[发明专利]一种基于改进A星算法的无人机轨迹规划方法

说明书

本发明提供了无人机智能控制技术领域的一种基于改进A星算法的无人机轨迹规划方法，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。本发明的优点在于：实现性能有限的无人机的轨迹规划。

技术领域

本发明涉及无人机智能控制技术领域，特别指一种基于改进A星算法的无人机轨迹规划方法。

背景技术

轨迹规划是无人机实现自主飞行的关键，良好的轨迹规划算法有助于无人机以较小的代价完成既定任务，同时保证无人机机体的安全性，避免碰撞事故的发生。

A星算法(A-Star算法/A*算法)是一种有效的启发式搜索算法，在二维路径搜索中能够得到最优路径。传统上，利用A星算法进行无人机轨迹规划，需要对地图进行栅格化处理转化为栅格网络，再遍历搜索栅格网络中的各节点，通过代价函数选取出最优轨迹。

但是，传统的方法在遍历搜索过程中，需要不断将新节点添加进未搜索列表里，将已经搜索过的节点添加进已搜索列表里，而将整个地图栅格化会得到大量的节点，需要占用大量的内存空间以及算力，导致该方法难以应用于性能较低的无人机。

因此，如何提供一种基于改进A星算法的无人机轨迹规划方法，实现在性能有限的无人机上进行轨迹规划，成为一个亟待解决的问题。

发明内容

本发明要解决的技术问题，在于提供一种基于改进A星算法的无人机轨迹规划方法，实现在性能有限的无人机上进行轨迹规划。

本发明是这样实现的：一种基于改进A星算法的无人机轨迹规划方法，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。

进一步地，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。

进一步地，所述步骤S30具体包括：