CN109782760A - 一种考虑无通信的多usv群体协同避碰规划方法 - Google Patents
一种考虑无通信的多usv群体协同避碰规划方法 Download PDFInfo
- Publication number
- CN109782760A CN109782760A CN201910032598.5A CN201910032598A CN109782760A CN 109782760 A CN109782760 A CN 109782760A CN 201910032598 A CN201910032598 A CN 201910032598A CN 109782760 A CN109782760 A CN 109782760A
- Authority
- CN
- China
- Prior art keywords
- usv
- radar
- obstacle
- collision
- usvs
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004891 communication Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 230000002068 genetic effect Effects 0.000 claims abstract description 12
- 230000002265 prevention Effects 0.000 claims abstract description 7
- 238000002121 ultrasonic speckle velocimetry Methods 0.000 claims description 77
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 claims description 30
- 230000003068 static effect Effects 0.000 claims description 18
- QZXCCPZJCKEPSA-UHFFFAOYSA-N chlorfenac Chemical compound OC(=O)CC1=C(Cl)C=CC(Cl)=C1Cl QZXCCPZJCKEPSA-UHFFFAOYSA-N 0.000 claims description 12
- 230000004888 barrier function Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 7
- 230000001133 acceleration Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于USV控制技术领域,具体涉及一种考虑无通信的多USV群体协同避碰规划方法。本选取雷达传感器参数构建雷达探测模型,计算无通信情况下的多USV运动参数及碰撞危险度;利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向等信息构建无通信情况下遗传算法评价函数;本发明在无通信情况下利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向等信息的作用辅助避碰规划,使多个USV从起点向终点的航行过程中躲避环境中所有静态障碍物、USV之间不发生碰撞、不出现大角度转向、大范围加减速,且航行路径符合经济性要求。本发明致力找到在无通信情况下充分利用雷达模块的探测作用来辅助避碰的方法。
Description
技术领域
本发明属于USV控制技术领域,具体涉及一种考虑无通信的多USV群体协同避碰规划方法。
背景技术
自上世纪80年代以来,各个国家发现了水面无人艇USV的重大潜力且逐渐重视对USV的研究,投入大量的人力和资金并取得了重大的科研成果,大大推动了USV的各项技术的发展。随着单一USV技术逐渐走向成熟且为了有效弥补单一USV难以完成的任务领域,各国开始研究多USV群体协同航行作业。而避碰规划作为USV在复杂多变的海洋环境中安全稳定的航行和准确高效的完成各项任务的重要前提,始终是其研究的核心内容之一。在多USV避碰规划的研究与实际避碰过程中,USV之间普遍会进行通信,然而同样会有通信模块失效的情况出现,此时则完全依靠雷达感知周围环境。目前,国内外能稳定实现多USV群体协同避碰规划的方法较少,并且大部分忽略了或者没有考虑通信情况。其中考虑了无通信情况的具有代表性如文献[1],设计了基于进化遗传算法的无人艇避碰决策系统,在无通信情况下利用雷达传感器模块感知周围的静态障碍物和动态目标,划分会遇局势并计算碰撞可能性来建立优化迭代过程得出避碰路径。文献[2]提出了一种主从结构的并行多水下机器人AUV协同避碰规划方法,在无通信条件下利用声呐传感器感知周围环境信息并采用工作空间环境法建立环境模型,算法子层结构和主层结构分别应用粒子群并行算法和微分进化算法实时考虑到障碍物和其他水下机器人的距离来生成当前的最优路径。
