CN110097212B - 一种无人艇高能效协同区域探测方法 - Google Patents
一种无人艇高能效协同区域探测方法 Download PDFInfo
- Publication number
- CN110097212B CN110097212B CN201910274669.2A CN201910274669A CN110097212B CN 110097212 B CN110097212 B CN 110097212B CN 201910274669 A CN201910274669 A CN 201910274669A CN 110097212 B CN110097212 B CN 110097212B
- Authority
- CN
- China
- Prior art keywords
- sub
- area
- idle
- areas
- region
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims description 48
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 abstract description 23
- 238000009826 distribution Methods 0.000 abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种无人艇高能效协同区域探测方法。该方法包括：对无人艇采用基于阿基米德螺线的行进方式作为区域内主体运动方式；对待测区域进行基于正六边形的子区域划分，并将障碍物区域和自由区域划分开来；对各艘无人艇进行任务区域分配，并规划各自行进路线。本发明采用基于阿基米德螺线的行进方式，使得无人艇在子区域探测过程中始终保持“匀速”行进。本发明对待测区域进行基于正六边形的子区域划分，使得无人艇在基于阿基米德螺线式行进的基础上有较高的覆盖率。本发明提出一种基于能耗均衡的任务区域分配方式，使得各艘无人艇的任务区域大小尽量相当，进而保证无人艇能耗尽量均衡。
Description
技术领域
本发明属于移动机器人区域覆盖技术领域，涉及无人艇协同探测过程中进行区域覆盖和任务分配的方法。
背景技术
随着现代科学技术不断发展，机器人技术从60年代初问世以来也得到了飞速发展，并在很多领域得到广泛应用，很大程度上提高了工作效率。机器人技术的出现，不仅改变了传统的工业化生产模式，并且对人类生活产生了很大影响。目前随着机器人技术的逐渐成熟，带有指定任务的机器人开始进入实际应用化研究阶段。无人艇作为水上机器人的一种，由于其智能化的优势，在例如资源勘探、环境监测、水域勘测等领域得到了充分应用。政府将海河开发作为了当今社会发展重点战略之一，故利用无人艇进行水域勘测，探测水下环境情况已成为当今一大需求，这也预示着水域勘测在未来将会有更大的应用空间。
无人艇探测应用广泛，但目前仍存在一些问题：由于大型无人艇主要针对深水区域的探测，所以其探测设备性能要求较高、发射功率较大，使得无人艇体积庞大且沉重，吃水深，导致在例如近海、内河湖泊等浅水区域执行任务时容易出现搁浅问题，且对于某些特殊水域环境中的狭窄区域，大型无人艇也无法通过，因此无法探测到所需数据，故在很多应用中都需要吃水浅的小型无人艇进行作业。小型无人艇不仅适用于大部分水域环境的巡航探测，还可以满足利用无人机快速投放至指定区域的任务需求。但与此同时，小型无人艇由于体积较小且要求吃水浅，无法放置大容量的电池，故其能耗受限，在进行作业时需更多地考虑能耗限制带来的问题。
对于大面积的水域勘测，以单艘无人艇进行作业会变得效率低下，且对于某些特殊环境或复杂地形，单艘无人艇执行探测任务时会受传感器探测范围及角度等限制，难以实现有效探测，不能较好地完成探测任务。故有必要研究多艘无人艇对于大面积待测水域协同并行探测，以简化任务复杂程度，提高任务执行效率。
进行水域勘测时，多艘无人艇需要以一定策略的行进方式覆盖整个待测区域，这就涉及到移动机器人区域覆盖的问题。近些年对该问题的研究通常分为两部分来解决，一是区域内主体运动方式的选择，二是对待测区域的分解和衔接。目前常用的区域内主体行进方式包括直线往复式、直线向内循环式、直线向外循环式等，但这几种行走方式通常未考虑能耗的问题。目前常用的区域的分解和衔接方法是单元分解法，主要思想是将机器人所要遍历的区域根据环境中的障碍物或其他方法分为若干子区域，通过对各子区域的遍历实现对整个区域的遍历，这种思想在很大程度上降低了全局覆盖实现的难度，但对于多无人艇协同探测所涉及到的任务区域分配，通常的单元分解法并未考虑各艘无人艇能耗均衡的问题。
