基于改进人工势场法的无人机在线航路规划算法

在线航路规划能够使无人机针对动态变化的环境快速有效地生成相适应的飞行航路,是无人机任务规划系统必需的能力之一。基于人工势场法提出一种三维在线航路规划方法,使无人机在应对动态变化的飞行环境时能实时规划出保障飞行安全并满足其任务执行效率指标的飞行航路。此航路规划方法在环境构建过程中引入了参考航路引力场和自适应的时间扰动因子,解决了原人工势场法在航路规划中容易陷入势场局部最小值而导致无法用适感环境动态变化区域的问题。在此基础上,提出一种虚拟目标法以更有效地解决人工势场法遇到的局部极值陷阱问题。通过仿真验证表明:所提出的无人机在线航路规划方法比传统的人工势场法更容易跳出势场的局部最小值,且有较好的避障能力。     

面向图像三维重建的无人机航线规划

随着无人机技术的发展,无人机序列影像三维重建越来越受到人们的关注。为完整重建任务区域的三维模型并减少无人机飞行功耗,提出一种面向图像三维重建的无人机航线规划算法。针对凸多边形任务区域,在图像重叠度和时间连续性的要求下,基于光栅法规划扫描航线并结合最佳扫描方向使得转弯次数最少。借助Gazebo仿真平台,对比验证了无人机按照该算法规划的航线飞行时功耗更小,且拍摄得到的序列影像能够重建任务区域三维模型。     

基于综合改进RRT算法的无人机三维航路规划

针对复杂飞行环境下的无人机三维航路规划问题,提出了一种基于快速扩展随机树(RRT)的综合改进航路规划算法.根据实际复杂任务环境,建立三维任务空间模型,并考虑无人机性能约束;通过引入基于概率的启发式策略引导节点扩展方向,加人贪婪策略提高终点扩展方向节点生长速度;提出动态引力步长策略在保证节点搜索概率完备性的同时,降低节点扩展方向的随机性;设计平滑度优化方法改善规划航路曲折问题.仿真结果表明,综合改进RRT算法整体性能较好,具有良好的避障特性.     

帝国竞争算法在无人机三维航线规划中的应用研究

针对实际飞行环境中无人机的三维航线规划问题,提出了一种创新启发式优化算法——牛顿帝国主义竞争算法(NICA,Newtonian imperialist competitive algorithm).该算法能够根据无人机的飞行轨迹,从起始位置到任务目标位置生成平滑的航线路径,约束航线规划,使得目标完成任务的时间最小化.该算法也能为无人机在真实地形上的航线提供最佳轨迹路径.最后通过与ICA、GA和PSO算法进行比较,验证了改进算法的有效性.结果表明:改进帝国算法提高了全局最优解的搜索能力,在收敛速度和精度上优于其他3种算法,适合用来解决无人机的三维航线规划问题.     

基于遗传算法的UAV自适应航迹规划

根据遗传算法与动态的稀疏A*搜索(Dynamic Sparse A*Search,DASA)算法各自的特点,提出一种组合优化算法来实现在不确定战场环境中自适应航迹规划.在无人机(UAV,Unmanned Aerial Vehicles)飞行前,采用全局搜索能力强的遗传算法进行全局搜索,对从起始点到目标点的飞行航线进行规划,生成全局最优或次优的可行参考飞行航线;在无人机任务执行阶段,以参考飞行航线为基准,采用DASA算法进行在线实时航迹再规划.仿真结果表明,与遗传算法相比,该组合算法不但能生成近似最优解,而且能够满足在线实时应用的要求.     

面向无人机电力巡检航迹规划的语义服务方法

针对复杂环境下无人机电力巡检航迹规划问题,从信息处理角度提出一种语义服务方法.构建一个具有环境态势感知、航迹构造和语义策略图模型的语义服务框架;利用巡检关联比重对实体对象进行空间划分,通过OWL形式化表示和J ena推理刻画巡检航线特征位置的因果关系,提出语义空间距离计算和基于强化学习的路径选择机制.研发语义服务模拟演示系统,实验结果表明,在满足航向速率和空速的条件下,通过语义策略图和强化学习方法可以有效判断飞行特征点及干扰因素,同时语义规划的航迹代价能够快速收敛并趋于稳定,巡检对象覆盖率达到92.3％,实现无人机航迹规划在电力巡检的应用.     

基于矢量地图的无人机三维航线校正仿真

无人机三维航线校正执行过程中受到环境等因素影响,导致无法适应预定计划,易发生偏差,存在校正精准性较差的问题.基于矢量地图提出一种新的校正方法,首先利用LPA航线部署方法分布三维航线点,并通过检验局部一致性来防止重新对全局进行搜索,减少了干扰因素的阻碍与搜索空间范围;然后采用卡尔曼滤波算法准确定位无人机,通过路面监控站发出的方位信息来计算当前无人机与部署航线间的距离偏差,引入校正因子有效校正偏离航线,让无人机能够按照部署航线完成飞行任务.仿真结果说明,基于矢量地图方法具有较高的时效性和准确性,满足了实际应用需求.     

