一种用于无人机时间最优轨迹的序列凸优化方法及系统

1.本发明涉及无人机路径规划技术领域，具体而言，涉及一种用于无人机时间最优轨迹的序列凸优化方法及系统。


背景技术：

2.随着科技迅速发展，无人机被应用到多种领域，如探索、侦察、搜救。但由于真实环境的复杂性和无人机自身的局限性，传统的轨迹规划难以确保无人机的安全和成功率；为使无人机能快速安全到达目标点执行任务，需要规划出一条无避碰且使得特定性能指标最优的可行路径。
3.针对无人机时间最优轨迹优化问题，现有技术中通常将非凸问题转化为凸问题后，再应用序列凸优化方法实现快速求解。然而，在障碍多的密集复杂环境下难以快速获得可行解，且序列凸优化对初值较为敏感，在复杂环境下可能陷入局部最小值，导致轨迹迭代无法收敛；因此，急需设计一种新的无人机时间最优轨迹优化方法，以解决上述存在的技术问题。


技术实现要素：

4.为了解决上述问题，本发明提供了一种用于无人机时间最优轨迹的序列凸优化方法，包括以下步骤：
5.获取无人机在实际环境中的障碍物信息，构建真实环境栅格图，通过a*算法进行路径规划，生成无人机的路径规划构型空间；
6.采用基于sfc-scp的轨迹序列凸优化算法，以轨迹点间飞行时间作为优化变量，在路径规划构型空间进行搜索，获得一条时间最优的安全飞行轨迹。
7.优选地，响应于真实环境栅格图的构建过程，通过获取无人机初始状态与终端状态，状态与控制约束边界，威胁位置信息，路径离散点，安全飞行走廊边界约束，初始信赖域半径，收敛阈值，建立针对无人机时间最优轨迹优化问题的环境地图，并在环境地图中随机生成障碍物；
8.基于环境地图，根据障碍物信息，构建真实环境栅格图，将地图均匀分成等比例大小的栅格。
9.优选地，响应于通过a*算法进行路径规划的过程，基于环境地图，通过a*算法，获得一条从起点到终点的最短路径，并生成无人机的初始基准轨迹，其中，初始基准轨迹表示为：
[0010][0011]
其中，x0代表利用a*算法的避障路径作为基准轨迹，后续迭代中的基准轨迹xq为前一次迭代的求解结果；q表示序列凸优化中第q次迭代，xq表示第q次序列迭代的求解结果；
[0012]
根据初始基准轨迹，依据障碍物信息，构建路径规划构型空间。
[0013]
优选地，响应于路径规划构型空间的构建过程，基于初始基准轨迹，结合周围障碍物，求取每个路径点对应的半平面约束集合，并分配给每个轨迹点，其中，半平面约束集合表示为：
[0014][0015][0016]
l(i，m)＝-h(i，m)
×
j(i，m)，i＝1，2，...，n；m＝1，2，...，m
[0017]
式中，h(i，m)为第i个路径点与第m个圆柱障碍生成的半平面单位法向量，j(i，m)为第m个圆形障碍上到第i个路径点最近的一个点坐标，和表示第m个圆柱水平面圆心中心点位置和半径；
[0018]
由a*算法生成的规划路径上的所有路径点的半平面约束集合构成一个凸域集合，构建路径规划构型空间。
[0019]
优选地，响应于障碍物的获取过程，采用圆柱形威胁和棱柱形威胁作为障碍物，并设置高度为无限高，障碍物表示为：
[0020][0021]
其中，||
·
||2为2-范数，和表示圆柱形威胁和菱柱形威胁，p
xy
表示无人机当前位置，和表示第m个圆柱水平面圆心中心点位置和半径，和b
m，i
表示第m个菱形威胁第i个边的半空间系数，表示第m个菱形威胁的边数。
[0022]
优选地，响应于凸域集合的构建过程，结合正方体信赖域约束与半平面约束构造出一个凸的多边形区域，作为一个轨迹点的约束区域，根据约束区域，构建凸域集合，其中，约束区域表示为：
[0023][0024]
其中，b(pi)表示一个固定大小的正方体信赖域约束；表示路径点pi与圆柱形威胁的半空间；表示路径点pi与棱柱形威胁pm的半空间；
