一种无人机路径规划方法及系统

1.本发明涉及无人机技术领域，特别是关于一种无人机路径规划方法及系统。

背景技术：

2.现今，无人机在军用、民用领域的应用越来越广泛，其具有轻便、持续性强、降低人力成本等优点。无人机路径规划就是根据任务的对满足所有约束条件的最优飞行轨迹做出的规划，其关键技术内容包括地形信息的获取和处理，障碍突防模型的算法以及轨迹跟踪方法等，其中最核心的为路径规划的算法设计。
3.目前，现有技术中的路径规划算法主要包括图搜索算法、人工势场算法、智能优化算法和机器学习算法等。然而，现有的路径规划算法在无人机路径规划时适用种类单一，只适用于全局搜索或局部搜索中的一种，具有一定的局限性，且收敛速度慢、容易陷入局部最优。

技术实现要素：

4.针对上述问题，本发明的目的是提供一种能够适用于全局搜索和局部搜索的无人机路径规划方法及系统。
5.为实现上述目的，本发明采取以下技术方案：第一方面，提供一种无人机路径规划方法，包括：
6.建立待规划无人机的飞行环境和三维地形信息；
7.采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径；
8.选出得到的若干路径中的最短路径，并重新进行全局搜索或局部搜索，直至达到预设的迭代次数，此时的最短路径即为待规划无人机的最优路径。
9.进一步地，所述三维地形信息包括待规划无人机飞行环境的地图范围和山峰特征信息，其中，山峰特征信息包括山峰数量、山峰中心坐标、山峰区域、山峰高度和山峰坡度。
10.进一步地，所述蛇优化算法的参数包括起始点坐标、迭代次数、个体数量、食物阈值、常数数值、种属性、种位置、节点位置和适应度函数，其中，食物表示当前的最优路径，种中的个体表示待规划无人机。
11.进一步地，所述采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径，包括：
12.基于设置的蛇优化算法参数，确定蛇优化算法的种、环境温度和食物数量；
13.采用蛇优化算法，基于设置的蛇优化算法参数以及确定的种、环境温度和食物数量，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径。
14.进一步地，所述基于设置的蛇优化算法参数，确定蛇优化算法的种、环境温度和食物数量，包括：
15.基于设置的蛇优化算法参数，初始化蛇优化算法的种，生成均匀分布的随机种，将生成的随机种分为雄性和雌性两组；
16.基于设置的蛇优化算法参数，确定蛇优化算法的环境温度和食物数量。
17.进一步地，所述采用蛇优化算法，基于设置的蛇优化算法参数以及确定的种、环境温度和食物数量，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径，包括：
18.当食物数量小于等于食物阈值时，进行全局搜索，待规划无人机随机选择一条路径；
19.当食物数量大于等于食物阈值且环境温度大于等于温度阈值时，进行局部搜索，待规划无人机向最优路径方向更新路径；
20.当食物数量大于等于食物阈值且环境温度小于等于温度阈值时，处于战斗模式或交配模式，进行局部搜索，待规划无人机向最优路径方向更新路径；
21.基于设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，对种中超界的个体进行碰撞检测惩罚，并以碰撞检测惩罚后的路径替换碰撞检测惩罚前的路径。
22.进一步地，在交配模式下，若最短路径出现缠绕现象，则在出现缠绕现象的最短路径中选择三个点对该最短路径的缠绕位置进行优化，并以优化后的路径替换优化前的路径，其中，两个点分别在设置在缠绕位置的两侧，另外一个点设置在缠绕位置处。
23.第二方面，提供一种无人机路径规划系统，包括：
24.飞行环境建立模块，用于建立待规划无人机的飞行环境和三维地形信息；
25.路径初选模块，用于采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径；
26.路径确定模块，用于选出得到的若干路径中的最短路径，并重新进行全局搜索或局部搜索，直至达到预设的迭代次数，此时的最短路径即为待规划无人机的最优路径。
27.第三方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述无人机路径规划方法对应的步骤。
28.第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述无人机路径规划方法对应的步骤。
29.本发明由于采取以上技术方案，其具有以下优点：
