CN115344039A - 一种基于自适应分离组合策略的无人艇集群避障方法 - Google Patents
一种基于自适应分离组合策略的无人艇集群避障方法 Download PDFInfo
- Publication number
- CN115344039A CN115344039A CN202210797936.6A CN202210797936A CN115344039A CN 115344039 A CN115344039 A CN 115344039A CN 202210797936 A CN202210797936 A CN 202210797936A CN 115344039 A CN115344039 A CN 115344039A
- Authority
- CN
- China
- Prior art keywords
- obstacle avoidance
- unmanned ship
- unmanned
- obstacle
- navigation
- 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.)
- Granted
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
Abstract
本申请公开了一种基于自适应分离组合策略的无人艇集群避障方法,涉及无人艇技术领域,该方法在无人艇集群按照编队阵型在航行海域内航行过程中,根据无人艇集群的航行方向上的障碍物信息对所述无人艇集群中的各艘无人艇分别进行避障路径规划,确定各艘无人艇的最短避障路径,然后根据最短避障路径的分布情况对无人艇集群进行重新组合,将无人艇集群分离为若干个避障分组,控制各个避障分组分别按照各自的避障阵型航行实现避障,可以有效解决无人艇集群在按照编队阵型时避障难度大的问题,使得无人艇集群可以安全灵活的规避障碍物,尤其适用于复杂场景和密集障碍场景,提高了无人艇集群的航行安全性和环境适应性。
Description
技术领域
本申请涉及无人艇技术领域,尤其是一种基于自适应分离组合策略的无人艇集群避障方法。
背景技术
无人艇作为一种新型智能化船艇平台,近年来被广泛应用于各军事和民用领域。相比于传统的有人船,无人艇具有体积小、机动灵活、信息化程度高等优势,能更高效地完成水上作业任务。随着无人艇技术的发展和真实应用场景越来越复杂,基于单艇作业的方式已经无法满足实际需求,多无人艇集群作业成为了一个重要的发展方向。无人艇集群在任务执行效率、作业范围、系统鲁棒性等方面都有着更大的优势,更加适应于恶劣海况和广阔海域下的作业任务。利用多艇的协同和控制技术,无人艇集群系统可以有效地提升作业的信息化及智能化程度,极大地拓展无人艇这一新型水上平台的应用范围和能力边界,进而提高无人艇在军民领域的利用效率。
集群控制是无人艇集群实现自组织和协同作业的基础技术和关键技术之一。无人艇集群控制的主要目标是通过控制多艘无人艇的航行参数来维持或调整某种组织阵型,进而实现对环境或任务的自适应。当前无人艇集群的相关研究主要集中于面向简单场景的无人艇编队控制方法,如领航跟随法、虚拟结构法、基于行为的方法等,但是真实海洋环境复杂,这种常规现有的编队控制方法往往无法确保对水上密集障碍物的安全、灵活规避,容易造成无人艇发生碰撞的危险,这影响了无人艇集群的航行安全和执行效率,从而较大地限制了无人艇集群的应用场景和范围。
发明内容
本申请人针对上述问题及技术需求,提出了一种基于自适应分离组合策略的无人艇集群避障方法,本申请的技术方案如下:
一种基于自适应分离组合策略的无人艇集群避障方法,该方法包括:
在无人艇集群按照编队阵型在航行海域内航行过程中,确定航行海域内在无人艇集群的航行方向上的障碍物信息;
根据航行海域内的障碍物信息对无人艇集群中的各艘无人艇分别进行避障路径规划,确定各艘无人艇的最短避障路径;
确定最短避障路径的路径偏差在偏差阈值内的无人艇属于同一个避障分组、将无人艇集群分离为若干个避障分组;
控制各个避障分组分别按照各自的避障阵型航行实现避障。
其进一步的技术方案为,根据航行海域内的障碍物信息确定各艘无人艇的最短避障路径的方法包括:
根据航行海域内的障碍物信息将航行海域进行二值栅格化处理,构建得到环境栅格模型;
在环境栅格模型上利用快速行进算法和梯度下降算法计算得到各艘无人艇的最短避障路径。
