CN111665846B - 一种基于快速扫描法的水面无人艇路径规划方法 - Google Patents

一种基于快速扫描法的水面无人艇路径规划方法 Download PDF

Info

Publication number
CN111665846B
CN111665846B CN202010589821.9A CN202010589821A CN111665846B CN 111665846 B CN111665846 B CN 111665846B CN 202010589821 A CN202010589821 A CN 202010589821A CN 111665846 B CN111665846 B CN 111665846B
Authority
CN
China
Prior art keywords
potential field
unmanned
unmanned ship
ship
static
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.)
Active
Application number
CN202010589821.9A
Other languages
English (en)
Other versions
CN111665846A (zh
Inventor
庄佳园
罗靖
宋生清
张磊
苏玉民
王博
沈海龙
曹建
孙玉山
朱骋
周彬
王建东
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202010589821.9A priority Critical patent/CN111665846B/zh
Publication of CN111665846A publication Critical patent/CN111665846A/zh
Application granted granted Critical
Publication of CN111665846B publication Critical patent/CN111665846B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于快速扫描法的水面无人艇路径规划方法，它涉及水面无人艇技术领域。本发明为解决现有水面无人艇路径规划时，传统势能法易产生局部极小值的问题。本发明包括获取全局地图信息，通过快速扫描法构建静态全局环境势场；获取当前无人艇状态和周围障碍物信息，并根据无人艇任务要求，通过快速扫描法构建以任务终点为源点的势场；通过快速扫描法构建动态障碍物模型；叠加步骤二和步骤三得到的势场，获得无人艇最终的规划势场；在步骤四中的势场内采用梯度下降法规划无人艇航行路径；若无人艇到达任务目标点，循环结束；否则转到步骤三。本发明用于水面无人艇路径规划。

