CN109298708A - 一种融合雷达与光电信息的无人艇自主避障方法 - Google Patents

Abstract

本发明公开了一种融合雷达与光电信息的无人艇自主避障方法，主要包括步骤为：障碍目标初次判断、障碍目标最大长度值计算、障碍目标二次判断、避障模型确定、航速和航向改变量最优解获取以及避障结束点确定等。本发明将雷达和光电设备相结合，准确的获得障碍目标的运动信息和轮廓信息,给出无人艇航速航向改变量可量化的避障模型，并通过粒子群算法得出满足包括海事避障规则在内的多个条件的最优解，最后确定避障结束的时间点并重新规划路线向先前目标前行。该方法可快速安全避障又不会浪费行驶路径，提高了无人艇智能化程度，后期可广泛应用于军用或民用无人艇智能航行领域，提升无人智能航行器在复杂水域的航行安全。

Description

一种融合雷达与光电信息的无人艇自主避障方法

技术领域

本发明涉及无人艇智能航行技术领域，特别是一种融合雷达与光电信息的无人艇自主避障方法。

背景技术

无人艇作为一种无人化水面平台，军事上可以扩大现有作战能力，具有查打功能、可根据任务进行配置的智能无人艇，能够以较低成本迅速弥补我军在非对称作战体系中的不足，对提高我军海上作战能力具有重大意义。民用方面，无人艇在海洋、大型湖泊等复杂危险海况下的巡逻、监测、灾害预警与救灾等方面有重要的应用价值。在无人艇行驶水域往往存在许多水面目标，如其他船舶、浮标、岛屿礁石等，人工遥控手段受限于视野盲区、通信延迟等，往往不能在第一时间进行避碰动作，造成无人艇撞击障碍目标的事故。因此自主避障功能必不可少，同时也是检验无人艇智能化水平的重要指标之一。

传统的无人艇在避障方面，存在着如下不足：

1.水面目标的感知来源往往来自单一的探测手段，如雷达、光电、AIS等，往往造成目标检测虚警率较高或者无法准确全面掌握目标运动信息、目标轮廓等，因而无法为避障提供准确信息来源。

2.在传统避障过程中，仅仅简单的遵循海事避碰公约，无法对无人艇航速航向改变量进行量化，往往会造成改变量过大造成大量的路径浪费和无人艇自身能源消耗，或者改变量较小无法成功避障或避障时与目标过于接近受到其产生的涡流影响，造成严重的事故。

因而，目前在现有探测手段的基础上，如何更进一步的提高无人艇自主避障效果是一个仍需深入研究的课题。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，而提供一种融合雷达与光电信息的无人艇自主避障方法，该融合雷达与光电信息的无人艇自主避障方法基于导航雷达与光电设备等探测手段，能准确的识别水面目标的运动信息和轮廓信息，构造可量化的避障模型，计算得出避障策略，进而安全可靠避障。

为解决上述技术问题，本发明采用的技术方案是：

一种融合雷达与光电信息的无人艇自主避障方法，包括如下步骤。

步骤1：障碍目标初次判断：通过无人艇上导航雷达对进入其量程范围内的障碍目标进行识别和跟踪，通过雷达回波以及辅助导航信息分别计算DCPA1、H和β₁；其中，DCPA1表示各障碍目标与无人艇的最小会遇距离值；H表示障碍目标的长宽比例值；β₁表示障碍目标的长边与真北夹角；然后，将DCPA1值与设定阈值S1进行比较判断；其中，设定阈值S1 为无人艇长度的5～10倍。

步骤2：障碍目标最大长度值计算：当步骤1中的判断结果为DCPA1≤S1时，则利用光电设备对该障碍目标进行二次判断；二次判断过程为：根据障碍目标位置信息调整光电设备方位及焦距，通过图像识别滤除海浪杂波及低空飞行目标造成的干扰雷达回波，测出障碍目标在当前二维图像中最大长度值L，并计算该障碍目标最大长度值Lmax。

步骤3：障碍目标二次判断确定：计算DCPA1值与Lmax/2的差值D1，并将D1与设定阈值S2进行比较判定；其中，S2<S1，且S2为无人艇长度的3～5倍；当D1≤S2时，将该障碍目标确定为会发生碰撞的障碍目标；同时，将无人艇当作一个质点，将发生碰撞的障碍目标膨胀为半径为Lmax/2+h1的圆形，其中，h1为避障冗余距离，h1为无人艇长度的1～2 倍。

步骤4：避障模型确定：通过对无人艇自身运动信息与步骤3确定的会发生碰撞的障碍目标的运动信息构成的几何模型进行推算，确定避障模型计算公式如下：

式(1)中，V_USV为无人艇真实运动速度，ΔV为无人艇相对障碍目标的运动速度，φ为V_USV与ΔV之间的夹角，μ为过无人艇质点的障碍目标圆切线相对无人艇质点至障碍目标圆质心连线之间的夹角，γ为ΔV相对无人艇质点至障碍目标圆质心连线之间的夹角，ΔV_USV为无人艇航速改变量，Δα为无人艇航向改变量。

