CN112130562B - 基于多滚动窗口的人工势场无人水面艇避障方法 - Google Patents
基于多滚动窗口的人工势场无人水面艇避障方法 Download PDFInfo
- Publication number
- CN112130562B CN112130562B CN202010920078.0A CN202010920078A CN112130562B CN 112130562 B CN112130562 B CN 112130562B CN 202010920078 A CN202010920078 A CN 202010920078A CN 112130562 B CN112130562 B CN 112130562B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- unmanned surface
- surface vessel
- decision
- dynamic
- 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 35
- 238000005096 rolling process Methods 0.000 claims abstract description 61
- 230000004888 barrier function Effects 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000002203 pretreatment Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了基于多滚动窗口的人工势场无人水面艇避障方法,主要解决现有的智能航行方法对无人水面艇避障稳定性不高的问题。其实现步骤为:1)将无人水面艇和海上障碍物进行预处理,获取得到相应的预处理结果;2)设定第一和第二滚动窗口参数建立多滚动窗口图,并将预处理好的无人水面艇和障碍物结果投射到人造势场中;3)对四种不同状态的障碍物进行相应的判定,并计算得到单一目标的最优路径方向,最后通过合力计算得到最后路径方向。本发明有效地结合了滚动窗口地实时监测能力和人工势场地决策能力,稳定了避障性能,可用于无人艇智能航行。
Description
技术领域
本发明涉及无人水面艇航行技术领域,具体涉及到基于多滚动窗口的人工势场无人水面艇避障方法。
背景技术
无人水面艇是一种无人操作的水面舰艇,通过搭载先进控制系统、传感器系统和通信系统,主要用于执行危险以及不适于有人船只执行的任务,无论再民用领域还是再军事领域都具有很高的利用价值。由于无人水面艇所处环境复杂,加之其安全航行受风浪,水深等因素影响较大,这使得无人水面艇智能航行变得十分困难;另外,海上障碍物复杂种类繁多且具有不可预测性,岛屿、礁石、船舶等海上漂流物对无人水面艇安全航行具有很大威胁,因此,如何提高无人水面艇的避障性能是无人水面艇智能航行中的一个重要研究方向。
目前在无人水面艇避障方法中主要分为以下几种:
一是基于人工势场的方法;
二是基于海图信息的方法;
三是基于单滚动窗口的避障方法;
四是基于神经网络智能控制的方法。
通过将单滚动窗口结合人工势场而成的避障算法称为基于单滚动窗口的人工势场避障方法,由于无人水面艇对不同距离的障碍物的置信度不同,选取不同距离的滚动窗口,基于单核滚动窗口的人工势场避障方法表现出不同的避障性能,因此,基于单滚动窗口的人工势场避障方法仅能表现出某一距离的特性,不能体现处不同距离滚动窗口之间的连续性,从而影响避障算法的避障性能,使得无人水面艇智能航行安全性降低。
发明内容
为克服背景技术的不足,本发明提供了基于多滚动窗口的人工势场无人水面艇避障方法,以提高无人水面艇的安全航行性能。
本发明采用的步骤具体如下:
基于多滚动窗口的人工势场无人水面艇避障方法,其步骤具体如下:
步骤1,对无人水面艇和障碍物进行预处理,建立人工势场并设置坐标系;
步骤2,建立多滚动窗口;
步骤3,将预处理后的无人水面艇和障碍物以及步骤2投放在于人工势场坐标系中,其中无人水面艇和障碍物按照相对位置并参考正北方向,显示到此人工势场坐标系中,人工势场原点位置为无人水面艇;