Description

一种基于快速扫描法的水面无人艇路径规划方法
技术领域
本发明涉及水面无人艇技术领域，具体涉及一种基于快速扫描法的水面无人艇路径规划方法。
背景技术
无人艇(Unmanned Surface Vehicles,USV)是一种新型的智能化装备，近年来由于其无人化、智能化等特点受到人们的高度关注，逐渐被广泛应用于民用领域和军用领域。路径规划技术作为无人艇自主决策技术的关键，是无人艇导航与运动控制的基础，一定程度上关系无人艇智能化水平。
根据对环境信息的掌握程度不同，无人艇路径规划可分为基于全局信息的全局路径规划和基于传感器信息的局部路径规划。
局部路径规划是根据AIS获取附近船舶信息或根据雷达等传感装置探测周围障碍物信息的小范围在线路径规划。障碍物通常是动态的船舶或者电子海图未显示的静态障碍物。目前常见的局部路径规划方法有人工势场法、动态窗口法、速度障碍法、智能优化算法等。然而由于应用在小型无人艇上的现有方法的自身缺陷性，在小型无人艇作业时进行路径规划时，往往表现出计算时间长、路线不是最优、易陷入局部最优点等不足，从而导致小型无人艇在执行任务时表现出续航能力降低、作业路线欠优、工作效率低下等缺点，无法达到船舶智能化的目标。
发明内容
本发明为了解决现有水面无人艇路径规划时，传统势能法易产生局部极小值的问题，进而提出一种基于快速扫描法的水面无人艇路径规划方法。
本发明为解决上述技术问题采取的技术方案是：
一种基于快速扫描法的水面无人艇路径规划方法包括如下步骤：
步骤一：获取全局地图信息，通过快速扫描法构建静态全局环境势场；
步骤二：获取当前无人艇状态和周围障碍物信息，并根据无人艇任务要求，通过快速扫描法构建以任务终点为源点的势场；
步骤三：通过快速扫描法构建动态障碍物模型；
步骤四：叠加步骤二和步骤三得到的势场，获得无人艇最终的规划势场；
步骤五：在步骤四中的势场内采用梯度下降法规划无人艇航行路径；
步骤六：若无人艇到达任务目标点，循环结束；否则转到步骤三。
本发明与现有技术相比包含的有益效果是：
本发明提出了一种基于快速扫描法的水面无人艇路径规划方法，使无人艇在执行任务时能规避陷入局部极小点，安全稳定的避开障碍物，提升运算速度，减少路线长度，降低能源消耗和提升作业效率。本发明能有效的避免产生局部极小值，该方法能适应于无人艇海上航行，根据航行任务生成最优无碰撞路径，并在动态环境中，无人艇会基于COLREGS规则对规划路径进行调整。通过在实际海图环境中的多次仿真模拟试验证明本发明可以充分应对复杂的海上交通环境，并且生成的实际路径光顺度良好，有利于船舶路径跟踪。
附图说明
图1是静态环境地图；
图2是静态全局势场；
图3是不同航速下的船舶安全区域；
图4是输入动态障碍物信息；
图5是动态障碍势场建模；
图6是本发明中采用快速扫描法对路径进行实时规划的流程图；
图7a是基于FSM无人艇静态全局路径规划的FSM势能场；
图7b是基于FSM无人艇静态全局路径规划的规划路径；
图8a是基于FSM无人艇局部计划路径和所有船只位置的仿真周期5；
图8b是图8a的势场图；
图8c是基于FSM无人艇局部计划路径和所有船只位置的仿真周期9；
图8d是图8c的势场图；
图8e是基于FSM无人艇局部计划路径和所有船只位置的仿真周期10；
图8f是图8e的势场图；
图8g是基于FSM无人艇局部计划路径和所有船只位置的仿真周期14；
图8h是图8g的势场图；
图8i是基于FSM无人艇局部计划路径和所有船只位置的仿真周期16；
图8j是图8i的势场图；
图8k是基于FSM无人艇局部计划路径和所有船只位置的仿真周期26；
图8l是图8k的势场图。
具体实施方式
具体实施方式一：结合图1至图8l说明本实施方式，本实施方式所述一种基于快速扫描法的水面无人艇路径规划方法包括如下步骤：
步骤一：获取全局地图信息，通过快速扫描法构建静态全局环境势场；
步骤二：获取当前无人艇状态和周围障碍物信息，并根据无人艇任务要求，通过快速扫描法构建以任务终点为源点的势场；
步骤三：通过快速扫描法构建动态障碍物模型；
步骤四：叠加步骤二和步骤三得到的势场，获得无人艇最终的规划势场；
步骤五：在步骤四中的势场内采用梯度下降法规划无人艇航行路径；
步骤六：若无人艇到达任务目标点，循环结束；否则转到步骤三。
该算法采用快速扫描方法构造静态环境模型与动态障碍物模型，并构造以无人艇航行任务终点为初始点的势场与之叠加来获取路径规划整体势能场，接着利用梯度下降法获得一条由任务起点沿势场梯度下降方向到达任务终点的最短路径。
具体实施方式二：结合图1至图8l说明本实施方式，本实施方式所述步骤一中，首先将任务环境地图转移到网格图中，将其处理成二值图，1代表静态障碍物区域，0代表海洋区域，提取海岸线即0、1边界设为扫描源点，利用FSM算法对海洋区域扫描直至所有节点数值收敛，即|tnew-told|≤δ，δ是给定的控制迭代停止的极小值，tnew是节点更新后数值，told是节点更新前数值，归一化势场，用阈值处理后生成静态环境地图，整个规划过程中静态环境保持不变，将生成的地图矩阵记为Mstatic并存储。本实施方式中未公开的技术特征与具体实施方式一相同。其中快速扫描法(Fast Sweeping Method，FSM)。
本实施方式中，结合图1进行说明，直接使用FSM方法进行无人艇的路径规划，其缺点是生成的规划路径与障碍物的距离太近，这样不利于无人艇的航行安全。因此，为保证无人艇与静态障碍物之间留有一定距离，利用FSM来构建静态障碍物与无人艇之间的安全区域，取合适的阈值处理后将全局扫描结果压缩到固定区域，得到一条窄带保证无人艇航行过程中与海岸线的安全距离。结果得到的矩阵为静态环境矩阵Mstatic。
将原始电子海图转移到网格图中，提取障碍物边界节点均设为扫描初始点，即赋值为0。接着运用FSM算法对整个界面进行迭代扫描。将扫描方向分为四个组：右上、左上、左下和右下(第一、第二、第三和第四象限)。初值在这四个方向依次传播：
(1)i＝1:nx,j＝1:ny
(2)i＝nx:1,j＝1:ny
(3)i＝nx:1,j＝ny:1
(4)i＝1:nx,j＝ny:1
其中，nx为x方向网格点的个数，ny为y方向网格点的个数，i为网格节点的x坐标，j为网格节点的y坐标。快速扫描法的主要思想是基于因果关系将走时场传播的方向分成有限个组，对于每一组分别利用Gauss-Seidel迭代方法求解非线性逆风差风格式离散化后的程函方程组。每一次Gauss-Seidel迭代也称为一次扫描，每次扫描(Gauss-Seidel迭代)按一定的方向求解沿该方向传播的走时场。
已知二维各向同性介质中的程函方程为：