步骤5：航速和航向改变量最优解获取，包括如下步骤。

步骤51，约束条件建立：建立无人艇航速改变量ΔV_USV和航向改变量Δα的适应度函数如下：

F(ΔV_usv,Δα)＝{m₁|Δv_usv|+m2|Δα|} (2)

式(2)中，F(ΔV_USV，Δα)为要实现的最优航速与航向改变量目标，m₁和m₂分别为航速与航向改变量权值。

将公式(2)与步骤4中的公式(1)相组合，并结合海事避碰规则公约，构成多条件目标最优值求解的约束条件。

步骤52，避障策略生成：采用粒子群算法对步骤51建立的约束条件，进行最优值求解，求取的航速与航向改变量的最优值即为生成的避障策略。

步骤6：避障结束点确定：将无人艇的避障起点位置记为X₁，避障最优解确定后，无人艇与障碍目标的合速度为ΔV1；将障碍目标视为静止，障碍目标质心所在位置记为X₂；将障碍目标的圆切线经过X₁的圆切点位置记为X₃；X₂X₃的延长线与合速度ΔV1路径相交位置记为 X₄，无人艇由X₁位置行进至X₄位置所需的时间记为T，T即为由避障开始至避障结束时按照改变的航速航向所行进的时间。

步骤7，避障：无人艇执行步骤52生成的避障策略，T时间后，到达步骤6确定的避障结束点，无人艇结束此段避障过程。

步骤1中，将障碍目标简化为矩形处理；步骤2中，障碍目标最大长度值Lmax为矩形障碍目标的对角线长度值，L_max的计算公式如下：

上式中β₂为无人艇与障碍目标质心连线与真北夹角，β₁为矩形障碍目标长边与真北夹角， H为障碍物长宽比。

设定阈值S1＝50m，设定阈值S2＝30m。

避障冗余距离h1＝10m。

步骤51中，航速改变量权值m₁＝1，航向改变量权值m₂＝70。

步骤52中，粒子群算法的迭代次数设定为50，粒子数设定为50。

步骤7中，无人艇结束此段局部避障过程后，继续按照步骤1至步骤7的方法，探测周围的障碍目标信息，同时计算与先前规划的全局路径的偏差，重新计算调整驶向最终目标点的航线。

本发明具有如下有益效果：能给出量化的避障策略，既能有效安全避障又不会浪费行驶路径，提高无人艇智能化程度。首先，通过导航雷达与光电设备的互相配合，通过两次判断滤除虚假目标，并得到真实障碍目标的运动信息及轮廓信息；其次，通过几何推算构造避障模型，将避障过程量化为航速和航向的改变值的计算。再次，通过粒子群算法完成包括传统的海事避碰规则在内的多个规则约束的最优值求解，给出避障策略。最后，根据无人艇按避障策略的行进轨迹与障碍目标的运动态势分析给出避障过程结束点，在结束点重新规划全局路线，从而实现安全、快速、有效的自主避障。

当无人艇在复杂水域航行时，运用本发明的雷达和光电设备相结合的探测手段，准确的获得障碍目标的运动信息和轮廓信息,给出无人艇航速航向改变量可量化的避障模型，并通过粒子群算法得出满足包括海事避障规则在内的多个条件的最优解，最后确定避障结束的时间点并重新规划路线向先前目标前行。该方法可快速安全避障又不会浪费行驶路径，提高了无人艇智能化程度，后期可广泛应用于军用或民用无人艇智能航行领域，提升无人智能航行器在复杂水域的航行安全。

附图说明

图1显示了本发明融合雷达与光电信息的无人艇自主避障方法流程示意图。

图2显示了可量化的几何避障模型。

图3显示了避障结束点的位置确定。

具体实施方式

下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。

如图1所示，一种融合雷达与光电信息的无人艇自主避障方法，包括如下步骤。

步骤1：障碍目标初次判断：通过无人艇上导航雷达对进入其量程范围内的障碍目标进行识别和跟踪，设定探测量程为500m。通过雷达回波以及辅助导航信息(包括GPS、罗经等设备的导航信息)分别计算DCPA1。其中，DCPA1表示各障碍目标与无人艇的最小会遇距离值。然后，将DCPA1值与设定阈值S1进行比较判断；其中，设定阈值S1为无人艇长度的5～10倍，优选为50m。