本发明针对对待测环境给定覆盖率要求的初步探测问题，利用多艘小型无人艇协同进行区域探测任务。小型无人艇可以解决大型无人艇无法用于浅水区域或狭窄水域环境执行任务的问题；另外利用多艘无人艇协同探测，通过分布式并行作业，可分解和简化任务的复杂程度，提高任务完成效率；对于多艘无人艇执行任务中要求的能耗限制，本发明提出了一种基于能耗均衡的任务区域分配方法，使得无人艇在总能耗低且各艘无人艇能耗均衡的前提下，完成区域探测任务。
发明内容
针对在浅水区域或狭窄水域环境大型无人艇无法执行探测任务，以及当前移动机器人区域覆盖问题中未考虑能耗的限制，为了实现对待测区域给定覆盖率要求的初步探测，本发明专利提出一种无人艇高能效协同区域探测方法，解决区域内主体运动方式、区域划分的方式以及在此基础上针对多无人艇任务区域的分配方式三部分问题。本发明方法利用的小型无人艇需要的核心模块有超声波探头模块、GPS模块、运动模块和通信模块，无人艇通过运动模块按某种方式行进，在行进的过程中将超声波探头采集的数据以及当前的GPS坐标通过通信模块传到后台处理器，由后台处理器对数据进行相关处理。
本发明的目的至少通过如下技术方案之一实现。
一种无人艇高能效协同区域探测方法，其包括下步骤：
(1)基于已知的待测区域环境信息，获取待测区域的GPS坐标及区域内障碍物信息，同时建立数据库，用于后面对待测区域划分和无人艇任务区域分配；
(2)利用步骤(1)中获取的相关环境信息，对待测区域进行基于正六边形的子区域划分，并根据单位子区域内障碍物的存在情况，将单位子区域分为空闲子区域和障碍物子区域，为后续步骤对无人艇的任务区域分配做好准备；
(3)在基于正六边形子区域划分好的地图中，可能存在由七个空闲子区域组成的更大的“正六边形”子区域，称之为可优化区域；先确定待测区域中可能存在的可优化区域并进行标记，再将标记的可优化区域按照执行任务的无人艇数量近似均分给各艘无人艇作为各自的初始任务区域；
(4)在确定各艘无人艇的初始任务区域后，将各自的任务区域分别看做一个类，对待测区域中剩余的空闲子区域进行归类；以所标记的可优化区域的先后顺序，对每个可优化区域轮流向外逐圈扩展，顺序遍历其中未归类的空闲子区域并将其归类，直到区域中所有的空闲子区域全部完成归类；
(5)经过上述步骤，表示各艘无人艇的任务区域分配初步完成，此时还需要将各类空闲子区域的个数进行比较，若数量不均匀，则需要在不破坏可优化区域的前提下，对相关任务区域边界处的空闲子区域进行调整，使得各艘无人艇所分配的空闲子区域个数尽量均匀，最终确定各艘无人艇的任务区域；
(6)在确定了无人艇各自的任务区域后，将各自任务区域中所包含的子区域，即空闲子区域或可优化区域的中心看做一系列子目标点，规划一条不重复的经过所有子目标点的最短连接路径，从而确定无人艇各自任务区域内子区域的遍历顺序，最后指派各艘无人艇在其相应任务区域内执行探测任务，从起始子区域开始，以基于子区域内切圆的阿基米德螺线式行进顺序遍历各个子区域，完成协同区域探测。
进一步地，所述步骤(6)中，将基于阿基米德螺线的行进方式作为无人艇区域探测的主体运动方式；由于阿基米德螺线的物理特性，根据无人艇所携带传感器的探测范围宽度和当前待测子区域的大小即可确定其运动方程，故只需对无人艇的驱动电机设置相关参数以保证其运动速率和方向，直到到达下一个子目标点之前，无人艇在对子区域的覆盖过程中始终保持线速率均匀。
进一步地，所述步骤(2)中，提出对待测区域进行基于正六边形的子区域划分；基于阿基米德螺线的区域覆盖行进方案在无障碍的类圆形区域具有较好的适用性，但实际待测水域往往不是类圆形，且通常存在静态障碍物，除此之外还需考虑各艘无人艇区域分配相当的问题，对待测区域进行基于同等规格正六边形的子区域划分，其中正六边形的规格由具体待测环境的大小及障碍物的大小共同决定。
进一步地，所述步骤(3)中所述“可优化区域”，即在基于正六边形子区域划分好的地图中，找出由七个空闲子区域组成的更大的“正六边形”子区域，称之为可优化区域；从上到下从左至右顺序遍历所有空闲子区域，判断当前空闲子区域周围扩展一圈的六个单位子区域是否均为空闲子区域，若是，则将这七个空闲子区域看做一个可优化区域并进行标记；若周围一圈的单位子区域中某个单位子区域或是边界，或是不完整子区域，或是已标记子区域，或是障碍物子区域，则对当前空闲子区域不做任何处理，继续遍历下一个空闲子区域，直到遍历完所有的空闲子区域。