Figure BDA0002555939600000041
式中：
Figure BDA0002555939600000042
为t对x求偏导数，
Figure BDA0002555939600000043
为t对y求偏导数，t为走时(单位为s)，s(x,y)为慢度(速度的倒数，单位为s/m)，Ω为模型空间。离散程函方程的逆风差分格式为：
Figure BDA0002555939600000044
其中，h为空间步长，
Figure BDA0002555939600000045
为节点(i,j)处的走时，节点(i,j)在x方向数值较小的相邻节点
Figure BDA0002555939600000046
节点(i,j)在y方向数值较小的相邻节点
Figure BDA0002555939600000047
且
Figure BDA0002555939600000048
故结合逆风差分格式和Gauss-Seidel迭代，可以逐渐求解出整个环境空间的走时场，走时t的解为：
Figure BDA0002555939600000049
其中，si,j为节点(i,j)处的慢度，本发明中将s的数值设为常数1。将求得的走时场归一化，使得最终的势场表现为障碍物区域数值为1，距离静态障碍物越远数值越小直至为0，将这些值视为指示当前点安全性的指标。数值较大的节点表示当前位置可能距离障碍物边界较近，安全性稍差，并且越靠近边界数值越大，形成了一个抗拒无人艇接近的势场带，因此无人艇应在数值较小或者数值为0的区域上航行以保证航行安全。对阈值0.95对静态环境势能图进行截取，归一化后得到静态环境矩阵Mstatic，能较好的体现原始环境的形貌，并能保证无人艇可行区域与障碍物边界留有一定的安全距离。
具体实施方式三：结合图1至图8l说明本实施方式，本实施方式所述步骤二中，在Mstatic基础上将无人艇任务终点设为扫描源点，即终点数值初始化为0，采用快速扫描法获得静态全局势场，生成的地图矩阵记为MPF。本实施方式中未公开的技术特征与具体实施方式二相同。
本实施方式中，结合图2进行说明，对图1再次使用快速扫描法，在静态环境矩阵Mstatic基础上以任务终点为扫描初始点运用FSM获得静态全局势场，生成的地图矩阵记为MPF，为最终用于静态全局路径规划的势场，不同于生成静态环境，此次快速扫描法以任务终点为初始点，对整个界面进行迭代扫描，为保证无人艇航行安全，障碍物区域与渐变颜色窄带都为扫描不可达区域。
可以看出代表静态障碍物的白色区域和代表防撞区域的颜色渐变窄带，除此之外，还有着从终点出发的由蓝色到棕色的颜色渐变波浪带，表示无人艇在执行任务过程中航行应遵循的势场。
具体实施方式四：结合图1至图8l说明本实施方式，本实施方式所述步骤三中，根据动态障碍物的速度大小及航行方向构建船舶安全区域，当动态障碍物低航速时，船舶安全区域的形状为圆形；当动态障碍物高航速时，船舶安全区域的形状为具有遵循其速度矢量的椭圆状。本实施方式中未公开的技术特征与具体实施方式三相同。
本实施方式中，结合图3进行说明，利用FSM来模拟基于船舶速度的船舶安全领域，具体工作过程与静态环境构造类似，将船舶边界节点提取出来设为初始点，再利用快速扫描法构造船舶安全领域，船舶安全领域的形状跟随船舶当前速度变化，当无人艇以较低的速度行驶时，船舶安全领域会更接近圆形；反之，当无人艇以较高的速度行驶时，船舶安全领域更像半椭圆形。
不同速度对应的船舶领域尺寸通过式(5)和式(7)得到，前者用于计算船舶领域的船尾部分，后者用于计算船舶领域的船首部分。对于船舶领域的船尾部分，公式如下：
Figure BDA0002555939600000061
上式中MSD表示船舶保证安全行驶时的最小距离，RadiusA表示安全区域的后半部分半径，其定义如下：
Figure BDA0002555939600000062
上式中v_SHIP是船舶的航行速度，UnitTime表示单位时间，用于确定船舶在此时间段行驶过程中船舶领域扫过的区域，本文中，RadiusA内的UnitTime定义为1min，Limit是一个预定义的标量属性，它限制了侧面和船尾部分的最大允许安全区域半径。
船舶领域的船首部分，其公式如下：
Figure BDA0002555939600000063
上式中的UnitTime定义为2min，因为随着船舶航行速度的增加，其机动性会逐渐下降，因此为保证高速航行下船舶行驶安全，更多重心应放在船舶首部区域，特别是船舶行驶过程中遭遇侧遇与正遇两种碰撞局面。
在低航速时，安全区域为圆形，此时船舶具有高机动性和低速惯性，可以很容易地向任何方向转弯，因此存在的碰撞风险均匀的分布在船舶四周。在高航速时，船舶机动性相对较差，因此船舶更可能沿速度矢量的方向行进，船首区域承担着较大的碰撞风险，因此安全区域具有遵循其速度矢量的椭圆形状。
具体实施方式五：结合图1至图8l说明本实施方式，本实施方式所述步骤三中，在每个控制周期t内，根据动态障碍物的瞬时位置及速度，使用FSM对动态目标进行建模，结果归一化得到动态障碍地图，地图矩阵记为Mdynamic。本实施方式中未公开的技术特征与具体实施方式四相同。
具体实施方式六：结合图1至图8l说明本实施方式，本实施方式所述步骤四中，将静态全局势场MPF与动态障碍势场地图Mdynamic叠加后得到最终的环境势场矩阵Mtotal。本实施方式中未公开的技术特征与具体实施方式五相同。
具体实施方式七：结合图1至图8l说明本实施方式，本实施方式所述步骤五中，根据无人艇的瞬时位置及速度，在Mtotal内应用梯度下降法，从USV起点开始沿梯度下降的方向求解极小值得到路径规划点，无人艇航行至规划点。本实施方式中未公开的技术特征与具体实施方式六相同。
结合图7a和图7b，仿真在大连电子海图上进行，无人艇从海湾内出发，经过海峡行驶到渤海内，最终到达小岛背面的终点，过程中产生的路径平滑，且在保证与海岸边界安全距离的前提下路径长度收益最大，规避了传统势场法(APF)易存在的局部极小值问题，实现了复杂环境下的点对点任务规划全局路径规划。
结合图8a～图8l，左侧图表示着无人艇规划路径以及所有船舶位置，右侧图是左侧图对应的势场图，由势场图来规划无人艇的航行路径。无人艇整个航行过程中对三种碰撞局面(正遇、侧遇、追越)的规避处理方式皆满足海上航行规则(COLREGS)，且规避路径比较合理。右侧图表明无人艇的总体轨迹始终在移动船舶的船舶安全领域外，保持着与静态障碍物的安全距离，证明无人艇能够有效的避开动态障碍物，保证航行安全。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (3)

