[发明专利]水下机器人三维航路规划方法及系统

说明书

本发明实施例提供一种水下机器人三维航路规划方法及系统，该方法包括：建立水下机器人的三维环境模型；在三维环境模型中初始化天牛群算法中的每个天牛个体的速度属性和位置属性，并根据速度属性和位置属性获得天牛群的全局极值；通过更新每个天牛个体的速度属性和位置属性对全局极值进行迭代更新，并在迭代完成后根据最终获得的目标全局极值获得目标规划航路。本发明实施例通过采用天牛群算法对水下机器人的三维航路进行规划，相对于传统的航路规划方法更加灵活，且对复杂的水下非结构化环境适应能力强；相对于基本的粒子群算法具有迭代收敛速度快的特点；能够降低陷入局部最优解的概率。

技术领域

本发明涉及机器人技术领域，更具体地，涉及一种水下机器人三维航路规划方法及系统。

背景技术

水下机器人三维航路规划是实现水下机器人智能控制、自主巡航的关键技术之一。水下机器人三维航路规划是给定一个运动体和一个关于环境模型的描述，当环境建模完成之后，水下机器人航路规划任务需要满足在安全航行区域内，按照一定的优化准则(如航路最短、耗时最少等)搜索出一条从指定起点到目标点的最优路径。由于水下机器人工作在湖泊或海洋等大范围的非结构化三维空间环境中，这为航路规划方法的求解带来了极大的困难。传统的航路规划方法在解决水下机器人航路规划问题时，对水下动态非结构化环境适应能力差。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的水下机器人三维航路规划方法及系统。

根据本发明实施例的第一方面，提供一种水下机器人三维航路规划方法，该方法包括：建立水下机器人的三维环境模型；在三维环境模型中初始化天牛群算法中的每个天牛个体的速度属性和位置属性，并根据速度属性和位置属性获得天牛群的全局极值；通过更新每个天牛个体的速度属性和位置属性对全局极值进行迭代更新，并在迭代完成后根据最终获得的目标全局极值获得目标规划航路。

其中，初始化天牛群算法中的每个天牛个体的速度属性和位置属性之前，还包括：初始化天牛群算法的基本参数，基本参数包括：步长和触角能探测的距离；其中，步长和触角能探测的距离随着迭代次数的增加逐渐减小。

其中，位置属性用于表示设定数量的控制点的位置信息，控制点用于确定天牛个体对应的一条规划航路。

其中，根据速度属性和位置属性获得天牛群的全局极值，包括：根据速度属性和位置属性计算每个天牛个体的适应度函数值，并将适应度函数值作为每个天牛个体的个体极值；将多个天牛个体的个体极值中最小的个体极值作为天牛群体的全局极值。

其中，通过更新每个天牛个体的速度属性和位置属性对全局极值进行迭代更新，包括：S1、更新每个天牛个体的速度属性和位置属性，并计算获得每个天牛个体的适应度函数值；S2、对于每个天牛个体，若适应度函数值小于天牛个体的当前的个体极值，则将适应度函数值作为天牛个体的个体极值；并对全局极值进行更新；S3、更新基本参数，重复S1至S3，直到更新次数达到设定次数。

其中，适应度函数为：

C＝L+βV

式中，C为适应度函数，L为通过三次样条插值获得的天牛个体对应的三维规划航路的长度，V为惩罚函数，β为惩罚系数；其中，惩罚函数为三维规划航路中坐标点低于地面的平均程度值。

其中，根据最终获得的目标全局极值获得目标规划航路，包括：获取目标全局极值对应的目标天牛个体，并根据目标天牛个体的位置属性获得目标控制点；对目标控制点、起点和终点进行三次样条插值，获得目标规划航路。