进一步地，所述步骤(4)中提出的对于剩余空闲子区域的归类，即对于当前未归类的空闲子区域，查找以其为中心的周围六个单位子区域，统计其中已归类空闲子区域的类别的个数，以少数服从多数的原则，将当前空闲子区域归类到类别个数更多的那类；若周围已归类的各类空闲子区域的个数相同，则判断相同的几类当前所包含的空闲子区域总个数，并将其归类给当前总个数最少的那类；若当前那几类的空闲子区域总个数也相同，则把其归类到当前扩展的可优化区域的类别。
进一步地，所述步骤(4)中所提出的对于剩余未归类空闲子区域的遍历规则，即以先前所标记的可优化区域的先后顺序，对每个可优化区域轮流向外逐圈扩展，顺序遍历其中未归类的空闲子区域并将其归类，直到区域中所有的空闲子区域全部归类完成；以这种规则遍历剩余空闲子区域，可使得同类空闲子区域尽量集中在一起，有利于后续步骤规划各自任务区域的遍历路径，让其中各个子区域之间有更好的连通性，且如果出现任务区域分配不均的情况，可以直接对两相邻任务区域边界处的空闲子区域进行调整，从而简化任务规划复杂程度。
对于上述区域内主体运动方式的选择，本发明采用基于阿基米德螺线的行进方式作为区域内主体行进方式。由于本发明方法是针对给定覆盖率要求的初步探测问题，因此在对待测区域整体覆盖均匀的前提下，可以对区域中一些边边角角进行忽略处理，转而重点考虑如何达到无人艇作业过程能耗尽量小的要求。由于阿基米德螺线的物理特性，根据无人艇所携带传感器的探测范围宽度和当前待测子区域的大小即可确定其运动方程，故只需对无人艇运动模块中的驱动电机设置相关参数以保证其运动速率和方向，直到到达下一个子目标点之前，无人艇在对子区域覆盖的过程中始终保持线速率均匀，而“匀速”运动方式相对来说最为省能。
对于上述对待测区域的划分方式，本发明对待测区域采用基于正六边形的子区域划分，划分后的正六边形子区域称为单位子区域，其规格由待测环境大小以及障碍物大小共同决定，并根据单位子区域内的障碍物存在情况，分为障碍物子区域和空闲子区域。由于基于阿基米德螺线的区域覆盖行进方案在无障碍的类圆形区域具有较好的适用性，但实际待测水域往往不是类圆形，且通常存在静态障碍物，一般分布相对分散，且数量较少，面积较大。此外我们还需考虑各艘无人艇的能耗要相对均衡，这表示各艘无人艇所分配的任务区域面积应大致相当，故应对待测区域进行同等规格的单位子区域划分，并将障碍物区域和非障碍物区域区分开来。而相比同样能铺成整个平面不留空隙的正四边形和正三角形，正六边形的内切圆面积占比最大，意味着对待测区域进行基于正六边形的子区域划分，并以阿基米德螺线式行进执行探测任务，能达到的覆盖率最高。
对于上述针对多无人艇协同探测任务区域分配的问题，本发明提出了一种基于能耗均衡的任务区域分配方式，主要原则是依据障碍物子区域的位置和无人艇数量对所有的空闲子区域进行分配，使得各艘无人艇所分配的空闲子区域数量尽量均匀，从而保证各艘无人艇作业的能耗均衡。
进一步地，步骤(1)中还包括确定待测区域中的可优化区域的位置和数量。
步骤(2)中，在任务区域分配之前，提出一种能降低能耗、提高探测效率的优化方法：在基于正六边形子区域划分好的地图中，可能存在由七个空闲子区域组成的更大的“六边形”子区域，称为可优化区域。对于可优化区域我们可以进行基于更大范围内切圆的阿基米德螺线式行进覆盖。这样一方面可以减少原空闲子区域之间连接次数，从而减少空闲子区域连接过程中可能存在的耗能过程；另一方面还能缩短总路径长度，提高任务效率，并进一步降低能耗。
从上到下从左至右顺序遍历所有空闲子区域，判断当前空闲子区域周围扩展一圈的六个单位子区域是否均为空闲子区域，若是，则将这七个空闲子区域看做一个可优化区域并进行标记；若周围一圈的单位子区域中某个单位子区域或是边界，或是不完整子区域，或是已标记子区域，或是障碍物子区域，则对当前空闲子区域不做任何处理，继续遍历下一个空闲子区域，直到遍历完所有的空闲子区域。
步骤(3)中，根据步骤(1)确定的可优化区域的位置和数量，以及执行任务的无人艇数量，将可优化区域近似均等分配给各艘无人艇作为各自的初始任务区域。若无人艇分配的可优化区域有N(N>1)个，则将N个相距最近的可优化区域一同分配给该无人艇，作为其初始任务区域。
