基于改进速度障碍法的实时无人机避障技术概论

胡梦瑶

四川大学电子信息学院 四川 成都 610065

引言

在不久的将来，为人们提供各种类型服务的成百上千架无人机将会共享同一空域，在这样拥挤的空域中，需要进行集中式航迹规划管理来确保所有的无人机可以避免碰撞冲突，从而实现安全飞行。因此，在密集城市空域环境下，无人机动态检测避障机制将发挥巨大的作用，类比而言，无碰撞航迹规划之于无人机使用等同于交通规则之于城市道路交通。因此，能够在符合相关自动化UAV的法规的前提下，设计出一种可以在多无人机场景中实现完全无碰撞的航迹规划是十分有意义和具有挑战性的。

本文的研究目的就是实现在多无人机系统中的实时碰撞避免。当前，针对此领域的国内外避障技术有很多，如势场法、进化算法、基于图像的算法，在状态空间中搜索几何关系、力和速度的方法[1]。在本文中，则提出了一种去中心化机制的避障技术，是一种基于速度障碍法的改进算法，该算法通过避障机制使得陷入碰撞冲突的无人机偏离原有飞行航迹，并在无人机成功脱离碰撞冲突之后进行航迹恢复。仿真实验表明，使用基于速度障碍法的改进RVO算法，可大大减少传统算法的时空复杂度和计算成本，同时还有着不错的运算效率。

1 算法原理概述

1.1 模型概述

设定某个移动智能体Agent表示符号为a，智能体a在t时刻的速度向量为则是智能体a的位置向量，则该智能体在运动空间中的状态可以表示如下：

在分布式多智能体运动避碰问题中，每个智能体相对于其他智能体而言都是一个移动障碍物。因此，在建立速度障碍法计算模型时，我们有以下几点假设和设定：

在进行碰撞冲突检测和避免时，将智能体和障碍物简化为具有一个半径的圆形，这个半径就是它们的安全半径。并且为了方便计算，通过相对扩展障碍物的安全半径，智能体则可以从一个圆形简化为一个质点[2]。

通过相对速度的处理可以将移动障碍物转换为静止障碍物[3]。

1.2 冲突检测机制

在无人机避障算法中，第一个关键环节就是实时准确地检测到是否会发生碰撞冲突，因此，本文首先研究的就是避障算法中的碰撞冲突检测机制。首先，我们设定一组表示在任何给定时刻的无人机飞行状态集合，表示如下：

其中，ai代表每个无人机的状态向量，表示如下：

而在每个无人机状态向量中有几个分向量，数学公式如下：

其中，pi∈P是位置分向量，由三维空间坐标(px,py,pz)组成，pi∈P是速度分向量，由(xi,yi,zi)组成。另外，Rsafety是无人机的安全飞行区域半径。并且，在这种机制中，我们假设所有的无人机都飞行于同一个高度，即我们所研究的是二维平面的动态避碰问题，也就是说zi和为一个常数向量。当无人机a1和a2的安全飞行区域出现交汇的时候就会产生碰撞冲突。本文中设定所有的无人机都是同一型号的无人机，具有一样的安全区域半径r，因此，上述发生碰撞冲突的条件可以用数学公式表示如下：

1.3 碰撞速度区域计算

首先，设定一个全局坐标系OXY，无人机a1的位置向量为，速度向量为，同理，无人机a2的位置向量和速度向量分别为，。将无人机a2视作移动障碍物，根据无人机a1的安全半径大小进行扩展，a2的安全半径扩展为r0，这个时候就可以将无人机a1看作为一个质点。

我们所求的就是相对碰撞速度区域RCV，位于这个区域的速度是会导致无人机a1和a2发生碰撞的速度区域，无人机a1和无人机a2的相对速度为。

2 仿真实验与分析

根据上面的理论分析，下面进行多无人机实时避障实验设计，我们将无人机简化为圆形图标，设定为两组共10架无人机和，每组5架分别置于场景的上下两侧。初始化无人机a0~a9的起飞坐标如下：

初始化无人机a0~a9的目的点坐标如下：

初始化无人机最大变化速度为1.0，运行时间设置为10s，迭代步长为0.01s。基于速度障碍法的实时多无人机避障系统仿真结果表明，所有的无人机一开始朝向各自的目的地前进，然后发生交汇陷入碰撞冲突之中，解脱冲突并恢复航迹，最后都顺利地抵达了各自的目的地[4]。

图1 无人机集群解脱冲突后恢复航迹

3 结束语

本文提出了一种适用于多无人机动态避障的算法机制，解决了n个无人机在朝向目标点移动的过程中，对于其他智能体或者障碍物进行动态避碰，并搜寻最佳移动路径的问题。相对于基础VO算法而言，本文使用了改进的相对速度障碍法，用于改善下一时刻速度选择的随意性所导致的速度抖动现象，并降低了计算成本。仿真实验验证了该算法的有效性，数量众多的无人机在短时间内可以有效地进行动态实时避障并成功抵达各自的目的地，提高了无人机的自主避障能力。