CN111881580A - 一种无人船规避障碍物的运动规划方法 - Google Patents
一种无人船规避障碍物的运动规划方法 Download PDFInfo
- Publication number
- CN111881580A CN111881580A CN202010735299.0A CN202010735299A CN111881580A CN 111881580 A CN111881580 A CN 111881580A CN 202010735299 A CN202010735299 A CN 202010735299A CN 111881580 A CN111881580 A CN 111881580A
- Authority
- CN
- China
- Prior art keywords
- unmanned ship
- obstacle
- acceleration
- speed
- vector
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001133 acceleration Effects 0.000 claims abstract description 61
- 230000008859 change Effects 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本无人船规避障碍物的运动规划方法充分考虑周围障碍物与无人船的相对运动因素,和无人船自身的运动约束,包括无人船的最小转弯半径约束和最大加速度约束等,并以此进行规避,并且还能使无人船在进行规避的同时,行驶也相对平稳。
Description
技术领域
本发明涉及无人设备的运动规划领域,具体为一种无人船规避障碍物的运动规划方法。
背景技术
无人船在自动驾驶的驾驶决策中,其中一个关键问题是基于对周边障碍物和周边移动船只的感知,并以此规划设计自身的航行路线,进行本地的航速和航行方向的优化。整个规划过程可以分为:
1.全局航线优化:根据自身的航行目的地,以及河道海域情况,优化行驶的路径,全局路径规划属于宏观的路径规划。
2.局部运动规划:局部运动规划是船舶按照全局规划的路线行驶时,根据船舶的视觉、雷达、船载AIS所检测到的周边船只、障碍物等信息,感知动态环境,之后进行本地决策、以修改预设定的航线,实现避障,保证安全,通行效率、燃油经济性指标等目标的局部运动规划问题。现有方法主要包括如下几种:
a)基于多传感器融合的局部避障类型方法,主要结合多种传感器的感知结果,分析避免碰撞的区域,优化局部避障的决策。
b)基于虚拟力场类型的船舶避障方法,主要利用人工势场法进行避障处理,使无人船在躲过障碍物后,还能回到原有既定航线上继续航行。这类方法,利用相对速度势场与相对加速度势场,以此来解决无人船的动态避障能力。
c)基于航行经验规则的无人船舶智能避碰,近期提出的基于强化学习的、基于航行经验数据,采用强化学习方法训练无人船的智能避碰模型的,智能避碰方法。
d)基于蚁群算法的无人船局部避障,采用蚁群算法规划无人船在群体行为中的运动避障方案。
但现有的上述全局航线优化和局部运动优化主要问题是优化目标单一,对无人船检测到的周边障碍物,包括其他船只、桥墩或礁石等障碍物,主要当做静态目标来进行避让,未能前瞻性的预测船舶在未来的多时间窗口,同周边船舶的碰撞可能,同时现有方法没有充分考虑无人船自身运动的约束,在运动决策时,未充分考虑船舶的行驶平稳性。
发明内容
(一)解决的技术问题
为了解决以上问题,本发明提供的一种无人船规避障碍物的运动规划方法,充分考虑周围障碍物与无人船的相对运动,并以此进行规避。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:一种无人船规避障碍物的运动规划方法,包括步骤:
步骤1:制定无人船全局航线;
步骤2:获取无人船和其周围障碍物的位置信息及速度信息,并分别计算无人船的速度向量大小和障碍物的速度向量大小;
步骤3:以障碍物最大长度值与无人船最大长度值之和为直径制定碰撞圈;
步骤4:从无人船的中心点向碰撞圈的两侧作两条切线,以两条切线之间的区域建立移动障碍物模型;
步骤5:将该移动障碍物模型以无人船的中心为原点,并沿障碍物的速度向量方向平移至其终点;
步骤6:若无人船的速度向量落在移动障碍物模型范围内,则当无人船与障碍物都以原速度和方向行驶时,将会发生碰撞;若无人船的速度向量未落在移动障碍物模型范围内,则无人船与障碍物无碰撞风险;
步骤7:以无人船的中心点为原点,建立无人船的离散加速度分布模型;
步骤8:将离散加速度分布模型沿无人船的速度向量方向平移至其终点,以离散加速度分布模型与移动障碍物模型未相交的部分为无人船在进行规避时可选择实施的加速度向量。
优选地,步骤7之前还包括:
计算无人船与障碍物之间的相对距离;
根据无人船自身的速度向量和障碍物的速度向量,计算无人船朝向障碍物方向的速度向量;