其进一步的技术方案为,在环境栅格模型上利用快速行进算法和梯度下降算法计算得到每艘无人艇的最短避障路径的方法包括:
以无人艇的避障终点G作为快速行进算法的传播源点p0,在环境栅格模型上执行快速行进算法,迭代计算每个栅格的传播时间值得到时间栅格矩阵:
其中,T(p)表示从无人艇的避障终点G传播到栅格p处的传播时间值,表示时间栅格矩阵在栅格p处的最小梯度值,W(p)表示栅格p处的传播速度,当栅格p被障碍物覆盖时W(p)=1,当栅格p未被障碍物覆盖时W(p)=0;
将无人艇的当前所在位置作为避障起点S形成第一个当前路径点,计算时间栅格矩阵在当前路径点的各个方向的梯度,并将最小梯度方向的栅格作为下一个当前路径点,重新执行计算时间栅格矩阵在当前路径点的各个方向的梯度的步骤,直至到达无人艇的避障终点G,确定无人艇从避障起点S至避障终点G依次经过的各个栅格形成无人艇的最短避障路径,无人艇的避障终点G与避障起点S在无人艇的航行方向上分别位于障碍物两侧。
其进一步的技术方案为,构建得到环境栅格模型,包括:
将航行海域进行等距栅格划分,栅格的尺寸为c×c且c等于无人艇的两倍船长,根据航行海域内的障碍物信息将划分得到的栅格中被障碍物覆盖的栅格赋值为1、将未被障碍物覆盖的栅格赋值为0,构建得到环境栅格模型。
其进一步的技术方案为,将无人艇集群分离为若干个避障分组,包括:
根据航行海域内的障碍物信息、确定航行海域中被障碍物分隔形成的若干个避障通道;
将无人艇集群中最短避障路径经过同一个避障通道的无人艇划分在同一个避障分组内,经过不同避障通道的无人艇划分到不同的避障分组内,将无人艇集群分离为若干个避障分组。
其进一步的技术方案为,控制各个避障分组分别按照各自的避障阵型航行实现避障,包括:
对于仅包含一艘无人艇的避障分组,控制无人艇沿着自身的最短避障路径航行实现避障;
对于包含多艘无人艇的避障分组,对避障分组中的无人艇构造避障阵型,控制其中作为领航者的无人艇沿着自身的最短避障路径航行,控制其余作为跟随者按照避障阵型跟随领航者航行实现避障。
其进一步的技术方案为,对避障分组中的无人艇构造避障阵型,包括构造基于三角阵型的避障阵型,任意第i个跟随者与领航者之间的相对位置关系为:
其中,Xi是第i个跟随者与领航者之间在船宽方向上的距离,Yi是第i个跟随者与领航者之间在船长方向上的距离,φi是第i个跟随者与领航者之间的航行方向的偏差,R是第i个跟随者与领航者之间的直线距离,θi是第i个跟随者与领航者之间的连线和领航者的航行方向之间的夹角,θ=180°/(N-1),N是避障分组中包含的无人艇的总数量;L(i)是第i个跟随者的方位标记值,当第i个跟随者位于领航者的航行方向的右侧时L(i)=1,当第i个跟随者位于领航者的航行方向的左侧时L(i)=-1,当第i个跟随者位于领航者的航行方向的后方时L(i)=0。
其进一步的技术方案为,该方法还包括:
控制各个避障分组分别按照各自的避障阵型航行避开障碍物后,控制各个避障分组中的无人艇恢复为原始的无人艇集群的编队阵型,并控制无人艇集群按照编队阵型继续航行。
其进一步的技术方案为,确定航行海域内在无人艇集群的航行方向上的障碍物信息,包括:
通过无人艇集群中的各艘无人艇分别通过各自的艇载探测设备获取探测范围内的局部障碍物信息;
对各艘无人艇获取到的局部障碍物信息进行信息融合,得到航行海域内全局的障碍物信息。
本申请的有益技术效果是:
本申请公开了一种基于自适应分离组合策略的无人艇集群避障方法,该方法在确定无人艇集群中各艘无人艇的最短避障路径的基础上,根据最短避障路径的分布情况对无人艇集群进行重新组合,将无人艇集群分离为若干个避障分组,控制各个避障分组分别按照各自的避障阵型航行实现避障,可以有效解决无人艇集群在按照编队阵型时避障难度大的问题,使得无人艇集群可以安全灵活的规避障碍物,尤其适用于复杂场景和密集障碍场景。
在分组完成避障后,无人艇集群又可以重新恢复到按照原始编队阵型航行,不影响无人艇集群的执行效率,扩展了无人艇集群的应用场景和范围,有效提升无人艇集群的航行安全性和环境适应性。
本申请提供了一种基于环境栅格模型利用快速行进算法和梯度下降算法进行最短避障路径规划的方法,易于实现。
附图说明
图1是本申请一个实施例的无人艇集群避障方法的方法流程图。
图2是本申请另一个实施例的无人艇集群避障方法的方法流程图。
图3是本申请又一个实施例的无人艇集群避障方法的方法流程图。
图4是一个应用实例的场景示意图。
图5是另一个应用实例的场景示意图。
具体实施方式
下面结合附图对本申请的具体实施方式做进一步说明。
