针对面向城市环境的四旋翼无人机的在线避障航迹规划问题,分别研究了常用的快速扩展随机树(Rapidly-exploring Random Tree,RRT)和人工势场的改进算法。为了解决RRT算法收敛速度慢、航迹曲折的问题,首先利用概率引导的方式对随机树的生...针对面向城市环境的四旋翼无人机的在线避障航迹规划问题,分别研究了常用的快速扩展随机树(Rapidly-exploring Random Tree,RRT)和人工势场的改进算法。为了解决RRT算法收敛速度慢、航迹曲折的问题,首先利用概率引导的方式对随机树的生长方向进行引导,然后对航迹进行裁减和B样条曲线平滑处理,生成满足四旋翼无人机性能要求的可行航迹;为了解决人工势场法陷入局部极小值和振荡的问题,首先利用改进的势场函数生成初始航迹,然后利用航迹点裁剪和B样条曲线进行优化,得到最终规划航迹。最后在城市环境模型下,从算法规划时间、规划航迹长度和转折角度3个方面将改进RRT算法与改进人工势场法进行仿真比较,结果表明改进RRT算法更适用于四旋翼的在线避障航迹规划。展开更多
文摘针对面向城市环境的四旋翼无人机的在线避障航迹规划问题,分别研究了常用的快速扩展随机树(Rapidly-exploring Random Tree,RRT)和人工势场的改进算法。为了解决RRT算法收敛速度慢、航迹曲折的问题,首先利用概率引导的方式对随机树的生长方向进行引导,然后对航迹进行裁减和B样条曲线平滑处理,生成满足四旋翼无人机性能要求的可行航迹;为了解决人工势场法陷入局部极小值和振荡的问题,首先利用改进的势场函数生成初始航迹,然后利用航迹点裁剪和B样条曲线进行优化,得到最终规划航迹。最后在城市环境模型下,从算法规划时间、规划航迹长度和转折角度3个方面将改进RRT算法与改进人工势场法进行仿真比较,结果表明改进RRT算法更适用于四旋翼的在线避障航迹规划。
