結合預設航線的多旋翼無人機避障算法*

廖津余， 謝習華,2,3， 鄧 宇,2

(1.中南大學 高性能復雜制造國家重點實驗室，湖南 長沙 410083；2.山河智能裝備有限公司，湖南 長沙 410100；3. 南方糧油作物協同創新中心,湖南 長沙 410100)

?

結合預設航線的多旋翼無人機避障算法*

廖津余1， 謝習華1,2,3， 鄧 宇1,2

(1.中南大學 高性能復雜制造國家重點實驗室，湖南 長沙 410083；2.山河智能裝備有限公司，湖南 長沙 410100；3. 南方糧油作物協同創新中心,湖南 長沙 410100)

針對現有多旋翼無人機使用人工勢場法進行避障的研究中，僅考慮目標點的安全抵達，少有考慮按預設航線飛行的作業需求，通過在人工勢場法中賦予航線“線勢場”，將多旋翼無人機的避障與航線飛行進行結合，使無人機避障之后能重回航線。針對傳統勢場法中的引力場并不適用于無人機，對引力場進行了改進。解決了引入“線勢場”后容易導致無人機陷入局部極小點的問題,通過仿真驗證了上述改進的效果。

多旋翼無人機； 航線飛行； 避障； 線勢場； 改進人工勢場

0 引 言

隨著信息技術、嵌入式技術、傳感器技術的進步，中小型多旋翼飛行器得到了迅速發展，自主性日益提高，行業應用潛力巨大。然而，多旋翼飛行器在低空作業過程中難免會遇到障礙物，因此，飛行器的避障一直是研究熱點。現存的小型激光雷達[1]、雙目視覺[2]等高效的環境探測手段，也為飛行器的自主避障提供了條件。目前，較成熟的避障算法有A*算法、模糊算法、遺傳算法、人工勢場法[3,4]等。其中，人工勢場法因其描述環境方便，計算量小，在局部環境的實時避障中具有較為突出的優勢。

目前，使用人工勢場法進行避障的研究中，基本上只考慮了目標點的安全抵達，很少考慮多旋翼無人機實際作業中需要沿航線飛行的情況，文獻[5]中雖然考慮了此情況，但未深入研究，沒有發現引入線勢場后帶來的新問題。

考慮到多旋翼無人機實際作業中需沿航線飛行的情況，借鑒文獻[5]的思想，在傳統的人工勢場中，引入了 “線勢場”，使無人機避障之后能回到航線中繼續執行任務。另外回到規劃好的航線還可以盡量避免未知障礙物。考慮到傳統勢場法中的引力場不適用于運動范圍廣的無人機，因此，對引力場進行了改進。在引入了“線勢場”后，發現勢場系數的匹配不當會很容易導致無人機陷入局部極小點，通過改進斥力場解決了這一問題。

1 人工勢場法改進

1.1 傳統人工勢場法

人工勢場法最早由Khatib O于1985年提出[6～9]，基本思想是在規劃空間中建立一個虛擬勢場，其中，目標點產生引力場，障礙物產生斥力場，引力和斥力對機器人產生一合力，機器人在合力作用下行進。傳統人工勢場法如圖1所示。

圖1 傳統人工勢場法

引力勢函數

(1)

斥力勢函數

(2)

式中 q為無人機當前位置點；ρg(q)為q點到目標點距離;ρobs(q)為q點到障礙物表面的最短距離;d為障礙物影響范圍;ξ為引力場系數;η為斥力場系數。

在q點對兩勢函數求負梯度即得到引力和斥力

(3)

(4)

(5)

(6)

勢場產生的合力為

(7)

本文將人工勢場法作為路徑規劃方法應用，計算出的合力矢量方向作為期望速度方向，再由底層控制系統進行跟蹤。

1.2 人工勢場法改進

1.2.1 線勢場引入

為了使多旋翼無人機避障后能重回預定航線中，賦予航線一種“線勢場”，讓航線對無人機產生一個虛擬的引力，圖2為“線勢場”示意圖。

圖2 線勢場

“線引力”為

(8)

(9)

1.2.2 引力場改進

傳統勢場法中的引力隨機器人到目標距離的增加而線性增大，這對于移動距離較短的地面機器人來說并無顯著影響，但對于無人機來說，飛行一段較長距離后，會使引力變化很大，從而可能對避障行為產生不利影響(下文將進行仿真驗證)，為此，將目標產生的引力改為定值

