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 
도 15의 (a) 및 (b)는 본 발명에서 제안하는 알고리즘의 충돌회피를 위한 시간에 따른 
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 
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.
15 (a) and (b) show the time-varying for collision avoidance of the algorithm proposed in the present invention.
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
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 
속도 장애물을 계산하기 위해서는 
이때 속도 장애물 
여기서 “
속도 장애물은 
충돌을 회피하기 위한 일련의 기동 트리는 이산적인 시간 간격에서 
시간 
연속적인 집합에서 계산을 가능하게 유지하기 위해 각 회피 가능 속도 집합 
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 
알고리즘의 수행 순서는 단계 1에서 트리를 초기화하여 루트를 에이전트의 초기 위치로 만든다. 그리고 루프 안의 단계 3에서는 구성 환경 
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) 
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 
전역 경로계획을 위해 질량 점(mass point)을 기준으로 계획 공간을 n 차원 유클리드공간이라고 할 때 초기 위치에서 목표 위치로 이동하고자 하는 
마찬가지로 목표 상태벡터 
그런 다음 무인 항공 차량의 할당을 위해 할당 행렬 
여기서 
또는 or
따라서 계산된 거리로부터 헝가리언 할당 알고리즘을 사용하여 목적지 할당 매트릭스를 얻을 수 있다. 헝가리언 할당 알고리즘은 다항식 시간 
이때 
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 
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 
<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, 
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 
<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 
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 
무인 항공 차량 
절대적 충돌 콘을 이용하기 위해서는 절대적 충돌 콘을 정의해야 하는데 이는 장애물 
여기서 “
상대적 충돌 콘을 이용하여 충돌을 감지하는 경우는 감지 거리 
이때 
여기서 
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 
상기 식(3-8)을 이용하여 기준 프레임을 변환 한 후, 다음의 식(3-9)을 만족하는 경우에만 
이에 상기 식(3-9)의 조건을 만족하면 
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 
여기서 상대(opponent) 무인 항공 차량이 회피 기동을 하지 않는다고 가정하면 충돌이 발생하며 다음과 같이 충돌 시간을 예측할 수 있다. 
마찬가지로, 충돌회피 시작 시간 
상기 식(3-12)을 
본 발명에 따른 알고리즘의 작동 시간순서는 
마찬가지로, 무인 항공 차량 
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(t
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 
- Theorem : 
- Proof : 충돌회피 속도 및 방향(속도 공간)의 집합으로 
도 15는 시간에 따라 생성된 
따라서 토러스를 절단하기 위해서는 무인 항공 차량 
이와 같이 계산된 상대편 무인 항공 차량의 방향각 
완전한 토러스에서 
또한 절단된 토러스의 탐색 공간을 형성하는 과정에는 2가지의 중요한 변수를 반영하여야 하는데 첫째는 무인 항공 차량의 회전반경과 두 번째는 뱅크 각(
마지막으로 계산된 충돌 위치를 중심으로 하기 위해서 전술한 식(3-15)에서 도출된 충돌 위치와, 하기의 식(3-19)에서 계산된 
z 축을 회전축으로 하고 충돌 위치를 원점으로, 반경을 
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 
이때 
위 식(3-21)과 식(3-22)을 만족하는 상황에서 
여기서 
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 
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( 
<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 
입실론 ε은 트리에서 에지의 최대 길이이며 nSample은 
<알고리즘 5> FindNominalWayPoint 의사 코드<
그런 다음 탐색 공간은 하기의 <알고리즘 6>의 ComputeSlicedTorusRegion( 
<알고리즘 6> ComputeSlicedTorusRegion 의사 코드<
그리고 RegionRandomSample( 
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 |