一种无人机路径规划方法
【专利摘要】本发明公开一种无人机路径规划方法，所述方法包括如下步骤：第一步，初始化任务地图，标注起点Start(xstart,ystart)、终点Goal(xgoal,ygoal)和障碍物的坐标，计算出所述无人机的最小安全转向半径R；第二步，设定起点为节点Node[0]和终点为节点Node[-1]，查找其它节点坐标，以结构体建立二叉树，第三步，以深度优先左值遍历方法读取二叉树，依次记录节点顺序，将相邻节点间的连线及采用了Dijkstra算法生成的路径存入矩阵Path[]之中。与现有技术相比，提出了一种节点具体标定方法，通过在两点连线上任意位置作垂线，增加了路径的多样性；采用非进化的计算方法，节省了计算时间和存储空间，增加了算法的稳定性。
【专利说明】 一种无人机路径规划方法
【技术领域】
[0001]本发明属于无人机【技术领域】，尤其涉及一种无人机路径规划方法。
【背景技术】
[0002]随着信息化技术的发展，无人机(UAV)将逐渐的在军事领域和民用领域中取得更加广泛的应用。无人机应用中的关键技术之一是路径规划。路径规划(Path Planning)的目的是在给定区间上，找出一条连接起点和终点的，代价最小的路径。
[0003]路径规划是一个NP-Complete问题，截至目前，仍未有固定的最优算法。主流的路径规划算法有:Dijkstra、A*、进化算法(Genetic Algorithm)、人工势场法(ArtificialPotential Field)等。但这些算法的计算复杂度较高，其计算量随着地图的增大呈指数上升。
[0004]在2001 年，Cem Hocaoglu 和 Arthur C.Sanderson 在《Planning Multiple Pathswith Evolutionary Speciation))中提出了一种计算复杂度与地图大小无关的路径规划H0CA0GLU算法，H0CA0GLU算法计算复杂度只与地图的障碍物数量相关，地图越复杂，路径需要的节点就越多，H0CA0GLU算法的搜索空间就越大，从而导致算法计算代价的提升，而若是对于一种极端情况——无障碍物的地图，H0CA0GLU算法的计算复杂度为常量，H0CA0GLU算法避免了大多数路径规划算法在大地图上运算量过大的问题。
[0005]H0CA0GLU算法尽管上述多种优点，但依然存在固有的缺陷。H0CA0GLU算法并未给出确立节点的具体方法，而是采用进化算法进行搜索；同时，H0CA0GLU算法为了减小进化算法的搜索空间，仅在两点连线的中点上作垂线，这降低了路径的多样性，经常会导致算法搜索不到可行路径。
【发明内容】
[0006]本发明的目的是提供一种无人机路径规划方法，以解决现有技术中利用H0CA0GLU算法计算路径时，存在的无法具体确定节点以及降低路径多样性进而经常无法搜到可行路径的问题。
[0007]为实现本发明的目的，本发明提供了一种无人机路径规划方法，所述方法包括如下步骤:
[0008]第一步,初始化任务地图,标注起点Start (xstart, ystart)、终点Goal (xgoal, ygoal)和障碍物的坐标，计算出所述无人机的最小安全转向半径R ；
[0009]第二步，设定起点为节点Node [O]和终点为节点Node [_1]，查找其它节点坐标，以结构体建立二叉树，所述结构体包括变量:节点在原属线上的位置double Position、节点坐标 int X, Y、障碍物高度 double Height、左子节点 node*Child_Left、
[0010]右子节点node*Child_Right、左父节点 node*Father_Left、右父节点node*Father_Right,
[0011]其中所述查找其它节点坐标，包括如下步骤:[0012](I)对于任意Node[i]，i=_l、0、l…i,令其与Node [1-1]之间进行连线,所述连线为所述原属线；
[0013](2)判断所述Node[i]与所述Node[i_l]之间的连线距离，
[0014]若小于6R并且连线被所述障碍物遮挡，可判定为进入了死角，返回上一层并重新选取Node[i]节点；
[0015]若大于6R并且连线被障碍物遮挡，设点K(xk, yk)在连线(Node[i_l]，Node[i])上,令K(xk，yk)从Node [1-1]沿该连线步进移动至Node [i],形成数组K [Len];对于K [Len]上每个处于障碍物区域中的点K[i]，向连线两侧作垂线H[i]，记录其距离障碍物边缘的距离，若该点障碍物延续到地图M[Width] [Height]边缘则该侧均不予记录；
