一种回形障碍物环境下的AUV避障方法技术

一种回形障碍物环境下的AUV避障方法，属于水下无人航行器智能控制技术领域。本发明专利技术把声呐探测的障碍物数据通过轮廓凸算法和贝塞尔插值将障碍物边界简化，利用预测导引视域航迹段算法设计出回形障碍物环境下的避障航迹。考虑到回形障碍物的复杂多样性，很容易使得AUV陷入障碍物无法逃出的问题，算法结合避障权值函数得出全局最优预测避障参数，利用历史航迹与当前形成的导引视域航迹段，得出相应的避障预测轨迹方向，然后利用导引方法使得AUV成功实现检测到回形障碍物内部的目标，并能逃离出回形障碍物，实验数据结果可以看出本发明专利技术所提算法有更好的环境适应性、避障执行效率高，具有成功逃离障碍物陷阱的能力。

An AUV Obstacle Avoidance Method in Revolving Obstacles Environment

The utility model relates to an AUV obstacle avoidance method under the circumstance of a return obstacle, which belongs to the intelligent control technology field of an Underwater Unmanned vehicle. The method simplifies the boundary of obstacles by contour cam algorithm and Bessel interpolation, and designs the obstacle avoidance track under the circumstance of a homing obstacle by using the predictive guidance horizon track segment algorithm. Considering the complexity and diversity of the echo obstacles, it is easy to make AUV fall into the problem that obstacles can not escape. The algorithm combines the weight function of obstacle avoidance to get the global optimal predictive parameters of obstacle avoidance. Using the historical track and the current guided horizon track segment, the corresponding predictive trajectory direction of obstacle avoidance is obtained. Then, the guidance method is used to make AUV successfully detect the interior of the echo obstacle. The experimental results show that the proposed algorithm has better environmental adaptability, high efficiency of obstacle avoidance and the ability of successfully escaping from obstacle traps.

