[发明专利]基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障控制算法

说明书

本发明提出一种基于椭圆聚类‑碰撞锥推演的无人艇海洋动态避障控制方法。在海洋环境下，无人艇所面对的动态障碍主要是船只，船只的长轴与短轴比例悬殊，因此本发明对动态船只障碍物进行椭圆聚类；在此基础上，根据无人艇自身航向、速度和聚类椭圆体线速度、公转速度和自转速度计算无人艇和障碍物船只的碰撞的运动角度，迭代所有可能碰撞的角度生成碰撞锥来对无人艇进行避障规划。

技术领域

本发明涉及一种基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障方法，本发明所涉及到的无人艇避障方法不仅适用于静态避障，尤其适用并主要运用于动态环境下的避障。

背景技术

在海洋强国战略中，海图是军事和民用海洋安全航行不可或缺的基本保障，但是我国海图序列不完整，原因是目前海测船的吃水深，无法靠近岛礁岸线等复杂海域进行海图测绘；另外，海洋环境监测船也由于吃水深的问题，很难到海岸线、海岛、油气平台附近进行环境监测。而无人艇具有吃水浅、自主航行、自主避障、任务载荷配置灵活的特点，是解决近海岛礁海域海图序列不完整问题、复杂海域环境监测问题的有效科技手段，同时也是提升我国海洋军事装备能力，维护我国海洋权益、处理南海等热点海域局势的重要海洋装备。

随着世界各国对水面无人艇的应用研究越来越广泛，对水面无人艇智能化水平的要求也在不断提高，要求水面无人艇在运动过程中具有与周围环境交互的能力，即要求水面无人艇具有从周围环境中收集有用信息，构造符号化的环境模型，并利用模型来规划并执行上层任务的能力，其中路径规划问题就是核心问题之一。水面无人艇的路径规划是指在静动态障碍物并存的海洋环境中，寻找一条从给定起点到终点的满足一定评价标准的运动路径，使水面无人艇在航行过程中能安全可靠地避开所有障碍物。

路径规划的分类方法很多，按层次关系可分为全局路径规划和局部路径规划；按照对环境的了解程度，分为环境已知，环境部分已知，环境未知三种规划；同时还有基于功能、行为的规划等等。全局路径规划和局部路径规划是建立在机器人对其环境了解程度的基础上。水面无人艇的全局规划着眼于规划出一条从起始点到目标点的无碰撞路径，综合考虑上层模块的任务要求和水面无人艇本身的运动性能，确立某种最优性能函数，通过一定的搜索方式，就能在水面无人艇的运动空间中找到相应的优化路径。水面无人艇的局部规划立足于实时性，根据传感器信息确定水面无人艇在地图中的当前位置以及周围局部范围内障碍物的分布情况，规划下一时刻的运动，从而避开动态障碍物。

全局路径规划的方法主要有：几何法，栅格法、构形空间法、可视图法、拓扑法和概率路径图法。局部路径规划的主要方法有：人工势场法、模糊逻辑算法、神经网络方法。很多适用于全局路径规划的方法经过改进都可以用于局部路径规划，而适用于局部路径规划的方法也适用于全局路径规划。

每一种路径规划方法都具有各自的优点，但总的看来，以上方法都或多或少地存在着一些问题：如栅格法的规范性和一致性较好，易于实现计算机的建模、存储、处理、更新于分析，适合于A星算法或Dijkstra算法搜索路径。但对于栅格法及其演化而来的单元树法，前者在复杂的环境下易引起组合爆炸，后者需要计算单元间的邻接关系，增加了计算量。分层单元分解法是上述两种环境建模的糅合，可谓是取其所长，避其所短；Khatib提出的人工势场法，是一种虚拟力法。势场法搜索路径具有启发信息，势场法无需大量的预计算，就可以自动生成较光滑的路径，但人工势场法把所有信息压缩为单个合力，容易丢弃有关障碍物分布的有价值信息，故具有陷入局部最小而不能使机器人到达最终目标位置的缺陷；模糊控制算法将模糊控制本身所具有的鲁棒性与基于生理学上的“感知，动作”行为结合起来，适用于未知时变环境下的路径规划，实时性较好，但对于必要因素：障碍物的速度大小和方向，在实际应用中很难得到；基于行为的神经网络法，虽然在真实世界里表现出较高的鲁棒性、实时性，但当任务和环境变得复杂时，要完全依靠程序员的手工编程实现其基本行为的设计和组织工作，就变得非常繁重，甚至是不可能的。

随着智能计算方法的迅速发展，将智能算法应用到多目标决策问题——路径规划中成为一种趋势。智能算法主要包括进化算法，粒子群优化算法和蚁群算法。

发明内容