多无人机轨迹规划方法、装置、无人机及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113900449A(43)申请公布日2022.01.07(21)申请号202111248705.1(22)申请日2021.10.26(71)申请人鹏城实验室地址518000广东省深圳市南山区兴科一街2号(72)发明人奚乐乐丁玉隆崔金强尉越(74)专利代理机构深圳市君胜知识产权代理事务所(普通合伙)44268代理人朱阳波(51)Int.Cl.G05D1/10(2006.01)权利要求书2页说明书15页附图5页(54)发明名称多无人机轨迹规划方法、装置、无人机及存储介质(57)摘要本发明公开了一种多无人机轨迹规划方法、装置、无人机及存储介质，其中，上述多无人机轨迹规划方法包括：建立无人机运动模型；获取目标状态约束运动基元采样模型；对于多无人机集合中任一目标无人机，构建包括飞行安全约束和目标点距离优化约束的目标函数，飞行安全约束限定目标无人机与障碍物之间的距离，障碍物包括环境障碍物和除目标无人机以外的其它无人机；求解目标函数，获取目标无人机在当前滚动预测时域内的最优末端状态，并基于上述目标状态约束运动基元采样模型和上述无人机运动模型获取上述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，目标飞行轨迹包括一组状态量。与现有技术相比，本发明方案有利于提升无人机的安全性。CN113900449ACN113900449A权利要求书1/2页1.一种多无人机轨迹规划方法，其特征在于，所述方法用于对多无人机集合中的每一架无人机分别进行轨迹规划，所述方法包括：建立无人机运动模型，其中，所述无人机运动模型用于基于输入量获取无人机的状态量；获取目标状态约束运动基元采样模型，其中，所述状态约束运动基元采样模型用于基于给定的初始状态和末端状态获取无人机的状态约束运动基元；对于所述多无人机集合中的任一目标无人机，构建所述目标无人机的轨迹对应的目标函数，其中，所述目标函数中包括飞行安全约束和目标点距离优化约束，所述飞行安全约束用于限定所述目标无人机与障碍物之间的距离，所述障碍物包括环境障碍物和所述多无人机集合中除所述目标无人机以外的其它无人机；求解所述目标无人机的目标函数，获取所述目标无人机在当前滚动预测时域内的最优末端状态，并基于所述目标状态约束运动基元采样模型和所述无人机运动模型获取所述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，其中，所述目标飞行轨迹包括一组状态量。2.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述无人机运动模型为模型预测控制运动模型。3.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述无人机运动模型的输入量为无人机的加加速度，所述状态量包括无人机的位置、速度和加速度，所述状态约束运动基元为无人机的加加速度。4.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述获取目标状态约束运动基元采样模型，包括：获取待训练的状态约束运动基元采样模型；获取训练数据，基于所述训练数据对所述待训练的状态约束运动基元采样模型进行离线动态规划迭代训练，获取训练后的状态约束运动基元采样模型并作为目标状态约束运动基元采样模型。5.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，所述目标函数中还包括能耗优化约束，所述能耗优化约束用于限定所述目标无人机的轨迹对应的能耗。6.根据权利要求1所述的多无人机轨迹规划方法，其特征在于，在所述构建所述目标无人机的轨迹对应的目标函数之前，所述方法还包括：基于双目相机获取环境点云信息；基于所述环境点云信息获取欧式距离场地图，其中，所述欧式距离场地图中任意栅格中存储了该栅格到最近环境障碍物的欧式距离信息。7.根据权利要求6所述的多无人机轨迹规划方法，其特征在于，所述飞行安全约束包括环境障碍物距离约束和其它无人机距离约束，所述环境障碍物距离约束基于所述欧式距离场地图建立，所述其它无人机距离约束基于所述其它无人机的状态信息建立，其中，所述状态信息包括各所述其它无人机的当前位置状态和预测轨迹。8.根据权利要求7所述的多无人机轨迹规划方法，其特征在于，所述求解所述目标无人机的目标函数，获取所述目标无人机的最优末端状态，并基于所述目标状态约束运动基元采样模型和所述无人机运动模型获取所述目标无人机对应的目标飞行轨迹，包括：2CN113900449A权利要求书2/2页基于并行粒子群算法对所述目标函数进行迭代求解，获取所述目标无人机在当前滚动预测时域内对应的最优末端状态，其中，所述并行粒子群算法中每个粒子为所述目标无人机的一个候选末端状态；基于所述最优末端状态、所述目标状态约束运动基元采样模型和所述无人机运动模型获取所述目标无人机在当前滚动预测时域内对应的目标飞行轨迹。9.根据权利要求8所述的多无人机轨迹规划方法，其特征在于，所