[发明专利]一种迭代的快速扩展随机树IRRT的无人机路径规划方法

说明书

本发明公开了一种迭代的快速扩展随机树IRRT的无人机路径规划方法，本方法引入了启发信息，当随机采样增加新的叶节点X_new时，引入随机概率P，让新的叶节点X_new以一定的概率偏向目标点，削弱了新增的叶节点X_new的随机性，同时也继承了原有算法的全部优点，加快了收敛的速度，在此基础上，通过迭代比较得到较优的路径，存储较优路径所在的上周期树，解决了在动态环境中的路径规划问题，也使得规划出的路径接近较优的路径，路径质量大大提高。

技术领域

本发明涉及无人机路径规划领域，特别是一种迭代的快速扩展随机树IRRT的无人机路径规划方法。

背景技术

无人驾驶飞机简称“无人机”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。目前，无人机应用在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等领域，有着广泛的用途。而要实现无人机的智能化,路径规划是无人机自主飞行的关键环节,路径规划的主要目的是根据任务需求规划出满足约束条件的飞行路径(从起点到终点),优秀的路径规划能够在很大程度上降低无人机耗油和减少碰到建筑物造成损坏的发生率，同时能很快的到达目标点。

无人机在三维环境中的飞行环境，和二维环境中的地面机器人相比更加复杂。传统的路径规划算法，像A*算法,Dijkstra算法,这些方法需要已知全部的环境信息，然后构建环境模型后才可以进行路径搜索，而且在高维环境中它们的计算量也呈指数形式递增，实时性很差。

针对无人机在陌生的三维环境中，无法事先建立好空间模型，同时考虑时间约束条件，规划维度上升到四维规划，因此在陌生高维环境下的路径规划，基于采样的路径规划方法取得很大的发展，例如概率地图(Probabilistic Roadmap Method,PRM)算法和快速随机搜索树方法(Rapidly-exploring Random Tree,RRT)。

基于采样的路径规划算法是在状态空间中进行采样然后进行碰撞检测，不需要对空间模型预处理，而且在高维环境中计算量也不会改变，所以很适合高维陌生的环境。和PRM算法相比,RRT算法通过随机采样构造快速搜索树节约了构造路线图所需要的内存空间,受到了研究者的普遍关注。

但是由于RRT基于随机采样法，尤其是在已经规划好的路径上动态出现障碍物时，需要重新规划全部路径，该算法会存在费时，收敛速度慢，路径规划可重复性差等方面的问题。

发明内容

本发明的目的是要提供一种迭代的快速扩展随机树IRRT的无人机路径规划方法，引入随机概率P并通过迭代比较存储较优的路径所在的上周期树来加快收敛速度，当无人机遇到动态障碍物时，进行局部重规划，不需要全局重新规划路径，来解决路径可重复性差的问题。

为达到上述目的，本发明是按照以下技术方案实施的：

一种迭代的快速扩展随机树IRRT的无人机路径规划方法，包括以下步骤：

S1、确定起始点X_start和终点X_goal，确定步长stepsize和最大迭代次数iter，以X_start为快速扩展随机树RRT的根节点，以X_goal为快速扩展随机树RRT的目标点，初始化快速扩展随机树RRT；