一种基于A星算法的河道巡检无人机路径规划方法技术

本发明专利技术公开了一种路径规划技术领域的基于A星算法的河道巡检无人机路径规划方法，旨在解决现有技术中无人机巡检过程中飞行受环境中障碍物影响等问题，其包括根据传感器采集到的环境信息，通过栅格法构建地图模型；建立OPEN列表和CLOSE列表；将起始节点放入OPEN列表中，比较与当前节点相邻的8个邻域节点的代价值，代价值最小的邻域节点作为下一节点，并将当前节点放入CLOSE列表，下一节点放入OPEN列表；若OPEN列表不为空，将下一节点作为当前节点，重新操作，直至下一节点为目标节点，输出路径。本发明专利技术可以在实现有效选择最佳路径的同时节省搜索时间，提升无人机作业安全性。提升无人机作业安全性。提升无人机作业安全性。

【技术实现步骤摘要】
一种基于A星算法的河道巡检无人机路径规划方法


[0001]本专利技术涉及一种基于A星算法的河道巡检无人机路径规划方法，属于路径规划


技术介绍

[0002]全国水利普查结果显示，我国流域面积在50平方公里以上的河流有45203条，总长度达43万公里，大约绕地球赤道10.6圈。水利部在2012年发布的水利普查情况公报中透露，原本预计两年的普查，最终耗时3年才得以顺利完成，总共动用了近百万普查人员，采集了4亿多条普查数据。
[0003]由于人工巡查的成本过高，且危险系数太大，因此随着技术的发展，无人机取代人工进行各行业的巡查工作已成为必然趋势。在无人机执行任务时，不得不考虑环境等外界因素，环境中障碍物的数量影响着无人机飞行的时间和路径，如何从复杂的环境中找到一条可通往目标点的路线及其重要。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种基于A星算法的河道巡检无人机路径规划方法，可以在实现有效选择最佳路径的同时节省搜索时间，提升无人机作业安全性。
[0005]为达到上述目的，本专利技术是采用下述技术方案实现的：一种基于A星算法的河道巡检无人机路径规划方法，包括以下步骤：
[0006]S1、根据传感器采集到的环境信息，通过栅格法构建地图模型，其中，所述地图模型中每个栅格均作为一个节点，无人机起点所在栅格为起始节点，无人机终点所在栅格为目标节点。
[0007]S2、建立OPEN列表和CLOSE列表。
[0008]S3、将起始节点作为当前节点放入OPEN列表中，比较与当前节点相邻的8个邻域节点的代价值，代价值最小的邻域节点作为下一节点，并将当前节点放入CLOSE列表，下一节点放入OPEN列表。
[0009]S4、若OPEN列表不为空，将下一节点作为当前节点，重复S3操作，直至下一节点为目标节点，输出路径。
[0010]进一步的，所述传感器包括激光雷达测距仪和惯性测量单元，所述激光雷达测距仪用于对环境信息进行采集，所述惯性测量单元用于记录无人机机体信息。
[0011]进一步的，所述环境信息包括障碍物、起点和目标点信息，所述无人机机体信息包括机体形状、机体体积和姿态角。
[0012]进一步的，通过栅格法构建地图模型，包括：
[0013]根据传感器采集到的环境信息，将环境空间划分为一定数量的栅格单元。
[0014]对栅格单元进行赋值，其中，1表示有障碍物，0表示无障碍物。
[0015]进一步的，所述地图模型构建完成后还需对其进行预处理，所述预处理包括障碍物预处理和机体膨胀预处理。
[0016]所述障碍物预处理，包括对凹形障碍物的凹面所在栅格进行封闭处理。
[0017]所述机体膨胀预处理，包括放大无人机模型体积，使得无人机模型体积大于无人机体积。
[0018]进一步的，所述下一节点为未放入过OPEN列表的节点。
[0019]进一步的，所述代价值由启发函数计算得出，所述启发函数公式为：
[0020]f(n)＝g(n)+h(n)
[0021]其中，n为当前节点，f(n)为当前节点的总代价值，g(n)为从起始节点到当前节点的实际代价值，h(n)为从当前节点到目标节点的预估代价值。
[0022]进一步的，h(n)采用曼哈顿距离函数进行计算，所述曼哈顿距离函数的表达式为：
[0023]h(n)＝M(x)＝|x1‑
x2|+|y1‑
y2|
[0024]其中，(x1,y1)为当前节点的坐标，(x2,y2)为目标节点的坐标。
[0025]进一步的，为增强h(n)的启发性，对邻域节点计算代价值的顺序进行优先级分配，包括：
