CN111220160A - 基于D*Lite优化算法的自主驾驶船舶航路规划方法 - Google Patents

基于D*Lite优化算法的自主驾驶船舶航路规划方法 Download PDF

Info

Publication number
CN111220160A
CN111220160A CN202010125992.6A CN202010125992A CN111220160A CN 111220160 A CN111220160 A CN 111220160A CN 202010125992 A CN202010125992 A CN 202010125992A CN 111220160 A CN111220160 A CN 111220160A
Authority
CN
China
Prior art keywords
point
path
autonomous driving
target
driving ship
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
Application number
CN202010125992.6A
Other languages
English (en)
Other versions
CN111220160B (zh
Inventor
王晓原
夏媛媛
姜雨函
董晓斐
李莹莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Navigation Brilliance Qingdao Technology Co Ltd
Original Assignee
Navigation Brilliance Qingdao Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Navigation Brilliance Qingdao Technology Co Ltd filed Critical Navigation Brilliance Qingdao Technology Co Ltd
Priority to CN202010125992.6A priority Critical patent/CN111220160B/zh
Publication of CN111220160A publication Critical patent/CN111220160A/zh
Application granted granted Critical
Publication of CN111220160B publication Critical patent/CN111220160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/203—Specially adapted for sailing ships
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)

Abstract

本发明提供基于D*Lite优化算法的自主驾驶船舶航路规划方法，包括：S1、航行过程中自主驾驶船舶按照预设时间间隔获取环境信息，根据当前获取的环境信息和上一次获取的环境信息，若当前目标地图区域内的环境信息发生改变，判断自主驾驶船舶的目标路径点是否发生改变。S2、若目标路径点发生改变，更新目标路径点，将当前路径点作为起航点，根据更新后的目标路径点确定终止点，并根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径。目标地图区域为影响当前路径点和目标路径点间航路规划的地图区域。在自主驾驶船舶航行过程中目标路径点位置发生改变时，能够实时动态重新规划路径。

