[发明专利]一种实时重构Voronoi图的无人机路径规划方法

说明书

本发明公开了一种实时重构Voronoi图的无人机路径规划方法，属于无人机自主导航技术领域。该方法针对障碍物已知的环境，根据障碍物形状大小和无人机实时飞行高度，以当前无人机所在空间位置为出发点，实时对无人机所在平面进行路径规划。该方法将二维Voronoi图分割方法扩展到三维，规划出三维空间内的无人机飞行路径，提高了规划路径的有效性。

技术领域

本发明属于无人机自主导航技术领域，特别是指一种实时重构Voronoi图的无人机路径规划方法，可用于在空间环境信息已知情况下进行无人机实时路径规划。

技术背景

随着飞行控制技术和导航技术的发展，无人机系统已经朝向自主飞行的方向发展。自主路径规划作为实现自主导航的重要组成部分，已成为当前无人机测控领域的研究热点之一。路径规划的主要任务就是在环境已知或部分已知的情况下，按照任务要求，避开环境威胁寻找一条由当前位置到目标位置的安全飞行路径。其中，Voronoi图分割法就是一类典型的路径规划方法。

Voronoi图，又称泰森多边形或Dirichlet图，为俄国数学家G.Voronoi于1908年提出并将其扩展到高维空间。现有技术中，有公开的文献将规划空间中的障碍物、威胁等简化为分散的点，进而运用解析方法构建出Voronoi图作为初始路径基础。但是，对于低空飞行的无人机而言，由于障碍物多为不规则形状，如楼宇、树木、山丘等在某一高度上的水平截面，很难建立其准确的解析模型。此外，由于大部分障碍物在不同的水平截面上，边界信息也不同，难以建立一种统一的模型适用所有截面，所规划的航路与障碍物的碰撞情况也难以计算，使得上述简化方法不再适用。

针对上述问题，众多研究者做了大量研究，多数考虑采用其他算法替代Voronoi图分割法，其中，以M.B.Metea提出的栅格思想为基础的众多搜索算法得到了广泛的研究和应用。其中，A*算法便是基于栅格空间的典型范例。近年来，以蚁群算法、粒子群算法为代表的群智能优化方法以其出色的全局搜索能力也得到了许多研究者的青睐，并将其改进应用到已知环境的无人机路径规划中。

然而，Voronoi图分割法在路径规划中的模型简单、威胁代价最小、可以统筹全局等优点被忽视了，鲜有对Voronoi图分割法进行改进的算法出现。尤其在环境信息已知的情况下，更能发挥Voronoi图分割法的优势。例如，A*算法需要对场景进行平均分割，分割颗粒度直接影响算法精度，但是颗粒度越高，路径搜索效率越低。而Voronoi图分割法的分割策略是随环境复杂度变化的，有更好的适应性及分割效率。

总之，现有技术中尚缺少一种通过实时Voronoi图分割而构建高效、实时的三维路径规划方法。

发明内容

有鉴于此，本发明提出了一种实时重构Voronoi图的无人机路径规划方法，该方法基于Voronoi图分割进行实时路径规划，算法简洁高效，对于飞行过程中障碍物分布不断变化的情况具有较好的适用性。

为了实现上述目的，本发明采用的技术方案为：

一种实时重构Voronoi图的无人机路径规划方法，包括以下步骤：

S1，获取无人机飞行区域的环境信息，建立三维环境威胁模型；

S2，确定无人机的飞行高度，并绘制该高度处的二维平面威胁图；

S3，根据步骤S2中生成的二维平面威胁图，使用矢量法产生Voronoi图；

S4，根据步骤S3中生成的Voronoi图，规划并生成初始航路；

S5，对步骤S4生成的初始航路，根据无人机性能参数进行二次优化，生成飞行路径；