多目标规划模型在航迹规划中的应用

智能飞行器是由动力装置驱动,并在计算机系统自动引导进行的。航迹规划是实现飞行器智能导航并成功完成任务的技术保障。本文针对智能飞行器飞行过程中受到飞行器的最小转弯角限制以及定位误差的影响,提出了基于A*算法的多目标规划的数据模型以及寻求最优航迹规划路径的算法,并用两个校正点数据集进行了验证。结果显示,改进后的A*算法可以快速地规划出满足限制条件的最优路径。     

基于柱状空间和改进A*算法的无人机规避方法

针对无人机避障问题,提出了基于改进A~*算法和柱状空间的无人机规避方法。首先,根据无人机飞行区域的障碍物分布情况,建立飞行区域的柱状空间;然后将障碍物对无人机的影响引入到估价函数中,重新设计启发函数;最后将基于柱状空间和改进A~*算法的无人机规避方法应用于无人机的规避中,并对规划的路径进行平滑处理。仿真结果表明,该算法能够有效地实现无人机的规避。     

一种基于改进A*算法的室内导航路径规划方法

路径规划是室内导航研究的关键技术之一。A^*算法是一种常见的路径规划算法,当区域的点数量较少时,找寻最优路径是最有效的直接搜索方法。但当路径点规模较大时,使用数值优化算法求解最佳路径的难度急剧增加,导致规划时间所需时间过长,不符合实时性要求。为提高路径规划方法中的效率和稳定性,在梳理室内导航路径规划已有算法和方案的基础上,分析了A^*算法的基本思想与实现步骤,并针对室内导航中A^*路径算法存在的问题,提出了一种改进型A^*算法优化的方案。利用用户对最短距离和直行路程的需求,在位置计算中,引入同时考虑方向和距离启发信息的启发函数,把POI点与寻路节点分开处理,以映射的方式建立联系。将该方案应用于室内导航中A^*算法实现伪代码,对算法改进前后进行算法效率测试。结果表明,改进后A^*算法的整体效率提升了近50%,改进型A^*算法在室内导航路径规划的效率和稳定性比较优,达到了加速导航算法的目的。     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

基于UWB技术的无人机室内飞行测试平台设计

针对无人机在室内飞行时,因卫星信号差,不能实现室内自主导航飞行的问题,提出了一种利用导航接收机构造室内三维坐标地图,基于超宽带(UWB)技术的定位系统以获取无人机室内飞行位置信息,借助卫星导航模拟源实时地播发其获取的位置信息卫星信号,可实现无人机室内与室外自主导航飞行一致性。其中定位系统基站与标签设计均以STM32芯片作为控制器,DW1000作为无线收发芯片。为减小无线信号非视距(NLOS)传播影响,算法上先利用卡尔曼滤波模型对原始测距信息进行平滑滤波处理,再采用到达时间差(TDOA)进行定位计算。针对硬件时延,通过时延标校后,可实现基站与标签测距精度达到±10 cm范围,实现厘米定位,可应用于无人机室内飞行测试实验平台研究与搭建中。     

基于改进A*算法的无人机避障路径规划

近年来,物流行业的飞速发展,运输是物流的重要环节之一,根据数据显示,运输的成本占据整个物流成本的50%以上.无人机的使用有效的控制了运输成本,合理规划物流无人机的飞行路线,也起着至关重要的作用.在物流无人机的航迹规划中,必须保证无人机飞行过程中能够准确避开禁飞区.本文基于A^*算法,结合多种类型的禁飞区,设计出一种改进算法,能够找到任意两客户点间无人机避障飞行的最优路线.仿真结果表明,本文所设计的算法能够有效解决多类型禁飞区并存的无人机避障路径规划问题.     

改进 Ｄ∗ｌｉｔｅ 和时间弹性带法的移动机器人路径规划

为解决D*lite算法在进行路径规划时搜索效率低,易受运动物体影响及路径贴近障碍物的问题,提出了一种结合改进D*lite算法和时间弹性带法的融合算法。首先,将改进的跳点搜索引入到D*lite算法中,让算法只对跳点进行访问,实现了规划时间和路径长度的双优化。之后,融合改进的时间弹性带法进行局部路径规划,提高算法动态规划能力的同时保证了规划路径的安全性。仿真结果表明,改进的D*lite算法比原始D*lite算法在路径长度、规划时长及路径节点数上分别平均优化了6.40％、49.13％和73.70％。在实际表现中,融合算法在动态情况下比原始D*lite算法可减少11.04％的路径长度、67.10％的规划时长及11.99％的运动时间,并且保证了机器人和障碍物间的最小距离。     