Description

基于D*Lite优化算法的自主驾驶船舶航路规划方法
技术领域
本发明涉及自主驾驶船舶航路规划技术领域，尤其涉及一种基于D*Lite优化算法的自主驾驶船舶航路规划方法。
背景技术
自主驾驶船舶融合了现代信息技术和人工智能等新技术，与有人驾驶船舶相比，具有安全可靠、节能环保、经济高效等显著特点，船舶智能化改造有着不可忽视的重要作用，是未来船舶发展的重点方向。船舶智能化改造过程中，路径规划是其核心内容。
现有的船舶航路规划方法常用A*算法和LPA*(Lifelong Planning A*)算法。A*算法维护两个集合：open集和closed集，其中open集保存待考查的路径点，closed集保存已经考查过的路径点；从起航点start开始不断通过八邻域搜索最短路径，直到目标点goal存在于closed列表中结束搜索。该算法适用于静态环境下的路径规划，在动态环境中需要不断调用，计算量过大。LPA*算法通过不断迭代利用A*算法规划出从起航点到目标点的路径；若地图发生变化则更新地图后，利用增量式搜索来提高效率，再迭代利用A*算法重新规划出从起航点到目标点的路径。该算法适用于处理定起航点、定目标点的路径规划问题，在起航点和目标点改变时，需要重新规划路径，并且当环境发生变化时，此时规划的路径可能不是最优的。
D*Lite算法的思想是建立在A*算法基础上，利用增量式搜索来提高搜索的效率，同时加入启发信息来选择下一个扩展路径点，是一种高效的重搜索算法，适用于动态环境下的路径规划。
但是传统的D*Lite算法存在以下问题：(1)智能无人船行驶过程中，若目标点位置发生改变，则无法重新规划路径；(2)周围环境复杂时，需要维护的栅格路径点信息较多，搜索时间较长；(3)路径规划离障碍物距离过近，容易发生碰撞，危险度高；(4)路径规划是折线，船舶实际航行过程中在折线拐点处无法连续平稳转向，船舶操纵性能差；(5)目标点为障碍物(岛屿或码头)时无法规划路径，路径规划的正确性差；(6)路径规划失败时会直接退出程序或一直搜索下去，自主驾驶船舶无法根据路径航行。综上，传统D*Lite算法规划一条路径需要的时间较长、正确性差、效率低，缺乏实际航海应用的可行性。
因此，对于D*Lite算法进行自主驾驶船舶航路规划来说，需要综合考虑海洋环境的复杂性、船舶操纵性能及船舶安全性，亟需一种基于D*Lite优化算法的自主驾驶船舶航路规划方法。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题，本发明提供了一种基于D*Lite优化算法的自主驾驶船舶航路规划方法。在自主驾驶船舶航行过程中目标路径点位置发生改变时，能够实时动态重新规划路径。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
一种基于D*Lite优化算法的自主驾驶船舶航路规划方法，包括以下步骤：
步骤S1、航行过程中自主驾驶船舶按照预设时间间隔获取环境信息，根据当前获取的环境信息和上一次获取的环境信息，若当前目标地图区域内的环境信息发生改变，判断自主驾驶船舶的目标路径点是否发生改变。
步骤S2、若目标路径点发生改变，更新目标路径点，将当前路径点作为起航点，根据更新后的目标路径点确定终止点，并根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径。目标地图区域为影响当前路径点和目标路径点间航路规划的地图区域。
作为本发明方法的一种改进，根据更新后的目标路径点确定终止点，包括：判断更新后的目标路径点是否为障碍物路径点，若否，将更新后的目标路径点作为终止点；若是，根据当前目标地图区域的环境信息和更新后的目标路径点，选取距离更新后的目标路径点最近的港口靠离泊位置作为终止点。
作为本发明方法的一种改进，根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，包括：根据当前目标地图区域内的环境信息、起航点和终止点，基于预设的自主驾驶船舶安全边界，采用D*Lite算法规划自主驾驶船舶继续航行的路径。
作为本发明方法的一种改进，步骤S2还包括：若目标路径点未发生改变，将当前路径点作为起航点，并根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径。
作为本发明方法的一种改进，在步骤S1之前，还包括：
步骤S01、航行起始时，获取自主驾驶船舶的初始路径点和目标路径点，并将初始路径点作为起航点，根据目标路径点确定终止点。
步骤S02、根据初始目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶的初始航行路径，使得自主驾驶船舶从初始路径点起沿初始航行路径航行。
作为本发明方法的一种改进，根据目标路径点确定终止点，包括：判断目标路径点是否为障碍物路径点，若否，将目标路径点作为终止点；若是，根据当前目标地图区域的环境信息和目标路径点，选取距离目标路径点最近的港口靠离泊位置作为终止点。
作为本发明方法的一种改进，根据初始目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶的初始航行路径，包括：根据初始目标地图区域内的环境信息、起航点和终止点，基于预设的自主驾驶船舶安全边界，采用D*Lite算法规划自主驾驶船舶的初始航行路径。
