避障算法
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-04
避障算法的實例教程
無人機“感知避讓”系統(tǒng)對于未來在融合空域內(nèi)安全航行起著至關(guān)重要的作用，其中,自主避障算法是保證整個系統(tǒng)高效運行的關(guān)鍵部分。目前，對無人機自主避障算法的研究已經(jīng)十分深入。根據(jù)避障算法的特點和避障機制對現(xiàn)有的避障算法進(jìn)行分類，并在此基礎(chǔ)上對每一種類型的算法展開詳細(xì)介紹，闡述其優(yōu)點以及局限性，最后展望了無人機自主避障算法的發(fā)展方向。
關(guān)鍵詞：無人機；避障算法；路徑規(guī)劃；低空
0 引言
民用無人機作為先進(jìn)生產(chǎn)力的重要載體，被廣泛應(yīng)用于環(huán)境監(jiān)測、搜救、交通監(jiān)控、物流貨運、農(nóng)林植保、航拍攝影、城市巡查、遙感探測等多個領(lǐng)域。考慮到相關(guān)技術(shù)以及運行安全等因素，目前民用無人機大多被要求在隔離空域運行[1]。然而，將無人機限制在特定空域內(nèi)，與有人機進(jìn)行隔離運行的做法，已無法適應(yīng)于目前對無人機日益增長的需求。歐美等航空業(yè)發(fā)達(dá)國家及地區(qū)提出了融合空域的概念，旨在將無人機系統(tǒng)集成于現(xiàn)有低空空域內(nèi)，與有人機共同運行[2-4]。在低空環(huán)境下，無人機不僅要面對如地形、建筑物等靜態(tài)障礙以及其他動態(tài)障礙，同時還要面對空域內(nèi)的其他飛行器。
低空環(huán)境下運行對無人機自主飛行技術(shù)的安全性提出了更大的挑戰(zhàn)，其中保證無人機安全自主飛行的關(guān)鍵在于自主避障算法。本文將根據(jù)求解方式、機動軌跡、關(guān)聯(lián)感知檢測機制等要素的總體特點，把無人機自主避障算法分為幾何法、路徑規(guī)劃法、數(shù)值求解法3種類型，并對每一類方法展開詳細(xì)闡述。
1 幾何算法
在幾何算法中，無人機通常被看作是具有一定速度的質(zhì)點，根據(jù)無人機之間的相對速度、相對位置、航向等信息建立幾何關(guān)系,從而在線計算避障軌跡。
展開 若環(huán)境信息是時變的，避障算法就必須具有在線規(guī)劃能力。算法的實時性與其應(yīng)用背景緊密聯(lián)系，只有達(dá)到一定解算速度的實時性算法，才可應(yīng)用于復(fù)雜動態(tài)環(huán)境的在線重規(guī)劃，否則，只能應(yīng)用于離線規(guī)劃或局部重規(guī)劃。當(dāng)前的避障算法一般通過對復(fù)雜系統(tǒng)進(jìn)行線性化與近似化處理，實時性問題并沒有得到很好的解決。
(5)組網(wǎng)通信。當(dāng)前無人機之間通過無線通信方式進(jìn)行信息交換，當(dāng)集群規(guī)模較小時尚可滿足需求，但面對大范圍、大規(guī)模集群高速飛行場景時，對組網(wǎng)通信的性能需求較大。因此，快速可靠的通信和組網(wǎng)仍是目前具有挑戰(zhàn)性的問題。
研究重點和方向主要集中在以下幾點：
