目录
1.摘要
无人机路径规划使无人机能够避开障碍物并高效到达目标，为了生成无障碍碰撞的高质量路径，本文提出了一种基于切线交点和目标引导策略的自主路径规划算法（APPATT）。在目标引导下，采用椭圆切线图方法生成两条子路径，当遇到障碍物时，基于启发式规则选择其中一条子路径。无人机沿选定的子路径飞行，并通过这种方式反复调整飞行路径，以避开障碍物，直到无碰撞路径延伸到目标。考虑到无人机的运动约束，采用三次B样条曲线平滑航点，以获得可行路径。
2.问题描述
在此场景中，假设无人机需从起点 S S S飞往终点 E E E，但高楼阻挡了直接路径，因此需要规划一条无碰撞的路径。为提高计算效率并简化路径搜索，三维环境被简化为二维场景。障碍物被统一建模为椭圆形，以避免不规则多边形带来的计算复杂性和路径不平滑问题。环境中有 N N N个障碍物，每个障碍物的中心坐标为 ( x k , y k ) (x_k, y_k) (xk,yk)，半长轴和半短轴分别为 a a a和 b b b，倾斜角度为 θ \theta θ， r s a f e r_{safe} rsafe为无人机与障碍物之间的最小安全距离。
障碍物可以表示为：
( x − x k ) c o s θ + ( y − y k ) s i n θ 2 ( a + r s a f e ) 2 + ( y − y k ) c o s θ − ( x − x k ) s i n θ 2 ( b + r s a f e ) 2 = 1 \begin{aligned} \frac{(x-x_k)cos\\theta+(y-y_k)sin\\theta^2}{(a+r_{safe})^2} +\frac{(y-y_k)cos\\theta-(x-x_k)sin\\theta^2}{(b+r_{safe})^2}=1 \end{aligned} (a+rsafe)2(x−xk)cosθ+(y−yk)sinθ2+(b+rsafe)2(y−yk)cosθ−(x−xk)sinθ2=1
无碰撞路径上的每个路点满足：
( x i − x k ) c o s θ + ( y i − y k ) s i n θ 2 ( a + r s a f e ) 2 + ( y i − y k ) c o s θ − ( x i − x k ) s i n θ 2 ( b + r s a f e ) 2 ≥ 1 \begin{aligned} \frac{(x_{i}-x_{k})cos\\theta+(y_{i}-y_{k})sin\\theta^{2}}{(a+r_{safe})^{2}} +\frac{(y_i-y_k)cos\\theta-(x_i-x_k)sin\\theta^2}{(b+r_{safe})^2}\geq1 \end{aligned} (a+rsafe)2(xi−xk)cosθ+(yi−yk)sinθ2+(b+rsafe)2(yi−yk)cosθ−(xi−xk)sinθ2≥1
3.APPATT算法
APPATT通过在遇到障碍物时基于椭圆切线图生成两条子路径，并根据规则选择其中一条路径，避免构建整个道路图。算法分为两种版本：SETG-TG（已知环境）和DETG-TG（实时收集环境信息）。APPATT通过连接无碰撞的交点生成高质量路径，避免不必要的计算，并能根据障碍物位置动态调整路径。
SETG-TG算法
SETG-TG算法通过生成航点并更新起点和终点，迭代地寻找无碰撞路径。算法步骤包括： 使用椭圆建模障碍物； 初始化起点和终点并设置航点集合；判断从起点到终点的路径是否无碰撞，若有碰撞则生成切线并根据启发式规则选择路径。算法不断调整路径，直到找到一条无碰撞的路径到达终点，适用于已知环境下的路径规划。
DETG-TG算法
DETG-TG算法适用于动态环境和完全未知环境。在动态环境中，算法通过实时感知和重新规划碰撞路径应对突发障碍物；在未知环境中，算法通过传感器逐步感知并更新环境信息，限制飞行距离以频繁调整路径。算法通过迭代步骤，生成无碰撞路径并避开障碍，直至无人机到达终点。
4.结果展示
5.参考文献
1 Liu H, Li X, Fan M, et al. An autonomous path planning method for unmanned aerial vehicle based on a tangent intersection and target guidance strategyJ. IEEE Transactions on Intelligent Transportation Systems, 2020, 23(4): 3061-3073.
6.代码获取
xx
7.算法辅导·应用定制·读者交流
xx