CN108871351A - 一种auv海底地形匹配的动态路径规划方法 - Google Patents
一种auv海底地形匹配的动态路径规划方法 Download PDFInfo
- Publication number
- CN108871351A CN108871351A CN201810870169.0A CN201810870169A CN108871351A CN 108871351 A CN108871351 A CN 108871351A CN 201810870169 A CN201810870169 A CN 201810870169A CN 108871351 A CN108871351 A CN 108871351A
- Authority
- CN
- China
- Prior art keywords
- node
- new
- path
- auv
- landform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Automation & Control Theory (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种AUV海底地形匹配的动态路径规划方法,属于水下航行器导航技术领域。包括环境建模,离线路径规划和在线路径重规划。环境模型通过地形信息和地形来源置信度构建,其中地形特征用地形标准差表示。离线路径规划基于快速搜索随机树算法,改进选择新节点和父节点算法,通过轮盘赌和马氏距离来处理地形信息,以避免低地形信息区域。在AUV沿着离线路径航行,检测到地形信息改变时,在线重规划通过判断地形改变,寻找局部导航最优节点和重优化全局路径等方法实现了对地形变化的判断并保证了导航精度。本发明适用于长航程、高精度的AUV路径规划,特别是当地形信息改变时,通过实时修改路径以保证导航精度和路径距离。
Description
技术领域
本发明涉及水下航行器导航技术领域,具体涉及一种AUV海底地形匹配的动态路径规划方法。
背景技术
随着组合导航的发展,水下航行器在海底航行时,由于没有GPS导航,一般采用惯性导航系统(Inertial Navigation System,INS),并配备昂贵的辅助设备,如姿态航向参考系统或多普勒速度记录仪。然而,惯性导航系统会随着时间而产生累计误差,不适用于远程水下导航而不使用其他精确的辅助定位方法。作为一种地球物理导航方法,地形匹配导航(TAN)可以为AUV的远程水下操作提供精确的位置估计,并与惯性导航系统融合,可以很好地消除其累计误差。
对于依赖TAN进行导航的水下航行器而言,匹配区域的地形特征对其定位精度有重要影响。在平坦沙地的情况下,现有的匹配算法都无法实现较高的定位精度,因此必须在TAN过程中执行路径规划以避免地形匹配失败。
同时,在以前的研究中,海床地形的变化很少受到关注。然而,在海流和海底火山的影响下,海底地形可能随时间而改变,但昂贵的水下地形测绘成本限制了处理海底地形变化的能力。因此,在TAN路径规划中必须考虑海底地形的变化。
本发明涉及的动态路径规划方法,通过改进快速搜索随机树*(RRT*)算法,进行离线路径规划和在线路径重规划。离线路径规划用于找到一条具有较好导航能力的全局路径,在线路径重规划用于当节点地形发生改变时,寻找局部最佳导航能力的新节点并优化局部路径。本发明在既保证导航精度的同时,又能保证路径距离较短。
公开日为2012年10月10日、公开号为CN102722749A、发明名称为“一种基于粒子群算法的自适应三维空间路径规划方法”的专利申请,该方法只是规划传统的避障路径,并没有考虑地形的导航能力,而且在机器人执行路径时不能考虑地形信息的改变而实时修改路径。
公开日为2016年1月1日、名称为“AUV水下地形匹配导航的路径规划方法”的论文,该论文提出的适配区域的扇形搜索方法,以距离最短为前提,并没有考虑匹配区域地形导航能力差的问题,并且在在机器人执行路径时不能考虑地形信息的改变而实时修改路径。
发明内容
本发明的目的在于提供一种AUV海底地形匹配的动态路径规划方法,包括环境建模,离线路径规划和在线路径重规划。使用障碍物,地形信息和地形来源置信度模拟物理环境和导航能力。离线路径规划包括四个步骤:产生随机节点,生成新节点,选择最佳父节点和计算路径成本。在线路径重规划包括四个步骤:识别变化的地形,寻找局部最佳节点,局部路径规划以及完善整个路径。最终得到一条导航精度较高、距离较短的海底路径。
本发明的内容是这样实现的:
一种AUV海底地形匹配的动态路径规划方法,其特征在于,包含以下步骤:
步骤一:构建海底的环境模型;对于海底的物理环境地图,首先将其网格化,从而变成对于点(i,j)的高度为h(i,j)的网格地图;然后提取每个点的导航能力,这里用地形标准差σT来描述导航能力,表示为:
其中m和n表示网格地图的尺寸大小,是平均高度;若网格点(i,j)的地形越复杂,则改点σT的值越大,即该点越适合用来匹配导航,因此,用地形标准差σT来表示网格点的导航能力NAV;
