一种针对快速移动障碍物的无人艇避碰方法技术

本发明专利技术公开了一种针对快速移动障碍物的无人艇避碰方法，包括以下步骤：获取障碍物的位置信息、几何形状信息以及无人艇的位置信息，规划无人艇能够躲避障碍物的安全避让行驶范围；根据无人艇的位置判断障碍物是否进入安全避让行驶范围内，如果障碍物进入该范围内，则根据深度强化学习法DQN进行避障，躲避快速移动的动态障碍物以及安全通过船舶通行口；如果障碍物不在该范围内，则根据人工势场法接近目标地，当安全达到最终目标地则结束。该方法利用人工势场法中的引力保证无人艇可以接近目标地，并引入DQN深度强化学习代替人工势场法中的斥力来躲避障碍物，避免现有技术中容易陷入局部最优的问题。

A collision avoidance method of unmanned boat for fast moving obstacles

【技术实现步骤摘要】
一种针对快速移动障碍物的无人艇避碰方法
本专利技术涉及无人艇避障领域，尤其涉及一种DQN与人工势场法结合的快速躲避动态障碍物的水上无人艇避障算法。
技术介绍
水上无人艇(USV)是一种无人操作的水面舰艇，主要用于执行危险以及不适于有人船只执行的任务。民用主要集中在石油行业、天然气行业、大学和实验室等研究领域，用于海岸测量测绘、海安环境监测、海洋气象预报、海洋生物研究、通信中继，海洋资源勘探与开发、领海监视等。在军事领域的运用集中在未来的战争中实现侦察、监视、探测、情报收集、阵地防护、武装打击、执行特殊任务等，是实现在战争中零伤亡的必要方式。军事专家们始终相信无人艇这个海上新概念，将会在未来的战争中协同无人飞行器、无人潜航器和无人车辆等，共同构筑成一个完整的无人化战场。无人艇如果要实现上述的功能就必须要在目标海域正常安全的航行，能对出现的障碍物进行主动避让，这种避障属于路径规划领域，可以分为全局路径规划和局部路径规划。全局路径规划根据已知的环境信息规划出一条安全并且经济的路线，但实时性不好，当环境改变，如出现未知障碍物时，无人艇就不能及时做出反应。局部路径规划则偏向于无人艇当前的局部环境信息，利用这些信息，无人艇可以避开未知的障碍物。无人艇通过船载传感器探测当前的局部环境信息，获得障碍物的位置以及形状等信息，再运用避障算法对障碍物做出反应。对于未知动态障碍物的躲避是比较困难的，目前有一些可以实现的局部路径规划算法，比如人工势场法，动态窗口法，遗传算法和模糊逻辑算法等等。主要考虑人工势场法，其基本思想是将无人艇抽象成在一个人造引力场里运动，目标点提供“引力”，障碍物提供“斥力”，最后通过计算合力来决定无人艇的运动。这种算法的优点是规划出的路径比较平滑且安全，但这种方法存在局部最优的问题，比如在船舶通行口或者桥梁通航孔这种两边是障碍物的情况就会陷入局部最优，无法到达目标点。并且这种方法对障碍物的躲避是全局性的，在无人艇开始行驶时就已经开始了避障行为，对于现实情况中突然出现的快速移动障碍物就不具备避障能力了。
技术实现思路
根据现有技术存在的问题，本专利技术公开了一种针对快速移动障碍物的无人艇避碰方法，具体包括如下步骤：获取障碍物的位置信息、几何形状信息以及无人艇的位置信息，规划无人艇能够躲避障碍物的安全避让行驶范围；根据无人艇的位置判断障碍物是否进入安全避让行驶范围内，如果障碍物进入该范围内，则根据深度强化学习法DQN进行避障、从而躲避快速移动的动态障碍物以及安全通过船舶通行口；如果障碍物不在该范围内，则根据人工势场法接近目标地，再判断无人艇是否到达临时目标地若到达临时目标地则根据人工势场法接近最终目标地，当安全达到最终目标地则结束。进一步的，以障碍物的中心位置再加上障碍物的最大半径得到障碍物的圆形范围，根据无人艇的几何信息得到无人艇的圆形范围，将无人艇的圆形范围和障碍物的圆形范围相加得到无人艇安全躲避障碍物的距离，将该距离定义为安全避让行驶范围。进一步的，根据深度强化学习法DQN进行避障时首先对神经网络进行训练：设定状态s包括无人艇当前时刻的位置信息、无人艇与未知动态障碍物的距离sa和无人艇距离目标点的距离so，动作a包括：向前、左舵、左满舵、右舵和右满舵信息，将状态s反复输入至神经网络中进行训练输出动作a，采用如下激励函数对神经网络的反馈奖励r进行优化：其中r′为无人艇到达目标点或者与障碍物相撞后得到的激励，该激励函数表示当无人艇靠近障碍物时给予负激励、当无人艇远离障碍物时给予正激励。进一步的，采用人工势场法接近目标地时只采用引力驱动无人艇不断接近目标点，计算引力的公式如下：其中P是引力，dG是无人艇当前位置到目标点的距离，PS是引力系数，mP为预设的最小引力，aG是当前无人艇的朝向角度，计算转向角的公式如下：St＝arctan(Sp*sin(D)+P[0],Sp*cos(D)+P[1])-D其中St为转向角，Sp为无人艇当前的速度，D为无人艇当前的角度，P[0]为上述计算出的引力水平分量，P[1]为垂直分量。最后通过加减360度将角度限制在正负180度之间。由于采用了上述技术方案，本专利技术提供了一种针对快速移动障碍物的无人艇避碰方法，该方法利用人工势场法中的引力保证无人艇可以接近目标地，并引入DQN深度强化学习代替人工势场法中的斥力来躲避障碍物，避免现有技术中容易陷入局部最优的问题。同时本方法引入的DQN的学习过程是根据人的先验性行为进行的，相比较于传统方法中躲避障碍物的方式，其产生的避障行为更接近人的判断，采用本专利技术公开的方法可以对出现的未知动态障碍物迅速做出躲避反应，可以实现更好的避障效果。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术整体方法的流程图；图2是DQN结构图；图3是DQN算法流程图；图4(a)是运用本专利技术算法躲避快速移动障碍物仿真图；图4(b)是运用本专利技术算法躲避快速移动障碍物仿真图；图4(c)是运用本专利技术算法躲避快速移动障碍物仿真图；图4(d)是运用本专利技术算法躲避快速移动障碍物仿真图；图4(e)是运用本专利技术算法躲避快速移动障碍物仿真图。具体实施方式为使本专利技术的技术方案和优点更加清楚，下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚完整的描述：如图1所示的一种针对快速移动障碍物的无人艇避碰方法，包括如下步骤：S1:从环境中获取障碍物的地理位置信息、无人艇的地理位置信息，采用传感器获取障碍物的位置信息以及几何形状信息，采用GPS或北斗定位方式获取无人艇的地理位置信息。其中以障碍物的中心位置再加上障碍物的最大半径，能够得到一个障碍物的圆形范围，根据无人艇的几何信息可以得到一个无人艇的圆形范围。S2:以障碍物的中心位置再加上障碍物的最大半径能够得到一个障碍物的圆形范围，根据无人艇的几何信息可以得到一个无人艇的圆形范围。将两个圆形范围的半径做相加处理，就得到无人艇可以安全躲避障碍物的距离，然后把无人艇和障碍物作为一个点来处理，就认为上述的距离为安全避让行驶范围。若障碍物进入到这个范围，则进入S3；若没有进入这个范围，则进入S4。再根据无人艇的位置判断障碍物是否进入这个范围内，若障碍物进入这个范围，则根据DQN进行避障；若没有进入这个范围，则根据人工势场法接近目标。S3:采用DQN深度强化学习进行避障，DQN是一种融合了神经网络和Qlearning的方法，根据机器学习的功能，经过一定次数的训练，使无人艇能够拥有躲避障碍物的能力，并在未知障碍物出现时对其进行躲避。S4:采用人工势场法接近临时目标地，这里用到的人工势场法只采用引本文档来自技高网...

