CN114387822B - 船舶避碰方法 - Google Patents
船舶避碰方法 Download PDFInfo
- Publication number
- CN114387822B CN114387822B CN202111564382.7A CN202111564382A CN114387822B CN 114387822 B CN114387822 B CN 114387822B CN 202111564382 A CN202111564382 A CN 202111564382A CN 114387822 B CN114387822 B CN 114387822B
- Authority
- CN
- China
- Prior art keywords
- ship
- navigation
- collision avoidance
- obstacle
- state information
- 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 28
- 230000002265 prevention Effects 0.000 title claims abstract description 8
- 239000003016 pheromone Substances 0.000 claims description 25
- 230000007704 transition Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000002791 soaking Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
- G08G3/02—Anti-collision systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/30—Adapting or protecting infrastructure or their operation in transportation, e.g. on roads, waterways or railways
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Radar, Positioning & Navigation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Ocean & Marine Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种船舶避碰方法，包括以下步骤：(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0；(2)获取本船所处航道中所有碍航物的状态信息；(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线。本发明能够为船舶避碰辅助决策提供多路径的解决方案，计算量降低、效率高，便于驾驶人员快速了解本水域内最优避碰路径，有利于船舶在复杂航道内安全航行。
Description
技术领域
本发明涉及一种船舶避碰方法，属于航行安全领域。
背景技术
船用多种传感器数据可直接通过相关显示装置展示给驾驶人员，但无法提供综合的信息融合显示以及避碰建议，驾驶人员需要根据主观经验来评估碰撞风险，尤其在进出港过程中极易认为判断失误造成撞船事故。
伴随着航运业的高速发展，在港口、海湾等特殊航行区域的船舶密度大幅上升，船舶碰撞事故也经常发生。国内相关企业、高校等单位一直都在开展保障航运安全、降低船舶碰撞事故的研究，其中很重要的就是对各类避碰算法的研究与优化，多考虑应用各种最新算法，并没有将船用传感器数据以及船舶运动参数模型充分考虑到算法中。由于来源于船用传感器的碍航物状态信息与避碰路线具有强耦合性，如不考虑的话会造成设计的避碰路径的航行安全性大大降低，很容易导致碰撞事故发生。
发明内容
本发明的目的是解决上述背景技术中提及的缺陷。
为实现上述发明目的，本发明提供一种船舶避碰方法，包括以下步骤：包括以下步骤：(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0；(2)获取本船所处航道中所有碍航物的状态信息；(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线。
进一步地，所述状态信息包括动态信息和静态信息，所述动态信息包括航速和航向，所述静态信息包括位置。
进一步地，步骤(5)后面还包括以下步骤：(6)确定多条避碰航行路线中耗时最短的路线为最优避碰航行路线。
进一步地，若步骤(2)中任一所述碍航物的状态信息发生变化，则重复步骤(1)-步骤(5)，直至航道中不存在碰撞风险。
进一步地，步骤(1)和步骤(4)中所述安全边界是船舶为避碰而在其外围设定的一圈闭合曲线，所述闭合曲线上的每一点离船体的垂直距离为定常回转半径R，其计算公式为：
其中，k1是与吃水和船舶形状有关的系数，为常数；k2是与枢心位置有关的参数，船舶作定常回转运动时枢心位置固定，所以k2也是常数；h为吃水深度；L为船吃水部分的长度，等于船长；CL为舵的升力系数，与舵角有关；A为舵叶的单侧浸水面积；l为舵杆轴线至船舶重心的距离。
进一步地，步骤(2)中所述碍航物的状态信息由本船的船舶自动识别系统及导航雷达获得。
进一步地，所述碍航物状态信息的获取过程为：(21)将船舶自动识别系统获取的数据和导航雷达信息统一到同一个时间系统中；(22)进行位置坐标变换和时间校正；(23)在统一的融合时间节点上进行归集计算；(24)基于关联目标加权实现碍航物轨迹的融合。
进一步地，步骤(5)中所述避碰转向点为本船与潜在碰撞目标未来会遇时，本船的安全边界上的切线点，并将全部切线点按照未来会遇时间保存。
进一步地，步骤(6)中所述最优避碰航行路线为所有避碰转向点按照航行时间先后顺序相连后所得到的曲线，通过以下改进蚁群算法计算出最短路径而得到，计算过程如下：