步骤(4)中，在确定各艘无人艇的初始任务区域后，将各艘无人艇所分配的空闲子区域看做不同的类，并对待测区域中剩余的空闲子区域进行归类。以先前所标记的可优化区域的先后顺序，对每个可优化区域轮流向外逐圈扩展，顺序遍历其中未归类的空闲子区域并将其归类，直到区域中所有的空闲子区域全部归类，表示任务区域分配初步完成。
上述步骤提到的对空闲子区域归类的具体规则如下：对于当前需要归类的空闲子区域，查找以其为中心的周围六个单位子区域，靠近边界的空闲子区域周围一圈可能没有六个，其中未归类的空闲子区域和障碍物子区域不做处理，统计其余空闲子区域的类别的个数，以少数服从多数的原则，将当前空闲子区域归类到类别个数更多的那类；若周围已归类的各类空闲子区域的个数相同，则判断相同的几类当前所包含的空闲子区域总个数，并将其归类给当前总个数最少的那类；若当前那几类的空闲子区域总个数也相同，则把其归类到当前扩展的可优化区域的类别。
在将区域中所有的空闲子区域归类完成后，对所分配的各类空闲子区域的个数进行比较，若近似均匀则表示任务区域分配完成，否则需要在不破坏原先可优化区域的前提下，进行任务区域“边界”调整，即对需要调整的任务区域连接处的空闲子区域进行调整，最终要使得各类空闲子区域个数尽量均匀，从而保证各艘无人艇执行任务的能耗相对均衡。
步骤(5)中，在最终确定了各艘无人艇的任务区域后，将各自任务区域中所包含的子区域，即空闲子区域或可优化区域的中心看做一系列子目标点，规划一条不重复的经过所有子目标点的最短连接路径，从而确定无人艇各自的任务区域内子区域的遍历顺序。
步骤(6)中，每艘无人艇在其分配好的任务区域内，按照步骤(5)所规划好的遍历各子区域的先后顺序，以及阿基米德螺线式行进的运动方程的相关参数，执行基于各个子区域内切圆的阿基米德螺线式行进探测，完成协同区域探测任务。
与现有的相关技术相比，本发明具有以下优点：
(1)本发明利用小型无人探测艇进行协同区域探测，使其不仅可以在浅水区域及特殊水域环境的狭窄区域自由通行，还可以满足利用无人机快速投放至指定区域的任务需求。另外由于小型无人艇成本较低，在探测任务作业量较大时更具经济性。
(2)本发明采用多艘无人艇协同区域探测的方式，可以分解和简化任务的复杂程度，进行分布式并行作业，增大作业空间和覆盖范围，从而提高任务完成效率，适用于更广泛的区域探测任务需求。
(3)本发明采用基于阿基米德螺线的行进方式作为区域内主体行进方式，使得无人艇在对子区域覆盖探测的过程中始终保持线速率均匀，根据力学的原理，“匀速”走法对于无人艇来说最为省力，同等区域内相比直线往复式行进的方式能效更高。
(4)本发明对待测区域采用基于正六边形的子区域划分，使得无人艇在基于阿基米德螺线式行进的基础上有较高的覆盖率，同时可以使得不同子区域之间连接的方式更多，从而选择相对较短的路径连接方式。
(5)本发明提出了一种基于能耗均衡的任务区域分配方式，在考虑可优化区域、以降低无人艇总能耗为前提的基础上，依据障碍物子区域的位置和无人艇数量对所有的空闲子区域进行分配，并尽量使得各艘无人艇所分配的空闲子区域数量相对均匀，以达到总能耗低且各艘无人艇能耗相对均衡的目的。
附图说明
图1是实施例中一种无人艇高能效协同区域探测方法的具体流程图；
图2是实施例中提出的基于正六边形的子区域划分示意图；
图3是实施例中提出的可优化区域标记示意图；
图4是实施例中提出的不同障碍物位置情况下可优化区域标记示意图；
图5是实施例中提出的对空闲子区域归类的策略；
图6是实施例中提出的任务区域分配策略得到的结果；
图7是实施例中提出的任务区域边界调整得到的结果；
图8是实施例中提出的基于子区域内切圆的阿基米德螺线式行进路线。
具体实施方式
为了清楚说明本发明方法的技术特点，下面结合附图对本发明方法的实施进行详细阐述，但本发明的实施不限于此，需指出的是，以下若有未特别详细说明之过程或符号，均是本领域技术人员可根据现有理解或实现的。
本实施例的一种无人艇高能效协同区域探测方法的具体流程如图1所示，假设此时有三艘小型无人艇对待测水域进行协同探测，根据流程图中的步骤，具体实施方式如下：
步骤一：获取待测区域环境信息。
由于本发明方法是基于已知环境情况下的区域探测，故在执行任务之前，可以将给定的区域环境的GPS坐标及障碍物信息输入后台处理器，并建立相应的数据库存储信息。
步骤二：对待测区域进行基于正六边形的子区域划分。
