CN103529844A - 基于前视声纳的水下机器人避碰方法 - Google Patents

Abstract

本发明公开了一种基于前视声纳的水下机器人避碰方法，其特征在于：包括水下机器人，水下机器人上设置由于前视声纳、位姿传感器、控制装置和执行机构；控制装置根据前视声纳和位姿传感器测得的数据执行避碰控制策略，调整执行机构的控制量，进而调整水下机器人的位姿躲避障碍。本发明将前视声纳图像数据引入机器人避障策略中，可以减小机器人避碰盲区。在避碰策略上把快速的反应式避碰和慢速的慎思式避碰结合起来，既可应对简单的快速出现的障碍，又可应对复杂的障碍，提高了水下机器人的生存能力。

Description

基于前视声纳的水下机器人避碰方法

技术领域

本发明涉及了一种基于前视声纳的水下机器人避碰方法，属于水下机器人智能控制技术领域。

背景技术

水下机器人在海洋科学研究、海洋开发、水下工程以及军事等方面都有广泛的应用前景。水下机器人工作在复杂的海洋环境里，可能存在未知的障碍物如暗礁、堤坝、航行路线上驶过的船只、海中浮游物体、水下设施等，这些都可能造成水下机器人执行任务的失败甚至威胁水下机器人的生命。

避碰声纳有距离声纳和声像声纳两种，目前采用的是距离声纳。距离声纳只能返回障碍物的距离信息，通常需要在机器人载体的前、左、右、下、左前、右前方向配着多个声纳，根据这些声纳返回的数据判断障碍物的距离和方位。这种方法应用简单但是存在盲区，并且只能探测比较大的而且简单的障碍区信息。

发明内容

本发明要解决的技术问题是克服上述缺陷，提供一种智能水下机器人的自主避障方法，该方法根据人工智能的原理，把反应式避碰方法和高层次的慎思式避碰方法结合起来，提高水下机器人的避障能力。

本发明所采用的技术方案是：

一种基于前视声纳的水下机器人避碰方法，其特征在于：包括水下机器人，水下机器人上设置由于前视声纳、位姿传感器、控制装置和执行机构；控制装置根据前视声纳和位姿传感器测得的数据执行避碰控制策略，调整执行机构的控制量，进而调整水下机器人的位姿躲避障碍。

作为一种改进的技术方案，避碰控制策略分为反应式避碰和慎思式避碰两种，控制装置通过对这两种避碰方法的结合调整航向和速度；

根据声纳图像的处理结果对障碍的方位和距离分别定义表示危险程度的方位权函数和距离权函数；

方位权函数定义为：

$w_1=\mathrm{sgn}(x-c)e^{(-{(x-c)}^2)/\left({2\mathrm{\σ}}^2\right)}$

函数w₁代表准高斯曲线，sgn为符号函数，参数x，c和σ分别为位置、中心点和形状参数，形状参数σ决定曲线陡度；

距离权函数是一个非对称的多项式曲线，定义为：

w₂＝zmf(x，[a，b])

函数w₂代表准高斯曲线，a和b是曲线倾斜部分的极值，决定了曲线的凹度；距离权系数被定义为：小20米时为1，大于40米时为零；

基于方位和距离的最后权值是由w₁和w₂的乘积决定，水下机器人的航向最大改变量为90度，航向的改变量定义为：

ψ_oa(t，c)＝w₁w₂(π/4)

其中，t为时间步长，c为被评估的障碍物；

在单一时间步长内所有障碍物的避碰航向变量为：

${\mathrm{\ψ}}_{\mathrm{oalook}}\left(t\right)=\underset{1}{\overset{c}{\mathrm{\Σ}}}{\mathrm{\ψ}}_{\mathrm{oa}}(t,c).$

作为一种改进的技术方案，前视声纳的有效扫描区域划分为3个扇区和4个圆环组成的12个区域；3个扇区把声纳扫描区域等分为左、中、右三部分；4个圆环由内向外代表严重危险、危险、报警和预报警四个危险等级；

机器人在避障运行时，其速度和壁障转角与危险程度是有关系的其公式为：

ψ＝β+k_θθ

V＝k_vV_t

其中，β为全局路径规划得到的目标航向角，θ为遇到障碍物时机器人为躲避障碍而转的固定角度，ψ为由全局路径规划的目标航向角和避碰算法算出的避碰角度二者合成的航向角，k_θ为根据障碍物与机器人的距离和角度进行航向调整时的角度系数，V_t为机器人的目标航速，k_v为遇到障碍物时数度的调整系数。

