KR20230083846A - Travel Path Planning Method of Aerial Vehicles in 3-dimensional Environment - Google Patents
Travel Path Planning Method of Aerial Vehicles in 3-dimensional Environment Download PDFInfo
- Publication number
- KR20230083846A KR20230083846A KR1020210172222A KR20210172222A KR20230083846A KR 20230083846 A KR20230083846 A KR 20230083846A KR 1020210172222 A KR1020210172222 A KR 1020210172222A KR 20210172222 A KR20210172222 A KR 20210172222A KR 20230083846 A KR20230083846 A KR 20230083846A
- Authority
- KR
- South Korea
- Prior art keywords
- collision
- route
- algorithm
- planning
- air vehicle
- Prior art date
Links
- 238000013439 planning Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 145
- 230000003068 static effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 23
- 238000005070 sampling Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 10
- 238000010276 construction Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 239000003795 chemical substances by application Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 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 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000904014 Pappus Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 235000012489 doughnuts Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
- G05D1/1064—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones specially adapted for avoiding collisions with other aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
Description
본 발명은 3차원 환경에서의 항공 차량 이동노선 계획 방법에 관한 것으로, 좀더 상세하게는 시변 환경을 기반으로 하는 속도 장애물의 장점을 이용하여 항공 차량의 운항 중 충돌을 신속하게 감지하여 3차원 환경에서 보다 저렴한 비용을 지불하며 충돌을 회피할 수 있는 최적의 항공 차량 이동노선 경로를 계획하는 방법에 관한 것이다.The present invention relates to a method for planning an air vehicle movement route in a 3D environment, and more particularly, by using the advantage of a speed obstacle based on a time-varying environment to quickly detect a collision during operation of an air vehicle, in a 3D environment. It is about a method of planning an optimal air vehicle movement route that can avoid collisions at a lower cost.
최근 UAV(Unmanned Aerial Vehicle) 또는 드론(drone)과 같은 다양한 무인 항공 차량들이 군사 분야에서 감시, 정찰, 공격용 전투 무기로서의 역할뿐만 아니라 민간분야에서 환경, 물류, 농업, 기상예보, 영화 촬영 및 재난 구호와 같은 다양한 영역으로 활용 범위가 확대되고 있다. Recently, various unmanned aerial vehicles such as UAVs (Unmanned Aerial Vehicles) or drones have served not only as surveillance, reconnaissance, and combat weapons for attack in the military field, but also in the environment, logistics, agriculture, weather forecasting, cinematography, and disaster relief in the civil field. The range of application is expanding to various fields such as
이는 무인(unmanned)이기 때문에 예상치 못한 사고 시 일부 재산상의 손실은 수반하더라도 사람의 생명과는 직결되지 않기에 위험이 수반되는 정찰, 전투와 같은 군사 영역과 긴박한 시간을 필요로 하는 의료분야의 배송 서비스 등과 같은 다양한 영역으로 점차적으로 확대될 전망이다. Since it is unmanned, it is not directly related to human life even if it causes some property loss in the event of an unexpected accident, so it is a delivery service in the military field such as reconnaissance and combat, which involves risk, and in the medical field that requires urgent time. It is expected to gradually expand to various areas such as
특히 무인 항공 차량의 활용 영역이 증가하고 그 수가 증가함에 따라 무인 항공 차량들은 낮은 고도에서 높은 트래픽 밀도(high traffic density)를 가지고 하늘을 비행하게 될 것이다. In particular, as the application area of unmanned aerial vehicles increases and their number increases, unmanned aerial vehicles will fly in the sky with high traffic density at low altitudes.
이러한 높은 트래픽 밀도에서 가장 중요하게 대두되는 기술들은 예상하지 못한 충돌에 대한 감지와 이에 대한 자동 충돌 방지 및 자동 회피기술을 통해 초기위치에서 목적지까지 안전하게 도착하도록 경로를 계획하는 기술이다. The most important technologies in this high traffic density are detection of unexpected collisions and automatic collision avoidance and automatic avoidance technology to plan a route to reach the destination safely from the initial location.
무인 항공 차량의 충돌은 정적 또는 동적 장애물에 대한 충돌로서 정적 장애물에 대한 충돌 방지는 전역(global) 경로계획에서 고려되며 동적 또는 예기치 않은 장애물은 지역(local) 경로계획에서 고려된다. The collision of an unmanned aerial vehicle is a collision against a static or dynamic obstacle, and collision avoidance against a static obstacle is considered in global path planning, and dynamic or unexpected obstacles are considered in local path planning.
이러한 무인 항공 차량의 충돌감지 및 충돌 방지를 위해서는 많은 고려 사항이 대두되지만, 특히 시간과 관련된 매개변수의 정의 및 계산은 알고리즘의 성능 및 충돌회피를 위한 신뢰성과 성능에 중요하다. Many considerations are emerging for collision detection and collision avoidance of these unmanned aerial vehicles, but in particular, the definition and calculation of parameters related to time are important for algorithm performance and reliability and performance for collision avoidance.
한편 종래 무인 항공 차량에 대한 경로계획 알고리즘들 중 RRT(Rapidly-exploring Random Tree)를 기반으로 하는 대부분의 알고리즘들은 크고 복잡한 3차원 환경에서 최적 성과 수렴 속도 간의 절충과 관련하여 주로 탐색의 방향을 편향(biasing) 적으로 수행하는 수학적 함수를 제안하는 연구가 대부분이며 탐색 영역을 제한하거나 확장함으로써 알고리즘의 성능을 개선하고자 하는 연구는 상대적으로 적은 편이다. Meanwhile, among conventional path planning algorithms for unmanned aerial vehicles, most algorithms based on RRT (Rapidly-exploring Random Tree) mainly bias the search direction in relation to the trade-off between optimality and convergence speed in a large and complex 3D environment ( Most studies propose mathematical functions that perform biasing, and relatively few studies seek to improve the performance of algorithms by limiting or expanding the search area.
이에 더해 무인 항공 차량의 트래픽 밀도가 높을수록 충돌이 더 많이 감지되며 충돌을 피하는 경로계획 알고리즘은 더욱 복잡해짐에 따라 더욱 높은 수준의 안전성과 신뢰성을 갖는 알고리즘의 필요성이 대두되고 있는 실정이다.In addition, the higher the traffic density of unmanned aerial vehicles, the more collisions are detected, and as the path planning algorithm to avoid collisions becomes more complex, the need for an algorithm with a higher level of safety and reliability is emerging.
종래 무인 항공 차량에 대한 경로 계획에 관련된 기술로 하기의 참고문헌 1 내지 4 등의 특허문헌과, 참고문헌 5 내지 14 등의 비특허문헌이 제안된 바 있다.Conventionally, patent documents such as
따라서 이와 같은 종래 기술의 문제점을 해결하기 위해 본 발명은 3차원 환경에서 완전한 자율비행을 목표로 하는 무인 항공 차량의 충돌회피와 경로의 재 계획을 위해 탐색 공간에 대한 제한을 통하여 충돌을 신속하게 감지하고 공역 및 거리에서 저렴한 비용을 지불하며 최적의 경로를 계획하는 방법을 제공하는데 목적이 있다.Therefore, in order to solve the problems of the prior art, the present invention rapidly detects collisions through restrictions on the search space for collision avoidance and path replanning of an unmanned aerial vehicle aiming at fully autonomous flight in a 3D environment. It aims to provide a way to plan an optimal route at low cost in airspace and distance.
특히 본 발명은 항공 차량의 운항 중 충돌에 대한 위험을 감지하고 기존에 계획되어 있는 전역적인 경로 대신 지역적인 경로를 재 계획함으로써 정적, 동적인 장애물로부터 충돌을 회피하고 회피가 완료된 후 원래의 계획된 경로 점으로 재 진입하는 알고리즘을 제시함으로써 무인 항공 차량의 자율 충돌회피 기능을 실현하고 무인 항공 차량의 자율제어 기능을 향상시킬 수 있는 3차원 환경에서의 항공 차량 이동노선을 계획하는 방법을 제공하는데 그 목적이 있다.In particular, the present invention avoids collisions from static and dynamic obstacles by detecting the risk of collision during the operation of an air vehicle and replanning a local route instead of a previously planned global route, and after the avoidance is completed, the original planned route By presenting an algorithm that re-enters the point, it provides a method for planning an air vehicle movement route in a 3D environment that can realize autonomous collision avoidance function of unmanned aerial vehicle and improve autonomous control function of unmanned aerial vehicle. there is
이와 같은 기술적 과제를 해결하기 위해 본 발명은; The present invention to solve such a technical problem;
3차원 환경에서의 항공 차량 이동노선 계획 방법에 있어서, 상기 항공 차량이 이동하는 계획된 경로의 시작 위치와 목적 위치 사이의 경로 점 목록(waypoint list)을 생성하는 제1단계; 및 상기 항공 차량이 계획된 경로로 이동 중 동적 또는 정적 장애물과의 충돌을 회피하기 위해 Boundary-RRT* 알고리즘을 기반으로 탐색 공간을 제한하여 상기 경로 점 목록(waypoint list) 내 지역 경로를 재 계획(re-planning)하는 제2단계;를 포함하는 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법을 제공한다.A method for planning an air vehicle movement route in a 3D environment, comprising: a first step of generating a waypoint list between a start location and a destination location of a planned route along which the air vehicle travels; and re-planning a local route in the waypoint list by limiting a search space based on a Boundary-RRT* algorithm in order to avoid a collision with a dynamic or static obstacle while the air vehicle is moving along the planned route. It provides a method for planning an air vehicle movement route in a three-dimensional environment, characterized in that it comprises a second step of -planning.
이때 상기 제1단계는, 헝가리언 할당 알고리즘(HAA : Hungarian Assignment Algorithm)을 사용하여 항공 차량의 시작 위치와 목적지 사이의 거리를 기반으로 경로 점 목록(waypoint list)를 생성하는 단계인 것을 특징으로 한다.In this case, the first step is a step of generating a waypoint list based on the distance between the starting position of the air vehicle and the destination using a Hungarian Assignment Algorithm (HAA). .
그리고 상기 정적 장애물은 전역 경로 계획 시에 제공된 지리 정보를 기반으로 한 장애물이고, 상기 동적 장애물은 일정 범위 내에서 정보를 교환하는 항공 차량인 것을 특징으로 한다.The static obstacle is an obstacle based on geographic information provided during global route planning, and the dynamic obstacle is an air vehicle exchanging information within a certain range.
아울러 상기 항공 차량은 통행권(right-of-way) 규칙에 따라 우선순위가 부여된 무인 항공 차량인 것을 특징으로 한다.In addition, the aerial vehicle is characterized in that it is an unmanned aerial vehicle to which priority is given according to a right-of-way rule.
또한 상기 Boundary-RRT* 알고리즘은 충돌을 미리 예측하고 충돌이 예측되는 경로에서만 충돌 지점에 대한 충돌회피 지역의 탐색 공간을 제한하여 충돌을 회피할 수 있는 지역 경로를 재 계획(re-planning)하는 것을 특징으로 한다.In addition, the Boundary-RRT* algorithm predicts a collision in advance and re-plans a local path that can avoid collision by limiting the search space of the collision avoidance area for the collision point only on the path where the collision is predicted. to be characterized
한편, 상기 제2단계는, 위협거리 내의 장애물에 대한 정보를 검출하는 2-1단계; 상기 장애물이 감지되면 충돌을 예측하는 제2-2단계; 상기 장애물과 충돌이 예측되면 통행권(right-of-way) 규칙에 따라 충돌회피 조작을 수행할 항공 차량을 결정하는 제2-2단계; 및 상기 충돌회피 조작을 수행할 항공 차량의 지역 경로를 재 계획(re-planning)하는 제2-3단계;를 포함하는 것을 특징으로 한다.Meanwhile, the second step may include a step 2-1 of detecting information about an obstacle within a threat distance; Step 2-2 of predicting a collision when the obstacle is detected; a 2-2 step of determining an air vehicle to perform a collision avoidance operation according to a right-of-way rule when a collision with the obstacle is predicted; and a 2nd-3rd step of re-planning a local route of the air vehicle to perform the collision avoidance operation.
이때 상기 제2-3단계는, 항공 차량과 장애물의 충돌 예상 시간과 충돌을 피하기 위한 기동을 시작하는 시간을 계산하여 경로 점 목록에서 상기 충돌 예상 시간과 충돌을 피하기 위한 기동을 시작하는 시간의 거리만큼 떨어져 있는 경로 점을 검색하여 통행권(right-of-way) 규칙을 적용하여 절단된 토러스(sliced-torus)로 제한(bound)한 탐색 공간에서 지역 경로를 재 계획(re-planning)하는 단계인 것을 특징으로 한다.At this time, in step 2-3, the estimated time of collision between the air vehicle and the obstacle and the time to start maneuvering to avoid collision are calculated, and the distance between the predicted time of collision and the time to start maneuvering to avoid collision is calculated in the route point list. This is a step of re-planning a local route in the search space bounded by the sliced-torus by searching for route points that are separated by , and applying the right-of-way rule. characterized by
그리고 상기 절단된 토러스 영역은 정적 장애물의 크기와 움직이는 물체의 속도에 따라 확장 및 축소가 가능하도록 가변적으로 설정되는 것을 특징으로 한다.Further, the truncated torus area is characterized in that it is variably set to expand and contract according to the size of the static obstacle and the speed of the moving object.
본 발명에 따르면 3차원 환경에서 항공 차량의 충돌회피와 경로를 재 계획하기 위한 Boundary-RRT* 알고리즘을 이용하여 항공 차량의 충돌과 관련하여 성공적인 충돌회피를 수행하였으며 새로운 경로 점을 생성하여 경로를 재 계획을 할 수 있다.According to the present invention, by using the Boundary-RRT* algorithm for collision avoidance and route replanning of air vehicles in a 3D environment, collision avoidance was successfully performed in relation to air vehicle collisions, and a new path point was created to re-route. You can plan.
특히 본 발명에 따르면 간단한 통행권 규칙과 결합하여 구성 공간을 절단된 토러스 공간으로 제한하고 암시적(implicit)인 바이어스(bias) 즉 편향성이 포함되어 있어 편향 함수를 따로 정의하지 않고서도 자연스러운 곡률(curvature) 경로를 생성할 수 있고, 제한된 공간으로 인해 알고리즘은 기존 RRT의 수렴 속도보다 크게 개선되는 효과 있다.In particular, according to the present invention, in combination with a simple right-of-way rule, the construction space is limited to a truncated torus space, and an implicit bias, that is, a bias, is included, so that natural curvature can be obtained without separately defining a bias function. Paths can be created, and due to the limited space, the algorithm has the effect of significantly improving the convergence speed of conventional RRT.
아울러 본 발명에 따르면 Boundary-RRT* 알고리즘을 통해 3차원 환경에서 항공 차량의 충돌회피와 경로를 재 계획시 계산의 단순성과 구성 공간의 탐색 영역을 한정(boundary) 함으로써 계산의 부하를 최소화하고 실시간 성능을 향상시켜 다양한 항공 차량 간의 충돌회피와 지역 경로의 재 계획에 유리하다.In addition, according to the present invention, the Boundary-RRT* algorithm minimizes the load of calculation and improves real-time performance by limiting the search area of the configuration space and the simplicity of calculation when replanning the collision avoidance and route of an air vehicle in a 3D environment. It is advantageous for collision avoidance between various air vehicles and replanning of local routes.