1.一种基于快速扫描法的水面无人艇路径规划方法，其特征在于：所述方法包括如下步骤：
步骤一：获取全局地图信息，通过快速扫描法构建静态全局环境势场；
步骤二：获取当前无人艇状态和周围障碍物信息，并根据无人艇任务要求，通过快速扫描法构建以任务终点为源点的势场；
步骤三：通过快速扫描法构建动态障碍物模型；
步骤四：叠加步骤二和步骤三得到的势场，获得无人艇最终的规划势场；
步骤五：在步骤四中的势场内采用梯度下降法规划无人艇航行路径；
步骤六：若无人艇到达任务目标点，循环结束；否则转到步骤三；
所述步骤一中，首先将任务环境地图转移到网格图中，将其处理成二值图，1代表静态障碍物区域，0代表海洋区域，提取海岸线即0、1边界设为扫描源点，利用FSM算法对海洋区域扫描直至所有节点数值收敛，即|tnew-told|≤δ，δ是给定的控制迭代停止的极小值，tnew是节点更新后数值，told是节点更新前数值，归一化势场，用阈值处理后生成静态环境地图，整个规划过程中静态环境保持不变，将生成的地图矩阵记为Mstatic并存储；
所述步骤二中，在Mstatic基础上将无人艇任务终点设为扫描源点，即终点数值初始化为0，采用快速扫描法获得静态全局势场，生成的静态全局势场矩阵记为MPF；
所述步骤三中，根据动态障碍物的速度大小及航行方向构建船舶安全区域，当动态障碍物低航速时，船舶安全区域的形状为圆形；当动态障碍物高航速时，船舶安全区域的形状为具有遵循其速度矢量的椭圆状；
所述步骤三中，在每个控制周期t内，根据动态障碍物的瞬时位置及速度，使用FSM对动态目标进行建模，结果归一化得到动态障碍势场，动态障碍势场矩阵记为Mdynamic。
2.根据权利要求1所述一种基于快速扫描法的水面无人艇路径规划方法，其特征在于：所述步骤四中，静态全局势场矩阵MPF与动态障碍势场矩阵Mdynamic叠加后得到最终的环境势场矩阵Mtotal。
3.根据权利要求2所述一种基于快速扫描法的水面无人艇路径规划方法，其特征在于：所述步骤五中，根据无人艇的瞬时位置及速度，在Mtotal内应用梯度下降法，从USV起点开始沿梯度下降的方向求解极小值得到路径规划点，无人艇航行至规划点。
CN202010589821.9A 2020-06-24 2020-06-24 一种基于快速扫描法的水面无人艇路径规划方法 Active CN111665846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010589821.9A CN111665846B (zh) 2020-06-24 2020-06-24 一种基于快速扫描法的水面无人艇路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010589821.9A CN111665846B (zh) 2020-06-24 2020-06-24 一种基于快速扫描法的水面无人艇路径规划方法

