[发明专利]基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法

说明书

本发明公开了一种基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法，包括步骤：1)通过对比超声波传感器及激光传感器，选定合适的测距传感器用于测量无人机周围障碍物的距离与方向，构建飞行环境的全局地图；2)根据全局地图，利用Dijkstra方法规划多条旋翼无人机飞行的可行路径；3)对传统的粒子群算法进行改进，采用改进后的粒子群优化算法搜索全局最优路径，并生成最优路径图；本发明通过激光传感器检测环境并构建全局地图，将Dijkstra和改进的粒子群优化算法结合起来，搜寻出利于旋翼无人机飞行的全局最优路径，有效实现无人机的路径规划功能，从而使得旋翼无人机精确避障，安全飞行。

技术领域

本发明涉及消费级无人机安全飞行的技术领域，尤其是指一种基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法。

背景技术

随着科学技术和经济水平的提高，旋翼无人机已广泛应用于各个领域。除早期军事勘察外，无人机现已广泛应用于影视航拍，地质勘探，农业灌溉，线路检修，环境监测，森林防火等领域。这些应用对无人机的安全性和可靠性提出了更高的要求。无人机如何通过自主飞行实现避障是当今的研究热点。为了实现避障功能，可以将其分为两个部分，第一步是飞行环境检测，第二步是障碍物躲避。

当前市场用于检测障碍物的测距传感器主要有四类，分别是超声波传感器，红外传感器，激光传感器与视觉传感器。本文利用超声波传感器MB1043与激光传感器TFMini进行对比，找出最适于障碍物检测的测距传感器。

飞行环境检测实现之后，便开始进行路径规划。传统路径规划有多种方法，如栅格法，图搜索法，人工势场法等。本文利用Dijkstra方法，搜索出一条可行路径。但由于初始点的限制，它不一定是全局最优路径。因此，还需使用优化算法来实现全局最优路径搜索。现有的智能算法很多，如遗传算法，蚁群优化，蜂群算法，神经网络，粒子群优化算法等。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法，通过TFMini激光传感器检测环境并构建全局地图，将Dijkstra和改进的粒子群优化算法结合起来，搜寻出利于旋翼无人机飞行的全局最优路径，有效实现无人机的路径规划功能，从而使得旋翼无人机精确避障，安全飞行。仿真结果表明，所提出的旋翼无人机避障策略能够获得理想的全局最优路径，有效实现旋翼无人机的路径规划功能，从而使得旋翼无人机精确避障，安全飞行。

为实现上述目的，本发明所提供的技术方案为：基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法，包括以下步骤：

1)通过对比超声波传感器及激光传感器，选定合适的测距传感器用于测量无人机周围障碍物的距离与方向，构建飞行环境的全局地图；

2)根据全局地图，利用Dijkstra方法规划多条旋翼无人机飞行的可行路径；

3)对传统的粒子群算法进行改进，采用改进后的粒子群优化算法搜索全局最优路径，并生成最优路径图，具体如下：

考虑到传统粒子群算法中，惯性权值的w设定为常数，为了加速粒子群算法的优化速度，更好地收敛于全局最优解，在改进的粒子群算法中，将惯性权值w分别设定了线性衰减函数以及非线性衰减函数：

经典粒子群优化算法的惯性权值：

w＝C

式中，C为常数；

改进后粒子群优化算法的惯性权值：

w＝k*θⁱ

式中，k为比例系数，θ为粒子迭代基数，i为粒子迭代次数；

使用改进的粒子群优化算法在所得的路径树中搜寻全局最优路径为：