若无人船朝向障碍物方向的速度向量与相对距离的比值小于用户设置的阈值,则无碰撞风险;若无人船朝向障碍物方向的速度向量与相对距离的比值大于或等于用户设置的阈值,则近期存在碰撞风险,进入步骤7。
优选地,进行步骤4时,若无人船周围的障碍物具有多个,则分别建立每个障碍物的移动障碍物模型。
优选地,步骤8中无人船选择实施的加速度向量满足如下公式:
其中,V1为无人船当前行驶速度,Δt为时间变化量,A为无人船选择实施的加速度,VO为移动障碍物模型的简写。
优选地,步骤8中无人船选择实施的加速度向量还满足如下公式:
||A||≤ACCmax
其中,A为无人船选择实施的加速度,ACCmax为无人船电机可提供的最大加速度,V1为无人船当前的行驶速度,H为用户指定的阈值。
优选地,步骤8中无人船选择实施的加速度向量还满足如下公式:
其中,S为平稳程度,λ1和λ2分别为用户设置的对应无人船角度和速度变化程度的系数,V1为无人船当前的行驶速度,A为无人船选择实施的加速度,Δt为时间变化量。
有益效果
本发明的有益效果是:该无人船规避障碍物的运动规划方法充分考虑周围障碍物与无人船的相对运动因素,和无人船自身的运动约束,包括无人船的最小转弯半径约束和最大加速度约束等,并以此进行规避,并且还能使无人船在进行规避的同时,行驶也相对平稳。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制,在附图中:
图1示出了本发明中建立移动障碍物模型的流程示意图;
图2示出了加速度的范围示意图;
图3示出了加速度的选择范围示意图;
图4示出了无人船和障碍物之间的相对速度和相对距离关系;
图5示出了安全区域VO-H的示意图;
图6示出了周边具有多个障碍物时的VO模型。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅附图1~6,一种无人船规避障碍物的运动规划方法,包括步骤:
步骤1:制定无人船全局航线;
步骤2:获取无人船和其周围障碍物的位置信息及速度信息,并分别计算无人船的速度向量大小和障碍物的速度向量大小;
步骤3:以障碍物最大长度值与无人船最大长度值之和为直径制定碰撞圈;
步骤4:从无人船的中心点向碰撞圈的两侧作两条切线,以两条切线之间的区域建立移动障碍物模型;
步骤5:将该移动障碍物模型以无人船的中心为原点,并沿障碍物的速度向量方向平移至其终点;
步骤6:若无人船的速度向量落在移动障碍物模型范围内,则当无人船与障碍物都以原速度和方向行驶时,将会发生碰撞;若无人船的速度向量未落在移动障碍物模型范围内,则无人船与障碍物无碰撞风险;
步骤7:以无人船的中心点为原点,建立无人船的离散加速度分布模型;
步骤8:将离散加速度分布模型沿无人船的速度向量方向平移至其终点,以离散加速度分布模型与移动障碍物模型未相交的部分为无人船在进行规避时可选择实施的加速度向量。
具体的,本发明的实施例中,首先对无人船检测到的周边障碍物建立移动障碍物模型,简称为VO模型。这个过程分为如下几个步骤,如图1所示;
(1)设无人船为X1,正以速度V1行驶,并检测到障碍物X2以V2行驶。
(2)设无人船X1的半径为R1,障碍物X2的半径为R2,并将X1描述为半径R1的圆,将X2描述为半径R2的圆。
(3)制作以障碍物中心点X2’为中心的碰撞圈Q,并且碰撞圈Q的半径为R1+R2。在从无人船X1的中心点X1’向碰撞圈Q做两条切线,以两条切线之间的部分制作为VO模型。
(4)将VO模型以无人船的中心点X1’为起点沿着向量V2的方向平移至V2的终点,得到图1中所示的VO’模型,如果向量V1落在VO’模型的区域内,则当无人船X1和障碍物X2都以原速度和方向行驶时,二者将发生碰撞,此时需要无人船进行规避障碍物的行动。
无人船进行规避时,需要无人船的电机提供一个转向的加速度A,使无人船的速度V1方向、大小等发生改变,直至改变后的无人船速度向量不在移动障碍物模型范围内,并且满足下列公式:
其中,V1为无人船当前行驶速度,Δt为时间变化量,A为无人船选择实施的加速度,VO为移动障碍物模型的简写,因速度变化量ΔV=A·Δt,故V1+A·Δt为无人船改变后的速度,由于V1+A·Δt与VO不相交,从而实现障碍物的规避运动。
建立的离散加速度模型如图2和图3所示,给出了无人船的加速度选择约束的示例,图中的点是无人船的各个方向可选择的加速度值的离散化的结果。由于船舶不能直接横向移动,所以无人船X1沿其速度V1方向两侧的阴影部分的加速度是不能选择的,所以无人船可选的加速度,为非阴影部分的点所表示的离散加速度。
由于无人船在加速、减速、转向中要尽可能的保持船身的平稳,而且船舶的转向和变速过程惯性较大,不能像陆地上行驶的车辆那样灵活,所以需要考虑无人船在速度、方向调整的时候的自身的速度、方向的约束。
而该加速度A不能大于无人船电机可提供的最大加速度,即加速度A满足公式:
||A||≤ACCmax
其中,A为无人船选择实施的加速度,ACCmax为无人船电机可提供的最大加速度,||A||即为加速度A的大小;
由于船舶有最小的转弯半径,因此还需要对加速度A的选择进行约束,并且加速度A满足如下公式所述:
其中,A为无人船选择实施的加速度,ACCmax为无人船电机可提供的最大加速度,V1为无人船当前的行驶速度,H为用户指定的阈值。故<V1,A>为计算向量V1和向量A的内积,而则为与无人船行驶方向V1垂直的加速度的大小。
为了使无人船的行驶更平稳,加速度A还应满足如下公式所述:
其中,S为平稳程度,λ1和λ2分别为用户设置的对应无人船角度和速度变化程度的系数,V1为无人船当前的行驶速度,A为无人船选择实施的加速度,Δt为时间变化量。则为无人船的角度变化量,||A·Δt||为无人船的速度变化量,并且无人船选择实施平稳程度S的取值最小时的加速度A,从而尽可能的实现无人船的平稳行驶。
另一方面,为了使无人船能够优化自己的速度,尽可能早的到达航行的目标,所选择实施的加速度A还应满足如下公式:
其中,XT为无人船X1至目标位置T的向量,||XT||为无人船到目标位置的距离,||XT||除以无人船的航行速度向船舶与目标的方向上的投影,得到值TE,这个值越小,则船舶到达目标的时间越短。
本发明的另一个实施例,包括步骤:
步骤1:制定无人船全局航线;
步骤2:获取无人船和其周围障碍物的位置信息及速度信息,并分别计算无人船的速度向量大小和障碍物的速度向量大小;
步骤3:以障碍物最大长度值与无人船最大长度值之和为直径制定碰撞圈;
步骤4:从无人船的中心点向碰撞圈的两侧作两条切线,以两条切线之间的区域建立移动障碍物模型;
步骤5:将该移动障碍物模型以无人船的中心为原点,并沿障碍物的速度向量方向平移至其终点;
步骤6:若无人船的速度向量落在移动障碍物模型范围内,则当无人船与障碍物都以原速度和方向行驶时,将会发生碰撞;若无人船的速度向量未落在移动障碍物模型范围内,则无人船与障碍物无碰撞风险;
步骤7:计算无人船与障碍物之间的相对距离;
步骤8:根据无人船自身的速度向量和障碍物的速度向量,计算无人船朝向障碍物方向的速度向量;
步骤9:若无人船朝向障碍物方向的速度向量与相对距离的比值小于用户设置的阈值,则无碰撞风险;若无人船朝向障碍物方向的速度向量与相对距离的比值大于或等于用户设置的阈值,则近期存在碰撞风险,进入下一步;
步骤10:以无人船的中心点为原点,建立无人船的离散加速度分布模型;
步骤11:将离散加速度分布模型沿无人船的速度向量方向平移至其终点,以离散加速度分布模型与移动障碍物模型未相交的部分为无人船在进行规避时可选择实施的加速度向量。
具体的,在无人船进行局部决策时,一般仅须考虑最近期一段时间之内的碰撞可能,因为周边情况是随时变化的,只需要前瞻近期的可能风险。当无人船X1和障碍物X2之间的距离较远,且相对速度较小时,虽然V1落入VO’模型范围内,但二者可能需要很长时间之后才可能碰撞,因此,本实施例的步骤7至步骤9中,测量无人船X1与障碍物X2之间的相对距离U,并计算无人船X1与障碍物X2之间的相对速度,如图4所示,如若相对速度与相对距离U的比值大于或等于用户设定的安全阈值,则近期存在碰撞风险;如若比值小于用户设定的安全阈值,则近期无碰撞风险,并且相对速度与相对距离的关系如下列公式所示:
其中,T为用户指定阈值,V1’为无人船朝向障碍物方向移动的速度,V2’为障碍物朝向无人船方向运动的速度,U为相对无人船与障碍物之间的相对距离。
因此在VO模型的基础上,去除一块安全范围VO-H,如图5所示,只有当速度向量V1落在除VO-H之外的VO模型上时,才会存在碰撞风险,因此需要无人船进行规避,接着进入步骤10和11选择需要实施的加速度方案。
进一步的,若无人船周围的障碍物具有多个,则分别建立每个障碍物的移动障碍物模型,如图6所示。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和装置可能不作详细讨论,但在适当情况下,所述技术、方法和装置应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
在本申请的描述中,需要理解的是,方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,在未作相反说明的情况下,这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作,因此不能理解为对本申请保护范围的限制;方位词“内、外”是指相对于各部件本身的轮廓的内外。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如,如果附图中的器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位),并且对这里所使用的空间相对描述作出相应解释。
此外,需要说明的是,使用“第一”、“第二”等词语来限定零部件,仅仅是为了便于对相应零部件进行区别,如没有另行声明,上述词语并没有特殊含义,因此不能理解为对本申请保护范围的限制。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种无人船规避障碍物的运动规划方法,其特征在于,包括步骤:
步骤1:制定无人船全局航线;