Publications (2)

Publication Number Publication Date
CN111665846A CN111665846A (zh) 2020-09-15
CN111665846B true CN111665846B (zh) 2022-04-19

Family

ID=72389926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010589821.9A Active CN111665846B (zh) 2020-06-24 2020-06-24 一种基于快速扫描法的水面无人艇路径规划方法

Country Status (1)

Country Link
CN (1) CN111665846B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112880678A (zh) * 2021-01-08 2021-06-01 中国船舶重工集团公司第七0七研究所 一种复杂水域环境中无人艇航行规划方法
CN113110424A (zh) * 2021-03-26 2021-07-13 大连海事大学 一种基于海图信息的无人艇避碰方法
CN114442637B (zh) * 2022-02-10 2023-11-10 北京理工大学 一种无人车局部动态避障路径规划方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008099400A2 (en) * 2007-02-14 2008-08-21 Technion Research And Development Foundation Ltd. Parallel approximation of distance maps
CN102541057A (zh) * 2010-12-29 2012-07-04 沈阳新松机器人自动化股份有限公司 一种基于激光测距仪的移动机器人避障方法
CN205230118U (zh) * 2015-11-24 2016-05-11 深圳市宏钺智能科技有限公司 一种基于多机器人的智能仓库管理系统
CN108258613A (zh) * 2017-12-28 2018-07-06 中国科学院西安光学精密机械研究所 智能巡线光电吊舱及实现巡线的方法
CN108680168A (zh) * 2018-04-19 2018-10-19 哈尔滨工程大学 一种基于透明度和跃层数据的水下潜器隐蔽路径规划方法
CN111238521A (zh) * 2020-02-11 2020-06-05 北京理工大学 一种无人驾驶车辆的路径规划方法及系统
CN111273670A (zh) * 2020-03-03 2020-06-12 大连海事大学 一种针对快速移动障碍物的无人艇避碰方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8384776B2 (en) * 2009-04-22 2013-02-26 Toyota Motor Engineering And Manufacturing North America, Inc. Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments
US8732669B2 (en) * 2011-03-11 2014-05-20 Oracle International Corporation Efficient model checking technique for finding software defects
US11281826B2 (en) * 2016-12-21 2022-03-22 Northwestern University Systems and methods for computational simulation of self-propelling vehicles for aerodynamic design

