在11(2)中已經將人工勢場法避障代碼遷移至AirSim中，但是有一些待解決問題，這里一并說明后續的解決方案。

1.障礙物檢驗

之前使用了AirSim中提供的目標識別接口，主要問題在于

受到可搜索目標種類的限制，無法識別的物體不會被視作障礙物；

檢測距離受限，在距離小于3米時難以識別。

在拿到了障礙物檢測接口后，對相關部分進行替換，以上問題得到較好的解決。這部分內容不是本人負責，相關代碼可參考：https://github.com/Kun-k/airsim_python/tree/main/ObstacleDetection。該接口可實時檢測障礙物，并返回box3D類型的障礙物信息，如下所示：

'box3D': <Box3D> { 'max': <Vector3r> { 'x_val': 4.900000095367432, 'y_val': 0.7999999523162842, 'z_val': 0.5199999809265137}, 'min': <Vector3r> { 'x_val': 3.8999998569488525, 'y_val': -0.19999998807907104, 'z_val': 1.5199999809265137}},

box3D類型提供了8個頂點信息，8個頂點可組成一個立方體，進而得到想要的障礙物信息。

這里取用了$x?y$平面內的4個頂點計算斥力。需注意以下兩點：

檢測障礙物時的距離閾值，與避障時的距離閾值定義不同，故計算斥力時需再次確認障礙物是否在距離閾值內。

直接獲取的障礙物信息是在機體坐標系下的信息，需變換至全局坐標系再進行計算。

2.無人機速率和偏航控制

在之前使用LQR方法進行控制，能夠較好地控制無人機跟蹤目標狀態，實現無人機機頭朝向與飛行方向的一致。但為了進行速度、加速度限幅，目標狀態的速度和加速度并不匹配，控制誤差也較大，對無人機的速度限制效果一般。

參考三維航路點跟蹤時使用的控制器限幅方法，通過當前速度對控制器輸出進行限制，進行如下調整：

# 無障礙物時，三維航路點跟蹤的控制器輸出 U1 = np.array((K0 * Pt_matrix + K1 * A.dot(Pt_matrix)).T)[0] if np.linalg.norm(U1, ord=np.inf) > Ul_track:U1 = U1 * Ul_track / np.linalg.norm(U1, ord=np.inf) U = -(U1 + V_curr) / K2 # 有障礙物時的控制器輸出 U = Fatt + Frep if np.linalg.norm(U, ord=np.inf) > Ul_avoid:U = Ul_avoid * U / np.linalg.norm(U, ord=np.inf) U = (U - V_curr) / K2 # 改進部分

3.改進局部極小值判斷方法

考慮下圖所示的情況，無人機由軌跡1-2切換至軌跡2-3時，在航路點2處先減速再加速。

此時速度較小，如加速過程中檢測到障礙物，會認為滿足航路點檢測條件，產生不必要的避障動作。

解決方法為，只在加速運動的過程中進行局部極小值檢驗。

4.實現效果

改進APF方法與RRT方法結合進行避障飛行

RRT+APF無人機避障飛行

總結

以上是生活随笔為你收集整理的11(3)-AirSim+四旋翼仿真-AirSim中人工势场法方法改进的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。