一种基于人工势场的无人机避障方法

技术领域

本发明涉及一种无人机的避障方法，具体涉及一种基于人工势场的无人机避障方法。

背景技术

目前的避障算法分为两大类，以A*算法为代表的全局路径规划的算法，和以人工势场法为例的局部避障算法。两种算法各有优劣，A*算法可以求得全局最优解从而避免无人机陷入局部最优解，但是A*算法需要提前获知整个地图的信息且算法随着地图的增大解算时间也会延长；而人工势场法可以快速针对障碍物位置信息做出响应，方法可靠性高，不依赖环境的先验信息和障碍物形状，不受障碍物的外形影响，但是会陷入局部最优；具体来说，人工势场法的基本原理，在飞行过程中生成虚拟的两个势力场：引力场(重力势能场)，斥力场(电势场)。然后，在两个势力场联合的作用下，根据各个势力场的模型不同产生不同的作用力。

传统的人工势场法是根据受力产生特定的搜索方向，进而按照特定的步长进行路径规划，最后进行轨迹跟踪设计。

由于上述原因，本发明人对现有的人工势场的无人机避障方法做了深入研究，以期待设计出一种能够解决上述问题的新的避障方法。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一种基于人工势场的无人机避障方法，该方法中直接将作用力作用在无人机上，根据势场之间的作用力计算无人机的受力情况。由于是直接作用力，所以无需考虑后续的轨迹跟踪方式，而且在避障阶段的斥力场生成方式上考虑到了无人机当前时刻的速度，因此对于无人机的速度要求比较小。只有当无人机在末端减速范围内才会限制无人机的速度和加速度，满足无人机到达的需要；该方法主要针对较高速飞行情况下简单障碍物的避障。另外，由于可能存在引力和斥力彼此抵消的情况，所以该方法中还额外设置横向避障控制力，从而避免局部最小值对无人机避障的不良影响，使得无人机能够安全、及时地避开障碍物，到达目标位置，从而完成本发明。

具体来说，本发明的目的在于提供以一种基于人工势场的无人机避障方法，该方法包括如下步骤：

步骤1，通过安装在无人机上的探测器实时探测障碍物的位置；

步骤2，通过螺旋桨给无人机施加动力来控制无人机飞向目标位置，所述通过螺旋桨施加给无人机的动力等于引力、斥力和横向避障控制力的合力。

其中，通过螺旋桨施加给无人机的动力如下述式(一)所述：

F(X)＝F

其中，F(X)表示通过螺旋桨施加给无人机的动力，

F

F

F

其中，目标点作用在无人机上的引力F

其中，v表示无人机的当前速度，k

k表示引力正比例位置增益系数，

X

X表示无人机所在的位置，

ρ(X,X

其中，障碍物作用在无人机上的斥力F

其中，F

η表示斥力正比例位移增益系数，

ρ

ρ

N表示障碍物的总数量。

其中，所述斥力正比例位移增益系数η通过下式(五)获得：

L表示无人机和障碍物连线的径向方向允许的最小距离；

其中，横向避障控制力F

d表示无人机和障碍物连线法向方向允许的最小距离；

其中，横向避障控制力F

其中，

本发明所具有的有益效果包括：

(1)根据本发明提供的基于人工势场的无人机避障方法能够有效避免局部最小值的出现，提升了在速度方向与障碍物方向重合情况下的避障效果；

(2)根据本发明提供的基于人工势场的无人机避障方法，在斥力作用场范围内，通过能量转换关系，计算无人机的斥力场势场模型来保证无人机和障碍物之间的最小距离，增加最小的安全偏移力，使得避障效率进一步提升从而保障无人机的安全性；