作为本发明方法的一种改进，在步骤S2之后，还包括：步骤S3、判断自主驾驶船舶继续航行的路径是否达到预设最大步数，若未达到，自主驾驶船舶从当前时刻至下一次获取环境信息的时刻依据当前规划的航行路径航行；若达到，依据搜索半径扩大规则扩大D*Lite算法的搜索半径，重新根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，重复步骤S3。
作为本发明方法的一种改进，步骤S3中，在自主驾驶船舶继续航行的路径未达到预设最大步数之后，自主驾驶船舶从当前时刻至下一次获取环境信息的时刻依据当前规划的航行路径航行之前，包括对自主驾驶船舶继续航行的路径进行平滑处理：
curr＝curr+alpha×(succ-curr)+beta×(pred-2×curr+succ)
其中，curr为当前路径点；alpha为位置变化系数，设为0～1；succ为当前路径点八邻域中的后继路径点；beta为船舶转向系数，设为0～1；pred为当前路径点八邻域中的前继路径点。
作为本发明方法的一种改进，根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，包括：从终止点开始，根据当前目标地图区域内的环境信息，通过增量式搜索至起航点；增量式搜索过程中，根据当前目标地图区域内的环境信息、起航点和终止点，计算扩展节点周围八邻域内每一个节点的节点信息，并剔除障碍物节点及其相邻节点的节点信息；所述节点信息包括Vmin(curr,goal)值、D(curr,start)值和Kcurr值；选取Vmin(curr,goal)值最小的节点作为下一个扩展节点。
(三)有益效果
本发明的有益效果是：
1、本发明方法在自主驾驶船舶航行过程中目标路径点位置发生改变时，能够实时动态重新规划路径。
2、本发明方法可实现以码头、岛屿等沿海陆地为目标路径点的航路规划，解决了传统D*Lite算法在目标路径点为障碍物时无法规划航路的问题。
3、本发明方法通过设置自主驾驶船舶安全航行边界，适应性调节航线与障碍物的距离，增加航行安全性。
4、本发明方法通过剔除扩展节点八领域内障碍物节点及其相邻节点的节点信息，可在障碍物密集区域高效率规划路径，降低路径规划的时间空间复杂度。
5、本发明方法在航路规划失败时，调整搜索范围重新规划路径，在有限次数内即可重新规划路径，解决了传统D*Lite算法重新规划路径失败时，系统处于无限循环的问题。
6、本发明方法通过对航行路径进行平滑处理，基于自主驾驶船舶可操纵性规划适航性路线，解决了传统D*Lite算法规划路径时无人船舶在拐弯处不能连续航行的问题。
7、本发明方法适用于自主驾驶船舶运动特性，为实现船舶的局部避障路径规划提供了新的解决方案。
附图说明
本发明借助于以下附图进行描述：
图1为本发明具体实施方式中基于D*Lite优化算法的自主驾驶船舶航路规划方法的流程图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
如图1所示，本发明提供一种基于D*Lite优化算法的自主驾驶船舶航路规划方法，包括以下步骤：
步骤S1、航行起始时，获取自主驾驶船舶的初始路径点和目标路径点，并将初始路径点作为起航点，根据目标路径点确定终止点。
优选地，根据目标路径点确定终止点，包括：判断目标路径点是否为障碍物路径点，若否，将目标路径点作为终止点；若是，根据当前目标地图区域的环境信息和目标路径点，选取距离目标路径点最近的港口靠离泊位置作为终止点。可实现以码头、岛屿等沿海陆地为目标路径点的航路规划，解决了传统D*Lite算法在目标路径点为障碍物时无法规划航路的问题。
步骤S2、根据初始目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶的初始航行路径。自主驾驶船舶从初始路径点起沿初始航行路径航行。
具体地，步骤S2包括：
步骤A1、令当前目标地图区域内所有节点的V(curr,goal)值和D(curr,start)值为接近无穷大的正整数，将终止点加入优先队列中。其中，V(curr,goal)为当前路径点到终止点的代价值；D(curr,start)为当前路径点到启航点的启发值。
步骤A2、将终止点作为扩展节点。
步骤A3、根据当前目标地图区域的环境信息、起航点和终止点，计算扩展节点周围八邻域内每一个节点的节点信息，并剔除障碍物节点及其相邻节点的节点信息，节点信息包括Vmin(curr,goal)值、D(curr,start)值和Kcurr值；若D(curr,start)值大于Vmin(curr,goal)值，令D(curr,start)＝Vmin(curr,goal)，否则不变；选取Vmin(curr,goal)值最小的节点作为下一个扩展节点，重复步骤A3至扩展节点为起航点，搜索结束。其中，Kcurr为当前路径点的估价值。
步骤A4、从起航点开始，向路径代价最小的节点移动，获取所述自主驾驶船舶通向终止点的最短航行路径。路径代价的计算公式包括：
computepath(goal)＝V(start,goal)+D(start,goal)
其中，V(start,goal)为起航点到目标路径点的代价值；D(start,goal)为起航点到目标路径点的启发值。
优选地，步骤S2还包括：根据初始目标地图区域内的环境信息、起航点和终止点，基于预设的自主驾驶船舶安全边界，采用D*Lite算法规划自主驾驶船舶的初始航行路径。设置自主驾驶船舶安全航行边界，适应性调节航线与障碍物的距离，增加航行安全性。