【技术保护点】
1.一种针对快速移动障碍物的无人艇避碰方法，其特征在于包括以下步骤：/n获取障碍物的位置信息、几何形状信息以及无人艇的位置信息，规划无人艇能够躲避障碍物的安全避让行驶范围；/n根据无人艇的位置判断障碍物是否进入安全避让行驶范围内，如果障碍物进入该范围内，则根据深度强化学习法DQN进行避障、从而躲避快速移动的动态障碍物以及安全通过船舶通行口；/n如果障碍物不在该范围内，则根据人工势场法接近目标地，再判断无人艇是否到达临时目标地若到达临时目标地则根据人工势场法接近最终目标地，当安全达到最终目标地则结束。/n

【技术特征摘要】
1.一种针对快速移动障碍物的无人艇避碰方法，其特征在于包括以下步骤：
获取障碍物的位置信息、几何形状信息以及无人艇的位置信息，规划无人艇能够躲避障碍物的安全避让行驶范围；
根据无人艇的位置判断障碍物是否进入安全避让行驶范围内，如果障碍物进入该范围内，则根据深度强化学习法DQN进行避障、从而躲避快速移动的动态障碍物以及安全通过船舶通行口；
如果障碍物不在该范围内，则根据人工势场法接近目标地，再判断无人艇是否到达临时目标地若到达临时目标地则根据人工势场法接近最终目标地，当安全达到最终目标地则结束。


2.根据权利要求1所述的一种针对快速移动障碍物的无人艇避碰方法，其特征还在于：以障碍物的中心位置再加上障碍物的最大半径得到障碍物的圆形范围，根据无人艇的几何信息得到无人艇的圆形范围，将无人艇的圆形范围和障碍物的圆形范围相加得到无人艇安全躲避障碍物的距离，将该距离定义为安全避让行驶范围。


3.根据权利要求1所述的一种针对快速移动障碍物的无人艇避碰方法，其特征还在于：根据深度强化学习法DQN进行避障时首先对神经网络进行训练：
设定状态s包括无人艇...

【专利技术属性】
技术研发人员：赵红，张金泽，姚玉斌，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21