由于采用了上述技术方案，与现有技术相比，本发明将前视声纳图像数据引入机器人避障策略中，可以减小机器人避碰盲区。在避碰策略上把快速的反应式避碰和慢速的慎思式避碰结合起来，既可应对简单的快速出现的障碍，又可应对复杂的障碍，提高了水下机器人的生存能力。

同时下面结合附图和具体实施方式对本发明作进一步说明。

附图说明

图1为本发明一种实施例的工作原理框图；

图2是本发明一种实施例的工作原理图；

图3是本发明一种实施例的前视声纳扫描扇区图；

图4是本发明一种实施例的得到的危险情况分布图。

具体实施方式

实施例：

如图1所示，一种基于前视声纳的水下机器人避碰方法，包括水下机器人，水下机器人上设置由于前视声纳、位姿传感器、控制装置和执行机构；控制装置根据前视声纳和位姿传感器测得的数据执行避碰控制策略，调整执行机构的控制量，进而调整水下机器人的位姿躲避障碍。

避碰控制策略分为反应式避碰和慎思式避碰两种，控制装置通过对这两种避碰方法的结合调整航向和速度。反应式避碰是一种低层次的智能行为，不需要复杂的理论推导，速度快。慎思式避碰是一种高层次智能行为，需要进行复杂的分析过程，速度较慢，但其包括了更多的理论和经验知识，能够应对复杂的情况，控制系统通过对这两种避碰方法的结合调整航向和速度。如图2所示，为控制结构的原理图。前视声纳测得是声图数据传给控制装置。一般情况下，控制装置为控制计算机。位姿传感器测得的是水下机器人的位置和姿态。控制计算机根据声图数据和机器人的位置和姿态对执行机构做调整躲避障碍物。

根据声纳图像的处理结果对障碍的方位和距离分别定义表示危险程度的方位权函数和距离权函数；

方位权函数定义为：

$w_1=\mathrm{sgn}(x-c)e^{(-{(x-c)}^2)/\left({2\mathrm{\σ}}^2\right)}$

函数w₁代表准高斯曲线，sgn为符号函数，参数x，c和σ分别为位置、中心点和形状参数，形状参数σ决定曲线陡度。

距离权函数是一个非对称的多项式曲线，定义为：

w₂＝zmf(x，[a，b])

函数w₂代表准高斯曲线，a和b是曲线倾斜部分的极值，决定了曲线的凹度；距离权系数被定义为：小20米时为1，大于40米时为零。

基于方位和距离的最后权值是由w₁和w₂的乘积决定，水下机器人的航向最大改变量为90度，航向的改变量定义为：

ψ_oa(t，c)＝w₁w₂(π/4)

其中，t为时间步长，c为被评估的障碍物。

在单一时间步长内所有障碍物的避碰航向变量为：

${\mathrm{\ψ}}_{\mathrm{oalook}}\left(t\right)=\underset{1}{\overset{c}{\mathrm{\Σ}}}{\mathrm{\ψ}}_{\mathrm{oa}}(t,c).$

如图3所示，前视声纳的有效扫描区域划分为3个扇区和4个圆环组成的12个区域；3个扇区把声纳扫描区域等分为左、中、右三部分；4个圆环由内向外代表严重危险、危险、报警和预报警四个危险等级。

机器人在避障运行时，其速度和壁障转角与危险程度是有关系的其公式为：

ψ＝β+k_θθ

V＝k_vV_t

其中，β为全局路径规划得到的目标航向角，θ为遇到障碍物时机器人为躲避障碍而转的固定角度，ψ为由全局路径规划的目标航向角和避碰算法算出的避碰角度二者合成的航向角，k_θ为根据障碍物与机器人的距离和角度进行航向调整时的角度系数，即危险程度大时转的角度大，危险程度小时转的角度小。V_t为机器人的目标航速，k_v为遇到障碍物时数度的调整系数，即危险程度大时速度降低的幅度大，危险程度小时速度降低的幅度小。