现有技术的缺陷:现有的多USV群体协同避碰规划方法在无通信情况下并没有充分利用传感器模块探测周围环境来辅助避碰,传感器探测范围和探测信息种类理想化,且有的文献也会在无通信情况下利用通信模块才能得到的信息进行避碰。文献“刘佳男.基于进化遗传算法的无人艇避碰系统研究[D].大连:大连海事大学硕士学位论文,2015.”并没有讨论传感器模块的探测范围和探测信息的种类,在计算碰撞可能性时利用的相对距离、相对速度若在探测范围以外则存在错误。文献“李东正等.基于主从结构的多水下机器人协同路径规划[J].计算机仿真,2015,32(1):382-387.”主从结构AUV算法子层与算法主层约束条件复杂且存在耦合,存在求解困难、迭代时间长、陷入局部最优的问题,算法中默认探测到空间所有障碍物和其他AUV,未考虑声呐的探测范围和角度,不符合实际。
发明内容
本发明的目的在于提供一种考虑无通信的多USV群体协同避碰规划方法
一种考虑无通信的多USV群体协同避碰规划方法,该方法包括以下步骤:
步骤1:选取雷达传感器参数构建雷达探测模型,利用雷达模块探测静态障碍物位置和动态USV位置、速度、艏向信息,计算无通信情况下的多USV运动参数及碰撞危险度,判断是否需要采取避碰措施及采取的时间;
步骤2:利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向信息构建无通信情况下遗传方法评价函数;
步骤3:添加雷达探测模块调试USV避碰规划。
步骤1所述的无通信情况下的多USV运动参数及碰撞危险度的计算包括:在无通信情况下,USV之间只能通过导航雷达测量静态障碍物位置和其他USV位置、速度、艏向参数,其中第i时刻雷达探测范围内探测出有障碍物的扫描点集合为:
{(Xi1,Yi1),(Xi2,Yi2),…,(Xin,Yin)}
其中,探测出的扫描点集合的坐标为大地环境坐标系下的坐标值;
由障碍物的扫描点集合估算出障碍物的中心位置:
其中,为第i时刻障碍物中心估计位置横坐标,为第i时刻障碍物中心估计位置纵坐标,Xij为第i时刻雷达扫描出的第j障碍物扫描点的横坐标,Yij为第i时刻雷达扫描出的第j障碍物扫描点的纵坐标;
相邻时刻障碍物估算位置之间的距离:
若则判定障碍物为静态障碍物;若则判定障碍物为动态障碍物,当障碍物为动态USV时,根据障碍物中心估算位置的变化和几个时刻的时间间隔估算出动态目标的运动速度和航向,动态目标的运动速度表示为下式:
动态目标的航向表示为下式:
其中,Δt为两个连续时刻的时间间隔;
另一USV速度在横纵方向上的分量为:
同理已知本USV的速度和艏向β计算出横方向上的分量和纵方向上的分量那么两USV的相对速度为:
USV之间的相对速度大小:
由估算的中心位置和此时本USV位置估算出USV之间的相对距离和相对方位:
其中,(X0,Y0)为本USV的位置;
USV之间的最近会遇距离DCPA:
其中,DCPA的符号由USV之间的相对位置决定,当另一USV位于本USV的船艏方向时,DCPA为正;当另一USV位于本USV的船尾方向时,DCPA为负;
到达最近会遇地点的时间TCPA:
其中,TCPA的符号由USV之间的相对位置决定,当USV未到达最近相遇地点时,TCPA为正;当USV超过最近相遇地点时,TCPA为负;
空间碰撞危险度是衡量USV之间发生碰撞可能性大小的度量之一,影响空间碰撞危险度大小的因素主要包括USV之间的最近会遇距离DCPA、最近会遇地点相对本USV的距离和方向、另一USV所在方向和距离以及无人航行器之间的最低安全会遇距离;
其中,DCPA为USV之间的最近会遇距离,u为DCPA的隶属函数值,d1为本USV最晚进行避碰时到另一USV的距离,d2为恰好构成碰撞紧迫局面时本USV与另一USV的临界距离;当d2<|DCPA|时,本USV航行安全;当|DCPA|<d1时,本USV与另一USV存在碰撞危险,需要采取避碰措施来消除;当d1<|DCPA|<d2时,不确定是否存在碰撞危险,需要计算碰撞危险度来判定;
时间碰撞危险度是衡量USV之间发生碰撞可能性大小的度量之一,影响时间碰撞危险度大小的因素主要包括两个USV的航行速度、本USV与另一USV的距离、两个USV的长度;
其中,
综合空间碰撞危险度和时间碰撞危险度得出USV系统的碰撞危险度:
其中,的含义为:若uD=0或uT=0,则u=0;若uD≠0且uT≠0,则u=max(uD,uT)。
步骤2所述的利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向信息构建无通信情况下遗传方法评价函数为:
其中,d0为雷达坐标系的原点到障碍物的最短距离,d1表示本USV到另一USV的最短距离,d表示USV当前位置到相对应终点的距离;μ为障碍物边界下限角,即雷达坐标系原点与雷达检测到的障碍物下边界点的夹角,ν为障碍物边界上限角,即雷达坐标系原点与雷达检测到的障碍物上边界点的夹角,δ为另一USV边界下限角,即雷达坐标系原点与雷达检测到的另一USV下边界点的夹角,γ为另一USV边界上限角,即雷达坐标系原点与雷达检测到的另一USV上边界点的夹角;f为评价函数值,其值衡为正,f值越大被选择成为子代的可能性越大,ωi+1为USV下一时刻取第i个体的艏向角,评价函数采取奖惩机制增大区分度。
本发明的有益效果是:
本发明在无通信情况下利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向等信息的作用辅助避碰规划,使多个USV从起点向终点的航行过程中躲避环境中所有静态障碍物、USV之间不发生碰撞、不出现大角度转向、大范围加减速,且航行路径符合经济性要求。本发明致力找到在无通信情况下充分利用雷达模块的探测作用来辅助避碰的方法。本发明的关键点:设置合适的雷达参数;设计无通信情况下的运动参数及避碰危险度计算方法;构建充分利用雷达模块探测信息的遗传算法评价函数。
附图说明
图1是USV与障碍物运动参数图。
图2是雷达搜索图。
图3是多USV任务无通信式避碰规划仿真效果图。
图4是多USV任务无通信式避碰规划速度调节量变化趋势图。
图5是多USV任务无通信式避碰规划艏向调节量变化趋势图。
图6是多USV任务无通信式避碰规划三艇相对距离变化趋势图。
图7是多USV任务无通信式避碰规划遗传算法迭代优化图。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明的目的是提供无通信情况下的多USV群体协同避碰规划方法,充分利用雷达传感器模块在一定范围内探测到的障碍物位置与其他USV的位置、速度、艏向等信息辅助避碰规划,以使USV从起点出发驶向终点的过程中避开环境中所有静态障碍物、USV之间不发生碰撞、不出现大角度转向于大范围加减速。
多USV群体协同避碰规划方法中采用几何环境模型建模来描述USV航行环境、USV实时位置等,环境地图赋值法表示存在障碍物和其他USV。
所述无通信情况下的USV群体协同避碰规划方法的实现过程为:
步骤一、选取雷达传感器参数构建雷达探测模型,利用雷达模块探测静态障碍物位置和动态USV位置、速度、艏向信息,计算无通信情况下的多USV运动参数及碰撞危险度,判断是否需要采取避碰措施及采取的时间。
步骤二、利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向等信息构建无通信情况下遗传算法评价函数。
步骤三、选择QT软件构建USV避碰规划仿真软件平台,添加雷达探测模块调试USV避碰规划软件,设计典型的仿真案例验证算法的有效性。
雷达模块参数设置如表1:
表1雷达参数表
步骤一中多USV运动参数及碰撞危险度的计算过程如下:
如图1,在无通信情况下,USV之间只能通过导航雷达测量静态障碍物位置和其他USV位置、速度、艏向参数。这里取雷达探测到障碍物后的2个连续时刻检测到的障碍物信息,其中第i时刻雷达探测范围内探测出有障碍物的扫描点集合为:
{(Xi1,Yi1),(Xi2,Yi2),…,(Xin,Yin)}
其中,探测出的扫描点集合的坐标为大地环境坐标系下的坐标值,且每一时刻探测出的扫描点集合点数不一定相等。
由障碍物的扫描点集合可估算出障碍物的中心位置:
其中,为第i时刻障碍物中心估计位置横坐标,为第i时刻障碍物中心估计位置纵坐标,Xij为第i时刻雷达扫描出的第j障碍物扫描点的横坐标,Yij为第i时刻雷达扫描出的第j障碍物扫描点的横坐标。
相邻时刻障碍物估算位置之间的距离:
这里设置一个阈值,如果则判定障碍物为静态障碍物;如果则判定障碍物为动态障碍物。综合考虑USV航行情况,这里设置阈值为0.2海里。当障碍物为动态USV时,可以根据两次障碍物中心估算位置的变化和2个时刻的时间间隔估算出动态目标的运动速度和航向:
其中,Δt为两个连续时刻的时间间隔。
另一USV速度在横纵方向上的分量为:
同理已知本USV的速度和艏向β可计算出横纵方向上的分量那么两USV的相对速度为:
USV之间的相对速度大小:
由估算的中心位置和此时本USV位置可估算出USV之间的相对距离和相对方位:
其中,(X0,Y0)为本USV的位置。
USV之间的最近会遇距离DCPA:
其中,DCPA的符号由USV之间的相对位置决定,当另一USV位于本USV的船艏方向时,DCPA为正;当另一USV位于本USV的船尾方向时,DCPA为负。
到达最近会遇地点的时间TCPA:
其中,TCPA的符号由USV之间的相对位置决定,当USV未到达最近相遇地点时,TCPA为正;当USV超过最近相遇地点时,TCPA为负。
