无人机避障设计与实现

1、    无人机避障设计与实现    詹计雨 韩士杰 雷笑天 金楠森 张健摘要：针对四旋翼无人机避障的速度和精度，该文基于arduino mega2560单片机以及遗传算法和蚁群算法，设计了一种新型无人机全局避障算法和的硬件結构。全局避障算法针对航迹规划，结合两种启发式算法，收敛速度快，不易早熟收敛。算法通过matlab仿真与无人机测试，效果良好。关键词：蚁群算法;遗传算法;航迹规划;arduino mega2560单片机;无人机：tp311      ：a      ：1009-3044（201

2、8）31-0098-03四旋翼无人机的机械结构好，可执行多种任务，应用前景巨大。所以无人机航迹规划算法和相应的硬件结构成为当下研究热点。麻省理工学院研制的kinect，基于slam算法进行环境建模，自主3d地形映射与飞行，功能非常先进。即使在gps盲区与障碍物密集的城市也能安全飞行。本文旨在对避障无人机进行整体设计。使无人机可以安全快捷的避障。无人机外骨架防撞功能较强，不会伤及行人。航迹规划使用改进的蚁群算法，结合传统蚁群算法与遗传算法的优势，使算法收敛速度更快，不易陷入局部最优解。无人机整体效果达到预期。1 无人机硬件结构无人机外壳坚固轻便，减少了飞机重量和惯性对于避障的影响。外围的圆形保护

3、器通过四个减震器与无人机主体连接，可以防止无人机碰撞建筑物或者将人划伤，拥有比较强的防撞击功能，整体如图1所示。使用ks103超声波测距模块，波束角为45°-50°，分别放置在无人机的水平方向的4个方向与竖直的2个方向，水平方向每隔90°安装一个测距模块。超声波发射与接收的时间的数据，通过i2c方式传送给arduino mega2560开发板。2 无人机避障算法2.1 环境建模采用栅格图法进行环境模型的构建。假设无人机飞行的空间区域为s，不妨表示为xminxxmax，yminyymax，zminzzmax考虑到gps模块的会有1-2米的误差，故纬度值每0.003分

4、为一个单位，约5.511米，作为坐标系的横坐标。经度值每0.002分为一个单位，约3.674米，作为纵坐标。而竖直方向的单位长度为1米。如果这个栅格有障碍物，无人机就不能通过。y，z对应坐标值同理。ceil（）表示向正方向取整。在主方向上每隔一个单位长度划分一个平面，最后不足一个单位长度的按照一个单位长度来补齐。对应平面记为s1，s2，.，sn。2.2 全局航迹规划航迹规划采用改进的三维蚁群算法，传统的三维蚁群算法虽然鲁棒性强，但收敛速度慢，在时间有限的情况下往往无法得到良好结果。我们基于传统蚁群算法，结合遗传算法的优势染色体选择、交叉操作与蚁群算法的信息素更新与蚂蚁按概率转移等特点。使算法本

5、身不易陷入局部最优解，收敛比较快。四旋翼无人机航迹规划需要短的航迹长度、低的飞行高度。故选定适应度函数为：如图2所示，平面之间有小段航迹，但因为无人机会变换主方向，所以平面之间有每个航迹的至少一段航迹。比如ab，cd。首先判断ad，cb，也就是虚线部分是否联通，只要不是都联通就搜索下一组平面。如果ab，cd重合，也要搜索下一组平面。然后计算ab，cd，ad，cb的适应度fab、fcd、fad、fbc，如果满足fab+fcd>fad+fbc，就按照图4方式交叉，然后交叉结束。如果一组平面有多段航迹，尽量两两之间都判断一次。这里采用染色体的单点交叉。k为系数，注意取值合适的值。这里表示信息素

6、的衰减系数。这里信息素不进行局部更新。信息素更新后开始下一次迭代。3 算法仿真与分析为了验证本文的航迹规划算法。我们利用二元高斯分布的概率密度函数模拟山峰，进行算法仿真。函数如下：起点选择（-0.5，3，0）。终点选为（-2.5，-2.5，0）。经过仿真结果如图3：算法通过适应度排序，删除相同路径。保证了全局更新信息素时，同一条路径的信息素不会重复增加，抑制算法早熟。同时通过一号蚂蚁与二号蚂蚁的配合，与模仿染色体单点交叉的航迹交叉，可以持久寻求全局最优解。比较来说，本文算法比传统蚁群算法更简单高效。局部避障算法经过无人机测试，切实有效，避障比较迅速。4 结论本文结合超声波传感器ks103、数据传输模块、开发板arduino mega2560和pixhawk飞控芯片完成对避障无人机核心硬件的开发。无人机的机械结构，使其拥有较强防撞能力以及较轻的质量和良好的散热能力。无人机全局避障算法有良好效果。算法经过仿真与无人机验证，切实可行。参考文献：1 李彦苍，彭扬.基于信息熵的改进人工蜂群算法j.控制与决策，2015，30（6）：1121-1125