특히 본 발명에 따르면 RRT*의 탐색영역을 절단된 토러스라는 지역적 영역으로 축소함으로써 RRT*의 가장 큰 단점인 수렴 속도를 개선하고, 단순한 샘플링 알고리즘을 적용함으로써 수학적 또는 기하학적인 연산의 복잡성을 제거하고 복잡도(complexity)를 단순화함은 물론 충돌회피를 위한 기동 시작 시점의 모호성과 같은 단점이 대두되지 않아 큰 변위를 갖지 않는 일관된 경로를 계획할 수 있는 장점이 있다.In particular, according to the present invention, the convergence speed, which is the biggest disadvantage of RRT*, is improved by reducing the search area of RRT* to a local area called a truncated torus, and by applying a simple sampling algorithm, the complexity of mathematical or geometrical operations is removed and complexity is reduced. In addition to simplifying complexity, it has the advantage of being able to plan a consistent path that does not have large displacement because disadvantages such as ambiguity at the start of maneuver for collision avoidance do not emerge.
도 1의 (a) 및 (b)는 속도 장애물에서 보호 반경과 상대적 충돌 콘의 개념도이다.
도 2의 (a) 및 (b)는 속도 장애물과 도달 가능한 회피 속도 집합을 도시한 도면이다.
도 3은 속도 장애물을 이용한 전역 탐색 트리의 표현 예이다.
도 4의 (a) 및 (b)는 속도 장애물에서 속도(velocity) 선택 전략의 예를 도식화한 것이다.
도 5는 RRT 알고리즘의 트리 확장에 대한 예를 설명하기 위해 도시한 도면이다.
도 6은 본 발명에 따른 3차원 환경에서의 항공 차량 이동노선 계획을 위한 프레임 워크의 구성도이다.
도 7은 본 발명에서 제안하는 프레임워크의 실행 단계를 도시한 도면이다.
도 8은 헝가리언 할당 알고리즘을 설명하기 위해 도시한 도면이다.
도 9는 본 발명에서 제안하는 알고리즘이 작동하는 시간 순서를 도시한 도면이다.
도 10의 (a) 및 (b)는 본 발명에서 제안하는 알고리즘을 설명하기 위한 3차원 충돌 콘과 속도 장애물을 도시한 도면이다.
도 11은 본 발명에서 제안하는 알고리즘의 협력적 회피 규칙의 정의를 설명하기 위해 도시한 도면이다.
도 12는 본 발명에서 제안하는 알고리즘의 통행권 규칙을 적용하기 위한 수렴의 정의를 설명하기 위해 도시한 도면이다.
도 13은 본 발명에서 제안하는 알고리즘의 충돌회피 공간의 정의를 위한 완전한 토리스의 형태를 도시한 도면이다.
도 14의 (a) 및 (b)는 본 발명에서 제안하는 알고리즘의 충돌회피를 위한 2차원 및 3차원 집합을 설명하기 위해 도시한 도면이다.
도 15의 (a) 및 (b)는 본 발명에서 제안하는 알고리즘의 충돌회피를 위한 시간에 따른 집합과 병합의 경우를 설명하기 위해 도시한 도면이다.
도 16은 본 발명에서 제안하는 알고리즘의 충돌회피를 위한 절단된 토러스 영역 계산을 위한 변수들을 설명하기 위해 도시한 도면이다.
도 17은 본 발명에서 제안하는 알고리즘의 충돌회피를 위한 절단된 토러스와 의 상관관계를 설명하기 위해 도시한 도면이다.
도 18은 본 발명에서 제안하는 알고리즘의 충돌회피를 위한 속도에 따른 절단된 토러스 영역의 가변크기를 설명하기 위해 도시한 도면이다.
도 19는 본 발명에서 제안하는 알고리즘의 효과를 설명하기 위해 도시한 도면이다.1 (a) and (b) are conceptual diagrams of a protection radius and a relative impact cone in a speed obstacle.
2 (a) and (b) are diagrams illustrating speed obstacles and reachable avoidance speed sets.
3 is an example of expression of a global search tree using speed obstacles.
(a) and (b) of FIG. 4 are diagrams illustrating an example of a strategy for selecting a velocity in a speed obstacle.
5 is a diagram for explaining an example of tree extension of the RRT algorithm.
6 is a configuration diagram of a framework for planning an air vehicle movement route in a 3D environment according to the present invention.
7 is a diagram illustrating execution steps of the framework proposed in the present invention.
8 is a diagram for explaining a Hungarian allocation algorithm.
9 is a diagram showing the time sequence in which the algorithm proposed in the present invention operates.
10(a) and (b) are diagrams illustrating a 3D collision cone and speed obstacles for explaining the algorithm proposed in the present invention.
11 is a diagram for explaining the definition of the cooperative avoidance rule of the algorithm proposed in the present invention.
12 is a diagram for explaining the definition of convergence for applying the right-of-way rule of the algorithm proposed in the present invention.
13 is a diagram showing the form of a complete toris for the definition of the collision avoidance space of the algorithm proposed in the present invention.
14 (a) and (b) show 2-dimensional and 3-dimensional data for collision avoidance of the algorithm proposed in the present invention. It is a diagram shown to explain the set.
15 (a) and (b) show the time-varying for collision avoidance of the algorithm proposed in the present invention. It is a diagram shown to explain the case of aggregation and merging.
16 is a diagram for explaining variables for calculating a truncated torus area for collision avoidance of the algorithm proposed in the present invention.
17 is a truncated torus for collision avoidance of the algorithm proposed in the present invention and It is a diagram shown to explain the correlation of
18 is a diagram for explaining the variable size of a truncated torus region according to the speed for collision avoidance of the algorithm proposed in the present invention.
19 is a diagram for explaining the effect of the algorithm proposed in the present invention.
이하 본 발명에 따른 3차원 환경에서의 항공 차량 이동노선 계획 방법을 첨부된 도면을 참고로 하여 상세히 기술되는 실시 예들에 의해 그 특징들을 이해할 수 있을 것이다.Hereinafter, the characteristics of the air vehicle movement route planning method in a 3D environment according to the present invention will be understood by the detailed embodiments with reference to the accompanying drawings.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 실시 예들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention can have various changes and various forms, the embodiments will be described in detail in the text. However, this is not intended to limit the present invention to a specific form disclosed, and should be understood to include all modifications, equivalents, or substitutes included in the spirit and scope of the present invention.
본 발명에 따른 3차원 환경에서의 항공 차량 이동노선 계획 방법은 시변 환경을 기반으로 하는 속도 장애물의 장점을 이용하여 UAV, 드론(drone) 등의 무인 항공 차량을 포함하는 다양한 항공 차량(이하, '항공 차량'이라 한다.)의 운항 중 충돌을 신속하게 감지하여 3차원 환경에서 보다 저렴한 비용을 지불하며 충돌을 회피하기 이동노선 경로를 계획하기 위한 것으로, 충돌회피 경로계획을 위한 프레임워크는 두 단계로 수행된다. The air vehicle movement route planning method in a 3D environment according to the present invention uses the advantage of speed obstacles based on a time-varying environment to various air vehicles including unmanned aerial vehicles such as UAVs and drones (hereinafter, ' This is to quickly detect collisions during operation of an air vehicle and plan a route to avoid collisions at a lower cost in a 3D environment. The framework for collision avoidance path planning is two-step. is performed with
첫 번째 단계는 할당 개념으로, 비교적 간단한 헝가리언 할당 알고리즘을 사용하여 무인 항공 차량의 시작 위치와 목적 위치 사이의 할당을 수행하고 경로 점 목록을 생성하는 전역 경로 플래너이고, 두 번째 단계는 후술하는 본 발명의 Boundary-RRT*(Boundary Rapidly-exploring Random Tree star) 알고리즘을 기반으로 실제 이동 중 동적 또는 정적 장애물과의 충돌을 회피하기 위한 경로를 다시 계획하는 지역 경로 플래너이다. The first step is the assignment concept, which is a global route planner that uses a relatively simple Hungarian assignment algorithm to perform assignments between the start and destination locations of the unmanned aerial vehicle and generates a list of route points. Based on the Boundary-RRT* (Boundary Rapidly-exploring Random Tree star) algorithm of the invention, it is a local route planner that re-plans a route to avoid collision with dynamic or static obstacles during actual movement.
상기 지역 경로 플래너에서 초기 무인 항공 차량을 위해 계획하는 회피 경로는 완전히 최적화되게 계획하지 않아도 된다. 알고리즘은 간단한 통행권 규칙과 결합하여 구성 공간을 절단된 토러스 공간으로 제한하고 암시적(implicit)인 바이어스(bias) 즉 편향성이 포함되어 있음으로 편향 함수를 따로 정의하지 않고도 자연스러운 곡률(curvature) 경로를 생성할 수 있었으며 제한된 공간으로 인해 알고리즘은 기존 RRT의 수렴 속도보다 크게 개선될 수 있었다. 시뮬레이션을 통해 수렴 속도의 개선을 검증하고 샘플링 수를 늘리거나 에지(edge)의 크기를 줄이면 부드러운 곡률 경로를 생성한다는 긍정적인 결과를 얻을 수 있었다. 알고리즘은 계산의 단순성과 구성 공간의 탐색 영역을 한정(boundary) 함으로써 계산의 부하를 최소화하고 실시간 성능을 향상시켜 항공 차량 간의 충돌회피와 지역 경로의 재 계획에 적합하다.An avoidance path planned for an initial unmanned aerial vehicle in the local path planner does not have to be completely optimized. Combined with simple right-of-way rules, the algorithm constrains the construction space to a truncated torus space and contains an implicit bias, or bias, to generate natural curvature paths without defining a bias function. Due to the limited space, the algorithm could be significantly improved over the convergence speed of conventional RRT. Through simulation, the improvement of the convergence speed was verified, and a positive result was obtained that a smooth curvature path was created by increasing the number of sampling or reducing the size of the edge. The algorithm is suitable for collision avoidance between air vehicles and replanning of local routes by minimizing computational load and improving real-time performance by limiting the search area of the construction space and simplicity of calculation.
이하에서는 본 발명을 더욱 구체적으로 설명한다.Hereinafter, the present invention will be described in more detail.
항공 차량의 자율제어 기능을 실현하기 위해서는 항공 차량이 비행 중 충돌 위험이 증가하거나 임무조건이 변경되면 특히 무인 항공 차량은 전자적으로 또는 기계적으로 전역적인 비행경로를 따르는 대신 지역적인 비행환경에서 자율적으로 충돌을 회피할 수 있도록 비행 상태를 자율적으로 제어할 수 있어야 하며 비정상 상태가 사라지면 원래의 경로 점(nominal-waypoint) 돌아가야 한다.In order to realize the autonomous control function of the air vehicle, when the risk of collision increases during flight or the mission conditions change, the unmanned aerial vehicle, in particular, crashes autonomously in the local flight environment instead of electronically or mechanically following the global flight path. It must be able to autonomously control the flight state so that it can avoid the abnormal state, and return to the original route point (nominal-waypoint) when the abnormal state disappears.
이에 본 발명에서는 “만약 이동하는 물체라도 두 이동 물체 간의 충돌 위치를 예상할 수 있다면 이는 가상적인 정적 장애물로(pseudo-stationary obstacle)로 간주할 수 있다.”라는 개념을 기반으로 안전성과 신뢰성을 유지하며 완전한 자율비행을 위해 필요한 여러 기반 연구항목 중 동적 이동 물체와의 충돌을 회피하는 알고리즘의 제안에 중점을 둔다. Accordingly, in the present invention, safety and reliability are maintained based on the concept of “if a moving object can predict a collision position between two moving objects, it can be regarded as a pseudo-stationary obstacle.” Among the various basic research items required for fully autonomous flight, the focus is on the proposal of an algorithm that avoids collisions with dynamic moving objects.
즉, 본 발명에서는 충돌에 대한 위험을 감지하고 기존에 계획되어 있는 전역적인 경로 대신 지역적인 경로를 재 계획함으로써 정적, 동적인 장애물로부터 충돌을 회피하고 회피가 완료된 후 원래의 계획된 경로 점으로 재 진입하는 알고리즘을 제시함으로써 무인 항공 차량의 자율 충돌회피 기능을 실현하고 무인 항공 차량의 자율제어 기능을 향상시키기 위해, 시변(time-varying) 환경을 기반으로 하는 속도 장애물의 장점과 구성 공간(configuration-space) 환경을 기반으로 하는 RRT의 장점을 적용하여 충돌을 신속하게 감지하고, 공역 및 거리에서 저렴한 비용을 지불하며, 최적의 경로를 실 시간적으로 계획하는 새로운 알고리즘을 제시한다. That is, in the present invention, by detecting the risk of collision and replanning a local path instead of a previously planned global path, collision is avoided from static and dynamic obstacles, and re-entry to the original planned path point after avoidance is completed. In order to realize the autonomous collision avoidance function of unmanned aerial vehicle and improve the autonomous control function of unmanned aerial vehicle by presenting an algorithm that ) by applying the advantages of RRT based on the environment, we present a new algorithm that quickly detects collisions, pays low costs in airspace and distance, and plans optimal routes in real time.
우선 무인 항공 차량에 대한 경로계획 알고리즘에 적용되는 종래 RRT(Rapidly-exploring Random Tree)는 많은 애플리케이션에서 잘 작동하지만 몇 가지 약점이 있어 일부의 경우 성능이 저하된다. 특히 탐색 공간이 상대적으로 큰 무인 항공 차량의 경로를 탐색하는 데 있어서 탐색 시간이 상당히 많이 소요된다.First of all, conventional Rapidly-exploring Random Trees (RRTs), which are applied to path planning algorithms for unmanned aerial vehicles, work well in many applications, but have some weaknesses, resulting in poor performance in some cases. In particular, it takes a lot of time to search for a path of an unmanned aerial vehicle with a relatively large search space.
이에 본 발명에서는 알고리즘의 수렴 속도를 개선하기 위해 탐색 영역은 토러스(torus) 형태를 기반으로 하지만 통행권 규칙(right-of-way)을 적용하여 완전한 토러스보다 축소된 형태 즉 절단된 토러스(sliced-torus)로 제한(bound)함이 바람직하다. Therefore, in the present invention, in order to improve the convergence speed of the algorithm, the search area is based on the torus shape, but the right-of-way rule is applied to form a reduced form rather than a complete torus, that is, a sliced-torus. ) is preferable.
이는 장애물에 대한 공간상에서의 모델링은 장애물이 차지하는 실제 공간보다 여유 공간이 더욱 많아지며 이 여유 공간은 불필요한 공간탐색을 유도하여 알고리즘의 연산 시간 증가를 야기하기 때문에, 탐색 공간을 절단된 토러스와 같은 한정된(bounded) 공간으로 정의하고 충돌을 회피하기 위한 일련의 규칙(regulation)을 규정함으로써 새로운 경로를 탐색할 때에 연산 시간을 크게 줄일 수 있으며 동시에 장애물 감지 및 경로의 재 계획(re-planning)을 분리하여 선택적 탐색을 하게 함으로써 추가적으로 연산 시간을 줄일 수 있다. This is because the space modeling of the obstacle has more free space than the actual space occupied by the obstacle, and this free space induces unnecessary space search and increases the computation time of the algorithm. By defining a bounded space and defining a series of rules to avoid collisions, the calculation time can be greatly reduced when searching for a new path, and at the same time, obstacle detection and re-planning of the path can be separated. By enabling selective search, additional computation time can be reduced.
