基于轨迹单元的水面无人艇运动规划研究

发布时间：2020-06-11 06:59

【摘要】：人工智能的发展与海洋资源的开发使得水面无人艇(USV)越来越多地承担起各种水上任务。而作为无人艇自主性的重要一部分,路径规划是完成各项水上任务的前提。但是由于无人艇可控程度较低、自由度较高,所以当其作为研究对象时,应从质点转变为欠驱动刚体来进行研究。相应地,其路径规划问题也应从路线规划转变为运动规划。与前者不同的是,运动规划不仅考虑了规划空间的约束,同时还对规划行为进行了详尽地讨论。而规划行为与研究对象的运动和动力学约束有关。因此为了充分考虑无人艇的运动和动力学约束,本文提出了基于“轨迹单元”的无人艇运动规划方法。该方法的关键是建立无人艇轨迹单元模型,而该模型能有效地解决运动规划的两大关键问题:(1)无人艇动力学约束的表达;(2)动力学约束与空间搜索的结合。模型首先利用无人艇的运动轨迹来解决问题(1)。无人艇的运动轨迹不仅能够完整地表达其动力学约束,而且各约束间的联系也被包含在轨迹曲线中。接着考虑到空间搜索是空间离散化的过程,模型根据无人艇的轨迹特点以及运动规划的搜索需求,提出了四条轨迹离散化规则。该规则不仅将连续的轨迹离散为轨迹段,使每一步子空间搜索都包含了无人艇动力学约束;并且还使得这些轨迹段被拼接后仍然保持最终轨迹的连续性,从而解决了问题(2)。因此,无人艇轨迹单元模型是经过散化规则处理后的无人艇运动轨迹段集合。本文利用该模型提出了基于轨迹单元的运动规划方法。该方法首先对轨迹单元进行了抽象化处理,提取出轨迹段所能到达的路径点和对应的船艏向。然后利用启发式搜索算法,建立了无人艇的距离和转舵代价函数。同时还针对障碍物空间下内外点搜索的先后顺序、启发式代价的判断标准以及无人艇船身尺度约束,进行了详细讨论与分析,完善了该方法在不同规划场景下的鲁棒性。最后本文通过三类实验对提出的规划算法进行了验证。其中对比实验是路线规划与运动规划结果的对比,证明了该方法的正确(合理)性;仿真实验是真实水域下的模拟实验,证明了该方法能够针对不同的场景规划出较优的运动路径;实船实验是具体水域下的现场实验,证明了该方法的实用性。
【图文】：

地图,算法

的过程中耗费了大量的时间，很难在工程上得到实际应用，，于是很多学者对其进行了改进。如在节点搜索过程中利用分层和优先级思想，寻求在遍历范围和方向上趋向目标的节点[23-26]；还有些文献结合地理信息技术，利用现有成熟的城市路网地图控件模块对该算法进行改进，提高搜索效率[27-29]。另一种提高Dijkstra 算法效率的经典策略是哈特（Hart）[30]提出的 A*算法（如图 1-2 所示），该算法也是在路线规划研究中应用的较为普及的算法。它是在迪杰斯特拉算法的基础上，增加了一个启发式函数来估计当前点到终点的路径代价，该函数能够使搜索方向逐步导向目标点，从而减少搜索时间。A*算法的应用涉及到很多领域，从游戏设计中的地图搜索[31-33]，到移动机器人的路径规划[34-37]，再到无人机的航路规划[38-39]都是基于 A*算法的思想来展开研究。

地图,算法

的过程中耗费了大量的时间，很难在工程上得到实际应用，于是很多学者对其进行了改进。如在节点搜索过程中利用分层和优先级思想，寻求在遍历范围和方向上趋向目标的节点[23-26]；还有些文献结合地理信息技术，利用现有成熟的城市路网地图控件模块对该算法进行改进，提高搜索效率[27-29]。另一种提高Dijkstra 算法效率的经典策略是哈特（Hart）[30]提出的 A*算法（如图 1-2 所示），该算法也是在路线规划研究中应用的较为普及的算法。它是在迪杰斯特拉算法的基础上，增加了一个启发式函数来估计当前点到终点的路径代价，该函数能够使搜索方向逐步导向目标点，从而减少搜索时间。A*算法的应用涉及到很多领域，从游戏设计中的地图搜索[31-33]，到移动机器人的路径规划[34-37]，再到无人机的航路规划[38-39]都是基于 A*算法的思想来展开研究。
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U664.82

【相似文献】