步骤2:获取无人船和其周围障碍物的位置信息及速度信息,并分别计算无人船的速度向量大小和障碍物的速度向量大小;
步骤3:以障碍物最大长度值与无人船最大长度值之和为直径制定碰撞圈;
步骤4:从无人船的中心点向碰撞圈的两侧作两条切线,以两条切线之间的区域建立移动障碍物模型;
步骤5:将该移动障碍物模型以无人船的中心为原点,并沿障碍物的速度向量方向平移至其终点;
步骤6:若无人船的速度向量落在移动障碍物模型范围内,则当无人船与障碍物都以原速度和方向行驶时,将会发生碰撞;若无人船的速度向量未落在移动障碍物模型范围内,则无人船与障碍物无碰撞风险;
步骤7:以无人船的中心点为原点,建立无人船的离散加速度分布模型;
步骤8:将离散加速度分布模型沿无人船的速度向量方向平移至其终点,以离散加速度分布模型与移动障碍物模型未相交的部分为无人船在进行规避时可选择实施的加速度向量。
2.根据权利要求1所述的一种无人船规避障碍物的运动规划方法,其特征在于,步骤7之前还包括:
计算无人船与障碍物之间的相对距离;
根据无人船自身的速度向量和障碍物的速度向量,计算无人船朝向障碍物方向的速度向量;
若无人船朝向障碍物方向的速度向量与相对距离的比值小于用户设置的阈值,则无碰撞风险;若无人船朝向障碍物方向的速度向量与相对距离的比值大于或等于用户设置的阈值,则近期存在碰撞风险,进入步骤7。
3.根据权利要求1所述的一种无人船规避障碍物的运动规划方法,其特征在于,进行步骤4时,若无人船周围的障碍物具有多个,则分别建立每个障碍物的移动障碍物模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735299.0A CN111881580A (zh) | 2020-07-28 | 2020-07-28 | 一种无人船规避障碍物的运动规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010735299.0A CN111881580A (zh) | 2020-07-28 | 2020-07-28 | 一种无人船规避障碍物的运动规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111881580A true CN111881580A (zh) | 2020-11-03 |
Family
ID=73201782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010735299.0A Pending CN111881580A (zh) | 2020-07-28 | 2020-07-28 | 一种无人船规避障碍物的运动规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881580A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113885522A (zh) * | 2021-10-28 | 2022-01-04 | 武汉大学 | 水面机器人避障方法、装置、设备及可读存储介质 |
CN114003047A (zh) * | 2021-12-31 | 2022-02-01 | 山东科技大学 | 一种小型无人船路径规划方法 |
CN115328122A (zh) * | 2022-08-02 | 2022-11-11 | 柳州城市职业学院 | 一种基于多雷达感知的无人船避障方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111399506A (zh) * | 2020-03-13 | 2020-07-10 | 大连海事大学 | 一种基于动力学约束的全局-局部混合无人船路径规划方法 |
-
2020
- 2020-07-28 CN CN202010735299.0A patent/CN111881580A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111399506A (zh) * | 2020-03-13 | 2020-07-10 | 大连海事大学 | 一种基于动力学约束的全局-局部混合无人船路径规划方法 |
Non-Patent Citations (1)
Title |
---|
XIONGFEI GENG等: "Motion Plan of Maritime Autonomous Surface Ships by Dynamic Programming for Collision Avoidance and Speed Optimization" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113885522A (zh) * | 2021-10-28 | 2022-01-04 | 武汉大学 | 水面机器人避障方法、装置、设备及可读存储介质 |
CN114003047A (zh) * | 2021-12-31 | 2022-02-01 | 山东科技大学 | 一种小型无人船路径规划方法 |
CN115328122A (zh) * | 2022-08-02 | 2022-11-11 | 柳州城市职业学院 | 一种基于多雷达感知的无人船避障方法及系统 |
CN115328122B (zh) * | 2022-08-02 | 2023-03-14 | 柳州城市职业学院 | 一种基于多雷达感知的无人船避障方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107702716B (zh) | 一种无人驾驶路径规划方法、系统和装置 | |
Khodayari et al. | A historical review on lateral and longitudinal control of autonomous vehicle motions | |
US11485384B2 (en) | Unstructured vehicle path planner | |
Xue et al. | Automatic simulation of ship navigation | |
CN111881580A (zh) | 一种无人船规避障碍物的运动规划方法 | |
CN109933067B (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
Gelbal et al. | Collision avoidance of low speed autonomous shuttles with pedestrians | |
US11420648B2 (en) | Trajectory prediction for autonomous devices | |
CN112327885A (zh) | 一种无人船自适应全局-局部混合路径规划的方法 | |
CN108445879A (zh) | 一种基于预测碰撞危险区域的无人艇避障方法 | |
CN108196451B (zh) | 一种仿生鱼群避障行为控制方法 | |
Li et al. | A practical trajectory planning framework for autonomous ground vehicles driving in urban environments | |
KR101278708B1 (ko) | 수중로봇과 그 제어방법 | |
Li et al. | Toward time-optimal trajectory planning for autonomous ship maneuvering in close-range encounters | |
Kim | Control laws to avoid collision with three dimensional obstacles using sensors | |
CN114894212A (zh) | 一种基于自适应参数的改进路径规划方法 | |
Chen | On the trends of autonomous unmanned systems research | |
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 | |
Lee et al. | A new hybrid terrain coverage method for underwater robotic exploration | |
CN113538973A (zh) | 一种基于改进粒子群算法的船舶自动避碰方法 | |
CN110414042B (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN115230729A (zh) | 一种自动驾驶避障方法及系统、存储介质 | |
Yan et al. | An Obstacle Avoidance Algorithm for Unmanned Surface Vehicle Based on A Star and Velocity-Obstacle Algorithms | |
Sawant et al. | Hybrid feedback for autonomous navigation in environments with arbitrary convex obstacles | |
Kim et al. | Field experiment of autonomous ship navigation in canal and surrounding nearshore environments |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201103 |
|
WD01 | Invention patent application deemed withdrawn after publication |