多无人机协同攻击路径规划研究

如何实现多架无人机规避复杂威胁区域对敌重要目标实施协同打击成为近来研究的难点,研究实现协同打击的关键是规划出多无人机从各自起始点到目标的最优协同攻击路径,以解决路径规划的关键技术为目的。对复杂威胁区域中,多无人机最优协同攻击路径规划进行了研究。首先,构建了多无人机最优协同攻击路径规划系统框架;其次,以人工智能A*算法为基础,结合无人机运动学方程对A*算法进行了改进,得到一种基于步长搜索的无人机路径快速生成算法;再次,基于改进的路径快速生成算法,以多无人机同时攻击目标为约束条件,进行变步长的协同攻击仿真计算。仿真验证了路径规划算法和协同攻击算法的有效性。     

基于改进A和DWA的无人艇路径规划算法

针对存在动态障碍的复杂海洋环境中无人艇的应用,提出了基于改进A*和DWA的无人艇路径规划算法.在全局路径规划时,基于动态改变步长方法设计了一种改进的快速平滑A*算法,克服了传统A*算法存在的大范围搜索时效率低下、生成路径不平滑等缺点,基于无人艇传感及导航信息,通过在DWA的评价函数中增加路径偏差项,将全局规划与局部规划相结合,实现了动态环境下无人艇的路径规划.仿真实验结果表明,该算法相比传统A*算法,规划的路径平滑,运行效率提升了约30倍,并可以躲避环境中可能存在的动态障碍,确保无人艇安全、高效地到达目标点.     

基于D*Lite算法的估价函数分析

为提高D*Lite算法在机器人路径规划中的效率,提出3种基于D*Lite算法的估价函数。研究函数的特性及其构造原则,结合Aε*算法的特点,利用估价函数的可纳性约束设计其改进算法。实验结果表明,改进算法能减少扩展节点的数量,提高搜索效率,并保证其解在一定范围内的最优性。     

复杂城市环境下无人机三维路径规划

基于转移的快速扩展随机树(T-RRT)算法, 能够较快寻找到机器人在二维复杂成本空间的低危险度路径, 但面对无人机的三维飞行工况, 其规划结果较差, 针对此问题, 提出了一种基于探索、启发和转移的EHT-RRT (exploring heuristic transition-based RRT)算法. 首先, 算法在T-RRT的基础上引入A*算法中的启发式思想, 进行启发式成本探索, 从危险度、路径长度、路径偏转角度和高度变化估计路径成本, 以提高路径质量; 接着, 利用局部节点滑移策略, 让路径偏向低危险区域, 并对每个节点添加局部最好方向属性; 最后, 通过随机方向、目标方向和局部最好方向, 3个方向向量改进树节点扩展机制, 摆脱T-RRT算法在路径寻找上的盲目性. 同时, 算法采用了20%概率的目标点偏置, 提升规划效率. 仿真实验表明, 与同样添加20%目标点偏置的T-RRT、BT-RRT和T-RRT*算法相比, EHT-RRT算法可生成路径更短、安全性更高、更加平滑的三维路径, 能更好地解决复杂城市环境下的无人机三维路径规划问题.     

Path planning in complex 3D environments using a probabilistic roadmap method

This paper presents a 3D path planning algorithm for an unmanned aerial vehicle （UAV） in complex environments. In this algorithm, the environments are divided into voxels by octree algorithm. In order to satisfy the safety requirement of the UAV, free space is represented by free voxels, which have enough space margin for the UAV to pass through. A bounding box array is created in the whole 3D space to evaluate the free voxel connectivity. The probabilistic roadmap method （PRM） is improved by random sampling in the bounding box array to ensure a more efficient distribution of roadmap nodes in 3D space. According to the connectivity evaluation, the roadmap is used to plan a feasible path by using A＊ algorithm. Experimental results indicate that the proposed algorithm is valid in complex 3D environments.     

Collision-free Autonomous Navigation of A Small UAV Using Low-cost Sensors in GPS-denied Environments

This paper proposes a novel complete navigation system for autonomous flight of small unmanned aerial vehicles (UAVs) in GPS-denied environments. The hardware platform used to test the proposed algorithm is a small, custom-built UAV platform equipped with an onboard computer, RGB-D camera, 2D light detection and ranging (LiDAR), and altimeter. The error-state Kalman filter (ESKF) based on the dynamic model for low-cost IMU-driven systems is proposed, and visual odometry from the RGB-D camera and height measurement from the altimeter are fed into the measurement update process of the ESKF. The pose output of the ESKF is then integrated into the open-source simultaneous location and mapping (SLAM) algorithm for pose-graph optimization and loop closing. In addition, the computationally efficient collision-free path planning algorithm is proposed and verified through simulations. The software modules run onboard in real time with limited onboard computational capability. The indoor flight experiment demonstrates that the proposed system for small UAVs with low-cost devices can navigate without collision in fully autonomous missions while establishing accurate surrounding maps.

