[发明专利]基于比较式随机路标图法的无人船舶局部路径规划方法

说明书

本发明提供一种基于比较式随机路标图法的无人船舶局部路径规划方法，包括：S1获取环境信息；S2获取起始点、目标点，确定路标点个数K和最大迭代次数G；S3、采用多目标碰撞检测方法获取初始船舶航行路径方案集合pop₀，S4、依据改进的遗传算法对pop₀进行迭代处理，获取迭代后的路径集合pop_m；S5、获取迭代后的路径集合pop_m中每一条路径方案的适应度值；S6、根据适应度值，选取用于输出的最短船舶航行路径方案。上述方法解决了现有技术存储过程数据困难、船舶反应速度慢、耗费更多能源等问题。

技术领域

本发明涉及路径规划技术，特别是一种基于比较式随机路标图法的无人船舶局部路径规划方法。

背景技术

在移动机器人领域，随机路径图法能够有效解决高维空间和复杂约束中的路径规划问题，但是移动机器人使用的随机路径图法常采用A*算法进行可行路径搜索，而A*算法搜索可行路径会产生大量的过程数据。对于应用于智能无人船舶来说，需要综合考虑海洋环境的复杂性、船舶操纵性能及能耗，移动机器人使用的随机路径图法缺乏实际航海应用的可行性。

以下对移动机器人使用的随机路径图法进行说明如下。

随机路径图(PRM)法寻找给定地图中两点之间的路径，PRM进行路径规划的基本原理：

假设机器人运行环境是一个含有若干障碍物的二维封闭平面空间记为C。机器人可以自由移动的区域即除去障碍物及其边缘的区域称为自由空间记为C_free，将移动机器人看成C内质点，且不考虑运动动力学约束。

随机路径图法的基本思想是用一个随机的网络来表示机器人系统运行的自由空间C_free，这一随机网络即是为机器人系统所建立的概率地图。概率地图是一个无向循环图，用G＝(Ga,Ge)表示。其中Ga为节点集，其中的元素是在自由规划空间C_free中为机器人随机选取的位形，边集Ge中的元素则表示节点之间的连线，代表位形之间的局部可行路径。然后在这个随机网络中利用搜索算法为机器人系统搜索到一条可行的路径。该算法可通过2个阶段来完成：离线学习阶段和在线查询阶段。

1)离线学习阶段。该阶段主要完成的任务是在C_free中为机器人建立一个概率地图G＝(Ga,Ge)。

首先以随机的方式在C_free中随机采样大量的机器人位置点，构成地图G中的节点集Ga；其次，采用局部规划器为Ga中的每个节点寻找它们的邻居节点，并为它们建立连接，从而构成地图中的边集Ge。学习阶段建立起来的路标图供在线查询规划使用。

2)在线查询阶段。该阶段主要完成的任务是在给定的初始位置点s和目标点g的条件下，根据离线阶段构建的路标图，搜索出一条连接s与g的可行路径。首先，利用局部规划器分别将s与g连接到路标图中与其距离最近的2个节点与；然后，采用启发式搜索算法从路标图中搜索出一条连接与的可行路径。

启发式搜索算法常采用A*算法。A*算法是从出发点开始展开扇形捜索，通过计算当前节点与其8个方向邻节点的代价估计值，查找出最小代价值的路径即为最优路径，是应用较广泛高效的方法。

上述方法在实际应用中存在的问题如下：

A1)上述随机路径图法采用的局部规划器并不能完全保证连接节点的边一定位于自由空间；

A2)上述随机路径图常使用A*算法来搜索可行路径，会产生大量的过程数据，数据存储量大；

A3)对于应用于智能无人船舶来说，需要综合考虑海洋环境的复杂性、船舶操纵性能及能耗，使用A*算法搜索可行路径的随机路径图法缺乏实际航海应用的可行性。

为此，亟需一种能够应用于智能无人船舶领域的且使用比较式随机路标图法的无人船舶局部路径规划方法。