一种适用于水产养殖环境的仿生水母机器人路径规划方法技术

本发明专利技术涉及智能领域，且公开了一种适用于水产养殖环境的仿生水母机器人路径规划方法，包括以下步骤：第一步：仿生水母机器人进入目标区域，水下三维全景成像声纳系统建立三维点云视图；第二步：通过深度学习算法，筛选出可通行区域和禁止通行区域，并且进行分区域检测第三步：运用PRM算法、加权求和法、模糊控制算法和A*算法计算出最优路径第四步：控制芯片控制仿生水母机器人按照最优路径前行，通过水下三维全景成像声纳系统实时更新坐标图；第五步：系统获取行驶路径上障碍物的相关信息；第六步：通过模糊控制算法对障碍物进行圆弧路径避障；第七步：仿生水母机器人到达检测区域后，对水质和养植物的情况进行检测并反馈相关数据。水质和养植物的情况进行检测并反馈相关数据。水质和养植物的情况进行检测并反馈相关数据。

【技术实现步骤摘要】
一种适用于水产养殖环境的仿生水母机器人路径规划方法


[0001]本专利技术涉及智能领域，具体为一种适用于水产养殖环境的仿生水母机器人路径规划方法。

技术介绍

[0002]我国水产养殖业发展迅速，养殖产量连续二十多年居世界第一，占全球总产量近七成，为我国城乡居民提供了超过1/3的优质动物蛋白，对保障国家食物安全发挥了重大作用。因此开展以水产养殖为应用主题的专用机器人的研究具有十分迫切和重要的意义。但由于水产养殖环境复杂多变，水产养殖物多样化，寻常智能水下机器人面临行进困难、路径规划算法程序负担重、费时长，效率低、作业安全性低的问题。例如寻常智能水下机器人面对水下环境中动态的障碍物，往往通过不断地重新规划当前位置到目标位置的路径，以便安全达到目标位置。这在不确定且动态的水下环境中会影响路径的合理性、安全性和最优性，造成水下机器人能源和时间的浪费。
[0003]而目前，尚未检索到针对仿生水母机器人在水产养殖环境下路径规划方法和避障措施。现有路径规划相关技术通常为水下机器人通过自身搭载的传感器对周围环境进行探测，获取其中的有用信息，再利用这些信息增量式地构建环境地图并且完成自身的定位后，最后采用预设的RRT算法或人工势场法寻找出最优路径并进行避障。
[0004]传统水下机器人路径规划方法和避障措施，面对复杂多变的水环境环境规划效果不佳。在复杂多变的水环境下，存在众多动态的障碍物，传统算法往往通过不断地重新规划当前位置到目标位置的路径，以便安全达到目标位置。过于频繁的重新规划路径将导致机器反复绕路，作业效率低下，影响路径的合理性与最优性。
[0005]另一方面，水环境下的养植物运动速度较快，传统算法把所有障碍物均视为静止状态统进行避障处理，没有考虑障碍的运动方向与速度设计避障措施，将会增大水下机器人与障碍物碰撞的可能性，影响路径的安全性，为此我们提出了一种适用于水产养殖环境的仿生水母机器人路径规划方法。