여기서 충돌감지 및 충돌 방지를 위한 시간과 관련된 매개변수의 정의 및 계산은 알고리즘의 성능 및 신뢰성에 중요하다. 특히 충돌 가능성을 확인한 후에는 신속하게 새로운 경로를 계획하고 장애물을 회피하기 위해 기동을 준비해야 하며, 이때 새로운 경로를 완전히 최적화되게 계획하지 않아도 된다. 이는 본 발명에서 제안하는 알고리즘을 통해 RRT의 점근적 최적성(asymptotical optimality)을 기반으로 이동 중에도 최적 경로를 지속적으로 검색하고 최적화할 수 있기 때문이다. Here, the definition and calculation of time-related parameters for collision detection and collision avoidance are important to the performance and reliability of the algorithm. Especially after identifying a potential collision, you need to quickly plan a new route and prepare to maneuver to avoid obstacles, without having to plan the new route completely optimally. This is because the algorithm proposed in the present invention can continuously search for and optimize an optimal path while moving based on the asymptotic optimality of RRT.
이하에서는 본 발명을 구체화하기 위핸 배경 이론으로 속도 장애물(Velocity Obstacle) 및 RRT(Rapidly-exploring Random Tree)에 관해 설명한다.Hereinafter, Velocity Obstacle and Rapidly-exploring Random Tree (RRT) will be described as background theories for embodying the present invention.
우선 속도 장애물(Velocity Obstacle)의 개념을 실험하기 위해 모든 장애물은 디스크 모양의 물체이고 일정한 속도를 가졌다고 가정하였다. 예를 들어 반경이 및 을 갖는 디스크 형 에이전트 및 디스크 형 동적 장애물 가 있다고 가정한다면 및 는 안전보호원(circle) 영역으로 정의한다. 즉 두 원이 겹치면 두 에이전트는 충돌을 야기한다. 와 위치를 각각 와 로 정의하고 속도 와 을 갖는다고 정의하면 에 의해 유도된 에 대한 속도 장애물의 집합은 다음과 식(1-1)으로 정의한다.First of all, in order to test the concept of velocity obstacles, it was assumed that all obstacles were disk-shaped objects and had constant velocity. For example, if the radius is and disk-shaped agent with and disc-shaped dynamic obstacles Assuming there is and is defined as a safety protection circle area. That is, when two circles overlap, the two agents cause a collision. and position each and is defined as and the rate and If defined to have induced by The set of speed obstacles for is defined by the following equation (1-1).
(1-1) (1-1)
속도 장애물을 계산하기 위해서는 을 질량 점 로 축소시키고 의 반경(radius)만큼 을 확장하여 을 정의한다. 각 움직이는 개체의 상태는 와 중심을 기준으로 하는 속도벡터(vector)와 좌표 값으로 표현된다. 여기서 충돌 콘(collision cone)을 정의하면 와 간의 충돌과 관련된 속도의 집합으로서 다음의 식(1-2)과 같이 표현할 수 있다.To calculate speed obstacles to the mass point reduce to by the radius of by expanding define The state of each moving object is and It is expressed as a velocity vector based on the center and coordinate values. If we define a collision cone here and It is a set of velocities related to collisions between and can be expressed as Equation (1-2) below.
(1-2) (1-2)
가 을 반영한 의 상대적 속도일 때 이고 은 위치 로부터 인 보호반경에 대한 접선(tangent line)이다. 이 충돌 콘은 로부터 에 대해 와 의 두 접선을 갖는 평면에서 을 정점으로 하는 영역이다. 가 모든 상대적 속도인 에 대한 두 접선 와 의 사이에 있으면 이 상대적 속도들은 와 의 충돌을 야기 시킨다. 다시 말해 가 현재의 속도와 형태를 유지한다면 충돌 콘 의 영역 외부에 있는 상대적 속도들을 선택함으로써 충돌이 없음을 보장할 수 있다. 도 1은 속도 장애물에서 보호반경과 상대적 충돌 콘을 설명한다. 속도 장애물()는 상대적 충돌 콘 에 있는 각각의 속도들에게 을 더해주거나 동등하게 을 가지고 을 평행이동(translating)하면 된다. 도 2는 상대적 충돌 콘으로부터 생성된 속도 장애물()과 도달 가능한 회피 속도 집합인 (Reachable Avoidance Velocity)의 집합 A와 B을 보여준다. go reflected When the relative speed of ego silver location from is the tangent line to the protection radius of . this collision cone from About and in the plane with two tangents to is a region with a vertex at . are all relative velocities two tangents to and , these relative velocities are and cause a collision In other words Collision cone if maintains current speed and shape By choosing relative velocities outside the domain of , we can ensure no collision. Figure 1 illustrates the protection radius and relative impact cone at a speed obstacle. speed obstacles ( ) is the relative collision cone For each speed in add or equal To have Just translate (translating). Figure 2 shows a velocity obstacle created from a relative impact cone ( ) and the set of attainable avoidance velocities Shows sets A and B of (Reachable Avoidance Velocity).
이때 속도 장애물 는 다음의 식(1-3)과 같이 정의 된다.At this time, the speed obstacle Is defined as the following formula (1-3).
(1-3) (1-3)
여기서 “”는 민코프스키(minkowski) 벡터 연산자이다.here " ” is the Minkowski vector operator.
속도 장애물은 의 절대 속도들을 회피영역(avoiding)과 충돌영역(colliding)의 속도 집합으로 나눈다. 따라서 속도 장애물 외부에 있는 을 선택하여 와의 충돌을 회피할 수 있다. 이는 다음의 식(1-4)과 같이 정의할 수 있다. the speed hurdle The absolute velocities of are divided into the set of velocities of avoiding and colliding. Therefore, outside the speed obstacle by selecting collision can be avoided. This can be defined as in the following equation (1-4).
(1-4) (1-4)
충돌을 회피하기 위한 일련의 기동 트리는 이산적인 시간 간격에서 을 계산함으로써 생성된다. 는 에이전트가 물리적으로 도달 가능한 회피 속도들의 집합이며 트리의 노드는 시간 에서 에이전트의 위치를 의미한다. 그리고 가지는 그 위치에서 회피 기동에 해당한다. 알고리즘은 시간 에서 각 노드를 후속 노드로 확장한다. 속도들은 의 이산화(discrediting)를 통하여 계산된다. 일반적으로 검색 트리는 공식적으로 다음의 식(1-5)과 같이 정의된다.A set of maneuver trees to avoid collisions is created at discrete time intervals. is created by calculating is the set of avoidance velocities physically reachable by the agent, and the nodes of the tree are time Indicates the location of the agent in And the branch corresponds to an evasive maneuver at that location. Algorithm time expands each node to subsequent nodes. the speeds It is calculated through the discrediting of In general, a search tree is formally defined as in Equation (1-5) below.
(1-5) (1-5)
시간 일 때 번째 노드는 라고 한다면 이때 는 노드 에 대해 계산된 도달 가능한 속도의 집합이고 은 시간 에서 노드 에 대한 연산자이다. 그리고 는 시간 에서 노드 와 시간 에 있는 노드 사이의 가지이다. 도 3은 은 회피 기동을 위해 구성하는 하위(서브) 트리를 개략적으로 보여준다. hour when the second node is At this time is the node is the set of achievable velocities computed for silver time node in is an operator for and time node in with time node in is a branch between 3 schematically shows a sub-tree constituting for an evasive maneuver.
연속적인 집합에서 계산을 가능하게 유지하기 위해 각 회피 가능 속도 집합 는 그리드(grid)에 의해 이산화 된다. 각 기동이 끝날 때 에이전트가 도달한 위치는 노드 의 후속 작업이다. 모든 연산자 가 적용되면 노드 가 완전히 확장된다. 결과적으로 트리는 노드 간 일정한 시간 간격과 각 의 모양에 따라 달라지는 가변 가지(branch) 번호를 갖는다. 각 지점에 적절한 비용을 할당하면 표준 검색 기술을 사용하여 이동 거리, 동작 시간 또는 에너지와 같은 일부 객관적인 기능을 최적화하는 경로(궤적)를 이 트리에서 검색할 수 있다. 회피 기동은 에 있는 속도를 사용하여 생성되므로, 경로의 각 세그먼트는 지정된 시간 범위 내에 도달할 수 있는 모든 장애물을 피한다. 이는 일부 구간에서 이러한 장애물 중 일부와의 충돌 경로에 있을 수 있는 경로를 제외하고 이후 구간에서는 이를 피할 수 있다. 따라서 이 방법은 보수적인(conservative) 경로만 생성한다. 계산에서 제외된 경로는 더 짧은 시간 범위를 고려하거나 시간-최소 경로를 계산하여 생성할 수 있다. 의 부분집합으로부터 적절한 속도를 선택하는 방법은 도 4에서 확인할 수 있다. 도 4의 (a)는 목적지 지향 전략(TG: Toward Goal strategy)으로서 가능한 목적지와 일직선에 놓은 속도를 선택하는 방법을 도식화한 것이고, 도 4의 (b)는 최대 속도 선택 전략(MV: Maximal Velocity strategy)으로서 임으로 주어진 회전각을 기반으로 최고의 속도를 선택하는 방법을 도식화한 것이다. Each set of avoidable rates to keep computations possible on successive sets is discretized by a grid. At the end of each startup, the location reached by the agent is the node is a follow-up to all operators is applied to the node is fully expanded. As a result, the tree has constant time intervals between nodes and each It has a variable branch number that depends on the shape of By assigning an appropriate cost to each point, standard search techniques can be used to search this tree for a path (trajectory) that optimizes some objective function, such as distance traveled, operating time, or energy. evasive maneuver , so each segment of the path avoids all obstacles it can reach within the specified time span. This excludes routes that may be on a collision course with some of these obstacles in some sections, but avoid them in later sections. Therefore, this method only creates conservative paths. Paths excluded from calculations can be created by considering shorter time spans or by calculating time-minimum paths. A method for selecting an appropriate speed from a subset of can be seen in FIG. Figure 4 (a) is a diagram of a method for selecting a speed that is in line with a possible destination as a destination goal strategy (TG: Maximal Velocity), and Figure 4 (b) is a maximum speed selection strategy (MV: Maximal Velocity As a strategy), it is a schematic diagram of how to select the best speed based on an arbitrarily given rotation angle.
다음으로, RRT(Rapidly-exploring Random Tree)에 관해 설명한다.Next, RRT (Rapidly-exploring Random Tree) will be described.
RRT는 Steven M. LaValle에 의해 제안된 것으로, 점 대 점(point-to-point) 수렴을 요구하는 PRM의 접근 방식과는 달리 무작위로 선택된 점을 향해 시스템을 구동하는 제어 입력을 적용하여 반복적으로 확장된다. 다음의 <알고리즘 1>은 RRT 알고리즘의 의사 코드를 보여준다. RRT was proposed by Steven M. LaValle, and unlike the approach of PRM, which requires point-to-point convergence, RRT iteratively applies control inputs that drive the system towards randomly selected points. It expands. The following <
<알고리즘 1> RRT 알고리즘의 의사 코드<
여기서 은 데카르트(descartes) 좌표에서 에이전트의 초기 위치를 나타낸다. 은 트리의 정점(vertex)의 수를 나타내며 알고리즘은 종료 전까지 번 반복하게 된다. 루프의 종료 조건은 트리에서 목표 지점까지의 가장 가까운 거리를 확인하여 대체 할 수 있을 때 이거나 최소 번 반복할 때까지이다. 는 시간 간격을 나타내며 구성 공간 에서 샘플링 된 노드를 포함하고 제어 입력을 나타내는 트리구조를 나타낸다. here represents the initial position of the agent in Cartesian coordinates. represents the number of vertices in the tree, and the algorithm will be repeated several times. The exit condition of the loop is when the closest distance to the target point in the tree can be checked and replaced, or at least until repeated times. represents the time interval and the construction space It represents a tree structure containing nodes sampled from and representing control inputs.
알고리즘의 수행 순서는 단계 1에서 트리를 초기화하여 루트를 에이전트의 초기 위치로 만든다. 그리고 루프 안의 단계 3에서는 구성 환경 에서 임의의 위치 을 선택하고 단계 4에서 에 가장 가까운 트리에서 정점(vertex) 을 선택 한다. 단계 5의 SELECT_INPUT 함수는 에이전트를 에서 로 이동하는 제어(입력)를 생성한다. 단계 6에서는 NEW_STATE는 에서 방향으로 증분 거리 만큼 떨어져 있는 새로운 정점 을 선택한다. 단계 7과 단계 8에서는 트리에 의 정점과 에지를 추가한다. 도 5는 RRT 알고리즘의 트리 확장에 대한 예를 설명하기 위해 도시한 도면이다.The order of execution of the algorithm is to initialize the tree in
RRT 기법은 알고리즘의 반복 시행을 통해 샘플링을 반복하면 최적 해로의 점근적 수렴(asymptotical convergence)이 증명된 알고리즘이다. 알고리즘은 확률적으로 완전하다는 것이 입증되었다. 즉, 알고리즘이 솔루션을 찾지 못할 확률은 샘플링 노드의 수가 증가함에 따라 제로(0)에 가깝게 줄어든다.The RRT technique is an algorithm in which asymptotic convergence to an optimal solution is proven when sampling is repeated through repetition of the algorithm. The algorithm has been proven to be probabilistically perfect. That is, the probability that the algorithm does not find a solution decreases to near zero as the number of sampling nodes increases.
S. LaValle는 RRT의 장점을 다음과 같이 정의하고 있다.S. LaValle defines the advantages of RRT as follows.
1) RRT의 확장은 상태 공간의 미 탐사 부분으로 크게 편향(biased)된다.1) The extension of RRT is heavily biased towards the unexplored part of the state space.
2) RRT에서 정점의 분포는 샘플링 분포에 근접하여 일관된 동작을 유발한다.2) The distribution of vertices in RRT is close to the sampling distribution, resulting in consistent behavior.
3) RRT는 매우 일반적인 조건에서 학문적으로 완전하다.3) RRT is academically complete under very general conditions.
4) RRT 알고리즘은 상대적으로 단순하여 성능 분석을 용이하게 한다. 4) The RRT algorithm is relatively simple, which facilitates performance analysis.
5) RRT는 에지(edge)의 수가 적더라도 항상 연결된 상태를 유지한다. 5) RRT always maintains a connected state even if the number of edges is small.
6) RRT는 경로계획 모듈로 간주될 수 있으며, 다양한 계획 시스템에 적용 및 통합될 수 있다. 6) RRT can be regarded as a path planning module, and can be applied and integrated into various planning systems.
7) 2개의 규정된 상태 사이에서 시스템을 조정(steer)할 수 있는 능력 없이 전체 경로계획 알고리즘을 구성할 수 있으며, 이는 RRT의 적용 성을 크게 넓힌다.7) The entire path planning algorithm can be constructed without the ability to steer the system between two prescribed states, which greatly broadens the applicability of RRT.
