[发明专利]一种回形障碍物环境下的AUV避障方法

说明书

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。

技术领域

本发明属于水下无人航行器智能控制技术领域，具体涉及一种回形障碍物环境下的AUV避障方法。

背景技术

近年来，多自主水下航行器(Autonomous underwater vehicles)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，同时本发明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。

发明内容

本发明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。

本发明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；