本申请公开了一种基于自适应分离组合策略的无人艇集群避障方法,请参考图1所示的流程图,该方法包括如下步骤:
步骤110,在无人艇集群按照编队阵型在航行海域内航行过程中,确定航行海域内在无人艇集群的航行方向上的障碍物信息。
无人艇集群包括若干艘无人艇,无人艇集群在正常航行时采用的原始的编队阵型可以是现有的各种阵型,各种编队阵型下的编队航行方法也可以按照现有的方法实现,本申请对此不做赘述,该障碍物信息一般基于无人艇上的艇载探测设备来探测获取,无人艇集群按照编队阵型航行过程中,通过艇载探测设备不断探测航行海域内的障碍物信息。
为了更全面的获取航行海域内全局的障碍物信息,得到航行海域内全局的障碍物信息的方法包括如下步骤,请参考图2所示的流程图:
步骤111,通过无人艇集群中的各艘无人艇分别通过各自的艇载探测设备获取探测范围内的局部障碍物信息。艇载探测设备包括航海雷达、光电传感器和声纳中的至少一种。
步骤112,对各艘无人艇获取到的局部障碍物信息进行信息融合,以降低探测误差并扩大探测范围,最终得到航行海域内全局的障碍物信息。信息融合的具体方法可以采用现有的信息融合方法,本申请对此不赘述。得到的航行海域内全局的障碍物信息包括障碍物的位置和几何形状。
步骤120,根据航行海域内的障碍物信息对无人艇集群中的各艘无人艇分别进行避障路径规划,确定各艘无人艇从避障起点S至避障终点G的最短避障路径,无人艇的避障起点S即为无人艇当前所在位置,无人艇的避障终点G与避障起点S在无人艇的航行方向上分别位于障碍物两侧。一般取无人艇的避障终点G为该无人艇的位于障碍物后方的全局路径上的位置点,比如取该无人艇的全局路径经过障碍物后的第一个位置点。其中,每艘无人艇的全局路径是无人艇集群按照编队阵型航行过程时,预先规划确定的该无人艇的航行路径。
在一个实施例中,请参考图2,对各艘无人艇分别进行避障路径规划的方法包括如下步骤:
步骤121,根据航行海域内的障碍物信息将航行海域进行二值栅格化处理,构建得到环境栅格模型。具体的,首先将航行海域进行等距栅格划分,栅格的尺寸为c×c且c等于无人艇的两倍船长。由于障碍物信息指示了障碍物的位置以及尺寸,所以在划分栅格后,障碍物覆盖了哪些栅格就是已知的,这里的覆盖包括全局覆盖栅格以及部分覆盖栅格,由此可以根据航行海域内的障碍物信息将被障碍物覆盖的栅格赋值为1、将未被障碍物覆盖的栅格赋值为0,由此完成二值栅格化处理,构建得到环境栅格模型。
步骤122,在环境栅格模型上利用快速行进算法和梯度下降算法计算得到各艘无人艇的最短避障路径。具体的,对于每一艘无人艇,确定该无人艇的最短避障路径的方法请参考图3所示的流程图:
(1)以无人艇的避障终点G作为快速行进算法的传播源点p0,在环境栅格模型上执行快速行进算法,迭代计算每个栅格的传播时间值,得到包含所有栅格的传播时间值的时间栅格矩阵:
其中,T(p)表示从无人艇的避障终点G传播到栅格p处的传播时间值,表示时间栅格矩阵在栅格p处的最小梯度值,W(p)表示栅格p处的传播速度,当栅格p被障碍物覆盖时W(p)=1,当栅格p未被障碍物覆盖时W(p)=0。
(2)将无人艇的当前所在位置作为避障起点S形成第一个当前路径点。
(3)计算时间栅格矩阵在当前路径点的各个方向的梯度。
(4)将最小梯度方向的栅格作为下一个当前路径点。
(5)判断下一个当前路径点是否是无人艇的避障终点G,若不是,则重新执行步骤(3)~(5)。
(6)若下一个当前路径点是无人艇的避障终点G,则确定无人艇从避障起点S至避障终点G依次经过的各个栅格形成无人艇的最短避障路径。
步骤130,确定最短避障路径的路径偏差在偏差阈值内的无人艇属于同一个避障分组、将无人艇集群分离为若干个避障分组。也即将最短避障路径靠近的无人艇划分在同一个避障分组,将最短避障路径距离较远的无人艇划分在不同避障分组。
路径偏差可以通过曲线距离来衡量,偏差阈值是预设值。但如果要具体计算每两条路径偏差之间的具体曲线距离,则计算量较大,因此在一个实施例中,更为便捷的衡量方式是,根据航行海域内的障碍物信息、确定航行海域中被障碍物分隔形成的若干个避障通道。航行海域内因为有障碍物的存在,因此航行海域会被障碍物分隔形成的若干个避障通道,比如当有一个障碍物时,航行海域被分隔成障碍物左侧和右侧两个避障通道,当有更多障碍物时,则被分隔为更多的避障通道,根据障碍物信息提供的障碍物的位置和尺寸,即可以确定障碍物形成的避障通道,该避障通道即为无人艇在避障过程中可以行驶的区域。请参考图4所示的应用场景示意图,假设航行区域内有障碍物41~45,则根据障碍物41~45的障碍物信息,即可以确定避障通道Ch1~Ch4的位置和尺寸。
然后将无人艇集群中最短避障路径经过同一个避障通道的无人艇划分在同一个避障分组内,经过不同避障通道的无人艇划分到不同的避障分组内,从而快速准确的将无人艇集群分离为若干个避障分组。
比如在图4所示的应用场景中,无人艇集群中包括9艘无人艇分别为无人艇1~9,图4示出了各艘无人艇的最短避障路径。由此将最短避障路径都经过避障通道Ch1的无人艇1、2划分在同一个避障分组Fm1内,将最短避障路径都经过避障通道Ch2的无人艇3、4、5划分在同一个避障分组Fm2内,将最短避障路径经过避障通道Ch3的无人艇3、4、5划分在避障分组Fm3内,将最短避障路径都经过避障通道Ch4的无人艇7、8、9划分在同一个避障分组Fm4内。
结合图4的实例也可以看出,划分得到的任意两个避障分组包含的无人艇的数量相等或不相等,一个避障分组中可以仅包含一艘无人艇,也可以包含多艘无人艇。
步骤140,控制各个避障分组分别按照各自的避障阵型航行实现避障,也即不再对无人艇集群进行整体避障,而是自动分离成若干个避障分组分别避障,有效提升无人艇集群的航行安全性和环境适应性。对包含一艘和多艘无人艇的情况分别介绍如下:
步骤141,对于仅包含一艘无人艇的避障分组,控制无人艇沿着自身的最短避障路径航行实现避障。
步骤142,对于包含多艘无人艇的避障分组,对避障分组中的无人艇构造避障阵型,控制其中作为领航者的无人艇沿着自身的最短避障路径航行,控制其余作为跟随者按照避障阵型跟随领航者航行实现避障。
在一个实施例中,对一个避障分组中的N艘无人艇构造基于三角阵型的避障阵型,请结合图5,任意第i个跟随者与领航者之间的相对位置关系为:
其中,Xi是第i个跟随者与领航者之间在船宽方向上的距离,Yi是第i个跟随者与领航者之间在船长方向上的距离。φi是第i个跟随者与领航者之间的航行方向的偏差,即需要保证跟随者与领航者之间的航行方向一致。R是第i个跟随者与领航者之间的直线距离,根据无人艇之间的安全距离确定。θi是第i个跟随者与领航者之间的连线和领航者的航行方向之间的夹角,θ=180°/(N-1)。L(i)是第i个跟随者的方位标记值,当第i个跟随者位于领航者的航行方向的右侧时L(i)=1,当第i个跟随者位于领航者的航行方向的左侧时L(i)=-1,当第i个跟随者位于领航者的航行方向的后方时L(i)=0。
比如请参考图5,对图4实例中的避障分组Fm2内包含的无人艇3、4、5,以无人艇4作为领航者,无人艇3和5分别作为跟随者,对于无人艇5,其与领航者之间的Xi、Yi、R和θi如图5所示,且无人艇5在领航者的航行方向的右侧、L(i)=1。
另外,该方法还包括如下步骤150,请参考图2,在控制各个避障分组分别按照各自的避障阵型航行避开障碍物后,控制各个避障分组中的无人艇恢复为原始的无人艇集群的编队阵型,并控制无人艇集群按照编队阵型继续航行,也即每艘无人艇继续按照各自的全局路径继续航行。
以上所述的仅是本申请的优选实施方式,本申请不限于以上实施例。可以理解,本领域技术人员在不脱离本申请的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本申请的保护范围之内。
Claims (9)
1.一种基于自适应分离组合策略的无人艇集群避障方法,其特征在于,所述方法包括:
在无人艇集群按照编队阵型在航行海域内航行过程中,确定所述航行海域内在所述无人艇集群的航行方向上的障碍物信息;
根据所述航行海域内的障碍物信息对所述无人艇集群中的各艘无人艇分别进行避障路径规划,确定各艘无人艇的最短避障路径;
确定最短避障路径的路径偏差在偏差阈值内的无人艇属于同一个避障分组、将所述无人艇集群分离为若干个避障分组;
控制各个避障分组分别按照各自的避障阵型航行实现避障。
2.根据权利要求1所述的方法,其特征在于,根据所述航行海域内的障碍物信息确定各艘无人艇的最短避障路径的方法包括:
根据所述航行海域内的障碍物信息将所述航行海域进行二值栅格化处理,构建得到环境栅格模型;
在所述环境栅格模型上利用快速行进算法和梯度下降算法计算得到各艘无人艇的最短避障路径。
3.根据权利要求2所述的方法,其特征在于,在所述环境栅格模型上利用快速行进算法和梯度下降算法计算得到每艘无人艇的最短避障路径的方法包括:
以所述无人艇的避障终点G作为快速行进算法的传播源点p0,在所述环境栅格模型上执行快速行进算法,迭代计算每个栅格的传播时间值得到时间栅格矩阵:
其中,T(p)表示从所述无人艇的避障终点G传播到栅格p处的传播时间值,表示时间栅格矩阵在栅格p处的最小梯度值,W(p)表示栅格p处的传播速度,当栅格p被障碍物覆盖时W(p)=1,当栅格p未被障碍物覆盖时W(p)=0;
将所述无人艇的当前所在位置作为避障起点S形成第一个当前路径点,计算时间栅格矩阵在当前路径点的各个方向的梯度,并将最小梯度方向的栅格作为下一个当前路径点,重新执行所述计算时间栅格矩阵在当前路径点的各个方向的梯度的步骤,直至到达所述无人艇的避障终点G,确定所述无人艇从避障起点S至避障终点G依次经过的各个栅格形成所述无人艇的最短避障路径,所述无人艇的避障终点G与避障起点S在所述无人艇的航行方向上分别位于障碍物两侧。
4.根据权利要求2所述的方法,其特征在于,所述构建得到环境栅格模型,包括:
将所述航行海域进行等距栅格划分,栅格的尺寸为c×c且c等于无人艇的两倍船长,根据所述航行海域内的障碍物信息将划分得到的栅格中被障碍物覆盖的栅格赋值为1、将未被障碍物覆盖的栅格赋值为0,构建得到环境栅格模型。
5.根据权利要求1所述的方法,其特征在于,所述将所述无人艇集群分离为若干个避障分组,包括:
根据所述航行海域内的障碍物信息、确定所述航行海域中被障碍物分隔形成的若干个避障通道;
将所述无人艇集群中最短避障路径经过同一个避障通道的无人艇划分在同一个避障分组内,经过不同避障通道的无人艇划分到不同的避障分组内,将所述无人艇集群分离为若干个避障分组。
6.根据权利要求1所述的方法,其特征在于,控制各个避障分组分别按照各自的避障阵型航行实现避障,包括:
对于仅包含一艘无人艇的避障分组,控制所述无人艇沿着自身的最短避障路径航行实现避障;
对于包含多艘无人艇的避障分组,对所述避障分组中的无人艇构造避障阵型,控制其中作为领航者的无人艇沿着自身的最短避障路径航行,控制其余作为跟随者按照所述避障阵型跟随所述领航者航行实现避障。
7.根据权利要求6所述的方法,其特征在于,所述对所述避障分组中的无人艇构造避障阵型,包括构造基于三角阵型的避障阵型,任意第i个跟随者与领航者之间的相对位置关系为:
其中,Xi是第i个跟随者与领航者之间在船宽方向上的距离,Yi是第i个跟随者与领航者之间在船长方向上的距离,φi是第i个跟随者与领航者之间的航行方向的偏差,R是第i个跟随者与领航者之间的直线距离,θi是第i个跟随者与领航者之间的连线和所述领航者的航行方向之间的夹角,θ=180°/(N-1),N是所述避障分组中包含的无人艇的总数量;L(i)是第i个跟随者的方位标记值,当第i个跟随者位于领航者的航行方向的右侧时L(i)=1,当第i个跟随者位于领航者的航行方向的左侧时L(i)=-1,当第i个跟随者位于领航者的航行方向的后方时L(i)=0。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
控制各个避障分组分别按照各自的避障阵型航行避开障碍物后,控制各个避障分组中的无人艇恢复为原始的无人艇集群的编队阵型,并控制所述无人艇集群按照所述编队阵型继续航行。
9.根据权利要求1所述的方法,其特征在于,所述确定所述航行海域内在所述无人艇集群的航行方向上的障碍物信息,包括:
通过所述无人艇集群中的各艘无人艇分别通过各自的艇载探测设备获取探测范围内的局部障碍物信息;
对各艘无人艇获取到的局部障碍物信息进行信息融合,得到所述航行海域内全局的障碍物信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210797936.6A CN115344039B (zh) | 2022-07-06 | 2022-07-06 | 一种基于自适应分离组合策略的无人艇集群避障方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210797936.6A CN115344039B (zh) | 2022-07-06 | 2022-07-06 | 一种基于自适应分离组合策略的无人艇集群避障方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115344039A true CN115344039A (zh) | 2022-11-15 |
CN115344039B CN115344039B (zh) | 2023-08-18 |
Family
ID=83948517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210797936.6A Active CN115344039B (zh) | 2022-07-06 | 2022-07-06 | 一种基于自适应分离组合策略的无人艇集群避障方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115344039B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945045A (zh) * | 2012-11-19 | 2013-02-27 | 上海大学 | 基于激光传感器和前视声纳的无人艇组合避障装置和方法 |
CN106503837A (zh) * | 2016-10-11 | 2017-03-15 | 哈尔滨工程大学 | 一种基于改进水平集算法的时间最优航路规划方法 |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
CN109298712A (zh) * | 2018-10-19 | 2019-02-01 | 大连海事大学 | 一种基于自适应航行态势学习的无人驾驶船舶自主避碰决策方法 |
CN111142533A (zh) * | 2020-01-03 | 2020-05-12 | 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 |
CN112000131A (zh) * | 2020-09-09 | 2020-11-27 | 中国人民解放军国防科技大学 | 基于人工势场法的无人机集群路径规划方法及系统 |
CN112578793A (zh) * | 2020-11-24 | 2021-03-30 | 哈尔滨工程大学 | 一种快速运动水面艇的避障方法 |
CN114035574A (zh) * | 2021-11-01 | 2022-02-11 | 武汉量宇智能科技有限公司 | 水面无人艇自主避障方法 |
-
2022
- 2022-07-06 CN CN202210797936.6A patent/CN115344039B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945045A (zh) * | 2012-11-19 | 2013-02-27 | 上海大学 | 基于激光传感器和前视声纳的无人艇组合避障装置和方法 |
CN106503837A (zh) * | 2016-10-11 | 2017-03-15 | 哈尔滨工程大学 | 一种基于改进水平集算法的时间最优航路规划方法 |
CN108256553A (zh) * | 2017-12-20 | 2018-07-06 | 中国人民解放军国防科技大学 | 车辆搭载无人机双层路径的构造方法及装置 |
CN109298712A (zh) * | 2018-10-19 | 2019-02-01 | 大连海事大学 | 一种基于自适应航行态势学习的无人驾驶船舶自主避碰决策方法 |
CN111142533A (zh) * | 2020-01-03 | 2020-05-12 | 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 |
CN112000131A (zh) * | 2020-09-09 | 2020-11-27 | 中国人民解放军国防科技大学 | 基于人工势场法的无人机集群路径规划方法及系统 |
CN112578793A (zh) * | 2020-11-24 | 2021-03-30 | 哈尔滨工程大学 | 一种快速运动水面艇的避障方法 |
CN114035574A (zh) * | 2021-11-01 | 2022-02-11 | 武汉量宇智能科技有限公司 | 水面无人艇自主避障方法 |
Non-Patent Citations (2)
Title |
---|
ZHUO CHEN等: "Optimal Path Planning for Unmanned Surface Vehicle Based on Fast Marching Method", 《IEEE》, pages 4677 - 4682 * |
曲晟东: "无人艇编队路径规划研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 5, pages 11 - 15 * |
Also Published As
Publication number | Publication date |
---|---|
CN115344039B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609552B (zh) | 一种水下无人航行器编队平面航迹规划方法 | |
CN110262492B (zh) | 一种无人艇的实时避碰和目标跟踪方法 | |
Hinostroza et al. | Cooperative operation of autonomous surface vehicles for maintaining formation in complex marine environment | |
Mahmoudzadeh et al. | UUV’s hierarchical DE-based motion planning in a semi dynamic underwater wireless sensor network | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
CN109725331B (zh) | 一种基于激光雷达的无人艇避障方法 | |
CN110989639B (zh) | 一种基于应力矩阵的水下航行器编队控制方法 | |
CN110244720B (zh) | 用于海上无人艇的路径规划方法及系统 | |
CN109213204B (zh) | 基于数据驱动的auv海底目标搜寻航行系统及方法 | |
CN113342008B (zh) | 一种海空协同水下目标追踪的路径规划系统及方法 | |
CN110444046B (zh) | 一种受限水域非冲突会遇船舶集群态势分析方法 | |
Sousselier et al. | Line formation algorithm in a swarm of reactive robots constrained by underwater environment | |
CN109857117B (zh) | 一种基于分布式模式匹配的无人艇集群编队方法 | |
CN110333723B (zh) | 一种基于双通信设备的无人艇协同编队方法 | |
CN112880678A (zh) | 一种复杂水域环境中无人艇航行规划方法 | |
CN115344039B (zh) | 一种基于自适应分离组合策略的无人艇集群避障方法 | |
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 | |
Han et al. | Field demonstration of advanced autonomous navigation technique for a fully unmanned surface vehicle in complex coastal traffic areas | |
CN113110460B (zh) | 一种动态环境下获取水面无人艇艏向可行区间的方法 | |
CN114879664A (zh) | Auv编队方法、装置、计算机系统及可读存储介质 | |
CN109213164A (zh) | 基于水面无人艇船体模型的模型预测控制的高速紧急避障方法 | |
Zhao | Step-by-step multi-ship collision avoidance navigation path planning based on particle swarm optimization | |
CN110928278A (zh) | 一种用于无人艇的自主安全航行方法和无人艇 | |
CN110648557B (zh) | 一种受限水域基于船舶集群态势的相对领域获取方法 | |
Mittal et al. | Minimum-time motion-planning of AUVs under spatially varying ocean currents |
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 |