CN113467485B - Rov与母船协同水下目标搜寻路径规划及动态更新方法 - Google Patents

Rov与母船协同水下目标搜寻路径规划及动态更新方法 Download PDF

Info

Publication number
CN113467485B
CN113467485B CN202111029235.XA CN202111029235A CN113467485B CN 113467485 B CN113467485 B CN 113467485B CN 202111029235 A CN202111029235 A CN 202111029235A CN 113467485 B CN113467485 B CN 113467485B
Authority
CN
China
Prior art keywords
rov
area
layer
grid
missed
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
Application number
CN202111029235.XA
Other languages
English (en)
Other versions
CN113467485A (zh
Inventor
马杰
郑依凡
余逸飞
刘克中
郑红兵
张煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202111029235.XA priority Critical patent/CN113467485B/zh
Publication of CN113467485A publication Critical patent/CN113467485A/zh
Application granted granted Critical
Publication of CN113467485B publication Critical patent/CN113467485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，包括以下步骤：根据提供的搜寻区域计算水面母船的路径点，并对水面母船的运动路径进行规划；水面母船向路径点运动；ROV在保证与水面母船的相对关系正常情况下，对当前搜寻子区域进行第一次栅格化，第一层栅格为ROV全局路径规划层，采用生物激励神经网络算法对第一层栅格进行全局路径规划及动态更新；将第一层栅格进行第二次栅格化，第二层栅格为ROV路径动态更新层，实现ROV的局部轨迹规划及动态更新，并实时判断ROV是否触发了第二层栅格动态更新条件，直至当前第一层栅格搜寻完成。本设计在保证ROV安全作业与搜寻效率的情况下，达到前视声呐对搜寻区域的全覆盖。