步骤二:进行离线RRT*路径规划,首先用起始点zinit初始化随机树T=(V,E),这里V表示随机树中的节点,E表示连接这些节点的边缘;
步骤三:利用采样函数,在自由空间中随机产生一个节点zrand;然后在随机树中找到距离节点zrand最近的节点znearest,暂时作为新节点znew的父节点;
步骤四:根据AUV的运动能力u,在zrand和znearest的连线上,找到新节点znew,并计算从znearest运动到znew的成本和从起始节点zinit运动到znew的成本;寻找新节点znew时,考虑其导航能力,本发明改进了轮盘赌中最小圆和最大椭圆的大小,其中最小圆的半径取决于AUV的运动特点,即半径为:
其中,Rs和δ表示旋转半径和垂直舵角,L表示AUV的长度,m′表示AUV的无量纲质量,N′v,N′r,N′δ,Y′v,Y′r,Y′δ表示AUV的各种水动力系数;
在TAN中,地形匹配结果的置信度也会影响其值;因此,置信度由地形匹配过程中测量噪声的协方差矩阵表示,节点间的距离用马氏距离表示;
测量噪声的协方差矩阵算用Cramer-Rao下界,即CRLB,来估计;当AUV在节点znew地形匹配过程中,测量公式为:
h=g(x)+w (3)
其中,h代表地形测量的高度,x代表AUV的位置和姿态,g(x)代表预测的地形,w表示测量噪声与分布N(0,1);然后计算地形匹配概率函数:
其中,N表示测量点个数,H(i)表示匹配结果,σe表示由每个测量点的方差组成的对角矩阵,并且gi(x)测量点i的预测地形;因此费雪信息J表示为
Cramer-Rao下界表示为:
因此,令x=[a,b],其中a和b表示AUV在节点znew的位置,则使用CRLB来估计协方差矩阵的下界为:
对于最大椭圆,根据公式(7),令:
结合公式(8),则节点znew和节点znearest之间的马氏距离为:
其中,a1和b1表示节点znearest的位置,最大距离是s,最大椭圆的非标准方程为:
在确定了搜索区域后,利用遗传算法找到新节点znew;为了找到在搜索区域中具有最佳导航能力的新节点znew,需要改进遗传算法的适应度函数;对于在搜索区域中具有地形标准差σT的点(r,β),其适应度函数表示为σT·cosβ,这样新节点znew沿着znearest和zrand之间的连接移动会更好;
步骤五:如果znearest和znew之间有障碍物,则删掉新节点znew,返回步骤三,重新寻找新节点;反之,将znew加入到随机树T中,执行步骤六;
步骤六:以r为半径,以znew为圆心,圈出所有距离znew小于r的节点{zi},并计算从起点,沿着随机树的路径,分别经过这些节点到达znew的总成本,从而找到总成本最小时的节点zi,将其作为znew的父节点,并连接zi和znew;若半径r的圆形区域中没有节点,则取znearest作为znew的父节点;改进RRT*中通常计算马氏距离作为成本;
由公式(9),znew和圆形区域内(半径为r){zi}节点之间的马氏距离为
从而选出马氏距离D(xi,xnew)最小的节点zi,作为znew的父节点;
步骤七:如果znew距离目标节点zgoal小于一定的值,则将zgoal作为新节点返回步骤六,并将zgoal加入随机树中,则离线全局路线规划算法完成,进行下一步;否则,返回步骤三;
步骤八:若某节点的地形发生改变,则进行在线路径重规划;首先AUV从起点,即节点zinit,开始执行任务,沿着RRT*计划的离线路径航行;初始化为变量j为1,其表示AUV所在的节点位置;
步骤九:如果节点zj是目标节点zgoal,则则执行步骤十五,AUV到达终点和在线重规划方法结束,否则转到步骤十;
步骤十:当AUV到达节点zj时,根据测量的测深数据与先验图匹配的可能性,确定节点zj上是否存在地形变化;如果存在地形变化,请转至步骤十一,否则转至步骤十四;具体为:
根据公式(3)中的地形匹配概率函数,似然函数L表示为:
并且,似然L由决定以便选择阈值;如果匹配网格中似然L的最大值低于阈值,则地形会发生变化;
步骤十一:搜索节点zj周围具有最佳地形导航能力的节点zp;具体为:当节点zj地形改变后,设计搜索区域为与节点zj+1连线对称的半圆,其半径取决于AUV的运动能力,并利用遗传算法的轮盘赌方法,在搜索区域内寻找具有最佳导航能力的新节点zp;
步骤十二:通过RRT*找到局部最优路径连接节点zp和节点zj+1;
步骤十三:将局部路径插入节点zj和节点zj+1之间的全局路径,并通过重新优化新路径获得最终路径;具体为:判断将局部路径插入节点zj和节点zj+1之间的全局路径是不是最优路径,若果不是最优路径,将局部路径插入节点zj和节点zj+2之间的全局路径,从而找到最优的全局路径;
步骤十四:变量j变为j+1,然后转到步骤九;
步骤十五:程序结束。