(1)完善避障算法的實用性。對于復(fù)雜環(huán)境建模，必須通過具體測量或者使用準(zhǔn)確的三維地圖，從而獲取可靠精確的數(shù)據(jù)，考慮復(fù)雜環(huán)境多因素對避障效果的影響，利用數(shù)據(jù)對模型進(jìn)行驗證。針對具體型號的無人機，重點研究六自由度無人機在復(fù)雜環(huán)境下的避障算法，考慮機載傳感器誤差等一系列約束條件，對機載傳感器信息傳輸模型進(jìn)行細(xì)化，針對不同性能傳感器設(shè)計不同的規(guī)劃方法，實現(xiàn)無人機“感知-避撞”流程閉環(huán)。同時在融合空域內(nèi)，無人機必須考慮無人機空中交通管理(Unmanned Air Traffic Management, UTM)下的運行規(guī)則，充分結(jié)合環(huán)境建模和具體應(yīng)用背景，設(shè)計出具有實用性的避障路徑。
(2)融合多類型避障路徑算法。融合不同類型的避障算法，彌補現(xiàn)有單個方法的缺陷與不足，是當(dāng)前的重要研究趨勢。例如，傳統(tǒng)避障規(guī)劃方法(基于優(yōu)化、勢場等)可與機器學(xué)習(xí)為代表的人工智能技術(shù)相結(jié)合，優(yōu)勢互補，解決傳統(tǒng)避障算法中局部最優(yōu)等問題，也在一定程度上彌補基于機器學(xué)習(xí)的避障規(guī)劃算法中的實時性差等問題。
(3)多機協(xié)同避障。
展開 摘要: 為完成6自由度機械臂在多種障礙物環(huán)境下的關(guān)節(jié)軌跡規(guī)劃，提出一種精確的碰撞檢測算法，結(jié)合6次多項式關(guān)節(jié)空間軌跡規(guī)劃算法完成機械臂的軌跡規(guī)劃避障算法。通過對障礙物與機械臂進(jìn)行幾何模型簡化將6自由度機械臂的碰撞檢測問題轉(zhuǎn)化為模型之間最小距離計算問題；結(jié)合機械臂正逆運動學(xué)與碰撞檢測結(jié)果，創(chuàng)建遺傳優(yōu)化算法的適應(yīng)度函數(shù)，使機械臂在完成避障的同時優(yōu)化各關(guān)節(jié)軌跡長度和轉(zhuǎn)動角度，將機械臂避障軌跡規(guī)劃問題轉(zhuǎn)化為約束條件下的多目標(biāo)優(yōu)化問題。最后通過MATLAB對算法進(jìn)行仿真實驗，結(jié)果表明，該算法在多種障礙物的環(huán)境下能夠規(guī)劃出滿足要求的運動軌跡。
1. 引言
隨著工業(yè)自動化的不斷發(fā)展，工業(yè)生產(chǎn)制造領(lǐng)域的很多人工作業(yè)崗位被工業(yè)機器人取代，工業(yè)機器人作為形成工業(yè)自動化生產(chǎn)線的關(guān)鍵設(shè)備，大力發(fā)展工業(yè)機器人是我國實現(xiàn)自動化生產(chǎn)線和智能車間的重要措施。工業(yè)機器人應(yīng)用在各種不同的作業(yè)環(huán)境中，完成簡單機器人軌跡規(guī)劃外，需考慮不同作業(yè)環(huán)境中存在的障礙物。不同工作環(huán)境中，障礙物的位置、形狀、大小等各不相同，對工業(yè)機器人進(jìn)行軌跡規(guī)劃的避障研究是實現(xiàn)自動化生產(chǎn)線的關(guān)鍵。根據(jù)實際安全生產(chǎn)與穩(wěn)定的要求，首先，工業(yè)機器人避障軌跡規(guī)劃需滿足全局避障，不僅僅是滿足末端執(zhí)行器的避障，而是做到各個連桿的避障 [1]；其次機械臂關(guān)節(jié)空間軌跡規(guī)劃的各個關(guān)節(jié)的角速度與角加速度必須連續(xù)，以提高機械臂的運動效率和降低關(guān)節(jié)沖擊 [2]；最后，為得到更加安全節(jié)能的軌跡，在進(jìn)行避障軌跡規(guī)劃的同時需要優(yōu)化各關(guān)節(jié)運動角度以及各連桿運動軌跡長度。
