无人机避障航路规划方法研究综述
发布时间：2021-07-19 21:57
随着无人机作业空域从中高空不断向低空甚至超低空拓展,复杂的低空障碍环境对无人机造成了严重的威胁。研究无人机避障航路规划理论与方法,对于保障无人机的飞行安全和提升其任务效率具有重要作用。对无人机避障航路规划方法的研究现状进行了梳理,首先,根据航路规划问题所建立的优化模型,将规划方法划分为基于数学规划的方法、基于路标图的方法、基于空间分解的方法、基于势场的方法、基于随机规划的方法和基于机器学习的方法六个大类。然后,分别介绍了各类型方法的基本原理、代表性研究以及优缺点。最后,对避障航路规划方法未来可能的研究方向进行了展望。综述表明,复杂环境下无人机三维航路规划方法的研究仍有提升空间;未来应考虑将传统规划方法与新一代人工智能技术相结合;航路规划方法研究应充分考虑机载传感器的实际性能和工作特性;规划航路的可跟踪性问题也亟待解决。
【文章来源】：无人系统技术. 2020,3(01)
【文章页数】：10 页
【部分图文】：
可视图法（左）和Voronoi图法（右）示意图
针对APF存在的问题，立足于势场的基本思想，文献[42-43]提出了流函数法，该方法具有规划速度快、路径平滑等优点，其基本思路如下：在规划空间内引入某种初始流场，可根据流体力学知识求得其速度势；当流场中存在障碍物时，可建立障碍物势场与原初始流场叠加得到总势场，对其速度势求导获得流场流速；对流速积分得到流体流线即规划航路。该方法是APF的一种变形，具有APF函数的一般特性，但能在一定程度上避免局部极小问题。一些研究工作对该算法进行了改进。梁宵等[44]提出一种基于行为伸缩功能的滚动窗口启发方向计算方法，使其跟踪目标，并在滚动窗口内采取流函数法规划局部避障航路，经验证该方法可有效减少计算时间与空间复杂度，实现动态航路规划。Daily R等[45]在采用流函数法解决躲避单障碍物问题的基础上，采用加权求和法解决了两个甚至多个障碍物存在时的航路规划问题。然而，当规划空间由二维扩展到三维时，流函数的概念将不复存在，因此该方法主要用于二维环境下的路径规划。针对这一情况，本课题组在参考流函数法中相应流体概念的基础上，进一步提出了基于流水避石思想的三维航路规划方法[46]。该方法借鉴了自然界水流流动的宏观特征：当无障碍物时，水流沿直线流动；当遇到障碍物时，水流会平滑地绕过该障碍并最终流向终点。同时，引入三维障碍外包络的概念，将航路规划与流体计算有机结合，通过流体力学方法对三维地形进行流场模拟，并综合考虑无人机性能约束、飞行安全性、航路代价等指标进行航路优选，最终得到满足任务要求的三维光滑可飞航路。其计算方法分为解析计算和数值计算两种，解析法适合障碍分布简单的情况，计算量小，航路分布于起点至终点的航路带间；数值法适合复杂的地形情况，航路能够充满规划区域。
与PRM算法相比，RRT算法采用树表示路径集合，且将系统状态模型引入路径规划过程中，因此可处理无人机复杂动力学与运动学约束问题[58]。其计算速度快，实时性好，可用于动态不确定性环境，得到了广泛的应用。但随机思想的引入也导致了规划结果优化的不足，且其避障特性不甚理想，许多学者对此进行了改进。尹高扬等[59]通过引入航迹距离约束，使搜索树沿路径距离最短的近似最优航迹方向进行扩展，克服了RRT方法随机性强的缺陷。温乃峰等[60]通过引入代价模型，提出约减域逐步构造方法，引导规划树快速有效扩展，改善了RRT算法中存在的采样空间过度约减问题。基于随机规划的方法尤其是RRT算法能处理无人机的复杂动力学与运动学约束，且具有概率意义上的完备性。但节点的随机采样过程使得该算法规划的航路难以保证最优性。此外，由于该方法在随机采样过程中需判断某一节点是否属于自由空间，属于被动的避障策略，因此不适用于复杂地形或动态环境。
【参考文献】：
期刊论文
[1]RWPSO与马尔科夫链的无人机航路规划[J]. 胡美富,宁芊,陈炳才,雷印杰. 哈尔滨工业大学学报. 2019(11)
[2]类脑智能技术在无人系统上的应用[J]. 赵欣怡,宗群,张睿隆,田栢苓,张秀云,冯聪. 控制理论与应用. 2019(01)
[3]基于马尔科夫生存模型与粒子群算法的动态航路规划[J]. 崔舒婷,赵成萍,周新志,宁芊,严华. 四川大学学报(自然科学版). 2018(03)
[4]突发威胁情况下的无人机航迹重规划[J]. 朱杰,鲁艺,张辉明. 计算机工程与应用. 2018(08)
[5]采用粒子群优化和B样条曲线的改进可视图路径规划算法[J]. 吕太之,周武,赵春霞. 华侨大学学报(自然科学版). 2018(01)
[6]无人机快速三维航迹规划算法[J]. 尹高扬,周绍磊,吴青坡. 西北工业大学学报. 2016(04)
[7]基于流体扰动计算的无人机三维无碰撞航路规划[J]. 王宏伦,雷玉鹏,姚鹏,刘畅. 控制理论与应用. 2016(03)