空间碰撞危险度是衡量USV之间发生碰撞可能性大小的度量之一,影响空间碰撞危险度大小的因素主要包括USV之间的最近会遇距离DCPA、最近会遇地点相对本USV的距离和方向、另一USV所在方向和距离以及无人航行器之间的最低安全会遇距离。
其中,DCPA为USV之间的最近会遇距离,u为DCPA的隶属函数值,d1为本USV最晚进行避碰时到另一USV的距离,d2为恰好构成碰撞紧迫局面时本USV与另一USV的临界距离。当d2<|DCPA|时,本USV航行安全;当|DCPA|<d1时,本USV与另一USV存在碰撞危险,需要采取避碰措施来消除;当d1<|DCPA|<d2时,不确定是否存在碰撞危险,需要计算碰撞危险度来判定。
则d1=1.5ρ(θT)、d2=2d1。
时间碰撞危险度是衡量USV之间发生碰撞可能性大小的度量之一,影响时间碰撞危险度大小的因素主要包括两个USV的航行速度、本USV与另一USV的距离、两个USV的长度。
其中,
综合空间碰撞危险度和时间碰撞危险度得出USV系统的碰撞危险度:
其中,的含义为:
若uD=0或uT=0,则u=0;
若uD≠0且uT≠0,则u=max(uD,uT)。
步骤二中添加通信模块互通的USV位置信息到遗传算法的评价函数的过程如下:
如图2的USV雷达搜索图,其模拟同时搜索到障碍物与其他USV的状态,图中坐标系为本USV雷达随动坐标系,圆表示雷达检测的范围。其中A为障碍物,o1为另一USV的雷达坐标系原点,d0为雷达坐标系的原点到障碍物的最短距离,d1表示本USV到另一USV的最短距离,d表示USV当前位置到相对应终点的距离。μ为障碍物边界下限角(雷达坐标系原点与雷达检测到的障碍物下边界点的夹角),ν为障碍物边界上限角(雷达坐标系原点与雷达检测到的障碍物上边界点的夹角)。δ为另一USV边界下限角(雷达坐标系原点与雷达检测到的另一USV下边界点的夹角),γ为另一USV边界上限角(雷达坐标系原点与雷达检测到的另一USV上边界点的夹角)。那么,本文中USV避碰规划的评价函数取为:
式中,f为评价函数值,其值衡为正,f值越大被选择成为子代的可能性越大。ωi+1为USV下一时刻取第i个体的艏向角,d为当前位置到终点的距离。评价函数采取奖惩机制增大区分度,当下一时刻的艏向角在障碍物边界上下限角范围内或者另一USV边界上下限角范围内,继续航行会接近障碍物或另一USV,此时对这样个体的评价函数值缩小100倍使其被选择的概率减小;当下一时刻的艏向角不在障碍物边界上下限角范围内和另一USV边界上下限角范围内,继续航行能避开障碍物,此时对这样个体的评价函数值扩大100倍使其被选择的概率增大。
步骤三多USV群体协同避碰规划方法仿真验证过程如下:
进行多USV任务无通信式避碰规划实验时,首先设置多USV对应的起点、终点位置,这里可以设置任意位置,为了更好的实验效果这里选择3-5个USV;再设置航行环境中障碍物的形状、大小、位置,任意选择障碍物的数量形状大小位置参数;设置USV启动避碰的距离为8海里,最小安全距离为1海里;最后选择多USV实验的任务无通信的控制模式开始实验。
如图3的多USV任务无通信式避碰规划实验仿真效果图,实验中USV从起点向终点出发,当USV离障碍物较远时沿直线航行,当USV航行到障碍物附近时通过雷达探测到了障碍物信息,从两侧绕开障碍物后继续向终点航行,并且USV之间未发生碰撞,避碰效果良好。
如图4的多USV任务式避碰规划速度调节量变化趋势图和图5多USV任务无通信式避碰规划艏向调节量变化趋势图,速度艏向变化趋势与实验效果图相对应,效果图中轨迹曲线和速度艏向具有较好的平滑性。
如图6多USV任务无通信式避碰规划三艇相对距离变化趋势图显示的航行过程中三个USV的相对距离变化趋势,USV之间并未发生相撞。如图7多USV任务无通信式避碰规划遗传算法迭代优化图显示的优化过程中种群个体评价函数值的变化趋势,每个USV评价函数值的变化趋势都大致相似,即算法的迭代次数越多,种群个体的评价函数值越大,为最大值优化。保持其他参数不变,改变迭代次数多次试验,测试出迭代次数500最合适。
Claims (3)
1.一种考虑无通信的多USV群体协同避碰规划方法,其特征在于,该方法包括以下步骤:
步骤1:选取雷达传感器参数构建雷达探测模型,利用雷达模块探测静态障碍物位置和动态USV位置、速度、艏向信息,计算无通信情况下的多USV运动参数及碰撞危险度,判断是否需要采取避碰措施及采取的时间;
步骤2:利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向信息构建无通信情况下遗传方法评价函数;
步骤3:添加雷达探测模块调试USV避碰规划。
2.根据权利要求1所述的一种考虑无通信的多USV群体协同避碰规划方法,其特征在于,步骤1所述的无通信情况下的多USV运动参数及碰撞危险度的计算包括:在无通信情况下,USV之间只能通过导航雷达测量静态障碍物位置和其他USV位置、速度、艏向参数,其中第i时刻雷达探测范围内探测出有障碍物的扫描点集合为:
{(Xi1,Yi1),(Xi2,Yi2),…,(Xin,Yin)}
其中,探测出的扫描点集合的坐标为大地环境坐标系下的坐标值;
由障碍物的扫描点集合估算出障碍物的中心位置:
其中,为第i时刻障碍物中心估计位置横坐标,为第i时刻障碍物中心估计位置纵坐标,Xij为第i时刻雷达扫描出的第j障碍物扫描点的横坐标,Yij为第i时刻雷达扫描出的第j障碍物扫描点的纵坐标;
相邻时刻障碍物估算位置之间的距离:
若则判定障碍物为静态障碍物;若则判定障碍物为动态障碍物,当障碍物为动态USV时,根据障碍物中心估算位置的变化和几个时刻的时间间隔估算出动态目标的运动速度和航向,动态目标的运动速度表示为下式:
动态目标的航向表示为下式:
其中,Δt为两个连续时刻的时间间隔;
另一USV速度在横纵方向上的分量为:
同理已知本USV的速度和艏向β计算出横方向上的分量和纵方向上的分量那么两USV的相对速度为:
USV之间的相对速度大小:
由估算的中心位置和此时本USV位置估算出USV之间的相对距离为:
其中,(X0,Y0)为本USV的位置,USV之间的相对方位为:
USV之间的最近会遇距离DCPA:
其中,DCPA的符号由USV之间的相对位置决定,当另一USV位于本USV的船艏方向时,DCPA为正;当另一USV位于本USV的船尾方向时,DCPA为负;
到达最近会遇地点的时间TCPA:
其中,TCPA的符号由USV之间的相对位置决定,当USV未到达最近相遇地点时,TCPA为正;当USV超过最近相遇地点时,TCPA为负;
空间碰撞危险度是衡量USV之间发生碰撞可能性大小的度量之一,影响空间碰撞危险度大小的因素主要包括USV之间的最近会遇距离DCPA、最近会遇地点相对本USV的距离和方向、另一USV所在方向和距离以及无人航行器之间的最低安全会遇距离;
其中,DCPA为USV之间的最近会遇距离,u为DCPA的隶属函数值,d1为本USV最晚进行避碰时到另一USV的距离,d2为恰好构成碰撞紧迫局面时本USV与另一USV的临界距离;当d2<|DCPA|时,本USV航行安全;当|DCPA|<d1时,本USV与另一USV存在碰撞危险,需要采取避碰措施来消除;当d1<|DCPA|<d2时,不确定是否存在碰撞危险,需要计算碰撞危险度来判定;
时间碰撞危险度是衡量USV之间发生碰撞可能性大小的度量之一,影响时间碰撞危险度大小的因素主要包括两个USV的航行速度、本USV与另一USV的距离、两个USV的长度;
其中,
综合空间碰撞危险度和时间碰撞危险度得出USV系统的碰撞危险度:
其中,的含义为:若uD=0或uT=0,则u=0;若uD≠0且uT≠0,则u=max(uD,uT)。
3.根据权利要求2所述的一种考虑无通信的多USV群体协同避碰规划方法,其特征在于,步骤2所述的利用雷达模块探测进入雷达探测范围内的静态障碍物位置和动态USV位置、速度、艏向信息构建无通信情况下遗传方法评价函数为:
其中,d0为雷达坐标系的原点到障碍物的最短距离,d1表示本USV到另一USV的最短距离,d表示USV当前位置到相对应终点的距离;μ为障碍物边界下限角,即雷达坐标系原点与雷达检测到的障碍物下边界点的夹角,ν为障碍物边界上限角,即雷达坐标系原点与雷达检测到的障碍物上边界点的夹角,δ为另一USV边界下限角,即雷达坐标系原点与雷达检测到的另一USV下边界点的夹角,γ为另一USV边界上限角,即雷达坐标系原点与雷达检测到的另一USV上边界点的夹角;f为评价函数值,其值衡为正,f值越大被选择成为子代的可能性越大,ωi+1为USV下一时刻取第i个体的艏向角,评价函数采取奖惩机制增大区分度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032598.5A CN109782760B (zh) | 2019-01-14 | 2019-01-14 | 一种考虑无通信的多usv群体协同避碰规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032598.5A CN109782760B (zh) | 2019-01-14 | 2019-01-14 | 一种考虑无通信的多usv群体协同避碰规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109782760A true CN109782760A (zh) | 2019-05-21 |
CN109782760B CN109782760B (zh) | 2022-06-21 |
Family