步骤4,根据无人水面艇在海上实际航行情况,将决策过程分为四种情况:
4a)对安全状态障碍物进行决策;
4b)对潜在安全状态障碍物进行决策;
4c)对准危险状态障碍物进行决策;
4d)对危险状态障碍物进行决策;
4e)通过4a)—4d)过程处理,通过合力输出,最终得出最优决策路径。
将所述无人水面艇的长、宽、高通过等比例缩放设定为一号椭圆,所述一号椭圆的长轴为a,短轴为b,所述无人水面艇的速度v与单位时间Δt相乘,此时所述一号椭圆长轴变为b+v*Δt,短轴为a,对所述一号椭圆进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的无人水面艇预处理图。
将所述障碍物按照不同的尺寸比例设定为一号障碍物以及二号障碍物,将所述一号障碍物设定为二号椭圆,所述一号障碍物的最长区域距离作为二号椭圆的长轴c,将一号障碍物的中位区域距离作为二号椭圆的短轴d,根据一号障碍物航行速度V1与单位时间Δt相乘得到最终的长轴,所述二号椭圆的长轴为c+V1*Δt,短轴为d,对所述二号椭圆进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的一号障碍物预处理图,将所述二号障碍物设定为矩形,所述二号障碍物的最长长度作为矩形的长边e,将二号障碍物的中位长度作为矩形的短边f,根据二号障碍物的航行速度V2与单位时间Δt相乘得到最终长边,所述矩形长边为e+V2*Δt,短边为f,对所述矩形进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的二号障碍物预处理图。
所述多滚动窗口包括第一滚动窗口与第二滚动窗口,所述第一滚动窗口呈扇形,角度为θ1,扫描距离为g,所述第二滚动窗口呈扇形,角度为θ2,扫描距离为h,所述第一滚动窗口与第二滚动窗口以无人水面艇为中心,并且角度中心在无人水面艇的正前方位置。
所述步骤4中的决策为:
4a)安全状态决策:当无人水面艇在第一滚动窗口和第二滚动窗口中没有未知障碍物或者存在障碍物但其运动方向为远离无人水面艇航行方向,此时无人水面艇按照当前航行方向继续航行;
4b)潜在安全状态决策:当无人水面艇在第一滚动窗口中存在动态障碍物,且动态障碍物在T~T+2T0期间内不存在会遇的危险,但此时动态预测位置距离当前航线距离较近,此时无人水面艇的决策为以T+T0、T+2T0两时刻按下式进行计算:D12=(εD11+τD13),其中D11为T+T0时刻动态障碍物的位置,D13为T+2T0时刻动态障碍物的位置,ε+τ=1,ε和τ由动态障碍物速度决定,即VD11:VD13=ε:τ;
4c)准危险状态决策:当无人水面艇在第一滚动窗口中存在动态障碍物,且动态障碍物有可能在T~T+2T0期间会遇,此时无人水面艇的决策为以T、T+T0、T+2T0预判三个时刻的最佳路径,计算方式为D24=αD21+βD22+γD23,α>β>γ>0,α+β+γ=1,其中D21为T时刻动态障碍物的位置,其中D22为T+T0时刻动态障碍物的位置,D23为T+2T0时刻动态障碍物的位置,α、β、γ由动态障碍物速度决定,即VD2:VD22:VD23=α:β:γ;
4d)危险状态决策:当无人水面艇在第一滚动窗口中存在动态障碍物,且动态障碍物在T~T+T0期间会遇,此时无人水面艇的决策以T、T+T0两个时刻的最佳路径,并以下式进行最优路径计算D32=δD31+μD33,δ>μ>0,δ+μ=1,其中D31为T时刻动态障碍物的位置,D33为T+T0时刻动态障碍物的位置,δ、μ值由动态障碍物速度决定,即VD31:VD33=δ:μ;
4e)通过4a)—4d)过程处理,对第二滚动窗口进行同样的决策,综合以上四种情况的合力输出,最终得出最优决策路径。
本发明的有益效果是:
本发明将多滚动窗口模型与人工势场方法相结合,提出了基于多滚动窗口的人工势场无人水面艇避障方法,使得多滚动窗口模型在多距离决策方面优于单滚动窗口模型,更能体现不同距离之间的“合力”作用,显著提高了无人水面艇的安全航行性。
附图说明
图1是本发明的实验流程图。
图2是本发明无人水面艇预处理的示意图。
图3是本发明一种障碍物预处理的示意图。
图4是本发明另一种障碍物预处理的示意图。
图5是本发明安全状态决策的示意图。
图6是本发明潜在安全状态决策的示意图。
