[发明专利]一种基于虚拟膨化的运动障碍与UUV相向航行的规避方法

说明书

技术领域

本发明涉及基于虚拟膨化的运动障碍与UUV相向航行的规避方法。

背景技术

近年来，关于运动障碍物规避策略的成果不计其数，总结起来大致分为3大类,第一类是先预测运动障碍的运动趋势，然后根据不同的趋势作出相应的对策；第二类是在动态规避的瞬间，将运动障碍固化成静态障碍规避，只要作出动态规避的频率较快，算法就能不断更新规划路线，直到避过运动障碍；第三类是采用学习算法，通过训练使机器人具有智能避障的能力；

基于趋势预测的策略能较好地规避运动状态相对平稳的运动障碍，但对于运动速度或方向变化频繁的运动障碍(或目标)则难以准确预测。将运动障碍固化成静态障碍的策略，没有考虑运动趋势，导致规划出的航路不一定沿着威胁减小的方向生成。基于学习算法的避碰策略需要大量的训练样本，当在复杂的动态程度较高的未知环境中，其避碰效果难以保证。

发明内容

本发明是为了解决目前采用的相向航行的运动障碍规避方法难以准确预测运动障碍的运动状态的问题，而提出的一种基于虚拟膨化的运动障碍与UUV(无人水下航行器) 相向航行的规避方法。

一种基于虚拟膨化的运动障碍与UUV相向航行的规避方法按以下步骤实现：

步骤一：设运动障碍航向与引导航向的夹角为headAngle，当时，UUV与运动障碍为相向航行；所述引导航向是指从UUV当前位置到下一个非运动障碍航路点的连线所形成的向量，非运动障碍航路点是指不是依托于运动障碍形成的环境中静态环境信息的顶点；

步骤二：当UUV检测到与运动障碍物相向航行时，运动障碍进行圆形膨化；

步骤三：根据步骤二中运动障碍的圆形膨化，生成矩形虚拟障碍；

步骤四：根据步骤二和步骤三，计算触发航路规划算法的衡量距离nextL，当UUV 与运动障碍中心点的直线距离M满足M＜nextL时触发航路规划算法，计算下一次触发规划的衡量距离nextL，直到nextL＝abs_r+safe_d时，航路规划算法不再被触发；其中所述abs_r为运动障碍半径，safe_d为膨化距离。

发明效果：

本发明使用蚁群算法作为最基本的动态规划算法，其中规划算法的触发机制是动态规划的关键，首先该机制要控制好动态规划算法的触发时机，使UUV能及时规划出新航路避开运动障碍物，或者在没有运动障碍物时合理触发算法修正原有航路。其次该机制还应能根据UUV所处的具体环境，抑制不必要的触发，因为算法触发过于频繁会降低UUV 感知环境的灵敏性。

本发明的目的是在运动障碍静态化策略的基础上，使用虚拟膨化方法将运动障碍的趋势考虑到动态规划当中，使UUV与运动障碍相向航行时总能沿着威胁减小的方向生成规避航路。本发明的仿真效果图如图5所示。

附图说明

图1为引导航向示意图；图中1是静态障碍，2是运动障碍，3是引导航向，4是布放点，5是回收点，必1是必经点1；

图2为相向航行示意图；图中1是headAngle，2是运动障碍，3引导航向，4是UUV 艏向，5是运动障碍航向，O是UUV；

图3为运动障碍膨化并生成虚拟障碍示意图；图中1是运动障碍航向，2是headAngle， 3是引导航向，4是L，5是UUV艏向，6是M，7是运动障碍，O是UUV；

图4为UUV与运动障碍的位置关系示意图；图中1是运动障碍航向，2是headAngle， 3是UUV艏向，4是引导航向，5是L，6是M，7是运动障碍，O是UUV；

图5为仿真效果图，图中1为运动障碍。

具体实施方式

具体实施方式一：一种基于虚拟膨化的运动障碍与UUV相向航行的规避方法包括以下步骤：

引导航向是指从UUV当前位置到下一个非运动障碍航路点的连线所形成的向量的方向。所谓非运动障碍航路点，是指该航路点不是依托于运动障碍形成的，而是环境中静态环境信息的顶点，如静态目标的顶点(p₂)、必经点，回收点等。当UUV运行到图1 所示位置时，遭遇1号运动障碍，UUV触发动态规划算法后形成新的规避航路，点p₁是 UUV为避开1号运动障碍形成的依托于运动障碍形成的航路点，而点p₂是静态目标膨化顶点。于是根据定义此时引导航向为向量的方向。UUV为无人水下航行器。