.png){kind=icon}
返回
Dynamic Adaptive UAV Path Planning Based on Three-Dimensional Environments
.png){kind=icon}
PRE
AI
DOI：10.3390/aerospace12111000.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于采样的算法对高维无人机路径规划至关重要，尤其是在3D城市环境中。Rapidly-Exploring Random Tree (RRT) 因采样方法不足和单一的固定采样策略，导致路径冗长且计算成本较高。为解决此问题，我们提出了一种动态自适应DACS-RRT*算法，该算法构建动态双向采样空间，并融合低差异Halton采样与桥梁（狭长通道）采样，从根本上使采样过程适应城市环境。我们进一步构建了一种自适应协同采样策略，通过计算概率动态调整直奔目标与视锥-锥体扩展，从而克服单一策略的局限性并增强方向引导。在生成路径后，我们进行多目标平滑处理，使无人机轨迹更适应城市环境。通过在三种不同城市场景下的仿真，并与五种基线算法对比，DACS-RRT*在路径长度、收敛时间、节点数、迭代次数、避障裕度和转弯角度方面均表现出改进，进一步验证了其在城市环境中的实用性。
Keyword:
rapidly-exploring random tree
sampling strategy
adaptive goal bias
particle swarm optimization
unmanned aerial vehicle
path planning
期刊
IF:
2.2
论文数:
870
被引数:
7.3K
机构
暂无机构信息
引用论文
UAV path planning and collision avoidance in 3D environments based on POMPD and improved grey wolf optimizer基于POMPD和改进灰狼优化的三维环境下无人机路径规划与避碰
PREAI
分享收藏An improved RRT* algorithm for robot path planning based on path expansion heuristic sampling基于路径扩展启发式采样的机器人路径规划改进RRT * 算法
PREAI
分享收藏
Improved lazy theta* algorithm based on octree map for path planning of UAV基于八叉树地图的改进lazy theta * 算法在无人机航迹规划中的应用.png)
DEFENCE TECHNOLOGY
OAAI
DEFENCE TECHNOLOGYIF5.9
OAAI分享收藏Adaptive multi-UAV path planning method based on improved gray wolf algorithm基于改进灰狼算法的自适应多无人机航迹规划方法
PREAI
分享收藏
查看更多内容