本发明的有益效果在于:离线路径规划基于快速搜索随机树算法(RRT*),改进选择新节点和父节点算法,通过轮盘赌和马氏距离来处理地形信息,以避免低地形信息区域。在AUV沿着离线路径航行,检测到地形信息改变时,在线重规划通过判断地形改变,寻找局部导航最优节点和重优化全局路径等方法实现了对地形变化的判断并保证了导航精度。本发明适用于长航程、高精度的AUV路径规划,特别是当地形信息改变时,通过实时修改路径以保证导航精度和路径距离。
附图说明
图1是本发明的系统流程图;
图2是本发明离线路径规划算法的流程图;
图3是本发明在线路径重规划算法的流程图。
具体实施方式
下面结合附图对本发明做进一步描述。
实施例1:
本文涉及一种动态路径规划方法,包括环境建模,离线路径规划和在线路径重规划。使用障碍物,地形信息和地形来源置信度模拟物理环境和导航能力。离线路径规划包括四个步骤:产生随机节点,生成新节点,选择最佳父节点和计算路径成本。在线路径重规划包括四个步骤:识别变化的地形,寻找局部最佳节点,局部路径规划以及完善整个路径。最终得到一条导航精度较高、距离较短的海底路径。
本发明的内容是这样实现的:包括以下步骤:
1.构建海底的环境模型。对于海底的物理环境地图,首先将其网格化,从而变成对于点(i,j)的高度为h(i,j)的网格地图。然后,提取每个点的导航能力,这里用地形标准差σT来描述导航能力,表示为:
这里,m和n表示网格地图的尺寸大小,是平均高度。若网格点(i,j)的地形越复杂,则改点σT的值越大,即该点越适合用来匹配导航,因此,用地形标准差σT来表示网格点的导航能力NAV。
2.进行离线RRT*路径规划,包括以下六个步骤:
(1)用起始点zinit初始化随机树T=(V,E),这里V表示随机树中的节点,E表示连接这些节点的边缘。
(2)利用采样函数,在自由空间中随机产生一个节点zrand。之后,在随机树中找到距离节点zrand最近的节点znearest,暂时作为新节点znew的父节点。
(3)根据AUV的运动能力u,在zrand和znearest的连线上,找到新节点znew,并计算从znearest运动到znew的成本和从起始节点zinit运动到znew的成本。寻找新节点znew时,考虑其导航能力,本发明改进了轮盘赌中最小圆和最大椭圆的大小。最小圆的半径取决于AUV的运动特点,即半径
其中,Rs和δ表示旋转半径和垂直舵角,L表示AUV的长度,m′表示AUV的无量纲质量,N′v,N′r,N′δ,Y′v,Y′r,Y′δ表示AUV的各种水动力系数。
在TAN中,地形匹配结果的置信度也会影响其值。因此,置信度由地形匹配过程中测量噪声的协方差矩阵表示,节点间的距离用马氏距离表示。
测量噪声的协方差矩阵很难计算,但可以用Cramer-Rao下界(CRLB)来估计。当AUV在节点znew地形匹配过程中,测量功能是:
h=g(x)+w (3)
其中,h代表地形测量的高度,x代表AUV的位置和姿态,g(x)代表预测的地形,w表示测量噪声与分布N(0,1)。接下来计算地形匹配概率函数:
其中,N表示测量点个数,H(i)表示匹配结果,σe表示由每个测量点的方差组成的对角矩阵,并且gi(x)测量点i的预测地形。这样,费雪信息J表示为:
CRLB可以表示为:
因此,令x=[a,b],其中a和b表示AUV在节点znew的位置,则使用CRLB来估计协方差矩阵的下界为:
对于最大椭圆,根据公式(7),令:
结合公式(8),则节点znew和节点znearest之间的马氏距离为:
其中,a1和b1表示节点znearest的位置,假设最大距离是s,则最大椭圆的非标准方程为:
在确定了搜索区域后,利用遗传算法找到新节点znew。为了找到在搜索区域中具有最佳导航能力的新节点znew,需要改进遗传算法的适应度函数。对于在搜索区域中具有地形标准差σT的点(r,β)(极坐标表示),其适应度函数表示为σT·cosβ,这样新节点znew沿着znearest和zrand之间的连接移动会更好。
(4)如果znearest和znew之间有障碍物,则删掉新节点znew,返回步骤2,重新寻找新节点。反之,将znew加入到随机树T中,执行步骤5。
(5)以r为半径,以znew为圆心,圈出所有距离znew小于r的节点{zi},并计算从起点,沿着随机树的路径,分别经过这些节点到达znew的总成本,从而找到总成本最小时的节点zi,将其作为znew的父节点,并连接zi和znew。若半径r的圆形区域中没有节点,则取znearest作为znew的父节点。改进RRT*中通常计算马氏距离作为成本。
由公式(9),znew和圆形区域内(半径为r){zi}节点之间的马氏距离为:
从而选出马氏距离D(xi,xnew)最小的节点zi,作为znew的父节点。
(6)如果znew距离目标节点zgoal小于一定的值,则将zgoal作为新节点返回步骤5,并将zgoal加入随机树中,则算法完成。否则,返回步骤2。
3.离线全局路线规划好后,AUV就沿着规划好的路径航行,并在节点处利用多波束声纳进行海底地形匹配,消除惯导的误差。若某节点的地形发生改变,则进行在线路径重规划,包括七个步骤:
(1)AUV从起点(节点zinit)开始执行任务,沿着RRT*计划的离线路径航行。初始化为变量j(表示AUV所在的节点位置)为1。
(2)如果节点zj是目标节点zgoal,则AUV到达终点和在线重规划方法结束,否则返回到步骤3。
(3)当AUV到达节点zj时,根据测量的测深数据与先验图匹配的可能性,确定节点zj上是否存在地形变化。如果存在地形变化,请转至步骤4,否则转至步骤7。具体为:
根据公式(3)中的地形匹配概率函数,似然函数L可以表示为:
并且,似然L由决定以便选择阈值。如果匹配网格中似然L的最大值低于阈值,则地形会发生变化。
(4)搜索节点zj周围具有最佳地形导航能力的节点zp。具体为:当节点zj地形改变后,设计搜索区域为与节点zj+1连线对称的半圆(半径取决于AUV的运动能力),并利用遗传算法的轮盘赌方法,在搜索区域内寻找具有最佳导航能力的新节点zp。
(5)通过RRT*找到局部最优路径连接节点zp和节点zj+1。
(6)将局部路径插入节点zj和节点zj+1之间的全局路径,并通过重新优化新路径获得最终路径。具体为:判断将局部路径插入节点zj和节点zj+1之间的全局路径是不是最优路径,若果不是最优路径,将局部路径插入节点zj和节点zj+2之间的全局路径,从而找到最优的全局路径。
(7)变量j变为j+1,然后转到步骤2。
实施例2:
图1表述了本发明的系统流程,具体实现步骤如下:
(1)根据测绘好的海底地形地图,将其网格化,提取每网格点的地形特征,用于路径规划和地形匹配。
(2)AUV执行任务前,利用离线路径规划算法进行全局路径规划。
(3)AUV开始执行任务后,利用在线路径重规划算法进行实时的全局路径优化,以达到导航精度。
(4)AUV到达终点后,整个动态路径规划方法结束。
图2是本发明离线路径规划算法的流程图,具体实现步骤如下:
(1)用起始点zinit初始化随机树T=(V,E),这里V表示随机树中的节点,E表示连接这些节点的边缘。
(2)利用采样函数,在自由空间中随机产生一个节点zrand。之后,在随机树中找到距离节点zrand最近的节点znearest,暂时作为新节点znew的父节点。
(3)根据AUV的运动能力u,在zrand和znearest的连线上,找到新节点znew,并计算从znearest运动到znew的成本和从起始节点zinit运动到znew的成本。
(4)如果znearest和znew之间有障碍物,则删掉新节点znew,返回步骤2,重新寻找新节点。反之,将znew加入到随机树T中,执行步骤5。
(5)以r为半径,以znew为圆心,圈出所有距离znew小于r的节点{zi},并计算从起点,沿着随机树的路径,分别经过这些节点到达znew的总成本,从而找到总成本最小时的节点zi,将其作为znew的父节点,并连接zi和znew。若半径r的圆形区域中没有节点,则取znearest作为znew的父节点。
(6)如果znew距离目标节点zgoal小于一定的值,则将zgoal作为新节点返回步骤5,并将zgoal加入随机树中,则算法完成。否则,返回步骤2。
图3是本发明在线路径重规划算法的流程图,具体实现步骤如下:
(1)AUV从起点(节点zinit)开始执行任务,沿着RRT*计划的离线路径航行。初始化为变量j(表示AUV所在的节点位置)为1。
(2)如果节点zj是目标节点zgoal,则任务和在线重规划方法结束,否则返回到步骤3。
(3)当AUV到达节点zj时,根据测量的测深数据与先验图匹配的可能性,确定节点zj上是否存在地形变化。如果存在地形变化,请转至步骤4,否则转至步骤7。
(4)搜索节点zj周围具有最佳地形导航能力的节点zp。
(5)通过RRT*找到局部最优路径连接节点zp和节点zj+1。
(6)将局部路径插入节点zj和节点zj+1之间的全局路径,并通过重新优化新路径获得最终路径。
(7)变量j变为j+1,然后转到步骤2。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种AUV海底地形匹配的动态路径规划方法,其特征在于,包含以下步骤:
步骤一:构建海底的环境模型;对于海底的物理环境地图,首先将其网格化,从而变成对于点(i,j)的高度为h(i,j)的网格地图;然后提取每个点的导航能力,这里用地形标准差σT来描述导航能力,表示为:
其中m和n表示网格地图的尺寸大小,是平均高度;若网格点(i,j)的地形越复杂,则改点σT的值越大,即该点越适合用来匹配导航,因此,用地形标准差σT来表示网格点的导航能力NAV;
步骤二:进行离线RRT*路径规划,首先用起始点zinit初始化随机树T=(V,E),这里V表示随机树中的节点,E表示连接这些节点的边缘;
步骤三:利用采样函数,在自由空间中随机产生一个节点zrand;然后在随机树中找到距离节点zrand最近的节点znearest,暂时作为新节点znew的父节点;