30.1、本发明由于采用蛇优化算法，对无人机路径进行规划，较其他算法收敛速度更快，且更容易跳出局部最优继续寻代价更小的航迹，具有快速高效的优点。
31.2、由于蛇优化算法直接用于无人机规划随机会产生缠绕问题，本发明采用优化后的蛇优化算法，在缠绕的局部路径上选择三个点，以该三个点为路径得到优化后的路径进行替换，能够解决蛇优化算法在无人机路径规划上出现的缠绕问题，不仅能够达到全局最优，且在局部也最优。
32.3、本发明既可以在较短的时间内给出更优的航迹，又可以更精确地搜寻更优的航迹，在实际应用中更加可取。
33.综上所述，本发明可以广泛应用于无人机技术领域中。
附图说明
34.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
35.图1是本发明一实施例提供的方法流程示意图；
36.图2是本发明一实施例提供的采用本发明方法随机3次无人机路径规划的结果示意图，其中，图2(a)、(b)和(c)分别是3次无人机路径规划的结果示意图；
37.图3是本发明一实施例提供的采用本发明方法随机3次无人机路径规划的适应度曲线示意图，其中，图3(a)、(b)和(c)分别是3次无人机路径规划的适应度曲线示意图。
具体实施方式
38.下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整地传达给本领域的技术人员。
39.应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。
40.尽管可以在文中使用术语第一、第二、第三等来描述多个元件、部件、区域、层和/或部段，但是，这些元件、部件、区域、层和/或部段不应被这些术语所限制。这些术语可以仅用来将一个元件、部件、区域、层或部段与另一区域、层或部段区分开。除非上下文明确地指出，否则诸如“第一”、“第二”之类的术语以及其它数字术语在文中使用时并不暗示顺序或者次序。因此，以下讨论的第一元件、部件、区域、层或部段在不脱离示例实施方式的教导的情况下可以被称作第二元件、部件、区域、层或部段。
41.本发明实施例的无人机路径规划方法及系统，采用蛇优化算法(snake optimizer，so)对无人机的三维路径进行规划，同时能够解决so算法在无人机路径规划上出现的缠绕问题，且能够同时达到全局最优和局部最优。
42.具体地，蛇优化算法受蛇交配行为的启发，在低温且食物充足的条件下，蛇会发生交配，产生下一代并淘汰体中最差的个体，否则蛇只会寻食物或吃掉剩余的食物。蛇优化算法分为全局探索和局部开发两个阶段。在全局探索阶段，蛇会选择随机位置对食物进行搜索，并更新自己与实物的相对位置。在局部开发阶段，蛇只会向食物方向移动(目标方向)，在有食物但温度过高的情况下，蛇只会专注于吃可获得的食物；在有食物但温度过低的情况下，则会发生交配行为。交配过程分为战斗模式和交配模式，在战斗模式中，每一雄蛇均会为获得最好的雌蛇而战，每一雌蛇均会试图选择最好的雄蛇；在交配模式下，交配的雄蛇和雌蛇的数量与可获得食物的数量有关，如果交配成功，则雌蛇产卵并产生新一代蛇，
新一代蛇会将体中最差的蛇淘汰。本发明基于上述算法提高搜索效率，使无人机快速避障，出合适的飞行路线，使得全局搜索更加高效。
43.实施例1
44.基于上述说明，如图1所示，本实施例提供一种无人机路径规划方法，包括以下步骤：
45.1)建立待规划无人机的飞行环境，并初始化三维地形信息，本步骤用于为无人机设置随机障碍，使得无人机不能穿山飞行。
46.具体地，三维地形信息包括待规划无人机飞行环境的地图范围(长、宽、高)和山峰特征信息。
47.具体地，山峰特征信息采用struct结构体初始化得到，其中，山峰特征信息包括山峰数量、山峰中心坐标、山峰区域、山峰高度和山峰坡度。
48.2)设置蛇优化算法的参数。
49.具体地，蛇优化算法的参数包括起始点坐标、迭代次数、个体数量、食物阈值threshold、温度阈值threshold2、常数c数值、种属性、种位置、节点位置和适应度函数(适应度函数即为对无人机的惩罚，若无人机飞出所设置的地图范围，或穿山而过进行寻，则会对其进行惩罚)，其中，食物表示当前的最优路径，种中的个体表示待规划无人机。
50.3)基于设置的蛇优化算法参数，初始化蛇优化算法的种，具体为：
51.3.1)基于设置的蛇优化算法参数，初始化蛇优化算法的种，生成均匀分布的随机种：
52.xi＝x
min
+r
×
(x
max-x
min
)
ꢀꢀꢀꢀ
(1)
53.其中，xi为种中第i个个体的位置；r为符合正态分布的随机数，且满足r∈[0，1]；x
min
为位置的下限变量；x
max
位置的上限变量。
