路径规划是根据任务目标规划满足约束条件的飞行轨迹，其目的是根据预设数字地图，通过GPS/INS组合导航系统，在适当时间内计算出最优或次最优的飞行轨迹。

轨迹跟踪控制也是跟路径规划相关的内容。

对于轨迹跟踪控制，先将预定轨迹划分为一系列轨迹片段，设定一系列控制轨迹点。

将控制轨迹点进行连接形成预定轨迹的逼近，四旋翼在满足预定速度和加速度约束的条件下，从一个轨迹点向下一个轨迹点飞行，实现轨迹跟踪。

为实现有效轨迹跟踪控制，对于轨迹切向速度和法向侧位移误差进行反馈控制。

切向速度误差控制保证四旋翼能够在预定时间到达指定目标轨迹点，法向侧位移误差控制能将轨迹跟踪偏离控制在一定范围内并始终使四旋翼回到预定轨迹上。

对四旋翼的路径规划是根据任务要求和通过约束条件：飞行的起点、终点、路径坐标、飞行高度、时间限制等，建立路径规划模型，规划出一条由起点到终点的飞行路径。

通常都是将规划好的航迹路线下载到四旋翼的飞行控制板，通过调用规划好的航迹路线，飞行控制模块发送指令，使四旋翼按照航迹飞行。

航迹规划可以分为两个层次：第一层是整体参考航迹规划，飞行任务要求，在确定飞行区域的情况下，通过动态路径规划算法生成一条最优参考航迹；第二层是局部航迹动态优化，由于航迹跟踪存在误差以及四旋翼重量较轻易受外部环境干扰，飞行过程中按一定频率调用动态航迹规划比对当前位置，最后生成最优航迹。

四旋翼的航迹规划主要考虑飞行器的大小、续航时间、动态性能等约束条件，这与固定翼航迹规划有较大的不同。

四旋翼自身的约束要求：四旋翼尺寸，根据实际情况考虑是否忽略。

最小飞行步长，四旋翼改变飞行姿态前必须保持直飞的最短距离。

最大航程，能达到的最远飞行距离。

飞行高度，设置最低安全飞行高度与最高飞行高度。

航迹规划算法可以分为传统经典算法和现代智能算法。

前者主要包括动态规划法、导数相关法、最优控制法；后者主要包括启发式搜寻、遗传算法、人工神经网络、群体智能（主要包括蚁群算法、粒子群算法、蜂群算法）等。

<小型无人机航迹规划及数据链的设计>
<基于视觉的四旋翼飞行器自定位系统的设计与实现>
<割草机器人割台设计与运动控制研究_周宁>
考虑运动约束，让规划出的路径容易实现。

遇到突发性障碍物主要有动物，飞行物等动态障碍物。

模糊控制方法因不需要建立受控对象的精确数学模型，而是借助于人对受控机器人的知识和经验建立用语言变量表达的、定性的控制规则进行控制，且具有控制灵活，鲁棒性强等优点。

可采用基于传感器测距及模糊控制技术的壁障控制方法。

<小麦精播种机器人路径规划研究>
<面向GPS导航拖拉机的最优全局覆盖路径规划研究_刘向锋>
<割草机器人路径规划及避障算法的研究>
若栅格划分小了，能存储比较多的环境信息量，规划路径的时间长了，分辨率变高了；若栅格划分大了，分辨率低了，但是缩短了路径规划时间。

可以看出，划分栅格越大，表示障碍物越不精确，虽然提高算法的搜索范围和能力，但是降低了路径规划的精确。

因此，栅格法的主要问题是
确定栅格粒度大小。

全区域路径规划
一个多障碍物的待覆盖区域内的全覆盖路径规划问题实际分为区域分解、子区域内部行走路径和子区域衔接顺序等3个问题。

路径规划问题本质上是一个含约束的多目标优化问题，而遗传算法是一类典型的智能优化方法，因此，完全可以采用该算法解决机器人路径规划问题。

设计粒子结构为一个2M维矩阵，第一个M维为偏航角的增量，第二个M维为俯仰角的增量。

当不需要考虑飞行器的高度时，航迹规划可退化为在二维平面内的路径搜索问题，只保留粒子的第一个M维即可。

四旋翼平台采用全对称的机械结构，使用4个电动机作为飞行的直接动力源。

在飞行过程中，通过改变4个旋翼产生的升力来实现平台的运动和姿态控制，使得结构和动力学特性得到了简化。

其主要调节方式包括4种，如图所示。

（1）加/减速调节：同时增加或减小4个旋翼的转速，可改变平台速度。

当平台俯仰角、滚转角均为零时，改变旋翼转速还可实现平台的垂直爬升或下降。

（2）滚转运行调节：改变右2旋翼和左4旋翼的转速，保持前1旋翼和后3旋翼的转速不变，可使机身绕x轴正方向或反方向旋转，从而实现平台的滚转运动。

（3）俯仰运动调节：改变前1旋翼与后3旋翼的转速，保持右2旋翼与左4旋翼的转速不变，可使机身绕y轴正方向或反方向旋转，从而实现平台的
俯仰运动。

（4）偏航运动的调节：在保证四旋翼总升力不变的条件下，分别同时改变前后或左右两个旋翼的转速，可使机身绕z轴正方向或反方向旋转，实现平台的偏航运动。

通过平台性能约束即可保证规划结果的正确性。

可针对链路中断等意外情况定义返航、悬停等待、自主降落3种紧急模式。

面目标可以用一个矩形来表示（任意形状的面目标均可以用其外接矩形来表示），为了减少转弯次数，沿着矩形的长边飞行。