同时，将目标轮廓简化为矩形，通过雷达回波计算障碍目标的长宽比例值H以及障碍目标的长边与真北夹角β₁。

步骤2：障碍目标最大长度值计算：当步骤1中的判断结果为DCPA1≤S1时，则利用光电设备对该障碍目标进行二次判断。

二次判断过程为：根据障碍目标位置信息调整光电设备方位及焦距，使光电设备正对障碍目标质心位置。通过图像识别滤除海浪杂波及低空飞行目标造成的干扰雷达回波，测出障碍目标在当前二维图像中最大长度值L，并计算该障碍目标最大长度值Lmax。

障碍目标最大长度值Lmax为矩形障碍目标的对角线长度值，L_max的计算公式如下：

上式中β₂为无人艇与障碍目标质心连线与真北夹角，β₁为矩形障碍目标长边与真北夹角， H为障碍物长宽比。

步骤3：障碍目标二次判断确定：计算DCPA1值与Lmax/2的差值D1，并将D1与设定阈值S2进行比较判定；其中，S2<S1，且S2为无人艇长度的3～5倍，S2优选取值为30m。当D1≤S2时，将该障碍目标确定为会发生碰撞的障碍目标；同时，将无人艇当作一个质点，将发生碰撞的障碍目标膨胀为半径为Lmax/2+h1的圆形，其中，h1为避障冗余距离，h1为无人艇长度的1～2倍，h1优选取值为10m。

步骤4：避障模型确定：通过对无人艇自身运动信息与步骤3确定的会发生碰撞的障碍目标的运动信息构成的几何模型进行推算，确定避障模型计算公式如下：

式(1)中，如图2所示，V_USV为无人艇真实运动速度，ΔV为无人艇相对障碍目标的运动速度，φ为V_USV与ΔV之间的夹角，μ为过无人艇质点的障碍目标圆切线相对无人艇质点至障碍目标圆质心连线之间的夹角，γ为ΔV相对无人艇质点至障碍目标圆质心连线之间的夹角，ΔV_USV为无人艇航速改变量，Δα为无人艇航向改变量。

从公式(1)的避障模型可以看出，改变无人艇的航速和航向值则能避开碰撞区域。

步骤5：航速和航向改变量最优解获取，包括如下步骤。

步骤51，约束条件建立：建立无人艇航速改变量ΔV_USV和航向改变量Δα的适应度函数如下：

F(ΔV_usv,Δa)＝{m₁|Δv_usv|+m2|Δα|} (2)

式(2)中，F(ΔV_USV，Δα)为要实现的最优航速与航向改变量目标，m₁和m₂分别为航速与航向改变量权值，取值分别为1和70。

将公式(2)与步骤4中的公式(1)相组合，并结合海事避碰规则公约，构成多条件目标最优值求解的约束条件。

其中，根据海事避碰公约规定，当无人艇与障碍目标航向角度差的绝对值大于等于165°且小于180°时，无人艇向其右方转向，从障碍物左方通过；当无人艇与障碍目标航向角度差的绝对值小于45°时，无人艇向其左方转向，从障碍物左方通过；当无人艇与障碍目标航向角度差的绝对值大于等于45度且小于165°时，无人艇从障碍目标后方通过。

步骤52，避障策略生成：采用粒子群算法对步骤51建立的约束条件，进行最优值求解，求取的航速与航向改变量的最优值即为生成的避障策略。本步骤中，粒子群算法的迭代次数优选设定为50，粒子数优选设定为50。

步骤6：避障结束点确定：如图3所示，将无人艇的避障起点位置记为X₁，避障最优解确定后，无人艇与障碍目标的合速度为ΔV1；将障碍目标视为静止，障碍目标质心所在位置记为X₂；将障碍目标的圆切线经过X₁的圆切点位置记为X₃；X₂X₃的延长线与合速度ΔV1路径相交位置记为X₄，无人艇由X₁位置行进至X₄位置所需的时间记为T，T即为由避障开始至避障结束时按照改变的航速航向所行进的时间。

步骤7，避障：无人艇执行步骤52生成的避障策略，T时间后，到达步骤6确定的避障结束点，无人艇结束此段避障过程。

无人艇结束此段局部避障过程后，继续按照步骤1至步骤7的方法，探测周围的障碍目标信息，同时计算与先前规划的全局路径的偏差，重新计算调整驶向最终目标点的航线。

综上所述，本发明基于雷达和光电设备相结合的探测手段，可准确的获得障碍目标的运动信息和轮廓信息，通过几何避碰模型给出可量化的避障策略，既可有效安全避障又不会浪费行驶路径，提高无人艇智能化程度，可广泛应用于军用或民用无人艇智能航行领域。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (7)