하지만 위와 같은 장점들에도 불구하고 RRT 알고리즘의 주요 단점은 솔루션의 품질에 주의를 기울이지 않는다는 것이고, 이러한 단점을 해결하고자 수많은 RRT의 변형된 알고리즘이 제안되고 비교평가 되어 왔다. However, despite the above advantages, the main disadvantage of the RRT algorithm is that it does not pay attention to the quality of the solution. To solve this disadvantage, numerous modified algorithms of RRT have been proposed and compared.
이에 본 발명은 다음과 같은 알고리즘 모델을 제안한다.Accordingly, the present invention proposes the following algorithm model.
도 6을 참고하면, 본 발명에서는 정적 장애물의 경우 전역적 경로계획 시에 제공된 지리 정보(1)를 기반으로 장애물이 없다고 가정하고 동적 장애물의 경우 일정 범위 내에서 상호 완벽하게 정보를 교환한다고 가정한다. 전역 경로계획을 통하여 미리 계획된 비행경로는 항상 완전하게 적합한 경로라고 단정할 수 없기 때문에 실시간(real-time) 경로계획 및 재 계획(re-planning)을 통하여 실제 상황에서 비행할 수 있도록 변경 가능해야 한다. 이러한 경로의 변경은 통상적으로 지역 경로계획에 기반하여 동적으로 이동하는 중에 재 계획될 수 있다. Referring to FIG. 6, in the present invention, in the case of static obstacles, it is assumed that there is no obstacle based on geographic information (1) provided during global path planning, and in the case of dynamic obstacles, it is assumed that information is exchanged perfectly within a certain range. . Since the flight route planned in advance through global route planning cannot always be determined to be a completely suitable route, it must be possible to change so that it can be flown in real-time conditions through real-time route planning and re-planning. . These route changes can be dynamically replanned while moving, typically based on local route planning.
항공 차량인 무인 항공 차량 또는 자율비행 항공 차량이 사람의 도움 없이 안전하고 자율적으로 비행하기 위해서는 실시간적으로 환경을 감지하는 모듈(2), 비행 제어를 위한 제어 모듈(3), 경로를 계획하는 경로계획 모듈(10)이 필요하다. 도 6에서 볼 수 있듯이 경로계획 모듈(10)은 전역적 경로계획을 위한 전역 경로 플래너(global path planner)(11)와 지역 경로계획을 위한 지역 경로 플래너(local path planner)(12)가 필요하다. 정적 장애물의 경우는 사전에 위치와 크기가 인식되어 전역적인 경로계획 시에 문제를 해결할 수 있으나 동적 장애물은 사전에 인식되지 않음으로 안전경로(safe path)를 따라 이동하면서 상황에 따라 경로를 다시 계획(re-planning)하여야 한다. 따라서 출발지에서 목적지까지의 전체 경로는 전역 경로 플래너(11)가, 후자의 경우 지역 경로 플래너(12)가 계획할 수 있다. 특히 지역 경로 계획에서는 장애물을 피하고 새로운 경로를 다시 계획하여야 하기에 기존에 전역 경로 플래너(11)가 제시한 경로를 삭제하고 재 계획된 경로를 기존 전역 경로에 인터리브(interleaved) 해야 한다. In order for an unmanned aerial vehicle or autonomous flying vehicle, which is an aerial vehicle, to fly safely and autonomously without human assistance, a module that senses the environment in real time (2), a control module for flight control (3), and a path that plans a route A planning module (10) is required. As shown in FIG. 6, the
도 7은 본 발명에서 제안하는 프레임워크의 실행 단계를 보여준다. 이에 의하면, 프레임 워크는 두 단계로 수행된다. 7 shows the execution steps of the framework proposed in the present invention. According to this, the framework is performed in two stages.
첫 번째는 할당 개념으로 비교적 간단한 헝가리언 할당 알고리즘(HAA: Hungarian Assignment Algorithm)을 사용하여 항공 차량의 시작 위치와 목적지를 입력함으로써 거리를 기반으로 비용함수를 정의하고 매칭(matching)을 수행함으로써 경로 점 목록(waypoint list)를 생성하는 단계인 전역 경로 플래너(global path planner)이고, 두 번째는 항공 차량이 이동 중 동적 또는 정적 장애물과의 충돌을 감지하고 충돌을 피하기 위해 제안하고자 하는 Boundary-RRT* 알고리즘을 기반으로 경로를 재(다시) 계획하는 지역 경로 플래너(local path planner)이다. The first is an assignment concept, which uses a relatively simple Hungarian Assignment Algorithm (HAA) to input the starting position and destination of an air vehicle, defines a cost function based on distance, and performs matching to route points. The second is the global path planner, which is a step of generating a waypoint list, and the second is the Boundary-RRT* algorithm proposed to detect collisions with dynamic or static obstacles while the air vehicle is moving and avoid collisions. It is a local path planner that re-plans the route based on
상기 지역 경로 플래너는 속도 장애물의 장점과 RRT* 알고리즘의 장점을 적용하였으며 광범위한 탐색시에 대두되는 RRT의 단점을 극복하고자 탐색 영역을 절단된 토러스 영역으로 제한하도록 설계한다. 서로 다른 개념인 속도 장애물 이론과 RRT 이론의 매끄러운(seamless) 연결은 구성 공간의 샘플링 영역이 임의의 순간 시간(instant time) 에 따라 속도 장애물로부터 도출된 도달 가능한 속도 의 부분집합이 될 수 있기 때문이다. 즉 는 속도 집합 공간에서의 충돌회피 기동을 일련의 기하학적 형태로 즉시 맵핑(mapping)할 수 있다. 이 부분집합은 시간 에 따라 토러스(torus:원환체)와 유사한 영역으로 형성될 수 있고, 탐색 공간을 전체공간에서 제한된 토러스 공간으로 작게 축소하여 RRT 수렴 속도는 탐색 영역을 전역(global)이 아닌 지역(local) 영역으로 제한함으로써 크게 개선될 수 있다. 결과적으로 속도 장애물의 개념은 단순히 충돌을 감지하고 유클리드 거리 계산을 통해 충돌회피 위치와 방향 등을 계산하며 나머지는 Boundary-RRT* 플래너가 실시간적으로 영역을 탐색하고 최적화하여 최적의 경로를 다시 계획한다. The regional path planner applies the advantages of the speed obstacle and the RRT* algorithm, and is designed to limit the search region to the truncated torus region in order to overcome the disadvantages of the RRT that emerge during extensive searches. The seamless connection between the velocity obstacle theory and the RRT theory, which are different concepts, is that the sampling region of the construction space is an arbitrary instant time. The attainable speed derived from the speed obstacle according to because it can be a subset of in other words can immediately map collision avoidance maneuvers in the velocity set space into a series of geometric shapes. This subset is time According to , it can be formed into a torus-like area, and the RRT convergence rate is reduced by reducing the search space from the entire space to the limited torus space, and the search area is reduced to a local area rather than a global area. By limiting it, it can be greatly improved. As a result, the concept of the speed obstacle simply detects the collision and calculates the collision avoidance position and direction through Euclidean distance calculation, and the Boundary-RRT* planner re-plans the optimal route by searching and optimizing the area in real time. .
상기 Boundary-RRT* 알고리즘은 충돌을 미리 예측하고 충돌이 예측되는 경로에서만 충돌 지점에 대한 충돌회피 지역의 탐색 공간을 제한함으로써 전역 경로계획에서 도출된 경로의 길이를 크게 저하시키지 않고 충돌을 회피할 수 있는 경로를 찾음으로써 수렴 시간을 크게 줄이는 새로운 경로계획 알고리즘이다. 제안된 접근 방식의 핵심은 충돌이 예측되는 지점을 중심으로 회피 경로를 탐색할 수 있는 충분한 공간을 정의하고 장애물 형상을 경로 형상으로 확장하여 좋은 품질의 경로를 찾아 불필요한 탐색을 사전에 배제함으로써 전체적인 성능을 높이는 것이다. RRT는 많은 애플리케이션에서 잘 작동하지만 전술한 바와 같이 몇 가지 약점이 있어 일부 경우 성능이 저하된다. 따라서 상기 Boundary-RRT* 알고리즘은 탐색 공간을 제한함으로써 샘플링 노드 수를 줄일 수 있고, 또한 유연한 확장을 위해 절단된 토러스 영역은 정적 장애물의 크기와 움직이는 물체의 속도에 따라 확장 및 축소가 가능하도록 가변적으로 탐색 영역을 설정할 수 있다. 아울러 상기 Boundary-RRT* 알고리즘은 일반적으로 RRT에서 트리의 확장 방향을 유도함으로써 수렴 속도를 개선하고자 많이 제안하고 있는 편향 함수를 정의하지 않고도 자연스러운 곡률(curvature)로 경로를 생성할 수 있다. 결과적으로 알고리즘은 RRT*의 단점인 수렴 속도 문제를 탐색 공간을 절단된 토러스(sliced-torus) 공간으로 제한함으로 수렴 속도를 향상시키고 RRT*의 장점인 최적 수렴을 보장할 수 있다. The Boundary-RRT* algorithm predicts a collision in advance and limits the search space of the collision avoidance area for the collision point only on the path where the collision is predicted, thereby avoiding the collision without significantly reducing the length of the path derived from the global path planning. It is a new path planning algorithm that greatly reduces the convergence time by finding a path with The core of the proposed approach is to define a sufficient space to search for an avoidance path centered on the point where a collision is predicted, and to find a good quality path by extending the obstacle shape to the path shape, thereby eliminating unnecessary search in advance to improve overall performance. is to increase RRT works well for many applications, but as mentioned above, it has some weaknesses, resulting in poor performance in some cases. Therefore, the Boundary-RRT* algorithm can reduce the number of sampling nodes by limiting the search space, and the torus area truncated for flexible expansion can be variably expanded and contracted according to the size of a static obstacle and the speed of a moving object. You can set the search area. In addition, the Boundary-RRT* algorithm can generate a path with a natural curvature without defining a bias function, which is generally proposed to improve convergence speed by inducing an extension direction of a tree in RRT. As a result, the algorithm can improve the convergence speed and guarantee optimal convergence, which is an advantage of RRT*, by limiting the search space to a sliced-torus space for the convergence speed problem, which is a disadvantage of RRT*.
먼저 전역 경로 플래너의 전역 경로계획을 설명한다.First, the global path planner of the global path planner is explained.
항공 차량 특히 무인 항공 차량의 비행경로는 수행할 임무를 고려하여 설계된다. 경로의 계획이 완료되면 경로를 추적할 수 있는 기술이 적용되어 무인 항공 차량을 자동으로 안내한다. 가장 기본적이고 간단한 경로계획 방법은 경로 점(waypoint) 계획 방법이다. 이는 통과할 경유지를 설정하고 경로 점을 직선으로 연결하여 경로를 만드는 방법이다. 경로 점 계획이 완료되면, 비행 중 매 순간마다 경로 점에 대한 에러를 계산함으로써 에러를 감소시키는 방향으로 무인 항공 차량을 유도하는 방법이 일반적으로 적용된다. 전역 경로계획은 사전에 계획되어 각 무인 항공 차량에게 전달되는 형식을 취한다. The flight path of an air vehicle, especially an unmanned aerial vehicle, is designed considering the mission to be performed. Once the route planning is complete, the technology that can track the route is applied to automatically guide the unmanned aerial vehicle. The most basic and simplest route planning method is the waypoint planning method. This is a way to create a route by setting waypoints to pass through and connecting route points with straight lines. When route point planning is completed, a method of guiding the unmanned aerial vehicle in the direction of reducing the error by calculating an error for the route point at every moment during flight is generally applied. Global route planning takes the form of being planned in advance and delivered to each unmanned aerial vehicle.
단일 알고리즘 플래너만 사용하는 경우 전역 경로 플래너에서 충돌이 없는 경로를 찾기 위한 알고리즘을 포함하고 정의해야 한다. 그러나 지역 경로 플래너가 포함되어 있는 경우 전역 경로 플래너에서는 전역 경로의 비용 최적화만 고려하면 된다. 충돌 방지 및 회피의 목표에 도달하기 전에 먼저 구성 공간 에서 개의 무인 항공 차량과 개의 목표지점이 있는 전역 경로계획을 설정한다. 이때, 구성 공간 에는 장애물이 없는 것으로 가정하고, 최소 거리 비용(minimal distance cost)만을 기반으로 각 무인 항공 차량에 목적지를 할당하기 위해 유클리드 거리에 기반을 둔 거리 비용 함수만 사용된다. If only a single algorithmic planner is used, the global route planner must include and define algorithms for finding collision-free routes. However, if a local route planner is included, the global route planner only needs to consider optimizing the cost of the global route. Configuration space first before reaching the goal of collision avoidance and avoidance at Unmanned Aerial Vehicles and Establish a global route plan with three target points. At this time, the configuration space is assumed to have no obstacles, and only the distance cost function based on the Euclidean distance is used to assign a destination to each unmanned aerial vehicle based only on the minimal distance cost.
전역 경로계획을 위해 질량 점(mass point)을 기준으로 계획 공간을 n 차원 유클리드공간이라고 할 때 초기 위치에서 목표 위치로 이동하고자 하는 개의 무인 항공 차량과 개의 목표 위치가 있다고 정의하고 1과 양의 정수 사이의 정수 집합을 로 정의한다. 만약 무인 항공 차량이 4개이고 목표 위치가 4개인 경우 이고 이다. 이때 i번째 무인 항공 차량의 위치는 , 이며 마찬가지로 j번째 목표 위치는 , 으로 정의할 수 있다. 그런 다음 차원의 시스템 상태벡터를 을 정의하면 다음의 식(2-1)과 같다. When the planning space is called n-dimensional Euclidean space based on the mass point for global path planning, Unmanned Aerial Vehicles and Define that there are target positions and 1 and a positive integer set of integers between is defined as If there are 4 unmanned aerial vehicles and 4 target positions ego am. At this time, the position of the ith unmanned aerial vehicle is , Similarly, the jth target position is , can be defined as after that dimensional system state vector When is defined, it is as in the following equation (2-1).
(2-1) (2-1)
마찬가지로 목표 상태벡터 을 다음의 식(2-2)와 같이 정의한다.Similarly, the target state vector is defined as the following equation (2-2).
(2-2) (2-2)
그런 다음 무인 항공 차량의 할당을 위해 할당 행렬 을 다음의 식(2-3)과 같이 정의한다.Then, for the allocation of unmanned aerial vehicles, the allocation matrix is defined as the following equation (2-3).
(2-3) (2-3)
여기서 는 다음의 식(2-4) 또는 식(2-5)과 같이 출발지에서 목적지까지의 거리이다.here is the distance from the starting point to the destination as shown in the following equation (2-4) or equation (2-5).