步骤四:根据AUV的运动能力u,在zrand和znearest的连线上,找到新节点znew,并计算从znearest运动到znew的成本和从起始节点zinit运动到znew的成本;寻找新节点znew时,考虑其导航能力,本发明改进了轮盘赌中最小圆和最大椭圆的大小,其中最小圆的半径取决于AUV的运动特点,即半径为:
其中,Rs和δ表示旋转半径和垂直舵角,L表示AUV的长度,m′表示AUV的无量纲质量,N′v,N′r,N′δ,Y′v,Y′r,Y′δ表示AUV的各种水动力系数;
在TAN中,地形匹配结果的置信度也会影响其值;因此,置信度由地形匹配过程中测量噪声的协方差矩阵表示,节点间的距离用马氏距离表示;
测量噪声的协方差矩阵算用Cramer-Rao下界,即CRLB,来估计;当AUV在节点znew地形匹配过程中,测量公式为:
h=g(x)+w (3)
其中,h代表地形测量的高度,x代表AUV的位置和姿态,g(x)代表预测的地形,w表示测量噪声与分布N(0,1);然后计算地形匹配概率函数:
其中,N表示测量点个数,H(i)表示匹配结果,σe表示由每个测量点的方差组成的对角矩阵,并且gi(x)测量点i的预测地形;因此费雪信息J表示为
Cramer-Rao下界表示为:
因此,令x=[a,b],其中a和b表示AUV在节点znew的位置,则使用CRLB来估计协方差矩阵的下界为:
对于最大椭圆,根据公式(7),令:
结合公式(8),则节点znew和节点znearest之间的马氏距离为:
其中,a1和b1表示节点znearest的位置,最大距离是s,最大椭圆的非标准方程为:
在确定了搜索区域后,利用遗传算法找到新节点znew;为了找到在搜索区域中具有最佳导航能力的新节点znew,需要改进遗传算法的适应度函数;对于在搜索区域中具有地形标准差σT的点(r,β),其适应度函数表示为σT·cosβ,这样新节点znew沿着znearest和zrand之间的连接移动会更好;
步骤五:如果znearest和znew之间有障碍物,则删掉新节点znew,返回步骤三,重新寻找新节点;反之,将znew加入到随机树T中,执行步骤六;
步骤六:以r为半径,以znew为圆心,圈出所有距离znew小于r的节点{zi},并计算从起点,沿着随机树的路径,分别经过这些节点到达znew的总成本,从而找到总成本最小时的节点zi,将其作为znew的父节点,并连接zi和znew;若半径r的圆形区域中没有节点,则取znearest作为znew的父节点;改进RRT*中通常计算马氏距离作为成本;
由公式(9),znew和圆形区域内(半径为r){zi}节点之间的马氏距离为
从而选出马氏距离D(xi,xnew)最小的节点zi,作为znew的父节点;
步骤七:如果znew距离目标节点zgoal小于一定的值,则将zgoal作为新节点返回步骤六,并将zgoal加入随机树中,则离线全局路线规划算法完成,进行下一步;否则,返回步骤三;
步骤八:若某节点的地形发生改变,则进行在线路径重规划;首先AUV从起点,即节点zinit,开始执行任务,沿着RRT*计划的离线路径航行;初始化为变量j为1,其表示AUV所在的节点位置;
步骤九:如果节点zj是目标节点zgoal,则则执行步骤十五,AUV到达终点和在线重规划方法结束,否则转到步骤十;
步骤十:当AUV到达节点zj时,根据测量的测深数据与先验图匹配的可能性,确定节点zj上是否存在地形变化;如果存在地形变化,请转至步骤十一,否则转至步骤十四;具体为:
根据公式(3)中的地形匹配概率函数,似然函数L表示为:
并且,似然L由决定以便选择阈值;如果匹配网格中似然L的最大值低于阈值,则地形会发生变化;
步骤十一:搜索节点zj周围具有最佳地形导航能力的节点zp;具体为:当节点zj地形改变后,设计搜索区域为与节点zj+1连线对称的半圆,其半径取决于AUV的运动能力,并利用遗传算法的轮盘赌方法,在搜索区域内寻找具有最佳导航能力的新节点zp;
步骤十二:通过RRT*找到局部最优路径连接节点zp和节点zj+1;
步骤十三:将局部路径插入节点zj和节点zj+1之间的全局路径,并通过重新优化新路径获得最终路径;具体为:判断将局部路径插入节点zj和节点zj+1之间的全局路径是不是最优路径,若果不是最优路径,将局部路径插入节点zj和节点zj+2之间的全局路径,从而找到最优的全局路径;
步骤十四:变量j变为j+1,然后转到步骤九;
步骤十五:程序结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810870169.0A CN108871351B (zh) | 2018-08-02 | 2018-08-02 | 一种auv海底地形匹配的动态路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810870169.0A CN108871351B (zh) | 2018-08-02 | 2018-08-02 | 一种auv海底地形匹配的动态路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108871351A true CN108871351A (zh) | 2018-11-23 |
