[发明专利]基于防撞与避障的空间机动目标轨迹规划方法

说明书

本发明公开了一种基于防撞与避障的空间机动目标轨迹规划方法，包括以下步骤，S1：UAV在发现障碍物时，建立以障碍物为坐标原点的Oxyz三维空间正交坐标系；S2：根据步骤S1中建立的三维空间正交坐标系，建立三维空间UAV的运动轨迹模型；S3：以障碍物对UAV的预测轨迹与UAV实际轨迹的偏差平方和的二次方根的积分作为UAV的防撞和避障指标参数，计算UAV防撞和避障指标参数；S4：根据步骤S3中计算出来的UAV防撞和避障指标参数，进行空间机动目标的轨迹规划。利用该方法可以使UAV重新规划出运动参数及其轨迹，且重新规划出的运动参数和运动轨迹能够最大程度地防撞与避障，给出防撞和避障效果评价的定量化指标，填补了目前该指标方面的空白。

技术领域

本发明涉及空间机动目标轨迹规划技术领域，尤其涉及基于防撞与避障的空间机动目标轨迹规划方法。

背景技术

在三维空间中可任意运动的无人驾驶飞行器(Unmanned Aerial Vehicle，UAV)或地面无人自动驾驶机动车(统称为UAV)在运动中能依靠传感器探测到其行进轨迹上的障碍物，UAV的机动性能与对手的跟踪性能是在相互竞争和相互促进的过程中不断向前发展的。早期由于UAV机动性能不强，一些简单的运动模型就能够很准确地描述其运动轨迹、速度等参数，并实现精确跟踪。近年来随着UAV机动能力的增强，一些新的目标跟踪理论与技术得到了发展。由探测器获得的信号对UAV的运动模型进行推测，并且选择建立在相应运动模型上的滤波算法，就能对UAV运动的状态向量进行精确估计和预测，从而实现准确跟踪的目的。

对于UAV探测信号直接采样的预处理工作，一般包括平滑、滤波等；对UAV的运动特性进行建模主要是用运动方程来描述目标的运动方式，运动模型准确与否，对随后UAV目标跟踪处理的精确度起着至关重要的作用。对于非机动目标，其运动特性可以用匀速、匀变速等线性模型来描述，在这种情况下UAV目标的机动性非常小，通常是作为噪声对待的；而随着UAV目标机动能力的增强，UAV目标的运动特性呈现出非线性特性，如果仍然按照线性运动模型来描述非线性运动的目标，就会产生很大的误差。对于大机动飞行目标的探测系统，要求具备机动性检测机制，用以感知目标机动性的变化情况，在此基础上建立合理的机动运动模型，并对运动参数进行不断的修正，以便使运动模型很好地符合实测情况，进而提高后续的目标跟踪准确度。

UAV目标信号探测过程中需要将混有噪声的量测数据经过滤波和预测运算，理想的情况是预先掌握了目标的运动模型，如果目标运动模型未知，则可根据目标状态的最优估计信息，实现对UAV运动目标的跟踪。在UAV目标做非机动运动的情况下，适用的滤波跟踪算法有α-β、α-β-γ、Kalman(卡尔曼)以及线性自回归滤波等线性滤波算法；对于UAV目标的非线性大机动性运动，如果再利用线性滤波器进行滤波处理将会使跟踪系统的性能变差，对于那些具有很大非线性特性的目标，甚至可能发生滤波发散的情况。为此，研究人员相继提出和改进了一些非线性滤波算法，如EKF(Expanded Kalman Filter，扩展卡尔曼滤波)、UKF(Unscented Kalman Filter，无迹卡尔曼滤波器)、PF(Particle Filter，粒子滤波)等。从滤波跟踪算法的发展历程可以看出，由于UAV目标机动性增强以及噪声环境的复杂性，滤波跟踪算法逐渐从线性算法、高斯分布噪声向非线性算法、非高斯分布噪声发展，以适应目标运动的非线性、非高斯噪声环境等情况。

截至目前，已有的研究工作主要是对于非机动性或机动性目标的探测、滤波、预测和跟踪的计算方法，而对于防撞和避障的定量化指标，尚未见到文献报道。

发明内容

针对上述存在的问题，本发明旨在提供一种基于防撞与避障的空间机动目标轨迹规划方法，利用该方法可以使UAV重新规划出运动参数及其轨迹，且重新规划出的运动参数和运动轨迹能够最大程度地防撞与避障，给出防撞和避障效果评价的定量化指标，填补了目前该指标方面的空白。

为了实现上述目的，本发明所采用的技术方案如下：

基于防撞与避障的空间机动目标轨迹规划方法，其特征在于，包括以下步骤，