基于区域分割的无人机路径规划

研究无人机路径规划优化问题,针对在城市环境下执行飞行任务前,需要根据所经城市内已知的建筑物信息以及飞机本身性能的限制计算出飞行轨迹,并根据规划出的路径完成飞行任务。在给定起始点和目标点上,提出了一种城市建筑物遮挡模型的无人机路径规划方法。主要包含两方面的内容:一是利用圆柱虚拟城市建筑物环境使建筑物对无人机的遮挡面积可计算;二是在计算出无人机飞行的水平平面上(x,y)点遮挡值的基础上,给出了无人机搜索区域等分的沿对角线折线走法的优化路径规划,得到一条遮挡面积最小的路径并进行仿真。仿真结果表明,规划方法能够快速有效地完成规划任务,获得满意的航迹,为无人机优化路径提供了依据。     

改进布谷鸟搜索算法的无人机三维航路规划

针对无人机三维航路规划问题,结合差分进化算法,提出了一种改进布谷鸟搜索算法进行无人机航路规划。对无人机飞行的三维真实环境进行建模,将其分为城市楼宇环境和山峰环境。对不同的地形环境采用不同的编码方式,将航路最短距离和规避威胁作为评价函数。仿真实验表明,改进后的布谷鸟搜索算法能够寻找多条切实可行的三维航路且鲁棒性较好,是一种行之有效的航路规划算法。     

无人机反应式扰动流体路径规划

针对复杂三维障碍环境,提出一种基于深度强化学习的无人机(Unmanned aerial vehicles, UAV)反应式扰动流体路径规划架构.该架构以一种受约束扰动流体动态系统算法作为路径规划的基本方法,根据无人机与各障碍的相对状态以及障碍物类型,通过经深度确定性策略梯度算法训练得到的动作网络在线生成对应障碍的反应系数和方向系数,继而可计算相应的总和扰动矩阵并以此修正无人机的飞行路径,实现反应式避障.此外,还研究了与所提路径规划方法相适配的深度强化学习训练环境规范性建模方法.仿真结果表明,在路径质量大致相同的情况下,该方法在实时性方面明显优于基于预测控制的在线路径规划方法.     

基于APM的高级飞控系统设计

设计了一种基于开源飞控APM的高级飞控系统,高级飞控系统包含硬件电路模块和软件算法模块,采用MAVLink协议控制APM无人机,设计了以高级飞控系统控制无人机的一键起飞控制流程、遥控量的控制功能、上传飞行任务到APM飞控功能。移植UCOSIII操作系统,并结合MAVLink协议设计了编队组网架构方法,裁减协议数据流,使之适应组网通信数据量限值,在高级飞控系统上测试基于粒子群算法的无人机集群搜索并规划航线的算法仿真实验,结果表明满足实时性要求和通信要求,将计算出的航点通过协议发送给无人机即可实现对无人机航迹规划,高级飞控系统的功能同样适用于MAVLink协议的其他飞控如PX4飞控,具有较广泛的应用。     

基于文化算法的无人飞行器航迹规划*

现有航迹规划方法无法保证规划最优路径的同时满足实时性要求,因此文中提出基于文化算法的无人飞行器航迹规划算法.利用文化算法的特性,将在线航迹规划方法与离线航迹规划方法相结合,融入文化算法种群空间中.知识提取,将初始航迹提取为形势知识,将航迹中特征节点可变化范围提取为规范知识,使用知识限定规划空间,缩短规划时间.通过知识结合不同规划方法,弥补现有方法的缺点.实验验证文中算法在复杂动态环境下能有效寻找目标点,相比其它在线航迹规划方法,规划速度更快,规划航迹更短,有效减少飞行器执行任务的时间.     

基于变结构离散动态BN的最优交通路径规划

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于变结构动态BN的最优交通路径规划方法。该方法考虑驾驶员偏好,按时间序列建立适用于交通路径规划的变结构离散动态BN模型,采用最大似然估计算法和参数的自适应产生算法学习网络参数,用基于时间窗的动态BN近似推理算法中固定窗口宽度方法进行在线推理。结合实例对算法进行仿真,并与Dijkstra算法所得结果进行比较。实验结果表明变结构离散动态BN能利用实时采集到的信息对最优路径进行实时更新,在线决策。     

A robust online path planning approach in cluttered environments for micro rotorcraft drones

We present in this paper a robust online path planning method, which allows a micro rotorcraft drone to fly safely in GPS-denied and obstacle-strewn environments with limited onboard computational power. The approach is based on an efficiently managed grid map and a closed-form solution to the two point boundary value problem (TPBVP). The grid map assists trajectory evaluation whereas the solution to the TPBVP generates smooth trajectories. Finally, a top-level trajectory switching algorithm is utilized to minimize the computational cost. Advantages of the proposed approach include its conservation of computational resource, robustness of trajectory generation and agility of reaction to unknown environment. The result has been realized on actual drones platforms and successfully demonstrated in real flight tests. The video of flight tests can be found at: http://uav.ece.nus.edu.sg/robust-online-path-planning-Lai2015.html.     