[0054]
3.2)将生成的随机种分为雄性和雌性两组：
[0055][0056]
nf＝n-nmꢀꢀꢀꢀ
(3)
[0057]
其中，n为生成的随机种中个体的总数；nm为生成的随机种中雄性个体的数量；nf为生成的随机种中雌性个体的数量。
[0058]
4)基于设置的蛇优化算法参数，确定蛇优化算法的环境温度和食物数量。
[0059]
具体地，蛇优化算法的环境温度temp为：
[0060][0061]
其中，t为当前迭代次数；t为最大迭代次数。
[0062]
具体地，蛇优化算法的食物数量q为：
[0063][0064]
其中，c1为常数。
[0065]
具体地，随迭代次数的增加，蛇优化算法的环境温度temp下降、食物数量q增加。
[0066]
5)采用蛇优化算法，基于设置的蛇优化算法参数以及确定的种、环境温度和食
物数量，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，更新种位置，得到待规划无人机的若干路径，具体为：
[0067]
5.1)当确定的食物数量小于等于食物阈值即q≤threshold时，雄蛇选择随机位置对食物进行搜索，进行全局搜索(无食物)，待规划无人机随机选择一条路径：
[0068]
x
im
(t+1)＝x
rm
(t)
±
c2×am
×
((x
max-x
min
)
×
r+x
min
)
ꢀꢀꢀꢀ
(6)
[0069][0070]
x
if
＝x
rf
(t+1)
±
c2×af
×
((x
max-x
min
)
×
r+x
min
)
ꢀꢀꢀꢀ
(8)
[0071][0072]
其中，x
im
为第i个雄蛇个体的具体位置；x
rm
为雄蛇个体的随机位置；c2为常数；am为雄蛇寻食物的能力；f
rm
为x
rm
的适应度值；f
im
为第i个雄蛇个体的适应度值；x
if
为第i个雌蛇个体的具体位置，x
rf
为雌蛇个体的随机位置，af为雌蛇寻食物的能力，f
rf
为x
rf
的适应度值，f
if
为第i个雌蛇个体的适应度值。
[0073]
5.2)当确定的食物数量大于等于食物阈值且确定的环境温度大于等于温度阈值，即q≥threshold且temp≥threshold2时，雄蛇雌蛇只会向食物方向移动，进行局部搜索(有食物且温度高)，待规划无人机向最优路径方向更新路径：
[0074]
x
ij
(t+1)＝x
food
±
c3×
temp
×r×
(x
food-x
ij
(t))
ꢀꢀꢀꢀ
(10)
[0075]
其中，x
ij
为雄蛇雌蛇所有个体的位置；x
food
为雄蛇雌蛇所有个体的最佳位置，c3为常数。
[0076]
5.3)当确定的食物数量大于等于食物阈值且确定的环境温度小于等于温度阈值，即食物数量q＞threshold]且环境温度temp≤threshold2时，雄蛇将处于战斗模式或交配模式，进行局部搜索(有食物且温度低)，待规划无人机向最优路径方向更新路径。
[0077]
具体地，在战斗模式下，待规划无人机更新的路径为：
[0078]
x
im
(t+1)＝x
im
(t)
±
c3×
fm
×r×
(q
×
x
fbest-x
im
(t))
ꢀꢀꢀꢀ
(11)
[0079]
x
if
(t+1)＝x
if
(t)
±
c3×
ff
×r×
(q
×
x
mbest-x
if
(t))
ꢀꢀꢀꢀ
(12)
[0080][0081][0082]
其中，x
fbest
为所有雌蛇中的最佳位置；fm为雄蛇的战斗力；x
mbest
为所有雄蛇中最佳位置；ff为雌蛇的战斗力；f
fbest
为所有雌蛇中最佳个体的适应度；f
mbest
为所有雄蛇中最佳个体的适应度，fi为当前个体的适应度。
[0083]
具体地，在交配模式下，待规划无人机更新的路径为：
[0084]
x
im
(t+1)＝x
im
(t)
±
c3×mm
×r×
(q
×
x
if
(t)-x
im
(t))
ꢀꢀꢀꢀ
(15)
[0085]
x
if
(t+1)＝x
if
(t)
±
c3×
mf×r×
(q
×
x
im
(t)-x
if
(t))
ꢀꢀꢀꢀ
(16)
[0086][0087]
[0088]
其中，mm为雄蛇的交配能力；mf为雌蛇的交配能力。
[0089]
具体地，在交配模式下，当雄蛇雌蛇交配产生出下一代后，替换最差的雄蛇或雌蛇，即以新个体对应的路径替换最差路径，该最差的路径为所有路径中最长的路径。
[0090]
5.4)基于设置的蛇优化算法的参数，根据建立的飞行环境和三维地形信息，对种中超界的个体进行碰撞检测惩罚，并以碰撞检测惩罚后的路径替换碰撞检测惩罚前的路径。
[0091]