Description

ROV与母船协同水下目标搜寻路径规划及动态更新方法
技术领域
本发明涉及水下目标搜寻探摸技术领域，尤其涉及一种ROV与母船协同水下目标搜寻路径规划及动态更新方法。
背景技术
随着海上运输活动和海洋资源的开发日益增多，提升水下打捞探摸能力对保障水上运输和海洋工程安全具有重要意义。近年来水下机器人的发展面向深海进行作业，作业型ROV（遥控无人潜水器）通过脐带缆与水面母船进行通信，但脐带缆是十分脆弱的，并且由于脐带缆的限制，ROV与水面母船的相对位置关系也需要有一定的保障措施。因此，在保证ROV与水面母船的相对位置的情况下规划搜寻路径就成为了协同搜寻作业中的一个关键问题。由于ROV配备探测范围为120度的前视声呐，其在搜寻过程中由于ROV操作员操作以及水流等影响可能出现漏扫区域，同时由于疑似目标的存在，需对其进行抵近观察并确认是否为目标物，并对周围环境进行全覆盖探测，因此，在保证搜寻效率的情况下实时动态更新ROV的搜寻路径，以确保前视声呐探测范围能够将搜寻区域全覆盖同样也是一个需要解决的问题。
发明内容
本发明的目的是克服现有技术中存在的ROV与水面母船之间的协同搜寻能力较差，且ROV配备的前视声呐无法对搜寻区域全覆盖的缺陷与问题，提供一种在保证ROV安全作业与搜寻效率的情况下，达到前视声呐对搜寻区域全覆盖的ROV与母船协同水下目标搜寻路径规划及动态更新方法。
为实现以上目的，本发明的技术解决方案是：一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，包括以下步骤：
S1、将提供的搜寻区域划分为多个搜寻子区域，用搜寻子区域覆盖整个搜寻区域，计算水面母船的路径点，并对水面母船的运动路径进行规划；
S2、水面母船向路径点运动；
S3、ROV在保证与水面母船的相对关系正常情况下，对当前搜寻子区域进行第一次栅格化，第一层栅格为ROV全局路径规划层，采用生物激励神经网络算法对第一层栅格进行全局路径规划及动态更新；
S4、将第一层栅格进行第二次栅格化，第二层栅格为ROV路径动态更新层，实现ROV的局部轨迹规划及动态更新，并实时判断ROV是否触发了第二层栅格动态更新条件，直至当前第一层栅格搜寻完成；
S5、若当前第一层栅格搜寻完成，则判断当前搜寻子区域是否搜寻完成；若当前搜寻子区域搜寻完成，则返回步骤S2，水面母船的路径点更新；若当前搜寻子区域未搜寻完成，则返回步骤S3，ROV进入新的第一层栅格搜寻；
若当前第一层栅格搜寻未完成，则判断是否发现目标；若未发现目标，则返回步骤S4，进行第二层栅格搜寻路径规划与动态更新；若发现目标，则搜寻任务结束。
步骤S1具体包括以下步骤：
S11、设定水面母船搜寻子区域大小；
S12、考虑ROV与水面母船相对关系的约束，设置ROV在水面母船左舷安全区域内进行作业，并根据水面母船的艏向角来划分水面母船的搜寻子区域；
S13、用搜寻子区域覆盖搜寻区域，计算得到所有路径点
Figure 436654DEST_PATH_IMAGE001
，
Figure 616487DEST_PATH_IMAGE002
，
Figure 131782DEST_PATH_IMAGE003
即 为水面母船所需搜寻点集；
S14、将搜寻点集中与水面母船最近的搜寻点设置为当前水面母船的目标点；
S15、计算所有搜寻点之间的距离，存储在矩阵中，以水面母船的搜寻路径总长度为优化指标，采用贪婪算法对搜寻点集路径进行规划。
步骤S3具体包括以下步骤：
S31、根据前视声呐的探测范围确定第一层栅格的栅格大小，并将ROV搜寻区域进行第一次栅格化；
S32、根据第一层栅格，规定ROV可从当前位置向东、西、南、北、东北、东南、西北、西南八个方向的相邻第一层栅格运动；
S33、利用生物激励神经网络算法对第一层栅格进行全局路径规划及更新；
利用生物激励神经网络算法进行全区域覆盖，为每个第一层栅格赋予一个活性值，ROV每次选取周围8个栅格中活性值最大、所需转动角度最小的栅格进行运动。
步骤S4中，对第一次栅格化的栅格进行第二次栅格化，将栅格划分为六种状态，分别为已探测区域、未探测区域、疑似目标、不可达区域、漏扫区域、被遮挡区域。
步骤S4中，当第二层栅格出现漏扫区域时，判断漏扫区域的类型；
所述漏扫区域包括普通漏扫区域、孤立漏扫区域与回溯漏扫区域；
所述普通漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，其周围的第一层栅格未全被ROV访问过的漏扫区域；
所述孤立漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，与不可达区域接触的漏扫区域，或者其周围的第一层栅格都被ROV访问过的漏扫区域；
所述回溯漏扫区域是指普通漏扫区域未及时补充探测的部分；
当漏扫区域为普通漏扫区域时，若普通漏扫区域面积大于普通漏扫区域阈值，则 实时计算漏扫区域扫描路径点，采用
Figure 569586DEST_PATH_IMAGE004
算法对ROV局部轨迹进行规划；若普通漏扫区 域面积小于普通漏扫区域阈值，则通过下一次探测附近栅格时回溯该漏扫区域，并记录该 漏扫区域的信息；
当漏扫区域为孤立漏扫区域时，若孤立漏扫区域面积大于孤立漏扫区域阈值，或 者当孤立漏扫区域面积小于漏扫区域阈值但面积不变后，实时计算漏扫区域扫描路径点， 采用
Figure 285869DEST_PATH_IMAGE004
算法对ROV局部轨迹进行规划；
当漏扫区域为回溯漏扫区域时，将该回溯漏扫区域加入当前ROV所在第一层栅格的扫描任务中。
漏扫区域扫描路径点的计算方法如下：
漏扫区域的中心坐标为：
Figure 887751DEST_PATH_IMAGE005
其中，
Figure 596950DEST_PATH_IMAGE006
为漏扫栅格的坐标，
Figure 171151DEST_PATH_IMAGE007
为漏扫栅格的总数；
漏扫区域扫描路径点位置为：
Figure 182969DEST_PATH_IMAGE008
其中，
Figure 678673DEST_PATH_IMAGE009
为漏扫区域的中心坐标，
Figure 457142DEST_PATH_IMAGE010
为ROV当前位置坐标，
Figure 557953DEST_PATH_IMAGE011
为前视声呐 最远探测范围，
Figure 740673DEST_PATH_IMAGE012
为疑似目标与前视声呐的距离；
位置更新后ROV艏向与当前ROV艏向的夹角
Figure 456430DEST_PATH_IMAGE013
为：
Figure 382797DEST_PATH_IMAGE014
其中，
Figure 134853DEST_PATH_IMAGE015
为当前ROV艏向，
Figure 613108DEST_PATH_IMAGE016
为调整后的ROV艏向；
若ROV到达漏扫区域扫描路径点所需转过的角度大于允许转角阈值
Figure 83403DEST_PATH_IMAGE017
，则计 算以
Figure 813462DEST_PATH_IMAGE018
为圆心，
Figure 606974DEST_PATH_IMAGE019
为半径的圆上的与当前ROV艏向夹角为
Figure 397076DEST_PATH_IMAGE017
的探测点
Figure 557930DEST_PATH_IMAGE020
， 并以此点作为漏扫区域扫描路径点。
步骤S4中，当ROV前视声呐发现疑似目标后停止采用生物激励神经网络算法对第 一层栅格进行全局路径规划，为前视声呐选择下一个最佳视角，计算视点，生成视点后采用
Figure 826100DEST_PATH_IMAGE021
算法对ROV局部轨迹进行规划，ROV前往该视点继续探测，若在当前第一层栅格中的 障碍物探测完成后，则记录下一个视点生成的位置与第一层栅格号，并以生成视点的位置 来规划第一层栅格路径，同时，将当前第一层栅格中障碍物后方被遮挡的部分都设置为被 遮挡区域；
ROV探测障碍物进入新的第一层栅格时，同时对该第一层栅格进行完全覆盖；
当无法再生产更多视点时，则代表该障碍物已经探测完成。
在前视声呐的检测范围内，若第二层栅格被前视声呐检测为疑似目标的次数与被检测总次数的比例超过阈值，则被标记为疑似目标。
当在同一第一层栅格中同时出现普通漏扫区域、孤立漏扫区域、回溯漏扫区域、疑似目标时，探测的优先级为：
Figure 5278DEST_PATH_IMAGE022
。
步骤S4中，若未触发第二层栅格动态更新条件，则ROV沿着规划的路径进行搜寻任 务，当前第一层栅格将被完全覆盖，采用
Figure 638384DEST_PATH_IMAGE023
算法对ROV第二层栅格进行局部轨迹规划， 局部轨迹规划终点为下一需前往的第一层栅格边界的中点。
与现有技术相比，本发明的有益效果为：
本发明一种ROV与母船协同水下目标搜寻路径规划及动态更新方法中，根据提供的搜寻区域计算水面母船的路径点，并规划运动路径，在每个搜寻子区域内，ROV在保证与水面母船的相对关系正常的情况下，对该子区域进行搜寻路径规划，将ROV搜寻区域两次栅格化，第一层栅格为ROV全局路径规划层，采用生物激励神经网络算法进行全局路径规划及其动态更新，第二层栅格为ROV路径动态更新层，实现ROV的局部轨迹规划及其动态更新，在保证ROV搜寻效率的前提下，对漏扫区域进行及时补充探测，对疑似目标进行抵近探测，通过路径的动态更新实现前视声呐对搜寻区域的全覆盖。因此，本发明在保证ROV安全作业与搜寻效率的情况下，达到前视声呐对搜寻区域的全覆盖。
附图说明
图1是本发明的流程图。
图2是本发明中搜寻区域、搜寻子区域与ROV两层栅格划分示意图。
图3是本发明中ROV的漏扫区域检测示意图。
图4是本发明中出现孤立漏扫区域、回溯漏扫区域示意图。
图5是本发明中出现普通漏扫区域示意图。
图6是本发明中疑似目标探测视点生成示意图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1至图6，一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，包括以下步骤：
S1、将提供的搜寻区域划分为多个搜寻子区域，用搜寻子区域覆盖整个搜寻区域，计算水面母船的路径点，并对水面母船的运动路径进行规划；
S2、水面母船向路径点运动；
S3、ROV在保证与水面母船的相对关系正常情况下，对当前搜寻子区域进行第一次栅格化，第一层栅格为ROV全局路径规划层，采用生物激励神经网络算法对第一层栅格进行全局路径规划及动态更新；
S4、将第一层栅格进行第二次栅格化，第二层栅格为ROV路径动态更新层，实现ROV的局部轨迹规划及动态更新，并实时判断ROV是否触发了第二层栅格动态更新条件，直至当前第一层栅格搜寻完成；
S5、若当前第一层栅格搜寻完成，则判断当前搜寻子区域是否搜寻完成；若当前搜寻子区域搜寻完成，则返回步骤S2，水面母船的路径点更新；若当前搜寻子区域未搜寻完成，则返回步骤S3，ROV进入新的第一层栅格搜寻；
若当前第一层栅格搜寻未完成，则判断是否发现目标；若未发现目标，则返回步骤S4，进行第二层栅格搜寻路径规划与动态更新；若发现目标，则搜寻任务结束。
步骤S1具体包括以下步骤：
S11、设定水面母船搜寻子区域大小；
S12、考虑ROV与水面母船相对关系的约束，设置ROV在水面母船左舷安全区域内进行作业，并根据水面母船的艏向角来划分水面母船的搜寻子区域；
S13、用搜寻子区域覆盖搜寻区域，计算得到所有路径点
Figure 880010DEST_PATH_IMAGE024
，
Figure 876172DEST_PATH_IMAGE025
，
Figure 926168DEST_PATH_IMAGE026
即为 水面母船所需搜寻点集；
S14、将搜寻点集中与水面母船最近的搜寻点设置为当前水面母船的目标点；
S15、计算所有搜寻点之间的距离，存储在矩阵中，以水面母船的搜寻路径总长度为优化指标，采用贪婪算法对搜寻点集路径进行规划。
步骤S3具体包括以下步骤：
S31、根据前视声呐的探测范围确定第一层栅格的栅格大小，并将ROV搜寻区域进行第一次栅格化；
S32、根据第一层栅格，规定ROV可从当前位置向东、西、南、北、东北、东南、西北、西南八个方向的相邻第一层栅格运动；
S33、利用生物激励神经网络算法对第一层栅格进行全局路径规划及更新；
利用生物激励神经网络算法进行全区域覆盖，为每个第一层栅格赋予一个活性值，ROV每次选取周围8个栅格中活性值最大、所需转动角度最小的栅格进行运动。
步骤S4中，对第一次栅格化的栅格进行第二次栅格化，将栅格划分为六种状态，分别为已探测区域、未探测区域、疑似目标、不可达区域、漏扫区域、被遮挡区域。
步骤S4中，当第二层栅格出现漏扫区域时，判断漏扫区域的类型；
所述漏扫区域包括普通漏扫区域、孤立漏扫区域与回溯漏扫区域；
所述普通漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，其周围的第一层栅格未全被ROV访问过的漏扫区域；
所述孤立漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，与不可达区域接触的漏扫区域，或者其周围的第一层栅格都被ROV访问过的漏扫区域；
所述回溯漏扫区域是指普通漏扫区域未及时补充探测的部分；
当漏扫区域为普通漏扫区域时，若普通漏扫区域面积大于普通漏扫区域阈值，则 实时计算漏扫区域扫描路径点，采用
Figure 792493DEST_PATH_IMAGE027
算法对ROV局部轨迹进行规划；若普通漏扫区 域面积小于普通漏扫区域阈值，则通过下一次探测附近栅格时回溯该漏扫区域，并记录该 漏扫区域的信息；
当漏扫区域为孤立漏扫区域时，若孤立漏扫区域面积大于孤立漏扫区域阈值，或 者当孤立漏扫区域面积小于漏扫区域阈值但面积不变后，实时计算漏扫区域扫描路径点， 采用
Figure 177206DEST_PATH_IMAGE027
算法对ROV局部轨迹进行规划；
当漏扫区域为回溯漏扫区域时，将该回溯漏扫区域加入当前ROV所在第一层栅格的扫描任务中。
漏扫区域扫描路径点的计算方法如下：
漏扫区域的中心坐标为：
Figure 990442DEST_PATH_IMAGE028
其中，
Figure 691681DEST_PATH_IMAGE029
为漏扫栅格的坐标，
Figure 728907DEST_PATH_IMAGE030
为漏扫栅格的总数；
漏扫区域扫描路径点位置为：
Figure 600917DEST_PATH_IMAGE031
其中，
Figure 14581DEST_PATH_IMAGE032
为漏扫区域的中心坐标，
Figure 773590DEST_PATH_IMAGE033
为ROV当前位置坐标，
Figure 981717DEST_PATH_IMAGE034
为前视声呐 最远探测范围，
Figure 203008DEST_PATH_IMAGE035
为疑似目标与前视声呐的距离；
位置更新后ROV艏向与当前ROV艏向的夹角
Figure 826887DEST_PATH_IMAGE036
为：
Figure 830615DEST_PATH_IMAGE037
其中，
Figure 334278DEST_PATH_IMAGE038
为当前ROV艏向，
Figure 993929DEST_PATH_IMAGE039
为调整后的ROV艏向；
若ROV到达漏扫区域扫描路径点所需转过的角度大于允许转角阈值
Figure 749395DEST_PATH_IMAGE040
，则计算 以
Figure 279734DEST_PATH_IMAGE041
为圆心，
Figure 219877DEST_PATH_IMAGE012
为半径的圆上的与当前ROV艏向夹角为
Figure 163562DEST_PATH_IMAGE042
的探测点
Figure 66927DEST_PATH_IMAGE043
，并以 此点作为漏扫区域扫描路径点。
步骤S4中，当ROV前视声呐发现疑似目标后停止采用生物激励神经网络算法对第 一层栅格进行全局路径规划，为前视声呐选择下一个最佳视角，计算视点，生成视点后采用
Figure 779668DEST_PATH_IMAGE044
算法对ROV局部轨迹进行规划，ROV前往该视点继续探测，若在当前第一层栅格中的 障碍物探测完成后，则记录下一个视点生成的位置与第一层栅格号，并以生成视点的位置 来规划第一层栅格路径，同时，将当前第一层栅格中障碍物后方被遮挡的部分都设置为被 遮挡区域；
ROV探测障碍物进入新的第一层栅格时，同时对该第一层栅格进行完全覆盖；
当无法再生产更多视点时，则代表该障碍物已经探测完成。
在前视声呐的检测范围内，若第二层栅格被前视声呐检测为疑似目标的次数与被检测总次数的比例超过阈值，则被标记为疑似目标。
当在同一第一层栅格中同时出现普通漏扫区域、孤立漏扫区域、回溯漏扫区域、疑似目标时，探测的优先级为：
Figure 890713DEST_PATH_IMAGE045
。
步骤S4中，若未触发第二层栅格动态更新条件，则ROV沿着规划的路径进行搜寻任 务，当前第一层栅格将被完全覆盖，采用
Figure 321694DEST_PATH_IMAGE046
算法对ROV第二层栅格进行局部轨迹规划， 局部轨迹规划终点为下一需前往的第一层栅格边界的中点。
本发明的原理说明如下：
本设计针对ROV搜寻探摸领域，适用于装备前视声呐的ROV执行未知海底目标搜寻任务。由于ROV与水面母船之间有相对位置约束关系并为了实现ROV与水面母船协同搜寻作业，先需要计算水面母船的路径点，并规划运动路径。
第二层栅格动态更新条件1：出现漏扫区域，判断漏扫区域的类型。第二层栅格动态更新条件2：ROV前视声呐发现疑似目标，需抵近观察。
本设计考虑了ROV与水面母船的相对位置约束关系，并基于ROV前视声呐探测数据，动态更新ROV的搜寻路径，从而在保证ROV安全作业与搜寻效率的情况下实现水下搜寻区域的前视声呐探测全覆盖。
实施例：
参见图1，一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，包括以下步骤：
S1、将提供的搜寻区域划分为多个搜寻子区域，用搜寻子区域覆盖整个搜寻区域，计算水面母船的路径点，并对水面母船的运动路径进行规划；具体包括以下步骤：
S11、设定水面母船搜寻子区域大小；
S12、考虑ROV与水面母船相对关系的约束，设置ROV在水面母船左舷安全区域内进行作业，并根据水面母船的艏向角来划分水面母船的搜寻子区域；
ROV类型为作业级ROV，ROV配备有成像范围是开角为120度的扇形区域，探测半径为0～100米的前视声呐和水下高清摄像头，前视声呐固定安装在ROV的正前方；
ROV下放位置为水面母船左舷，且ROV不能在船尾附近运动，并减少ROV越过船舷进行作业，因此，为了减少ROV出现在危险位置上，设置ROV在水面母船左舷安全区域内进行作业；
S13、用搜寻子区域覆盖搜寻区域，计算得到所有路径点
Figure 294329DEST_PATH_IMAGE047
，
Figure 861577DEST_PATH_IMAGE048
，
Figure 146452DEST_PATH_IMAGE049
即 为水面母船所需搜寻点集，搜寻区域与搜寻子区域划分示意图如图2所示；
S14、将搜寻点集中与水面母船最近的搜寻点设置为当前水面母船的目标点；
S15、计算所有搜寻点之间的距离，存储在矩阵中，以水面母船的搜寻路径总长度为优化指标，采用贪婪算法对搜寻点集路径进行规划；
S2、水面母船向路径点运动；
S3、ROV在保证与水面母船的相对关系正常情况下，对当前搜寻子区域进行第一次栅格化，第一层栅格为ROV全局路径规划层，采用生物激励神经网络算法对第一层栅格进行全局路径规划及动态更新；具体包括以下步骤：
S31、根据前视声呐的探测范围确定第一层栅格的栅格大小，并将ROV搜寻区域进行第一次栅格化；为了保证ROV前视声呐的探测范围存在一定的重复，本实施例中将第一层栅格的边长设置为略小于前视声呐的探测宽度值；
S32、根据第一层栅格，规定ROV可从当前位置向东、西、南、北、东北、东南、西北、西南八个方向的相邻第一层栅格运动；
将ROV的位置表示为空间笛卡尔坐标系上的一个点
Figure 64730DEST_PATH_IMAGE050
，ROV的姿态仅 考虑其艏向，ROV的位姿用
Figure 575476DEST_PATH_IMAGE051
表示，
Figure 184181DEST_PATH_IMAGE052
为ROV艏向；当ROV在某一平面运动距离
Figure 512394DEST_PATH_IMAGE053
后，ROV下一时刻的位姿
Figure 262176DEST_PATH_IMAGE054
为：
Figure 888198DEST_PATH_IMAGE055
S33、利用生物激励神经网络算法对第一层栅格进行全局路径规划及更新；
利用生物激励神经网络算法进行全区域覆盖，为每个第一层栅格赋予一个活性值，ROV每次选取周围8个栅格中活性值最大、所需转动角度最小的栅格进行运动；
考虑到脐带缆对ROV的影响，应尽量减少ROV的转向运动，因此在必要的情况下考虑ROV进行较小角度的转向运动，将较小转动角度的栅格赋予较大的活性值：
Figure 430038DEST_PATH_IMAGE056
其中，
Figure 804518DEST_PATH_IMAGE057
为考虑ROV当前位置到下一位置转角的函数，
Figure 431809DEST_PATH_IMAGE058
为与ROV当前栅格相邻的 第
Figure 2467DEST_PATH_IMAGE059
个栅格，
Figure 780238DEST_PATH_IMAGE060
为ROV上一时刻所在的位置，
Figure 184674DEST_PATH_IMAGE061
为ROV当前位置，
Figure 440206DEST_PATH_IMAGE062
为下一 时刻ROV将要到的位置，
Figure 221080DEST_PATH_IMAGE063
为方位角计算；
ROV所需到达的下一个栅格
Figure 862146DEST_PATH_IMAGE064
为：
Figure 703063DEST_PATH_IMAGE065
其中，
Figure 180312DEST_PATH_IMAGE066
为一个正常数，
Figure 764877DEST_PATH_IMAGE067
为与ROV当前栅格相邻的第
Figure 260449DEST_PATH_IMAGE068
个栅格的活性值；
S4、将第一层栅格进行第二次栅格化，第二层栅格为ROV路径动态更新层，实现ROV的局部轨迹规划及动态更新，并实时判断ROV是否触发了第二层栅格动态更新条件，直至当前第一层栅格搜寻完成；
对第一次栅格化的栅格进行第二次栅格化，将栅格划分为六种状态，分别为已探测区域（代号：0）、未探测区域（代号：2）、疑似目标（代号：1）、不可达区域（代号：3）、漏扫区域（代号：4）、被遮挡区域（代号：5）；ROV两层栅格划分的示意图如图2所示；
现假设ROV由于操作员操作或水流影响导致出现漏扫区域，为了减少ROV的重复探测并提高效率，因此，当第二层栅格出现漏扫区域时，判断漏扫区域的类型；
所述漏扫区域包括普通漏扫区域、孤立漏扫区域与回溯漏扫区域；
ROV的漏扫区域检测示意图如图3所示，ROV的漏扫区域检测为前视声呐扇形的弦的后方，出现孤立漏扫区域、回溯漏扫区域的示意图如图4，出现普通漏扫区域的示意图如图5；
所述普通漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，其周围的第一层栅格未全被ROV访问过的漏扫区域；
所述孤立漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，与不可达区域接触的漏扫区域，或者其周围的第一层栅格都被ROV访问过的漏扫区域；
所述回溯漏扫区域是指普通漏扫区域未及时补充探测的部分；
当漏扫区域为普通漏扫区域时，若普通漏扫区域面积大于普通漏扫区域阈值，说 明漏扫区域过大，需要动态更新路径点，补充探测该漏扫区域，则实时计算漏扫区域扫描路 径点，采用
Figure 272268DEST_PATH_IMAGE069
算法对ROV局部轨迹进行规划，以确保ROV路径更新后前视声呐能够探测 到该漏扫区域；若普通漏扫区域面积小于普通漏扫区域阈值，说明漏扫区域较小，则通过下 一次探测附近栅格时回溯该漏扫区域，并记录该漏扫区域的信息；
当漏扫区域为孤立漏扫区域时，说明后续若想回溯该漏扫区域需要ROV运动较远 距离，为了提高ROV搜寻效率，若孤立漏扫区域面积大于孤立漏扫区域阈值，或者当孤立漏 扫区域面积小于漏扫区域阈值但面积不变后，应立即补充探测该漏扫区域，实时计算漏扫 区域扫描路径点，采用
Figure 299130DEST_PATH_IMAGE069
算法对ROV局部轨迹进行规划，以确保ROV路径更新后前视声 呐能够探测该漏扫区域；
当漏扫区域为回溯漏扫区域时，将该回溯漏扫区域加入当前ROV所在第一层栅格的扫描任务中；
漏扫区域扫描路径点的计算方法如下：
漏扫区域的中心坐标为：
Figure 562752DEST_PATH_IMAGE070
其中，
Figure 788197DEST_PATH_IMAGE071
为漏扫栅格的坐标，
Figure 95550DEST_PATH_IMAGE072
为漏扫栅格的总数；
漏扫区域扫描路径点位置为：
Figure 672025DEST_PATH_IMAGE073
其中，
Figure 473759DEST_PATH_IMAGE074
为漏扫区域的中心坐标，
Figure 553710DEST_PATH_IMAGE075
为ROV当前位置坐标，
Figure 300474DEST_PATH_IMAGE076
为前视声呐 最远探测范围，
Figure 364245DEST_PATH_IMAGE077
为疑似目标与前视声呐的距离；
位置更新后ROV艏向与当前ROV艏向的夹角
Figure 704091DEST_PATH_IMAGE078
为：
Figure 904128DEST_PATH_IMAGE079
其中，
Figure 818863DEST_PATH_IMAGE080
为当前ROV艏向，
Figure 838772DEST_PATH_IMAGE081
为调整后的ROV艏向；
若ROV到达漏扫区域扫描路径点所需转过的角度大于允许转角阈值
Figure 247887DEST_PATH_IMAGE082
，则计算 以
Figure 302431DEST_PATH_IMAGE083
为圆心，
Figure 122488DEST_PATH_IMAGE084
为半径的圆上的与当前ROV艏向夹角为
Figure 895272DEST_PATH_IMAGE085
的探测点
Figure 170396DEST_PATH_IMAGE086
，并以 此点作为漏扫区域扫描路径点；
采用两个计数器存储每个栅格被前视声呐检测的次数以及被检测为空的次数；在 前视声呐的检测范围内，若第二层栅格被前视声呐检测为疑似目标的次数与被检测的总次 数的比例
Figure 954812DEST_PATH_IMAGE087
超过阈值，则被标记为疑似目标：
Figure 86716DEST_PATH_IMAGE088
；
Figure 205851DEST_PATH_IMAGE089
；
当ROV前视声呐发现疑似目标后停止采用生物激励神经网络算法对第一层栅格进 行全局路径规划，为前视声呐选择下一个最佳视角，计算视点，生成视点后采用
Figure 81403DEST_PATH_IMAGE090
算 法对ROV局部轨迹进行规划，ROV前往该视点继续探测，若在当前第一层栅格中的障碍物探 测完成后，则记录下一个视点生成的位置与第一层栅格号，并以生成视点的位置来规划第 一层栅格路径，同时，将当前第一层栅格中障碍物后方被遮挡的部分都设置为被遮挡区域 （代号：5）；
先计算被遮挡栅格和已探测栅格的分界栅格，再计算分界栅格周围已探测栅格的 重心，然后通过分界栅格重心和周围已探测栅格重心的连线确定表面法线方向，在表面法 线上距离
Figure 985905DEST_PATH_IMAGE091
处生成视点，该视点为ROV为了探测整个疑似目标所需到达的下一个目标点，疑 似目标探测视点生成示意图如图6所示；
ROV在探测障碍物时可能跨越多个第一层栅格，因此当ROV探测障碍物进入新的第一层栅格时，同时对该第一层栅格进行完全覆盖，以保证探测的效率；
当无法再生产更多视点时，则代表该障碍物已经探测完成；
当在同一第一层栅格中同时出现普通漏扫区域、孤立漏扫区域、回溯漏扫区域、疑似目标时，探测的优先级为：
Figure 288710DEST_PATH_IMAGE092
；
若未触发第二层栅格动态更新条件，则ROV沿着规划的路径进行搜寻任务，当前第 一层栅格将被完全覆盖，采用
Figure 163650DEST_PATH_IMAGE093
算法对ROV第二层栅格进行局部轨迹规划，局部轨迹 规划终点为下一需前往的第一层栅格边界的中点；
S5、若当前第一层栅格搜寻完成，则判断当前搜寻子区域是否搜寻完成；若当前搜寻子区域搜寻完成，则返回步骤S2，水面母船的路径点更新；若当前搜寻子区域未搜寻完成，则返回步骤S3，ROV进入新的第一层栅格搜寻；
若当前第一层栅格搜寻未完成，则判断是否发现目标；若未发现目标，则返回步骤S4，进行第二层栅格搜寻路径规划与动态更新；若发现目标，则搜寻任务结束。

Claims (7)

1.一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，其特征在于，包括以下步骤：
S1、将提供的搜寻区域划分为多个搜寻子区域，用搜寻子区域覆盖整个搜寻区域，计算水面母船的路径点，并对水面母船的运动路径进行规划；
S2、水面母船向路径点运动；
S3、ROV在保证与水面母船的相对关系正常情况下，对当前搜寻子区域进行第一次栅格化，第一层栅格为ROV全局路径规划层，采用生物激励神经网络算法对第一层栅格进行全局路径规划及动态更新；
S4、将第一层栅格进行第二次栅格化，第二层栅格为ROV路径动态更新层，实现ROV的局部轨迹规划及动态更新，并实时判断ROV是否触发了第二层栅格动态更新条件，直至当前第一层栅格搜寻完成；
对第一次栅格化的栅格进行第二次栅格化，将栅格划分为六种状态，分别为已探测区域、未探测区域、疑似目标、不可达区域、漏扫区域、被遮挡区域；
当第二层栅格出现漏扫区域时，判断漏扫区域的类型；
所述漏扫区域包括普通漏扫区域、孤立漏扫区域与回溯漏扫区域；
所述普通漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，其周围的第一层栅格未全被ROV访问过的漏扫区域；
所述孤立漏扫区域是指在ROV的漏扫区域检测范围内未被前视声呐探测过的，与不可达区域接触的漏扫区域，或者其周围的第一层栅格都被ROV访问过的漏扫区域；
所述回溯漏扫区域是指普通漏扫区域未及时补充探测的部分；
当漏扫区域为普通漏扫区域时，若普通漏扫区域面积大于普通漏扫区域阈值，则实时计算漏扫区域扫描路径点，采用Theta*算法对ROV局部轨迹进行规划；若普通漏扫区域面积小于普通漏扫区域阈值，则通过下一次探测附近栅格时回溯该漏扫区域，并记录该漏扫区域的信息；
当漏扫区域为孤立漏扫区域时，若孤立漏扫区域面积大于孤立漏扫区域阈值，或者当孤立漏扫区域面积小于漏扫区域阈值但面积不变后，实时计算漏扫区域扫描路径点，采用Theta*算法对ROV局部轨迹进行规划；
当漏扫区域为回溯漏扫区域时，将该回溯漏扫区域加入当前ROV所在第一层栅格的扫描任务中；
当ROV前视声呐发现疑似目标后停止采用生物激励神经网络算法对第一层栅格进行全局路径规划，为前视声呐选择下一个最佳视角，计算视点，生成视点后采用Theta*算法对ROV局部轨迹进行规划，ROV前往该视点继续探测，若在当前第一层栅格中的障碍物探测完成后，则记录下一个视点生成的位置与第一层栅格号，并以生成视点的位置来规划第一层栅格路径，同时，将当前第一层栅格中障碍物后方被遮挡的部分都设置为被遮挡区域；
ROV探测障碍物进入新的第一层栅格时，同时对该第一层栅格进行完全覆盖；
当无法再生产更多视点时，则代表该障碍物已经探测完成；
S5、若当前第一层栅格搜寻完成，则判断当前搜寻子区域是否搜寻完成；若当前搜寻子区域搜寻完成，则返回步骤S2，水面母船的路径点更新；若当前搜寻子区域未搜寻完成，则返回步骤S3，ROV进入新的第一层栅格搜寻；
若当前第一层栅格搜寻未完成，则判断是否发现目标；若未发现目标，则返回步骤S4，进行第二层栅格搜寻路径规划与动态更新；若发现目标，则搜寻任务结束。
2.根据权利要求1所述的一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，其特征在于：步骤S1具体包括以下步骤：
S11、设定水面母船搜寻子区域大小；
S12、考虑ROV与水面母船相对关系的约束，设置ROV在水面母船左舷安全区域内进行作业，并根据水面母船的艏向角来划分水面母船的搜寻子区域；
S13、用搜寻子区域覆盖搜寻区域，计算得到所有路径点Oi，i＝1，2，3......，Oi即为水面母船所需搜寻点集；
S14、将搜寻点集中与水面母船最近的搜寻点设置为当前水面母船的目标点；
S15、计算所有搜寻点之间的距离，存储在矩阵中，以水面母船的搜寻路径总长度为优化指标，采用贪婪算法对搜寻点集路径进行规划。
3.根据权利要求1所述的一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，其特征在于：步骤S3具体包括以下步骤：
S31、根据前视声呐的探测范围确定第一层栅格的栅格大小，并将ROV搜寻区域进行第一次栅格化；
S32、根据第一层栅格，规定ROV可从当前位置向东、西、南、北、东北、东南、西北、西南八个方向的相邻第一层栅格运动；
S33、利用生物激励神经网络算法对第一层栅格进行全局路径规划及更新；
利用生物激励神经网络算法进行全区域覆盖，为每个第一层栅格赋予一个活性值，ROV每次选取周围8个栅格中活性值最大、所需转动角度最小的栅格进行运动。
4.根据权利要求1所述的一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，其特征在于：漏扫区域扫描路径点的计算方法如下：
漏扫区域的中心坐标为：
Figure FDA0003322549290000031
其中，xi，yi为漏扫栅格的坐标，n为漏扫栅格的总数；
漏扫区域扫描路径点位置为：
Figure FDA0003322549290000032
Figure FDA0003322549290000033
其中，Ox，Oy为漏扫区域的中心坐标，xc，yc为ROV当前位置坐标，D为前视声呐最远探测范围，D-d为疑似目标与前视声呐的距离；
位置更新后ROV艏向与当前ROV艏向的夹角φ为：
Figure FDA0003322549290000034
其中，θ1为当前ROV艏向，θ2为调整后的ROV艏向；
若ROV到达漏扫区域扫描路径点所需转过的角度大于允许转角阈值φallow，则计算以(Ox，Oy)为圆心，D-d为半径的圆上的与当前ROV艏向夹角为φallow的探测点P1，并以此点作为漏扫区域扫描路径点。
5.根据权利要求1所述的一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，其特征在于：在前视声呐的检测范围内，若第二层栅格被前视声呐检测为疑似目标的次数与被检测总次数的比例超过阈值，则被标记为疑似目标。
6.根据权利要求1所述的一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，其特征在于：当在同一第一层栅格中同时出现普通漏扫区域、孤立漏扫区域、回溯漏扫区域、疑似目标时，探测的优先级为：
L疑似目标＞L孤立漏扫区域＝L回溯漏扫区域＞L普通漏扫区域。
7.根据权利要求1所述的一种ROV与母船协同水下目标搜寻路径规划及动态更新方法，其特征在于：步骤S4中，若未触发第二层栅格动态更新条件，则ROV沿着规划的路径进行搜寻任务，当前第一层栅格将被完全覆盖，采用Theta*算法对ROV第二层栅格进行局部轨迹规划，局部轨迹规划终点为下一需前往的第一层栅格边界的中点。
CN202111029235.XA 2021-09-03 2021-09-03 Rov与母船协同水下目标搜寻路径规划及动态更新方法 Active CN113467485B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111029235.XA CN113467485B (zh) 2021-09-03 2021-09-03 Rov与母船协同水下目标搜寻路径规划及动态更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111029235.XA CN113467485B (zh) 2021-09-03 2021-09-03 Rov与母船协同水下目标搜寻路径规划及动态更新方法

Publications (2)

Publication Number Publication Date
CN113467485A CN113467485A (zh) 2021-10-01
CN113467485B true CN113467485B (zh) 2021-12-03

Family

ID=77868074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111029235.XA Active CN113467485B (zh) 2021-09-03 2021-09-03 Rov与母船协同水下目标搜寻路径规划及动态更新方法

Country Status (1)

Country Link
CN (1) CN113467485B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150047159A (ko) * 2013-10-24 2015-05-04 대우조선해양 주식회사 Ｒｏｖ의 거동을 고려한 동적 위치 제어 시스템 및 그의 위치 제어 방법
WO2016045615A1 (zh) * 2014-09-25 2016-03-31 科沃斯机器人有限公司 机器人静态路径规划方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105045260A (zh) * 2015-05-25 2015-11-11 湖南大学 一种未知动态环境下的移动机器人路径规划方法
CN108045530A (zh) * 2017-12-04 2018-05-18 国网山东省电力公司电力科学研究院 一种海底电缆探测水下机器人及作业方法
CN108037771A (zh) * 2017-12-07 2018-05-15 淮阴师范学院 一种多自治水下机器人搜索控制***及其方法
CN108037766B (zh) * 2017-12-11 2021-04-09 河海大学 一种浮游滚进底栖型潜水器控制***
CN108445879B (zh) * 2018-03-12 2021-02-23 上海大学 一种基于预测碰撞危险区域的无人艇避障方法
CN111045453A (zh) * 2019-12-25 2020-04-21 南京工程学院 一种基于无人艇与多水下机器人的协同控制***及方法
CN212301517U (zh) * 2020-02-21 2021-01-05 南京信息工程大学 一种水下机器人与无人船协同水质检测装置
CN111721296B (zh) * 2020-06-04 2022-04-29 中国海洋大学 一种水下无人航行器数据驱动路径规划方法
CN111880534A (zh) * 2020-07-17 2020-11-03 桂林电子科技大学 一种基于栅格地图的二次路径规划方法
CN113252861B (zh) * 2021-06-21 2021-10-01 深之蓝(天津)水下智能科技有限公司 一种水质检测方法、装置、电子设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150047159A (ko) * 2013-10-24 2015-05-04 대우조선해양 주식회사 Ｒｏｖ의 거동을 고려한 동적 위치 제어 시스템 및 그의 위치 제어 방법
WO2016045615A1 (zh) * 2014-09-25 2016-03-31 科沃斯机器人有限公司 机器人静态路径规划方法

Also Published As

Publication number Publication date
CN113467485A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN106647769B (zh) 基于a*提取引导点的agv路径跟踪与避障协调方法
CN108445879B (zh) 一种基于预测碰撞危险区域的无人艇避障方法
CN108681321B (zh) 一种无人船协同编队的水下探测方法
CN109782807B (zh) 一种回形障碍物环境下的auv避障方法
Casalino et al. A three-layered architecture for real time path planning and obstacle avoidance for surveillance USVs operating in harbour fields
CN112113573B (zh) 一种面向单艘无人测量船艇覆盖路径规划方法
CN111309010B (zh) 一种基于仿生机器人的无人艇海底地形测绘控制***实现的控制方法
CN102945045A (zh) 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
US20180306916A1 (en) System for detecting subsurface objects and unmanned surface vessel
CN111412918B (zh) 无人艇全局安全路径规划方法
US11977201B2 (en) Integrated detection method of electromagnetic searching, locating and tracking for subsea cables
CN113467485B (zh) Rov与母船协同水下目标搜寻路径规划及动态更新方法
CN114610046A (zh) 一种考虑动态水深的无人艇动态安全轨迹规划方法
Blaich et al. Extended grid based collision avoidance considering COLREGs for vessels
Inzartsev et al. Detection and inspection of local bottom objects with the help of a group of special-purpose AUVs
Feder Simultaneous stochastic mapping and localization
CN116540727A (zh) 基于多传感器融合定位的欠驱动无人水面艇自主靠泊方法
CN109631902B (zh) 基于海洋测量的船上线在近点情况下最佳路径规划方法
CN108489490B (zh) 海测船上测线导航路径规划
CN116414123A (zh) 基于改进快速行进法的水面无人艇路径规划方法
CN114882339B (zh) 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法
CN115657682A (zh) 一种关于无人艇在狭窄水道中安全航行的避碰决策方法
Maki et al. AUV navigation around jacket structures I: relative localization based on multi-sensor fusion
CN115546497A (zh) 一种基于轨迹大数据的船舶航路网络提取方法
CN109164797B (zh) 一种用于船舶智能控制的航迹制导方法及***

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