附图说明

图1示出根据本发明一种无人机避障控制流程图；

图2示出根据本发明实验例中得到的无人机运动轨迹示意图。

具体实施方式

下面通过附图和实施例对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

假设在理想环境下，障碍物周围存在斥力场，能够排斥无人机，目标周围存在引力场，能够吸引无人机，无人机在引力场和斥力场的共同作用下，且假设无人机只受到引力和斥力，则无人机会飞行目标，并且在此过程中避开障碍物位置，实现完美的避障飞行，所以在真实的环境中，如果能够实时给无人机提供与上述引力斥力的合力相等的作用力，无人机自然也能够实现完美的避障飞行，基于这样的理论研究，进行无人机避障方法设置。

根据本发明提供的一种基于人工势场的无人机避障方法，该方法中模拟出目标点的引力场，模拟出障碍物的斥力场，根据目标点产生的引力、障碍物产生的斥力和额外提供的横向避障控制力来设置无人机的控制力，从而使得无人机在飞向目标位置的同时避开障碍物，并且防止无人机落入到局部最小值的困境中。

优选地，该方法包括如下步骤：

步骤1，通过安装在无人机上的探测器实时探测障碍物的位置；所述探测器具体包括雷达探测器，红外感应探测器，超声波探测器，激光距离感应器，双目视觉探测器中的一种或多种。

步骤2，通过螺旋桨给无人机施加动力控制无人机飞向目标位置，通过螺旋桨施加给无人机的动力等于引力、斥力和横向避障控制力的合力。

具体来说，在步骤2中，所述通过螺旋桨施加给无人机的动力如下述式(一)所述：

F(X)＝F

其中，F(X)表示通过螺旋桨施加给无人机的动力，

F

F

F

在一个优选的实施方式中，所述目标点作用在无人机上的引力F

v表示无人机的当前速度，k

其中，k表示引力正比例位置增益系数，其取值为k＝5；ρ(X,X

在一个优选的实施方式中，所述障碍物作用在无人机上的斥力F

其中，F

当障碍物有多个时，作用在无人机上的总斥力为所有障碍物对应的F

其中，N表示障碍物的总数量。

优选地，所述斥力正比例位移增益系数η通过下式(五)获得：

其中ρ

优选地，通过探测器探测到障碍物位置时，也同时获得障碍物的轮廓大小，从而能够解算出该障碍物对应的ρ

在一个优选的实施方式中，所述横向避障控制力F

其中，d表示无人机和障碍物连线法向方向允许的最小距离，取值和障碍物的大小有关，本申请中优选地取值为1，单位是米；当F

其中，

通过设置上述横向避障控制力能够在无人机执行避障作业时提供横向力，以避免局部最小值的情况出现，同时通过施力时间及施力大小的设定，为无人机提供刚好能够满足避障要求的最小横向避障控制力。

本申请中，在无人机在临近目标5m的范围内时，通过增加速度的负反馈，降低无人机的速度，以便于无人机能够稳定地停止在目标位置。

实验例：

认为无人机的避障是在恒定的高度上进行的，因此可以简化为2D模型，无人机从起点位置(0,0)处起飞，飞向坐标为(0,30)的目标位置，在飞行路径中设置以(0,15)为圆心，以0.3m为半径的圆形障碍物；

通过本申请中方法控制该无人机，具体控制过程如下：

通过F(X)＝F

其中，F

F

F

引力场正比例位置系数k＝5，速度反馈增益系数为1.05，ρ

根据实际无人机飞行情况中实时反馈的无人机的速度计算处斥力场系数的η以及F

由于解算出来的控制量为无人机加速度控制量，通过姿态解算转换成无人机姿态角的控制量，再通过无人机的姿态控制回路最终实现设计量对无人机的控制，最终得到无人机的飞行轨迹如图2中所示。

通过本实验例可知，本申请提供的方法能够直接将控制量传递给无人机，减少了路径规划的过程，是对控制算法的直接求解，大大提高了控制算法的解算频率。该算法控制量的生成考虑无人机的速度，提高了在这种简单障碍物场景中无人机避障的速度。

以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。