具体地，为适应无人机飞行的特点，在寻优选路径过程中，当路径与建立的飞行环境产生交点时即认为该路径对应的个体超界，通过设置的适应度函数进行惩罚，以碰撞检测惩罚后的路径替换碰撞检测惩罚前的路径，以便新个体对其淘汰。
[0092]
6)选出得到的待规划无人机的若干路径中的最短路径作为待规划无人机的优选路径，并进入步骤5)，直至达到预设的迭代次数，此时的优选路径即为待规划无人机的最优路径。
[0093]
具体地，若最短路径出现缠绕现象，则在出现缠绕现象的最短路径中选择三个点(其中两个点分别设置在缠绕位置的两侧，另外一个点设置在缠绕位置处)对该最短路径的缠绕位置进行优化，得到优化后的路径，并以优化后的路径替换优化前的路径：
[0094]
x
mworst
＝x
min
+r
×
(x
max-x
min
)
ꢀꢀꢀꢀ
(19)
[0095]
x
fworst
＝x
min
+r
×
(x
max-x
min
)
ꢀꢀꢀꢀ
(20)
[0096]
其中，x
mworst
为最差的雄蛇个体；x
fworst
为最差的雌蛇个体。
[0097]
如图2(a)、(b)和(c)所示，为采用本发明方法随机3次无人机路径规划的结果示意图，可以看出，采用本发明的方法实时性好，避障能力强且路径平滑，安全性高，全局和局部路径规划能力强。
[0098]
如图3(a)、(b)和(c)所示，为采用本发明方法随机3次无人机路径规划的适应度曲线示意图，可以看出，本发明的方法收敛速度较快。
[0099]
实施例2
[0100]
本实施例提供一种无人机路径规划系统，包括：
[0101]
飞行环境建立模块，用于建立待规划无人机的飞行环境和三维地形信息。
[0102]
路径初选模块，用于采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径。
[0103]
路径确定模块，用于选出得到的若干路径中的最短路径，并重新进行全局搜索或局部搜索，直至达到预设的迭代次数，此时的最短路径即为待规划无人机的最优路径。
[0104]
本实施例提供的系统是用于执行上述各方法实施例，具体流程和详细内容请参照上述实施例，此处不再赘述。
[0105]
实施例3
[0106]
本实施例提供一种与本实施例1所提供的无人机路径规划方法对应的处理设备，处理设备可以适用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
[0107]
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在处理设备上运行的计算机程序，处理设备运行计算机程序时执行本实施例1所提供的无人机路径规划方法。
[0108]
在一些实现中，存储器可以是高速随机存取存储器(ram：random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0109]
在另一些实现中，处理器可以为中央处理器(cpu)、数字信号处理器(dsp)等各种类型通用处理器，在此不做限定。
[0110]
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0111]
本领域技术人员可以理解，上述计算设备的结构，仅仅是与本技术方案相关的部分结构，并不构成对本技术方案所应用于其上的计算设备的限定，具体的计算设备可以包括更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0112]
实施例4
[0113]
本实施例提供一种与本实施例1所提供的无人机路径规划方法对应的计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的无人机路径规划方法的计算机可读程序指令。
[0114]
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
[0115]
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0116]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0117]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0118]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0119]
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