= (2-4) = (2-4)
또는 or
(2-5) (2-5)
따라서 계산된 거리로부터 헝가리언 할당 알고리즘을 사용하여 목적지 할당 매트릭스를 얻을 수 있다. 헝가리언 할당 알고리즘은 다항식 시간 내에 최적으로 할당할 수 있는 알고리즘이며 이분 그래프(bipartite graph) 분석을 기반으로 한다. 헝가리언 할당 알고리즘은 도 8의 (a)와 같이 이분 그래프 가 있다고 가정하고 여기서 은 무인 항공 차량의 정점(vertex)으로 그리고 은 목적지의 정점으로 각각 분할된 노드 집합이고 는 거리 비용(cost of distance)인 에지(edge)의 집합이다. 에지의 거리는 도 8의 (b)와 같이 행렬에 저장될 수 있으며 문제의 최소화 형태는 도 8의 (c)에 표시된 것처럼 에지 비용 행렬이다. 거리 비용은 다음의 식(2-6)과 같다.Therefore, from the calculated distance, a destination assignment matrix can be obtained using the Hungarian assignment algorithm. The Hungarian assignment algorithm is polynomial time It is an algorithm that can be optimally assigned within and is based on bipartite graph analysis. The Hungarian assignment algorithm is a bipartite graph as shown in FIG. 8 (a). Assuming that there is is the vertex of the unmanned aerial vehicle and is a set of nodes each divided by a vertex of the destination, and is a set of edges that is the cost of distance. The edge distance can be stored in a matrix as shown in FIG. 8(b), and the minimized form of the problem is an edge cost matrix as shown in FIG. 8(c). The distance cost is as shown in Equation (2-6) below.
(2-6) (2-6)
이때 으로 정의한다.At this time Defined by
전역 경로 플래너는 각 무인 항공 차량과 목적지 사이에서 일치하는 쌍의 총합에서 가장 작은 값을 찾는 것을 목표로 한다. 다음의 식(2-7)에서와 같이 완벽하게 일치하는 을 찾는 것이다. The global route planner aims to find the smallest value in the sum of matched pairs between each drone and its destination. As in the following equation (2-7), the perfect match is to find
(2-7) (2-7)
이때, 하기의 <알고리즘 2>의 의사 코드(pseudo code)에 따라 알고리즘이 수행되며 헝가리언 할당 알고리즘은 무인 항공 차량과 목적지를 할당하고 할당된 무인 항공 차량과 목적지 사이의 시간 간격 에 따라 다음 <표 1>과 같이 경로 점 목록을 생성한다. At this time, the algorithm is performed according to the pseudo code of <
<알고리즘 2> 헝가리언 할당 알고리즘의 의사코드<
<표 1> 경로 점 목록(waypoint Lists)<Table 1> Waypoint Lists
이하에서는 본 발명의 3차원 환경에서의 항공 차량 이동노선 계획을 위해 제안하는 알고리즘에 관해 설명한다.Hereinafter, an algorithm proposed for planning an air vehicle movement route in a 3D environment of the present invention will be described.
우선 본 발명의 알고리즘은 주어진 시변 환경에서 장애물을 회피하고 목표에 도달해야 하기 때문에 정적 장애물과 움직이는 동적 장애물을 피해야 한다. 시변 환경에서 충돌 방지는 움직이는 물체의 동역학에 따라 달라지므로 적절한 동적 제약(최소 반경, 최대 속도 제한 등)이 포함되어야 한다. 이러한 제약을 기반으로 도 9는 알고리즘이 작동하는 시간 순서를 보여준다. First of all, the algorithm of the present invention must avoid static obstacles and moving dynamic obstacles because it needs to avoid obstacles and reach a goal in a given time-varying environment. Since collision avoidance in a time-varying environment depends on the dynamics of moving objects, appropriate dynamic constraints (minimum radius, maximum speed limit, etc.) must be included. Based on these constraints, Fig. 9 shows the time order in which the algorithm works.
도 9를 참고하면, 은 정적 또는 동적 장애물이 감지된 시간이다. 장애물 감지 후, 충돌은 시간 동안 판단된다. 매우 짧은 시간에 충돌을 감지하고 충돌이 예상되는 경우 알고리즘은 시간 까지 완전히 최적화된 경로계획이 아니더라도 충돌 방지를 위한 경로를 다시 계획한다. 알고리즘의 초기 상태에서는 멀리 있는 목적지점보다는 회피기동을 위한 시작점을 최적화하는 것이 중요하다. 따라서 시간의 위치는 알고리즘의 루트(root) 노드가 된다. Boundary-RRT* 알고리즘은 이 위치에서 트리가 자라도록 한다. RRT나 변형된 RRT들은 샘플링 노드 수가 증가함에 따라 최적으로 수렴되지만, 계산 시간이 증가함에 따라 사전에 정해진 시간 제약 내에 항상 최적화하기는 어렵다. 따라서 목표는 전체 탐색 공간을 지역 탐색 공간의 영역으로 축소함으로써 샘플링 노드 수를 줄여서 실 시간적으로 빠르게 경로를 최적화하는 것이다. Referring to Figure 9, is the time at which a static or dynamic obstacle is detected. After obstacle detection, collision is judged over time. If a collision is detected in a very short time and a collision is expected, the algorithm Even if the route planning is not completely optimized up to , the route for collision avoidance is replanned. In the initial state of the algorithm, it is important to optimize the starting point for evasive maneuvers rather than the distant destination point. thus The position of time becomes the root node of the algorithm. The Boundary-RRT* algorithm allows the tree to grow at this location. Although RRT or modified RRTs converge optimally as the number of sampling nodes increases, it is difficult to always optimize within a predetermined time constraint as computation time increases. Therefore, the goal is to optimize the route quickly in real time by reducing the number of sampling nodes by reducing the total search space to the region of the local search space.
상기 Boundary-RRT* 알고리즘은 속도 장애물에 의해 정의된 속도 벡터 집합을 위치벡터 집합으로 자연적으로 변환하고 변환된 집합에 통행권(right-of-way) 규칙을 적용함으로써 탐색 공간을 더욱 좁힌다. 계획된 경로에 기초하여, 알고리즘은 시간 동안 설정된 영역 내의 목표 노드 에 도달할 때까지 충돌회피에 대한 경로를 지속적으로 탐색하여 보다 나은 최적화된 경로를 계획하고 품질을 개선한다. 다음의 <표 2>는 알고리즘에서 시간에 대한 변수들을 정의한다.The Boundary-RRT* algorithm further narrows the search space by naturally transforming a set of velocity vectors defined by speed obstacles into a set of position vectors and applying a right-of-way rule to the converted set. Based on the planned route, the algorithm Target node within a set area for time It continuously explores the path to collision avoidance until it reaches , planning a better optimized path and improving its quality. The following <Table 2> defines variables for time in the algorithm.
<표 2> 알고리즘에서 시간 관련 변수들.<Table 2> Time-related variables in the algorithm.
다음으로 본 발명의 제안하는 알고리즘의 충돌감지에 관해 설명한다.Next, the collision detection of the proposed algorithm of the present invention will be described.
도 9의 알고리즘 시간 순서를 참고하면, 알고리즘은 시간 에서 거리 내에서 장애물과의 충돌을 확인한다. 거리 는 사전에 정의된 일정한 거리이다. 거리 는 이동 개체의 이동 속도를 고려하고 알고리즘이 초기 경로를 계획 할 수 있도록 충분히 길어야 한다. 충돌회피를 위해 무인 항공 차량의 분리 거리 또는 보호 영역을 정의할 때 일반적으로 구(sphere) 또는 원통형(cylinder)으로 정의된다. 3차원 공간에서 비교적 유연한 궤적을 갖는 드론의 경우에는 원통형 보호구보다는 구형 보호 영역 정의를 사용한다. Referring to the algorithm time sequence of FIG. 9, the algorithm is distance from Check for collisions with obstacles within distance is a predefined constant distance. distance must be long enough to allow the algorithm to plan the initial path, taking into account the moving speed of the moving object. When defining a separation distance or protection area of an unmanned aerial vehicle for collision avoidance, it is generally defined as a sphere or a cylinder. In the case of a drone with a relatively flexible trajectory in a 3D space, a spherical protection area definition is used rather than a cylindrical protection device.
속도(velocity)을 이용하여 충돌을 감지하는 방법은 2가지로 나누어 볼 수 있다. 하나는 상대적 충돌 콘(RCC: Relative Collision Cone)을 이용하는 방법이고, 나머지 하나는 절대적 충돌 콘(ACC: Abso- lute Collision Cone)을 이용하는 방법이다. There are two methods for detecting collisions using velocity. One is a method using a relative collision cone (RCC), and the other is a method using an absolute collision cone (ACC).
상대적 충돌 콘을 이용하기 위해서는 가 무인 항공 차량 의 보호 영역의 반경이고 가 무인 항공 차량 의 보호 영역의 반경이라고 정의하면 다음의 식(3-1)과 같이 를 무인 항공 차량 의 보호 영역 에 추가하여 상대적 충돌 콘을 생성할 수 있다. 따라서 상대적 충돌 콘은 확대된 보호구의 접선(tangent line)을 질량 점(mass point) 에 연결한다. To use the relative collision cone fall drone vehicle is the radius of the protected area of fall drone vehicle If defined as the radius of the protection area of , as in the following equation (3-1) unmanned aerial vehicle protected area of to create a relative collision cone. Therefore, the relative impact cone is the mass point of the tangent line of the enlarged gear. connect to
(3-1) (3-1)
무인 항공 차량 의 상대적 속도 벡터(relative velocity vector) 는 하기의 식(3-2)과 같이 정의하며 무인 항공 차량 가 무인 항공 차량 와 관련하여 어떻게 움직이는지를 나타내고 동적 충돌회피 문제를 정적 문제로 변환한다. 무인 항공 차량 는 이제 정적 장애물로 간주될 수 있다. 벡터의 방향이 장애물 의 확대된 보호 영역을 통과하면 두 무인 항공 차량이 가까운 시간 내에 충돌한다. 도 10의 (a)에서 의 확장인 을 볼 수 있다.unmanned aerial vehicles relative velocity vector of is defined as in the following equation (3-2) and is unmanned aerial vehicle fall drone vehicle and transforms a dynamic collision avoidance problem into a static problem. unmanned aerial vehicle can now be considered as a static obstacle. The direction of the vector is an obstacle When passing through the expanded protection area of , the two unmanned aerial vehicles will collide within a short time. In (a) of FIG. 10 an extension of can see
(3-2) (3-2)
절대적 충돌 콘을 이용하기 위해서는 절대적 충돌 콘을 정의해야 하는데 이는 장애물 의 속도를 다음의 식(3-3)와 같이 상대 충돌 콘에 추가하여 절대적 충돌 콘을 도 10의 (b)과 같이 변환할 수 있다. In order to use the absolute collision cone, an absolute collision cone must be defined, which is an obstacle. The absolute collision cone can be converted as shown in (b) of FIG.
(3-3) (3-3)
여기서 “”는 민코프스키(minkowski) 벡터 연산자이다.here " ” is the Minkowski vector operator.
상대적 충돌 콘을 이용하여 충돌을 감지하는 경우는 감지 거리 내에서 장애물까지의 거리가 인 경우, 충돌 콘()의 중심축에 기초한 반각 은 다음의 식(3-4)과 같이 계산될 수 있다.In the case of detecting a collision using a relative collision cone, the detection distance distance from the obstacle If , the collision cone ( ) half angle based on the central axis of can be calculated as in the following equation (3-4).
(3-4) (3-4)
이때 는 유클리드 거리(euclidean distance)이다. 따라서 상대 벡터 와 사이의 각도 는 다음의 식(3-5)과 같이 계산될 수 있다.At this time is the Euclidean distance. Hence the relative vector and angle between can be calculated as in the following equation (3-5).
(3-5) (3-5)
여기서 과 는 충돌 여부를 결정하는 데 사용할 수 있다.here class can be used to determine whether there is a collision.
(3-6) (3-6)
(3-7) (3-7)
상기 식(3-6)의 조건은 충돌을 일으키고, 상기 식(3-7)의 조건은 충돌하지 않는다. 따라서 조건이 식(3-6)에 해당하면 알고리즘은 충돌회피를 위해 알고리즘을 가동하고 경로 재 계획을 시작한다. The condition of Equation (3-6) causes a collision, and the condition of Equation (3-7) does not collide. Therefore, if the condition corresponds to Eq. (3-6), the algorithm runs the algorithm for collision avoidance and starts replanning the path.
또 다른 방법은 속도 장애물인 절대적 충돌 콘을 사용하는 것이다. 2차원의 경우와 마찬가지로 3차원에서 속도 장애물은 도 10의 (b)와 같이 을 따라 충돌 콘을 변환하여 얻는다. 그런 다음 두 무인 항공 차량의 수평 상태뿐만 아니라 수직 상태도 확인한다. 따라서 3차원 속도 장애물 내부에 의 끝점이 존재하는지 여부를 확인하는 방법은 지점을 콘(cone)의 기준 프레임으로 변환하는 것이다. 변환할 공식은 다음의 식(3-8)과 같다.Another way is to use an absolute collision cone as a speed obstacle. As in the case of the 2D, the speed obstacle in the 3D is as shown in (b) of FIG. is obtained by transforming the collision cone along It then checks the vertical as well as horizontal position of the two unmanned aerial vehicles. Therefore, inside the 3D speed obstacle How to check whether the endpoint of It is to transform a point into a frame of reference for a cone. The formula to be converted is the following equation (3-8).
= (3-8) = (3-8)
상기 식(3-8)을 이용하여 기준 프레임을 변환 한 후, 다음의 식(3-9)을 만족하는 경우에만 조건이 맞는지 확인할 수 있다.After transforming the reference frame using Equation (3-8), only when the following Equation (3-9) is satisfied You can check if the conditions are right.
> 0 ∧ < (3-9) > 0 ∧ < (3-9)
이에 상기 식(3-9)의 조건을 만족하면 와 가 충돌 할 것으로 예상할 수 있다.Accordingly, if the condition of Equation (3-9) is satisfied, and can be expected to collide.
다음으로, 본 발명에서 제안하는 알고리즘의 충돌회피의 기동에 관해 설명한다. Next, the activation of the collision avoidance of the algorithm proposed in the present invention will be described.
충돌회피 기동 계산에서 중요한 파라미터는 무인 항공 차량의 최소 회전반경 과 의 거리를 포함한다. 이 파라미터는 충돌회피 시간을 결정하는데 중요하다. 가 상대 위치 에서 장애물의 안전 보호구의 반경인 경우 상기 충돌방지의 관련 식(3-1)과 같다. 하지만 보다 안전한 경로를 계획하기 위해서 공차(clearance) 을 추가하여 다음의 식(3-10)을 정의한다. An important parameter in the calculation of collision avoidance maneuvers is the minimum turning radius of the unmanned aerial vehicle. class includes the distance of This parameter is important in determining the collision avoidance time. is relative position In the case of the radius of the safety protector of the obstacle, it is the same as the related equation (3-1) of the collision prevention. However, in order to plan a safer route, clearance is added to define the following equation (3-10).
(3-10) (3-10)
여기서 상대(opponent) 무인 항공 차량이 회피 기동을 하지 않는다고 가정하면 충돌이 발생하며 다음과 같이 충돌 시간을 예측할 수 있다. 가 충돌 예상 시간이라 할 경우 는 다음의 식(3-11)으로 계산한다. Here, assuming that the opponent unmanned aerial vehicle does not maneuver, a collision occurs and the collision time can be predicted as follows. If is the expected collision time is calculated by the following equation (3-11).
