CN119514831A 无人机-无人车联合轨迹优化方法、系统、介质及设备 （山东大学）

2分别根据无人机和无人车的起始位置点和安全可行域生成参构建无人机和无人车的约束函数，包括：分别根据无人根据无人机和无人车的联合轨迹优化函数和无人机和无人车的约束函数求解得到优化后的路径点和对应的时间，采用优化后的路径点和对应的时间表示得到最终的优化轨,状态约束惩罚项对于无人车速度和加速度的梯度；高度约束惩罚项对于无人车高度的梯车某一时刻的坐标点qp(t)或qc(t)对于安全可行域中第i个超平面的避障约束惩罚项设置为G,r(q(t))或G.i(q(t))：,,3:,,,,其中，,和分别代表无人机在时刻的速度、加速度和加加速度，为用无人机速度、加速度和加加速度表示的无人机螺旋桨推力，切向加速度约束和最大曲率约束分别构建速度约束惩罚项G,(qc(t))、纵向加速度约束惩罚项Ga,(qc(t),⃞c(t))、切向加速度约束惩罚项Ga,(qc(t),⃞c(t))和曲率约束惩罚项,,机和无人车的联合轨迹优化函数和无人机和无人车的约束函数求解得到优化后的路径点对约束变量进行梯度传递，将已有的惩罚项对各个约束变量的梯度转4对路径点和时间进行时空映射来消除时间和空间上的约束，将映将优化变量和联合轨迹优化函数放入到求解器中进行求解，得到优初始路径生成模块，用于根据任务要求和环境信息，生根据期望速度将参考轨迹表示为多个路径点和每个路径构建无人机和无人车的约束函数，包括：分别根据无人轨迹优化模块，用于根据无人机和无人车的联合轨迹优化5[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技全可行域和起始点生成参考轨迹，并将轨迹根据期望速度分为多个路径点和对应的时间；速度将参考轨迹表示为多个路径点和每个路径点对根据无人机和无人车的联合轨迹优化函数和无人机和无人车的约束函数求解得6,其中，zp(t)为无人机实时状态的平坦输出量，zc(t)为无人车实时状态的平i个超平面的避障约束惩罚项设置为G,r(q(t))或Gci(q(t))：,,其中，qp(t)和qc(t)分别为无人机或无人车在某一时刻的坐标，Api和Aor分别为俯仰角约束和最大推力约束分别构建速度约束惩罚项、加速度约束惩罚项:为用无人机速度、加速度和加加速度表示的无人机螺旋桨推力，7最大切向加速度约束和最大曲率约束分别构建速度约束惩罚项G,(qc(t))、纵向加速度约束惩罚项Ga,(qc(t),⃞c(t))、切向加速度约束惩罚项Ga,(qc(t),⃞c(t))和曲率约束惩罚项,,路径点和安全可行域；分别根据无人机和无人车的起始位置点和安全可行域生成参考轨8图3是本发明实施例提供的未经过轨迹优化的显示障碍物的离散路径的俯视结果图4是本发明实施例提供的未经过轨迹优化的不显示障碍物的离散路径的侧视结图5是本发明实施例提供的经过轨迹优化后的显示障碍物的光滑轨迹的俯视结果图6是本发明实施例提供的经过轨迹优化后的不显示障碍物的光滑轨迹的侧视结9化过程在维度上的一致，将无人车和无人机的轨迹优化函数写为一个联合轨迹优化函数：其中，zp(t)为无人机实时状态的平坦输出量，zc(t)为无人车实时状态的平[0030]将无人机或无人车某一时刻的坐标点qp(t)或qc(t)对于安全可行域中第i个超平面的避障约束惩罚项设置为GP(q(t))或Ga(q(t))：[0031]将构建的避障约束惩罚项对于坐标值进行求导可得到其对坐标的梯度和状态约束惩罚项对于无人机和无人车的多项物俯仰角约束和最大推力约束分别构建速度约束惩罚项、加速度约束惩罚项:为用无人机速度、加速度和加加速度表示的无人机螺旋桨推力，最大切向加速度约束和最大曲率约束分别构建速度约束惩罚项G,(qc(t))、纵向加速度约束惩罚项Ga,(qc(t),⃞c(t))、切向加速度约束惩罚项Ga,(qc(t),⃞c(t))和曲率约束惩罚项时刻的高度坐标zc(t)构建高度约束惩罚项Gn(ac(t))：其中zc(t)为无人车在t时刻的z坐标。[0039]求得高度约束惩罚项对于无人车高度的梯度，通过添加该项可将无人车的[0041]同时，为了防止因追求过低能耗而出现飞行速度过慢导总的惩罚项内已经包含所有的惩罚项和每一项对于各个时刻各个物理量的梯度，部转化为对无人机和无人车路径点和对应时图5为经过轨迹优化后的光滑轨迹的俯视图，图6是图5的结果的基础上障碍物不路径点和安全可行域；分别根据无人机和无人车的起始位置点和安全可行域生成参考轨