[0026]设从起始节点到目标节点的搜索向量为从起始节点到邻域节点的移动向量为移动向量为与之间的夹角记为θ，对于θ值小的领域节点先进行代价值的计算。
[0027]与现有技术相比，本专利技术所达到的有益效果：
[0028]本专利技术通过栅格法建立地图模型，建立速度快，在A星算法中加入了优先级策略，通过对节点规定优先级来优化路径选择，提升了处理速度以及节点的平滑度；
[0029]本专利技术在开始对地图模型进行预处理，进一步提升了搜索时间，同时对机体进行体积膨胀处理，保证了无人机作业的安全。
附图说明
[0030]图1为本专利技术的一种实施例中基于A星算法的河道巡检无人机路径规划方法的流程示意图；
[0031]图2为本专利技术的一种实施例中基于A星算法的河道巡检无人机路径规划方法的地图模型示意图；
[0032]图3为本专利技术的一种实施例中基于A星算法的河道巡检无人机路径规划方法的障碍物预处理的演示示意图；
[0033]图4为本专利技术的一种实施例中基于A星算法的河道巡检无人机路径规划方法的机体膨胀预处理的演示示意图；
[0034]图5为本专利技术的一种实施例中基于A星算法的河道巡检无人机路径规划方法的向量夹角的演示示意图；
[0035]图6为本专利技术的一种实施例中基于A星算法的河道巡检无人机路径规划方法的曼哈顿距离函数的演示示意图。
具体实施方式
[0036]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0037]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0038]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本专利技术中的具体含义。
[0039]实施例1：
[0040]如图1所示，本专利技术实施例提供一种A星算法的河道巡检无人机路径规划方法，包括以下步骤：
[0041](1)传感器采集环境信息，传感器可选择激光雷达测距仪和惯性测量单元，激光雷达测距仪对障碍物、起点和目标点等环境信息进行采集，同时配合惯性测量单元对机体形状、机体体积和姿态角等机体信息进行记录。
[0042]通过栅格法构建地图模型，选择一定形状的多边形将二维地图分割为独立的单元格，每个单元格之间相互连接且不重叠，每个单元格称为栅格，栅格划分的越小，地图信息越精确，但是相对的搜索时间也越长，所以应选择合适大小的栅格。
[0043]对栅格进行赋本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于A星算法的河道巡检无人机路径规划方法，其特征在于，包括以下步骤：S1、根据传感器采集到的环境信息，通过栅格法构建地图模型，其中，所述地图模型中每个栅格均作为一个节点，无人机起点所在栅格为起始节点，无人机终点所在栅格为目标节点；S2、建立OPEN列表和CLOSE列表；S3、将起始节点作为当前节点放入OPEN列表中，比较与当前节点相邻的8个邻域节点的代价值，代价值最小的邻域节点作为下一节点，并将当前节点放入CLOSE列表，下一节点放入OPEN列表；S4、若OPEN列表不为空，将下一节点作为当前节点，重复S3操作，直至下一节点为目标节点，输出路径。2.根据权利要求1所述的基于A星算法的河道巡检无人机路径规划方法，其特征在于，所述传感器包括激光雷达测距仪和惯性测量单元，所述激光雷达测距仪用于对环境信息进行采集，所述惯性测量单元用于记录无人机机体信息。3.根据权利要求2所述的基于A星算法的河道巡检无人机路径规划方法，其特征在于，所述环境信息包括障碍物、起点和目标点信息，所述无人机机体信息包括机体形状、机体体积和姿态角。4.根据权利要求1所述的基于A星算法的河道巡检无人机路径规划方法，其特征在于，通过栅格法构建地图模型，包括：根据传感器采集到的环境信息，将环境空间划分为一定数量的栅格单元；对栅格单元进行赋值，其中，1表示有障碍物，0表示无障碍物。5.根据权利要求4所述的基于A星算法的河道巡检无人机路径规划方法，其特征在于，...

【专利技术属性】
技术研发人员：倪世松，张涛，杨惠杰，王梦磊，沈剑，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：