[0025]
凸域集合表示为：γ＝{sfc1∪sfc2∪...∪sfcn}。
[0026]
优选地，响应于安全飞行轨迹的获取过程，使用梯形积分方法，对无人机运动学模型进行离散化处理，依据基准状态轨迹，对离散化后的无人机运动学模型的右端项进行线性化，分别得到位置和速度的线性约束，通过基于sfc-scp的轨迹序列凸优化算法，获取安全飞行轨迹，其中，线性约束表示为：
[0027]
[0028][0029]
其中，p＝[p
x
，py，pz]为三维空间位置，v＝[v
x
，vy，vz]为速度，a＝[a
x
，ay，az]为加速度，δt为第k个点到第k+1个点的时间间隔。
[0030]
优选地，响应于构建基于sfc-scp的轨迹序列凸优化算法，通过前端构建sfc缓解scp求解轨迹时对初值敏感和结果不收敛问题，生成基于sfc-scp的轨迹序列凸优化算法。
[0031]
优选地，响应于通过基于sfc-scp的轨迹序列凸优化算法获取安全飞行轨迹的过程，判断获取过程是否满足收敛条件，若满足，则输出当前的轨迹规划结果；若不满足，更新基准轨迹，继续迭代求解，其中，收敛条件：满足所有约束条件，且连续两次迭代的轨迹结果在一定误差范围内相同，表示为：
[0032][0033]
其中，q表示序列凸优化中第q次迭代，xq表示第q次迭代的求解结果。
[0034]
本发明公开了一种用于无人机时间最优轨迹的序列凸优化系统，包括：
[0035]
数据采集模块，用于获取无人机在实际环境中的障碍物信息；
[0036]
数据处理模块，用于根据障碍物信息，构建真实环境栅格图，通过a*算法进行路径规划，生成无人机的路径规划构型空间；
[0037]
飞行轨迹规划模块，用于采用基于sfc-scp的轨迹序列凸优化算法，以轨迹点间飞行时间作为优化变量，在路径规划构型空间进行搜索，获得一条时间最优的安全飞行轨迹。
[0038]
本发明公开了以下技术效果：
[0039]
本发明能够根据无人机抵达给定目标点的任务需求，利用安全飞行走廊的强鲁棒性和收敛性，生成一条满足要求的无人机可行路径，具有航行时间短、避障能力强、算法耗时短的优点。
附图说明
[0040]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]
图1为本发明实施例提供的无人机时间最优轨迹优化方法流程图；
[0042]
图2为本发明实施例所提供的圆柱形威胁半平面示意图；
[0043]
图3为本发明实施例所提供的棱柱形威胁半平面示意图；
[0044]
图4为本发明实施例所提供的单轨迹点的多平面安全飞行走廊示意图；
[0045]
图5为本发明实施例所提供的轨迹点集合的多平面安全飞行走廊示意图；
[0046]
图6为本发明实施例所提供的l＝7离散点走廊约束示意图；
[0047]
图7为本发明实施例所提供的场景一算法规划结果对比二维图；
[0048]
图8为本发明实施例所提供的场景一算法规划结果对比三维图；
[0049]
图9为本发明实施例所提供的场景二规划结果对比二维图；
[0050]
图10为本发明实施例所提供的场景二规划结果对比三维图；
[0051]
图11为本发明实施例所提供的100次随机场景算法轨迹时间图；
[0052]
图12为本发明实施例所提供的100次随机场景算法求解耗时图。
具体实施方式
[0053]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0054]
如图1-12所示，本发明提供了一种安全飞行走廊约束的无人机时间最优轨迹序列凸优化方法，时间最优轨迹序列凸优化方法包括：
[0055]
获取无人机初始状态与终端状态，状态与控制约束边界，威胁位置信息，路径离散点，安全飞行走廊边界约束，初始信赖域半径，收敛阈值；
[0056]
