[发明专利]一种水下无人航行器数据驱动路径规划方法

说明书

本发明提出一种水下无人航行器数据驱动路径规划方法，主要应用于水下区域遍历任务的路径规划；首先，对于任务区域，利用栅格法进行环境建模，读取先验知识以更新建模地图，并利用初始地图信息生成初始全局路径；执行任务期间，实时检测并接收观测数据，进行在线路径规划分析，基于规划模式决策评价函数F对全局规划模式和局部规划模式进行决策，如果切换至局部规划模式，依据启发规则集进行局部规划，局部特征密集区遍历完成后，回归初始全局规划路径；本方案根据水下实时高维空间观测数据进行在线指导决策，基于实时探测情况进行全局与局部规划的决策，通过规划模式切换，选择适应的规划策略，能够适用于更复杂的环境，并达到时间效率上的显著提升。

技术领域

本发明涉及水下导航领域，具体涉及一种水下无人航行器数据驱动路径规划方法。

背景技术

由于深海环境可能存在许多无法预知的危险且比较难以接近，而在实际的水下作业中，自主式水下机器人能够在无需人工干预时就可以独立运行并完成许多任务，比如自主导航、自主避障以及自主作业。因此，在不适合潜水员作业的场合，水下无人航行器无论是军事上，还是商业上都发挥着重要的作用，例如作为深海工作平台、海洋勘探取样、水下测量以及其它研究应用，无人水下机器人就能够体现出巨大的优越性。

路径规划技术是水下机器人完成海洋作业任务的重要技术，国内外在路径规划技术方面均有很多显著的成果，当前在机器人导航研究中遇到的难点和热点是在未知动态环境中所进行的路径规划。所谓路径规划通常是指按照某一性能指标(最小代价、最短路线或最短时间等)在工作空间中根据任务需求搜索一条从给定起始点到终止点的最优或者近似最优的无碰撞路径，避开环境中的障碍物。其中一种是完全遍历路径规划，即根据设定的评价函数，在规划区域内寻找一条从起始点到目标点的无障碍连续路径，使得评价函数最优。

在遍历任务中，目前常用的方法有除草机算法(lawnmoweralgorithm)、螺旋式覆盖算法(spiralalgorithm)、反弹算法(bouncealgorithm)等；但是，这些算法策略单一、缺少智能性，不能根据目标区域的不同进行智能调节，时间效率偏低。启发式搜索算法是路径规划中常见的方法，主要通过启发函数来指引算法的搜索方向，大多定义的启发函数与距离函数相关，启发式搜索算法的优劣与启发函数直接相关，而一般只能通过试凑法来尝试获取更好的启发函数。而且，在未知环境中，因为障碍物陷阱的存在，可能会导致搜索失败。

本方案为实现未知区域下的目标物探测与遍历，以最短时间为指标实现未知区域的完全探测，提出一种水下无人航行器数据驱动路径规划方法。

发明内容

本发明为解决现存的区域遍历算法普遍缺乏决策能力、效率不高的问题，提出一种水下无人航行器数据驱动路径规划方法，能够利用实时高维空间观测数据，进行全局与局部路径规划模式切换，并根据目标物形状特征，选择最合适的局部遍历方法，参照启发式搜索规则，优化局部路径规划，从而提升效率。

本发明是采用以下的技术方案实现的：一种水下无人航行器数据驱动路径规划方法，包括以下步骤：

步骤A、对于任务区域，利用栅格法进行环境建模，读取先验知识以更新建模地图，并生成初始全局路径；

步骤B、实时检测并接收观测数据，进行在线路径规划分析；

步骤B1、任务执行初始时刻，基于初始全局路径进行遍历导航，并实时接收高维空间观测分析数据，更新相应栅格内的信息素；

步骤B2、基于规划模式决策评价函数F对全局规划模式和局部规划模式进行决策，若F＜0，则执行步骤B3，由全局规划模式转化为局部规划模式；若F≥0，即计算结果为全局规划，则继续按照初始全局路径进行遍历导航；

其中，决策评价函数F表示如下：

F＝c₁G₁+c₂G₂