[发明专利]一种基于改进RRT算法的无人机路径规划方法

说明书

本发明提供了一种基于RRT算法(快速随机扩展树，Rapid‑exploration Random Tree)改进的无人机航迹规划方法，属于无人机技术领域。本发明考虑到RRT算法由于随机性过强导致的效率不够高、路径不是最优的问题，提出了一种基于上次扩展碰撞情况的自适应扩展策略、以及更优化的父节点选择方式。随机树在扩展过程中，在没有遇到障碍时，会逐渐增强其向目标点方向快速靠拢的倾向；一旦遇到障碍，将会立即降低这种倾向，最大化生长的随机性，从而使得随机树更高效地避开障碍物。同时，在每次生长时，会选择代价更小的父节点，而不是简单地选择最近节点。改进后的方法提高了规划效率和速度、降低了规划路径的距离。最后还会对规划好路径进行进一步的优化，进一步缩短规划路径长度。

技术领域

本发明属于无人飞行器技术领域，尤其涉及一种改进RRT算法的无人机航迹规划方法。

背景技术

无人飞行器具有行动灵活、易于操作等特点，被广泛应用于军事领域和民用领域。无人飞行器在低空飞行执行任务过程中展现出了极大的优势，在实现无人飞行器自主执行飞行任务的过程中，航迹规划是极为重要的一个环节。无人飞行器应当能够获取能够规避障碍物并到达目标点的可行路径。

无人飞行器的航迹规划问题，可以看作是机器人路径规划的进一步发展。针对路径规划问题，曾经提出许多算法，如势场法、栅格法、仿生算法、A*算法等。传统的路径规划算法，如人工势场法，它采用的是基于矢量合成的方法，通过障碍物对小车的排斥力与目标点对小车的吸引力的合力作用下规划机器人的运动路径。在已知局部信息的情况下，人工势场的避障策略十分有效，但当吸引力与斥力的合力为零时，小车就陷入了陷入局部极小的情况。

大部分传统算法都需要对环境进行建模和预处理，在向高维空间进行扩展时，会极大地增加算法的复杂性。而RRT算法通过对状态空间中的随机采样点进行碰撞检测，避免了对空间的建模，能够有效的解决高维空间和复杂约束的路径规划问题。但是RRT算法也有自己的缺点，由于其较强的采样随机性，所以它规划路径用时较长，实时性不高且很难规划出最优路径。

发明内容

本发明针对RRT算法存在的问题，提出了基于上次扩展碰撞情况的自适应扩展策略，并通过优化父节点选择并在规划后优化路径的方式来对RRT算法进行改进。实现一个可用于三维空间内的基于RRT的航迹规划算法，主要用在无人机场景下，其具体步骤如下

步骤1，获取航迹规划所需的参数信息，包括航迹规划的环境范围C_free，以及C_free内部的障碍物信息，航迹规划的出发点q_ini。，航迹规划的终点q_goal。

步骤2，以q_init为根节点，在C_free的范围内，建立随机搜索树T_search，初始时T_search只有一个节点q_init。同时为T_search中的节点建立基于空间位置的索引。

其中T_search的数据结构为一个树形结构，其中每个节点应当包含以下信息，当前节点的位置信息(x，y，z)，当前节点到达q_init的距离信息d，当前节点的父节点指针q_f，当前节点的所有子节点指针集合Q_child。

而T_search中的节点基于空间位置的索引，其特征在于：

使用三维数组进行快速索引，在三维数组组成的索引的键值对中，键的值为(a，b，c)样式的字符串，而值为搜索树中节点的子集。