【无人机】基于Matlab模拟一个无人机包裹递送拟，城市场景设置、递送任务规划、飞行模拟
✅作者简介热爱科研的Matlab仿真开发者擅长毕业设计辅导、数学建模、数据处理、算法改进、程序设计科研仿真。完整代码获取 定制创新 论文复现私信个人信条做科研博学之、审问之、慎思之、明辨之、笃行之是为博学慎思明辨笃行。 内容介绍1. 整体框架与功能概述脚本目的执行无人机包裹递送的完整任务模拟包括场景搭建、任务规划、飞行模拟及结果展示。所需工具箱UAV Toolbox、Navigation Toolbox和Aerospace Toolbox。2. 参数定义 (params)dt仿真时间步长设置为0.05秒用于离散化时间推进模拟。mass无人机质量1.5千克。g重力加速度9.81m/s²。Ixx、Iyy、Izz分别为无人机绕 x、y、z 轴的转动惯量。tau速度响应时间常数0.3秒用于描述无人机速度对控制输入的响应快慢。cruiseAlt巡航高度25米即无人机在飞行过程中保持的稳定高度。cruiseSpeed巡航速度6m/s是无人机飞行的目标速度。lidarRange激光雷达最大探测距离50米。lidarRays激光雷达发射光线数量72条对应5度的分辨率。safeRadius避障激活半径18米当无人机距离障碍物小于此半径时启动避障机制。repGain斥力势场增益25用于调整避障时的斥力大小。3. 步骤 1设置城市场景 (setup_scenario)功能创建一个包含建筑物的城市场景用于无人机递送模拟。返回值sceneuavScenario对象用于 3D 可视化和激光雷达模拟。buildings一个Nx5的矩阵每一行代表一个建筑物包含建筑物的中心坐标 (cx,cy)、半宽 (half_w)、半深 (half_d) 和高度 (height)。场景构建细节使用uavScenario创建场景并设置更新速率、参考位置和停止时间。添加地面平面、道路网格以及各个建筑物的模型同时为建筑物分配不同的颜色。在原点和递送地点分别添加绿色和红色的平台。4. 步骤 2规划递送任务 (plan_mission)功能生成无人机包裹递送任务的航路点。返回值一个结构体wpts包含以下字段positionsNx3的矩阵存储航路点的三维坐标[x y z]。toaNx1的向量记录每个航路点的到达时间秒。totalTime任务总时长秒。labels单元格数组包含每个航路点的名称。任务规划细节定义了从仓库出发、起飞、前往取货点、悬停取货、前往送货点、悬停送货、返回仓库并降落的一系列航路点。根据相邻航路点的距离和巡航速度计算每个航路点的到达时间并考虑在取货和送货点的悬停时间。5. 步骤 3运行飞行模拟 (simulate_flight)功能使用导航工具箱的航路点轨迹、一阶速度模型和势场避障方法运行无人机飞行模拟并通过 2D 光线投射模拟激光雷达。返回值一个结构体logs记录了模拟过程中的各种数据包括时间、位置、速度、参考位置、姿态、激光雷达扫描数据以及避障是否激活等信息。模拟过程细节从航路点轨迹获取参考位置和速度。通过比例 - 前馈控制计算期望速度并将其限制在巡航速度内。使用势场避障方法调整期望速度考虑与建筑物的距离并计算斥力。根据一阶速度响应模型更新无人机的速度和位置并确保高度不低于地面。根据加速度计算无人机的近似姿态。每0.5秒进行一次激光雷达扫描模拟并记录相关数据。记录当前时间步的各项数据并通过进度指示符显示模拟进度。根据给定的时间步长和任务总时长确定模拟的步数并创建航路点轨迹对象。初始化无人机的位置、速度和姿态。在每个时间步中6. 步骤 4可视化结果 (plot_results)功能代码中未给出plot_results函数的具体实现但从整体逻辑来看它应该用于根据模拟记录的数据生成可视化结果可能包括无人机的飞行轨迹、与建筑物的相对位置、激光雷达扫描结果等。7. 其他函数potential_field_avoidance实现了基于斥力势场的避障算法。根据无人机当前位置和建筑物信息计算斥力并调整期望速度以避免与建筑物碰撞。如果无人机处于避障激活半径内则标记为正在避障并限制输出速度在1.5倍巡航速度内。simulate_lidar通过光线与轴对齐包围盒AABB的相交检测模拟 2D 水平激光雷达扫描。在水平平面上均匀发射nRays条光线找到每条光线与最近建筑物墙壁的交点记录距离和角度信息并以结构体形式返回扫描结果。⛳️ 运行结果 部分代码function plot_results(scene, logs, wpts, buildings, params)%PLOT_RESULTS Generate all mission visualisation figures.%% Figure 1: 3D mission view (scenario flight path)% Figure 2: Position tracking (X, Y, Z vs time)% Figure 3: Speed profile obstacle avoidance activity% Figure 4: Lidar obstacle map (last scan)% Figure 5: UAV attitude (roll, pitch, yaw vs time)speed vecnorm(logs.vel, 2, 2);%% Figure 1: 3D Mission Viewfig1 figure(Name,UAV Package Delivery - 3D Mission, ...Position,[50 50 1100 750]);ax1 axes(fig1);show3D(scene, Parent, ax1);hold(ax1, on);plot3(ax1, logs.pos(:,1), logs.pos(:,2), logs.pos(:,3), ...r-, LineWidth, 2.5, DisplayName, Actual path);plot3(ax1, logs.ref(:,1), logs.ref(:,2), logs.ref(:,3), ...b--, LineWidth, 1.5, DisplayName, Reference path);% Mark waypointsfor i 1:size(wpts.positions,1)p wpts.positions(i,:);if i 1 || i