[发明专利]结合人工势场法与A-star算法角度约束的航迹规划方法

说明书

本发明公开了结合人工势场法与A‑star算法角度约束的航迹规划方法，涉及航迹规划技术领域，该方法将人工势场法与改进A‑star算法结合分别指导全局路径与局部路径：采用人工势场法进行全局路径规划，无人机的飞行方向由引力场控制，采用改进的A‑star算法进行局部路径规划，避让大型障碍物，通过提高避障效果，缩短寻路时间来优化规划路径、提高规划效率，且利用双向搜索模型解决了端点进入角度的约束，更符合实际应用。

技术领域

本发明涉及航迹规划技术领域，具体涉及结合人工势场法与A-star算法角度约束的航迹规划方法。

背景技术

无人机航迹规划，是指为无人机规划出一条航迹，该航迹应在满足如无人飞行器到达时间、燃料消耗、威胁以及飞行区域等条件的基础上使规划出的航迹最优，或是达到一定的要求，以确保飞行任务的顺利完成。因为无人机应用环境复杂多变，且无人机自身性能存在约束，为了保证完成预定任务，无人机规划航迹应能最大程度上适应环境，避开威胁，提高其安全性，尽可能地减少航程与燃料消耗。

按照规划决策可以将路径规划算法分为现代智能算法以及传统经典算法。常用到的现代智能算法有A-star算法、粒子群算法、蚁群算法、遗传算法等，其中A-star算法更为简单高效，但随着搜索空间增大，A-star算法的计算量会呈指数增长，导致规划时间过长。常用的传统经典算法包括Dijkstra算法、人工势场法、模拟退火算法，其中人工势场法算法简明、实时性好、规划速度快、易于实现，但该方法在相近的障碍物面前难以发现路径，在狭窄通道内存在摆动现象，且具有局部最优问题。除此之外，在实际的环境中进行航迹规划时，无人飞行器为了躲避威胁区域或者攻击掩体背后的目标，还需要满足从特定飞行方向接近目标的约束，即规划出的航迹要满足端点方向约束，从起点的特定方向出发，并从目标点的威胁规避角度进行攻击。目前在解决具有端点进入角度约束的问题时，一般通过在目标点周围增加高威胁代价区域的方式实现，这样做不仅具有很大的局限性，也增加了航迹规划的时间，降低了规划效率。

针对上述问题，本发明提出将人工势场法与改进A-star算法结合分别指导全局路径与局部路径：采用人工势场法进行全局路径规划，无人机的飞行方向由引力场控制，采用改进的A-star算法进行局部路径规划，避让大型障碍物，并且利用双向搜索模型解决端点进入角度的约束。本发明可以通过提高避障效果，缩短寻路时间来优化规划路径、提高规划效率，同时航迹还满足了威胁规避角度约束，更符合实际应用。

发明内容

本发明的目的在于克服现有技术的不足，提供结合人工势场法与A-star算法角度约束的航迹规划方法，包括以下步骤：

步骤1：根据地图建立航迹坐标系；

步骤2：以无人机当前位置为起始点，以目标位置为终止点，获取起始点坐标、终止点坐标，判断地图中障碍物个数是否小于规划威胁阈值，若是，则采用双向搜索模型计算威胁规避角度，无人机沿威胁规避角度的航迹进入目标点，完成航迹规划，若否，则进入步骤3；

步骤3：根据人工势场法建立引力场，无人机依据引力场向终止点移动，判断动作过程中是否存在影响距离超过阈值的障碍物，若是，则进入步骤4，若否，则返回步骤2；

步骤4：对地图进行栅格化，确定起始点和终止点，采用改进A-star算法生成航迹路径，无人机沿航迹路径向终止点移动，无人机完成航迹路径后返回步骤2。

优选的，所述步骤2中，采用双向搜索模型计算威胁规避角度时，具体包括有以下步骤。

步骤201：对双向搜索模型进行参数初始化；

步骤202：以起始点指向终止点为正方向，从起始点沿正方向搜索第一航点，搜索路程为第一航迹，同时从终止点沿逆方向搜索第二航点，搜索路程为第二航迹，判断第一航迹、第二航迹是否交汇，若是，则进入步骤203，若否，则重复搜索过程；

步骤203：将两段航迹连成具有威胁规避角度的闭合航迹。