一种基于感知信息的水面无人艇多场景自主避障方法

本发明一般涉及水面无人艇自主避障领域，并且更具体地，涉及一种基于感知信息的水面无人艇多场景自主避障方法。

背景技术：

1、无人水面艇作为水面无人化平台，具备快速部署、察打一体、带载能力强以及最佳中继平台等优势。近年来，无人艇领域技术受到各方的重点关注，伴随着经费、精力注入，无人艇各方面技术均有所提升。作为中继智能控制中心，无人艇的控制决策能力是其执行更加复杂的任务的关键，理应成为重点研究对象。

2、然而，无人艇在执行任务时，往往面临复杂的区域环境，可能受限于视野盲区、通信延迟等。在上述受限条件下，岸基/船基指挥端无法第一时间对突发情况下达指令。鉴于无人艇自身安全是任务执行成功的充分必要条件，无人艇自主避障功能成为其必不可少的基本功能，同时也是检测无人艇智能化水平的重要指标之一。

3、现无人艇自主避障技术，多局限于针对单静态目标、单动态目标及单大型目标等进行应用验证。这种缺乏全局场景下的针对性自主决策设计，未能直观向人显示无人艇所处环境态势，也无法根据目标类型不同，在威胁时域内对目标进行及时避障，导致无人艇在实际环境应用中仍存在一定的不确定性和危险性。

4、综上所述，简单的单碍航物避障方法已不足以应对无人艇在任务执行过程中面临的复杂情况，无人艇自主避障功能不能局限于简单场景。

技术实现思路

1、根据本发明，提供了一种基于感知信息的水面无人艇多场景自主避障方法。本方法在保证无人艇安全性的前提下完成相关任务；通过提高无人艇自主避障功能的全面性、稳定性，使无人艇安全性不再成为其任务完成度的制约因素。

2、该方法包括：

3、获取无人艇航行信息；

4、在无人艇执行任务过程中，利用无人艇的感知设备，对待避障的目标进行感知；

5、分别对每个待避障目标的感知信息进行优化；再根据优化后每个待避障目标的感知信息，得到每个待避障目标的类型；

6、基于所有待避障目标的感知信息和类型，构建威胁信息列表；

7、遍历所述威胁目标信息列表，若当前威胁目标与无人艇之间的距离达到预设的威胁距离阈值，则根据当前威胁目标的信息以及威胁目标信息列表中的威胁目标数量划分避障场景，再基于避障场景控制无人艇对威胁目标进行自主避障。