图7是本发明准危险状态决策的示意图。
图8是本发明危险状态决策的示意图。
图9是本发明合力决策的示意图。
图10是本发明潜单一目标避障的示意图。
图11是本发明多目标避障的示意图。
一号椭圆1、二号椭圆21、矩形22、第一滚动窗口3、第二滚动窗口4。
具体实施方式
下面结合附图与实施例对本发明作进一步说明:
实施例中,如图1所示,基于多滚动窗口的人工势场无人水面艇避障方法,其步骤具体如下:
步骤1,对无人水面艇和障碍物进行预处理:
1a)如图2所示,将无人水面艇的长、宽、高通过等比例缩放设定为一号椭圆1,所述一号椭圆1的长轴为a,短轴为b,将水面无人艇的速度v与单位时间Δt相乘,此时所述一号椭圆1长轴变为b+v*Δt,短轴为a,对所述一号椭圆1进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的无人水面艇预处理图;
1b)如图3、图4所示,将所述障碍物按照不同的尺寸比例设定为一号障碍物预处理以及二号障碍物预处理;
1b1)将所述一号障碍物设定为二号椭圆21,所述一号障碍物的最长区域距离作为二号椭圆21的长轴c,将一号障碍物区域中的中位区域距离作为二号椭圆21的短轴d,根据一号障碍物航行速度V1与单位时间Δt相乘得到最终的长轴,所述二号椭圆21的长轴为c+V1*Δt,短轴为d,对所述二号椭圆21进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的障碍物预处理图;
1b2)将所述二号障碍物设定为矩形22,所述二号障碍物的最长长度作为矩形22的长边e,将二号障碍物内区域的中位长度作为所述矩形22的短边f,根据二号障碍物的航行速度V2与单位时间Δt相乘得到最终长边,所述矩形22长边为e+V2*Δt,短边为f,对所述矩形22进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的障碍物预处理图;
1c)按照1a)-1b)预处理过程,将障碍物和无人水面艇放置于以O中心为矩形中心,以长度为k的正方形区域,此时设定无人水面艇的正前方区域为真北方向的0°,并以正时针转动方向为数值增大方向,建立人工势场坐标系,将起点设定为正电荷,将终点设定为负电荷;
步骤2,建立多滚动窗口:
2a)如图10、图11所示,以无人水面艇为中心,建立第一滚动窗口3,所述第一滚动窗口呈扇形,角度为θ1,扫描距离为g,并且角度中心在无人水面艇的正前方位置;
2b)如图10、图11所示,以无人水面艇为中心,建立第二滚动窗口4,所述第二滚动窗口呈扇形,角度为θ2,扫描距离为h,并且角度中心在无人水面艇的正前方位置;
步骤3,将步骤1与步骤2投放在于人工势场坐标系中,其中无人水面艇和障碍物按照相对位置并参考正北方向,显示到此人工势场坐标系中,原点位置为无人水面艇;
步骤4,根据无人水面艇在海上实际航行情况,将决策过程分为四种情况:
4a)对安全状态障碍物进行决策;
4b)对潜在安全状态障碍物进行决策;
4c)对准危险状态障碍物进行决策;
4d)对危险状态障碍物进行决策;
4a)如图5所示,安全状态决策:当无人水面艇在第一滚动窗口3和第二滚动窗口4中没有未知障碍物或者存在障碍物但其运动方向为远离无人水面艇航行方向,说明若无人水面艇沿着当前行驶方向不存在会遇情况,不会发生碰撞,此时无人水面艇按照当前航行方向继续航行;
4b)如图6所示,潜在安全状态决策:当无人水面艇在第一滚动窗口3中存在动态障碍物,且动态障碍物在T~T+2T0期间内不存在会遇的危险,但此时动态预测位置距离当前航线距离较近,此时无人水面艇的决策为以T+T0、T+2T0两时刻按下式进行计算:D12=(εD11+τD13),其中D11为T+T0时刻动态障碍物的位置,D13为T+2T0时刻动态障碍物的位置,ε+τ=1,ε和τ由动态障碍物速度决定,即VD1:VD1=ε:τ;
4c)如图7所示,准危险状态决策:当无人水面艇在第一滚动窗口3中存在动态障碍物,且动态障碍物有可能在T~T+2T0期间会遇,此时无人水面艇的决策为以T、T+T0、T+2T0预判三个时刻的最佳路径,计算方式为D24=αD21+βD22+γD23(α>β>γ>0,α+β+γ=1),其中D21为T时刻动态障碍物的位置,其中D22为T+T0时刻动态障碍物的位置,D23为T+2T0时刻动态障碍物的位置,α、β、γ由动态障碍物速度决定,即VD21:VD22:VD23=α:β:γ;
