top
请输入关键字
航空航天系程承旗、曲腾腾课题组在室内三维复杂环境下的无人机航迹规划中取得新进展
2022.06.18


航迹规划已经成为无人驾驶飞行器(UAVs)的一个热点问题,特别是在复杂的室内环境中,现有无人机室内航迹规划解决方案因其计算复杂度高、收敛速度慢和飞行航迹差而受到很大限制。此外,由于室内障碍物密度更高,无人机在室内航迹规划过程中经常会陷入局部死区,导致算法死锁,无法获得飞行航迹。

近期,北京大学工学院程承旗、曲腾腾课题组基于地球立体剖分网格GeoSOT-3D理论,建立起一套网格优化的无人机室内航迹规划算法集。该研究成果以“Grid-optimized UAV Indoor Path Planning Algorithms in a Complex Environment”(https://doi.org/10.1016/j.jag.2022.102857)为题于2022年6月9日在中科院1区TOP期刊International Journal of Applied Earth Observation and Geoinformation在线发表。

该研究提出了一套针对室内复杂环境、通过网格优化的无人机航迹规划算法框架(图1),主要包含三个网格优化的核心算法:



图1. 网格优化的无人机室内路径规划算法框架图

 网格优化的室内空域建模(GO-IAM)算法。基于GeoSOT-3D地球立体剖分网格模型,建立起一个增强的室内多层级三维网格空域模型,大大降低空域计算复杂性。

 网格优化的A*航迹规划(GO-APP)算法。以常规室内场景为重点,GO-APP通过采用改进的A*网格算法,增加无人机的飞行约束与代价限制,可快速有效完成建筑物内的航迹规划(图2)。



图2. 多旋翼无人机路径规划结果。(a) 障碍物特殊放置下的路径规划。(b) 障碍物随机放置下的路径规划

 网格优化的局部回溯航迹规划(GO-LBPP)算法。为了解决“死区问题”,GO-LBPP采用局部回溯策略,并改变无人机的视界,在多障碍物的室内场景中实现了有效精确的无人机航迹规划(图3)。




图3. 局部回溯算法成功跳出室内环境中的局部死区。(a) 使用普通路径规划算法造成的死区。(b) 使用GO-LBPP算法的航迹规划结果

在多个无人机室内航迹规划算法的对比实验中,该研究将GO-APP算法与常用的模拟退火、Q-learning、人工势场、遗传算法、粒子群、蚁群等局部/全局规划算法的规划结果进行对比显示,GO-APP算法的航迹规划时间和规划航迹路线长度最短(表1),规划路径更优、可飞行性更高(图3)。而在多障碍物室内环境中采用GO-LBPP算法,则可以顺利解决室内局部死区问题,避免规划航迹的死锁,这是现有其他算法均无法实现的。未来这项工作将继续深入,将算法集与多机协同策略相结合,有望在无人集群协同规划中取得更多进展。




图4. 二维室内环境中不同无人机路径规划算法的规划路径图比较

表1. 二维室内环境中不同无人机路径规划算法的结果比较

北京大学前沿交叉学科研究院博士生韩炳是论文第一作者,北京大学工学院曲腾腾助理研究员是论文通讯作者,北京大学工学院程承旗教授是论文合作作者。上述研究得到了国家重点研发计划、国防基础加强重点项目及国家自然科学基金等资助。