     

基于贝叶斯决策的无人机飞行路径自动规划方法

传统无人机飞行路径自动规划方法无法获取全部障碍物信号,使无人机飞行不能达到避障效果,导致飞行路线规划效果较差;为此提出基于贝叶斯决策的无人机飞行路径自动规划方法;无人机飞行路径自动规划硬件模块包含自动规划模块、动画演示模块、地图导航模块和数据导出模块,自动规划模块负责控制无人机飞行;动画演示模块使用240PRO型号的LEWITT声卡,为展示飞机飞行路线提供声音;LS-TM8N地图导航模块通过串口将射频信号发送到天线的输入端,再由数据导出模块导出并保存相关数据;基于贝叶斯决策原理,结合贝叶斯元胞蚁群算法,计算贝叶斯先验概率和后验概率,规划无人机飞行路径,获取最优路径;实验结果表明,该方法遇到静态障碍物捕获的避障信号在-28～30mV范围内波动,动态障碍物捕获的避障信号在-27～30 mV范围内波动,与实际障碍物信号波动范围一致,避障效果较优.     

导航系统中多目标路径平滑化规划的研究

路径规划是车辆、机器人出行、无人机航路推荐和计算机游戏等许多应用中的关键任务。现有的大多路径规划常简化为单目标优化问题进行求解。但在现实生活中,还需要同时考虑多种规划目标,且用于规划路径的目标之间还存在着彼此不能变换的问题。在熟知的路径规划算法（D*Lite）上提出了一种新的多目标路径平滑化规划算法-平滑多目标D*Lite算法。通过构造一条初始多目标平滑路径,当检测到环境变化时采用增量搜索思想,仅更新受影响结点并从当前结点重新进行规划得到一条新的多目标平滑路径。仿真结果表明,该算法不但能有效躲避突发障碍物,规划路径拐点较少,还能提高搜索效率,可有效应用于具有不同非交互规划目标的导航系统。     

基于改进A*算法的无人机三维空间避障路径规划

无人机在有障碍物的三维空间环境中飞行,采用常规A*算法进行避障航线的规划存在搜索节点多、搜索区域大、搜索时间长、搜索效率低、生成的航线拐角多且含有大量非必要冗余航点、没有考虑无人机自身体积与尺寸而引发的飞行中与障碍物边界碰撞的航线不安全等问题。因此，设计一种改进A*算法,首先,考虑无人机本身体积与尺寸,提出一种消除边界碰撞事故的子节点扩展方法；其次,改进评价函数,减少往复搜索次数,缩小搜索区域面积,提高搜索效率；然后,根据Floyd思想,对生成的航线进行简化处理,消除航线中的冗余航路点,减少航线转角数量,达到简化航线并改善航线平滑度的效果；最后,非线性仿真及飞行试验表明了改进的A*算法生成的航线更加安全、高效,并使无人机的飞行连续和顺畅。     

基于改进遗传算法的无人机路径规划

针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机（UAV）路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径。首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复杂、精确的数学模型;然后,提出了混合无重串选择算子、非对称映射交叉算子和启发式多次变异算子,寻找最优路径以及扩大种群搜索范围;最后,采用三次B样条曲线对规划出的路径进行平滑,得到平滑的飞行路径,并且减少了算法的计算时间。实验结果表明,与传统遗传算法相比,所提算法的代价值降低了68%,收敛迭代次数减少了67%;相较蚁群优化（ACO）算法,其代价值降低了55%,收敛迭代次数减少了58%。通过大量对比实验得出,当交叉率的值为（1/染色体长度）时,算法的收敛效果最好。在不同环境下进行算法性能测试,结果表明所提算法具有很好的环境适应性,适合于复杂环境下的路径规划。     

基于视觉引导多AGV系统的改进A*路径规划算法

研究基于视觉引导自动引导车(AGV)的改进A*路径规划算法.首先,设计一种包含导航、定位和任务信息的图形编码标志方法,AGV通过识别位于车身前方网格型路径中有序排布的编码标志进行快速定位和下一位置预判,为多AGV规划奠定基础;其次,根据网格型路径构成的动态随机网络,提出一种改进A*算法,将AGV在运动时产生的动态时间耗费作为参考指标,以实现多AGV在路径网络中的路径规划和冲突避让策略,提高固定路网资源的利用效率;最后,对多AGV在网格型路径中协同工作的场景进行仿真,实验结果表明,所提出的改进算法可以有效应用于多AGV系统,并且提升整体系统的工作效率.