(10)

式中 w為常數。

1.2.3 斥力場改進

由2.2節的仿真得知，引入“線勢場”后，容易導致無人機陷入局部極小點，為此對斥力場進行改進，使斥力始終垂直于航線方向。

改進的斥力為

(11)

(12)

式(12)中4種情形下障礙物產生的斥力方向如圖3。

圖3 不同情況下的斥力方向

2 仿真分析與驗證

2.1 避障仿真場景搭建

人工勢場法中，機器人始終僅受外界作用力的影響，因此，適合用動力學分析軟件機械系統動力學自動分析(ADAMS)軟件進行避障仿真[10]，相比于其他傳統仿真方式如Matlab,VC環境等，不僅可以觀察機器人避障的實時仿真過程，仿真結束后還可以通過ADAMS后處理模塊獲得豐富數據，同時也避免了編寫復雜的矢量運算程序。

搭建的避障仿真場景如圖4所示。

圖4 避障仿真場景

式(3)、式(4)、式(8)、式(10)、式(11)中各系數的初始取值為：ξ=0.1，η=50，d=3，λ=4，w=4。

2.2 “線勢場”仿真驗證

引入“線勢場”前后的避障軌跡對比如圖5所示。

圖5 線勢場引入前后軌跡對比

由圖5看出：引入“線勢場”后，可使無人機保持在航線附近飛行，無人機的避障和航線飛行得到了有效地結合。

2.3 傳統引力場對無人機避障的不利影響

通過改變引力系數ξ，分別模擬無人機與目標點距離變化10倍、100倍后導致的引力值變化，及其對避障軌跡的影響。初始ξ=0.1，保持其它參數不變，得到的避障軌跡如圖6所示。

圖6 不同引力下的避障軌跡

由圖6看出，ξ從0.1分別變化至1，10(即無人機與目標點距離變大10,100倍)時，避障軌跡愈加靠近障礙物。這說明，對于運動范圍較廣的無人機來說，當在距目標點較遠處遇到障礙物時，過大的引力值有可能會使無人機撞上障礙物。因此，傳統勢場法中變化的引力并不適用于無人機，將引力改為定值較好。

2.4 引入線勢場后的問題和分析

傳統人工勢場法的固有缺陷之一是存在局部極小點，如圖7(a)所示。但一般情況下機器人陷入該點的幾率并不高。然而，引入“線勢場”后，無人機遇到障礙物時將會更容易陷入局部極小點，如圖7(b)所示。

圖7 引入線勢場前后的局部極小點

無人機陷入局部極小點將停止前進，導致避障失敗。對于引入線勢場后的局部極小點，雖然可以通過調整勢場系數使無人機逃離，但將導致獲得的避障軌跡不理想。

陷入圖7 (b)所示局部極小點的原因，是由于斥力和線引力的合力與目標引力平衡，導致無人機無法在目標引力作用下前進。所以，若使斥力始終垂直于航線方向，目標引力便不會被平衡，無人機便可以在其作用下不斷前進，不會陷入局部極小點，直至到達目標。

2.5 改進斥力場仿真驗證

保持其它條件相同，分別使用改進斥力場和傳統斥力場進行避障仿真，結果如圖8所示。

圖8 傳統斥力場和改進斥力場的軌跡對比

圖8 (a)為ADAMS View中的原始仿真軌跡，軌跡1為使用傳統斥力場的軌跡，軌跡2為使用改進斥力場的軌跡；圖8(b)和圖8(c)為在ADAMS后處理模塊中以無人機質心X軸位移為自變量，Y軸位移為因變量重繪的2條避障軌跡及其斜率。

從圖8看出：使用改進斥力場的軌跡最大斜率為1.07；使用傳統斥力場的軌跡最大斜率為2.18；而且圖8(b)中的斜率曲線比圖8(c)中更陡峭，說明軌跡1的斜率變化更劇烈，較軌跡2欠平滑，使用改進斥力場可獲得更平滑的避障軌跡。

