[发明专利]一种基于快速扩展随机树的无人机航路规划方法

说明书

本发明涉及一种基于快速扩展随机树的无人机航路规划方法，属于无人机技术领域。相对于现有技术主要改进点：在使用随机点作为新增点替换传统方法的定步长生成新增点，通过为新增节点创建父节点的方式使得局部路径更加靠近障碍物。其中使用随机点作为新增点替换传统方法的定步长生成新增点的方案，极大程度上提高了随机树的扩展速度，减少了环境的维度和大小对规划算法的约束强度，能更好的适应于无人机工作的三维场景；通过为新增节点创建父节点的方式使得局部路径更加靠近障碍物，从而减少了新增节点添加到随机树后到根节点的代价，提高了生成符合无人机航迹的速度。

技术领域

本发明涉及路径规划领域，具体设计了一种基于快速扩展随机树的路径规划方法，在无人驾驶、机械臂控制和无人机航路规划等领域有广泛的应用。

背景技术

路径规划一直是智能机器人领域的热点话题，其目的是在任务空间中寻找一条从起始点到目标点之间的无碰撞连续路径，一般地，采用图搜索算法可以获取最短路径，但此类算法的规划速度受环境大小影响较大。快速扩展随机树(RRT/rapidly exploringrandom tree)算法(参见Lavalle S M.Rapidly-exploring Random Trees:ANew Tool forPath Planning[Z].USA:Computer Science Dept,lowa State Univ,1998.)摒弃了路径最优特性，通过在空间中随机采样的方案对空间进行探索，在环境适应性和求解速度上有较大优势，其随机树可被视为空间中已探索的安全区域，当随机树扩展到目标点时，便可生成可行的安全路径。由于随机树的结构与随机点的生成顺序密切相关，导致传统RRT算法生成的路径迂回曲折且不是全局最优，考虑到无人机的运动特性，由RRT*算法生成的可行路径不能作为无人机的规划轨迹。RRT*算法(参见Karaman,S.,Frazzoli,E.(2011).Sampling-based algorithms for optimal motion planning.The International Journal ofRobotics Research,30(7),846–894.)增加了随机树的局部重构环节，使得算法具备渐进最优的特性，并且增加了新增节点的父节点重选环节，该环节减少了从起始点到点路径的代价，从而减少算法收敛到最优路径所需时间。在此基础上，如何使算法快速收敛到最优路径成为研究热点，Informed-RRT*利用RRT*算法的初始解构建椭圆采样区域(参见GammellJ D,Srinivasa S S,Barfoot T D.Informed RRT*:Optimal Sampling-based PathPlanning Focused via Direct Sampling of an Admissible Ellipsoidal Heuristic[J].2014.)，从而有效提高采样点的利用率，但当构建采样区域超过原本的采样空间时，算法不能起到加速作用；RRT*-smart也在RRT*算法的初始解上进行优化(参见Islam F,NasirJ,Malik U,et al.RRT*-Smart:Rapid convergence implementation of RRT*towardsoptimal solution[C].Mechatronics and Automation(ICMA),2012InternationalConference on.IEEE,2012.)，利用节点删节和智能采样手段减少优化时间，但算法的性能容易受到初始解影响，只能得到与初始解类别相同的优化结果；Quick-RRT*利用随机树顶点之间的连接关系增加搜寻节点数量(参见Jeong I B,Lee S J,Kim J H.Quick-RRT*:Triangular Inequality-based Implementation of RRT*with Improved InitialSolution and Convergence Rate[J].Expert Systems with Applications,2019,123(JUN.):82-90.)，也能缩短生成路径长度的效果，但是增大搜寻节点数量无疑会导致消耗时间增大，因此在实际应用中常常受到限制。