[发明专利]风场影响下微型无人飞行器的多分辨率路径规划方法

说明书

技术领域

本发明属于航空优化技术领域，尤其涉及微型无人飞行器路径规划技术领域，具体是一种风场影响下微型无人飞行器的多分辨率路径规划方法。

背景技术

微型无人飞行器作为一种相对低成本的特殊工具在民用和军用领域越来越受到重视。在一些危险地区或人类难以涉足的地区，微型无人飞行器具有很大优势，可以用来侦查重要军事设施，监视实时灾害和交通状况，搜寻和搜救工作等。微型无人飞行器由于体积小，重量轻，有效载荷小，使得机载计算机的计算能力和传感器性能受到限制。计算能力的限制要求微型无人飞行器中算法的计算量要小，传感器的性能限制了侦查空间的有效范围，因此，针对微型无人飞行器设计一种高效实时的路径规划算法对实际应用有重要意义。

由于传感器性能的限制，微型无人飞行器通常工作在低空区域，需要规避建筑物和树木等障碍物，同时，由于微型无人飞行器重量轻，飞行路径极易受到风场的影响，这使得其路径规划更加具有挑战性。但现有技术中，针对低空的微型无人飞行器的路径规划，面临着计算能力、传感器性能有限，并且易受风场影响等实际问题。

发明内容

本发明针对现有低空微型无人飞行器在路径规划中面临的计算能力、传感器性能有限和易受风场影响等实际问题，提供了一种风场影响下微型无人飞行器的多分辨率路径规划方法，利用小波变换进行环境区域网格的多层次分解，从而设计了一种适合低空飞行的微型无人飞行器在线路径规划方法，提高了在线规划的效率和鲁棒性。

本发明提出的一种风场影响下微型无人飞行器的多分辨率路径规划方法，通过如下步骤来实现：

步骤1：获取飞行器路径规划所需要的环境区域。

步骤2：选取哈尔(Haar)小波变换基函数，构建二维空间的Haar小波基函数，并得到用二维空间的小波变换基函数对二元函数近似逼近的函数。

步骤3：考虑飞行器与障碍物之间的距离、风场的强度、以及风场的梯度三种因素的影响，构建飞行环境代价函数。

步骤4：利用Haar小波网格分解法重构多分辨率飞行环境代价函数。

步骤5：确定各网格单元的飞行环境代价函数值，将环境区域根据障碍物与非障碍物的表示值，以及飞行环境代价函数值生成环境加权图，将多分辨率路径规划问题转化为图的搜索问题。

步骤6：基于A*或Dijkstra搜索方法寻找最优路径。

所述步骤1中获取微型无人飞行器路径规划所需要的环境区域由如下步骤完成：

步骤1.1：将飞行器所处的三维环境空间区域，从高度方向上分解为不同层次的二维欧氏空间，所得到的二维欧氏空间就是所需要的环境区域；

步骤1.2：将得到的二维欧氏空间根据地形高程和飞行器可飞行高度，划分为障碍区和非障碍区，并确定飞行器的初始位置和目标位置；对原始数字地形高程图中第i点位置Xi表示如下：

其中，表示障碍物空间，表示非障碍物空间，z_i表示位置X_i的地形高程，H表示飞行器的可飞行高度；

步骤1.3：将环境区域归一化为单位方形区域，并进行网格划分。

所述步骤2中构建二维空间的小波变换基函数以及用二维空间的小波变换基函数对二元函数近似逼近的方法具体是：

步骤2.1：选取一维空间的Haar基本小波，将Haar基本小波通过伸缩和平移操作得到一组形状相似的小波，得到一维空间的Haar小波基函数：