步骤S3、航行过程中自主驾驶船舶按照预设时间间隔获取环境信息，并判断当前路径点是否为终止点；若否，根据当前获取的环境信息和上一次获取的环境信息，判断当前目标地图区域内的环境信息是否发生改变；若是，航路规划结束。
具体地，目标地图区域为影响当前路径点和目标路径点间航路规划的地图区域。目标地图区域的环境信息发生变化，包括在船舶航行路径上出现障碍物。具体地，预设时间间隔为时钟周期。
步骤S4、若当前目标地图区域内的环境信息未发生改变，自主驾驶船舶从当前时刻至下一次获取环境信息的时刻依据上一次规划的航行路径航行。
若当前目标地图区域内的环境信息发生改变，判断自主驾驶船舶的目标路径点是否发生改变；若目标路径点未发生改变，将当前路径点作为起航点，并根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径；若目标路径点发生改变，更新目标路径点，将当前路径点作为起航点，根据更新后的目标路径点确定终止点，并根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径。在目标路径点发生改变时，能够实时动态重新规划路径。
优选地，根据更新后的目标路径点确定终止点，包括：判断更新后的目标路径点是否为障碍物路径点，若否，将更新后的目标路径点作为终止点；若是，根据当前目标地图区域的环境信息和更新后的目标路径点，选取距离更新后的目标路径点最近的港口靠离泊位置作为终止点。
具体地，根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，包括：
步骤B1、根据当前目标地图区域内的环境信息、起航点和终止点，更新当前目标地图区域内每一个节点的Vmin(curr,goal)值和Kcurr值。
具体为，如果更新后节点的Knewcurr值小于更新前节点的Kcurr值，则令Kcurr＝Knewcurr；如果更新后节点的Vnewmin(curr,goal)值大于更新前节点的Vmin(curr,goal)，则令Vmin(curr,goal)＝Vnewmin(curr,goal)。
步骤B2、从起航点开始，向路径代价最小的节点移动，获取自主驾驶船舶通向终止点的最短航行路径。路径代价的计算公式包括：
computepath(goal)＝V(start,goal)+D(start,goal)
其中，V(start,curr)为起航点到当前路径点的代价值；D(curr,goal)为当前路径点到终止点的启发值。
具体地，当前路径点到目标路径点的最小代价值Vmin(curr,goal)为：
Figure BDA0002394391040000081
其中，curr为当前路径点；goal为目标路径点；start为初始路径点；C一个时钟周期自主驾驶船舶的移动代价值；succ为当前路径点八邻域中的后继路径点，V(start,succ)为初始路径点到当前路径点的后继路径点的代价值；pred为当前路径点八邻域中的前继路径点，V(pred,curr)为当前路径点的前继路径点到初始路径点的代价值。
具体地，当前路径点到起航点的启发值D(curr,start)为：
Figure BDA0002394391040000082
其中，D(pred,goal)为当前路径点的前继路径点到目标路径点的启发值。
具体地，当前路径点的估价值Kcurr＝[i(curr),j(curr)]为：
i(curr)＝min(V(start,curr),Vmin(curr,goal)+D(curr,start))
j(curr)＝min(V(start,curr),Vmin(curr,goal))
优选地，根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，包括：根据当前目标地图区域内的环境信息、起航点和终止点，基于预设的自主驾驶船舶安全边界，采用D*Lite算法规划自主驾驶船舶继续航行的路径。
步骤S5、判断自主驾驶船舶继续航行的路径是否达到预设最大步数，若未达到，自主驾驶船舶从当前时刻至下一次获取环境信息的时刻依据当前规划的航行路径航行；若达到，依据搜索半径扩大规则扩大D*Lite算法的搜索半径，重新根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，重复步骤S5。
优选地，依据搜索半径扩大规则扩大D*Lite算法的搜索半径，包括：令搜索半径r＝1.2×r。在航路规划失败时，调整搜索范围重新规划路径，在有限次数内即可重新规划路径，解决了传统D*Lite算法重新规划路径失败时，系统处于无限循环的问题。
优选地，在自主驾驶船舶从当前时刻至下一次获取环境信息的时刻依据当前规划的航行路径航行之前，包括对自主驾驶船舶继续航行的路径进行平滑处理：
curr＝curr+alpha×(succ-curr)+beta×(pred-2×curr+succ)
其中，curr为当前路径点；alpha为位置变化系数，设为0～1；succ为当前路径点八邻域中的后继路径点；beta为船舶转向系数，设为0～1；pred为当前路径点八邻域中的前继路径点。基于自主驾驶船舶可操纵性规划适航性路线，解决传统D*Lite算法规划路径使无人船舶在拐弯处不能连续航行的问题。
