无人机航路规划研究

通过对无人机航路规划的研究,对无人机航路规划问题进行了概括和总结,介绍了无人机航路规划流程,分析了无人机航路规划的约束条件,阐述了目前国内外应用和研究的几种航路规划算法,并对无人机航路规划算法的发展趋势进行了展望。     

面向土方工程实景建模的无人机航迹规划研究

工程实景测绘不仅能辅助工程师发现工程进度、质量问题,更能结合其他信息处理技术,为进一步工程分析提供数据基础。相较于传统工程测绘技术,无人机低空摄影技术具有操作简便、经济性好、机动性强等优点。将无人机摄影技术引入土方工程,对其航迹规划问题展开讨论,旨在实现场地三维实景建模。对场地进行分区,将航迹规划问题简化为不规则场地下的全覆盖路径规划问题,且无需考虑避障规划。在方法层面上,将A^*算法与BINN算法结合,改进了BINN算法中可能出现的“死区”,并通过设置约束规则,解决了算法初期路径随机游走的问题。最终,以某项目土方工程的实景建模工作为案例,利用以上算法完成无人机航迹规划,证明了该算法的可行性。     

基于空间综合威胁体的无人机航迹规划方法研究

传统规划多数在平面中模拟威胁,难以真实表达威胁对无人机的影响范围,为了提高无人机飞行中的安全性和稳定性,在航迹规划中尽量规避周围环境的威胁,本文提出了一种基于空间综合威胁体的航迹规划方法,在目标区域内建立空间综合威胁体模型并进行分析及计算,最后进行航迹规划.空间综合威胁体的限制可有效减少待扩展节点的数量,提高航迹规划计算的效率.     

多架无人机协同航路规划问题研究

针对同时到达的多机协同航路规划问题,采用层次分解的方法,应用小生境克隆选择算法能够为无人机生成多条不同的满足实际需求的可选航路,同时引入协同变量和协同函数的概念,解决规划航路的时间协同问题。仿真结果表明,该方法能够有效地解决多机协同航路规划问题,实现多机协同航路规划的协同控制。     

基于改进的A*和人工势场算法的火灾路径规划

传统火灾疏散过程中疏散指示灯指示方向固定,无法根据火灾情况改变疏散方向,为了解决这种情况,提出改进的A*算法和人工势场算法,对火灾发生时的人群疏散路径进行规划.通过优化g值、改进OPEN列表存储结构的方法改进A*算法,通过改进引力函数、加入虚拟侧向力的方法改进人工势场算法,以达到火灾应急疏散的要求,即快速找到疏散路径的...     

基于A*算法的条件道路选择探究

针对目前GPS系统只能设置起点和终点进行路径搜索的问题,文章对A*算法进行改进,为路径搜索功能添加用户期望途径点,令得到的最优路线途经用户的指定地点。改进算法对原本的启发式函数进行调整,加入期望值概念和当前点与途经点的欧氏距离,并将是否通过途径点作为判断条件。结果表明,改进算法可以成功执行,为GPS系统开拓新的功能。     

基于改进A* 和内螺旋算法的林草火灾救援路径规划

在机器人奔赴火场的路径规划过程中,针对传统的A*算法在火灾救援过程中存在的遍历节点数和转弯次数过多的问题,提出改进的A*算法。该算法在启发函数中加入加权曼哈顿距离以提高算法的运行效率,引入惩罚函数和奖励因子减少机器人在火场奔赴过程中的转弯次数。到达火场后需要对该火场区域进行遍历,研究中基于火点热辐射原理,采用内螺旋算法对火场进行梯度式靠近,以减少高温对于巡检机器人运行性能的影响。仿真实验结果表明,与传统的A*算法相比,改进的A*算法可以有效减少奔赴火场过程中的遍历节点数和转弯次数,提高了巡检机器人的运行效率,在遍历火场的过程中,内螺旋算法可以以较高的覆盖率遍历火场区域。     

无人机在高原山地环境下航摄轨迹的规划

在高原、山地地形起伏较大的环境下,无人机对点状、线状、面状多个目标拍摄时的轨迹需要进行最优化规划。总体航迹规划分为两个阶段:全局规划阶段,即对多个目标进行全局最短路线规划;局部规划阶段,即为躲避地形威胁,对最短路线中,目标点之间不符合要求的路线进行重规划,最终得到最优的路线轨迹。分别采用蚁群算法和A*算法进行全局规划和局部规划,仿真结果表明了本文轨迹规划方法的有效性及高效性。     

动态规划算法综述

本文通过系统的介绍动态规划算法的基本概念、基本思想、适用情况分析、基础求解步骤、实现的说明和算法的基本框架,对动态规划算法进行了总结和概述。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。