基于目标偏置的双向APF-RRT*算法的无人机轨迹规划
J. Fan, X. Chen and X. Liang, UAV trajectory planning based on bi-directional APF-RRT* algorithm with goal-biased. Expert Systems With Applications (2022),
doi: https://doi.org/10.1016/j.eswa.2022.119137.
算法
- 采用目标偏置策略来指导随机采样点的生成,并利用双向RRT*算法建立两棵相互交替的随机搜索树来进行搜索,从而提高了算法的收敛速度。
- 通过在双向生长树中加入改进的人工势场方法,大大减少了迭代次数。
- 在路径平滑过程中,采用三次样条插值算法对路径进行优化,获得最佳轨迹。
两种算法的结合改进了新节点生成的方向,降低了路径成本。 - 将该算法(省略*)与Inforded-RRT、Bi-RRT和改进的P-RRT算法进行了比较,提高了生长树的搜索性能。
APF选择最好的父节点
在每次迭代过程中,由随机生长树生成的新节点new,根据目标q目标的吸引力逐渐趋向于目标,生长树向目标点增长。从new到障碍物的最短距离由NearestObstacle 计算。
PotentialSteer中使用了两个参数λ和d*。常数d∗是new到obs的无穷小距离,而λ是朝着目标迈出的一个很小的增量步骤。可调整参数
双向搜索树
双向随机搜索树从起点和结束点交替生长,直到两棵生长树相遇形成可行路径,在后续迭代中,更新更好的路径。
- 第一树T1开始增长,在每次迭代结束时确定qnew与另一树T2之间的最小距离,
- 如果距离小于非常小的固定值,则使用算法7所示的ConnectGraphs函数连接两个树,
- 连接之后,进行整个路径迭代优化,使得到的解的代价低于当前最优解的代价;
否则,应用Swap函数切换到另一个树T2以增长一次,以此类推,直到当循环达到指定的次数时程序停止,从而得到更好的路径。
主要提升策略
-
高质量采样策略:根据单向的目标偏向策略,将目标点视为具有一定概率的随机采样点,使新节点具有向目标增长的趋势。
其值大于阈值,则以随机点作为采样节点;当小于阈值的,以目标点作为采样节点。 -
有效搜寻策略:每棵树的目标点和随机采样点分别对最近的节点有吸引力,障碍是对最近的节点有排斥力。
-
路径平滑优化:连接生成路径后,采用第三样条插值的方法对路径进行优化
1)不与障碍物发生碰撞;2)路径长度应尽可能短。本文将满足上述条件的最短无碰撞路径长度作为适应度函数的评价判据。
18是找出从所有插值点到第k个障碍的距离,称为dk。
19是确定路径是否通过第k个障碍物,如果路径通过第k个障碍物,则在集合k中必须有一个大于0的数字。如果路径没有通过任何障碍物,则集合θk中的数字为0。
20是均值(θk)值的总和,如果路径没有通过障碍物区域,则η = 0。
实验分析
100公里*100公里的二维空间:(1、1)到(90、90)地图上的深绿色圆圈表示障碍物,无人机不能通过该区域。