4d)如图8所示,危险状态决策:当无人水面艇在第一滚动窗口3中存在动态障碍物,且动态障碍物在T~T+T0期间会遇,此时无人水面艇的决策以T、T+T0两个时刻的最佳路径,并以下式进行最优路径计算D32=δD31+μD33)(δ>μ>0,δ+μ=1),其中D31为T时刻动态障碍物的位置,D33为T+T0时刻动态障碍物的位置,δ、μ值由动态障碍物速度决定,即VD31:VD33=δ:μ;
4e)如图1、图9所示,通过4a)—4d)过程处理,对第二滚动窗口4进行同样的决策,综合以上四种情况的合力输出,最终得出最优决策路径。
本发明的效果通过以下对仿真实验进一步说明:
1.实验仿真场景和平台及相关参数设定
实验中采用的Qt4.8.6平台,其编译器为VC10,实验中所用数据均为仿真数据,其中,在模式数据中分别仿真了准危险状态的避障过程,危险状态的避障过程,潜在危险状态的避障过程和安全状态的避障过程,同时为了更好的模拟实际场景,实验中模拟二号椭圆21和矩形22不同速度的障碍物。
实验参数设定
表1参数设定表
2.本实验内容与结果
用本发明方法进行仿真实验,将目标分别设定为动目标和静目标,并在实验中进行预处理,并最终完成仿真实验;
用本发明进行避障的实验步骤如下:
首先,对仿真无人水面艇和障碍物根据预设参数进行预处理,并将无人水面艇设置为人工势场图中间,将目标设置成队列,一一进入人工势场图;
接着,设定无人水面艇的第一滚动窗3口和第二滚动窗口4,其参数设定参考表1,同时设定舵角最大转向角度和艏向变化参数;
然后,无人水面艇根据障碍物大小,航向和航速的不同,自主判定属于四种判定规则的哪一种情况,并根据设定好的参数进行避障动作;
最后,通过人工势场合力计算,得到最终避障动作。
图10为单一目标避障最终决策结果和航行轨迹。
图11为多目标避障最终决策结果和航行轨迹。
显然,本发明的上述实施例仅仅是为了说明本发明所作的举例,而并非对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷例。而这些属于本发明的实质精神所引申出的显而易见的变化或变动仍属于本发明的保护范围。
Claims (1)
1.基于多滚动窗口的人工势场无人水面艇避障方法,其步骤具体如下:
步骤1,对无人水面艇和障碍物进行预处理,建立人工势场并设置坐标系;
步骤2,建立多滚动窗口;
步骤3,将预处理后的无人水面艇和障碍物以及步骤2投放在于人工势场坐标系中,其中无人水面艇和障碍物按照相对位置并参考正北方向,显示到此人工势场坐标系中,人工势场原点位置为无人水面艇;
步骤4,根据无人水面艇在海上实际航行情况,将决策过程分为四种情况:
4a)对安全状态障碍物进行决策;
4b)对潜在安全状态障碍物进行决策;
4c)对准危险状态障碍物进行决策;
4d)对危险状态障碍物进行决策;
4e)通过4a)-4d)过程处理,通过合力输出,最终得出最优决策路径;
将所述无人水面艇的长、宽、高通过等比例缩放设定为一号椭圆,所述一号椭圆的长轴为a,短轴为b,所述无人水面艇的速度v与单位时间Δt相乘,此时所述一号椭圆长轴变为b+v*Δt,短轴为a,对所述一号椭圆进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的无人水面艇预处理图;
将所述障碍物按照不同的尺寸比例设定为一号障碍物以及二号障碍物,将所述一号障碍物设定为二号椭圆,所述一号障碍物的最长区域距离作为二号椭圆的长轴c,将一号障碍物的中位区域距离作为二号椭圆的短轴d,根据一号障碍物航行速度V1与单位时间Δt相乘得到最终的长轴,所述二号椭圆的长轴为c+V1*Δt,短轴为d,对所述二号椭圆进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的一号障碍物预处理图,将所述二号障碍物设定为矩形,所述二号障碍物的最长长度作为矩形的长边e,将二号障碍物的中位长度作为矩形的短边f,根据二号障碍物的航行速度V2与单位时间Δt相乘得到最终长边,所述矩形长边为e+V2*Δt,短边为f,对所述矩形进行膨胀处理,并将膨胀区域假定为正电荷,形成最终的二号障碍物预处理图;