[0016](3)在数组H[i]的两侧之中分别选出K[i]到障碍物边缘的距离绝对值最大的一个值，分别记为Hmajq和Hmax2,其对应的点记为K (xMxl, ymxi)和K (X
MAX2) ΥμΑΧ2);在
点 K(xMxl, Y1AX1)和 K(Xmax2, Y1AX2)上均作闻度 Height — Hmax 的垂线，选取!((Xmaxi, Y1Axi)和K (xmx2, yMX2)两点垂线最短的一个为Node [i+Ι]；判断Node [i+Ι]到Node[i]和No d e [ 1-1 ]之间的连线是否有障碍物，若有，则No d e [ i+1 ]替换为另外一个点，继续判HiNode [i+Ι]到Node[i] Node [1-1]之间的连线是否有障碍物，若有，则令Height以
【权利要求】
1.一种无人机路径规划方法，其特征在于，所述方法包括如下步骤: 第一步，初始化任务地图，标注起点Start (Xstart, ystart)、终点Goal (xgoal, ygoal)和障碍物的坐标，计算出所述无人机的最小安全转向半径R ； 第二步，设定起点为节点Node [O]和终点为节点Node [-1]，查找其它节点坐标，以结构体建立二叉树，所述结构体包括变量:节点在原属线上的位置double Position、节点坐标int X, Y、障碍物高度 double Height、左子节点 node*Child_Left、右子节点 node*Child_Right、左父节点 node*Father_Left、右父节点 node*Father_Right, 其中所述查找其它节点坐标，包括如下步骤: (1)对于任意Node[i]，i=_l、0、l…i，令其与Node[i_l]之间进行连线,所述连线为所述原属线； (2)判断所述Node[i]与所述Node[i_l]之间的连线距离， 若小于6R并且连线被所述障碍物遮挡，可判定为进入了死角，返回上一层并重新选取Node[i]节点； 若大于6R并且连线被障碍物遮挡，设点K(xk，yk)在连线(Node[1-1]，Node[i])上，令K (xk, yk)从Node [1-1]沿该连线步进移动至Node [i],形成数组K [Len];对于K[Len]上每个处于障碍物区域中的点K[i]，向连线两侧作垂线H[i]，记录其距离障碍物边缘的距离，若该点障碍物延续到地图M[Width] [Height]边缘则该侧均不予记录； (3)在数组H[i]的两侧之中分别选出K[i]到障碍物边缘的距离绝对值最大的一个值，分力I」记为Hmaxi和Hmax2，其对应的点记为K(xMxl，yMxl)和K(xMX2, Ymax2);在点K(Xmaxi, yMxl)和K (xmax2，yMX2)上均作闻度 Height — Hmax 的垂线，选取 K (Xmaxi, yMxl)和 K (xMX2, Ymax2)两点垂线最短的一个为Node [i+Ι];判断Node[i+l]到Node [i] Node [1-1]之间的连线是否有障碍物，若有，则Node [i+1]替换为另外一个点，继续判断Node [i+1]到Node [i] Node [1-1]之间的连线是否有障碍物，若有，则令
2.根据权利要求1所述的无人机路径规划方法，其特征在于，进行路径平滑处理，更新所述路径矩阵，所述进行路径平滑处理的步骤具体包括:对于每个节点Node [i]，设点A、B，A、B点从Node[i]开始，沿路径分别向两侧移动，在A、B点上分别向内角方向作高为R的垂线，当二者的垂线末端相交时停止，记交点为0，以O为圆心，R为半径作圆，取弧AB代替A-Node [i]-B 折线，并更新 Path[]。
3.根据权利要求1或2所述的无人机路径规划方法，其特征在于，所述障碍物包括敌方雷达警戒区和高度超过无人机飞行高度的地 形凸起。在地图上将敌方雷达警戒区和高度超过UAV飞行高度的地形凸起标注为障碍物。
【文档编号】G01C21/20GK103697896SQ201410012975
【公开日】2014年4月2日 申请日期:2014年1月13日 优先权日:2014年1月13日
【发明者】焦李成, 马文萍, 居阳, 马晶晶, 王爽, 侯彪, 李阳阳 申请人:西安电子科技大学