【技术实现步骤摘要】
一种回形障碍物环境下的AUV避障方法
本专利技术属于水下无人航行器智能控制
，具体涉及一种回形障碍物环境下的AUV避障方法。
技术介绍
近年来，多自主水下航行器(Autonomousunderwatervehicles)的使用受到了很大的关注，尤其针对浩瀚的海洋，无人自主水下航行器利用自身装备的传感器可以完成远洋深水作业，水下资源勘探，海洋科学考察，军事敌情侦查以及海岸沿线的武器布防任务等。要想完成在水下环境中存在结构复杂的障碍物时，尤其是针对海洋环境中的结构形回形障碍物时，要想实现进入内部排除可能存在的危险目标时，有必要让AUV进入类似回形结构的障碍物中寻找目标，然后再从复杂结构障碍物中逃离，来保证任务的安全执行。在复杂环境中的避障研究中，通常把障碍物分为两种状态：凸障碍物和凹障碍物，回形障碍物属于凹障碍物的一种，但是具有更复杂的结构，如果没有适用的避碰算法，AUV很难逃离出这种环境。有些学者提出一种A-RPSO(自适应机器人PSO)算法，它考虑到机器人在执行任务中的避障问题，同时在避障中还拥有一个逃离局部最优的控制机制。还有针对环境中动态障碍物可能表现出不同的轨迹，分析障碍物的轨迹来确定其未来位置实现躲避障碍物问题展开研究，通过估计可能发生机器人和障碍物碰撞的未来区域，达到移动机器人能够在碰撞之前采取纠正措施。该方法给出比较可靠的预测，因为考虑了障碍物行进的过去位置的许多样本点。该算法在较高的障碍物速度条件下取得了较好的效果，但是这种避障算法真是针对动态的凸障碍物进行避碰实验，没有对复杂凹形障碍物进行算法设计。还有来自科学考察的方法，主要是针对改进的视线导引算法对冰山水下几何形状进行了测量。一旦检测到冰山，AUV将进入拍摄模式。边缘检测算法将确定边缘的位置，并且视线导引方法将用于边缘跟踪。同时在进行水下避障的过程中也有学者利用路劲规划的方法实现最优路径的避障，比如利用一种基于流线功能的自主水下航行器避障路径规划方法实现路径的平滑性。还有通过在路径规划的基础上优化避障功能将粒子群优化(PSO)算法与Legendre伪谱法(LPM)相结合，实现了静态障碍物和具有不同位置不确定性水平的移动障碍物的实时碰撞避免。但是以上提到的方法都是针对规则的凸障碍物分布在环境中的特定情况进行研究或者是针对障碍物与AUV相对模型进行求取最优解达到在AUV航行中的避障目的，并没有针对复杂结构的回形障碍物避障问题提出解决方法，而且也没有针对AUV在回形障碍物内部的逃离问题提出优化避障策略。所以在本专利中针对回形障碍物的避障问题提出一种方法去解决在面对结构复杂的障碍物时的避障问题，同时本专利技术除了适用于回型障碍物的避障也适用于其他任意的凹型结构障碍物下的避障。
技术实现思路
本专利技术的目的在于提供一种回形障碍物环境下的AUV避障方法，该方法安全、有效、可靠，保证AUV在自主航行中，可以安全有效的搜索到回形障碍物内部的目标，同时有效的解决回形障碍物带来的陷阱问题，安全，可靠的逃离回形或其它任意凹型结构障碍物。本专利技术的目的是这样实现的：一种回形障碍物环境下的AUV避障方法，包括如下步骤：步骤一：获取AUV状态信息和障碍物信息、建立声呐数据模型；步骤二：根据障碍物信息进行障碍物类型分类；步骤三：对检测到的回形障碍物信息进行障碍物边界数据处理；步骤四：利用有效障碍物信息进行预测导引视域航迹段计算；步骤五：记录历史回形障碍物的避障航迹信息；步骤六：根据步骤五的历史避障航迹的记录对比，得到回形障碍物环境下的避障导引航迹段。所述步骤一中获取AUV状态信息包括位置信息、运动信息与姿态信息，位置信息在本体坐标系下用距离和角度表示，位置信息在北东地坐标系下用坐标表示；运动信息用速度和运动方向表示，运动方向以正北方向为基准，运动信息包括速度大小、速度方向、加速度、角速度和角加速度，姿态信息为舷向角，以正北方向为基准；期望的速度和方向由上层算法给出,方向以正北方向为基准，所述的角度与方向都是顺时针方向为正值。获取障碍物的位置和角度信息，角度和位置信息都是相对于AUV本体位置的有效信息，为了验证算法的有效性，本专利技术中模拟真实的多波束主动前视声纳数据，以Seabeat6012型声呐为母型，建立前视声呐的数学模型，通过填入矩阵中的数组元素来判断可视范围内的某位置是否存障碍物。所述步骤二中障碍物类型分类依据前视声呐探测到的障碍物信息，利用其相对于AUV的位置状态信息，将出现在AUV视域中的障碍物分为有界障碍物，左有界障碍物，右有界障碍物和左右边缘无界障碍物四种类型；若障碍物的边界是在前视声呐80条波束范围中，那么当前障碍物被认为是有界障碍物；若障碍物的右边界超出了声呐波束范围而左边界在范围中，那么被探测到的障碍物称为左有界障碍物；若障碍物的左边界超出了声呐的探测范围，而右边界在声呐波束范围中，那么称障碍物为右有界障碍物；若障碍物两边都超出了声呐的探测范围，那么称障碍物为无界障碍物。步骤三中对检测到的回形障碍物信息进行障碍物边界数据处理：在本专利技术中采用凸包算法和简化的贝塞尔插值算法把障碍物轮廓转化为规则形状，最后进行数据的光滑处理，具体步骤为(3.1)把声呐波束线输出的数据解算成障碍物边界点其中ψ为AUV当前的艏向，di为第i个声呐波束输出的距离，θi为第i个波束输出的角度，aix,aiy为当前AUV的位置；(3.2)对解算出的障碍物边界点组成的集合X，寻一个凸包集代替X集合进行，这个凸包集包括所有的X集合中的点；选取集合X中的最左边且是最下边的一个点作为极坐标的原点，对集合中所有的点进行与极坐标原点距离由小到大且满足极角由小到大的原则排序，然后选取排序后的第二个点与极坐标产生的射线，然后利用向量叉积寻找角度由小到大，若角度相同按距离由近到远的顺序寻找凸包集合；(3.3)步骤(3.3)中解算出的凸包集代表障碍物简化的轮廓点集，利用这些点作为贝塞尔插值的边界点产生光化边界点；(3.4)最后将处理过的边界点进行按声呐波束顺序从左到右排序。所述步骤四中利用有效回形障碍物信息进行预测导引视域航迹段计算时首先根据声呐探测到的数据进行处理，然后结合AUV避障规则和避障算法权重函数利用条件约束最优避障参数，对障碍物数据进行预测航迹映射。所述步骤五中记录历史回形障碍物的避障航迹信息依据声呐检测到的障碍物数据经过滤波后，依据以上步骤得到预测映射避障航迹，通过设定记忆单元对历史航迹信息进行记录其中包括AUV走过的航向和路径位置信息，作为AUV在进入回形障碍物内部发现目标后当出现陷入障碍物内部无法逃离的情况，同构利用与当前预测的轨迹点对比有效信息，作为逃离回形障碍物陷阱的历史依据，最后选择正确的预测导引航迹逃离回形障碍物陷阱。所述步骤六中根据步骤五的历史避障航迹的记录对比，得到回形障碍物环境下的避障导引航迹段，导引避障路径的设计是使用更少的转向位置和转向舵角矫正来实现无碰撞的最短和最平滑的路径，依据声呐检测到的障碍物数据经过滤波后，通过与步骤四种的预测航迹信息的对比，根据避障规则和避障权重函数得到最终的预测导引航迹，最后利用直线导引和圆弧导引跟随避障航迹以实现安全避障路径。所述避障规则包括两条，规则一为当存在安全避障距离的时候，若是左有界障碍物而且满足安全避障条件，AUV转本文档来自技高网...

