水面无人艇的多方向路径规划方法研究

水面无人艇的多方向路径规划方法研究
发布时间：2021-09-07T12:20:40.098Z 来源：《探索科学》2021年7月下14期作者：肖越
[导读] 随着无人技术的发展，水面无人艇在水质监测、海底勘测、海上巡航和海上运输等方面的应用越来越广。

相对于有人船，USV较多应用于近岸、港口等浅水水域。

USV等航行器在近岸等浅水域中作业时，需对安全水深区和碍航区进行准确划分。

在障碍物边界预留船舶安全缓冲区，缓冲区半径取USV预留安全距离和旋回半径的较大值，以确保船舶安全航行。

路径规划算法分为图搜索规划算法、随机采样方法、曲线插值方法、机器学习方法、仿生智能方法和动态优化方法等。

基于此，本篇文章对水面无人艇的多方向路径规划方法进行研究，以供参考。

中国船舶集团第七一〇研究所肖越湖北宜昌 443000
摘要：随着无人技术的发展，水面无人艇在水质监测、海底勘测、海上巡航和海上运输等方面的应用越来越广。

相对于有人船，USV较多应用于近岸、港口等浅水水域。

USV等航行器在近岸等浅水域中作业时，需对安全水深区和碍航区进行准确划分。

在障碍物边界预留船舶安全缓冲区，缓冲区半径取USV预留安全距离和旋回半径的较大值，以确保船舶安全航行。

路径规划算法分为图搜索规划算法、随机采样方法、曲线插值方法、机器学习方法、仿生智能方法和动态优化方法等。

基于此，本篇文章对水面无人艇的多方向路径规划方法进行研究，以供参考。

关键词：水面无人艇；多方向；路径规划方法
引言
无人水面艇（UnmannedSurfaceVessel,USV），简称无人艇，是一种能够在水面上自主规划、自主导航的小型化、无人化的智能平台。

由于其具有体积小、机动性强、航速快、应用范围广等特点，无人艇近年来已成为国内外智能化海洋装备领域的研究热点和重点，而无人艇的航向控制技术是无人艇装备研制过程中的一项基本而关键的技术。

由于无人艇在水面航行时易受风浪流等环境因素干扰，同时具有复杂的非线性控制系统，因此需要较优的控制方法。

进入20世纪以后，各种智能控制技术开始蓬勃发展，如粒子群算法、神经网络和遗传算法等。

其中船舶的模糊控制及神经网络为智能控制的两大核心技术，成功解决了许多实际控制问题，但是模糊控制最大的缺点就是学习能力差、稳态精度低，而神经网络控制的最大缺点就是推理能力差、过渡过程慢。

在20世纪80年代后期的日本，出现了一系列有关模糊神经网络的文章。

自此，模糊神经网络控制由于两者之间的互补性在控制领域已经成为一个研究热点。

1水面目标检测与跟踪
1.1基于空间信息的深度学习检测
输入图像首先由基础网络经过迭代卷积运算充分提取特征，再通过附加网络进行进一步的特征提取与分析，利用卷积预测器进行目标位置偏移量预测与分类，最后用非极大值抑制方法去除冗余。

基础网络采用VGG结构作为特征提取网络，在网络末端使用2个卷积层替换原网络的2个全连接层，并在其后增加8层附加网络进一步提高特征提取能力。

深度不同的特征图的感受野不同，对不同尺度目标的响应也不同。

SSD检测网络从特征提取网络抽取conv4_3,conv7,conv8_2,conv9_2,conv10_2和池化层pool11共6层尺度递减的特征图作为输入，以实现多尺度目标的检测。

检测多尺度目标分3步：在不同尺度特征图上生成宽高比不同面积相同的默认框；经过大量样本的训练卷积预测器以默认框中的抽象特征为输入预测默认框的偏差；通过非极大值抑制去除置信度较低的冗余框。

1.2时空信息的融合
利用深度学习进行目标检测来提取单帧图像特征，精确度较高，可以对未知目标进行识别分类，鲁棒性强。

但检测没有结合视频图像帧与帧之间的时间信息关系，可能会导致漏检，且运行速度较慢。

而相关滤波跟踪是通过提取连续帧图像的特征并训练滤波器实现，计算量少，处理速度快，但是其容易累积误差，导致目标漂移，易受目标遮挡与水面风浪引起的晃动等影响。

因此，将时间信息与空间信息进行融合，可以充分利用两者的优点，提高整体性能，实现对水面目标更加准确、稳定的检测跟踪，兼顾鲁棒性和实时性。

融合时，在首帧图像中通过检测算法确定目标空间位置信息，再将首帧目标的位置作为跟踪算法的输入，之后的数帧采用跟踪算法对目标进行跟踪。

跟踪固定帧数后运行再检测机制，通过检测算法确保持续检测跟踪的精确度。

2水面无人艇的多方向路径规划方法研究
2.1环境建模
根据USV航行及探测设备安全所需的最小安全水深，将环境区域划分为安全水深区和碍航区。

碍航区的划定包括人工碍航区和浅水碍航区。

人工碍航区包括人为划定的特殊区域，此类碍航区的位置和边界数据可在电子海图中直接获取。

浅水碍航区是指影响航行器安全航行的浅水深区域，由相关障碍物地理要素（主要包括岸线、岛、礁和码头等数据）和航行海区内低于航行器最小安全水深值的区域组成。

随着时间的变化，瞬时水深不断变化，碍航区和安全水深区的范围可能会因此发生相应的变化。

通常，USV在航行中难以实时获取大范围高精度水深信息，需要利用通过海图数据建立的静态水深型和潮汐模型构建瞬时水深环境模型。

2.2无人艇路径搜索算法优化
改进的八多向路径搜索算法是在四多向搜索的基础上，每一次更新栅格距离数据时增加对角栅格的判断，判断从当前栅格到其扩展栅格的对角直达距离是否小于通过横向与纵向结合的多式到达该扩展栅格的总距离，如果是，则将该扩展栅格的父栅格设置为斜对角栅格从而完成无需排序的八多向栅格搜索，改进多式。

3结果分析
对比表明本文所提出的算法的路径具有长度较短、平滑度高、安全性高的优点。

然而，由于视线检查算法带来的大量节点的检查，导致规划算法时间消耗较大，在今后将进一步提高算法的规划效率。

结束语
针对无人艇高速航行过程中航向控制具有复杂非线性特征，且易受外界环境干扰影响产生抖动振荡等问题，验证了文中提出的多方向路径规划方法的有效性和准确性。

研究结果表明：广义动态模糊神经网络有较强的在线自学习能力，能快速准确地逼近复杂的非线性动态系统；无人艇使用基于广义动态模糊神经网络的鲁棒自适应控制（RAFNCRM）相比传统PD控制可以更加快速、准确地完成航向调整控制，且随着时间推移，无人艇的航向跟踪误差可以近似收敛到零。

参考文献
[1]胡金波.基于欠驱动模型的水面无人艇集群协调控制研究[D].华中科技大学,2019.
[2]魏新勇.水面无人艇自主局部避障系统关键技术研究[D].华南理工大学,2019.
[3]谢呈茜.无人艇直航与巡逻路径规划算法研究[D].武汉理工大学,2019.
[4]陈卓.水面无人艇路径规划与自主避碰系统研究[D].武汉理工大学,2019.
[5]刘远.面向防御任务的复杂海洋环境下无人艇导航避障策略研究[D].上海大学,2019.。