CN108871351B CN108871351B (zh) | 2020-12-08 |
Family
ID=64307429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810870169.0A Active CN108871351B (zh) | 2018-08-02 | 2018-08-02 | 一种auv海底地形匹配的动态路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108871351B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799820A (zh) * | 2019-01-22 | 2019-05-24 | 智慧航海(青岛)科技有限公司 | 基于比较式随机路标图法的无人船舶局部路径规划方法 |
CN110133608A (zh) * | 2019-04-04 | 2019-08-16 | 杭州电子科技大学 | 合作外辐射源双基雷达协同路径规划多步优化方法 |
CN110196602A (zh) * | 2019-05-08 | 2019-09-03 | 河海大学 | 目标导向集中优化的快速水下机器人三维路径规划方法 |
CN110220510A (zh) * | 2019-06-03 | 2019-09-10 | 哈尔滨工程大学 | 一种考虑地图准确性的水下机器人海底地形匹配导航路径规划方法 |
CN110228069A (zh) * | 2019-07-17 | 2019-09-13 | 东北大学 | 一种机械臂在线避障运动规划方法 |
CN110441760A (zh) * | 2019-09-16 | 2019-11-12 | 河海大学 | 一种基于先验地形图的大范围海底地形图拓展构图方法 |
CN110763234A (zh) * | 2019-10-15 | 2020-02-07 | 哈尔滨工程大学 | 一种水下机器人海底地形匹配导航路径规划方法 |
CN111141304A (zh) * | 2019-12-30 | 2020-05-12 | 福州大学 | 一种基于同心圆采样引导rrt算法的路径规划方法 |
CN111220146A (zh) * | 2019-12-10 | 2020-06-02 | 哈尔滨工程大学 | 一种基于高斯过程回归学习的水下地形匹配定位方法 |
CN111307158A (zh) * | 2020-03-19 | 2020-06-19 | 哈尔滨工程大学 | 一种auv三维航路规划方法 |
CN113252039A (zh) * | 2021-05-06 | 2021-08-13 | 西北工业大学 | 面向地形辅助导航的粒子群快速匹配方法 |
CN116540763A (zh) * | 2023-07-04 | 2023-08-04 | 天之翼(苏州)科技有限公司 | 一种无人机飞行姿态的智能监测管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077425A (zh) * | 2012-11-23 | 2013-05-01 | 中国科学院沈阳自动化研究所 | 一种用于auv实时路径规划的免疫遗传算法 |
CN106123850A (zh) * | 2016-06-28 | 2016-11-16 | 哈尔滨工程大学 | Auv配载多波束声呐水下地形测绘修正方法 |
CN106767834A (zh) * | 2017-01-24 | 2017-05-31 | 哈尔滨工程大学 | 一种基于模糊熵值的auv水下地形匹配适配区划分方法 |
-
2018
- 2018-08-02 CN CN201810870169.0A patent/CN108871351B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077425A (zh) * | 2012-11-23 | 2013-05-01 | 中国科学院沈阳自动化研究所 | 一种用于auv实时路径规划的免疫遗传算法 |
CN106123850A (zh) * | 2016-06-28 | 2016-11-16 | 哈尔滨工程大学 | Auv配载多波束声呐水下地形测绘修正方法 |
CN106767834A (zh) * | 2017-01-24 | 2017-05-31 | 哈尔滨工程大学 | 一种基于模糊熵值的auv水下地形匹配适配区划分方法 |
Non-Patent Citations (4)
Title |
---|
CHEN, PY ET AL.: "Review of AUV Underwater Terrain Matching Navigation", 《THE JOURNAL OF NAVIGATION》 * |