ID=66500595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910032598.5A Active CN109782760B (zh) | 2019-01-14 | 2019-01-14 | 一种考虑无通信的多usv群体协同避碰规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782760B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665844A (zh) * | 2020-06-23 | 2020-09-15 | 北京三快在线科技有限公司 | 一种路径规划方法及装置 |
CN113296521A (zh) * | 2021-05-26 | 2021-08-24 | 紫清智行科技(北京)有限公司 | 一种基于动态窗口的障碍物局部避障方法 |
CN113433946A (zh) * | 2021-07-14 | 2021-09-24 | 北京华科软通科技有限公司 | 一种防撞预警方法、装置、系统、电子设备以及存储介质 |
CN113917930A (zh) * | 2021-11-11 | 2022-01-11 | 中国船舶重工集团公司第七一九研究所 | 一种基于感知数据的无人船航行状态控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100037302A (ko) * | 2008-10-01 | 2010-04-09 | 현대중공업 주식회사 | 선박충돌 자동 회피장치와 방법 |
CN103019179A (zh) * | 2012-11-20 | 2013-04-03 | 江苏科技大学 | 水面船侦察系统及方法 |
CN105589464A (zh) * | 2016-03-28 | 2016-05-18 | 哈尔滨工程大学 | 一种基于速度障碍法的uuv动态避障方法 |
CN105867383A (zh) * | 2016-05-16 | 2016-08-17 | 哈尔滨工程大学 | 一种usv自主避碰控制的方法 |
CN107037809A (zh) * | 2016-11-02 | 2017-08-11 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇避碰方法 |
CN109597417A (zh) * | 2019-01-14 | 2019-04-09 | 哈尔滨工程大学 | 一种基于避碰准则的多usv群体协同避碰规划方法 |
CN110174896A (zh) * | 2019-05-31 | 2019-08-27 | 中国船舶重工集团公司第七0七研究所 | 一种无人艇多目标自主避碰方法 |
-
2019
- 2019-01-14 CN CN201910032598.5A patent/CN109782760B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100037302A (ko) * | 2008-10-01 | 2010-04-09 | 현대중공업 주식회사 | 선박충돌 자동 회피장치와 방법 |
CN103019179A (zh) * | 2012-11-20 | 2013-04-03 | 江苏科技大学 | 水面船侦察系统及方法 |
CN105589464A (zh) * | 2016-03-28 | 2016-05-18 | 哈尔滨工程大学 | 一种基于速度障碍法的uuv动态避障方法 |
CN105867383A (zh) * | 2016-05-16 | 2016-08-17 | 哈尔滨工程大学 | 一种usv自主避碰控制的方法 |
CN107037809A (zh) * | 2016-11-02 | 2017-08-11 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇避碰方法 |
CN109597417A (zh) * | 2019-01-14 | 2019-04-09 | 哈尔滨工程大学 | 一种基于避碰准则的多usv群体协同避碰规划方法 |
CN110174896A (zh) * | 2019-05-31 | 2019-08-27 | 中国船舶重工集团公司第七0七研究所 | 一种无人艇多目标自主避碰方法 |
Non-Patent Citations (5)
Title |
---|
A. SAVVARIS: "Development of Collision Avoidance Algorithms for the C-Enduro USV", 《IFAC PROCEEDINGS VOLUMES》 * |
HONGJIAN WANG: "Research on Autonomous Collision Avoidance Method of Unmanned Surface Vessel in the circumstance of Moving Obstacles", 《PROCEEDINGS OF THE 37TH CHINESE CONTROL CONFERENCE》 * |