8、进一步地，所述待避障目标的类型，包括：目标类型和目标威胁种类；

9、所述目标类型是通过对每个目标的优化感知信息进行类型划定得到的；

10、所述目标威胁种类是通过对每个目标的优化感知信息进行威胁种类标定得到的。

11、进一步地，根据避障场景控制无人艇对威胁目标进行自主避障，包括：

12、当所述避障场景为单个静态目标自主避障场景时，利用单静态目标避障算法，求解无人艇目标航向控制量；

13、当所述避障场景为单个大型目标自主避障场景时，利用单大型目标避障算法，求解无人艇目标航向控制量；

14、当所述避障场景为单个动态目标自主避障场景时，利用单动态目标避障算法，求解无人艇目标航向控制量；

15、当所述避障场景为有/无大型目标的多静态目标自主避障场景时，利用有/无大型目标避障算法，求解无人艇目标航向控制量；

16、当所述避障场景为多动态目标自主避障场景时，利用多动态目标避障算法，求解无人艇目标航向控制量；

17、当所述避障场景为静动态目标混合的自主避障场景时，利用静动态目标避障算法，求解无人艇目标航向控制量；

18、构建避障结束条件；

19、基于所述无人艇目标航向控制量和避障结束条件控制无人艇进行自主避障。

20、进一步地，所述单大型目标避障算法，包括：

21、将所述威胁目标信息列表中，与当前威胁目标的目标id相同的所有威胁目标作为大型目标；

22、对所述大型目标进行膨化处理；

23、对连续目标的膨化处理结果进行解算，得到连续目标轮廓切线角度、无人艇与目标轮廓距离，以及无人艇与连续目标的距离；

24、基于无人艇航向、无人艇预设航行路线、连续目标轮廓切线角度、无人艇与目标轮廓距离，以及无人艇与连续目标的距离进行估计，得到无人艇目标航向控制量；

25、其中，无人艇航向和无人艇预设航行路线属于无人艇航行信息。

26、进一步地，所述单动态目标避障算法，包括：

27、基于最小二乘法对当前威胁目标的运动状态进行实时估计，得到威胁目标航行速度；

28、根据无人艇的航行速度和威胁目标航行速度，设置威胁距离阈值；

29、若当前威胁目标和无人艇之间的距离达到所述威胁距离阈值，基于单静态目标避障算法解算无人艇目标航向控制量；

30、其中，无人艇的航行速度属于无人艇航行信息。

31、进一步地，所述单静态目标避障算法，包括：

32、对当前威胁目标进行膨化处理；

33、将膨化处理的结果，以最小外接圆的方式对目标进行环境建模，得到目标环境；

34、利用切线法对目标环境进行分析；

35、对目标环境的分析结果进行动态解算，得到无人艇目标航向控制量。

36、进一步地，所述有/无大型目标避障算法，包括：

37、对当前威胁目标进行膨化处理；

38、对当前威胁目标的膨化处理结果进行栅格化处理，得到多静态目标全局栅格地图；

39、基于无人艇的预设航线和当前威胁目标位置设定安全终点；

40、根据所述多静态目标全局栅格地图和安全终点进行多静态目标自主避障路径规划，得到多静态目标路径；

41、对所述多静态目标路径进行平滑处理，得到无人艇目标航向控制量；

42、其中，无人艇的预设航线属于无人艇航行信息，当前威胁目标位置属于当前威胁目标的优化感知信息。

43、进一步地，所述多动态目标避障算法，包括：

44、从当前威胁目标的优化感知信息中提取当前威胁目标的运动状态；

45、采用最小二乘法，对当前威胁目标的运动状态进行运动估计；

46、根据运动估计的结果设定延时时间；

47、基于所述延时时间获取威胁目标区域，并对所述威胁目标区域进行障碍物化处理，得到障碍区域；

48、对所述障碍区域进行栅格化处理，得到多动态目标全局栅格地图；

49、根据所述多动态目标全局栅格地图进行多动态目标自主避障路径规划，得到多动态目标路径；

50、对所述多动态目标路径进行平滑处理，得到无人艇目标航向控制量。

51、进一步地，所述静动态目标避障算法，包括：

52、根据当前威胁目标的目标类型，对当前威胁目标进行膨化处理；

53、对当前威胁目标的膨化处理结果进行栅格化处理，得到静动态目标全局栅格地图；

54、根据所述静动态目标全局栅格地图进行静动态目标自主避障路径规划，得到静动态目标路径；

55、对所述静动态目标路径进行平滑处理，得到无人艇目标航向控制量。

56、进一步地，所述构建避障结束条件，包括：

57、当所述目标为单个静态目标或单个动态目标时，所述避障结束条件为无人艇在所述直角判定坐标系下的y轴坐标大于预设坐标阈值，且最小回转半径路径与膨化目标无交叉，且目标与无人艇之间的距离大于预设安全距离阈值；

58、当所述目标为单个大型目标时，所述避障结束条件为路径切线与无人艇预设航线存在交点，且最小回转半径路径与膨化目标无交叉，且无人艇与目标边缘的最小距离大于预设安全距离阈值；

59、其中，直角判定坐标系是以目标中心为原点，以无人艇预设航线的起点至终点的方向为y轴正向构建的；膨化目标为对所述目标进行膨化处理得到的；最小回转半径路径是基于无人艇航行速度求解得到的；路径切线是以无人艇当前位置为起点，朝无人艇前方向膨化目标作切线得到的；所述无人艇预设航线和无人艇航行速度属于无人艇航行信息。

60、与现有技术相比，本发明具有如下有益的技术效果：

61、本发明的方法克服了现有技术仅适用于单一静态、动态目标及单一大型目标避障的局限性，能够应对不同目标的复杂混合场景，解决了全局场景下缺乏针对性自主决策的问题；同时，持续的自主避障控制确保了无人艇在通信受限或突发情况下的自身安全，降低了实际应用中的不确定性与危险性，在提升无人艇避障功能全面性与稳定性的同时，消除了安全性对任务完成度的制约。

62、应当理解， 技术实现要素： 部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。