(3-11) (3-11)
마찬가지로, 충돌회피 시작 시간 은 후술하는 식(3-13)에 의해 계산될 수 있다. 는 회전반경인 매개변수 을 사용한다. 무인 항공 차량의 회전반경을 계산하기 위해 두 가지 매개변수가 적용되는데, 이는 무인 항공 차량이 회전할 때 기체가 회전 방향으로 놓여야 하는 각도인 뱅크 각도 이며 두 번째는 무인 항공 차량의 회전 속도 이다. 무인 항공 차량의 뱅크 각도 는 일반적인 무인 항공 차량의 모델링에 사용되는 30도이다. Δ는 회전 시 증가된 속도이다. 다음의 식 (3-12)에서 상수 1,091은 기체의 속도 단위 변환 값이다.Similarly, collision avoidance start time can be calculated by Equation (3-13) described later. is the radius of gyration Use To calculate the turning radius of an unmanned aerial vehicle, two parameters are applied: the bank angle, which is the angle at which the aircraft must lie in the direction of rotation as the unmanned aerial vehicle rotates. and the second is the rotational speed of the unmanned aerial vehicle am. Bank angle of unmanned aerial vehicle is 30 degrees used for modeling general unmanned aerial vehicles. Δ is the increased speed during rotation. In the following equation (3-12), the constant 1,091 is the unit conversion value of gas velocity.
= (3-12) = (3-12)
상기 식(3-12)을 에 적용함으로써 충돌회피시간 는 다음의 식(3-13)을 이용하여 계산한다. Formula (3-12) above Collision avoidance time by applying to is calculated using the following equation (3-13).
(3-13) (3-13)
본 발명에 따른 알고리즘의 작동 시간순서는 이다. 와 사이에서 충돌회피 기동을 시작함으로써 충돌을 피할 수 있으며, 여기서 각 질량 점의 속도는 시간순서 사이에서 일정하다고 가정한다. 따라서 시간 에서 질량 점의 위치를 쉽게 실현할 수 있다. 여기서 은 초기시간이다. 그러므로 3차원에서의 충돌회피를 위한 무인 항공 차량 의 위치 는 다음의 식(3-14)에서 정의될 수 있다.The operating time sequence of the algorithm according to the present invention is am. and A collision can be avoided by initiating a collision avoidance maneuver between the mass points, where the velocity of each mass point is assumed to be constant between the time sequences. therefore time The position of the mass point in can be easily realized. here is the initial time Therefore, unmanned aerial vehicle for collision avoidance in 3D location of Can be defined in the following equation (3-14).
(3-14) (3-14)
마찬가지로, 무인 항공 차량 와 무인 항공 차량 의 3 차원 충돌 위치 은 다음의 식(3-15)에 의해 계산될 수 있다. Similarly, unmanned aerial vehicle and unmanned aerial vehicle 3D collision position of can be calculated by the following equation (3-15).
(3-15) (3-15)
그리고 이하에서는 본 발명에서 제안하는 알고리즘의 충돌회피 기동의 규칙에 관해 설명한다.In the following, the collision avoidance maneuver rules of the algorithm proposed in the present invention will be described.
무인 항공 차량에 대한 협동 회피 규칙을 설정하는 가장 간단한 방법은 유인 항공기에 적용되는 통행권 규칙 FAR 91.113이나 국제해사기구(IMO, International Maritime Organization)가 해상에서의 선박 충돌을 예방하기 위한 통일화된 규정으로 마련한 국제 해상 충돌 예방규칙 협약(COLREGs : Convention on the Intern- ational Regulation for Preventing Collisions at Sea, 1972)을 적용하는 것이다. 두 규칙 모두는 상황에 따라 각각 항공과 해상에서 통행권(right-of-way)을 갖는 우선순위에 대한 규칙(regulation)을 정의하고 있다. The simplest way to establish cooperative avoidance rules for unmanned aerial vehicles is FAR 91.113, the right-of-way rule applicable to manned aircraft, or the International Maritime Organization (IMO) as a unified rule to prevent ship collisions at sea. It is to apply the Convention on the International Regulations for Preventing Collisions at Sea (COLREGs: Convention on the International Regulations for Preventing Collisions at Sea, 1972). Both rules define the rules for prioritizing the right-of-way by air and by sea, respectively, depending on the circumstances.
따라서 본 발명에서 제안하는 알고리즘 알고리즘은 무인 항공 차량의 충돌회피를 위한 기동 규칙인 FAR 91.133과 COLREGs를 참조하고 이를 바탕으로 확장하였으며 마찬가지로 충돌할 것으로 예상되는 각 무인 항공 차량 사이에서 우선순위를 정의하였다. 우선순위는 충돌회피 조작을 수행할 무인 항공 차량을 정의하는 것이며 이러한 규칙의 정의는 충돌회피 문제를 단순화하는 데 도움이 되기에 무인 항공 차량에서 일반적으로 사용되고 있다. 또한 규칙을 정의함으로써 다른 무인 항공 차량이 어떻게 움직이는지에 대한 추가 예측이 제공된다. 이와 관련하여 도 11은 4가지 경우에 대한 통행권 규칙과 기동 방향을 정의한다.Therefore, the algorithm proposed in the present invention refers to FAR 91.133 and COLREGs, which are maneuvering rules for collision avoidance of unmanned aerial vehicles, and is expanded based on them, and similarly, priorities are defined among each unmanned aerial vehicle that is expected to collide. The priority is to define the unmanned aerial vehicles to perform collision avoidance maneuvers, and these rule definitions are commonly used in unmanned aerial vehicles as they help to simplify the collision avoidance problem. Additionally, by defining rules, additional predictions about how other unmanned aerial vehicles will behave are provided. In this regard, FIG. 11 defines right-of-way rules and maneuvering directions for four cases.
무인 항공 차량의 이동 거리는 특별한 모델을 제외하고는 상당히 제한적이다. 특히, 로터리(rotary)형 무인 항공 차량의 이동 반경은 고정익(Fixed-wing) 무인 항공 차량의 이동 반경보다 상당히 짧고 회전반경은 훨씬 작다. 또한, 무게가 가볍기 때문에 속도 일관성을 유지하기도 어렵다. 이렇게 일정한 속도를 감지하기 어려운 동적인 장애물의 경우 수평적 충돌회피가 아닌 수직으로 회피를 기동하는 규칙을 정의할 수 있다. 따라서 본 발명에서 적용되는 통행권의 규칙(right-of-way rules)은 다음의 4가지 경우로 정의한다. The travel distance of unmanned aerial vehicle is quite limited except for special models. In particular, the moving radius of the rotary unmanned aerial vehicle is significantly shorter than that of the fixed-wing unmanned aerial vehicle, and the turning radius is much smaller. Also, because of its light weight, it is difficult to maintain speed consistency. In the case of dynamic obstacles where constant speed is difficult to detect, rules for avoiding vertical rather than horizontal collision avoidance can be defined. Therefore, the right-of-way rules applied in the present invention are defined as the following four cases.
① 오른쪽에서 다가오는 무인 항공 차량이 통행권을 갖는다.① An unmanned aerial vehicle approaching from the right has the right-of-way.
② 정면 만남에서 두 무인 항공 차량 모두 오른쪽으로 회피한다.② In a head-on encounter, both drones evade to the right.
③ 추월당하는 무인 항공 차량이 통행권을 갖는다.③ The unmanned aerial vehicle being overtaken has the right of way.
④ 상대방 무인 항공 차량의 일정한 속도를 감지하기 어려운 경우 위쪽으로 회피한다. ④ If it is difficult to detect the constant speed of the opponent's unmanned aerial vehicle, avoid upwards.
그리고 도 12는 통행권 규칙을 적용하기 위한 무인 항공 차량에 대한 수렴 상황을 정의한다.And FIG. 12 defines a convergence situation for an unmanned aerial vehicle for applying a right-of-way rule.
다음으로 본 발명에서 제안하는 알고리즘의 충돌회피 공간의 정의에 관해 설명한다.Next, the definition of the collision avoidance space of the algorithm proposed in the present invention will be described.
본 발명에서 제안하는 알고리즘에 적용하는 applied to the algorithm proposed in the present invention
Boundary-RRT* 알고리즘은 지역 경로계획 및 재 계획을 목표로 하는 알고리즘이기 때문에 구성 공간 전체에서 트리를 확장할 필요가 없다. 탐색 공간의 크기를 제한하는 것은 실 시간성(real-time)을 유지하면서 계산 시간을 줄이는 효율적인 방법이다. 3차원 공간상에서 RRT 탐색 공간은 회피 방향을 사전에 정의함으로써 절단된 토러스(sliced torus)로 정의할 수 있다. 절단된 토러스 탐색 공간으로의 제한은 이동 장애물의 보호 영역의 크기와 무인 항공 차량의 충돌 방지 시간, 충돌 예상 시간에 의해 가변적으로 정의될 수 있다.Since the Boundary-RRT* algorithm is an algorithm aimed at local path planning and replanning, it does not need to span the tree throughout the construction space. Limiting the size of the search space is an efficient way to reduce computation time while maintaining real-time. In the 3D space, the RRT search space can be defined as a sliced torus by pre-defining an avoidance direction. The limitation of the truncated torus search space may be variably defined by the size of the protection area of the moving obstacle, the anti-collision time of the unmanned aerial vehicle, and the expected collision time.
완전한 토러스(torus:원환체)는 두 원의 곱집합(cartesian product)이다. 기하학에서, 원환면(圓環面) 또는 토러스(영어: torus)란 원을 삼차원 공간 상에서 원을 포함하는 평면 위의 직선을 축으로 회전하여 만든 회전면(surface of revolution)이다. 원환면을 표면으로 하는 입체는 도넛의 모양을 닮게 되는데 이를 원환체(圓環體) 또는 토로이드(toroid)라고 한다. 위상수학에서는 원환면은 두 원의 곱집합 S1 ×S1과 위상동형이다. 또한 종수(genus) 2의 2차원 콤팩트 다양체(compact 2-manifold)이기도 하다. 원환면은 삼차원 유클리드 공간에 매립(embed) 된다. 영어명 ‘토러스(torus)’는 ‘부풂’또는 ‘쿠션’을 의미하는 라틴어 단어 ‘토루스(trus)’에서 유래하였다. 도 13은 완전한 토러스의 예를 보여준다.A perfect torus is the cartesian product of two circles. In geometry, a torus or torus is a surface of revolution created by rotating a circle around a straight line on a plane containing the circle as an axis in three-dimensional space. A solid with a torus as its surface resembles the shape of a donut and is called a torus or toroid. In topology, a torus is in phase with the product set S1 × S1 of two circles. It is also a compact 2-manifold of
이와 같은 완전한 토러스를 기반으로 절단된 토러스 형태를 정의할 수 있다. 절단된 토러스 영역을 수학적으로 모델링 하면 절단된 토러스 영역은 속도 장애물에서 예견(look-ahead) 시간 에 따라 생성된 각각의 을 연속적으로 결합한 경우 결합된 전체 의 부분 집합으로 정의될 수 있다. 따라서 정리(Theorem)를 다음과 같이 정의한다. Based on such a complete torus, a truncated torus shape can be defined. If the truncated torus region is mathematically modeled, the truncated torus region has a look-ahead time at the speed obstacle. each generated according to in the case of contiguously combining can be defined as a subset of Therefore, the Theorem is defined as:
- Theorem : 는 도달 가능한 충돌회피 속도 공간의 집합이며, 속도 공간에서의 충돌회피 동작을 일련의 기하학적 형태로 즉시 맵핑한다. 따라서 절단된 토러스 영역은 의 부분 집합이며 는 도 14의 (b)에 표시된 것처럼 어떤 순간 시간 t에 따라 계산된 의 합집합이다. -Theorems: is a set of reachable collision-avoidance velocity spaces, and immediately maps the collision-avoidance behavior in the velocity space to a set of geometric shapes. Thus, the truncated torus region is is a subset of is calculated according to some instantaneous time t as shown in (b) of FIG. is the union of
- Proof : 충돌회피 속도 및 방향(속도 공간)의 집합으로 을 정의할 때, 장애물로 간주하는 상대 개체에 대한 기동 회피는 에서 속도를 선택함으로써 가능하다. 도 14의 (a)에서, 2차원 는 2 개의 개별 부분집합(왼쪽, 오른쪽)으로 표현된다. 그러나 3차원 는 도 14의 (b)에 도시 된 바와 같이 임의의 순간 시간 일 때 닫힌 일련의 공간이다. 즉, 충돌회피 방향 및 속도는 모든 방향으로 선택될 수 있다. 또한, 가 정의되면, 이산 시간 에 따라 정의된 각 이산 공간은 시간 에 따라 연속 공간으로 정의될 수 있다. 이때 충돌회피 조작의 방향과 영역을 정의하면 일련의 부분 공간으로 제한된다. 그러므로 절단된 토러스 공간은 이 전체 연속 공간 의 부분 집합이다.- Proof: A set of collision avoidance speed and direction (velocity space) When defining , the maneuver avoidance for the opponent object considered as an obstacle is It is possible by selecting the speed in . In (a) of FIG. 14, two-dimensional is represented by two separate subsets (left and right). but 3D is an arbitrary instantaneous time as shown in (b) of FIG. It is a series of spaces that are closed when That is, the collision avoidance direction and speed can be selected in all directions. also, is defined, discrete time Each discrete space defined according to time can be defined as a continuous space according to At this time, defining the direction and domain of the collision avoidance operation is limited to a series of subspaces. Therefore, the truncated torus space is this whole contiguous space is a subset of
도 15는 시간에 따라 생성된 을 병합함으로써 전술한 정리(Theorem)에 대한 이해를 돕고자 도시한 도면으로, 충돌회피 기동에서 정의된 규칙에 따라 회피 영역은 완전한 토러스에서 절단된 토러스 영역이 된다. 이러한 절단된 토러스는 Pappus and Guldinus 이론을 응용하여 계산할 수 있다. 도 16은 절단된 토러스의 영역을 얻기 위한 매개변수를 설명한다. 절단된 토러스 영역을 정의하기 전에 완전한 토러스를 정의하면 다음의 식(3-16)으로 매개변수화 할 수 있다. 15 is generated over time This diagram is shown to help the understanding of the above-mentioned Theorem by merging, and according to the rules defined in the collision avoidance maneuver, the avoidance area becomes a torus area truncated from the complete torus. This truncated torus can be calculated by applying the Pappus and Guldinus theory. Fig. 16 describes the parameters for obtaining the area of a truncated torus. If a complete torus is defined before defining a truncated torus region, it can be parameterized by the following equation (3-16).
(3-16) (3-16)
따라서 토러스를 절단하기 위해서는 무인 항공 차량 의 현재 위치와 상대방 무인 항공 차량 의 방향각을 계산하여야 한다. 방향각을 라 정의하면 다음의 식(3-17)과 같이 계산할 수 있다.Therefore, in order to cut the torus, an unmanned aerial vehicle current location and opponent drones The direction angle of should be calculated. direction angle If defined as , it can be calculated as in the following equation (3-17).
