201包括：
获取所述起始点的初始速度；
根据所述初始速度和各个不同的所述加速度组合计算所述无人机的各个长度为所述预设长度的移动轨迹，作为各条所述短路径。
4.根据权利要求1所述的无人机路径规划方法，其特征在于，步骤A202包括：
根据各所述短路径的路径时间和所述加速度组合计算各个所述短路径的能量代价；
根据所述起点和所述目标点的坐标计算各个所述短路径的距离代价；
根据所述剩余电量计算能量权重；
根据各所述短路径的所述能量代价、所述距离代价以及所述能量权重计算各个所述短路径的所述综合代价。
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，所述根据各所述短路径的路径时间和所述加速度组合计算各个所述短路径的能量代价的步骤包括：
根据各所述短路径的路径时间和所述加速度组合，采用以下公式计算各个所述短路径的能量代价：
Figure DEST_PATH_IMAGE012
；
其中，
Figure DEST_PATH_IMAGE014
为第i个所述短路径的能量代价，
Figure DEST_PATH_IMAGE016
表示第i个所述短路径的加速度组合对应的总加速度，
Figure DEST_PATH_IMAGE018
表示第i个所述短路径的路径时间。
6.根据权利要求4所述的无人机路径规划方法，其特征在于，所述根据所述起点和所述目标点的坐标计算各个所述短路径的距离代价的步骤包括：
获取所述起始点的坐标；
根据所述起点和所述目标点的坐标以及所述起始点的坐标，采用以下公式计算各个所述短路径的距离代价：
Figure DEST_PATH_IMAGE020
；
其中，
Figure DEST_PATH_IMAGE022
为第i个所述短路径的距离代价，
Figure DEST_PATH_IMAGE024
为所述起点到所述起始点的距离，
Figure DEST_PATH_IMAGE026
为所述起始点与所述目标点的距离。
7.根据权利要求4所述的无人机路径规划方法，其特征在于，所述根据所述剩余电量计算能量权重的步骤包括：
根据所述剩余电量，采用以下公式计算所述能量权重：
Figure DEST_PATH_IMAGE028
；
其中，
Figure DEST_PATH_IMAGE030
为所述能量权重，
Figure 656567DEST_PATH_IMAGE004
为所述剩余电量。
8.根据权利要求4所述的无人机路径规划方法，其特征在于，所述根据各所述短路径的所述能量代价、所述距离代价以及所述能量权重计算各个所述短路径的所述综合代价的步骤包括：
根据以下公式计算各所述短路径的所述综合代价：
Figure DEST_PATH_IMAGE032
；
其中，
Figure DEST_PATH_IMAGE034
为第i个所述短路径的所述综合代价，
Figure 714653DEST_PATH_IMAGE022
为第i个所述短路径的所述距离代价,
Figure 963231DEST_PATH_IMAGE014
为第i个所述短路径的所述能量代价，
Figure 827282DEST_PATH_IMAGE030
为所述能量权重。
9.一种无人机路径规划装置，其特征在于，包括：
获取模块，用于获取起点和目标点的坐标、无人机的剩余电量和所述无人机的三个轴向的加速度数据组；对于同一个轴向，所述加速度数据组包括负向最大加速度值、正向最大加速度值以及所述负向最大加速度值和所述正向最大加速度值之间的多个加速度值；
处理模块，用于以所述起点为第一个节点，并循环执行以下步骤，直到获取到与所述目标点的距离小于预设距离阈值的节点：
A201.以最新得到的节点为起始点生成多条短路径；各所述短路径的长度为预设长度且分别对应不同的加速度组合，所述加速度组合包括三个轴向的加速度值；
A202.根据各所述短路径的路径时间和所述加速度组合、所述起点和所述目标点的坐标以及所述剩余电量计算各所述短路径的综合代价；
A203.以所述综合代价最小的所述短路径为有效短路径，提取所述有效短路径的终点作为新的节点；
拼接模块，用于拼接所有所述有效短路径，得到所述无人机的规划路径。
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如权利要求1-8任一项所述无人机路径规划方法中的步骤。
CN202211182435.3A 2022-09-27 2022-09-27 一种无人机路径规划方法、装置及电子设备 Active CN115265549B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211182435.3A CN115265549B (zh) 2022-09-27 2022-09-27 一种无人机路径规划方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211182435.3A CN115265549B (zh) 2022-09-27 2022-09-27 一种无人机路径规划方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN115265549A true CN115265549A (zh) 2022-11-01
CN115265549B CN115265549B (zh) 2022-12-27

