Optimized Graph-Search-Based Path Planning for Intelligent UAVs in Complex Environments

P. L. K. Priyadarsini

doi:10.1007/s44196-026-01247-6

Optimized Graph-Search-Based Path Planning for Intelligent UAVs in Complex Environments

2026-03-23

1

PRE

AI

P

P. L. K. Priyadarsini *

J

J Akshya

R

Rajesh Kumar Dhanaraj *

DOI：10.1007/s44196-026-01247-6

原文链接

原文求助

摘要

En 中文

无人机（UAVs）经历了显著发展；因此，它们可应用于农业、监视、灾害管理和工业监测等多个领域。它们能够独立工作，这在很大程度上减少了人类干预，使其在操作中高效且经济。但随着无人机使用的增加，覆盖路径规划（CPP）等问题变得更加重要。CPP问题在于创建最优路径，使无人机能够飞越给定的地理区域，特别是带有固定障碍物的复杂凹形几何区域。为解决此问题，必须开发新颖且计算高效的方法，以减少穿越时间和能耗，并提供区域的全面覆盖。本研究旨在为凹形地理区域中存在固定障碍物的CPP问题提出新的解决方案。所提出的方法采用点对识别（PPI）技术，这是一种在分解后的子区域内系统定位覆盖点对的方法。这些点对是无人机的重要导航里程碑，使路径优化在复杂地形中易于遵循。该问题也被表述为旅行商问题（TSP），从而能够应用束搜索算法，利用启发式搜索原理生成计算成本低且接近最优的解。所提出方法的新颖性在于结合了传统几何分解方法与先进的搜索程序，为复杂的无人机路径规划挑战提供了可扩展且强大的解决方案。这是一项基于图搜索的CPP研究，建立在几何分解、航点配对约束和有限宽度启发式搜索的基础上。所提出的束搜索算法与爬山算法相比，使行程最大长度减少了8%，而A.0.小行星搜索算法的最优路径长度也达到最优，由于其较窄的搜索宽度而表现良好。该方法将执行时间减少了最多30%，能耗降低了约15%。同时，覆盖效率达到98-99.5%，覆盖区域内的遗漏有限。这些发现表明所建议的解决方案在大型和高障碍环境中的强大性与灵活性。总体而言，该方法促进了无人机路径规划的发展，为自主无人机导航的关键问题提供了计算高效、可扩展且精确的解决方案。

Keyword:

Unmanned aerial vehicles

Travelling salesperson problem

Coverage optimization

Path planning

Beam search algorithm

Autonomous navigation

Optimized Graph-Search-Based Path Planning for Intelligent UAVs in Complex Environments

摘要

期刊

机构

引用论文