所述多滚动窗口包括第一滚动窗口与第二滚动窗口,所述第一滚动窗口呈扇形,角度为θ1,扫描距离为g,所述第二滚动窗口呈扇形,角度为θ2,扫描距离为h,所述第一滚动窗口与第二滚动窗口以无人水面艇为中心,并且角度中心在无人水面艇的正前方位置;
所述步骤4中的决策为:
4a)安全状态决策:当无人水面艇在第一滚动窗口和第二滚动窗口中没有未知障碍物或者存在障碍物但其运动方向为远离无人水面艇航行方向,此时无人水面艇按照当前航行方向继续航行;
4b)潜在安全状态决策:当无人水面艇在第一滚动窗口中存在动态障碍物,且动态障碍物在T~T+2T0期间内不存在会遇的危险,但此时动态预测位置距离当前航线距离较近,此时无人水面艇的决策为以T+T0、T+2T0两时刻按下式进行计算:D12=(εD11+τD13),其中D11为T+T0时刻动态障碍物的位置,D13为T+2T0时刻动态障碍物的位置,ε+τ=1,ε和τ由动态障碍物速度决定,即VD11∶VD13=ε∶τ;
4c)准危险状态决策:当无人水面艇在第一滚动窗口中存在动态障碍物,且动态障碍物有可能在T~T+2T0期间会遇,此时无人水面艇的决策为以T、T+T0、T+2T0预判三个时刻的最佳路径,计算方式为D24=αD21+βD22+γD23,α>β>γ>0,α+β+γ=1,其中D21为T时刻动态障碍物的位置,其中D22为T+T0时刻动态障碍物的位置,D23为T+2T0时刻动态障碍物的位置,α、β、γ由动态障碍物速度决定,即VD21∶VD22∶VD23=α∶β∶γ;
4d)危险状态决策:当无人水面艇在第一滚动窗口中存在动态障碍物,且动态障碍物在T~T+T0期间会遇,此时无人水面艇的决策以T、T+T0两个时刻的最佳路径,并以下式进行最优路径计算D32=δD31+μD33,δ>μ>0,δ+μ=1,其中D31为T时刻动态障碍物的位置,D33为T+T0时刻动态障碍物的位置,δ、μ值由动态障碍物速度决定,即VD31∶VD33=δ∶μ;
4e)通过4a)-4d)过程处理,对第二滚动窗口进行同样的决策,综合以上四种情况的合力输出,最终得出最优决策路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010920078.0A CN112130562B (zh) | 2020-09-04 | 2020-09-04 | 基于多滚动窗口的人工势场无人水面艇避障方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010920078.0A CN112130562B (zh) | 2020-09-04 | 2020-09-04 | 基于多滚动窗口的人工势场无人水面艇避障方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112130562A CN112130562A (zh) | 2020-12-25 |
CN112130562B true CN112130562B (zh) | 2023-01-17 |
Family
ID=73848001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010920078.0A Active CN112130562B (zh) | 2020-09-04 | 2020-09-04 | 基于多滚动窗口的人工势场无人水面艇避障方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112130562B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107608346A (zh) * | 2017-08-30 | 2018-01-19 | 武汉理工大学 | 基于人工势场的船舶智能避障方法及系统 |
CN108762264B (zh) * | 2018-05-22 | 2021-05-04 | 重庆邮电大学 | 基于人工势场与滚动窗口的机器人的动态避障方法 |
CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
