[发明专利]一种基于改进角度势场法的无人船自主避障方法

说明书

本发明公开了一种基于改进角度势场法的无人船自主避障方法，在传统角度势场法的基础上，考虑无人船运动学特点对角度和速度的计算方法进行改进；提出反向避障方法处理狭窄空间无法转向问题；将两点航行避障拓展到多目标点航行避障，方法包括：根据用户输入的目标点顺序，获取第一个目标点信息，通过IMU获取当前无人船的位置和航向信息；根据雷达获取当前位置的环境信息进行环境建模；根据改进角度势场法避障航行直到航行至当前目标点；根据用户输入的目标点顺序，更新目标点位置信息，继续航行，直到航行至最终目标点。本发明保证无人船能够在复杂障碍空间下有效避开障碍物，进行多目标点自主航行和避障。

技术领域

本发明属于无人船自主避障技术领域，具体涉及一种基于改进角度势场法的无人船自主避障方法。

背景技术

近年来，无人智能平台迅速发展，但如何通过探测到的障碍物信息，实现无人船的自主避障一直是无人船自动巡航过程中急需解决的问题。尤其是针对小型无人船更需要研究出计算量小、安全性能高、适用于各种复杂环境的自主避障算法。

针对无人船自主避障问题，国内外研究学者开展了各种研究。Khatib提出了人工势场法(Potential Field Method)，将机器人视角中障碍物对机器人的影响描述为“排斥力”，目标点对无人船的影响描述为“牵引力”，将排斥力与牵引力合成，得到合力，引导机器人躲避障碍物，向目标点前进。人工势场法因为简单、计算量小等优点得到了广泛应用。但人工势场法将所有障碍物对机器人的影响统一描述为一个排斥力，所以存在局部最优解问题。W.E Howden提出了栅格法，将机器人行进空间划分为多个大小相等、具有二值信息的栅格单元，从起始点到目标点进行栅格路径搜索，搜索到的路径就是规避障碍物的无碰路径。在划分栅格时，栅格单元越大，计算量越小，但环境信息表示也会越模糊，从而会导致路径规划不准确；栅格单元越小，环境信息刻画就越清晰，但计算量和存储空间会成指数增加。所以运用栅格法进行避障时需要划分大小合适的栅格单元。

随着现代人工智能的发展，一些智能算法也得到了广泛应用。W.mcculloch和W.pitts提出神经网络算法后，神经网络算法逐渐被大量应用于机器人视觉，无人系统避障等各个领域，禹建丽提出基于神经网络的路径规划算法，利用神经网络结构定义能量函数，然后通过路径点位置选取动态运动方程，从而规划出折线形无碰路径。Eberhart和Kennedy提出粒子群算法。粒子群算法的基本概念源于对鸟群觅食行为的研究，通过一个随机解以及群体抽象出的数学模型进行迭代从而求取最优解。粒子群算法可以规划出两点间最优路径。但智能算法计算量过大，不适用于小型无人船系统。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于改进角度势场法的无人船自主避障方法，实现多目标点间复杂空间内的避障航行。

为实现上述技术目的，本发明采取的技术方案为：

一种基于改进角度势场法的无人船自主避障方法，包括以下步骤：

步骤一：根据用户输入的目标点顺序，获取第一个目标点信息；

步骤二：通过IMU获取当前无人船位置信息、当前航向信息；

步骤三：根据雷达获取当前位置的环境信息进行环境建模；

步骤四：根据改进角度势场法避障航行直到航行至当前目标点；

步骤五：根据用户输入的目标点顺序，更新目标点位置信息，继续航行，直到航行至最终目标点。

为优化上述技术方案，采取的具体措施还包括：

优选地，上述的步骤一具体为：

用户根据自身需求，按照顺序依次输入目标点的位置信息；

根据用户输入的目标点顺序，获取第一个目标点位置信息，并设为当前航行目标点。