【技术实现步骤摘要】
本专利技术涉及水下机器人，具体为一种基于深度学习的水下航行器路径规划与避障方法。
技术介绍
1、海洋开发和水下探测技术的发展，水下航行器作为海洋勘探、救援、军事和科学研究中的重要工具，已被广泛应用，而水下环境具有复杂性和不确定性，诸如障碍物分布、水流变化以及水下地形等因素增加航行器的路径规划与避障难度，因此，水下航行器的自主导航技术成为研究的重点。
2、传统的路径规划与避障方法主要基于经典算法，算法主要依赖于离散化的网格图来规划路径，如cn109470249a中公开一种水下航行器的最优路径规划与避障设计方法，是基于二叉堆加速算法、26邻域na*算法与“圆弧－直线－圆弧”转弯策略相融合进行的水下航行器最优路径规划与避障。该方法考虑水下航行器的物理特性，且通过“圆弧－直线－圆弧”转弯策略进行路径优化，较好地减少拐点且提高路径平滑性，但其仍存在以下不足：
3、该方法依赖于三维网格图的构建来识别障碍物，且未集成高清传感器或多模态数据的实时感知能力，水下环境中光线差、视距短，导致环境感知的精度较低，无法应对水下复杂地形和动
【技术保护点】
1.一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，包括如下步骤：S1、通过水下传感器与北斗卫星导航系统获取水下环境的多模态数据，实时生成高精度环境模型；
2.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述S2步骤中，对定位误差进行修正的算法公式为：
3.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述多传感器融合算法用于结合北斗导航系统、惯性导航系统和视觉SLAM的数据来增强水下航行器的定位精度，以下是该融合算法的公式：
4.根据权利要求1所述的...
【技术特征摘要】
1.一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，包括如下步骤：s1、通过水下传感器与北斗卫星导航系统获取水下环境的多模态数据，实时生成高精度环境模型；
2.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述s2步骤中，对定位误差进行修正的算法公式为：
3.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述多传感器融合算法用于结合北斗导航系统、惯性导航系统和视觉slam的数据来增强水下航行器的定位精度，以下是该融合算法的公式：
4.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述路径规划采用卷积神经网络结合激光雷达数据进行环境感知，且动态调整规划路径，以下是该路径规划中的算法公式：
5.根据权利要求1所述的一种基于深度学习的水下航行器路径规划与避障方法，其特征在于，所述北斗导航辅助的全局路径修正模块用于在航行器偏离预定路径时自动重新规划路径，以下是涉及的算法公式：
6.根据权利要求1所述的一种基于深度学习的...
【专利技术属性】
技术研发人员：范博远，梁先华，邓毓阳，王宇航，葛迪，文照阳，万闯，张鑫洋，马勇，宋利飞，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。