【技术保护点】
1.一种回形障碍物环境下的AUV避障方法，其特征在于，包括：步骤一：获取AUV状态信息和障碍物信息、建立声呐数据模型；步骤二：根据障碍物信息进行障碍物类型分类；步骤三：对检测到的回形障碍物信息进行障碍物边界数据处理；步骤四：利用有效障碍物信息进行预测导引视域航迹段计算；步骤五：记录历史回形障碍物的避障航迹信息；步骤六：根据步骤五的历史避障航迹的记录对比，得到回形障碍物环境下的避障导引航迹段。

【技术特征摘要】
1.一种回形障碍物环境下的AUV避障方法，其特征在于，包括：步骤一：获取AUV状态信息和障碍物信息、建立声呐数据模型；步骤二：根据障碍物信息进行障碍物类型分类；步骤三：对检测到的回形障碍物信息进行障碍物边界数据处理；步骤四：利用有效障碍物信息进行预测导引视域航迹段计算；步骤五：记录历史回形障碍物的避障航迹信息；步骤六：根据步骤五的历史避障航迹的记录对比，得到回形障碍物环境下的避障导引航迹段。2.根据权利要求1所述的一种回形障碍物环境下的AUV避障方法，其特征在于：所述步骤一中获取AUV状态信息包括位置信息、运动信息与姿态信息，位置信息在本体坐标系下用距离和角度表示，位置信息在北东地坐标系下用坐标表示；运动信息用速度和运动方向表示，运动方向以正北方向为基准，运动信息包括速度大小、速度方向、加速度、角速度和角加速度，姿态信息为舷向角，以正北方向为基准；期望的速度和方向由上层算法给出,方向以正北方向为基准，所述的角度与方向都是顺时针方向为正值；获取障碍物的位置和角度信息，角度和位置信息都是相对于AUV本体位置的有效信息，为了验证算法的有效性模拟真实的多波束主动前视声纳数据，以Seabeat6012型声呐为母型，建立前视声呐的数学模型，通过填入矩阵中的数组元素来判断视线范围内的某位置是否存障碍物。3.根据权利要求1所述的一种回形障碍物环境下的AUV避障方法，其特征在于：所述步骤二中障碍物类型分类依据前视声呐探测到的障碍物信息，利用其相对于AUV的位置状态信息，将出现在AUV视域中的障碍物分为有界障碍物，左有界障碍物，右有界障碍物和左右边缘无界障碍物四种类型；若障碍物的边界是在前视声呐80条波束范围中，那么当前障碍物被认为是有界障碍物；若障碍物的右边界超出了声呐波束范围而左边界在范围中，那么被探测到的障碍物称为左有界障碍物；若障碍物的左边界超出了声呐的探测范围，而右边界在声呐波束范围中，那么称障碍物为右有界障碍物；若障碍物两边都超出了声呐的探测范围，那么称障碍物为无界障碍物。4.根据权利要求1所述的一种回形障碍物环境下的AUV避障方法，其特征在于：所述步骤三中对检测到的回形障碍物信息进行障碍物边界数据处理：采用凸包算法和简化的贝塞尔插值算法把障碍物轮廓转化为规则形状，最后进行数据的光滑处理，具体步骤为(3.1)把声呐波束线输出的数据解算成障碍物边界点其中ψ为AUV当前的艏向，di为第i个声呐波束输出的距离，θi为第i个波束输出的角度，aix,aiy为当前AUV的位置；(3.2)对解算出的障碍物边界点组成的集合X，寻一个凸包集代替X集合进行，这个凸包集包括所有的X集合中的点；选取集合X中的最左边且是最下边的一个点作为极坐标的原点，对集合中所有的点进行与极坐标原点距离由小到大且满足极角由小到大的原则排序，然后选取排序后的...

【专利技术属性】
技术研发人员：李娟，张建新，王会昕，张栩，陈兴华，王宏健，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23