[发明专利]基于A*算法的无人机动态目标航迹规划方法及系统

说明书

本发明提供了一种基于A*算法的无人机动态目标航迹规划方法及系统，包括：步骤S1：针对无人机和动态目标活动的室内场景进行环境建模；步骤S2：针对动态目标，在动态目标匀速运动的前提下，设置动态目标的运动模型，得到动态目标的运动规律，计算动态目标与无人机运动的交汇点，为无人机的航迹规划提供终点；步骤S3：运用改进的A*算法为无人机的初始位置到无人机最终与动态目标的交汇点之间，计算出一条最优化的无人机飞行航迹线；本发明基于A*算法的无人机动态目标航迹规划算法提高了无人机追踪动态目标时航迹规划的准确性和科学性，为无人机的航迹规划提出了一个解决方案。

技术领域

本发明涉及，具体地，涉及基于A*算法的无人机动态目标航迹规划方法及系统，更为具体地，涉及基于A*算法的无人机动态目标航迹规划算法。

背景技术

随着信息技术的发展，无人机的发展也进入智能阶段，无人机可以代替人类在复杂危险场景的场景里收集信息、跟踪目标、或其他任务，在整个过程中，针对于无人机的目标，无人机航迹规划无疑是无人机飞行的核心部分。

无人机航迹规划就是综合考虑无人机到达时间，能耗以及障碍物等多个条件，为无人机规划出最优的路径，使得无人机成功的完成任务。航迹规划是一个多目标优化问题，需要根据已知的环境信息、无人机信息以及任务要求，建立起目标函数与约束条件，在约束条件里寻找最优解。在寻找最优解时，无人机需要避免突然出现的威胁，这可能导致计算过程陷入局部最优。但是，航迹规划需要考虑全局优化，找出一条全局最优路径。如图2所示，无人机航迹规划一般包含以下几部分：描述无人机飞行的抽象空间、确定无人机航迹表示、分析无人机的飞行约束条件、确定无人机航迹规划的约束条件、确定航迹规划算法的代价函数、选取搜索算法计算最优航迹线、如果规划出的航迹点拐弯点较多，则需要对航迹进行平滑处理以利于无人机的实际飞行。

经典的航迹规划算法有Dijkstra算法、人工势场法、模拟退火算法。Dijkstra算法是从一个顶点到其余各顶点的最短路径算法，解决的是有权图中最短路径问题。Dijkstra算法主要特点是从起始点开始，采用贪心算法的策略，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止。在Dijkstra算法中，需要计算每一个节点距离起点的总移动代价，同时，还需要一个优先队列结构，对于所有待遍历的节点，放入优先队列中会按照代价进行排序。人工势场法是局部路径规划的一种比较常用的方法，基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。模拟退火算法是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性，从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。

A*算法通过节点的综合优先级来计算每个节点的优先级，每次从优先队列中选取优先级最高的节点作为下一个待遍历的节点，A*算法使用两个集合来表示待遍历的节点和已经遍历过的节点，找到一条无人机的路径。

对于此次的动态目标场景，针对于无人机航迹规划任务，需要五点假设：

1.无人机及动态目标被视为一个质点；

2.无人机之间的通信不会收到信号的干扰并且没有传输延迟；

3.虽然干扰的存在会改变动态目标下一时刻的运动速度，但是动态目标在整体上是匀速运动；

4.由于室内的地势平稳，所以在场景抽象时，选择二维平面进行分析；

5.无人机在整个飞行中，不考虑飞机自身由于其他原因损坏、环境突变等突发因素。