目录
摘 要 I
ABSTRACT II
第一章 文献综述 1
1 背景及意义 1
2 国内外文献综述 1
2.1 Astsr算法的应用 1
2.2 人工势场法 2
2.3 随机路图法 2
2.4 仿生学算法 3
第二章 相关理论基础 4
1 路径环境建模 4
2 Astar算法实现 5
2.1 代价函数 5
2.2 实现过程 7
3 Astar算法应用于在栅格地图 9
4 贝塞尔曲线 11
第三章 Astar算法的改进 14
1 搜索视角的改进 14
2 搜索步长的改进 14
3 Astar算法估价函数的改进 15
4 双侧搜索模型 17
5 动态Astar搜索模型 18
5.1 动态Astar算法原理 18
5.2 Dstar算法描述 19
6 贝塞尔曲线结合Dstar算法 21
第四章 案例分析 22
1 实验描述 22
2 实验结果 22
3 实验结果分析比对 24
第五章 结论与展望 26
参考文献 27附件 29
致 谢 31
基于局部方位信息的物流无人机路径规划及避障问题
摘 要
由于无人机（UAV）体积小、运动速度快、成本低，在公共、民用等领域形成了不可小觑的潜在市场，但人在地面实时操控无人机飞行这种方式已经不再适用于无人机越来越丰富的应用场景，自主飞行是无人机自主控制技术发展的必然走向。静态的路网规划算法不足以让物流无人机面对突变的地图环境，需要能够根据周围地图环境信息变化来实时更新规划路径的算法。本文通过对传统的Astar算法进行改进，使算法能够在动态的路网环境进行实时规划，形成动态的Astar搜索算法（Dstar算法）。之后采用贝塞尔曲线与Dstar算法规划出来的原始路径进行融合，形成平滑的可行的物流无人机飞行轨迹。实验结果表明，Dst *51今日免费论文网|www.51jrft.com +Q: ￥351916072￥ 
ar算法运行所用总时间比传统的Astar算法缩短了约14.1%，也就是说Dstar算法有更快的搜索效率。将Dstar算法规划出的原始飞行路径融合贝塞尔曲线，对飞行轨迹做平滑处理，做平滑处理后的路径比初始规划出的路径长度减少了5.67%。本文使用的结合贝塞尔曲线的Dstar算法具有很好的动态性，能够完成实时的避障路径规划；同时它所生成的飞行路径更加的平滑，后良好的适应性。总的来说，融合贝塞尔曲线的Dstar搜索算法是物流无人机相对较好的解决方案。

原文链接：http://www.jxszl.com/jtgc/jjtys/610126.html