利用上述步骤中的区域环境信息，将整个环境以给定规格的正六边形进行区域划分，为后续任务区域分配做准备。划分结果如图2所示，其中每个正六边形子区域称为单位子区域，根据其中障碍物的存在情况，将单位子区域分为障碍物子区域和空闲子区域，在图中障碍物子区域以黑色填充表示。对于边界处的不完整单位子区域暂且进行忽略处理，在图中以灰色填充表示，后期依据实际任务需求以及这些不完整单位子区域的大小，来决定是否需要对这些区域进行补测，这部分不属于本发明方法考虑的范畴。接着将所有空闲子区域按顺序进行编号，并对应各自中心处坐标数据，存入后台处理器的数据库中，方便后续步骤定位空闲子区域的具体位置。
步骤三：确定各艘无人艇的初始任务区域。
依据本发明内容中提到的一种降低能耗、提高探测任务效率的优化方法，即在基于正六边形单位子区域划分好的地图中，找出由七个空闲子区域组成的可优化区域，对于这类可优化区域可以进行基于更大范围内切圆的阿基米德螺线式行进覆盖，从而缩短探测总路程，降低无人艇能耗，提高任务效率。
从上到下从左至右顺序遍历所有空闲子区域，判断当前空闲子区域周围扩展一圈的六个单位子区域是否均为空闲子区域，若是，则将这七个空闲子区域看做一个可优化区域并进行标记；若周围一圈的单位子区域中某个单位子区域或是边界，或是不完整子区域，或是已标记子区域，或是障碍物子区域，则对当前空闲子区域不做任何处理，继续遍历下一个空闲子区域，直到遍历完所有的空闲子区域。一轮遍历之后，可确定待测区域中的可优化区域的位置和数量。
再根据无人艇的数量将可优化区域均等分配给各艘无人艇作为各自的初始任务区域，如图3所示，其中A、B、C三块可优化区域分别作为三艘无人艇的初始任务区域，在图中以不同的符号进行标记。但由于不同待测环境障碍物位置的不同，可能出现可优化区域数量不能均匀分给各艘无人艇的情况，此时以可优化区域中心间距最短为原则，近似均等分配各艘无人艇作为各自的初始任务区域，如图4所示，此时有4块可优化区域要分配给3艘无人艇，其中将距离最近的两块可优化区域分配给其中一艘无人艇，另外两块可优化区域分别分配给另外两艘无人艇作为其初始任务区域。
步骤四：将剩余空闲子区域进行归类。
将上一步各艘无人艇的所分配初始任务区域分别看做一个类，对区域中剩余的空闲子区域进行归类。依据本发明内容中提到的归类规则：查找以当前空闲子区域为中心的周围六个单位子区域，其中未分类的空闲子区域和障碍物子区域不做任何处理，统计其余空闲子区域的类别的个数，以少数服从多数的原则，将当前空闲子区域归类到类别个数更多的那类；若其周围已归类的各类空闲子区域个数相同，则判断相同的几类当前所包含的空闲子区域总个数，并将其归类给当前总个数最少的那类；若当前那几类包含的空闲子区域总个数也相同，则把其归类到当前扩展的可优化区域的类别。如图5所示，假设圆点代表A类，三角代表B类，在当前未归类的空闲子区域周围一圈的六个单位子区域中，有一个障碍物子区域，3个A类空闲子区域，2个B类空闲子区域，则以少数服从多数的原则，将当前未归类空闲子区域归为A类。
确定归类规则后，对剩余未归类的空闲子区域进行归类。以先前所标记的可优化区域的先后顺序，对每个可优化区域轮流向外逐圈扩展，顺序遍历其中未归类的空闲子区域并将其归类，直到区域中所有的空闲子区域全部完成归类。对图3待测区域中的剩余空闲子区域进行归类，得到任务区域分配结果如图6所示。
步骤五：上述步骤初步确定了各艘无人艇的任务区域，由于可能存在各艘无人艇任务区域大小相对不均匀的情况，此时需要在不破坏原先可优化区域的前提下，对任务区域边界处的空闲子区域进行调整，调整方法是对任务区域连接处中距离两块可优化区域最远的空闲子区域调整，多给少补，使得各艘无人艇负责的空闲子区域个数相对均匀。
如图6中所有空闲子区域全部完成归类后，分别以A、B、C来表示三艘无人艇的任务区域，各艘无人艇目前所分配的空闲子区域个数为13、14、15，而平均每艘无人艇理论应该负责探测14块空闲子区域，故在不破坏原先可优化区域的前提下，将任务区域C和A的连接部分中距离可优化区域最远的那一块空闲子区域进行调整，最终结果如图7所示。
步骤六：规划各艘无人艇任务区域内子区域遍历先后顺序。
经过以上步骤，完成了对各艘无人艇任务区域的分配，接下来将各个任务区域中包含的子区域，即空闲子区域或可优化区域的中心看做一系列子目标点，对各自任务区域中的子目标点规划最短连接路径。由于本发明方法选择执行探测任务的无人艇为重量较轻的小型无人艇，故可以利用无人机快速投放至待测区域中的指定位置，即无人艇在各自的任务区域中可将任意一个子目标点作为其起始点，确定一条不重复的遍历图中所有子目标点的连接路径，从而确定无人艇在各自任务区域中，对其包含的子区域的遍历顺序。
