本发明专利技术公开了一种多无人机轨迹规划方法、装置、无人机及存储介质，其中，上述多无人机轨迹规划方法包括：建立无人机运动模型；获取目标状态约束运动基元采样模型；对于多无人机集合中任一目标无人机，构建包括飞行安全约束和目标点距离优化约束的目标函数，飞行安全约束限定目标无人机与障碍物之间的距离，障碍物包括环境障碍物和除目标无人机以外的其它无人机；求解目标函数，获取目标无人机在当前滚动预测时域内的最优末端状态，并基于上述目标状态约束运动基元采样模型和上述无人机运动模型获取上述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，目标飞行轨迹包括一组状态量。与现有技术相比，本发明专利技术方案有利于提升无人机的安全性。无人机的安全性。无人机的安全性。
【技术实现步骤摘要】
多无人机轨迹规划方法、装置、无人机及存储介质
[0001]本专利技术涉及飞行控制
，尤其涉及的是一种多无人机轨迹规划方法、装置、无人机及存储介质。
技术介绍
[0002]随着科学技术的发展，无人机技术迅速发展，无人机的应用也越来越广泛。例如，无人机可以用于城市或野外环境中的海关缉私、搜索营救、电力巡检、目标追捕等。单无人机作业时存在视野和监测范围有限、容错性不足、鲁棒性差等缺陷，导致无人机在执行特定任务时任务效能和成功率受到一定程度的影响，因此多无人机协同作业应运而生。多无人机协同执行任务可有效地弥补单无人机的局限性，提高任务执行的可靠性和效率。
[0003]现有技术中，对于无人机的轨迹规划和控制集中在单无人机控制领域，通常仅考虑环境中静止的障碍物对无人机的影响，为无人机规划路径以规避环境中静止的障碍物。现有技术的问题在于，仅考虑环境中静止障碍物的影响，在多无人机协同执行任务时容易导致无人机之间发生碰撞等事故，影响无人机的安全性。
[0004]因此，现有技术还有待改进和发展。
技术实现思路
[0005]本专利技术的主要目的在于提供一种多无人机轨迹规划方法、装置、无人机及存储介质，旨在解决现有技术中仅考虑环境中静止的障碍物对无人机的影响，为无人机规划路径以规避环境中静止的障碍物的方案在多无人机协同执行任务时容易导致无人机之间发生碰撞等事故，影响无人机的安全性的问题。
[0006]为了实现上述目的，本专利技术第一方面提供一种多无人机轨迹规划方法，上述方法用于对多无人机集合中的每一架无人机分别进行轨迹规划，其中，上述方法包括：
[0007]建立无人机运动模型，其中，上述无人机运动模型用于基于输入量获取无人机的状态量；
[0008]获取目标状态约束运动基元采样模型，其中，上述状态约束运动基元采样模型用于基于给定的初始状态和末端状态获取无人机的状态约束运动基元；
[0009]对于上述多无人机集合中的任一目标无人机，构建上述目标无人机的轨迹对应的目标函数，其中，上述目标函数中包括飞行安全约束和目标点距离优化约束，上述飞行安全约束用于限定上述目标无人机与障碍物之间的距离，上述障碍物包括环境障碍物和上述多无人机集合中除上述目标无人机以外的其它无人机；
[0010]求解上述目标无人机的目标函数，获取上述目标无人机在当前滚动预测时域内的最优末端状态，并基于上述目标状态约束运动基元采样模型和上述无人机运动模型获取上述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，其中，上述目标飞行轨迹包括一组状态量。
[0011]可选的，上述无人机运动模型为模型预测控制运动模型。
[0012]可选的，上述无人机运动模型的输入量为无人机的加加速度，上述状态量包括无人机的位置、速度和加速度，上述状态约束运动基元为无人机的加加速度。
[0013]可选的，上述获取目标状态约束运动基元采样模型，包括：
[0014]获取待训练的状态约束运动基元采样模型；
[0015]获取训练数据，基于上述训练数据对上述待训练的状态约束运动基元采样模型进行离线动态规划迭代训练，获取训练后的状态约束运动基元采样模型并作为目标状态约束运动基元采样模型。
[0016]可选的，上述目标函数中还包括能耗优化约束，上述能耗优化约束用于限定上述目标无人机的轨迹对应的能耗。
[0017]可选的，在上述构建上述目标无人机的轨迹对应的目标函数之前，上述方法还包括：
[0018]基于双目相机获取环境点云信息；
[0019]基于上述环境点云信息获取欧式距离场地图，其中，上述欧式距离场地图中任意栅格中存储了该栅格到最近环境障碍物的欧式距离信息。
[0020]可选的，上述飞行安全约束包括环境障碍物距离约束和其它无人机距离约束，上述环境障碍物距离约束基于上述欧式距离场地图建立，上述其它无人机距离约束基于上述其它无人机的状态信息建立，其中，上述状态信息包括各上述其它无人机的当前位置状态和预测轨迹。
[0021]可选的，上述求解上述目标无人机的目标函数，获取上述目标无人机的最优末端状态，并基于上述目标状态约束运动基元采样模型和上述无人机运动模型获取上述目标无人机对应的目标飞行轨迹，包括：
[0022]基于并行粒子群算法对上述目标函数进行迭代求解，获取上述目标无人机在当前滚动预测时域内对应的最优末端状态，其中，上述并行粒子群算法中每个粒子为上述目标无人机的一个候选末端状态；
[0023]基于上述最优末端状态、上述目标状态约束运动基元采样模型和上述无人机运动模型获取上述目标无人机在当前滚动预测时域内对应的目标飞行轨迹。
[0024]可选的，上述基于并行粒子群算法对上述目标函数进行迭代求解，获取上述目标无人机在当前滚动预测时域内对应的最优末端状态，包括：