如图4所示，是本实施例根据人工智能的原理设计知识库，知识库由规则组成：

规则1：如果声纳视区内没有障碍物，则沿主航线直线航行。

规则2：在L区检测到障碍物，在F区和R区没有障碍物，机器人向右转θ角。

规则3：在R区检测到障碍物，在F区和L区没有障碍物，机器人向左转θ角。

规则4：在F区检测到障碍物，在L和R区没有障碍物，机器人向左转θ角。

规则5：在F区和R区检测到障碍物，在L区没有障碍物，机器人向左转θ角。

规则6：在F区和L区检测到障碍物，在R区没有障碍物，机器人向右转θ角。

规则7：在L区和R区检测到障碍物，在F区没有障碍物，说明遇到的是“门形障碍”问题，机器人维持原来的航向不变，速度根据障碍物的距离相应的减小。

规则8：在L、F、R区同时检测到障碍物说明遇到的是一个很大的障碍物，机器人减速到0，发出报警信号，由操作者决定如何继续运动。

当障碍物出现在L、F、R中的1个或几个区域中，以危险程度优先来决定k_θ和k_v的取值，比如障碍物出现在W4，L区和W3，F区，那么根据危险优先的原则k_θ和k_v按W3取值。

当遇到障碍物时，底层和高层的避碰算法都会算出避碰控制量，上层的避碰方法首先对下层的避碰策略的正确性进行判断，若没有错误就按下层的策略进行，若有错误就按上层的策略进行。

本发明不局限于上述的优选实施方式，任何人应该得知在本发明的启示下做出的结构变化，凡是与本发明具有相同或者相近似的技术方案，均属于本发明的保护范围。

Claims (3)

1.一种基于前视声纳的水下机器人避碰方法，其特征在于：包括水下机器人，水下机器人上设置由于前视声纳、位姿传感器、控制装置和执行机构；控制装置根据前视声纳和位姿传感器测得的数据执行避碰控制策略，调整执行机构的控制量，进而调整水下机器人的位姿躲避障碍。

2.根据权利要求1所述的基于前视声纳的水下机器人避碰方法，其特征在于：避碰控制策略分为反应式避碰和慎思式避碰两种，控制装置通过对这两种避碰方法的结合调整航向和速度；

根据声纳图像的处理结果对障碍的方位和距离分别定义表示危险程度的方位权函数和距离权函数；

方位权函数定义为：

$w_1=\mathrm{sgn}(x-c)e^{(-{(x-c)}^2)/\left({2\mathrm{\σ}}^2\right)}$

函数w₁代表准高斯曲线，sgn为符号函数，参数x，c和σ分别为位置、中心点和形状参数，形状参数σ决定曲线陡度；

距离权函数是一个非对称的多项式曲线，定义为：

w₂＝zmf(x，[a，b])

函数w₂代表准高斯曲线，a和b是曲线倾斜部分的极值，决定了曲线的凹度；距离权系数被定义为：小20米时为1，大于40米时为零；

基于方位和距离的最后权值是由w₁和w₂的乘积决定，水下机器人的航向最大改变量为90度，航向的改变量定义为：

ψ_oa(t，c)＝w₁w₂(π/4)

其中，t为时间步长，c为被评估的障碍物；

在单一时间步长内所有障碍物的避碰航向变量为：

${\mathrm{\ψ}}_{\mathrm{oalook}}\left(t\right)=\underset{1}{\overset{c}{\mathrm{\Σ}}}{\mathrm{\ψ}}_{\mathrm{oa}}(t,c).$

3.根据权利要求2所述的基于前视声纳的水下机器人避碰方法，其特征在于：前视声纳的有效扫描区域划分为3个扇区和4个圆环组成的12个区域；3个扇区把声纳扫描区域等分为左、中、右三部分；4个圆环由内向外代表严重危险、危险、报警和预报警四个危险等级；

机器人在避障运行时，其速度和壁障转角与危险程度是有关系的其公式为：

ψ＝β+k_θθ

V＝k_vV_t

其中，β为全局路径规划得到的目标航向角，θ为遇到障碍物时机器人为躲避障碍而转的固定角度，ψ为由全局路径规划的目标航向角和避碰算法算出的避碰角度二者合成的航向角，k_θ为根据障碍物与机器人的距离和角度进行航向调整时的角度系数，V_t为机器人的目标航速，k_v为遇到障碍物时数度的调整系数。

Images