多无人艇协同遍历路径规划算法

发布时间：2021-06-11 08:09

　　为了实现对岛礁及周围海域水下地貌信息的获取,同时使用多个无人扫测艇进行协同测绘以提高测绘效率,文中提出一种协同遍历路径规划算法:采用扫描线多边形方法得到动态栅格地图,建立水域环境模型,基于K-means++算法对任务区域进行分配,分配区域内使用启发式路径规划算法得到完全遍历路径。仿真结果满足区域分配的均匀性和遍历路径的连通性要求。在此基础上提出了动态重规划算法,根据实时可工作无人艇数量对未遍历区域进行重分配。仿真结果证明,在不同间距的栅格地图中,协同遍历算法均提高了测绘效率,路径重复率较低,可以快速高效地实现动态重规划。 

【文章来源】：水下无人系统学报. 2020,28(06)北大核心

【文章页数】：8 页

【部分图文】：

协同遍历路径规划算法流程图

在完成对作业区域建模后,接下来需对作业区域进行划分。考虑到多无人艇协同遍历区域的连通性和均匀分配要求,使用K-means++聚类算法[11]对作业区域进行划分。K-means++算法是一种快速的聚类算法,通过迭代来产生最终的聚类解,得到的聚类解满足聚类质心点尽量分散的要求。在文中,对应要将栅格地图中可行区域内的路径点元素x聚类为K个区域,其实现步骤如下:

图3为使用K-means++聚类算法对测绘区域取K (28)5时进行聚类的结果,其中多边形区域为岛礁区域,多边形内部的节点为岛礁所在的障碍节点,不同聚类区域内的节点分别以不同形状表示。根据得到的聚类结果分析,整个测绘区域中的可遍历路径点被相对均匀地划分为5块区域,并且每块区域内的路径点相互连通,由此可见,K-means++聚类算法满足在对岛礁区域栅格地图进行聚类划分的要求。2 路径规划算法

【参考文献】：
期刊论文
[1]多智能体路径规划研究进展[J]. 刘庆周,吴锋.  计算机工程. 2020(04)
[2]移动机器人全覆盖路径规划算法研究[J]. 刘晶,姚维,章玮.  工业控制计算机. 2019(12)
[3]基于改进A*算法的无人船完全遍历路径规划[J]. 吕霞付,程啟忠,李森浩,林政.  水下无人系统学报. 2019(06)
[4]水面无人艇任务规划系统分析[J]. 马向峰,韩玮,谢杨柳.  舰船科学技术. 2019(23)
[5]基于启发式搜索算法的扫地机器人路径规划[J]. 谢坤霖,李宗根,代宇航,周敏,曾晟珂.  西华大学学报(自然科学版). 2019(04)
[6]无人艇的研究现状与进展[J]. 申云磊,高霄鹏.  船电技术. 2018(09)
[7]基于加权K-means聚类与路网无向图的地图分割算法[J]. 肖尚华,胡灿林.  现代计算机(专业版). 2018(08)
[8]基于电子海图栅格化的无人水面艇全局路径规划[J]. 范云生,赵永生,石林龙,张月.  中国航海. 2017(01)
[9]无人水面艇岛礁海域完全遍历路径规划[J]. 钟雨轩,葛磊,张鑫,彭艳,杨毅,李小毛.  上海大学学报(自然科学版). 2017(01)
[10]基于神经元激励的移动机器人遍历路径规划[J]. 王仲民,井平安,朱博.  控制工程. 2017(02)

硕士论文
[1]基于蜂窝结构的多无人艇协同区域探测研究[D]. 梁宏晨.华南理工大学 2019
[2]多水面无人艇协同区域搜索策略研究[D]. 罗代超.哈尔滨工程大学 2019



本文编号：3224180