技术实现思路

[0006](一)解决的技术问题
[0007]针对现有技术的不足，本专利技术提供了一种适用于水产养殖环境的仿生水母机器人路径规划方法，系统设计了基于水下三维全景成像声纳系统和深度学习算法的区域筛选机制，结合PRM(概率路图)算法、模糊控制算法、加权求和法和A*算法的路径规划算法，实现对仿生水母机器人在复杂多变的水环境下的路径规划。另外，通过获取行驶路径上障碍物的相关信息，并且结合模糊控制算法输出仿生水母机器人进行圆弧路径避障所需的避障数据，从而有效改进了传统路径规划方法的避障机制，面对动态的障碍物可以进行有效且顺畅地躲避，提升了水产养殖环境的仿生水母机器人路径规划的可达性和安全性。
[0008](二)技术方案
[0009]为实现上述所述目的，本专利技术提供如下技术方案：一种适用于水产养殖环境的仿生水母机器人路径规划方法，包括以下步骤：
[0010]第一步：仿生水母机器人进入目标区域，水下三维全景成像声纳系统建立三维点云视图；
[0011]第二步：通过深度学习算法，筛选出可通行区域和禁止通行区域，并且进行分区域检测
[0012]第三步：运用PRM算法、加权求和法、模糊控制算法和A*算法计算出最优路径
[0013]第四步：控制芯片控制仿生水母机器人按照最优路径前行，通过水下三维全景成像声纳系统实时更新坐标图；
[0014]第五步：系统获取行驶路径上障碍物的相关信息；
[0015]第六步：通过模糊控制算法对障碍物进行圆弧路径避障；
[0016]第七步：仿生水母机器人到达检测区域后，对水质和养植物的情况进行检测并反馈相关数据。
[0017]优选的，所述第一步中三维点云视图是通过水下三维全景成像声纳系统通过循环改变扫描角度和扫描平面，以仿生水母机器人为原点的点云并对点云进行分割、滤波、补全得到。
[0018]优选的，所述第二步中可通行区域和禁止通行区域是基于生水母机器人机械结构、整机体积、制动性能和动力性能参数对点云进行分析得到。
[0019]优选的，所述第三步的具体内容为：
[0020]S1：运用PRM算法在可通行区域内构建出路径网络图；
[0021]S2：以路径周围的可移动障碍物的个数和周围所有可移动障碍物距离起点的平均距离作为参考值，采用模糊控制算法计算路径每条路径的风险值；
[0022]S3：结合路径的长度采用加权求和法计算出每条路径所需时间；
[0023]S4：运用A*算法计算出到达检测区域的最优路径，再利用曲线拟合，对最优路径进行平滑处理。
[0024]优选的，所述第五步的具体内容为：
[0025]S1：通过深度学习算法、双目立体视觉算法和水下三维全景成像声纳系统对行驶路径中出现的障碍物进行探测；
[0026]S2：确定仿生水母机器人距离障碍物的距离d、障碍物的速度v以及障碍物相对于仿生水母机器人的前进方向θ。
[0027]优选的，所述第六步的具体内容为：
[0028]S1：将仿生水母机器人距离障碍物的距离d、障碍物的速度v以及障碍物相对于仿生水母机器人的前进方向θ作为参考量；
[0029]S2：使用模糊控制算法输出仿生水母机器人避障速度、避障圆弧半径和避障角度，在可通行区域内对障碍物进行圆弧路径避障；
[0030]S3：模糊控制算法的模糊规则和模糊逻辑通过可与仿生水母机器人相互通信且内含专家评价系统的独立设备，依据池塘内养殖产物创建。
[0031]优选的，所述第七步中的检测内容为：通过仿生水母机器人内部的多功能传感器在检测区域内随机取点进行水质检测，再通过深度学习算法、双目立体视觉算法和水下三
维全景成像声纳系统对检测区域内的养殖物进行检测，对有异样的养殖物进行拍摄与标记。
[0032]优选的，若仿生水母机器人反复陷入障碍群中无法回归到最优路径，则仿生水母机器人停止并发出警报，提示人工复位。
[0033](三)有益效果
[0034]与现有技术相比，本专利技术提供了一种适用于水产养殖环境的仿生水母机器人路径规划方法，具备以下有益效果：
[0035]1、该适用于水产养殖环境的仿生水母机器人路径规划方法，提高了仿生水母机器人对复杂的水产养殖环境的适应性和安全性。本专利技术通过了深度学习算法、双目立体视觉算法、水下三维全景成像声纳系统获取行驶路径上障碍物的相关信息，并且结合模糊控制算法输出仿生水母机器人进行圆弧路径避障所需的避障数据，从而有效且实时地避开障碍物，优化了仿生水母机器人避障机制。
[0036]2、该适用于水产养殖环境的仿生水母机器人路径规划方法，结合了PRM(概率路图)算法、模糊控制算法、加权求和法和A*算法。该结合策略使得路径规划算法在动态且复杂的水产养殖环境下，更具稳定性、可达性和安全性，同时降低单独采用A*算法的计算负担，提高仿生水母机器人在水产养殖环境的运行效率。
附图说明
[0037]图1为本专利技术的流程示意图。
具体实施方式
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于水产养殖环境的仿生水母机器人路径规划方法，其特征在于，包括以下步骤：第一步：仿生水母机器人进入目标区域，水下三维全景成像声纳系统建立三维点云视图；第二步：通过深度学习算法，筛选出可通行区域和禁止通行区域，并且进行分区域检测第三步：运用PRM算法、加权求和法、模糊控制算法和A*算法计算出最优路径第四步：控制芯片控制仿生水母机器人按照最优路径前行，通过水下三维全景成像声纳系统实时更新坐标图；第五步：系统获取行驶路径上障碍物的相关信息；第六步：通过模糊控制算法对障碍物进行圆弧路径避障；第七步：仿生水母机器人到达检测区域后，对水质和养植物的情况进行检测并反馈相关数据。2.根据权利要求1所述的一种适用于水产养殖环境的仿生水母机器人路径规划方法，其特征在于：所述第一步中三维点云视图是通过水下三维全景成像声纳系统通过循环改变扫描角度和扫描平面，以仿生水母机器人为原点的点云并对点云进行分割、滤波、补全得到。3.根据权利要求1所述的一种适用于水产养殖环境的仿生水母机器人路径规划方法，其特征在于：所述第二步中可通行区域和禁止通行区域是基于生水母机器人机械结构、整机体积、制动性能和动力性能参数对点云进行分析得到。4.根据权利要求1所述的一种适用于水产养殖环境的仿生水母机器人路径规划方法，其特征在于：所述第三步的具体内容为：S1：运用PRM算法在可通行区域内构建出路径网络图；S2：以路径周围的可移动障碍物的个数和周围所有可移动障碍物距离起点的平均距离作为参考值，采用模糊控制算法计算路径每条路径的风险值；S3：结合路径的长度采用加权求和法计算出每条路径所需时间；S4...

【专利技术属性】
技术研发人员：王建晖，戴文哲，周晓阳，林海，萧金瑞，李小语，王奕博，李扬翊，赖洋婕，陈鑫浩，
申请(专利权)人：广州大学，
类型：发明
国别省市：