刘佳男: "基于进化遗传算法的无人艇避碰系统研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
练青坡: "基于粒子群优化算法的USV集群协同避碰方法", 《系统工程与电子技术》 * |
茅云生: "水面无人艇多船障碍智能避碰", 《大连海事大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665844A (zh) * | 2020-06-23 | 2020-09-15 | 北京三快在线科技有限公司 | 一种路径规划方法及装置 |
CN111665844B (zh) * | 2020-06-23 | 2023-10-24 | 北京三快在线科技有限公司 | 一种路径规划方法及装置 |
CN113296521A (zh) * | 2021-05-26 | 2021-08-24 | 紫清智行科技(北京)有限公司 | 一种基于动态窗口的障碍物局部避障方法 |
CN113433946A (zh) * | 2021-07-14 | 2021-09-24 | 北京华科软通科技有限公司 | 一种防撞预警方法、装置、系统、电子设备以及存储介质 |
CN113917930A (zh) * | 2021-11-11 | 2022-01-11 | 中国船舶重工集团公司第七一九研究所 | 一种基于感知数据的无人船航行状态控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109782760B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109753068B (zh) | 一种考虑通信情况的多usv群体协同避碰规划方法 | |
CN109782760B (zh) | 一种考虑无通信的多usv群体协同避碰规划方法 | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
CN109933067B (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
CN112673234B (zh) | 路径规划方法和路径规划装置 | |
CN110262492B (zh) | 一种无人艇的实时避碰和目标跟踪方法 | |
CN109828566B (zh) | 一种水面无人艇自主航行方法 | |
Lazarowska | A discrete artificial potential field for ship trajectory planning | |
CN109784201B (zh) | 基于四维风险评估的auv动态避障方法 | |
CN110083159B (zh) | 基于sbg和动态窗口约束的无人船自主动态避碰方法 | |
CN107168309B (zh) | 一种基于行为的多水下机器人路径规划方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
CN109960262A (zh) | 一种基于几何法的无人艇动态避障方法和系统 | |
CN112578793B (zh) | 一种快速运动水面艇的避障方法 | |
CN113032896B (zh) | 一种基于船舶驾驶员偏好的避碰辅助决策方法 | |
CN113538973B (zh) | 一种基于改进粒子群算法的船舶自动避碰方法 | |
CN111984012A (zh) | 一种无人船自主避障及航线规划的方法 | |
CN114200945A (zh) | 一种移动机器人的安全控制方法 | |
CN116360434A (zh) | 基于改进的csac-apf算法的船舶路径规划方法 | |
CN110414042B (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN109916400B (zh) | 一种基于梯度下降算法与vo法相结合的无人艇避障方法 | |
Liang et al. | Economic MPC-based planning for marine vehicles: Tuning safety and energy efficiency | |
CN114815823A (zh) | 一种基于控制障碍函数的无人艇集群安全目标跟踪系统 | |
CN110618685A (zh) | 一种无人水面艇障碍物探测误差修正及安全避碰方法 | |
CN113341999A (zh) | 一种基于优化d*算法的叉车路径规划方法及装置 |
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 |