CN112113573B - 一种面向单艘无人测量船艇覆盖路径规划方法 - Google Patents
一种面向单艘无人测量船艇覆盖路径规划方法 Download PDFInfo
- Publication number
- CN112113573B CN112113573B CN202010987645.4A CN202010987645A CN112113573B CN 112113573 B CN112113573 B CN 112113573B CN 202010987645 A CN202010987645 A CN 202010987645A CN 112113573 B CN112113573 B CN 112113573B
- Authority
- CN
- China
- Prior art keywords
- map
- usmv
- level
- state
- grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005259 measurement Methods 0.000 title abstract description 6
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 238000010923 batch production Methods 0.000 claims 1
- 239000002184 metal Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 230000003068 static effect Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
- G08G3/02—Anti-collision systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Ocean & Marine Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明公开一种优化的单艘无人测量船艇覆盖路径规划方法，属于路径规划领域，所述方法包括：初始化所有栅格的GT值为ue，预设各个栅格赋值
输入坐标并继续更新预设地图；根据所述栅格，导入静态地图；根据所述静态地图，输入坐标并继续更新预设地图；根据所述预设地图，USMV输出自身位置信息ω及障碍物信息η，开始更新地图；根据所述更新的地图输出栅格状态列表GT_list，BL0级地图接受地图信息和USMV信息输入，开始规划路径，输出目标点tp给USMV；若在BL0级陷入局部最优，则向上逐层更新地图层级，并在对应层级中寻找tp：若得到tp列表，则根据代价值计算得出最终tp，传递给USMV并使其切换至tr状态，到达后回落至BL0级地图继续规划；若在最高层级BLL地图中仍未找到tp，则任务结束，验查地图情况并输出E状态。通过本发明能够提升无人测量船艇复杂作业环境下覆盖率和覆盖效果，提高单艘无人测量船艇的作业效率。
Description
技术领域
本发明属于路径规划领域，更具体地，涉及一种优化的单艘无人测量船艇覆盖路径规划方法(IBA*)。
背景技术
海洋测量作业是构建海洋信息化的基础性工作，对国家海洋资源开发有着重要的经济意义。测量人员面临劳动强度高、安全风险大的问题。各类危险场景使得传统测量手段难以实施。
无人船艇(Unmanned Surface Vessel,USV)是一种能够在各种海洋环境下自主安全航行并执行各种任务的海上智能平台。无人测量船艇(Unmanned Surface MappingVehicle,USMV)用于海洋测量能够提高测绘作业效率，降低水下地形测绘出图成本和作业安全风险，非常适合替代或辅助传统的海洋测量，具备广阔的应用前景。现阶段，单艘USMV在测量覆盖作业时易受到续航能力、作业效率方面的局限，而多USMV协同扫测可以提高区域覆盖作业效率，缩短完成任务的时间，因此具有更好的任务执行能力。作为水上协同测量作业开展的基础和前提，开展多USV覆盖路径规划研究意义重大。
目前覆盖路径规划研究多集中于地面移动机器人领域。与地面移动机器人相比，USMV作业范围更大、水域环境更复杂，对覆盖路径规划算法的效率和鲁棒性提出了更高要求。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种面向单艘无人测量船艇覆盖路径规划方法，提升无人测量船艇复杂作业环境下覆盖率和覆盖效果，提高无人测量船艇的作业效率。
为实现上述目的，按照本发明的一个方面，提供了一种面向单艘无人测量船艇覆盖路径规划方法，包括：
(1)将环境地图栅格化，初始化所有栅格的GT值为ue，对BL0级地图中的栅格α0赋值
随后导入初始化后的环境地图，输入坐标并继续更新环境地图，其中，ue表示未完成测深任务的自由空间；
