2022年IEEE TITS SCI2区TOP,基于切线交点和目标引导策略的无人机自主路径规划,深度解析+性能实测

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\[(x−xk)cosθ+(y−yk)sinθ\]2+(b+rsafe)2\[(y−yk)cosθ−(x−xk)sinθ\]2=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\[(xi−xk)cosθ+(yi−yk)sinθ\]2+(b+rsafe)2\[(yi−yk)cosθ−(xi−xk)sinθ\]2≥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** ![](https://i-blog.csdnimg.cn/img_convert/784a52f6f44b40858ef58a6c75943e65.png) 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。 ![](https://i-blog.csdnimg.cn/img_convert/8127f735c678eb083929512280ac4e21.png) **DETG-TG算法** ![](https://i-blog.csdnimg.cn/img_convert/9b4fed978732af8337fdc00f0d5d10d5.png) 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。 ![](https://i-blog.csdnimg.cn/img_convert/7731edbc9a9d2b1bf2c0a1467cf3c4aa.png) ### 4.结果展示 ![论文仿真](https://i-blog.csdnimg.cn/img_convert/3ab49e7884371268ae82eb84d879d9cd.png) ### 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 strategy\[J\]. 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

相关推荐
Jerryhut1 分钟前
sklearn函数总结十二 —— 聚类分析算法K-Means
算法·kmeans·sklearn
Swift社区21 分钟前
LeetCode 453 - 最小操作次数使数组元素相等
算法·leetcode·职场和发展
hoiii18726 分钟前
LR算法辅助的MIMO系统Zero Forcing检测
算法
糖葫芦君28 分钟前
Lora模型微调
人工智能·算法
小李小李快乐不已37 分钟前
二叉树理论基础
数据结构·c++·算法·leetcode
仰泳的熊猫42 分钟前
1149 Dangerous Goods Packaging
数据结构·c++·算法·pat考试
_OP_CHEN1 小时前
【算法基础篇】(三十七)图论基础之多源最短路:Floyd 算法吃透所有点对最短路径!
算法·蓝桥杯·图论·算法竞赛·floyd算法·acm/icpc·多源最短路
Web极客码1 小时前
如何选择最适合的内容管理系统(CMS)?
java·数据库·算法
程序员三明治1 小时前
【动态规划】01背包与完全背包问题详解,LeetCode零钱兑换II秒解,轻松解力扣
算法·leetcode·动态规划·java后端·01背包·完全背包·零钱兑换
自由生长20241 小时前
大数据计算框架-流式计算的Join
算法