3 結 論

針對多旋翼無人機在許多應用場合中需要避障并回到航線執行任務的情況，通過加入新型的“線勢場”和改進傳統人工勢場得到了新的勢場算法，并利用ADAMS對該算法進行了仿真研究，得到以下結論：

1)通過在人工勢場法中加入“線勢場”，可以有效地使無人機在避障之后回到航線中飛行。

2)傳統人工勢場法中，目標產生的隨距離變化的引力對于飛行范圍廣的無人機來說并不合適，有可能對避障過程產生不利影響，將其改為常值更適用于無人機。

3)加入“線勢場”后，無人機在遇到障礙物時容易陷入局部極小點，通過改進斥力場解決了這一問題，而且獲得的避障軌跡較傳統斥力場更為平滑。

[1] 于金霞，蔡自興，鄒小兵,等.基于激光雷達的移動機器人障礙測距研究[J].傳感器與微系統，2006，25(5)：31-36.

[2] 于 今，饒 冀，閆軍濤.基于雙目立體視覺的壁面清洗機器人障礙物檢測研究[J].傳感器與微系統，2007，26(7)：69-72.

[3] Tsourdos A，White B，Shanmugavel M.Cooperative path planning of unmanned aerial vehicles[M].北京：國防工業出版社，2013.

[4] 顧幸方，陳晉音.移動機器人未知環境避障研究[J].傳感器與微系統，2011，30(5):16-20.

[5] 許 源.結合粒子群算法和改進人工勢場法的移動機器人路徑規劃[D].杭州：浙江大學，2013.

[6] Khatib O.Real-time obstacle avoidance for manipulators and mobile robots[J].The International Journal of Robotic Research，1986，5(1)：90-98.

[7] 游文洋，章 政，黃衛華.基于模糊改進人工勢場法的機器人避障方法研究[J].傳感器與微系統，2016，35(1):14-18.

[8] 劉和祥，邊信黔，王 君.基于傳感器信息的AUV局部避碰研究[J].傳感器與微系統，2007，26(12)：41-46.

[9] 易小芹.基于速度矢量場的實時航跡規劃研究[D].南京：南京航空航天大學，2013.

[10] 鄭海華，賀繼林，趙喻明,等.基于ADAMS的移動機器人避障仿真研究[J].計算機仿真，2014，31(5)：336-341.

[11] 賈長治，殷軍輝，薛文星,等.MD ADAMS虛擬樣機從入門到精通[M].北京：機械工業出版社，2010.

[12] 楊 柳.移動機器人動態路徑規劃方法研究[D].無錫：江南大學，2011.

Obstacle avoidance algorithm of multi-rotor UAV considering planned path*

LIAO Jin-yu1， XIE Xi-hua1,2,3， DENG Yu1,2

(1.State Key Laboratory of High Performance Complex Manufacturing，Central South University，Changsha 410083，China; 2.Sunward Intelligent Equipment Co Ltd，Changsha 410100，China；3.Southern Regional Collaborative Innovation Center for Grain and Oil Crops,Changsha 410100,China)

Aiming at problem that most research on obstacle avoidance of multi-rotor unmanned aerial vehicle(UAV) using artificial potential field(APF)method,only consider the safe arrival to the target point，rarely considering the actual need of flying on planned path, by giving planned path a“line potential field”in APF algorithm,the obstacle avoidance and planned-path flying are combined,so that the UAV is able to return to the planned path after avoiding obstacle.Considering the UAV has a wide movement range,the Attractive Potential Field in traditional APF method does not apply well to the UAV,so the Attractive Potential Field is improved.It is also found that the introduction of“Line Potential Field”can easily lead UAV fall into the local optimum.After analyzing on this problem,this problem is solved by improving the repulsive potential field(RPF).Simulation verify the effect iveness of aboved impoved improvement.

multi-rotor unmanned aerial vehicle(UAV)； planned-path flight； obstacle avoidance； line potential field；improved artificial potential field(APF)

10.13873/J.1000—9787(2017)08—0152—03

2016—09—05

國家科技支撐計劃資助項目(2014BAD06B07—1)；湖南省軍民融合專項項目(湘財企指[2015]42號)；湖南省重點研發計劃資助項目(2016GK2067)

TP 242

A

1000—9787(2017)08—0152—03

廖津余(1992-)，男，碩士研究生，主要研究方向為多旋翼無人機飛行控制、導航。