Family

ID=83756215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211182435.3A Active CN115265549B (zh) 2022-09-27 2022-09-27 一种无人机路径规划方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN115265549B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190051198A1 (en) * 2018-09-28 2019-02-14 Intel Corporation Method of generating a collision free path of travel and computing system
CN111324144A (zh) * 2020-02-28 2020-06-23 广州极飞科技有限公司 无人作业设备的返航控制方法、装置、设备及非易失性存储介质
CN112180723A (zh) * 2020-09-15 2021-01-05 东北大学 一种基于能量分析的无人机任务规划方法及装置
US20210165405A1 (en) * 2019-12-03 2021-06-03 University-Industry Cooperation Group Of Kyung Hee University Multiple unmanned aerial vehicles navigation optimization method and multiple unmanned aerial vehicles system using the same
CN113268077A (zh) * 2021-04-13 2021-08-17 国网能源研究院有限公司 无人机能耗最小化设计方法及装置
CN114840020A (zh) * 2022-04-21 2022-08-02 重庆邮电大学 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190051198A1 (en) * 2018-09-28 2019-02-14 Intel Corporation Method of generating a collision free path of travel and computing system
US20210165405A1 (en) * 2019-12-03 2021-06-03 University-Industry Cooperation Group Of Kyung Hee University Multiple unmanned aerial vehicles navigation optimization method and multiple unmanned aerial vehicles system using the same
CN111324144A (zh) * 2020-02-28 2020-06-23 广州极飞科技有限公司 无人作业设备的返航控制方法、装置、设备及非易失性存储介质
CN112180723A (zh) * 2020-09-15 2021-01-05 东北大学 一种基于能量分析的无人机任务规划方法及装置
CN113268077A (zh) * 2021-04-13 2021-08-17 国网能源研究院有限公司 无人机能耗最小化设计方法及装置
CN114840020A (zh) * 2022-04-21 2022-08-02 重庆邮电大学 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法

Also Published As

Publication number Publication date
CN115265549B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN106964156B (zh) 一种寻路方法以及装置
CN109933089B (zh) 基于最小化最大能量消耗的多无人机任务规划方法及装置
Yang et al. Path planning for single unmanned aerial vehicle by separately evolving waypoints
Coutinho et al. A branch-and-bound algorithm for the close-enough traveling salesman problem
CN105841702A (zh) 一种基于粒子群优化算法的多无人机航路规划方法
CN112034878B (zh) 基于无人机的电力巡检方法、装置和电子设备
CN107144287B (zh) 一种电动车的出行规划方法和装置
Li et al. Planning large-scale search and rescue using team of uavs and charging stations
EP2101277B1 (en) Method and device for three-dimensional path planning to avoid obstacles using multiple planes
CN108177528B (zh) 纯电动汽车续驶里程估算方法、***、设备及存储介质
CN111580561A (zh) 基于粒子群算法优化的无人机调度方法、***和可读存储介质
Boggio-Dandry et al. Perpetual flight for UAV drone swarms using continuous energy replenishment
CN111679690A (zh) 一种巡检无人机机巢分布及信息交互方法
Yan et al. 3D PRM based real-time path planning for UAV in complex environment
Jin et al. Optimal scheduling for refueling multiple autonomous aerial vehicles
CN114020005A (zh) 多无人机协同巡检配网线路的航迹规划方法和***
CN110610273A (zh) 一种车机协同巡检方法
CN104809760A (zh) 基于深度优先策略的地理空间三维外轮廓自动构建方法
CN117032311A (zh) 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质
Kiam et al. An ai-based planning framework for HAPS in a time-varying environment
US20240239484A1 (en) Fast path planning for dynamic avoidance in partially known environments
CN115265549B (zh) 一种无人机路径规划方法、装置及电子设备
Rocha et al. Plannie: A benchmark framework for autonomous robots path planning algorithms integrated to simulated and real environments
CN112148035B (zh) 多无人机轨迹优化方法、装置、存储介质及计算机设备
CN116088586A (zh) 一种无人机作战过程中的临机任务规划的方法

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
GR01 Patent grant
GR01 Patent grant