基于改进三维制造技术

本发明专利技术涉及一种基于改进三维

【技术实现步骤摘要】
基于改进三维D Lite算法的无人机路径优化方法


[0001]本专利技术属于移动机器人领域，涉及基于改进三维
D Lite
算法的无人机路径优化方法
。

技术介绍

[0002]基于几何学的方法很容易转换到三维动态空域，其有计算开销小的优点
。
在几何栅格法中
A*
算法作为一种利用估价函数遍历当前节点的非障碍邻居来寻找最短路径的启发式算法，具有简单
、
易操作
、
准确度高等优点
。
但
A*
算法计算所得到的路径实际上是所给地图模型下离散单元的最短路径，与实际最优路径存在较大差异
。
此外，
A*
在动态环境的避障效率不高，其在地图改变后需要完全从新开始规划路径
。2002
年
Sven Koenig
和
Maxim Likhachev
在
A*
和
LPA*
算法基础上提出了动态路径规划算法
D Lite
算法，主要用于机器人探路
。
当环境发生变化再次寻路时，
D Lite
不用直接完全重新计算，而是把上次寻路的数据利用起来，进行快速寻路，因此它可以应用于机器人在未知环境中的动态寻路
。2011
年，
MellingerD
和
Kumar V
在其发表的论文中将无人机运动的状态空间从/>12
维状态空间经过代数变换转化为了4维状态空间，因此无人机的运动规划与建模从复杂的
12
维状态空间转换到了四维状态空间，大大减少了无人机问题求解的难度
。
在此基础上，可以选取多项式插值法来对无人机的轨迹生成问题求解
。
其是利用函数在某区间中已知的若干点的函数值，做出适当的特定多项式函数，在区间的其他点上用这特定函数的值作为函数的近似值，这种方法称为多项式插值法
。
结合多项式插值函数与无人机实际运行情况可将轨迹生成问题建模为一个带有约束条件的
QP
优化问题
。
通过求解即可获得所需无人机轨迹
。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于改进三维
D Lite
算法的无人机路径优化方法
。
首先，将
D*Lite
算法扩展到三维空间，并采用最小二进制堆的数据结构模型来优化算法的优先级队列；其次，在三维化算法的基础上，引入一种
‘
路径节点优化策略
’
，对三维
D Lite
生成的路径节点进行优化；然后考虑了无人机运动规划可转化为一种四维度平坦输出空间进行计算，对
S2
步骤中获得的路径节点进行插值操作
。
最后结合
Minimum Snap
的七阶多项式插值法，在满足轨迹无碰撞约束的前提下对路径进行平滑处理，以生成在各插值点的位置
、
速度
、
加速度
、jerk
等连续的无人机可运行轨迹
。
[0004]为达到上述目的，本专利技术提供如下技术方案：
[0005]基于改进三维
D Lite
算法的无人机路径优化方法，包括以下步骤：
[0006]S1
，将
D*Lite
算法扩展到三维空间，并采用最小二进制堆的数据结构模型来优化算法的优先级队列；
[0007]S2
，在
S1
三维化算法的基础上，引入一种
‘
路径节点优化策略
’
，对三维
D Lite
生成的路径节点进行优化；
[0008]S3
，考虑无人机运动规划可转化为一种四维度平坦输出空间进行计算，对
S2
步骤
中获得的路径节点进行插值操作
。
[0009]S4
，结合
Minimum Snap
的七阶多项式插值法，在满足轨迹无碰撞约束的前提下对路径进行平滑处理，以生成在各插值点的位置
、
速度
、
加速度
、jerk
等连续的无人机可运行轨迹；
[0010]具体来说，对于
S1
步骤与
S2
步骤，其主要是将二维的
D Lite
算法扩展到三维空间的体素栅进行寻路，并根据三维化所产生的运行效率变低，路径质量变差等问题，对算法进行了相应的改进
。
[0011]首先，将二维的
D Lite
算法扩展到三维体素栅格空间进行寻路
。
步骤如下：
[0012]S101
构建路径规划算法寻路使用的三维栅格体素环境
。
[0013]S102
将原为传统二维路径规划算法的
D Lite
算法，根据三维空间的寻路特点，将搜索方向从原始的平面八方向邻居节点扩展到三维空间的
26
方向邻居节点；
[0014]S103
在邻居节点扩展完成后，根据
S101
步骤建立的三维栅格地图，检测这些邻居节点是否为障碍物
。
对于不是障碍物节点的邻居节点赋予对应的位置数值
。
[0015]S103
在邻居节点扩展完成后，根据
S101
步骤建立的三维栅格地图，检测这些邻居节点是否为障碍物
。
对于不是障碍物节点的邻居节点赋予对应的
g
值与
rhs
值，其表达式如下所示：
[0016][0017][0018]S104
在障碍物检测的过程中要在注意三维环境中，体素栅格间的路径连线会存在从两个及以上的障碍物间穿过的现象，此类有
27
种情况，需要在
S103
检测过后，再依次进行对照排除，以保证在三维空间中生成的路径是安全无碰撞路径
。
[0019]S105
扩展节点以及障碍物检测结束后将对应节点放入优先级队列中
。
[0020]其次，针对三维化所产生的运行效率变低问题，本专利技术对算法的优先级队列的数据存储结构进行了改进
。
具体地，使用最小二进制堆对原始的的优先级队列进行数据存储结构的改进，其具有以下特点；
[0021](1)
是基于最小二进制堆构建的优先级数据结构；
[0022](2)
本质是一种使用数组存储的队列；
[0023](3)
这种数据结构保证了数组首位为最小的关键值，所以获取其最小关键值的时间复杂度仅为
O(1)。...