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008099400A2 (en) * 2007-02-14 2008-08-21 Technion Research And Development Foundation Ltd. Parallel approximation of distance maps
CN102541057A (zh) * 2010-12-29 2012-07-04 沈阳新松机器人自动化股份有限公司 一种基于激光测距仪的移动机器人避障方法
CN205230118U (zh) * 2015-11-24 2016-05-11 深圳市宏钺智能科技有限公司 一种基于多机器人的智能仓库管理系统
CN108258613A (zh) * 2017-12-28 2018-07-06 中国科学院西安光学精密机械研究所 智能巡线光电吊舱及实现巡线的方法
CN108680168A (zh) * 2018-04-19 2018-10-19 哈尔滨工程大学 一种基于透明度和跃层数据的水下潜器隐蔽路径规划方法
CN111238521A (zh) * 2020-02-11 2020-06-05 北京理工大学 一种无人驾驶车辆的路径规划方法及系统
CN111273670A (zh) * 2020-03-03 2020-06-12 大连海事大学 一种针对快速移动障碍物的无人艇避碰方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Genetic-Algorithm-Based Global Path Planning for AUV;Jian Cao等;《2016 9th International Symposium on Computational Intelligence and Design (ISCID)》;20161231;全文 *
Igi Ardiyanto ; Jun Miura.3D time-space path planning algorithm in dynamic environment utilizing Arrival Time Field and Heuristically Randomized Tree.《2012 IEEE International Conference on Robotics and Automation》.2012, *
Optimizing autonomous underwater vehicle routes with the aid of high resolution ocean models;Miguel Aguiar等;《OCEANS 2019 MTS/IEEE SEATTLE》;20191031;全文 *
基于改进水平集的AUV时间最优航路规划方法;刘厂,等;《第36届中国控制会议论文集（D）》;20170728;全文 *
无人船试验平台设计与实现;袁野;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20200115;全文 *
移动型模块化机器人的高效重构规划方法;胡亚南等;《机器人》;20160715(第04期);全文 *

Also Published As

Publication number Publication date
CN111665846A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN111665846B (zh) 一种基于快速扫描法的水面无人艇路径规划方法
CN108564202B (zh) 一种基于环境预报信息的无人艇航线优化方法
CN109753068B (zh) 一种考虑通信情况的多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
Wu et al. Long-voyage route planning method based on multi-scale visibility graph for autonomous ships
Wang et al. Local path optimization method for unmanned ship based on particle swarm acceleration calculation and dynamic optimal control
CN112650246B (zh) 一种船舶自主导航方法及装置
Xue et al. Proximal policy optimization with reciprocal velocity obstacle based collision avoidance path planning for multi-unmanned surface vehicles
CN112859864A (zh) 一种面向无人船的几何路径规划方法
CN111412918B (zh) 无人艇全局安全路径规划方法
Zhou et al. Motion planning for an unmanned surface vehicle based on topological position maps
CN110320907B (zh) 一种基于改进蚁群算法和椭圆碰撞锥推演模型的无人水面艇双层避碰方法
Du et al. An optimized path planning method for coastal ships based on improved DDPG and DP
Guo et al. Mission-driven path planning and design of submersible unmanned ship with multiple navigation states
Zaccone et al. An optimization tool for ship route planning in real weather scenarios
Liu et al. Motion planning for unmanned surface vehicle based on a maneuverability mathematical model
CN112819255B (zh) 多准则船舶航线确定方法、装置、计算机设备及可读存储介质
Su et al. A constrained locking sweeping method and velocity obstacle based path planning algorithm for unmanned surface vehicles in complex maritime traffic scenarios
Zhang et al. Intelligent vector field histogram based collision avoidance method for auv
CN110321639B (zh) 实现水下机器人四自由度垂直面自航下潜预报的类物理数值方法
Zhu et al. Environment potential field modeling for ship automatic collision avoidance in restricted waters
Wang et al. Autonomous path planning method of uuv in complex environment based on improved ant colony optimization algorithm
CN116414123A (zh) 基于改进快速行进法的水面无人艇路径规划方法
Yi-Han et al. Path planning of surface unmanned craft based on variable step-length sparse A-star algorithm
CN115202356A (zh) 一种三维水下欠驱动auv回收路径规划方法

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