CN110471427B (zh) * | 2019-09-06 | 2022-05-10 | 大连海事大学 | 一种基于路径规划与人工势场法的船舶编队智能避碰方法 |
CN111142533B (zh) * | 2020-01-03 | 2023-08-15 | 大连民族大学 | 多个无人水面艇的多势场避障方法及复杂环境下多usv多模式编队避障控制方法 |
CN111273670B (zh) * | 2020-03-03 | 2024-03-15 | 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 |
-
2020
- 2020-09-04 CN CN202010920078.0A patent/CN112130562B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112130562A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
CN109753068B (zh) | 一种考虑通信情况的多usv群体协同避碰规划方法 | |
CN110262492B (zh) | 一种无人艇的实时避碰和目标跟踪方法 | |
CN109828566B (zh) | 一种水面无人艇自主航行方法 | |
CN110083159B (zh) | 基于sbg和动态窗口约束的无人船自主动态避碰方法 | |
CN113759939B (zh) | 一种受限水域智能航行方法及装置 | |
CN111580518B (zh) | 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 | |
CN109871031B (zh) | 一种固定翼无人机的轨迹规划方法 | |
CN108445879A (zh) | 一种基于预测碰撞危险区域的无人艇避障方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
CN113189984B (zh) | 一种基于改进人工势场法的无人船路径规划方法 | |
CN109916419A (zh) | 一种面向对象的混合遗传算法无人艇实时路径规划方法 | |
CN114326702B (zh) | 一种基于模型预测控制的内河无人船避碰方法 | |
CN109765914A (zh) | 一种基于滑窗粒子群的水面无人艇避碰方法 | |
CN112462786A (zh) | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 | |
Xia et al. | Research on collision avoidance algorithm of unmanned surface vehicle based on deep reinforcement learning | |
CN111984012A (zh) | 一种无人船自主避障及航线规划的方法 | |
CN115407780A (zh) | 一种基于三阶段避障策略的无人船局部路径规划方法 | |
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 | |
CN109782760A (zh) | 一种考虑无通信的多usv群体协同避碰规划方法 | |
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 | |
CN110414042B (zh) | 一种冲突会遇局面下船舶集群态势分析方法 | |
CN112130562B (zh) | 基于多滚动窗口的人工势场无人水面艇避障方法 | |
CN117369441A (zh) | 一种考虑船舶运动学和CORLEGs的自适应智能船舶路径规划方法 | |
Zhu et al. | Environment potential field modeling for ship automatic collision avoidance in restricted waters |
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 |