获取实际环境中的障碍物信息，并构建真实环境栅格图，将地图均匀分成等比例大小的栅格；
[0057]
无人机参数信息包括无人机的尺寸，路径约束信息包括无人机的起点位置和目标点位置，任务环境信息包括地图尺寸、障碍物数量和障碍物位置。
[0058]
根据真实环境栅格图构建无人机时间最优轨迹序列凸优化具体包括：
[0059]
在真实环境栅格图中，通过a*等路径规划算法获得一条从起点到终点的最短安全路径；
[0060]
对真实环境栅格图中的威胁区和路径点构建轨迹点的凸多面体约束；
[0061]
构建安全飞行走廊约束的无人机轨迹优化模型，以轨迹点间飞行时间作为优化变量，使用序列凸优化方法进行求解。
[0062]
可选的，采用基于a*算法的路径规划算法在无人机时间最优轨迹序列凸优化构型空间中进行搜索，获得可行的无人机飞行路径。
[0063]
威胁分为圆柱形威胁和棱柱形威胁，分别对两个威胁求取半平面集合，获得每个路径点的规划凸域。圆柱形威胁半平面可表示为：
[0064][0065][0066]
l(i,m)＝-η(i,m)
×
j(i,m),i＝1,2,...,n；m＝1,2,...,m
ꢀꢀꢀꢀ
(3)
[0067]
其中，h(i,m)为第i个路径点与第m个圆柱障碍生成的半平面单位法向量，j(i,m)为第m个圆形障碍上到第i个路径点最近的一个点坐标，l(i,m)为第i个路径点与第m个圆柱障碍之间的距离约束，使用式(4)描述圆柱障碍的半平面空间：
[0068]
η(i,m)
×
pi≥j(i,m)
ꢀꢀꢀꢀꢀ
(4)
[0069]
棱柱形威胁半平面首先求取棱柱形威胁水平中心点，根据该点与各个顶点形成多条射线，判断路径点位于哪两个射线中间区域，如式(8)所示，使用两个顶点所在的边作为半平面，如式(5)所示。
[0070][0071]
其中，b
m，j
分别为第m个棱柱形威胁的第j个顶点与中心点形成的半平面空间系数。
[0072][0073]
其中，a_pm和b_pm分别为路径点所在侧的半平面的空间系数，使用表示路径点pi与棱柱形威胁pm的半空间。
[0074]
为增加飞行走廊的计算效率，在获取半平面时只取当前路径点一定范围内障碍的半平面，即给每个路径点增加一个固定大小的正方体信赖域约束，可表述为式(7)，η为正方形边长的一半。
[0075][0076]
结合正方体信赖域约束与半平面约束可以构造出一个凸的多边形区域，该区域为优化算法中一个轨迹点的约束区域，可表述为：
[0077][0078]
其中，b(pi)表示一个固定大小的正方体信赖域约束；表示路径点pi与圆柱形威胁的半空间；表示路径点pi与棱柱形威胁pm的半空间。
[0079]
根据上述方法，一个路径点pi可生成一个凸域sfci，遍历a*规划出的路径点即可获得一个凸域集合，该集合可表示为式(9)：
[0080]
γ＝{sfc1∪sfc2∪...∪sfcn}
ꢀꢀꢀꢀꢀꢀ
(9)
[0081]
基于安全走廊的障碍规避约束，在无人机运动方程离散化和线性化后如式(10)和式(11)，将轨迹点间飞行时间作为优化变量，使用序列凸优化方法进行逐次求解，获得一条时间最优的安全飞行轨迹。
[0082][0083][0084]
其中，p＝[p
x
,py,pz]为三维空间位置，v＝[v
x
,vy,vz]为速度，a＝[a
x
,ay,az]为加速度，δt为第k个点到第k+1个点的时间间隔。
[0085]
通过离散和线性化后，无人机时间最优轨迹规划建模为下述最优化问题：
[0086][0087]
本发明提供的一种基于安全飞行走廊约束的无人机时间最优轨迹序列凸优化方法，路径规划方法包括：获取无人机参数信息、路径约束信息、任务环境信息和算法参数信息；获取实际环境中的障碍物信息，并构建真实环境栅格图，将地图均匀分成等比例大小的栅格；根据真实环境栅格图获得无人机轨迹优化构型空间；采用基于a*的路径规划算法在无人机轨迹优化构型空间中进行搜索，获得可行的无人机航行路径；基于sfc-scp算法获得一条时间最优的安全飞行轨迹。