size(wpts.positions,1)plot3(ax1, p(1), p(2), p(3), k^, MarkerSize,14, ...MarkerFaceColor,k, HandleVisibility,off);elseplot3(ax1, p(1), p(2), p(3), go, MarkerSize,10, ...MarkerFaceColor,g, HandleVisibility,off);endtext(ax1, p(1)3, p(2)3, p(3)3, wpts.labels{i}, ...FontSize, 8, Color, w);end% Avoidance segmentsavoidIdx find(logs.avoidActive);if ~isempty(avoidIdx)plot3(ax1, logs.pos(avoidIdx,1), logs.pos(avoidIdx,2), logs.pos(avoidIdx,3), ...y., MarkerSize, 6, DisplayName, Avoidance active);endxlabel(ax1,X (m)); ylabel(ax1,Y (m)); zlabel(ax1,Z (m));title(ax1,UAV Package Delivery — 3D Mission View);legend(ax1, Location,northwest);grid(ax1,on);view(ax1, 45, 30);axis(ax1, tight);%% Figure 2: Position Trackingfigure(Name,Position Tracking, Position,[100 100 950 650]);lbls {X (m),Y (m),Z (m)};for k 1:3subplot(3,1,k);plot(logs.t, logs.pos(:,k), r, LineWidth,1.5, DisplayName,Actual);hold on;plot(logs.t, logs.ref(:,k), b--,LineWidth,1.2, DisplayName,Reference);% Mark waypoint arrivalsfor w 1:length(wpts.toa)xline(wpts.toa(w), k:, HandleVisibility,off);endylabel(lbls{k}); grid on;if k 1legend(Location,northeast);title(Position Tracking — Actual vs Reference);endif k 3, xlabel(Time (s)); endend%% Figure 3: Speed Avoidance Activityfigure(Name,Speed Profile, Position,[150 150 950 500]);yyaxis left;plot(logs.t, speed, b, LineWidth, 1.5);yline(params.cruiseSpeed, b--, Cruise speed, LabelVerticalAlignment,bottom);ylabel(Speed (m/s));yyaxis right;area(logs.t, double(logs.avoidActive), ...FaceColor,[1 0.5 0], FaceAlpha, 0.3, EdgeColor,none);ylabel(Avoidance active);yticks([0 1]); yticklabels({No,Yes});xlabel(Time (s));title(UAV Speed Profile and Obstacle Avoidance Activity);grid on; legend(Speed,Cruise speed,Avoidance);%% Figure 4: Lidar Obstacle MaplastIdx find(~cellfun(isempty, logs.lidar), 1, last);if ~isempty(lastIdx)scan logs.lidar{lastIdx};figure(Name,Lidar Obstacle Map, Position,[200 200 650 650]);theta scan.angles;r scan.ranges;[px, py] pol2cart(theta, r);% Colour by rangescatter(px, py, 10, r, filled);colormap(jet); cb colorbar;cb.Label.String Range (m);hold on;plot(0, 0, rv, MarkerSize,14, MarkerFaceColor,r, ...DisplayName, sprintf(UAV pos (%.0f, %.0f, %.0f m), ...logs.pos(lastIdx,1), logs.pos(lastIdx,2), logs.pos(lastIdx,3)));% Show max-range arctArc linspace(0, 2*pi, 200);plot(params.lidarRange*cos(tArc), params.lidarRange*sin(tArc), ...k:, LineWidth,0.8, DisplayName,Max range);xlabel(X — UAV frame (m)); ylabel(Y — UAV frame (m));title(sprintf(Lidar Obstacle Map (t %.1f s), logs.t(lastIdx)));legend(Location,northwest); axis equal; grid on;clim([0 params.lidarRange]);end%% Figure 5: Attitudefigure(Name,UAV Attitude, Position,[250 250 950 600]);attLabels {Roll (deg),Pitch (deg),Yaw (deg)};for k 1:3subplot(3,1,k);plot(logs.t, logs.attitude(:,k), LineWidth,1.5);yline(0,k--,HandleVisibility,off);ylabel(attLabels{k}); grid on;if k 1, title(Estimated UAV Attitude); endif k 3, xlabel(Time (s)); endendend 参考文献更多免费数学建模和仿真教程关注领取