可行转移概率为：
其中，表示第k只蚂蚁在第i个可行解的转移概率，τi(t)表示t时刻第i个可行解的信息素，初始信息素τi(0)＝f(x)，f(x)表示目标函数值；
由式(2)可知，蚂蚁转移概率越小，所在可行解越接近当前最大可行解，命令其局部搜索；转移概率越大，越远离当前最大可行解，明确其全局搜索；
式(3)中，rand为[-1,1]之间的随机数，p0为概率常数，当pi<p0时，x(t+1)进行局部搜索；当pi≥p0时，x(t+1)进行全局搜索；基于传统蚁群算法中信息素公式，在非线性函数求极值问题中，信息素变为：
τi(t+1)＝(1-ρ)×τi(t)+Q×f(x) (4)
其中，ρ为信息素挥发因子，Q为信息素释放因子，f(x)越大，信息素释放量就越高。
与现有技术相比，本发明的有益效果为：
1.能够为船舶避碰辅助决策提供多路径的解决方案，计算量降低、效率高，便于驾驶人员快速了解本水域内最优避碰路径，有利于船舶在复杂航道内安全航行。
2.船只在海上航行的环境中是动态变化的，本船在海面上行驶，碍航船同样在海面上行驶，通过船用传感器获取碍航船只的静态参数(船长、船宽等)，动态参数(航向、航速)等内容，得到船只的运动参数并与本船信息综合考虑、计算，将更好地避免船只碰撞事故的发生。
附图说明
图1是本发明一个实施例的流程图；
图2是本发明一个实施例中AIS数据和导航雷达图像融合流程图；
图3是本发明一个实施例中最优避碰航线计算流程图；
图4是本发明一个实施例中安全边界的示意图；
图5是本发明一个实施例中避碰航线示意图；
图6是本发明一个实施例中最优避碰航线寻径原理示意图；
图7是本发明一个实施例中以改进蚁群算法计算最优避碰航线的迭代过程示意图。
具体实施方式
下面结合附图和具体实施例，对本发明的技术方案做进一步说明。
如图1所示，本发明船舶避碰方法的一个实施例，步骤如下：
(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0；
(2)获取本船所处航道中所有碍航物的状态信息；
(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；
(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；
(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线。本实施例中，所述状态信息包括动态信息和静态信息，所述动态信息包括航速和航向，所述静态信息包括位置。
如图1所示，在本发明船舶避碰方法的一个实施例中，若步骤(2)中任一所述碍航物的状态信息发生变化，则重复步骤(1)-步骤(5)，直至航道中不存在碰撞风险。
如图1所示，在本发明船舶避碰方法的一个实施例中，还包括步骤(6)确定多条避碰航行路线中耗时最短的路线为最优避碰航行路线。
如图2和图4所示，在本发明船舶避碰方法的一个实施例中，步骤(1)和步骤(4)中所述安全边界是船舶为避碰而在其外围设定的一圈闭合曲线，所述闭合曲线上的每一点离船体的垂直距离为定常回转半径R，其计算公式为：
其中，k1是与吃水和船舶形状有关的系数，为常数；k2是与枢心位置有关的参数，船舶作定常回转运动时枢心位置固定，所以k2也是常数；h为吃水深度；L为船吃水部分的长度，等于船长；CL为舵的升力系数，与舵角有关；A为舵叶的单侧浸水面积；l为舵杆轴线至船舶重心的距离。
如图3所示，在本发明船舶避碰方法的一个实施例中，步骤(2)中所述碍航物的状态信息由本船的船舶自动识别系统及导航雷达获得。具体地，所述碍航物状态信息的获取过程为：
(21)将船舶自动识别系统获取的数据和导航雷达信息统一到同一个时间系统中；
(22)进行位置坐标变换和时间校正；
(23)在统一的融合时间节点上进行归集计算；
(24)基于关联目标加权实现碍航物轨迹的融合。
在本发明船舶避碰方法的一个实施例中，步骤(5)中所述避碰转向点为本船与潜在碰撞目标未来会遇时，本船的安全边界上的切线点，并将全部切线点按照未来会遇时间保存。
在本发明船舶避碰方法的一个实施例中，步骤(6)中所述最优避碰航行路线为所有避碰转向点按照航行时间先后顺序相连后所得到的曲线，通过以下改进蚁群算法计算出最短路径而得到，计算过程如下：
可行转移概率为：
其中，表示第k只蚂蚁在第i个可行解的转移概率，τi(t)表示t时刻第i个可行解的信息素，初始信息素τi(0)＝f(x)，f(x)表示目标函数值；
由式(2)可知，蚂蚁转移概率越小，所在可行解越接近当前最大可行解，命令其局部搜索；转移概率越大，越远离当前最大可行解，明确其全局搜索；
式(3)中，rand为[-1,1]之间的随机数，p0为概率常数，当pi<p0时，x(t+1)进行局部搜索；当pi≥p0时，x(t+1)进行全局搜索；基于传统蚁群算法中信息素公式，在非线性函数求极值问题中，信息素变为：
τi(t+1)＝(1-ρ)×τi(t)+x×f(x) (4)
其中，ρ为信息素挥发因子，Q为信息素释放因子，f(x)越大，信息素释放量就越高。由式(2)、(3)、(4)构造出可用于非线性函数寻优的改进蚁群算法。
如图5所示，假设本船计划从A点航行到B点，本船匀速航行，经过改进蚁群算法分析，从A点到B点有4条航线，其中a1、a2、…、d3均为避碰转向点，分别记录航路段(A，a1)、(a1，a2)、…、(d3，B)及每条航路段的航行时间，据此可统计出4条航线中每条的航行时间，时间最短的即为最优避碰航线。
假设本船定速航行，枢心、中心、重心在同一位置，船长L为80m，吃水h为5m，k1为0.5，k2为0.3，CL为1，A为2m2，l为40m。通过式(1)，可以计算得出表征本船安全边界的定常回转半径R为310m，同理，通过本船传感器得到的碍航物的安全边界也能通过上式计算得到。