[0088]
实施例1：本实施例所提供的一种基于安全飞行走廊约束的无人机时间最优轨迹序列凸优化方法具体实现步骤如下：
[0089]
步骤一：问题信息输入，包括无人机初始状态与终端状态，状态与控制约束边界，威胁位置信息，路径离散点，安全飞行走廊边界约束，初始信赖域半径，收敛阈值。
[0090]
步骤二：根据上述具体实例的参数输入，建立针对无人机时间最优轨迹优化问题的环境地图。环境地图规模为100*100*20，分别率为0.1m，包含50个障碍，其中包括30个圆柱形障碍(径在3-6m之间)、20个多边形障碍，障碍高度无限高。为体现本算法在复杂环境下的规划效率，所述障碍均随机生成。
[0091]
步骤三：采用a*算法，获得一条从起点到终点的最短路径，根据下式获得初始基准轨迹。
[0092][0093]
式中，x0代表利用a*算法的避障路径作为基准轨迹，后续迭代中的基准轨迹xq为前一次迭代的求解结果；q表示序列凸优化中第q次迭代，xq表示第q次序列迭代的求解结果。
[0094]
步骤四：结合周围障碍，求取每个路径点对应的半平面约束集合，并分配给每个轨迹点，半平面约束集合由式(4)所示；由a*算法生成的规划路径上的所有路径点的半平面约束集合构成一个凸域集合，该集合可表示为式(10)。
[0095]
图2所示是圆柱形威胁半平面示意图，使用式(5)描述圆柱障碍的半平面空间；
[0096]
图3所示是棱柱形威胁半平面示意图，首先求取棱柱形威胁水平中心点，根据该点与各个顶点形成多条射线，判断路径点位于哪两个射线中间区域，如式(6)所示，使用两个顶点所在的边作为半平面，如式(7)所示；
[0097]
结合正方体信赖域约束与半平面约束可以构造出一个凸的多边形区域，该区域为优化算法中一个轨迹点的约束区域，如图4所示，其中绿色区域为正方体边界约束，红色区域为构造的安全飞行走廊，可以表述为式(9)，红色点是路径点；
[0098]
一个路径点pi可生成一个凸域sfci，遍历a*规划出的路径点即可获得一个凸域集合，该集合可表示为式(10)，如图5中红色区域所示。
[0099]
步骤五：根据基准轨迹，构建时间最优轨迹优化问题的凸优化模型。
[0100]
步骤六：利用凸优化算法求解，获得当前迭代的最优控制序列。
[0101]
根据凸集属性，一个凸集中任意两点连线，直线上所有点都在该凸集中，即两个路径点位于一个凸集中，规划出的结果均满足路径约束要求。但当两个路径点分别位于不同凸集中时，两个路径点满足约束条件，但两点之间连线上的点不一定满足凸集要求，如图6中黑色直线所示。故使用l个差值点描述两个路径点之间的轨迹，如图中绿色点所示，将绿色菱形点约束在两个凸集的交集，以确保整条轨迹满足避障约束。图中红色三角点为路径点，蓝色填充的多边形为安全飞行走廊，绿色点为差值轨迹点，加入差值点后，红色轨迹能够满足走廊约束。
[0102]
步骤六：判断是否满足收敛条件，若满足，则输出当前的轨迹规划结果；若不满足，更新基准轨迹，并返回步骤四。收敛条件：满足所有约束条件，且连续两次迭代的轨迹结果在一定误差范围内相同，可表示为：
[0103][0104]
其中，q表示序列凸优化中第q次迭代，xq表示第q次迭代的求解结果。
[0105]
针对上述具体实例，利用本实施例所述的一种基于安全飞行走廊约束的无人机时间最优轨迹序列凸优化方法得到的路径结果与其他算法的对比如图7-图10路径所示。
[0106]
采用a*算法或scp算法得到的路径结果如图7-图10中的路径所示。尽管传统方法得到的路径结果能够规避障碍并引导机器人编导到达目标位置，但是其规划出的路径需要绕行或紧贴障碍实现障碍规避，而本专利提出的路径规划方法能够通过轨迹序列凸优化更好地实现障碍规避，并能够以最优的时间抵达目标点。