目前應(yīng)用在機械臂碰撞檢測的算法主要有傳感器、圖像、空間幾何模型等。
展開 路徑輸出：算法迭代終止后，輸出全局最優(yōu)粒子所代表的路徑，即為從起始點到目標(biāo)點的最優(yōu)避障路徑。
通過上述步驟，粒子群優(yōu)化算法可以有效求解三維空間內(nèi)的機械臂避障路徑規(guī)劃問題，實現(xiàn)從起始點到目標(biāo)點的最短路徑規(guī)劃，并確保路徑不與障礙物相交。最終，筆者基于上述的粒子群優(yōu)化算法編寫了MATLB代碼，其三維避障路徑規(guī)劃實驗結(jié)果如圖3所示。
文獻(xiàn)[4]提出了一種多agent動態(tài)系統(tǒng)的快速避障算法，提高了系統(tǒng)速度一致的快速性，并且減少了能量消耗。文獻(xiàn)[5]提出一種復(fù)合矢量人工勢場，有效實現(xiàn)了無人機編隊避障并追蹤目標(biāo)，但當(dāng)無人機速度過大或障礙物周圍產(chǎn)生的球形人工勢場強度較弱時，算法可能會失效導(dǎo)致發(fā)生碰撞現(xiàn)象。文獻(xiàn)[6]針對無人機編隊避障問題，提出了領(lǐng)航法和改進(jìn)人工勢能相結(jié)合的編隊方法，其缺點有：(1)對集群中l(wèi)eader的安全性要求很高，leader的行為直接關(guān)系到隊形控制的成敗；(2)集群中的leader是孤立存在的，即leader無法獲取follower的狀態(tài)信息，如果基于鏈?zhǔn)剿枷耄?dāng)follower狀態(tài)誤差隨著累加達(dá)到上界時，將直接導(dǎo)致整個集群隊形失控。文獻(xiàn)[7]采用動態(tài)人工勢場法，結(jié)合動態(tài)戰(zhàn)場環(huán)境，給出了無人機避障解決方案。Dai等[8]將文獻(xiàn)[1]中的算法擴(kuò)展到了三維空間，并給出了對不規(guī)則立體障礙物的避障算法，但其要求集群中每架無人機都能獲取虛擬長機的信息。文獻(xiàn)[9]提出一種新的無須獲得相鄰無人機速度的六自由度固定翼無人機群的集群和避障控制方法，其同樣要求集群中每架無人機都必須獲取虛擬長機信息。
雖然現(xiàn)有的許多文獻(xiàn)都可以從各種角度去設(shè)計基于人工勢場的無人機集群避障方法，但存在的問題是：在切換拓?fù)浣Y(jié)構(gòu)的集群避障控制中，要求集群中每架無人機都能獲取虛擬長機信息。雖然人工勢場法是最常用的避障方法，但依然存在的共性問題是無人機、障礙物以及目標(biāo)之間存在局部極小值，即無人機容易陷入引力與斥力的平衡點處，從而無法繼續(xù)前進(jìn)。此外虛擬長機的導(dǎo)航引導(dǎo)作用力會隨無人機與虛擬長機的距離增大而增大，會導(dǎo)致無人機不斷逼近虛擬長機，雖然無人機受到的排斥力會隨障礙物距離縮小而增大，但由于所采用的排斥力勢能函數(shù)是有界的，即排斥作用力也是有界的，所以可能會出現(xiàn)無人機與障礙物距離過近而小于最小安全距離甚至出現(xiàn)碰撞現(xiàn)象。
展開 
避障算法的相關(guān)專題、標(biāo)簽、搜索
避障算法的最新內(nèi)容