1.一种融合雷达与光电信息的无人艇自主避障方法，其特征在于：包括如下步骤：

步骤1：障碍目标初次判断：通过无人艇上导航雷达对进入其量程范围内的障碍目标进行识别和跟踪，通过雷达回波以及辅助导航信息分别计算DCPA1、H和β₁；其中，DCPA1表示各障碍目标与无人艇的最小会遇距离值；H表示障碍目标的长宽比例值；β₁表示障碍目标的长边与真北夹角；然后，将DCPA1值与设定阈值S1进行比较判断；其中，设定阈值S1为无人艇长度的5～10倍；

步骤2：障碍目标最大长度值计算：当步骤1中的判断结果为DCPA1≤S1时，则利用光电设备对该障碍目标进行二次判断；二次判断过程为：根据障碍目标位置信息调整光电设备方位及焦距，通过图像识别滤除海浪杂波及低空飞行目标造成的干扰雷达回波，测出障碍目标在当前二维图像中最大长度值L，并计算该障碍目标最大长度值Lmax；

步骤3：障碍目标二次判断确定：计算DCPA1值与Lmax/2的差值D1，并将D1与设定阈值S2进行比较判定；其中，S2<S1，且S2为无人艇长度的3～5倍；当D1≤S2时，将该障碍目标确定为会发生碰撞的障碍目标；同时，将无人艇当作一个质点，将发生碰撞的障碍目标膨胀为半径为Lmax/2+h1的圆形，其中，h1为避障冗余距离，h1为无人艇长度的1～2倍；

步骤4：避障模型确定：通过对无人艇自身运动信息与步骤3确定的会发生碰撞的障碍目标的运动信息构成的几何模型进行推算，确定避障模型计算公式如下：

式(1)中，V_USV为无人艇真实运动速度，ΔV为无人艇相对障碍目标的运动速度，φ为V_USV与ΔV之间的夹角，μ为过无人艇质点的障碍目标圆切线相对无人艇质点至障碍目标圆质心连线之间的夹角，γ为ΔV相对无人艇质点至障碍目标圆质心连线之间的夹角，ΔV_USV为无人艇航速改变量，Δα为无人艇航向改变量；

步骤5：航速和航向改变量最优解获取，包括如下步骤：

步骤51，约束条件建立：建立无人艇航速改变量ΔV_USV和航向改变量Δα的适应度函数如下：

F(ΔV_USV，Δα)＝{m₁|ΔV_USV|+m₂|Δα|} (2)

式(2)中，F(ΔV_USV，Δα)为要实现的最优航速与航向改变量目标，m₁和m₂分别为航速与航向改变量权值；

将公式(2)与步骤4中的公式(1)相组合，并结合海事避碰规则公约，构成多条件目标最优值求解的约束条件；

步骤52，避障策略生成：采用粒子群算法对步骤51建立的约束条件，进行最优值求解，求取的航速与航向改变量的最优值即为生成的避障策略；

步骤6：避障结束点确定：将无人艇的避障起点位置记为X₁，避障最优解确定后，无人艇与障碍目标的合速度为ΔV1；将障碍目标视为静止，障碍目标质心所在位置记为X₂；将障碍目标的圆切线经过X₁的圆切点位置记为X₃；X₂X₃的延长线与合速度ΔV1路径相交位置记为X₄，无人艇由X₁位置行进至X₄位置所需的时间记为T，T即为由避障开始至避障结束时按照改变的航速航向所行进的时间；

步骤7，避障：无人艇执行步骤52生成的避障策略，T时间后，到达步骤6确定的避障结束点，无人艇结束此段避障过程。

2.根据权利要求1所述的融合雷达与光电信息的无人艇自主避障方法，其特征在于：步骤1中，将障碍目标简化为矩形处理；步骤2中，障碍目标最大长度值Lmax为矩形障碍目标的对角线长度值，L_max的计算公式如下：

上式中β₃为无人艇与障碍目标质心连线与真北夹角，β₁为矩形障碍目标长边与真北夹角，H为障碍物长宽比。

3.根据权利要求1所述的融合雷达与光电信息的无人艇自主避障方法，其特征在于：设定阈值S1＝50m，设定阈值S2＝30m。

4.根据权利要求3所述的融合雷达与光电信息的无人艇自主避障方法，其特征在于：避障冗余距离h1＝10m。

5.根据权利要求1所述的融合雷达与光电信息的无人艇自主避障方法，其特征在于：步骤51中，航速改变量权值m₁＝1，航向改变量权值m₂＝70。

6.根据权利要求1所述的融合雷达与光电信息的无人艇自主避障方法，其特征在于：步骤52中，粒子群算法的迭代次数设定为50，粒子数设定为50。

7.根据权利要求1所述的融合雷达与光电信息的无人艇自主避障方法，其特征在于：步骤7中，无人艇结束此段局部避障过程后，继续按照步骤1至步骤7的方法，探测周围的障碍目标信息，同时计算与先前规划的全局路径的偏差，重新计算调整驶向最终目标点的航线。