【技术保护点】

【技术特征摘要】
1.
基于改进三维
D Lite
算法的无人机路径优化方法，其特征在于：该方法包括以下步骤：
S1
：将
D Lite
算法扩展到三维空间，并采用最小二进制堆的数据结构模型来优化算法的优先级队列；
S2
：在
S1
三维化算法的基础上，引入路径节点优化策略，对三维
D Lit
e
生成的路径节点进行优化；路径节点优化策略具体为：
S201
：根据
D Lite
算法的路径生成的规则，由起点开始依次连接父节点直至到达终点节点而形成的一条链式路径搜索节点集合
pathlist
＝＜
S
start
,S1，
S2，
S3，
S4，
S
goal
>
，其中
S
start
与
S
goal
分别为起点与终点，中间下标为数字的是路径途径的节点；
S202
：从
S
start
开始对
pathlist
中的两两节点进行可达性测试，直到测试结果为不可达时，更改起始点的父结点指针指向当前测试节点的前一节点；
S203
：从
S
start
开始依次迭代步骤
S202
，直至可达性测试中有节点的父节点指针指向
S
goal
，即表明生成一条由起始点至终点的可通行路径；
S3
：无人机运动规划转化为一种四维度平坦输出空间进行计算，对
S2
中获得的路径节点进行插值操作；
S4
：结合
Minimum Snap
的七阶多项式插值法，在满足轨迹无碰撞约束的前提下对路径进行平滑处理，生成在各插值点的位置
、
速度
、
加速度和
jerk
连续的无人机可运行轨迹
。2.
根据权利要求1所述的基于改进三维
D Lite
算法的无人机路径优化方法，其特征在于：所述
S1
具体包括以下步骤：
S101
：根据无人机飞行特点，构建路径规划算法寻路使用的三维的栅格体素环境；
S102
：将原为传统二维路径规划算法的
D Lite
算法，根据三维空间的寻路特点，将搜索方向从原始的平面八方向邻居节点扩展到三维空间的
26
方向邻居节点；
S103
：在邻居节点扩展完成后，根据
S101
建立的三维栅格地图，检测这些邻居节点是否为障碍物；对于不是障碍物节点的邻居节点赋予对应的位置数值；
S103
：在邻居节点扩展完成后，根据
S101
建立的三维栅格地图，检测这些邻居节点是否为障碍物；对于不是障碍物节点的邻居节点赋予对应位置值；
S104
：在
S103
检测过后，依次进行对照排除，以保证在三维空间中生成的路径是安全无碰撞路径；
S105
：扩展节点以及障碍物检测结束后将对应节点放入优先级队列中
。3.
根据权利要求1所述的基于改进三维
D Lite
算法的无人机路径优化方法，其特征在于：所述
S1
中，三维化
D Lite
算法的优先级队列的特征为：是基于最小二进制堆构建的优先级数据结构；是一种使用数组存储的队列；其数据结构保证数组首位为最小的关键值，获取其最小关键值的时间复杂度仅为
O(1)。4.
根据权利要求1所述的基于改进三维
D Lite
算法的无人机路径优化方法，其特征在于：所述
S202
中，使用两节点可达性测试其特征如下：
(1)
继承关系的改变，两节点间若有符合测试的则将两者关系改为直接继承关系，则中
间的冗余节点即被删除，若无则表明两节点之间有障碍物阻挡；
(2)
通过视线检测算法
LOS
实现检测两节点间有无障碍物；
(3)
在二维视线检测算法的基础上加入一种空间采样策略进行改进，使改进后的视线检测算法实现在三维空间的检测
。5.
根据权利要求1所述的基于改进三维
D Lite
算法的无人机路径优化方法，其特征在于：所述
S3
中，对改进算法生成的路径进行插值操作具体为：
S301
：考虑无人机的全状态空间为
12
维，如下公式所示，分别代表位置
、
欧拉角
、
速度和角速度；式中，式中三个参数一组，
x
，
y
，
z
分别代表无人机在世界坐标系中的
x
轴，
y
轴和
z
轴的位置，
φ
，
θ
，
ψ

【专利技术属性】
技术研发人员：李艳生，张静琦，杨美美，杨涛，何琳，张毅，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：