将本船需要避让的区域进行栅格化处理，如图6所示，每个方格的边长设为2R+船长，R为本船定常回转半径为310米，船长为80米，则方格的边长即为700米。避碰航线的寻径规模大小设置为30方格*30方格；本船从(0，30)航行到(30,0)；蚂蚁种群的数量设置60；算法的循环次数设定为80；表征信息素重要程度参数α＝2.1；表征启发式因子重要程度参数β＝8.9；信息素蒸发参数设置为Rho＝0.25；信息素释放因子Q＝1.2；信息素挥发因子ρ取值[0,1]。图6中黑色方块表示碍航物，白色方块为安全区域，对角线方向的线条为避碰航线。
如图7所示，改进蚁群算法的可行性在船舶避碰航线规划问题上得到了证实，寻找到了从出发点A到终点B的无碰撞航线，实现了对算法的目标要求。从改进蚁群算法适应度情况来看，如图7中的横轴所示，在迭代23次左右之后，所寻找到的航线长度已经不再变化，如图7中的直线部分在纵轴上的坐标所示，大致为43个方格的边长，该路径即为本船最优避碰航线。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (6)
1.一种船舶避碰方法，其特征在于，包括以下步骤：
(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0，所述安全边界是船舶为避碰而在其外围设定的一圈闭合曲线，所述闭合曲线上的每一点离船体的垂直距离为定常回转半径R，其计算公式为：
其中，k1是与吃水和船舶形状有关的系数，为常数；k2是与枢心位置有关的参数，船舶作定常回转运动时枢心位置固定，所以k2也是常数；h为吃水深度；L为船吃水部分的长度，等于船长；CL为舵的升力系数，与舵角有关；A为舵叶的单侧浸水面积；l为舵杆轴线至船舶重心的距离；
(2)获取本船所处航道中所有碍航物的状态信息；
(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；
(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；
(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线；
(6)确定多条避碰航行路线中耗时最短的路线为最优避碰航行路线，
所述最优避碰航行路线为所有避碰转向点按照航行时间先后顺序相连后所得到的曲线，通过以下改进蚁群算法计算出最短路径而得到，计算过程如下：
可行转移概率为：
其中，表示第k只蚂蚁在第i个可行解的转移概率，τi(t)表示t时刻第i个可行解的信息素，初始信息素τi(0)＝f(x)，f(x)表示目标函数值；
由式(2)可知，蚂蚁转移概率越小，所在可行解越接近当前最大可行解，命令其局部搜索；转移概率越大，越远离当前最大可行解，明确其全局搜索；
式(3)中，rand为[-1,1]之间的随机数，p0为概率常数，当pi＜p0时，x(t+1)进行局部搜索；当pi≥p0时，x(t+1)进行全局搜索；基于传统蚁群算法中信息素公式，在非线性函数求极值问题中，信息素变为：
τi(t+1)＝(1-ρ)×τi(t)+Q×f(x) (4)
其中，ρ为信息素挥发因子，Q为信息素释放因子，f(x)越大，信息素释放量就越高。
2.根据权利要求1所述的船舶避碰方法，其特征在于，所述状态信息包括动态信息和静态信息，所述动态信息包括航速和航向，所述静态信息包括位置。
3.根据权利要求1所述的船舶避碰方法，其特征在于，若步骤(2)中任一所述碍航物的状态信息发生变化，则重复步骤(1)-步骤(5)，直至航道中不存在碰撞风险。
4.根据权利要求1所述的船舶避碰方法，其特征在于，步骤(2)中所述碍航物的状态信息由本船的船舶自动识别系统及导航雷达获得。
5.根据权利要求4所述的船舶避碰方法，其特征在于，所述碍航物状态信息的获取过程为：
(21)将船舶自动识别系统获取的数据和导航雷达信息统一到同一个时间系统中；
(22)进行位置坐标变换和时间校正；
(23)在统一的融合时间节点上进行归集计算；
(24)基于关联目标加权实现碍航物轨迹的融合。
6.根据权利要求1所述的船舶避碰方法，其特征在于，步骤(5)中所述避碰转向点为本船与潜在碰撞目标未来会遇时，本船的安全边界上的切线点，并将全部切线点按照未来会遇时间保存。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111564382.7A CN114387822B (zh) | 2021-12-20 | 2021-12-20 | 船舶避碰方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111564382.7A CN114387822B (zh) | 2021-12-20 | 2021-12-20 | 船舶避碰方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114387822A CN114387822A (zh) | 2022-04-22 |
| CN114387822B true CN114387822B (zh) | 2023-09-12 |
Family
ID=81197243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111564382.7A Active CN114387822B (zh) | 2021-12-20 | 2021-12-20 | 船舶避碰方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114387822B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115457807B (zh) * | 2022-10-25 | 2023-09-26 | 安徽慧软智能科技有限公司 | 基于导航雷达的船舶避碰预警系统 |
| CN116203970A (zh) * | 2023-04-27 | 2023-06-02 | 泰坦(天津)能源技术有限公司 | 一种巡检机器人的智能避障方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013028296A (ja) * | 2011-07-29 | 2013-02-07 | Ship & Ocean Foundation | 船舶用航行支援装置 |
| CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
| CN111063218A (zh) * | 2019-06-24 | 2020-04-24 | 武汉理工大学 | 一种船舶避碰决策方法 |
| CN112180950A (zh) * | 2020-11-05 | 2021-01-05 | 武汉理工大学 | 一种基于强化学习的智能船舶自主避碰及路径规划方法 |
| CN113538973A (zh) * | 2021-07-20 | 2021-10-22 | 大连海事大学 | 一种基于改进粒子群算法的船舶自动避碰方法 |
-
2021
- 2021-12-20 CN CN202111564382.7A patent/CN114387822B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013028296A (ja) * | 2011-07-29 | 2013-02-07 | Ship & Ocean Foundation | 船舶用航行支援装置 |
| CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
| CN111063218A (zh) * | 2019-06-24 | 2020-04-24 | 武汉理工大学 | 一种船舶避碰决策方法 |
| CN112180950A (zh) * | 2020-11-05 | 2021-01-05 | 武汉理工大学 | 一种基于强化学习的智能船舶自主避碰及路径规划方法 |
| CN113538973A (zh) * | 2021-07-20 | 2021-10-22 | 大连海事大学 | 一种基于改进粒子群算法的船舶自动避碰方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于最短避碰距离和碰撞危险度的避碰决策支持;刘冬冬;史国友;李伟峰;陈作桓;江健;;上海海事大学学报(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114387822A (zh) | 2022-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109933067B (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
| CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
| CN114387822B (zh) | 船舶避碰方法 | |
| CN110906935B (zh) | 一种无人艇路径规划方法 | |
| CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
| CN113759939B (zh) | 一种受限水域智能航行方法及装置 | |
| CN108803313A (zh) | 一种基于海流预测模型的路径规划方法 | |
| Wang et al. | Cooperative collision avoidance for unmanned surface vehicles based on improved genetic algorithm | |
| CN111829527A (zh) | 一种基于深度强化学习且顾及海洋环境要素的无人船路径规划方法 | |
| CN113721615B (zh) | 一种基于机器视觉的海航路径规划方法及系统 | |
| He et al. | Dynamic adaptive intelligent navigation decision making method for multi-object situation in open water | |
| CN112817318B (zh) | 一种多无人艇协同搜索控制方法及系统 | |
| 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 | |
| CN111984012A (zh) | 一种无人船自主避障及航线规划的方法 | |
| CN113010958A (zh) | 自航船舶的模拟系统及其运作方法 | |
| CN116448115B (zh) | 基于导航雷达和光电的无人艇概率距离地图构建方法 | |
| CN115936190A (zh) | 一种智能航行作业风险预警方法 | |
| CN114610046A (zh) | 一种考虑动态水深的无人艇动态安全轨迹规划方法 | |
| CN111412918B (zh) | 无人艇全局安全路径规划方法 | |
| CN117232520A (zh) | 一种适用于海上航行的船舶智能导航系统及导航方法 | |
| 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 | |
| CN116678422A (zh) | 基于多邻域规则格网的舰船最短时间航线自动规划方法 | |
| 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 | |
| Zhang et al. | Dynamic path planning algorithm for unmanned surface vehicle under island-reef environment | |
| CN110618685A (zh) | 一种无人水面艇障碍物探测误差修正及安全避碰方法 |
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 |