复杂环境下智能飞行器的航迹问题是无人驾驶技术突破的关键所在，要能准确控制 航迹，就需要准确定位，而目前定位系统无法精准定位，需要在飞行过程中不断校正定位 误差。本文研究智能飞行器在系统定位精度限制下的航迹快速规划问题。
问题一-要求能够快速规划飞行器在多约束条件下的飞行航迹，综合考虑飞行距离和误 差校正次数尽量少。为了使模型通用性更高，本文使用记忆化深度优先算法建立有向图， 然后用Dijkstra+堆优化算法求最短航迹，算法时间复杂度为0(V1* Vi *ε+ V2 * log(V)), 其中V为校正点个数，e为满足约束条件下最远飞行距离，Vz 为建图后的节点个数。假 设飞机可以折线飞行，优先考虑飞行距离然后考虑误差校正次数。在数据集1上，建立模 型得到- -条最短航迹为103512m和校正次数为9次的最优路径。在数据集2上，建立模 型得到一条最短航迹为109336m和校正次数为12次的最优路径。
问题二在问题一基础上，提出飞行器受到结构和控制系统的影响，最小转弯半径为 200m，我们假设飞行器在两点之间.飞行时，飞行直线距离大于最小转弯半径，即飞行器 能在当前位置沿半径为200m的圆转弯，直至能沿该圆的切线方向飞向下一个校正点。在 此假设之上，我们使用第一问的算法求出最优的5条航迹，将航迹进行修正，选择修正后 的最优航迹作为结果。令初始飞行方向为起始点到第一个校正点直线 飞行的方向，因此， 飞行器航迹修正为沿当前飞行方向以当前校正点为切点的相切圆的圆弧，加.上沿相切圆切 线方向~飞向下一个校正点的航迹。在校正前，在数据集1和数据集2上得到的最优航迹长 度分别为103512m和109336m，经过计算得到修正后的航迹长度为103652m和109534m.
问题三在问题1/2的基础上，加上了概率约束，部分校正点为问题校正点，会有误差校 正失败的概率，题目要求出发点成功到达目的地的概率尽可能大。我们在最坏的情况去求 最优概率，即假设所有问题校正点均校正失败。我们在解决第一问的算法的基础上改变建 有向图的方法。在数据集1上，建立模型得到一条概率为100%，最短航迹为104823m和 校正次数为10次的最优航迹。在数据集2上，建立模型得到一条概率为100%，最短航迹 为161639m和校正次数为21次的最优航迹。
关键字:多约束条件,通用性记忆化,深度优先搜索算法,Djkstra+,堆优化算法,运动轨迹概率分析
F19102690110链接：https://pan.baidu.com/s/1DrbDT3kt29Po0zTlcOFykw
提取码：xg8p
代码下载地址：下载地址