技术特征：

1.一种无人机路径规划方法，其特征在于，包括：建立待规划无人机的飞行环境和三维地形信息；采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径；选出得到的若干路径中的最短路径，并重新进行全局搜索或局部搜索，直至达到预设的迭代次数，此时的最短路径即为待规划无人机的最优路径。2.如权利要求1所述的一种无人机路径规划方法，其特征在于，所述三维地形信息包括待规划无人机飞行环境的地图范围和山峰特征信息，其中，山峰特征信息包括山峰数量、山峰中心坐标、山峰区域、山峰高度和山峰坡度。3.如权利要求1所述的一种无人机路径规划方法，其特征在于，所述蛇优化算法的参数包括起始点坐标、迭代次数、个体数量、食物阈值、常数数值、种属性、种位置、节点位置和适应度函数，其中，食物表示当前的最优路径，种中的个体表示待规划无人机。4.如权利要求3所述的一种无人机路径规划方法，其特征在于，所述采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径，包括：基于设置的蛇优化算法参数，确定蛇优化算法的种、环境温度和食物数量；采用蛇优化算法，基于设置的蛇优化算法参数以及确定的种、环境温度和食物数量，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径。5.如权利要求4所述的一种无人机路径规划方法，其特征在于，所述基于设置的蛇优化算法参数，确定蛇优化算法的种、环境温度和食物数量，包括：基于设置的蛇优化算法参数，初始化蛇优化算法的种，生成均匀分布的随机种，将生成的随机种分为雄性和雌性两组；基于设置的蛇优化算法参数，确定蛇优化算法的环境温度和食物数量。6.如权利要求4所述的一种无人机路径规划方法，其特征在于，所述采用蛇优化算法，基于设置的蛇优化算法参数以及确定的种、环境温度和食物数量，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径，包括：当食物数量小于等于食物阈值时，进行全局搜索，待规划无人机随机选择一条路径；当食物数量大于等于食物阈值且环境温度大于等于温度阈值时，进行局部搜索，待规划无人机向最优路径方向更新路径；当食物数量大于等于食物阈值且环境温度小于等于温度阈值时，处于战斗模式或交配模式，进行局部搜索，待规划无人机向最优路径方向更新路径；基于设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，对种中超界的个体进行碰撞检测惩罚，并以碰撞检测惩罚后的路径替换碰撞检测惩罚前的路径。7.如权利要求6所述的一种无人机路径规划方法，其特征在于，在交配模式下，若最短路径出现缠绕现象，则在出现缠绕现象的最短路径中选择三个点对该最短路径的缠绕位置进行优化，并以优化后的路径替换优化前的路径，其中，两个点分别在设置在缠绕位置的两侧，另外一个点设置在缠绕位置处。8.一种无人机路径规划系统，其特征在于，包括：
飞行环境建立模块，用于建立待规划无人机的飞行环境和三维地形信息；路径初选模块，用于采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径；路径确定模块，用于选出得到的若干路径中的最短路径，并重新进行全局搜索或局部搜索，直至达到预设的迭代次数，此时的最短路径即为待规划无人机的最优路径。9.一种处理设备，其特征在于，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现权利要求1-7中任一项所述的无人机路径规划方法对应的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现权利要求1-7中任一项所述的无人机路径规划方法对应的步骤。

技术总结

本发明涉及一种无人机路径规划方法及系统，其特征在于，包括：建立待规划无人机的飞行环境和三维地形信息；采用蛇优化算法，基于预先设置的蛇优化算法参数，根据建立的飞行环境和三维地形信息，进行全局搜索或局部搜索，得到待规划无人机的若干路径；选出得到的若干路径中的最短路径，并重新进行全局搜索或局部搜索，直至达到预设的迭代次数，此时的最短路径即为待规划无人机的最优路径，本发明可以广泛应用于无人机领域中。应用于无人机领域中。应用于无人机领域中。