[发明专利]一种无人艇全局路径规划方法

说明书

本发明公开了一种无人艇全局路径规划方法。主要步骤包括：(1)获取无人艇运动状态信息和环境感知信息；(2)建立感知环境模型；(3)采用K近邻学习算法对环境栅格进行危险度预测；(4)采用改进A*算法进行路径搜索。本发明针对水面无人艇在实际航行过程中的安全性要求，在建立路径规划环境模型时，采用K近邻算法对水面无人艇所处环境中的危险区域进行预测，同时，在采用A*算法进行路径搜索时，在其估价函数中引入安全代价，确保规划路径的安全性。

技术领域

本发明涉及水面无人艇路径规划领域，具体涉及一种无人艇全局路径规划方法，特别是一种基于K近邻学习算法和A*算法的无人艇全局路径规划方法。

背景技术

无人水面艇是一个拥有自主运行能力的小型水面任务平台，主要用于执行危险以及不适于有人船只执行的任务。随着无人艇的快速发展，其在军事和民用领域都展现出了良好的发展前景。水面无人艇的自主路径规划能力是水面无人艇智能水平的重要体现，也是水面无人艇实现自主航行的重要环节。

A*算法是一种广泛使用的启发式路径规划算法。但是传统A*算法在进行路径规划的时候只考虑了路径的长短，并没有考虑水面无人艇在航行过程中的其他因素。由于海上风浪流等不确定因素的影响，水面无人艇在海洋航行时的安全性会受到很大影响，因此，在进行水面无人艇自主路径规划时，考虑其航行的安全性尤为重要。K近邻(k-NearestNeighbor,简称KNN)学习是一种常用的机器学习方法，其工作机制非常简单，算法便于实现，通过K近邻学习算法对水面无人艇所处环境的危险程度进行预测，在路径规划前对当前环境状态有一个较好的估计，有利于路径规划的安全性。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种充分考虑水面无人艇规划路径的安全性的无人艇全局路径规划方法，在建立路径规划环境模型时，采用K近邻算法对水面无人艇所处环境中的危险区域进行预测，同时，在采用A*算法进行路径搜索时，在其估价函数中引入安全代价，确保规划路径的安全性。

为解决上述技术问题，本发明的一种无人艇全局路径规划方法，包括以下步骤：

S1：获取无人艇运动状态信息和环境感知信息，其中运动状态信息包括：无人艇当前位置坐标(s_x,s_y)、速度u、航向角姿态角，环境感知信息包括障碍物位置坐标；

S2：采用栅格法建立环境模型，包括：

S2.1：选定无人艇作业区域范围；

S2.2：对无人艇作业区域进行栅格化，取栅格边长l＝u·Δt，其中，u为无人艇的平均航速，Δt为无人艇的运动控制节拍；

S2.3：对S2.2中的作业区域的栅格进行编码；

S2.4：将通过感知设备得到的作业区域内的障碍物元素标识到S2.3编码后的栅格中，包含障碍物的栅格为障碍物栅格，不包含障碍物的栅格为自由栅格，将障碍物栅格标记为0，将自由栅格标记为1；

S3：对每一个自由栅格采用K近邻学习算法进行危险度预测，预测结果为危险栅格的自由栅格标记为2；

S4：采用A*算法进行路径搜索，包括：

S4.1：建立OPEN列表和CLOSE列表，把起始栅格s添加到OPEN列表；

S4.2：寻找OPEN列表中估价函数f(m)最低的栅格，记为当前栅格i，把该栅格i移动到CLOSE列表；

S4.3：扩展当前栅格i，得到当前栅格i的全部相邻栅格，对每个相邻栅格执行以下操作：

S4.3.1:如果相邻栅格m为障碍物栅格或者已经在CLOSE列表中，略过它；否则执行接下来的步骤：