[发明专利]一种基于改进A星算法的无人机轨迹规划方法

权利要求书

1.一种基于改进A星算法的无人机轨迹规划方法，其特征在于：包括如下步骤：

步骤S10、在地图上设定一起始点以及一目标点，基于所述起始点以及目标点进行随机采样得到采样点；

步骤S20、创建一采样树，基于所述采样点对采样树进行扩展；

步骤S30、计算扩展后的所述采样树的节点距离，基于所述节点距离得到节点距离矩阵；

步骤S40、利用A星算法以及所述节点距离矩阵进行最短路径搜索，完成无人机轨迹规划；

所述步骤S10具体为：

获取地图，在地图上设定一起始点以及一目标点，设定一随机采样概率p，0＜p＜1；

基于所述起始点、目标点以及随机采样概率p进行带目标点趋向性的随机采样，得到采样点X_sample；

所述随机采样过程中，有1-p的概率采样到目标点；

所述步骤S20具体包括：

步骤S21、创建一具有n个节点、n(n-1)/2条边的采样树，设节点X_start为所述采样树的根节点，n为正整数；

步骤S22、依次计算所述采样树中各节点与采样点X_sample的距离，选取出距离最短的节点X_near；

步骤S23、从节点X_near向采样点X_sample方向扩展步长L，得到新节点X_new，并将所述新节点X_new添加至采样树上，完成采样树的扩展；其中，L为正数；

所述步骤S30具体包括：

步骤S31、连接所述新节点X_new与采样树上的其他各节点，判断中间是否存在障碍，若是，则将对应的节点距离标记为正无穷，并进入步骤S32；若否，则计算节点距离，并进入步骤S32；

步骤S32、将各所述节点距离以矩阵的形式进行记录，得到节点距离矩阵；

步骤S33、判断所述目标点是否处于采样树上，若是，则进入步骤S40；若否，则进入步骤S10。

2.如权利要求1所述的一种基于改进A星算法的无人机轨迹规划方法，其特征在于：所述步骤S40具体包括：

步骤S41、创建一OPEN表以及一CLOSE表，将所述采样树的各节点添加进OPEN表中；

步骤S42、利用代价函数依次计算所述OPEN表中的各节点的总代价f(n)；

f(n)＝g(n)+h(n)；

其中g(n)表示起始点到第n个节点的实际代价；h(n)表示第n个节点到目标点的估计代价，取值为第n个节点到目标点的欧氏距离；所述节点X_start的g(n)取值为0；

步骤S43、从所述OPEN表中选取总代价f(n)最小的节点X_i，并将所述节点X_i从OPEN表移动至CLOSE表；

步骤S44、判断所述节点X_i是否为目标点，若是，则由节点X_i向前连接每一个节点以及对应的父节点，得到最短路径，完成无人机轨迹规划；若否，则进入步骤S45；

步骤S45、基于所述节点距离矩阵找到与节点X_i连线无障碍的无障碍节点，判断所述无障碍节点是否存在于CLOSE表中，若是，则忽略所述无障碍节点，并进入步骤S43；若否，则进入步骤S46；

步骤S46、判断所述无障碍节点是否存在于OPEN表中，若是，则重新计算所述无障碍节点的总代价f(n)，更新父节点为节点X_i，并进入步骤S43；若否，则进入步骤S47；

步骤S47、判断所述OPEN表是否为空，若是，则结束流程；若否，则进入步骤S43。