[8]基于改进流体扰动算法与灰狼优化的无人机三维航路规划[J]. 姚鹏,王宏伦. 控制与决策. 2016(04)
[9]基于动态流体扰动原理的三维滚动航路规划[J]. 姚鹏,王宏伦,刘畅. 北京航空航天大学学报. 2015(12)
[10]一种利用改进A*算法的无人机航迹规划[J]. 占伟伟,王伟,陈能成,王超. 武汉大学学报(信息科学版). 2015(03)
本文编号：3291501
【文章来源】：无人系统技术. 2020,3(01)
【文章页数】：10 页
【部分图文】：
可视图法（左）和Voronoi图法（右）示意图
针对APF存在的问题，立足于势场的基本思想，文献[42-43]提出了流函数法，该方法具有规划速度快、路径平滑等优点，其基本思路如下：在规划空间内引入某种初始流场，可根据流体力学知识求得其速度势；当流场中存在障碍物时，可建立障碍物势场与原初始流场叠加得到总势场，对其速度势求导获得流场流速；对流速积分得到流体流线即规划航路。该方法是APF的一种变形，具有APF函数的一般特性，但能在一定程度上避免局部极小问题。一些研究工作对该算法进行了改进。梁宵等[44]提出一种基于行为伸缩功能的滚动窗口启发方向计算方法，使其跟踪目标，并在滚动窗口内采取流函数法规划局部避障航路，经验证该方法可有效减少计算时间与空间复杂度，实现动态航路规划。Daily R等[45]在采用流函数法解决躲避单障碍物问题的基础上，采用加权求和法解决了两个甚至多个障碍物存在时的航路规划问题。然而，当规划空间由二维扩展到三维时，流函数的概念将不复存在，因此该方法主要用于二维环境下的路径规划。针对这一情况，本课题组在参考流函数法中相应流体概念的基础上，进一步提出了基于流水避石思想的三维航路规划方法[46]。该方法借鉴了自然界水流流动的宏观特征：当无障碍物时，水流沿直线流动；当遇到障碍物时，水流会平滑地绕过该障碍并最终流向终点。同时，引入三维障碍外包络的概念，将航路规划与流体计算有机结合，通过流体力学方法对三维地形进行流场模拟，并综合考虑无人机性能约束、飞行安全性、航路代价等指标进行航路优选，最终得到满足任务要求的三维光滑可飞航路。其计算方法分为解析计算和数值计算两种，解析法适合障碍分布简单的情况，计算量小，航路分布于起点至终点的航路带间；数值法适合复杂的地形情况，航路能够充满规划区域。
与PRM算法相比，RRT算法采用树表示路径集合，且将系统状态模型引入路径规划过程中，因此可处理无人机复杂动力学与运动学约束问题[58]。其计算速度快，实时性好，可用于动态不确定性环境，得到了广泛的应用。但随机思想的引入也导致了规划结果优化的不足，且其避障特性不甚理想，许多学者对此进行了改进。尹高扬等[59]通过引入航迹距离约束，使搜索树沿路径距离最短的近似最优航迹方向进行扩展，克服了RRT方法随机性强的缺陷。温乃峰等[60]通过引入代价模型，提出约减域逐步构造方法，引导规划树快速有效扩展，改善了RRT算法中存在的采样空间过度约减问题。基于随机规划的方法尤其是RRT算法能处理无人机的复杂动力学与运动学约束，且具有概率意义上的完备性。但节点的随机采样过程使得该算法规划的航路难以保证最优性。此外，由于该方法在随机采样过程中需判断某一节点是否属于自由空间，属于被动的避障策略，因此不适用于复杂地形或动态环境。
【参考文献】：
期刊论文
[1]RWPSO与马尔科夫链的无人机航路规划[J]. 胡美富,宁芊,陈炳才,雷印杰. 哈尔滨工业大学学报. 2019(11)
[2]类脑智能技术在无人系统上的应用[J]. 赵欣怡,宗群,张睿隆,田栢苓,张秀云,冯聪. 控制理论与应用. 2019(01)
[3]基于马尔科夫生存模型与粒子群算法的动态航路规划[J]. 崔舒婷,赵成萍,周新志,宁芊,严华. 四川大学学报(自然科学版). 2018(03)
[4]突发威胁情况下的无人机航迹重规划[J]. 朱杰,鲁艺,张辉明. 计算机工程与应用. 2018(08)
[5]采用粒子群优化和B样条曲线的改进可视图路径规划算法[J]. 吕太之,周武,赵春霞. 华侨大学学报(自然科学版). 2018(01)
[6]无人机快速三维航迹规划算法[J]. 尹高扬,周绍磊,吴青坡. 西北工业大学学报. 2016(04)
[7]基于流体扰动计算的无人机三维无碰撞航路规划[J]. 王宏伦,雷玉鹏,姚鹏,刘畅. 控制理论与应用. 2016(03)
[8]基于改进流体扰动算法与灰狼优化的无人机三维航路规划[J]. 姚鹏,王宏伦. 控制与决策. 2016(04)
[9]基于动态流体扰动原理的三维滚动航路规划[J]. 姚鹏,王宏伦,刘畅. 北京航空航天大学学报. 2015(12)
[10]一种利用改进A*算法的无人机航迹规划[J]. 占伟伟,王伟,陈能成,王超. 武汉大学学报(信息科学版). 2015(03)
本文编号：3291501
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3291501.html