(3-17) (3-17)
이와 같이 계산된 상대편 무인 항공 차량의 방향각 을 기준으로 무인 항공 차량의 진행 방향을 기준으로 절단된 토러스의 구간을 정의해야 하는데 이는 전술한 식(3-12)으로부터 계산된 을 이용하여 계산할 수 있다. 도 17은 절단된 토러스의 생성에 관련된 에 따라서 생성되는 절단된 토러스의 영역을 표현한다. The azimuth angle of the opposing unmanned aerial vehicle calculated in this way It is necessary to define the section of the torus cut based on the moving direction of the unmanned aerial vehicle based on , which is calculated from the above equation (3-12) can be calculated using 17 relates to the creation of a truncated torus Represents the area of the truncated torus created according to .
완전한 토러스에서 의 변수 범위는 이고 하프 토러스(half-torus) 에서는 이지만 절단된 토러스를 일반화 하는 경우 는 이다. 따라서 방향각 을 기준으로 할 경우에 다음의 식(3-18)과 같이 정의된다.in full torus The variable scope of and in half-torus but if you generalize the truncated torus Is am. Therefore, the direction angle When based on , it is defined as in the following equation (3-18).
(3-18) (3-18)
또한 절단된 토러스의 탐색 공간을 형성하는 과정에는 2가지의 중요한 변수를 반영하여야 하는데 첫째는 무인 항공 차량의 회전반경과 두 번째는 뱅크 각() 이다. 회전반경은 속도에 비례하고 뱅크 각에는 반비례하기 때문에 뱅크 각이 작은 경우나 또는 속도가 빠른 경우 절단된 토러스의 값은 보다 크게 설정함으로써 무인 항공 차량이 물리적으로 회전 가능한 경로를 찾도록 하여야 한다. 따라서 본 발명에서 제안하는 알고리즘은 속도에 따라 도 18과 같이 절단된 토러스의 영역이 가변적으로 설정된다. 즉 이고 이다. In addition, two important variables must be reflected in the process of forming the search space of the truncated torus. The first is the turning radius of the unmanned aerial vehicle and the second is the bank angle ( ) am. Since the turning radius is proportional to the speed and inversely proportional to the bank angle, when the bank angle is small or the speed is high, the truncated torus By setting the value higher, the unmanned aerial vehicle must find a physically rotatable path. Therefore, in the algorithm proposed by the present invention, the area of the torus that has been cut is set variably according to the speed as shown in FIG. 18 . in other words ego am.
마지막으로 계산된 충돌 위치를 중심으로 하기 위해서 전술한 식(3-15)에서 도출된 충돌 위치와, 하기의 식(3-19)에서 계산된 과 을 기반으로 하기의 식(3-20)을 적용하여 절단된 토러스 영역을 계산함으로써 알고리즘은 탐색 영역을 정의한다. 이로써 정의된 절단된 토러스 영역 내에서 트리가 자랄 것이다.The collision position derived from the above-mentioned equation (3-15) and the following equation (3-19) to center on the last calculated collision location class The algorithm defines the search area by calculating the truncated torus area by applying the following equation (3-20) based on . The tree will grow within the truncated torus region thus defined.
z 축을 회전축으로 하고 충돌 위치를 원점으로, 반경을 이라 하고 절단된 토러스의 반지름을 식(3-19)로부터 유도된 이라 하면 방향을 반영한 절단된 토러스의 파라메트릭(parametric) 방정식은 식(3-20)로 정의된다. 이때 와 는 식(3-18)에 의해 제한된다.With the z-axis as the axis of rotation, the collision location as the origin, and the radius as , and the radius of the truncated torus is derived from equation (3-19) If , the parametric equation of the truncated torus reflecting the direction is defined as Equation (3-20). At this time and is limited by equation (3-18).
(3-19) (3-19)
(3-20) (3-20)
이하에서는 본 발명에서 제안하는 BOUNDARY-RRT* 알고리즘의 의사 코드에 관해 설명한다.Hereinafter, the pseudo code of the BOUNDARY-RRT* algorithm proposed in the present invention will be described.
Boundary-RRT* 알고리즘의 목표는 최소 가능한 시간과 거리 내에서 절단된 토러스의 진입 경로 점(entry waypoint)에서 절단된 토러스의 출구 점(exit waypoint)까지 주어진 절단된 토러스의 구성 공간에서 실현 가능하고 연속적인 최적의 경로를 찾는 것이다. 집합 으로 표시된 주어진 전체 구성 공간을 고려할 때 은 주어진 탐색 공간의 차원을 나타낸다. 는 장애물이 차지하는 영역이고 는 장애물이 없는 상태 공간 영역이다. 따라서 는 다음의 조건식 (3-21)을 만족한다. 여기서 는 의 멱집합이다.The goal of the Boundary-RRT* algorithm is to be feasible and continuous in the construction space of a given truncated torus from the entry waypoint of the truncated torus to the exit waypoint of the truncated torus within the minimum possible time and distance. It is about finding the optimal path. set Given the entire configuration space denoted by represents the dimension of a given search space. is the area occupied by the obstacle is an unobstructed region of state space. thus satisfies the following conditional expression (3-21). here Is is the power set of
(3-21) (3-21)
이때 는 의 부분집합이며, 다음의 조건식(3-22)을 만족한다.At this time Is It is a subset of , and satisfies the following conditional expression (3-22).
(3-22) (3-22)
위 식(3-21)과 식(3-22)을 만족하는 상황에서 와 을 다음 조건식 (3-23)을 만족한다.In a situation that satisfies the above equations (3-21) and (3-22) and satisfies the following conditional expression (3-23).
(3-23) (3-23)
여기서 는 회피 기동을 위한 초기 위치 즉 트리의 루트이고 는 목표 위치이다. 알고리즘은 모든 정점이 의 상태를 기반으로 로 한정되도록 구성되며 경로는 충돌을 회피하며 영역 내에 완전히 놓여 있게 된다. here is the initial position for the evasion maneuver, i.e., the root of the tree is the target position. The algorithm has all vertices based on the condition of It is configured to be limited to , and the path avoids collisions and It lies completely within the realm.
후술하는 <알고리즘 3>은 본 발명에서 제안하는 Boundary-RRT* 알고리즘의 전체 의사 코드이고, <알고리즘 4>는 충돌회피 기동에 대한 정의를 하고, <알고리즘 5>는 회피기동 후 무인 항공 차량이 추종하기 위한 가장 근접한 원래의 경로를 찾기 위함이며, <알고리즘 6>은 절단된 토러스의 범위를 정의한다. <
<알고리즘 3> Boundary-RRT* 알고리즘의 의사 코드<
상기 Boundary-RRT* 알고리즘은 특정 거리 내의 장애물에 대한 정보를 검출 한다. 동적 장애물을 'O'라 정의할 때 는 다음과 같이 정의할 수 있다. 그리고 이때 위협거리를 m으로 정의할 경우 하기의 식(3-24)과 같이 장애물을 검출할 수 있다.The Boundary-RRT* algorithm is a specific distance Detect information about obstacles within. When defining a dynamic obstacle as 'O' can be defined as: At this time, if the threat distance is defined as m , the obstacle can be detected as shown in the following equation (3-24).
= =
(3-24) (3-24)
여기서 위치 검출 방법은 센서로부터 정보를 수신하거나 무인 항공 차량 사이의 상호 협력과 같은 직접적인 통신 또는 사전에 정의된 방법에 의해 완벽하게 검출되는 것으로 가정한다. 장애물이 감지되면 하기의 <알고리즘 4>인 CollisionManeuverCheck( , )을 적용하여 충돌이 일어나는지를 확인하고 충돌회피 조작을 수행할 무인 항공 차량을 결정하는 기능을 수행한다. Here, it is assumed that the location detection method is perfectly detected by direct communication or a predefined method such as receiving information from a sensor or mutual cooperation between unmanned aerial vehicles. When an obstacle is detected, <
<알고리즘 4> CollisionManeuverCheck 의사 코드<
이는 전술한 충돌회피 기동의 선택에서 정의한 통행권 규칙을 따른다. 예를 들어 충돌이 예측되더라도 리턴 값이 FALSE 이면 충돌회피 시작이 수행되지 않는다. 이는 통행권 규칙에 정의에 따라 감지 거리 내에 있어도 오른쪽에서 왼쪽으로 수렴하는 경우 또는 추월당하는 경우처럼 회피의 기동을 상대(opponent) 무인 항공 차량이 수행하기 때문이다. 여기서 , 는 전술한 식(3-4) 및 식 (3-5)를 적용하여 각각 계산할 수 있다. This follows the right-of-way rules defined in the selection of collision avoidance maneuvers described above. For example, even if a collision is predicted, if the return value is FALSE, collision avoidance start is not performed. This is because the opponent unmanned aerial vehicle performs maneuvers of evasion, such as when converging from right to left or being overtaken, even within the detection distance according to the definition of the right-of-way rule. here , can be calculated by applying the above equations (3-4) and (3-5), respectively.
입실론 ε은 트리에서 에지의 최대 길이이며 nSample은 당 샘플링 노드 수를 의미한다(<알고리즘 3>의 라인 5, 라인 6). 그리고 충돌이 예측되면 충돌 예상 시간 가 계산되고 충돌을 피하기 위한 기동을 시작하는 시간 가 계산된다(<알고리즘 3>의 라인 7). 그런 다음 경로 점 목록에서 와 사이의 거리만큼 떨어져 있는 경로 점을 검색한다. 경로의 검색은 기동이 끝나고 나서 추종할 경로 점을 찾기 위함이다. 이 경로 점 리스트는 전역 경로계획 플래너가 사전에 계획하여 각 무인 항공 차량에게 배포한 이미 계획된 경로이다. 상기 이 경로 점은 하기의 <알고리즘 5>의 FindNominalWayPoint( , )에 의해 회피 조작이 완료된 후 복귀할 위치를 획득한다(<알고리즘 3>의 라인 8). epsilon ε is the maximum length of an edge in the tree and nSample is It means the number of sampling nodes per node (
<알고리즘 5> FindNominalWayPoint 의사 코드<
그런 다음 탐색 공간은 하기의 <알고리즘 6>의 ComputeSlicedTorusRegion( )을 사용하여 계산된 매개변수를 적용하여 구성 공간에서 탐색 공간을 정의한다. 이때 탐색 공간은 절단된 토러스 형태이며 구성 공간 (<알고리즘 3>의 라인 9)에서 영역으로 제한된다. 초기 트리의 루트는 위치는 가 된다(<알고리즘 3>의 라인 10). Then, the search space is ComputeSlicedTorusRegion( of <
<알고리즘 6> ComputeSlicedTorusRegion 의사 코드<
그리고 RegionRandomSample( ) 함수는 제한(bound)된 탐색 공간 내에서 무작위로 샘플링을 수행한다(<알고리즘 3>의 라인 13). 다음 절차는 RRT* 알고리즘과 동일한 작업을 수행한다. 마지막으로 Control(nSample, )을 적용하여 에 따라 nSample의 조건이 만족되면 물리적인 제어 입력을 수행한다(<알고리즘 3>의 라인 20). And RegionRandomSample( ) function randomly performs sampling within a bounded search space (
이상의 3차원 환경에서 무인 항공 차량의 충돌회피와 경로를 재 계획하기 위한 Boundary-RRT* 알고리즘을 통해 무인 항공 차량의 충돌과 관련하여 성공적인 충돌회피를 수행하였으며 새로운 경로 점을 생성하여 경로를 재 계획이 가능함을 확인할 수 있었다. Through the Boundary-RRT* algorithm for collision avoidance and path replanning of the unmanned aerial vehicle in the above three-dimensional environment, collision avoidance was successfully performed in relation to the collision of the unmanned aerial vehicle, and a new path point was created to replan the path. I was able to confirm that it is possible.
본 발명을 통하여 제안된 알고리즘은 다음과 같은 몇 가지의 관점에서 큰 개선을 이루었다. 도 19는 본 발명에서 제안된 알고리즘으로부터 개선 효과를 기대할 수 있는 항목에 대한 도식이다.The algorithm proposed through the present invention has achieved great improvement in several aspects as follows. 19 is a diagram of items for which improvement effects can be expected from the algorithm proposed in the present invention.
첫째, RRT*의 탐색영역을 절단된 토러스라는 지역적 영역으로 축소함으로써 RRT*의 가장 큰 단점인 수렴 속도를 개선할 수 있었다.First, the convergence speed, the biggest drawback of RRT*, could be improved by reducing the search area of RRT* to a regional area called a truncated torus.
둘째, 단순한 샘플링 알고리즘을 적용함으로써 수학적 또는 기하학적인 연산의 복잡성을 제거하고 복잡도(complexity)를 단순화하였다.Second, by applying a simple sampling algorithm, the complexity of mathematical or geometrical operations is removed and complexity is simplified.
셋째, 충돌회피를 위한 기동 시작 시점의 모호성과 같은 단점이 대두되지 않기 때문에 큰 변위를 갖지 않는 일관된 경로를 계획할 수 있었다.Third, since the disadvantages such as ambiguity of the starting point of maneuver for collision avoidance did not emerge, a consistent path without large displacement could be planned.
이와 같은 개선 효과를 바탕으로 하기의 <표 3>에서는 본 발명에서 제안된 Boundary-RRT* 알고리즘과 종래의 여러 경로계획 알고리즘을 정성적으로 비교하고 평가하였다. Based on this improvement effect, in <Table 3> below, the Boundary-RRT* algorithm proposed in the present invention and several conventional path planning algorithms were compared and evaluated qualitatively.
<표 3> Boundary-RRT* 알고리즘의 비교평가<Table 3> Comparative evaluation of Boundary-RRT* algorithm
본 발명을 통하여 시변 환경을 기반으로 하는 속도 장애물의 장점을 이용하여 충돌을 신속하게 감지하고 구성 공간 환경을 기반으로 하는 매우 단순한 샘플링 알고리즘인 RRT를 적용하여 3차원 환경에서 보다 저렴한 비용을 지불하며, 최적의 경로를 계획할 수 있는 새로운 Boundary-RRT* 알고리즘을 제안하고 시뮬레이션을 통해 검증해 보았다. Through the present invention, by using the advantage of speed obstacles based on a time-varying environment, collisions are rapidly detected, and RRT, a very simple sampling algorithm based on a configuration space environment, is applied to pay lower costs in a 3D environment, A new Boundary-RRT* algorithm that can plan an optimal route was proposed and verified through simulation.
본 발명은 RRT의 장점인 점근적 최적성을 기반으로 이동 중에도 최적 경로를 지속적으로 검색하고 최적화할 수 있었으며 알고리즘은 몇 가지의 통행권 규칙을 적용함으로써 탐색 공간을 완전한 토러스 공간에서 절단된 토러스 공간으로 제한하여 RRT 알고리즘과 많은 변형된 RRT 알고리즘에서 대두되는 단점인 수렴 속도를 크게 개선할 수 있었다. 특히 절단된 토러스 공간은 다각형이 아닌 타원형을 취하기 때문에 경계 공간 내에서 곡면을 따라 곡률(curvature) 경로를 자연스럽게 찾는다. 이는 제한된 공간 내에 암시적으로 편향성(바이어스)이 포함되어 있음으로 별도의 편향 함수를 정의하지 않고도 샘플링 노드의 수를 늘리거나 에지의 길이를 줄이면서 자연스러운 곡률 경로를 생성할 수 있음을 의미한다. The present invention was able to continuously search for and optimize the optimal path even while moving based on asymptotic optimality, which is an advantage of RRT, and the algorithm limits the search space from a complete torus space to a truncated torus space by applying several right-of-way rules. By doing so, the convergence speed, which is a drawback of the RRT algorithm and many modified RRT algorithms, can be greatly improved. In particular, since the truncated torus space assumes an ellipse rather than a polygon, a curvature path is naturally found along a curved surface within the boundary space. This means that a natural curvature path can be created while increasing the number of sampling nodes or reducing the length of an edge without defining a separate bias function because the bias is implicitly included in the limited space.