[0107]
如图11和图12的100次随机场景算法轨迹时间和求解耗时可知，三种算法对比结果表明，通过前端构建sfc缓解了scp求解轨迹时对初值敏感和结果不收敛问题。在损失10.48％飞行时间的基础上，成功率提升了10％，算法求解耗时减少56％，表明提出的sfc-scp方法具有更好的鲁棒性和计算效率。
[0108]
根据前述的无人机时间最优轨迹优化仿真结果与分析可见，本实施例所述的一种基于安全飞行走廊约束的无人机时间最优轨迹序列凸优化方法能够为无人机提供满足实际复杂约束的可行路径，且路径结果与传统方法相比，具有时间最优，避障能力强的优点，因此本发明具有工程实用性，能够实现预期的发明目的。
[0109]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0110]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0111]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于，包括以下步骤：获取无人机在实际环境中的障碍物信息，构建真实环境栅格图，通过a*算法进行路径规划，生成所述无人机的路径规划构型空间；采用基于sfc-scp的轨迹序列凸优化算法，以轨迹点间飞行时间作为优化变量，在所述路径规划构型空间进行搜索，获得一条时间最优的安全飞行轨迹。2.根据权利要求1所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于真实环境栅格图的构建过程，通过获取无人机初始状态与终端状态，状态与控制约束边界，威胁位置信息，路径离散点，安全飞行走廊边界约束，初始信赖域半径，收敛阈值，建立针对无人机时间最优轨迹优化问题的环境地图，并在所述环境地图中随机生成障碍物；基于所述环境地图，根据所述障碍物信息，构建所述真实环境栅格图，将地图均匀分成等比例大小的栅格。3.根据权利要求2所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于通过a*算法进行路径规划的过程，基于所述环境地图，通过所述a*算法，获得一条从起点到终点的最短路径，并生成所述无人机的初始基准轨迹。其中，所述初始基准轨迹表示为：其中，x0代表利用a*算法的避障路径作为基准轨迹，后续迭代中的基准轨迹x
q
为前一次迭代的求解结果；q表示序列凸优化中第q次迭代，x
q
表示第q次序列迭代的求解结果；根据所述初始基准轨迹，依据所述障碍物信息，构建所述路径规划构型空间。4.根据权利要求3所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于路径规划构型空间的构建过程，基于所述初始基准轨迹，结合周围障碍物，求取每个路径点对应的半平面约束集合，并分配给每个轨迹点，其中，所述半平面约束集合表示为：为：l(i,m)＝-η(i,m)
×
j(i,m),i＝1,2,...,n；m＝1,2,...,m式中，h(i,m)为第i个路径点与第m个圆柱障碍生成的半平面单位法向量，j(i,m)为第m个圆形障碍上到第i个路径点最近的一个点坐标，和表示第m个圆柱水平面圆心中心点位置和半径；由a*算法生成的规划路径上的所有路径点的半平面约束集合构成一个凸域集合，构建所述路径规划构型空间。5.根据权利要求4所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于障碍物的获取过程，采用圆柱形威胁和棱柱形威胁作为所述障碍物，并设置高度为无限高，所述障碍物表示为：