(2)根据更新后的环境地图，USMV输出自身位置信息ω及障碍物信息η，开始更新环境地图，根据更新的环境地图输出栅格状态列表GT_list，根据GT_list，BL0级地图接收地图信息和USMV信息输入，开始规划路径，输出目标点tp给USMV，其中，tp表示USMV下一目标点所处位置的栅格索引值；
(3)若在BL0级地图陷入局部最优，则向上逐层更新地图层级BL0，并在对应层级中寻找目标点tp，若得到目标点tp列表，则根据代价值计算得出最终目标点tp，将最终目标点tp传递给USMV并使其切换至tr状态，到达tr状态后回落至BL0级地图继续规划，其中，tr状态表示使USMV处于Travel状态，达到局部最优后的非正常任务状态；
(4)若在最高层级BLL地图中仍未找到目标点tp，则任务结束，验查最高层级BLL地图情况并输出E状态，其中，E状态表示结束状态。
在一些可选的实施方案中，步骤(1)包括：
首先更新GT_list，由于USMV尚未开始遍历，exp个数为0，故将绝大多数栅格定义为ue状态，随后计算预设BL0级地图栅格α0赋值
并逐级更新，直到最高层级BLL级，最后导入环境地图信息，分别更新障碍物、禁区及可航水域，与此同时，USMV开始记录及传递自身位置ω和障碍物位置η，循环遍历正式开始，其中，exp表示已完成测深任务的自由空间。
在一些可选的实施方案中，步骤(2)包括：
将USMV在更新后的环境地图中的探测领域记为D0(ω)，ω∈D0(ω)，其中，D0(ω)中包含了USMV当前位置能感知到的所有栅格信息；
对于D0(ω)中的任一栅格α0，若与ω的连线不经过fz或obs状态栅格，且自身势能值为正值，则将满足上述要求的栅格集合定义为优先领域
D0(μ)表示从D0(ω)中确定的优先领域；
对于BL0级地图的覆盖而言，USMV的优先路径是完成单条扫测线方向上的覆盖任务，因此优先选取D0(ω)中同扫测线上的栅格为目标点，定义D0(ω)中位于北、南两个方向的栅格为ωN，ωS，若BVω＞0且
BV为栅格势能值，为了规避大规模回溯的情形，优先在两者中选取与障碍物相邻的栅格，记为tpobs，在ωN及ωS均符合的情形下，引入代价计算公式，计算两种路径产生的潜在代价值J(tp)，从局部和全局的角度选择相对最优路径；
若ωN及ωS中只有一侧存在临近障碍物，则优先前往该方位开始遍历，在BVω＞0的情形下，USMV所处的ω栅格尚未探索，上下2个方位中一侧为已完成任务或障碍物区域，另一侧则为尚未探索的自由空间，此时ω即为tp点，USMV切换为tc指令，以指导USMV开始实际测深任务；
若
则USMV已完成单条扫测线上的任务，开始转向下一阶段的遍历，此时将F0中
值最大的栅格α0作为tp点，开启下一步动作；
若以上情形均判定不符，则认定USMV此时处于局部最优的状态，最可能的情形是驶入凹形障碍物领域或被BV≤0的区域充斥围绕，此时开启高层级地图阶段开始寻径，并输出tr指令。
在一些可选的实施方案中，由
确定所述优先领域。
在一些可选的实施方案中，由
J(tp)＝kθ·θ(ω,tp)+kd·d(ω,tp)+kul·Nexp确定所述潜在代价值，其中，d(ω,tp)＝||(ωx,ωy)-(tpx,tpy)||2，kθ表示转弯代价系数，可视为单位转弯角度代价；θ表示角度变化的绝对值；kd表示距离代价系数，可视为单位距离移动代价；d表示欧几里得距离；kul表示全局趋势系数，可视为转换局势的代价；Nexp表示输入方向的ue状态栅格数目，(ωx,ωy)表示ω点的横纵坐标，(tpx,tpy)表示tp点的横纵坐标。
在一些可选的实施方案中，步骤(3)包括：
切换至l＝1的BL1级阶段，在Fl中寻找
最大的1级地图栅格αl，根据地图更新方式，高级栅格包含了其对应的低级栅格，此时在高级栅格tp列表中可能存在不少于2个tp点，继续在COM状态计算其潜在代价值J(tp)，从中选取最优tp点，USMV将开始测深任务，其中，对BLl级地图阶段的探测领域和优先领域做出定义：定义位于BLl级地图位置为ω，且探测范围为RL的USMV探测领域为Dl(ω)，其中，ω∈Dl(ω)；定义探测领域Dl(ω)中，与ω可通过邻接路径到达，且自身
为正值的领域为优先领域
BLl级地图阶段是指层级高于BL0级地图的阶段，即1≤l≤L，L表示地图阶段数；
局部最优情形在绝大多数情形下发生于障碍物尾端或扫测线末端，采用贪心算法计算tr状态的邻接路径，即继续跟踪障碍物轮廓，直到能够直接移动至目标点时，脱离该状态并到达目标点，在扫测任务中，针对动态障碍物存在的场景，USMV首先施行避碰动作，并切换为tr状态，在驶过让请后继续回落至BL0级地图，恢复覆盖作业，若l＝1时仍无法脱离局部最优，逐级递增更新地图，直到得出tp点，当l＝L时仍无解，则初步判定遍历完成。
在一些可选的实施方案中，在BLl级地图阶段，优先领域具体表示为：
在一些可选的实施方案中，步骤(4)包括：
通过已知部分环境信息，复查遗漏区域，生成覆盖率信息，并根据USMV实际状态需求，考虑是否切换tr状态执行回程或特定区域继续扫测任务。
按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明借鉴传统覆盖路径规划算法，深入开展多无人测量船艇协同覆盖路径规划研究，设计了IBA*(Improved BA*)算法，为无人测量船艇规划出高效率、高质量的扫测路径。仿真试验结果显示，IBA*算法在路径长度、转向次数、单元数及覆盖率等方面性能相比现有算法均有显著提升。本发明为无人船艇覆盖路径规划研究提供了理论基础，可从覆盖路径规划算法设计方面推动海洋测量无人化、智能化进程，降低海洋信息化建设成本，具有广泛的应用前景和科学价值。
附图说明
图1是本发明实施例提供的一种面向单艘无人测量船艇覆盖路径规划方法的流程框图；
图2是本发明实施例提供的一种面向单艘无人测量船艇覆盖路径规划方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种优化的单艘无人测量船艇覆盖路径规划方法(IBA*)，提升无人测量船艇复杂作业环境下覆盖率和覆盖效果，提高无人测量船艇的作业效率。为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示是本发明实施例提供的一种面向单艘无人测量船艇覆盖路径规划方法的流程框图，在图1所示的方法中包括四个阶段：O阶段、BL0级地图阶段、BLl级地图阶段及E阶段。
具体地，如图2所示是本发明实施例提供的一种面向单艘无人测量船艇覆盖路径规划方法的流程示意图，包括以下步骤：
S101：将环境地图栅格化，初始化所有栅格的GT值为ue，对BL0级地图中的栅格α0赋值
随后导入初始化后的环境地图，输入坐标并继续更新环境地图；
其中，定义栅格具体状态为GT，ue表示未完成测深任务的自由空间。
其中，将环境地图栅格化：栅格法将环境地图分成若干个大小相等的相邻方格，方便更新和维护。首先将环境地图以一定大小量化，建立栅格坐标，随后将坐标化后的栅格放在1个数组中，然后对每个栅格进行属性赋值，用于区分不同的位置或栅格单元。
S102：根据更新后的环境地图，USMV输出自身位置信息ω及障碍物信息η，开始更新环境地图，根据更新的环境地图输出栅格状态列表GT_list，根据GT_list，BL0级地图接收地图信息(如生成的栅格图的状态和赋值)和USMV信息输入，开始规划路径，输出目标点tp给USMV，tp表示USMV下一目标点所处位置的栅格索引值；
其中，BL0,…BLL代表各个动态地图层级BaseLayer，L为最高层级。
OC表示USMV任务指令。
ac表示指导USMV开始避碰动作。
其中，定义栅格具体状态列表为GT_list，GT_list＝{obs,exp,fz,ue}。
S103：若在BL0级地图陷入局部最优，则向上逐层更新地图层级BL0，并在对应层级中寻找tp，若得到tp列表，则根据代价值计算得出最终tp，传递给USMV并使其切换至tr状态，到达tr状态后回落至BL0级地图继续规划；
其中，tr状态表示使USMV处于Travel状态，达到局部最优后的非正常任务状态。
S104：若在最高层级BLL地图中仍未找到tp，则任务结束，验查最高层级BLL地图情况并输出E状态。
其中，S状态表示状态列表，O状态表示开始状态，E状态表示结束状态，COM状态表示计算状态。
在一些可选的实施方案中，步骤S101可以通过以下方式实现：
首先更新GT_list，由于USMV尚未开始遍历，exp个数为0，exp表示已完成测深任务的自由空间，故将绝大多数栅格定义为ue状态，随后计算预设BL0级地图栅格α0赋值
并逐级更新，直到最高层级BLL级，最后导入环境地图信息，分别更新障碍物obs、禁区fz及可航水域，与此同时，USMV开始记录及传递自身位置ω和障碍物位置η，循环遍历正式开始。
其中，本发明实施例中的绝大多数表示预设数量，可以根据实际需要确定。
在一些可选的实施方案中，步骤S102可以通过以下方式实现：
将USMV在更新后的环境地图中的探测领域记为D0(ω)，ω∈D0(ω)，D0(ω)中包含了USMV当前位置能感知到的所有栅格信息，对于D0(ω)中的任一栅格α0，若与ω的连线不经过fz或obs状态栅格，且自身势能值为正值，则将满足上述要求的栅格集合定义为优先领域
D0(μ)表示从D0(ω)中确定的优先领域，对于BL0级地图的覆盖而言，USMV的优先路径是完成单条扫测线方向上的覆盖任务，所以优先选取D0(ω)中同扫测线上的栅格为目标点，定义D0(ω)中位于北、南两个方向的栅格为ωN，ωS，若BVω＞0且
其中，ω表示USMV当前所处位置的栅格序列数，BV为栅格ω的势能值，为了规避大规模回溯的情形，优先在两者中选取与障碍物相邻的栅格，记为tpobs，在ωN及ωS均符合的情形下，引入代价计算公式，计算两种路径产生的潜在代价值J(tp)，从局部和全局的角度选择相对最优路径：
计算潜在代价值的目的在于综合考虑移动距离、转向角度和全局趋势，使USMV的tp处于地图合理区间，其中，计算局势能够使USMV优先覆盖任务完成度高的区域，规避大面积空白区域的多余路径。
若ωN及ωS中只有一侧存在临近障碍物，则优先前往该方位开始遍历，在BVω＞0的情形下，上述判定条件均不满足，则此时情况应为：USMV所处的ω栅格尚未探索，上下2个方位中一侧为已完成任务或障碍物区域，另一侧则为尚未探索的自由空间，此时ω即为tp点，USMV切换为tc指令，以指导USMV开始实际测深任务。
若
则此时USMV已完成单条扫测线上的任务，开始转向下一阶段的遍历，此时将F0中
值最大的栅格α0作为tp点，开启下一步动作。
若以上情形均判定不符，则认定USMV此时处于局部最优的状态，最可能的情形是驶入凹形障碍物领域或被BV≤0的区域充斥围绕，此时开启高层级地图阶段开始寻径，并输出tr指令，tr指令表示USMV处于Travel状态，达到局部最优后的非正常任务状态。
其中，优先领域具体表示如下：
潜在代价值具体表示如下：
J(tp)＝kθ·θ(ω,tp)+kd·d(ω,tp)+kul·Nexp
d(ω,tp)＝||(ωx,ωy)-(tpx,tpy)||2
其中，kθ表示转弯代价系数，可视为单位转弯角度代价；θ表示角度变化的绝对值；kd表示距离代价系数，可视为单位距离移动代价；d表示欧几里得距离；kul表示全局趋势系数，可视为转换局势的代价；Nexp表示输入方向的ue状态栅格数目，(ωx,ωy)表示ω点的横纵坐标，(tpx,tpy)表示tp点的横纵坐标。
在一些可选的实施方案中，步骤S103中，BLl级地图阶段是指层级高于BL0级地图的阶段，即1≤l≤L，L表示地图阶段数。首先对BLl级地图阶段的探测领域和优先领域做出定义：定义位于BLl级地图位置为ω，且探测范围为RL的USMV探测领域为Dl(ω)，其中，ω∈Dl(ω)；定义探测领域Dl(ω)中，与ω可通过邻接路径到达，且自身
为正值的领域为优先领域
首先切换至l＝1的BL1级阶段，在Fl中寻找
最大的1级地图栅格αl，根据地图更新方式，高级栅格包含了其对应的低级栅格，此时在高级栅格tp列表中可能存在不少于2个tp点，继续在COM状态计算其潜在代价值J(tp)，从中选取最优tp点，USMV将开始测深任务。
由于IBA*算法优先绕障的策略，局部最优情形在绝大多数情形下发生于障碍物尾端或扫测线末端，采用贪心算法计算tr状态的邻接路径：即继续跟踪障碍物轮廓，直到能够直接移动至目标点时，脱离该状态并到达目标点。在扫测任务中，针对动态障碍物存在的场景，USMV首先施行避碰动作，并切换为tr状态。在驶过让请后继续回落至BL0级地图，恢复覆盖作业。若l＝1时仍无法脱离局部最优，逐级递增更新地图，直到得出tp点。当l＝L时仍无解，则初步判定遍历完成。
其中，BLl级地图阶段，优先领域具体表示如下：
在一些可选的实施方案中，步骤S104中，通过已知部分环境信息，复查遗漏区域，生成覆盖率信息，并根据USMV实际状态需求，考虑是否切换tr状态执行回程或特定区域继续扫测任务。
本申请还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现方法实施例中的面向单艘无人测量船艇覆盖路径规划方法。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种面向单艘无人测量船艇覆盖路径规划方法，其特征在于，包括：
（1）将环境地图栅格化，初始化所有栅格的GT值为ue，对BL 0级地图中的栅格
赋值
，随后导入初始化后的环境地图，输入坐标并继续更新环境地图，其中，ue表示未完成测深任务的自由空间；
（2）根据更新后的环境地图，USMV输出自身位置信息
及障碍物信息
，开始更新环境地图，根据更新的环境地图输出栅格状态列表GT_list，根据GT_list，BL 0级地图接收地图信息和USMV信息输入，开始规划路径，输出目标点tp给USMV，其中，tp表示USMV下一目标点所处位置的栅格索引值；
（3）若在BL 0级地图陷入局部最优，则向上逐层更新地图层级BL 0，并在对应层级中寻找目标点tp，若得到目标点tp列表，则根据代价值计算得出最终目标点tp，将最终目标点tp传递给USMV并使其切换至tr状态，到达tr状态后回落至BL 0级地图继续规划，其中，tr状态表示使USMV处于Travel状态，达到局部最优后的非正常任务状态；
（4）若在最高层级BL L 地图中仍未找到目标点tp，则任务结束，验查最高层级BL L 地图情况并输出E状态，其中，E状态表示结束状态。
2.根据权利要求1所述的方法，其特征在于，步骤（1）包括：
首先更新
，由于USMV尚未开始遍历，exp个数为0，故将绝大多数栅格定义为ue状态，随后计算预设BL 0级地图栅格
赋值 
并逐级更新，直到最高层级BL L 级，最后导入环境地图信息，分别更新障碍物、禁区及可航水域，与此同时，USMV开始记录及传递自身位置
和障碍物位置
，循环遍历正式开始，其中，exp表示已完成测深任务的自由空间，绝大多数表示预设数量，根据实际需要确定。
3.根据权利要求1或2所述的方法，其特征在于，步骤（2）包括：
将USMV在更新后的环境地图中的探测领域记为
，
，其中，
中包含了USMV当前位置能感知到的所有栅格信息；
对于
中的任一栅格
，若与
的连线不经过fz或obs状态栅格，且自身势能值为正值，则将满足上述要求的栅格集合定义为优先领域，
，
表示从
中确定的优先领域；
对于BL 0级地图的覆盖而言，USMV的优先路径是完成单条扫测线方向上的覆盖任务，因此优先选取
中同扫测线上的栅格为目标点，定义
中位于北、南两个方向的栅格为
，
，若
且
，BV为栅格势能值，为了规避大规模回溯的情形，优先在两者中选取与障碍物相邻的栅格，记为tp obs ，在
及
均符合的情形下，引入代价计算公式，计算两种路径产生的潜在代价值
，从局部和全局的角度选择相对最优路径；
若
及
中只有一侧存在临近障碍物，则优先前往存在临近障碍物的
或
方位开始遍历，在
的情形下，USMV所处的
栅格尚未探索，上下2个方位中一侧为已完成任务或障碍物区域，另一侧则为尚未探索的自由空间，此时
即为tp点，USMV切换为tc指令，以指导USMV开始实际测深任务；
若
，则USMV已完成单条扫测线上的任务，开始转向下一阶段的遍历，此时将F 0中
值最大的栅格
作为tp点，开启下一步动作；
若以上情形均判定不符，则认定USMV此时处于局部最优的状态，此时开启高层级地图阶段开始寻径，并输出tr指令。
4.根据权利要求3所述的方法，其特征在于，由
确定所述优先领域。
5.根据权利要求4所述的方法，其特征在于，由
确定所述潜在代价值，其中，
，
表示转弯代价系数，可视为单位转弯角度代价；
表示角度变化的绝对值；
表示距离代价系数，可视为单位距离移动代价；
表示欧几里得距离；
表示全局趋势系数，可视为转换局势的代价；
表示输入方向的ue状态栅格数目，
表示
点的横纵坐标，
表示tp点的横纵坐标。
6.根据权利要求5所述的方法，其特征在于，步骤（3）包括：
切换至l=1的BL 1级阶段，在F l 中寻找
最大的1级地图栅格
，根据地图更新方式，高级栅格包含了其对应的低级栅格，此时在高级栅格tp列表中可能存在不少于2个tp点，继续在COM状态计算其潜在代价值
，从中选取最优tp点，USMV将开始测深任务，其中，对BL l 级地图阶段的探测领域和优先领域做出定义：定义位于BL l 级地图位置为
，且探测范围为R L 的USMV探测领域为
，其中，
；定义探测领域
中，与
可通过邻接路径到达，且自身
为正值的领域为优先领域
，BL l 级地图阶段是指层级高于BL 0级地图的阶段，即
，L表示地图阶段数；
采用贪心算法计算tr状态的邻接路径，即继续跟踪障碍物轮廓，直到能够直接移动至目标点时，脱离进入局部最优区域的状态并到达目标点，在扫测任务中，针对动态障碍物存在的场景，USMV首先施行避碰动作，并切换为tr状态，在驶过让请后继续回落至BL 0级地图，恢复覆盖作业，若l=1时仍无法脱离局部最优，逐级递增更新地图，直到得出tp点，当l=L时仍无解，则初步判定遍历完成。
7.根据权利要求6所述的方法，其特征在于，在BL l 级地图阶段，优先领域具体表示为：
。
8.根据权利要求1所述的方法，其特征在于，步骤（4）包括：
通过已知部分环境信息，复查遗漏区域，生成覆盖率信息，并根据USMV实际状态需求，考虑是否切换tr状态执行回程或特定区域继续扫测任务。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010987645.4A CN112113573B (zh) | 2020-09-18 | 2020-09-18 | 一种面向单艘无人测量船艇覆盖路径规划方法 |
| PCT/CN2021/117160 WO2022057701A1 (zh) | 2020-09-18 | 2021-09-08 | 一种面向单艘无人测量船艇覆盖路径规划方法 |
| US18/069,986 US20230124356A1 (en) | 2020-09-18 | 2022-12-21 | Coverage-path planning method for single unmanned surface mapping vessel |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010987645.4A CN112113573B (zh) | 2020-09-18 | 2020-09-18 | 一种面向单艘无人测量船艇覆盖路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112113573A CN112113573A (zh) | 2020-12-22 |
| CN112113573B true CN112113573B (zh) | 2021-08-10 |
Family
ID=73800706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010987645.4A Active CN112113573B (zh) | 2020-09-18 | 2020-09-18 | 一种面向单艘无人测量船艇覆盖路径规划方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230124356A1 (zh) |
| CN (1) | CN112113573B (zh) |
| WO (1) | WO2022057701A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112113573B (zh) * | 2020-09-18 | 2021-08-10 | 武汉理工大学 | 一种面向单艘无人测量船艇覆盖路径规划方法 |
| CN112923940A (zh) * | 2021-01-11 | 2021-06-08 | 珠海格力电器股份有限公司 | 路径规划方法、装置、处理设备、移动设备及存储介质 |
| CN113377105B (zh) * | 2021-06-04 | 2023-12-12 | 武汉理工大学 | 基于Theta*回溯的单无人艇覆盖路径规划方法 |
| CN113673154B (zh) * | 2021-08-16 | 2024-03-12 | 深圳市八零联合装备有限公司 | 一种晶粒分选过程中的寻径方法、装置、设备及存储介质 |
| CN114035581A (zh) * | 2021-11-15 | 2022-02-11 | 上海交通大学宁波人工智能研究院 | 一种对含凹形障碍地图的探伤机器人的遍历路径规划方法 |
| CN115617078B (zh) * | 2022-12-12 | 2023-07-07 | 北京理工大学 | 基于膨化障碍的无人机三维航迹快速规划方法 |
| CN117073688B (zh) * | 2023-10-16 | 2024-03-29 | 泉州装备制造研究所 | 一种基于多层代价地图的覆盖路径规划方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10613541B1 (en) * | 2016-02-16 | 2020-04-07 | AI Incorporated | Surface coverage optimization method for autonomous mobile machines |
| CN107727098A (zh) * | 2017-09-26 | 2018-02-23 | 上海大学 | 一种依次巡查多个目标位置的无人水面艇路径规划方法 |
| CN108445894A (zh) * | 2018-06-15 | 2018-08-24 | 哈尔滨工程大学 | 一种考虑无人艇运动性能的二次路径规划方法 |
| CN109540136A (zh) * | 2018-10-25 | 2019-03-29 | 广东华中科技大学工业技术研究院 | 一种多无人艇协同路径规划方法 |
| CN110196059B (zh) * | 2019-05-14 | 2023-03-14 | 武汉理工大学 | 一种无人艇全局路径规划方法 |
| CN110398250B (zh) * | 2019-08-13 | 2022-01-11 | 哈尔滨工程大学 | 一种无人艇全局路径规划方法 |
| CN111060109B (zh) * | 2020-01-03 | 2021-08-27 | 东南大学 | 一种基于改进a星算法的无人艇全局路径规划方法 |
| CN111457927B (zh) * | 2020-04-26 | 2021-03-05 | 北京工商大学 | 动态障碍物下的无人巡航船多目标路径规划方法 |
| CN111580517B (zh) * | 2020-05-12 | 2021-02-19 | 国家海洋技术中心 | 一种基于无人水面艇的多海湾区域路径遍历方法及系统 |
| CN111562785B (zh) * | 2020-05-15 | 2021-08-06 | 中南大学 | 一种群集机器人协同覆盖的路径规划方法及系统 |
| CN112113573B (zh) * | 2020-09-18 | 2021-08-10 | 武汉理工大学 | 一种面向单艘无人测量船艇覆盖路径规划方法 |
-
2020
- 2020-09-18 CN CN202010987645.4A patent/CN112113573B/zh active Active
-
2021
- 2021-09-08 WO PCT/CN2021/117160 patent/WO2022057701A1/zh active Application Filing
-
2022
- 2022-12-21 US US18/069,986 patent/US20230124356A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| CN112113573A (zh) | 2020-12-22 |
| WO2022057701A1 (zh) | 2022-03-24 |
| US20230124356A1 (en) | 2023-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112113573B (zh) | 一种面向单艘无人测量船艇覆盖路径规划方法 | |
| CN111060109B (zh) | 一种基于改进a星算法的无人艇全局路径规划方法 | |
| CN108983777B (zh) | 一种基于自适应前沿探索目标点选取的自主探索与避障方法 | |
| WO2022057700A1 (zh) | 一种多艘无人测量船艇覆盖路径规划方法 | |
| CN108445879B (zh) | 一种基于预测碰撞危险区域的无人艇避障方法 | |
| CN108681321B (zh) | 一种无人船协同编队的水下探测方法 | |
| Leonard et al. | Decoupled stochastic mapping [for mobile robot & auv navigation] | |
| CN110006430B (zh) | 一种航迹规划算法的优化方法 | |
| CN110543190B (zh) | 智能目标搜索中无人设备的路径规划方法 | |
| CN110471426A (zh) | 基于量子狼群算法的无人驾驶智能车自动避碰方法 | |
| CN111721296B (zh) | 一种水下无人航行器数据驱动路径规划方法 | |
| CN110825088B (zh) | 一种多目视觉导引船体清洁机器人系统及清洁方法 | |
| Chen et al. | An enhanced dynamic Delaunay triangulation-based path planning algorithm for autonomous mobile robot navigation | |
| Kim et al. | UAV-UGV cooperative 3D environmental mapping | |
| CN111176281A (zh) | 基于象限法的多水面无人艇覆盖式协同搜索方法及系统 | |
| Kim et al. | Autonomous mobile robot localization and mapping for unknown construction environments | |
| CN111412918B (zh) | 无人艇全局安全路径规划方法 | |
| CN114593739B (zh) | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 | |
| Palomer et al. | Bathymetry-based SLAM with difference of normals point-cloud subsampling and probabilistic ICP registration | |
| Inzartsev et al. | Detection and inspection of local bottom objects with the help of a group of special-purpose AUVs | |
| 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 | |
| Merali et al. | 3D surface mapping using a semiautonomous rover: A planetary analog field experiment | |
| KR100929927B1 (ko) | 선박 화물창 벽면주행 이동로봇의 경로 계획방법 | |
| CN109164797B (zh) | 一种用于船舶智能控制的航迹制导方法及系统 | |
| CN114537666B (zh) | 一种无人机和无人船协同的水面漂浮垃圾清除装备及运行方法 |
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 |