결과적으로 본 발명에서 제안하는 알고리즘은 계산의 단순성과 구성 공간의 탐색 영역을 축소함으로써 전체적인 계산 부하를 최소화하고 실시간 성능을 향상시킴으로서 항공 차량 간의 충돌회피와 지역 경로의 재 계획에 적합하다는 것을 확인하였다. 또한 본 발명에서 제안하는 알고리즘은 실시간적으로 빠른 경로계획에 적용할 수 있도록 개선하였다는 점에 큰 의미가 있다. As a result, it was confirmed that the algorithm proposed in the present invention is suitable for collision avoidance between air vehicles and replanning of local routes by minimizing the overall calculation load and improving real-time performance by reducing the search area of the configuration space and simplicity of calculation. In addition, it is significant that the algorithm proposed in the present invention has been improved so that it can be applied to fast route planning in real time.
이상과 같이 본 발명의 실시 예에 대하여 상세히 설명하였으나, 본 발명의 권리범위는 이에 한정되지 않으며, 본 발명의 실시 예와 실질적으로 균등의 범위에 있는 것까지 본 발명의 권리범위가 미친다.Although the embodiments of the present invention have been described in detail as described above, the scope of the present invention is not limited thereto, and the scope of the present invention extends to those within the scope substantially equivalent to the embodiments of the present invention.
1: 지리 정보
2: 환경을 감지하는 모듈
3: 비행 제어를 위한 제어 모듈
10: 경로계획 모듈
11: 전역 경로 플래너
12: 지역 경로 플래너1: geographic information
2: module that senses the environment
3: Control module for flight control
10: route planning module
11: Global route planner
12: Local route planner
Claims (8)
상기 항공 차량이 이동하는 계획된 경로의 시작 위치와 목적 위치 사이의 경로 점 목록(waypoint list)을 생성하는 제1단계; 및
상기 항공 차량이 계획된 경로로 이동 중 동적 또는 정적 장애물과의 충돌을 회피하기 위해 Boundary-RRT* 알고리즘을 기반으로 탐색 공간을 제한하여 상기 경로 점 목록(waypoint list) 내 지역 경로를 재 계획(re-planning)하는 제2단계;를 포함하는 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.
In the air vehicle movement route planning method in a three-dimensional environment,
a first step of generating a waypoint list between a start location and a destination location of a planned route along which the air vehicle travels; and
In order to avoid collision with dynamic or static obstacles while the air vehicle is moving along the planned route, the search space is limited based on the Boundary-RRT* algorithm to re-plan the local route in the waypoint list. A second step of planning); air vehicle movement route planning method in a three-dimensional environment, characterized in that it comprises.
상기 제1단계는, 헝가리언 할당 알고리즘(HAA : Hungarian Assignment Algorithm)을 사용하여 항공 차량의 시작 위치와 목적지 사이의 거리를 기반으로 경로 점 목록(waypoint list)를 생성하는 단계인 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.
According to claim 1,
3, characterized in that the first step is a step of generating a waypoint list based on the distance between the starting position of the air vehicle and the destination using a Hungarian Assignment Algorithm (HAA). A method for planning air vehicle movement routes in a dimensional environment.
상기 정적 장애물은 전역 경로 계획 시에 제공된 지리 정보를 기반으로 한 장애물이고, 상기 동적 장애물은 일정 범위 내에서 정보를 교환하는 항공 차량인 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.
According to claim 1,
Wherein the static obstacle is an obstacle based on geographic information provided during global route planning, and the dynamic obstacle is an air vehicle exchanging information within a certain range.
상기 항공 차량은 통행권(right-of-way) 규칙에 따라 우선순위가 부여된 무인 항공 차량인 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.
According to claim 1,
Wherein the air vehicle is an unmanned aerial vehicle prioritized according to a right-of-way rule.
상기 Boundary-RRT* 알고리즘은 충돌을 미리 예측하고 충돌이 예측되는 경로에서만 충돌 지점에 대한 충돌회피 지역의 탐색 공간을 제한하여 충돌을 회피할 수 있는 지역 경로를 재 계획(re-planning)하는 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.
According to claim 1,
The Boundary-RRT* algorithm predicts a collision in advance and re-plans a local path that can avoid collision by limiting the search space of the collision avoidance area for the collision point only on the path where the collision is predicted. A method for planning an air vehicle movement route in a 3D environment.
위협거리 내의 장애물에 대한 정보를 검출하는 2-1단계;
상기 장애물이 감지되면 충돌을 예측하는 제2-2단계;
상기 장애물과 충돌이 예측되면 통행권(right-of-way) 규칙에 따라 충돌회피 조작을 수행할 항공 차량을 결정하는 제2-2단계; 및
상기 충돌회피 조작을 수행할 항공 차량의 지역 경로를 재 계획(re-planning)하는 제2-3단계;를 포함하는 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.
The method of claim 1, wherein the second step,
Step 2-1 of detecting information about obstacles within the threat range;
Step 2-2 of predicting a collision when the obstacle is detected;
a 2-2 step of determining an air vehicle to perform a collision avoidance operation according to a right-of-way rule when a collision with the obstacle is predicted; and
A method for planning a moving route of an air vehicle in a three-dimensional environment, characterized in that it comprises a second-third step of re-planning a local route of the air vehicle to perform the collision avoidance operation.
상기 제2-3단계는, 항공 차량과 장애물의 충돌 예상 시간과 충돌을 피하기 위한 기동을 시작하는 시간을 계산하여 경로 점 목록에서 상기 충돌 예상 시간과 충돌을 피하기 위한 기동을 시작하는 시간의 거리만큼 떨어져 있는 경로 점을 검색하여 통행권(right-of-way) 규칙을 적용하여 절단된 토러스(sliced-torus)로 제한(bound)한 탐색 공간에서 지역 경로를 재 계획(re-planning)하는 단계인 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.
According to claim 6,
In step 2-3, the expected time of collision between the air vehicle and the obstacle and the time to start maneuvering to avoid collision are calculated, and the distance between the expected time of collision and the time to start maneuvering to avoid collision is calculated in the route point list. This is a step of re-planning a local route in a search space bounded by a sliced-torus by searching for distant route points and applying a right-of-way rule. A method for planning an air vehicle movement route in a 3D environment.
상기 절단된 토러스 영역은 정적 장애물의 크기와 움직이는 물체의 속도에 따라 확장 및 축소가 가능하도록 가변적으로 설정되는 것을 특징으로 하는 3차원 환경에서의 항공 차량 이동노선 계획 방법.According to claim 7,
The truncated torus area is variably set to expand and contract according to the size of the static obstacle and the speed of the moving object.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210172222A KR20230083846A (en) | 2021-12-03 | 2021-12-03 | Travel Path Planning Method of Aerial Vehicles in 3-dimensional Environment |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210172222A KR20230083846A (en) | 2021-12-03 | 2021-12-03 | Travel Path Planning Method of Aerial Vehicles in 3-dimensional Environment |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230083846A true KR20230083846A (en) | 2023-06-12 |
Family
ID=86770194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210172222A KR20230083846A (en) | 2021-12-03 | 2021-12-03 | Travel Path Planning Method of Aerial Vehicles in 3-dimensional Environment |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20230083846A (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116753964A (en) * | 2023-08-21 | 2023-09-15 | 中国人民解放军战略支援部队航天工程大学 | Unmanned aerial vehicle path planning method and system based on influence degree |
CN117346793A (en) * | 2023-12-04 | 2024-01-05 | 中国人民解放军国防科技大学 | Unmanned plane path planning method, device, equipment and medium based on PG algorithm |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101819557B1 (en) | 2016-06-20 | 2018-01-19 | 서울대학교산학협력단 | Cooperative aerial transportation system and method by path planning and control for collision-free |
KR102048193B1 (en) | 2016-12-06 | 2020-01-22 | 주식회사 유진로봇 | LIDAR Apparatus Based on Time of Flight and Moving Object |
KR102228882B1 (en) | 2019-07-08 | 2021-03-16 | 금오공과대학교 산학협력단 | Bio inspired dragon fly, fruit fly based evasive movements for unmanned aerial vehicle |
KR102279956B1 (en) | 2020-04-29 | 2021-07-21 | 인하대학교 산학협력단 | 3D optimal surveillance trajectory planning Method and Apparatus for multi-UAVs using particle swarm optimization with surveillance area priority |
-
2021
- 2021-12-03 KR KR1020210172222A patent/KR20230083846A/en not_active Application Discontinuation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101819557B1 (en) | 2016-06-20 | 2018-01-19 | 서울대학교산학협력단 | Cooperative aerial transportation system and method by path planning and control for collision-free |
KR102048193B1 (en) | 2016-12-06 | 2020-01-22 | 주식회사 유진로봇 | LIDAR Apparatus Based on Time of Flight and Moving Object |
KR102228882B1 (en) | 2019-07-08 | 2021-03-16 | 금오공과대학교 산학협력단 | Bio inspired dragon fly, fruit fly based evasive movements for unmanned aerial vehicle |
KR102279956B1 (en) | 2020-04-29 | 2021-07-21 | 인하대학교 산학협력단 | 3D optimal surveillance trajectory planning Method and Apparatus for multi-UAVs using particle swarm optimization with surveillance area priority |
Non-Patent Citations (11)
Title |
---|
& J. Saucedo, (2020), "Optimization of the distribution Network Using an Emerging Technology," Applied sciences, vol. 10, no. 857, pp. 1-14. |
참고문헌 10: E. Hern*?*& J. Mart |
참고문헌 11: K. Kuru & D. Ansell & W. Khan & H. Yetgin, (2019), "Analysis and optimization of Unmanned Aerial Vehicle Swarms in Logistics : An Intelligent Delivery Platform," IEEE Access, vol. 7, pp. 15804-15831. |
참고문헌 12: V. Puri & A. Nayyar & L. Raja, (2017), "Agriculture drones : A modern break hrough in precision agriculture," Journal of Statistics and Management Systems, 20,4, pp. 507-518. |
참고문헌 13: Li. Chuanlong & Sun. Xingming, (2018), "A novel meteorological sensor data acquisition approach based on unmanned aerial vehicle," International Journal of Sensor Networks s, Vol. 28, No 2, pp, 80-88. |
참고문헌 14: R. Bonatti & C. Ho & W. Wang & S. Choudhury & S. Scherer, (2019), " Towards a Robust Aerial Cinematography Platform : Localizing and Tracking Moving Targets in Unstructured Environments," 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Macau, China, pp. 229-236. |
참고문헌 5: Aleksander. Kozera, (2018), "Military Use of Unmanned Aerial vehicles -A Historical Study," Safety & Defense. 4. pp. 17-21. |
참고문헌 6: R. Godall & E. Otega & O. Godswill, (2020), "Autonomous monitoring, analysis, and countering of air pollution using environmental drones," Heliyon. 6. e03252. 10.1016/j.heliyon.2020.e03252. |
참고문헌 7: M. Erdelj & E. Natalizio, (2016), "UAV-assisted disaster management : Applications and open issues," 2016 International Conference on Computing, Networking and Communications (ICNC), Kauai, HI, pp. 1-5. |
참고문헌 8: Kellermann. R & Biehle. T & Fischerb. L, (2020), "Drones for parcel and passenger transportation : A literature review," Transportation Research Interdisciplinary Perspectives. 4:100088 DOI: 10.1016/j.trip.2019.100088 |
참고문헌 9: Berk. Anbaroglu, (2017), "Parcel Delivery in an urban environment using unmanned aerial system," A vision paper, isprs Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-4/W4, pp. 73-79. |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116753964A (en) * | 2023-08-21 | 2023-09-15 | 中国人民解放军战略支援部队航天工程大学 | Unmanned aerial vehicle path planning method and system based on influence degree |
CN116753964B (en) * | 2023-08-21 | 2023-11-28 | 中国人民解放军战略支援部队航天工程大学 | Unmanned aerial vehicle path planning method and system based on influence degree |
CN117346793A (en) * | 2023-12-04 | 2024-01-05 | 中国人民解放军国防科技大学 | Unmanned plane path planning method, device, equipment and medium based on PG algorithm |
CN117346793B (en) * | 2023-12-04 | 2024-02-13 | 中国人民解放军国防科技大学 | Unmanned plane path planning method, device, equipment and medium based on plant growth algorithm |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10352711B2 (en) | Computer-implemented method and a system for guiding a vehicle within a scenario with obstacles | |
CN110609552B (en) | Method for planning formation plane flight path of underwater unmanned aircraft | |
Mujumdar et al. | Evolving philosophies on autonomous obstacle/collision avoidance of unmanned aerial vehicles | |
Saunders et al. | Static and dynamic obstacle avoidance in miniature air vehicles | |
Albaker et al. | A survey of collision avoidance approaches for unmanned aerial vehicles | |
Hrabar | Reactive obstacle avoidance for rotorcraft uavs | |
Albaker et al. | Unmanned aircraft collision detection and resolution: Concept and survey | |
Tang et al. | Systematic review of collision-avoidance approaches for unmanned aerial vehicles | |
Shanmugavel et al. | Collision avoidance and path planning of multiple UAVs using flyable paths in 3D | |
KR20230083846A (en) | Travel Path Planning Method of Aerial Vehicles in 3-dimensional Environment | |
Darbari et al. | Dynamic motion planning for aerial surveillance on a fixed-wing UAV | |
Petrlík et al. | Coverage optimization in the cooperative surveillance task using multiple micro aerial vehicles | |
Park et al. | Boundary-RRT* algorithm for drone collision avoidance and interleaved path re-planning | |
Chatterjee et al. | Path planning algorithm to enable low altitude delivery drones at the city scale | |
Andert et al. | Mapping and path planning in complex environments: An obstacle avoidance approach for an unmanned helicopter | |
Priyadarsini | Area Partitioning by Intelligent UAVs for effective path planning using Evolutionary algorithms | |
Zhao et al. | Autonomous exploration method for fast unknown environment mapping by using UAV equipped with limited FOV sensor | |
Andert et al. | Online world modeling and path planning for an unmanned helicopter | |
Babel | Online flight path planning with flight time constraints for fixed-wing UAVs in dynamic environments | |
Rocha et al. | Plannie: A benchmark framework for autonomous robots path planning algorithms integrated to simulated and real environments | |
Palmer et al. | Co-operative collision avoidance for unmanned aerial vehicles using both centralised and decoupled approaches | |
Cocaud | Autonomous tasks allocation and path generation of UAV's | |
Alves | Path planning and collision avoidance algorithms for small RPAS | |
CN114911246A (en) | Intelligent unmanned vehicle driving system based on park environment | |
Izhboldina et al. | Group movement of UAVs in environment with dynamic obstacles: a survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal |