[发明专利]一种基于蚁群算法的四旋翼无人机的航迹规划优化方法

说明书

技术领域

本发明属于信息技术领域，涉及一种四旋翼无人机的蚁群算法航迹规划方法，具体涉及一种基于蚁群算法的四旋翼无人机的航迹规划优化方法。

背景技术

近几年，无人机的发展十分迅速，各种型号无人机相继出现，但是四旋翼无人机的航迹规划存在以下诸多方面的不足：

大部分现有的路径规划算法只能规划二维平面路径，而一般的三维规划算法，大多数运算算法复杂，需要很大的存储空间，同时难以进行全局路径规划。

在应用基本三维蚁群算法进行航迹搜索时，两平面直接相连容易使航迹直接穿过障碍物，并且搜索出的航迹节点较多，适应度值过大。

针对上述缺陷，目前已出现了一系列的解决办法，其中利用到的理论，具体可以总结如下：

(1)基于栅格图法的环境模型构建；

基于栅格图法的环境模型构建栅格图法，是把自由空间C划分成一系列规则的单元格，根据单元格中是否有障碍物和障碍物的覆盖面积来判断。机器人路径规划中栅格图法得到广泛应用。根据自由空间的维数，栅格图法可以分为二维栅格图法和三维栅格图法。请见图1，二维栅格图是一个平面图形，三维栅格图是一个三维模魔方形。二维栅格图中，设X轴的最大值为X_max，最小值为X_min，X轴划分单位大小为X_Grid，Y轴的最大值为Y_max，最小值为Y_min，Y轴划分单位大小为Y_Grid，则二维栅格图的总网格数目N为：

请见图2，对于三维栅格图，设X轴的最大值X_max，最小值X_min，X轴划分单位大小为X_Grid，Y轴的最大值Y_max，最小值Y_min，Y轴划分单位大小为Y_Grid，Z轴的最大值Z_max，最小值Z_min，Z轴划分单位大小为Z_Grid，则三维栅格图的总网格数目N为：

(2)三维蚁群算法；

蚁群算法是一种概率搜索算法，它利用生物信息激素作为蚂蚁选择后续行为的依据。每只蚂蚁会对一定范围内其它蚂蚁散布的生物信息激素做出反应，依据生物信息激素的强度在每一个道口对多条路径选择做出概率上的判断并执行该选择，由此察觉到并影响它们以后的行为。受到蚂蚁这种觅食方式的启发，M.Dorig o、V.Maniez-zo、A.Colo rini等人在1991年首先提出了蚁群算法，并将其应用于TSP问题，取得了一定成效。这里主要讨论蚁群算法在无人机航路规划中的应用问题中由于具有动态性、分布性和协同性等一些特性，蚁群算法在航路规划甚至是任务规划中将有很好的发展前景。

发明内容

为了解决上述技术问题，本发明提供了一种基于蚁群算法的四旋翼无人机的航迹规划与优化方法。

本发明提供的一种基于蚁群算法的四旋翼无人机的航迹规划优化方法，其特征在于，包括以下步骤：

步骤1：利用三维栅格图法划分规划空间；

步骤2：绘制基于三维栅格图的三维环境地图；

步骤3：进行四旋翼无人机路径规划。

本发明针对解决与优化四旋翼无人机的航迹规划问题；在建立模型方面，考虑到无人机的自身特点和外界复杂的环境，本发明在建立模型的时候可以建立了一个高程度的三维环境模型来减少碰到障碍物的概率。在规划算法方面，本发明采用的是三维蚁群算法，通过选取主方向的来完成航迹的搜索，同时在算法的改进上采用了发明的变主方向搜索策略和简化航迹策略，成功的解决了传统基本三维蚁群算法进行航迹搜索时，两平面直接相连容易使航迹直接穿过障碍物，并且搜索出的航迹节点较多，适应度值过大的问题，很好地避开障碍物，减小了路径长度，提高了搜索效率。

附图说明

图1为本发明背景技术中二维栅格图；

图2为本发明背景技术中三维栅格图；

图3为本发明实施例中选定X方向为主方向的航迹规划原理图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。