其中，||
·
||2为2-范数，和表示圆柱形威胁和菱柱形威胁，p
xy
表示无人机当前位置，和表示第m个圆柱水平面圆心中心点位置和半径，和b
m,i
表示第m个菱形威胁第i个边的半空间系数，表示第m个菱形威胁的边数。6.根据权利要求5所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于凸域集合的构建过程，结合正方体信赖域约束与半平面约束构造出一个凸的多边形区域，作为一个轨迹点的约束区域，根据所述约束区域，构建所述凸域集合，其中，所述约束区域表示为：b(p
i
)表示一个固定大小的正方体信赖域约束；表示路径点p
i
与圆柱形威胁的半空间；表示路径点p
i
与棱柱形威胁p
m
的半空间；所述凸域集合表示为：r＝{sfc1∪sfc2∪...∪sfc
n
}。7.根据权利要求6所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于安全飞行轨迹的获取过程，使用梯形积分方法，对无人机运动学模型进行离散化处理，依据基准状态轨迹，对离散化后的所述无人机运动学模型的右端项进行线性化，分别得到位置和速度的线性约束，通过基于sfc-scp的所述轨迹序列凸优化算法，获取所述安全飞行轨迹，其中，所述线性约束表示为：全飞行轨迹，其中，所述线性约束表示为：全飞行轨迹，其中，所述线性约束表示为：全飞行轨迹，其中，所述线性约束表示为：其中，p＝[p
x
,p
y
,p
z
]为三维空间位置，v＝[v
x
,v
y
,v
z
]为速度，a＝[a
x
,a
y
,a
z
]为加速度，δt为第k个点到第k+1个点的时间间隔。8.根据权利要求7所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于构建基于sfc-scp的轨迹序列凸优化算法，通过前端构建sfc缓解scp求解轨迹时对初值敏感和结果不收敛问题，生成基于sfc-scp的所述轨迹序列凸优化算法。9.根据权利要求8所述一种用于无人机时间最优轨迹的序列凸优化方法，其特征在于：响应于通过基于sfc-scp的轨迹序列凸优化算法获取安全飞行轨迹的过程，判断获取过程是否满足收敛条件，若满足，则输出当前的轨迹规划结果；若不满足，更新基准轨迹，继
续迭代求解，其中，收敛条件：满足所有约束条件，且连续两次迭代的轨迹结果在一定误差范围内相同，表示为：其中，q表示序列凸优化中第q次迭代，x
q
表示第q次迭代的求解结果。10.一种用于无人机时间最优轨迹的序列凸优化系统，其特征在于，包括：数据采集模块，用于获取无人机在实际环境中的障碍物信息；数据处理模块，用于根据所述障碍物信息，构建真实环境栅格图，通过a*算法进行路径规划，生成所述无人机的路径规划构型空间；飞行轨迹规划模块，用于采用基于sfc-scp的轨迹序列凸优化算法，以轨迹点间飞行时间作为优化变量，在所述路径规划构型空间进行搜索，获得一条时间最优的安全飞行轨迹。

技术总结
本发明公开了一种用于无人机时间最优轨迹的序列凸优化方法及系统，涉及无人机路径规划技术领域，包括：获取无人机参数信息、路径约束信息、任务环境信息和算法参数信息；获取实际环境中的障碍物信息，并构建真实环境栅格图，将地图均匀分成等比例大小的栅格；根据所述真实环境栅格图获得无人机轨迹优化构型空间；采用基于A*的路径规划算法在所述无人机轨迹优化构型空间中进行搜索，获得可行的无人机航行路径；基于SFC-SCP算法获得一条时间最优的安全飞行轨迹。本发明具有航行时间短、避障能力强、算法耗时短的优点。算法耗时短的优点。算法耗时短的优点。


技术研发人员：王祝 张振鹏 宋自强 姚万业
受保护的技术使用者：华北电力大学（保定）
技术研发日：2023.06.01
技术公布日：2023/8/9