基于卷积神经网络引导的A*无人机复杂地形路径规划方法

《Machines》：Accelerating A Path Planning for Unmanned Aerial Vehicles in Complex Terrain with a Convolutional Neural Network*

　　

摘要

无人机越来越多地用于基础设施检查和地形测绘等复杂现场任务。路径规划是确保作业质量和效率的核心技术。复杂地形环境通常包含禁飞区和山地障碍物。在这样的环境中，经典 A* 算法使用基于距离的启发式函数，严重低估了真实的遍历成本，导致大量不必要的节点扩展。当需要大幅绕行时，这一问题尤为突出，此时规划可能需要数十秒甚至几分钟，严重限制了实际可用性。本文提出了一种卷积神经网络引导的 A* 路径规划方法。它加速了此类场景下的规划，并降低了平均规划时间及其在不同问题实例之间的变异性。该网络经过训练，基于全局栅格地图预测从候选节点到目标的剩余代价。在搜索过程中，使用网络预测值和欧几里得距离的最大值作为启发式函数，这比单独使用欧几里得距离启发式函数更接近真实的最佳代价。这有效地减少了不必要的节点扩展。该方法在二十张 栅格地图上进行评估，在两种复杂地形场景中提供了四十个测试实例。与带有视线平滑的 A* 基线相比，所提方法将平均规划时间减少了 ，并将跨场景标准差从 降低至 ，路径长度仅增加了 。