[发明专利]一种基于双向搜索的无人船路径规划优化方法

说明书

本发明公开了一种基于双向搜索的无人船路径规划优化方法。它具体包括如下步骤：(1)基于传统Asupgt;*/supgt;算法编写基本路径规划程序以实现基本的避障和路径规划能力；(2)设计动态加权因子对传统Asupgt;*/supgt;算法的启发式估计代价函数进行改进；(3)设计双向搜索策略对传统Asupgt;*/supgt;算法的搜索策略进行改进；(4)基于贝塞尔曲线对规划出的路径进行平滑处理。本发明的有益效果是：使用以上处理方法能够有效地缩短路径规划算法所需的时间，同时使得到的路径足够的平滑以便于移动无人船的跟随从而极大地提高移动无人船的工作效率。

技术领域

本发明涉及无人船相关技术领域，尤其是指一种基于双向搜索的无人船路径规划优化方法。

背景技术

随着自动化理论和计算机技术在海洋工程的广泛应用，水面无人船作为一种高度自主的无人交通工具，可以灵活便捷地完成系列高风险海洋任务。其中绝大多数的研究重心都放在了高精度路径跟踪的实现，那么规划出一条能够有效避开障碍物的合理路径便成为了高精度路径跟踪的前提。在港口和海岸线等复杂环境下，给予水面无人船一条预先规划好的合理路径已成为一个重要问题，同时路径规划算法的性能将会直接影响到移动无人船的工作效率，但是现有的无人船实时路径规划算法在重新规划时的速度普遍偏慢，因此优化路径规划算法的性能尤为重要。

路径规划是无人船导航中需要首先解决的问题，指的是如何规划出一条由出发位置到目标位置的无碰撞适宜轨迹，路径规划问题分为全局路径规划和局部路径规划，全局路径规划是指在环境已知的情况下搜索全局最优的路径规划，局部路径规划是指在环境未知的情况下的避障运动规划。常用的局部路径规划算法由动态窗口算法DWA(dynamicwindow approach)，人工势场法APF(artificial potential field)；常用的全局路径规划算法有Dijkstra算法，A*算法等。对于全局的路径规划算法，A*算法的效果较好，其能在静态的环境中快速求解出最优的路径，但A*算法所规划出的路径是通过节点相连接的，这会导致曲率上的不连续导致规划得到的路径冗长以及不平滑；同时A*算法是基于Dijkstra算法和最佳优先搜索算法构建的算法，其核心思想是在指定区域内规划出一条从起始位置到目标位置的最小移动代价路径，这就导致其在运行过程中不可避免的遍历地图上的大多数节点从而计算出移动代价最小的一条路径，这就会直接导致路径规划算法的寻路时间较长，同时也会导致移动无人船的工作效率大打折扣。

发明内容

本发明是为了克服现有技术中存在上述的不足，提供了一种可以提高路径规划算法效率的基于双向搜索的无人船路径规划优化方法。

为了实现上述目的，本发明采用以下技术方案：

一种基于双向搜索的无人船路径规划优化方法，具体包括如下步骤：

(1)基于传统A^*算法编写基本路径规划程序以实现基本的避障和路径规划能力；

(2)设计动态加权因子对传统A^*算法的启发式估计代价函数进行改进；

(3)设计双向搜索策略对传统A^*算法的搜索策略进行改进；

基于贝塞尔曲线对规划出的路径进行平滑处理。

本发明提出了能根据当前搜索节点与目标节点的距离的变化而变化的动态加权因子，将此动态因子附加到启发式估计代价函数上从而改变实际代价和启发式估计代价函数的权重，使得算法在运行初期能够高速扩展搜索节点，在运行中后期能够规划最优路径，提高了移动无人船路径规划的速度和精度；本发明设计双向搜索的搜索策略，使得算法由原来起始节点到目标节点的单向拓展变为由起始节点和目标节点同时拓展的双向拓展，并基于贝塞尔曲线设置若干个控制点对规划得到的路径进行平滑处理，从而既极大地提高了算法运行的速度又便于移动无人船对规划出的路径进行跟踪控制。

作为优选，在步骤(1)中，传统A^*算法的核心是计算与节点信息密切相关的评价函数的大小，评价函数为：

f(n)＝g(n)+h(n)