针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-...针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法,在两棵搜索树的扩展过程中,通过判断搜索树与狭窄通道路径树的位置关系,将狭窄通道路径树添加到搜索树上,实现搜索树在狭窄通道中的快速扩展,减少两棵搜索树的无用扩展,提升航路树生成的速度。仿真结果表明,该方法能够解决无人机在存在狭窄通道的复杂环境中进行快速有效航路规划的问题。展开更多
无人机路径规划源于机器人运动规划,是当下无人机应用研究的核心内容,对提高无人机系统在复杂环境中的作业能力起着关键作用。针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法进行无人机路径规划时搜索随机性高、存在冗余...无人机路径规划源于机器人运动规划,是当下无人机应用研究的核心内容,对提高无人机系统在复杂环境中的作业能力起着关键作用。针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法进行无人机路径规划时搜索随机性高、存在冗余路径和路径平滑性差的问题,提出了一种面向无人机路径规划的改进RRT算法。改进RRT算法在RRT算法的基础上结合人工势场法中的引力函数使得随机节点的产生具有目标导向性,限制了随机树的拓展方向,从而降低了搜索的随机性;结合贪心算法对规划所得路径进行剪枝优化,去除冗余节点,缩短了路径长度;结合B样条曲线对路径进行平滑性处理,去除曲率突变的转折点,形成一条平滑的适合无人机实际飞行的路径。通过仿真软件对A^(*)算法、传统RRT算法与改进RRT算法进行对比分析,仿真结果表明,提出的改进RRT算法性能更高,在狭窄通道场景与复杂障碍物场景下相比于传统RRT算法平均规划时间各减少49.44%和17.97%,相比于A^(*)算法平均规划时间各减少了80.23%和52.93%,得到的路径更短更为平缓,同时大幅降低了RRT算法路径规划失败的可能性,验证了改进RRT算法的可行性与有效性,解决了原算法随机性高、存在冗余路径和平滑性差的问题。展开更多
针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,...针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,利用目标偏向寻优策略为RRT算法添加导向性;其次,在筛选初始航迹点的同时引入无人机性能约束;然后,利用B样条对重规划路径进行平滑处理;最后,利用Matlab对所提出的算法进行仿真实验。实验结果为平均采样次数为386次,平均运行时间为0.43 s,平均航迹距离为1392.16(无量纲),表明了算法可有效降低采样次数并改善路径平滑性。展开更多
文摘针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法,在两棵搜索树的扩展过程中,通过判断搜索树与狭窄通道路径树的位置关系,将狭窄通道路径树添加到搜索树上,实现搜索树在狭窄通道中的快速扩展,减少两棵搜索树的无用扩展,提升航路树生成的速度。仿真结果表明,该方法能够解决无人机在存在狭窄通道的复杂环境中进行快速有效航路规划的问题。
文摘无人机路径规划源于机器人运动规划,是当下无人机应用研究的核心内容,对提高无人机系统在复杂环境中的作业能力起着关键作用。针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法进行无人机路径规划时搜索随机性高、存在冗余路径和路径平滑性差的问题,提出了一种面向无人机路径规划的改进RRT算法。改进RRT算法在RRT算法的基础上结合人工势场法中的引力函数使得随机节点的产生具有目标导向性,限制了随机树的拓展方向,从而降低了搜索的随机性;结合贪心算法对规划所得路径进行剪枝优化,去除冗余节点,缩短了路径长度;结合B样条曲线对路径进行平滑性处理,去除曲率突变的转折点,形成一条平滑的适合无人机实际飞行的路径。通过仿真软件对A^(*)算法、传统RRT算法与改进RRT算法进行对比分析,仿真结果表明,提出的改进RRT算法性能更高,在狭窄通道场景与复杂障碍物场景下相比于传统RRT算法平均规划时间各减少49.44%和17.97%,相比于A^(*)算法平均规划时间各减少了80.23%和52.93%,得到的路径更短更为平缓,同时大幅降低了RRT算法路径规划失败的可能性,验证了改进RRT算法的可行性与有效性,解决了原算法随机性高、存在冗余路径和平滑性差的问题。
文摘针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,利用目标偏向寻优策略为RRT算法添加导向性;其次,在筛选初始航迹点的同时引入无人机性能约束;然后,利用B样条对重规划路径进行平滑处理;最后,利用Matlab对所提出的算法进行仿真实验。实验结果为平均采样次数为386次,平均运行时间为0.43 s,平均航迹距离为1392.16(无量纲),表明了算法可有效降低采样次数并改善路径平滑性。