基于贝叶斯决策的无人机飞行路径自动规划方法

传统无人机飞行路径自动规划方法无法获取全部障碍物信号,使无人机飞行不能达到避障效果,导致飞行路线规划效果较差;为此提出基于贝叶斯决策的无人机飞行路径自动规划方法;无人机飞行路径自动规划硬件模块包含自动规划模块、动画演示模块、地图导航模块和数据导出模块,自动规划模块负责控制无人机飞行;动画演示模块使用240PRO型号的LEWITT声卡,为展示飞机飞行路线提供声音;LS-TM8N地图导航模块通过串口将射频信号发送到天线的输入端,再由数据导出模块导出并保存相关数据;基于贝叶斯决策原理,结合贝叶斯元胞蚁群算法,计算贝叶斯先验概率和后验概率,规划无人机飞行路径,获取最优路径;实验结果表明,该方法遇到静态障碍物捕获的避障信号在-28～30mV范围内波动,动态障碍物捕获的避障信号在-27～30 mV范围内波动,与实际障碍物信号波动范围一致,避障效果较优.     

航迹规划策略学习方法研究

分析并研究航迹规划软件中的飞行器操作数据特征,提出一种基于XGBoost算法和K-prototypes算法的航迹规划策略学习方法。在样本采集与分类过程中,根据约束自身特性和规划人员操作特征,将约束分为飞行器环境约束和飞行器特性相关约束,分别采用XGBoost算法和K-prototypes算法进行策略学习,并对飞行器特性相关约束做进一步细分,实现复杂约束的针对性学习及样本分类管理。当航迹不满足约束时,需将已获得的规划策略反馈给规划人员使其得到策略引导。实验结果表明,该方法能准确选取航迹规划策略并给出策略引导信息,降低规划人员的工作强度,提升交互规划效率和规划软件的智能性。     

无人机动态路径规划可视化仿真系统研究

针对现阶段无人机动态路径规划算法仿真可视性差和飞行环境仿真不足等问题,提出了一种基于Cesium的无人机动态路径规划可视化仿真系统;该系统在基于Client/Server(B/S)架构基础上,使用开源三维虚拟地球Cesium可视化引擎,按照可视化系统的总体设计及流程,利用坐标系转换方法与三维可视化技术,构建了一个无人机在真实地理环境中动态路径规划可视化仿真系统,实现了三维人工势场法路径规划的动态可视化仿真展示;实验表明,该系统不仅能够直观展示无人机在真实地理环境下的动态路径规划过程效果,还能够为相关研究提供直观、全面的可视化分析和评估手段。     

Optimal Multi-Criteria Waypoint Selection for Autonomous Vehicle Navigation in Structured Environment

This paper deals with autonomous navigation of unmanned ground vehicles (UGV). The UGV has to reach its assigned final configuration in a structured environments (e.g. a warehouse or an urban environment), and to avoid colliding neither with the route boundaries nor any obstructing obstacles. In this paper, vehicle planning/set-points definition is addressed. A new efficient and flexible methodology for vehicle navigation throughout optimal and discrete selected waypoints is proposed. Combining multi-criteria optimization and expanding tree allows safe, smooth and fast vehicle overall navigation. This navigation through way-points permits to avoid any path/trajectory planning which could be time consuming and complex, mainly in cluttered and dynamic environment. To evaluate the flexibility and the efficiency of the proposed methodology based on expanding tree (taking into account the vehicle model and uncertainties), an important part of this paper is dedicated to give an accurate comparison with another proposed optimization based on the commonly used grid map. A set of simulations, comparison with other methods and experiments, using an urban electric vehicle, are presented and demonstrate the reliability of our proposals.     

UAVs Mission Planning with Imposition of Flight Level through Fast Marching Square

Many proposed activities to be carried out by unmanned aerial vehicles (UAVs) in urban environments require a control over the altitude for different purposes. Energy saving and minimization of costs are some of these objectives. This work presents a method to impose a flight level in a mission planning carried out by a UAV in a 3D urban environment. The planning avoids all obstacles encountered in the environment and maintains a fixed flight level in the majority of the trajectory. The method used as planner is the Fast Marching Square (FM²) method, which includes two adjustment parameters. Depending on the values of these parameters, it is possible to introduce into the planning an altitude constraint, as well as to modify the smoothness of the trajectory and the safety margins from the obstacles. Several simulated experiments have been carried out in different situations obtaining very good results.