但針對城市地形地貌復(fù)雜、建筑物及附屬設(shè)施眾多、局部氣象條件多變、電磁環(huán)境惡劣、鳥群飛行等情況，根據(jù)幾何空間相對運動矢量進(jìn)行避障決策、利用無碰撞路徑規(guī)劃代替避障決策、人工智能算法進(jìn)行避障決策、建立城市低空環(huán)境仿真模型等技術(shù)路線還需攻克，通過快速監(jiān)控檢測潛在障礙物、及時提前改變航向避開障礙物等eVTOL避障技術(shù)還不成熟。
研究表明，基于PSO算法的避障規(guī)劃在收斂速度和路徑優(yōu)化上具有良好的性能，能夠有效提高機械臂的操作效率和安全性。此方法在工業(yè)機器人、醫(yī)療設(shè)備和服務(wù)機器人等領(lǐng)域具有廣泛的應(yīng)用前景。
摘要: 為完成6自由度機械臂在多種障礙物環(huán)境下的關(guān)節(jié)軌跡規(guī)劃，提出一種精確的碰撞檢測算法，結(jié)合6次多項式關(guān)節(jié)空間軌跡規(guī)劃算法完成機械臂的軌跡規(guī)劃避障算法。
BUG算法
BUG算法是一種完全應(yīng)激的機器人避障算法。
其算法原理類似昆蟲爬行的運動決策策略。
在未遇到障礙物時，沿直線向目標(biāo)運動；
在遇到障礙物后，沿著障礙物邊界繞行，并利用一定的判斷準(zhǔn)則離開障礙物繼續(xù)直行。
這種應(yīng)激式的算法計算簡便，不需要獲知全局地圖和障礙物形狀，具備完備性。
彭曉燕，謝 浩，黃 晶
（湖南大學(xué)機械與運載工程學(xué)院，長沙 410082）
［摘要］ 無人駕駛汽車局部路徑規(guī)劃算法應(yīng)確保避障的安全性、實時性和路徑的平滑性等。本文提出了一種基于離散優(yōu)化的局部路徑規(guī)劃算法，即采用代價函數(shù)分別評估離散生成的候選路徑的安全性、平滑性等，再根據(jù)各代價函數(shù)加權(quán)計算獲得局部最佳路徑。
基于改進(jìn)人工勢場算法的無人機群避障算法研究[J]. 導(dǎo)航定位與授時, 2020, 7(6): 109-113.
Chen Qijie, Jin Yuqiang, Wang Taoyu. Research on avoidance algorithm of UAV group based on impro-ved artificial potential field algprithm[J].
Stentz[46]提出分批次局部更新航跡代價圖的D*算法，有效解決避障問題。常見的基于啟發(fā)式典型算法的避障算法的適用場景與優(yōu)缺點如表2所示。
同時提供了EGO-Planner視覺避障算法，可以提供視覺避障功能。
02:09
平臺開源（ROS、UBUNTU），定位、避障算法開源，無人機代碼開源。
適合本科后期研究生初期及科研。
無人機“感知避讓”系統(tǒng)對于未來在融合空域內(nèi)安全航行起著至關(guān)重要的作用，其中,自主避障算法是保證整個系統(tǒng)高效運行的關(guān)鍵部分。目前，對無人機自主避障算法的研究已經(jīng)十分深入。根據(jù)避障算法的特點和避障機制對現(xiàn)有的避障算法進(jìn)行分類，并在此基礎(chǔ)上對每一種類型的算法展開詳細(xì)介紹，闡述其優(yōu)點以及局限性，最后展望了無人機自主避障算法的發(fā)展方向。
2.5
BUG算法
BUG算法是一種完全應(yīng)激的機器人避障算法。其算法原理類似昆蟲爬行的運動決策策略。在未遇到障礙物時，沿直線向目標(biāo)運動；在遇到障礙物后，沿著障礙物邊界繞行，并利用一定的判斷準(zhǔn)則離開障礙物繼續(xù)直行。