步骤七：各艘无人艇按照步骤六所规划好的遍历各子区域的先后顺序，以及阿基米德螺线式行进的运动方程相关参数，执行基于空闲子区域或可优化区域内切圆的阿基米德螺线式行进探测。
阿基米德螺线的极坐标方程为r＝a+bθ，其中a和b为常数，a用于定义螺线的初始半径，此处一般定义为0，b用于控制螺线之间的间距，且阿基米德螺线的间距恒等于2πb。根据已知的大致探测范围宽度，即可确定阿基米德螺线的间距，再根据空闲子区域内切圆的半径或可优化区域内切圆的半径，可以确定在子区域内期望探测的圈数，从而确定无人艇在其任务区域内基于各个子区域内切圆的阿基米德螺线式行进的运动方程。无人艇在内切圆内的探测行进路线如图8所示。
以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围。
Claims (6)
1.一种无人艇高能效协同区域探测方法，其特征在于包括下步骤：
（1）基于已知的待测区域环境信息，获取待测区域的GPS坐标及区域内障碍物信息，并建立数据库，用于后面对待测区域划分和无人艇任务区域分配；
（2）利用步骤（1）中获取的相关环境信息，对待测区域进行基于正六边形的子区域划分，并根据单位子区域内障碍物的存在情况，将单位子区域分为空闲子区域和障碍物子区域，为后续步骤对无人艇的任务区域分配做好准备；
（3）在基于正六边形子区域划分好的地图中，可能存在由七个空闲子区域组成的更大的“正六边形”子区域，称之为可优化区域；先确定待测区域中可能存在的可优化区域并进行标记，再将标记的可优化区域按照执行任务的无人艇数量近似均分给各艘无人艇作为各自的初始任务区域；
（4）在确定各艘无人艇的初始任务区域后，将各自的任务区域分别看做一个类，对待测区域中剩余的空闲子区域进行归类；以所标记的可优化区域的先后顺序，对每个可优化区域轮流向外逐圈扩展，顺序遍历其中未归类的空闲子区域并将其归类，直到区域中所有的空闲子区域全部完成归类；
（5）经过上述步骤，表示各艘无人艇的任务区域分配初步完成，此时还需要将各类空闲子区域的个数进行比较，若数量不均匀，则需要在不破坏可优化区域的前提下，对相关任务区域边界处的空闲子区域进行调整，使得各艘无人艇所分配的空闲子区域个数尽量均匀，最终确定各艘无人艇的任务区域；
（6）在确定了无人艇各自的任务区域后，将各自任务区域中所包含的子区域，即空闲子区域或可优化区域的中心看做一系列子目标点，规划一条不重复的经过所有子目标点的最短连接路径，从而确定无人艇各自任务区域内子区域的遍历顺序，最后指派各艘无人艇在其相应任务区域内执行探测任务，从起始子区域开始，以基于子区域内切圆的阿基米德螺线式行进顺序遍历各个子区域，完成协同区域探测。
2.根据权利要求1一种无人艇高能效协同区域探测方法，其特征在于：所述步骤（6）中，将基于阿基米德螺线的行进方式作为无人艇区域探测的主体运动方式；由于阿基米德螺线的物理特性，根据无人艇所携带传感器的探测范围宽度和当前待测子区域的大小即可确定其运动方程，故只需对无人艇的驱动电机设置相关参数以保证其运动速率和方向，直到到达下一个子目标点之前，无人艇在对子区域的覆盖过程中始终保持线速率均匀。
3.根据权利要求1一种无人艇高能效协同区域探测方法，其特征在于：所述步骤（2）中，提出对待测区域进行基于正六边形的子区域划分；对待测区域进行基于同等规格正六边形的子区域划分，其中正六边形的规格由具体待测环境的大小及障碍物的大小共同决定。
4.根据权利要求1一种无人艇高能效协同区域探测方法，其特征在于：所述步骤（3）中所述“可优化区域”，即在基于正六边形子区域划分好的地图中，找出由七个空闲子区域组成的更大的“正六边形”子区域，称之为可优化区域；从上到下从左至右顺序遍历所有空闲子区域，判断当前空闲子区域周围扩展一圈的六个单位子区域是否均为空闲子区域，若是，则将这七个空闲子区域看做一个可优化区域并进行标记；若周围一圈的单位子区域中某个单位子区域或是边界，或是不完整子区域，或是已标记子区域，或是障碍物子区域，则对当前空闲子区域不做任何处理，继续遍历下一个空闲子区域，直到遍历完所有的空闲子区域。
5.根据权利要求1一种无人艇高能效协同区域探测方法，其特征在于：所述步骤（4）中提出的对于剩余空闲子区域的归类，即对于当前未归类的空闲子区域，查找以其为中心的周围六个单位子区域，统计其中已归类空闲子区域的类别的个数，以少数服从多数的原则，将当前空闲子区域归类到类别个数更多的那类；若周围已归类的各类空闲子区域的个数相同，则判断相同的几类当前所包含的空闲子区域总个数，并将其归类给当前总个数最少的那类；若当前那几类的空闲子区域总个数也相同，则把其归类到当前扩展的可优化区域的类别。
