行星车自主探测融合路径规划

发布时间：2021-09-30 05:29

　　行星车在星体表面自主探测过程中,路径规划技术作为其自主决策系统的重要组成部分,是行星车能够安全高效地进行自主巡视探测的必需技术。针对行星车自主探测的路径规划问题,提出了一种全局与局部规划结合的行星车自主探测融合路径规划方法。首先基于行星表面数字高程模型生成了综合平滑度地图,然后提出了一种融合路径规划方法,先基于综合平滑度信息改进了A*算法启发式函数,用于指导算法生成全局最优路径,然后应用动态窗口法进行实时路径规划,生成满足行星车能力约束的平滑路径。仿真结果表明,所提融合路径规划算法可使探测路径在全局最优的基础上保证路径可行,可提高行星探测任务的成功性和可靠性,为更加完备高效的自主行星探测任务提供技术支持。 

【文章来源】：无人系统技术. 2020,3(05)

【文章页数】：7 页

【部分图文】：

仿真场景DEM地图及主要地形特征

本节首先根据第二章所提地图处理方法对该区域生成综合平滑度地图，如图2所示。由图2可以看出，本节所提出的地形计算方法可以较好的还原行星表面地形特征，对环形山边缘、小型山脉等危险区域有很好的提取效果。并且平滑度地图可以很好地表示出平坦区域（图中较亮区域），为后续路径规划提供参考。4.3 融合路径规划仿真结果

由图3可以看出，融合路径规划算法中，地形权重因子αs较大的路径能更好地选择图中的平坦区域（较明亮区域）。本文对不同地形因子αs情况下算法的性能表现做了对比，结果如表1所示。可以看出，随着地形因子αs的增大，算法生成的路径长度以及搜索时间变大，但路径整体综合平滑度更好，证明αs可以调节算法的距离最优性和安全最优性，可以在平坦的区域增大αs以增强算法的性能，而在危险的区域减小αs来确保生成路径的安全性。本节将融合路径规划算法（αs=1）与标准A*算法，以及JPS算法[12]进行对比，各算法生成路径如图4所示。由图4可以看出，相比于其他算法，本文所提出的融合算法搜索出的路径会尽量选择离障碍较远的安全区域，提高了探测路径的安全性。

【参考文献】：
期刊论文
[1]深空探测发展战略研究[J]. 刘继忠,胡朝斌,庞涪川,康焱,李晖,马继楠,陆希.  中国科学:技术科学. 2020(09)
[2]基于深度强化学习的行星车路径规划方法研究[J]. 周思雨,白成超.  无人系统技术. 2019(04)
[3]无人行星车自适应协同探测方法[J]. 罗汝斌,颜鹏.  无人系统技术. 2019(03)



本文编号：3415222