代彦辉等: "基于RRT搜索算法的六自由度机械臂臂章路径规划", 《自动化技术与应用》 * |
李晔等: "Autonomous underwater vehicle optimal path planning method for seabed terrain matching navigation", 《OCEAN ENGINEERING》 * |
陈鹏云等: "Underwater Terrain Positioning Method Based on Least Squares Estimation for AUV", 《CHINA OCEAN ENGINEERING》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799820B (zh) * | 2019-01-22 | 2020-12-22 | 智慧航海(青岛)科技有限公司 | 基于比较式随机路标图法的无人船舶局部路径规划方法 |
CN109799820A (zh) * | 2019-01-22 | 2019-05-24 | 智慧航海(青岛)科技有限公司 | 基于比较式随机路标图法的无人船舶局部路径规划方法 |
CN110133608A (zh) * | 2019-04-04 | 2019-08-16 | 杭州电子科技大学 | 合作外辐射源双基雷达协同路径规划多步优化方法 |
CN110196602A (zh) * | 2019-05-08 | 2019-09-03 | 河海大学 | 目标导向集中优化的快速水下机器人三维路径规划方法 |
CN110220510A (zh) * | 2019-06-03 | 2019-09-10 | 哈尔滨工程大学 | 一种考虑地图准确性的水下机器人海底地形匹配导航路径规划方法 |
CN110220510B (zh) * | 2019-06-03 | 2023-03-31 | 哈尔滨工程大学 | 一种考虑地图准确性的水下机器人海底地形匹配导航路径规划方法 |
CN110228069A (zh) * | 2019-07-17 | 2019-09-13 | 东北大学 | 一种机械臂在线避障运动规划方法 |
CN110228069B (zh) * | 2019-07-17 | 2022-04-01 | 东北大学 | 一种机械臂在线避障运动规划方法 |
CN110441760A (zh) * | 2019-09-16 | 2019-11-12 | 河海大学 | 一种基于先验地形图的大范围海底地形图拓展构图方法 |
CN110441760B (zh) * | 2019-09-16 | 2023-04-04 | 河海大学 | 一种基于先验地形图的大范围海底地形图拓展构图方法 |
CN110763234A (zh) * | 2019-10-15 | 2020-02-07 | 哈尔滨工程大学 | 一种水下机器人海底地形匹配导航路径规划方法 |
CN111220146A (zh) * | 2019-12-10 | 2020-06-02 | 哈尔滨工程大学 | 一种基于高斯过程回归学习的水下地形匹配定位方法 |
CN111220146B (zh) * | 2019-12-10 | 2022-10-14 | 哈尔滨工程大学 | 一种基于高斯过程回归学习的水下地形匹配定位方法 |
CN111141304B (zh) * | 2019-12-30 | 2021-11-02 | 福州大学 | 一种基于同心圆采样引导rrt算法的路径规划方法 |
CN111141304A (zh) * | 2019-12-30 | 2020-05-12 | 福州大学 | 一种基于同心圆采样引导rrt算法的路径规划方法 |
CN111307158A (zh) * | 2020-03-19 | 2020-06-19 | 哈尔滨工程大学 | 一种auv三维航路规划方法 |
CN113252039A (zh) * | 2021-05-06 | 2021-08-13 | 西北工业大学 | 面向地形辅助导航的粒子群快速匹配方法 |
CN113252039B (zh) * | 2021-05-06 | 2022-10-28 | 西北工业大学 | 面向地形辅助导航的粒子群快速匹配方法 |
CN116540763A (zh) * | 2023-07-04 | 2023-08-04 | 天之翼(苏州)科技有限公司 | 一种无人机飞行姿态的智能监测管理方法及系统 |
CN116540763B (zh) * | 2023-07-04 | 2023-09-08 | 天之翼(苏州)科技有限公司 | 一种无人机飞行姿态的智能监测管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108871351B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108871351A (zh) | 一种auv海底地形匹配的动态路径规划方法 | |