6.根据权利要求1一种无人艇高能效协同区域探测方法，其特征在于：所述步骤（4）中所提出的对于剩余未归类空闲子区域的遍历规则，即以先前所标记的可优化区域的先后顺序，对每个可优化区域轮流向外逐圈扩展，顺序遍历其中未归类的空闲子区域并将其归类，直到区域中所有的空闲子区域全部归类完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910274669.2A CN110097212B (zh) | 2019-04-08 | 2019-04-08 | 一种无人艇高能效协同区域探测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910274669.2A CN110097212B (zh) | 2019-04-08 | 2019-04-08 | 一种无人艇高能效协同区域探测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110097212A CN110097212A (zh) | 2019-08-06 |
| CN110097212B true CN110097212B (zh) | 2022-03-29 |
Family
ID=67444424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910274669.2A Expired - Fee Related CN110097212B (zh) | 2019-04-08 | 2019-04-08 | 一种无人艇高能效协同区域探测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110097212B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111208833A (zh) * | 2020-02-26 | 2020-05-29 | 上海大学 | 一种无人艇与无人机协同测绘的控制系统及其控制方法 |
| CN111781923B (zh) * | 2020-06-16 | 2023-07-14 | 航天时代(青岛)海洋装备科技发展有限公司 | 一种水面无人艇区域保持控制系统及方法 |
| CN111918032B (zh) * | 2020-07-24 | 2021-12-31 | 深圳市云洲创新科技有限公司 | 基于无人艇的水上监管方法、系统、装置及智能设备 |
| CN112113571B (zh) * | 2020-09-18 | 2021-08-17 | 武汉理工大学 | 一种多艘无人测量船艇覆盖路径规划方法 |
| CN112733378B (zh) * | 2021-01-18 | 2022-03-08 | 中国人民解放军91776部队 | 无人艇需求计算及配置方法和装置 |
| CN114241349A (zh) * | 2021-11-04 | 2022-03-25 | 中国船舶工业系统工程研究院 | 多无人艇协同识别方法及装置 |
| CN114428512B (zh) * | 2021-12-30 | 2024-05-07 | 珠海云洲智能科技股份有限公司 | 跨域集群协同的搜索方法及跨域集群协同的搜索系统 |
| CN114594761B (zh) * | 2022-01-05 | 2023-03-24 | 美的集团(上海)有限公司 | 机器人的路径规划方法、电子设备及计算机可读存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9464902B2 (en) * | 2013-09-27 | 2016-10-11 | Regents Of The University Of Minnesota | Symbiotic unmanned aerial vehicle and unmanned surface vehicle system |
| CN103544654B (zh) * | 2013-10-15 | 2016-10-05 | 华南理工大学 | 电网经济调度局部最小解确定和全局最小解搜索方法 |
| CN108681321B (zh) * | 2018-04-10 | 2021-05-14 | 华南理工大学 | 一种无人船协同编队的水下探测方法 |