[0025]基于并行粒子群算法对上述目标函数进行g次迭代求解，获得上述目标无人机在当前滚动预测时域内对应的最优末端状态，在迭代求解的过程中，第1次迭代时使用的各上述其它无人机的预测轨迹是基于预设的初始加加速度值获得的，第h次迭代时使用的各上述其它无人机的预测轨迹是根据各上述其它无人机第h
‑
1次迭代后的末端状态获得的，g为预设的迭代次数，h大于1且不大于g。
[0026]可选的，上述方法还包括：
[0027]基于获取的上述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，在当前滚动控制时域内对上述目标无人机进行控制，上述当前滚动控制时域小于上述当前滚动预测时域。
[0028]本专利技术第二方面提供一种多无人机轨迹规划装置，上述装置用于对多无人机集合中的每一架无人机分别进行轨迹规划，其中，上述装置包括：
[0029]无人机运动模型建立模块，用于建立无人机运动模型，其中，上述无人机运动模型用于基于输入量获取无人机的状态量；
[0030]目标状态约束运动基元采样模型获取模块，用于获取目标状态约束运动基元采样模型，其中，上述状态约束运动基元采样模型用于基于给定的初始状态和末端状态获取无人机的状态约束运动基元；
[0031]目标函数构建模块，用于对于上述多无人机集合中的任一目标无人机，构建上述目标无人机的轨迹对应的目标函数，其中，上述目标函数中包括飞行安全约束和目标点距离优化约束，上述飞行安全约束用于限定上述目标无人机与障碍物之间的距离，上述障碍物包括环境障碍物和上述多无人机集合中除上述目标无人机以外的其它无人机；
[0032]目标函数求解模块，用于求解上述目标无人机的目标函数，获取上述目标无人机在当前滚动预测时域内的最优末端状态，并基于上述目标状态约束运动基元采样模型和上述无人机运动模型获取上述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，其中，上述目标飞行轨迹包括一组状态量。
[0033]本专利技术第三方面提供一种无人机，其中，多个上述无人机构成一个多无人机集合，上述多无人机集合中的各上述无人机分别基于上述任意一种多无人机轨迹规划方法进行轨迹规划。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多无人机轨迹规划方法，其特征在于，所述方法用于对多无人机集合中的每一架无人机分别进行轨迹规划，所述方法包括：建立无人机运动模型，其中，所述无人机运动模型用于基于输入量获取无人机的状态量；获取目标状态约束运动基元采样模型，其中，所述状态约束运动基元采样模型用于基于给定的初始状态和末端状态获取无人机的状态约束运动基元；对于所述多无人机集合中的任一目标无人机，构建所述目标无人机的轨迹对应的目标函数，其中，所述目标函数中包括飞行安全约束和目标点距离优化约束，所述飞行安全约束用于限定所述目标无人机与障碍物之间的距离，所述障碍物包括环境障碍物和所述多无人机集合中除所述目标无人机以外的其它无人机；求解所述目标无人机的目标函数，获取所述目标无人机在当前滚动预测时域内的最优末端状态，并基于所述目标状态约束运动基元采样模型和所述无人机运动模型获取所述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，其中，所述目标飞行轨迹包括一组状态量。2.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述无人机运动模型为模型预测控制运动模型。3.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述无人机运动模型的输入量为无人机的加加速度，所述状态量包括无人机的位置、速度和加速度，所述状态约束运动基元为无人机的加加速度。4.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述获取目标状态约束运动基元采样模型，包括：获取待训练的状态约束运动基元采样模型；获取训练数据，基于所述训练数据对所述待训练的状态约束运动基元采样模型进行离线动态规划迭代训练，获取训练后的状态约束运动基元采样模型并作为目标状态约束运动基元采样模型。5.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述目标函数中还包括能耗优化约束，所述能耗优化约束用于限定所述目标无人机的轨迹对应的能耗。6.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，在所述构建所述目标无人机的轨迹对应的目标函数之前，所述方法还包括：基于双目相机获取环境点云信息；基于所述环境点云信息获取欧式距离场地图，其中，所述欧式距离场地图中任意栅格中存储了该栅格到最近环境障碍物的欧式距离信息。7.根据权利要求6所述的多无人机轨迹规划方法，其特征在于，所述飞行安全约束包括环境障碍物距离约束和其它无人机距离约束，所述环境障碍物距离约束基于所述欧式距离场地图建立，所述其它无人机距离约束基于所述其它无人机的状态信息建立，其中，所述状态信息包括各所述其它无人机的当前位置状态和预测轨迹。8.根据权利要求7所述的多无人机轨迹规划方法，其特征在于，所述求解所述目标无人机的目标函数，获取所述目标无人机的最优末端状态，并基于所述目标状态约束运动基元采样模型和所述无人机运动模型获取所述目标无人机对应的目标飞行轨迹，包括：
基于并行粒子群算法对所述目标函数进行迭代求解，...
【专利技术属性】
技术研发人员：奚乐乐，丁玉隆，崔金强，尉越，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。