Stutters et al. | Navigation technologies for autonomous underwater vehicles | |
Hegrenæs et al. | Underwater transponder positioning and navigation of autonomous underwater vehicles | |
CN105424036B (zh) | 一种低成本水下潜器地形辅助惯性组合导航定位方法 | |
CN111596333B (zh) | 一种水下定位导航方法及系统 | |
CN107314768A (zh) | 水下地形匹配辅助惯性导航定位方法及其定位系统 | |
Norgren et al. | A multibeam-based SLAM algorithm for iceberg mapping using AUVs | |
Hagen et al. | The HUGIN real-time terrain navigation system | |
CN1325932C (zh) | 载人潜水器的组合导航定位方法 | |
CN101907711A (zh) | 一种自主水下机器人的同时检测与定位方法 | |
Jacobi et al. | Multi sensor underwater pipeline tracking with AUVs | |
Baccou et al. | Simulation results, post-processing experimentations and comparisons results for navigation, homing and multiple vehicles operations with a new positioning method using on transponder | |
Petillot et al. | Acoustic-based techniques for autonomous underwater vehicle localization | |
Stateczny et al. | Precise bathymetry as a step towards producing bathymetric electronic navigational charts for comparative (terrain reference) navigation | |
Matsuda et al. | Alternating landmark navigation of multiple AUVs for wide seafloor survey: Field experiment and performance verification | |
CN111220146B (zh) | 一种基于高斯过程回归学习的水下地形匹配定位方法 | |
Ma et al. | A review of terrain aided navigation for underwater vehicles | |
Tomczak | Modern methods of underwater positioning applied in subsea mining | |
Medagoda et al. | Water column current profile aided localisation combined with view-based SLAM for autonomous underwater vehicle navigation | |
Ma et al. | AUV bathymetric simultaneous localisation and mapping using graph method | |
Ma et al. | A robust fusion terrain-aided navigation method with a single Beam Echo Sounder | |
CN110456786A (zh) | 基于地形特征提取的uuv海底地形跟踪系统及跟踪方法 | |
Kimball et al. | Sonar-based iceberg-relative AUV navigation | |
Richmond et al. | Sub-Ice exploration of an antarctic lake: results from the ENDURANCE project | |
KR102469164B1 (ko) | 무인 수상선의 지구물리적 내비게이션 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |