最早对无人机路径规划和避障问题开始研究的是0.Khatib[2]、Erdmann和Lozano-Perez[3]等人。随着技术发展，学者们在动态环境中成功应用了静态环境中的路径规划以及避障方法，如确定及随机的路径地图法[4]，利用机器人及障碍物的速度，加到势能函数的构造中，以获得适用于动态环境的势场法[5]，利用动态窗口方法进行路径布局、避障。虽然以上策略在静态环境下能获得比较满意的结果，但在应用于无人机高速运动的情况下，避障成效并不明显。这是因为将动态环境和静态环境比较，碰撞判别及避障情况下对电机速度的控制有较大的区别。因此提出基于运动学方程的碰撞判别方法，来解决动态环境下的碰撞判断和避障情况下对电机速度控制的问题[6]。学者们提出碰撞锥的概念，即依据视线的距离、角速度以判断碰撞条件。同时利用视线角速度方程将直接碰撞和间接碰撞相互比较[6]。基于速度障碍的概念来解决动态环境下障碍物的速度变化问题。基于考虑运动障碍物速度进行碰撞锥的构建[7]，并通过使机器人的速度转移到碰撞锥之外达到避障目的，但是对障碍物的速度要求必须是线性的。为解决障碍物速度为不定值的避障问题，某一时刻，在考虑无人机及障碍物相对位置情况下，对可能的碰撞速度进行时间积分，得到非线性速度障碍集后进行避障。同时考虑到多无人机之间的避碰问题，文献[8]提出了互惠速度障碍的概念，即两个即将相碰的障碍物之间互相主动避碰，达到避碰目的。32753
基于不同传感器或者结合多种传感器获得机器人当前位置姿态和测量障碍物的距离也是研究的热点。文献[9]中利用声呐探测小车附近多个方向障碍物的距离，这是因为超声波价格低廉，传播方向好，成本低，易文护，并采用FPGA技术完成环境获取、数据处理，使得障碍小车能够引导使用者行走并避开障碍物，该文献中使用模糊控制的避障策略。另外视觉导航方法以摄像机为传感器，以计算机视觉为技术基础，正在快速兴起和发展。论文网
国内外的学者在无人机航路规划和避障算法方面，进行了很多的研究工作。经典算法有图搜索法、进化法、人工势能法等，每一种算法都有自身的优势和不足。图搜索法包括Voronoi图法[10]、快速随机搜索树法、A*算法[11]，这些方法可以快速在构造图中搜索到航路，但其搜索的复杂度随着地理空间文度的增加成几何级数增长，不适用于复杂地形和实时计算；另外这些方法得到的航路由折线构成，不满足无人机飞行器的机动能力约束条件；进化算法可以满足三文地形和飞行性能的约束要求，但是其迭代进化过程中存在盲目性，计算量很大，不满足实时性要求，并且对机载或地面站处理器的性能要求较高；人工势能法将目标和障碍物分别看做引力场源和斥力场源，无人机沿着引力和斥力的合力方向运动，可以得到平滑的飞行轨迹，该方法能够用于实时控制，但是由于存在局部陷阱问题，解算得到的航路容易出现抖动现象。学者们提出的航路规划方法和策略主要分为两类，一是基于已知环境信息规划初始航路，在出现突发威胁障碍时局部调整初始航路，绕过威胁后重新回到预先规划的航路上；另一种方法是在发现新威胁后作出的反映， 完全重新规划一条新的航路，起点是当前位置，终点为目标位置。以上两种方法虽然弥补了全局航路规划缺乏应变能力的不足，但牺牲了解决问题的时间，不能满足无人机航路重规划安全快速的要求。 无人机航路规划和避障算法国内外研究现状:http://www.youerw.com/yanjiu/lunwen_29499.html