| WO2019210962A1 (en) * | 2018-05-03 | 2019-11-07 | Telefonaktiebolaget Lm Ericsson (Publ) | Uav flight corridor allocation in cellular networks |
-
2019
- 2019-04-08 CN CN201910274669.2A patent/CN110097212B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN110097212A (zh) | 2019-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110097212B (zh) | 一种无人艇高能效协同区域探测方法 | |
| CN108681321B (zh) | 一种无人船协同编队的水下探测方法 | |
| CN115100622B (zh) | 深部受限空间无人运输设备可行驶域检测和自主避障方法 | |
| CN112113573B (zh) | 一种面向单艘无人测量船艇覆盖路径规划方法 | |
| CN110543190B (zh) | 智能目标搜索中无人设备的路径规划方法 | |
| CN110196059B (zh) | 一种无人艇全局路径规划方法 | |
| Guo et al. | An improved a-star algorithm for complete coverage path planning of unmanned ships | |
| CN115270644B (zh) | 一种智能船舶节能航行编队方法、电子设备和存储介质 | |
| CN113219984A (zh) | 一种水面无人艇全区域覆盖路径规划方法 | |
| CN114088094A (zh) | 一种无人艇的智能航路规划方法及系统 | |
| CN111412918B (zh) | 无人艇全局安全路径规划方法 | |
| CN116430875A (zh) | 海洋牧场无人机无人船协同巡逻路径规划算法 | |
| CN110333723B (zh) | 一种基于双通信设备的无人艇协同编队方法 | |
| CN110514224B (zh) | 一种无人驾驶汽车局部路径规划性能评价方法 | |
| CN109798899B (zh) | 一种面向海底未知地形搜索的树扩散启发式路径规划方法 | |
| CN109974708B (zh) | 一种无人船航迹规划方法、终端设备及存储介质 | |
| CN111811529A (zh) | 一种多区域车机协同侦察路径规划方法及系统 | |
| Cai et al. | Improved BINN-Based Underwater Topography Scanning Coverage Path Planning for AUV in Internet of Underwater Things | |
| Gao et al. | Artificial intelligence algorithms in unmanned surface vessel task assignment and path planning: A survey | |
| Fan et al. | An Improved JPS Algorithm for Global Path Planning of the Seabed Mining Vehicle | |
| CN117726089B (zh) | 优化K-means威胁目标聚类的集群护航任务分配方法及系统 | |
| CN114200929B (zh) | 多水下机器人最大探测覆盖率的快速梳型路径规划方法 | |
| Lu et al. | Multi-UUV Underwater Target Cooperative Detection Task Planning and Assignment | |
| CN115437380A (zh) | 一种基于电子海图的多无人艇分散覆盖路径规划方法 | |
| CN113124873B (zh) | 基于海洋环境信息的uuv多指标约束三维航路规划方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220329 |