需要理解的是，以上对本发明的具体实施例进行的描述只是为了说明本发明的技术路线和特点，其目的在于让本领域内的技术人员能够了解本发明的内容并据以实施，但本发明并不限于上述特定实施方式。凡是在本发明权利要求的范围内做出的各种变化或修饰，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种基于D*Lite优化算法的自主驾驶船舶航路规划方法，其特征在于，包括以下步骤：
步骤S1、航行过程中自主驾驶船舶按照预设时间间隔获取环境信息，根据当前获取的环境信息和上一次获取的环境信息，若当前目标地图区域内的环境信息发生改变，判断自主驾驶船舶的目标路径点是否发生改变；
步骤S2、若目标路径点发生改变，更新目标路径点，将当前路径点作为起航点，根据更新后的目标路径点确定终止点，并根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径；
所述目标地图区域为影响当前路径点和目标路径点间航路规划的地图区域。
2.根据权利要求1所述的方法，其特征在于，所述根据更新后的目标路径点确定终止点，包括：
判断更新后的目标路径点是否为障碍物路径点，若否，将更新后的目标路径点作为终止点；若是，根据当前目标地图区域的环境信息和更新后的目标路径点，选取距离更新后的目标路径点最近的港口靠离泊位置作为终止点。
3.根据权利要求1所述的方法，其特征在于，所述根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，包括：根据当前目标地图区域内的环境信息、起航点和终止点，基于预设的自主驾驶船舶安全边界，采用D*Lite算法规划自主驾驶船舶继续航行的路径。
4.根据权利要求1所述的方法，其特征在于，所述步骤S2还包括：若目标路径点未发生改变，将当前路径点作为起航点，并根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径。
5.根据权利要求1所述的方法，其特征在于，在所述步骤S1之前，还包括：
步骤S01、航行起始时，获取自主驾驶船舶的初始路径点和目标路径点，并将初始路径点作为起航点，根据目标路径点确定终止点；
步骤S02、根据初始目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶的初始航行路径，使得自主驾驶船舶从初始路径点起沿初始航行路径航行。
6.根据权利要求5所述的方法，其特征在于，所述根据目标路径点确定终止点，包括：
判断目标路径点是否为障碍物路径点，若否，将目标路径点作为终止点；若是，根据当前目标地图区域的环境信息和目标路径点，选取距离目标路径点最近的港口靠离泊位置作为终止点。
7.根据权利要求5所述的方法，其特征在于，根据初始目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶的初始航行路径，包括：
根据初始目标地图区域内的环境信息、起航点和终止点，基于预设的自主驾驶船舶安全边界，采用D*Lite算法规划自主驾驶船舶的初始航行路径。
8.根据权利要求1至7任一项所述的方法，其特征在于，在所述步骤S2之后，还包括：
步骤S3、判断自主驾驶船舶继续航行的路径是否达到预设最大步数，若未达到，自主驾驶船舶从当前时刻至下一次获取环境信息的时刻依据当前规划的航行路径航行；若达到，依据搜索半径扩大规则扩大D*Lite算法的搜索半径，重新根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，重复步骤S3。
9.根据权利要求8所述的方法，其特征在于，所述步骤S3中，在自主驾驶船舶继续航行的路径未达到预设最大步数之后，自主驾驶船舶从当前时刻至下一次获取环境信息的时刻依据当前规划的航行路径航行之前，包括对自主驾驶船舶继续航行的路径进行平滑处理：
curr＝curr+alpha×(succ-curr)+beta×(pred-2×curr+succ)
其中，curr为当前路径点；alpha为位置变化系数，设为0～1；succ为当前路径点八邻域中的后继路径点；beta为船舶转向系数，设为0～1；pred为当前路径点八邻域中的前继路径点。
10.根据权利要求1至7任一项所述的方法，其特征在于，所述根据当前目标地图区域内的环境信息、起航点和终止点，采用D*Lite算法规划自主驾驶船舶继续航行的路径，包括：
从终止点开始，根据当前目标地图区域内的环境信息，通过增量式搜索至起航点；
增量式搜索过程中，根据当前目标地图区域内的环境信息、起航点和终止点，计算扩展节点周围八邻域内每一个节点的节点信息，并剔除障碍物节点及其相邻节点的节点信息；所述节点信息包括Vmin(curr,goal)值、D(curr,start)值和Kcurr值；
选取Vmin(curr,goal)值最小的节点作为下一个扩展节点。
CN202010125992.6A 2020-02-27 2020-02-27 基于D*Lite优化算法的自主驾驶船舶航路规划方法 Active CN111220160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010125992.6A CN111220160B (zh) 2020-02-27 2020-02-27 基于D*Lite优化算法的自主驾驶船舶航路规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010125992.6A CN111220160B (zh) 2020-02-27 2020-02-27 基于D*Lite优化算法的自主驾驶船舶航路规划方法

