[发明专利]动态障碍物下的无人巡航船多目标路径规划方法

说明书

本发明公开了一种动态障碍物下的无人巡航船多目标路径规划方法，涉及水质采样和路径规划技术领域。首先，无人机对湖面环境采集图像，进行栅格分割，在栅格地图设置起始点和若干采样点；采用改进的灰狼优化算法对若干采样点进行顺序优化，并将最优顺序的各采样点一一标记到地图上；利用D*Lite算法计算栅格地图中标记的每两个采样点之间的最优栅格路径，得到一条从起始点到最终采样点之间的最优路径；最后，自主巡航船沿最优路径完成巡航。本发明对灰狼优化算法中的收敛因子进行改进，平衡了灰狼优化算法的全局搜索和局部搜索能力，提高了灰狼优化算法的收敛速度和稳定性，可以实现在动态未知环境情况下多个目标点的路径规划。

技术领域

本发明属于湖泊流域水质采样和路径规划技术领域，具体是一种动态障碍物下的无人巡航船多目标路径规划方法。

背景技术

如今，水环境保护问题越来越受到国家的重视。随着科技的发展，在水质采样领域，智能水质采样巡航船逐渐替代人工采集，应用越来越广泛。

但是，智能水质采样巡航船的路径规划问题一直以来都是国内外学者所关注的重点以及难点，其路径的选择是否合理直接影响着巡航船的运行效率。一种适合当前环境、能快速规划出采样最优路径的方法能显著地提高采样效率同时降低采样成本。

当前已有很多传统方法和智能方法被用来解决巡航船的多目标点路径规划问题，如：遗传算法和蚁群算法等。

灰狼优化算法是2014年提出的一种群体智能优化算法，可以实现对多个目标点的顺序优化。但是，该算法无法解决动态未知环境的路径规划问题，并且该算法的收敛性较缓慢。

D*Lite算法是一种能够解决动态未知环境的路径规划问题的算法，它采用的是反向搜索方式。但是，该算法只能够解决单目标点的问题，不能够仅用该算法去遍历多个目标点。

发明内容

本发明针对自主巡航船在动态环境中采集多个点的需求问题，提出了一种动态障碍物下的无人巡航船多目标路径规划方法，利用D*Lite算法结合改进后的灰狼优化算法，充分利用两种算法的优势，缩短了搜索路径所消耗的时间，减少了设备成本，并有效解决了动态环境下多个目标点的路径规划问题。

所述的动态障碍物下的无人巡航船多目标路径规划方法，具体步骤如下：

步骤一：无人机对湖面的环境采集图像，采用栅格法进行分割，得到栅格地图并设置起始点和d个采样点；

具体为：首先，将湖面图像分割成大小相等的栅格，组成一个栅格地图；并将环境中的障碍物设置为黑色栅格，将不规则障碍物进行填充处理，将可行区域设置为白色栅格，在栅格地图中运用二维坐标设置一个起始点和d个采样点。

d为正整数。

步骤二：采用改进的灰狼优化算法对d个采样点进行顺序优化，得到最优顺序并保存。

所述采用改进的灰狼优化算法得到最优顺序的步骤如下：

步骤201：初始化灰狼优化算法的参数。

参数包括：灰狼种群数量n，最大迭代次数t，将采样点个数定义为搜索空间的维数d，灰狼种群的初始位置，以及每只灰狼各自一条随机路径等；

步骤202：每只灰狼在d个采样点的空间中搜索猎物，构建搜索空间与灰狼位置关系的空间域矩阵P；

首先，定义第i只灰狼的位置X_i为一组互不相同的正整数序列，公式如下：

则代表灰狼种群中的第i只灰狼在第d个采样点上的值；

然后，n只灰狼的位置组成空间域矩阵P，公式如下：