Publications (2)

Publication Number Publication Date
CN111220160A true CN111220160A (zh) 2020-06-02
CN111220160B CN111220160B (zh) 2023-07-04

Family

ID=70831781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010125992.6A Active CN111220160B (zh) 2020-02-27 2020-02-27 基于D*Lite优化算法的自主驾驶船舶航路规划方法

Country Status (1)

Country Link
CN (1) CN111220160B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112362063A (zh) * 2020-11-13 2021-02-12 四川大学 基于碰撞类型划分的多机器人路径规划方法和系统
CN112797987A (zh) * 2021-03-23 2021-05-14 陕西欧卡电子智能科技有限公司 一种无人船避障的航行方法、装置、计算机设备及存储介质
CN112799405A (zh) * 2021-01-05 2021-05-14 北京工商大学 基于动态障碍物环境下的无人船路径规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108073176A (zh) * 2018-02-10 2018-05-25 西安交通大学 一种改进型D*Lite车辆动态路径规划方法
US20180308371A1 (en) * 2017-04-19 2018-10-25 Beihang University Joint search method for uav multiobjective path planning in urban low altitude environment
CN109613921A (zh) * 2019-01-08 2019-04-12 智慧航海（青岛）科技有限公司 基于快速移动萤火虫算法的无人船舶局部路径规划方法
CN110167815A (zh) * 2016-11-21 2019-08-23 蔚来汽车有限公司 传感器表面物体检测方法和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110167815A (zh) * 2016-11-21 2019-08-23 蔚来汽车有限公司 传感器表面物体检测方法和系统
US20180308371A1 (en) * 2017-04-19 2018-10-25 Beihang University Joint search method for uav multiobjective path planning in urban low altitude environment
CN108073176A (zh) * 2018-02-10 2018-05-25 西安交通大学 一种改进型D*Lite车辆动态路径规划方法
CN109613921A (zh) * 2019-01-08 2019-04-12 智慧航海（青岛）科技有限公司 基于快速移动萤火虫算法的无人船舶局部路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周祥明;陈员义;徐华银;: "联合D~* Lite算法与视觉的AGV路径规划与定位", 兵器装备工程学报 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112362063A (zh) * 2020-11-13 2021-02-12 四川大学 基于碰撞类型划分的多机器人路径规划方法和系统
CN112799405A (zh) * 2021-01-05 2021-05-14 北京工商大学 基于动态障碍物环境下的无人船路径规划方法
CN112799405B (zh) * 2021-01-05 2022-06-28 北京工商大学 基于动态障碍物环境下的无人船路径规划方法
CN112797987A (zh) * 2021-03-23 2021-05-14 陕西欧卡电子智能科技有限公司 一种无人船避障的航行方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN111220160B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN111220160A (zh) 基于D*Lite优化算法的自主驾驶船舶航路规划方法
CN109374004B (zh) 一种基于ia*算法的智能无人船舶路径规划方法
CN113759939B (zh) 一种受限水域智能航行方法及装置
CN113050652A (zh) 一种用于智能船舶自动靠泊的轨迹规划方法
CN112362067B (zh) 一种用于内河智能船舶的自主航线规划方法
Pereira et al. Toward risk aware mission planning for autonomous underwater vehicles
JP2021181301A (ja) 船舶の自動誘導方法、船舶の自動誘導プログラム、船舶の自動誘導システム、及び船舶
CN112985406B (zh) 船舶避障路径规划方法、装置及存储介质
CN114879671A (zh) 一种基于强化学习mpc的无人艇轨迹跟踪控制方法
CN110702112A (zh) 导航装置及路线生成方法
CN111984012A (zh) 一种无人船自主避障及航线规划的方法
CN112880678A (zh) 一种复杂水域环境中无人艇航行规划方法
CN114839968A (zh) 一种水面无人艇路径规划方法
CN115407786A (zh) 一种船舶全航程自动航行决策方法、装置、设备及介质
CN117193296A (zh) 一种基于高安全性的改进a星无人艇路径规划方法
Schoener et al. An anytime Visibility–Voronoi graph-search algorithm for generating robust and feasible unmanned surface vehicle paths
CN113253718B (zh) 一种无人艇自主靠泊航迹规划方法及控制方法
CN114527744A (zh) 基于天牛须搜索优化的无人帆船路径跟踪制导方法
CN113625709A (zh) 一种水面无人艇避障方法
CN116974282A (zh) 基于无人艇的海上搜寻区域覆盖路径规划方法
CN117311160A (zh) 一种基于人工智能的自动控制系统和控制方法
Bakaric et al. Improved basic planar algorithm of vehicle guidance through waypoints by the line of sight
CN115686004A (zh) 一种基于无人船分散式编队控制的路径动态规划方法
CN116382260A (zh) 一种基于安全航行通道的水面舰艇停泊轨迹规划方法
Zhao et al. Local path planning for unmanned surface vehicles based on hybrid A* and B-spline

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