The invention provides a local path planning method for unmanned ships based on comparative stochastic road map method, which includes: S1 obtains environmental information; S2 obtains the starting point and target point, determines the number of landmarks K and the maximum iteration number G; S3 obtains the initial ship navigation path scheme set pop0, S4, and iterates the pop0 according to the improved genetic algorithm. Reasonably, get the iterated path set popm; S5, get the fitness value of each path scheme in the iterated path set popm; S6, select the shortest ship navigation path scheme for output according to the fitness value. The above method solves the problems of data difficulty in stored procedure, slow reaction speed of ship and more energy consumption in existing technology.
【技术实现步骤摘要】
基于比较式随机路标图法的无人船舶局部路径规划方法
本专利技术涉及路径规划技术,特别是一种基于比较式随机路标图法的无人船舶局部路径规划方法。
技术介绍
在移动机器人领域,随机路径图法能够有效解决高维空间和复杂约束中的路径规划问题,但是移动机器人使用的随机路径图法常采用A*算法进行可行路径搜索,而A*算法搜索可行路径会产生大量的过程数据。对于应用于智能无人船舶来说,需要综合考虑海洋环境的复杂性、船舶操纵性能及能耗,移动机器人使用的随机路径图法缺乏实际航海应用的可行性。以下对移动机器人使用的随机路径图法进行说明如下。随机路径图(PRM)法寻找给定地图中两点之间的路径,PRM进行路径规划的基本原理:假设机器人运行环境是一个含有若干障碍物的二维封闭平面空间记为C。机器人可以自由移动的区域即除去障碍物及其边缘的区域称为自由空间记为Cfree,将移动机器人看成C内质点,且不考虑运动动力学约束。随机路径图法的基本思想是用一个随机的网络来表示机器人系统运行的自由空间Cfree,这一随机网络即是为机器人系统所建立的概率地图。概率地图是一个无向循环图,用G=(Ga,Ge)表示。其中Ga为节点集,其中的元素是在自由规划空间Cfree中为机器人随机选取的位形,边集Ge中的元素则表示节点之间的连线,代表位形之间的局部可行路径。然后在这个随机网络中利用搜索算法为机器人系统搜索到一条可行的路径。该算法可通过2个阶段来完成:离线学习阶段和在线查询阶段。1)离线学习阶段。该阶段主要完成的任务是在Cfree中为机器人建立一个概率地图G=(Ga,Ge)。首先以随机的方式在Cfree中随机采样大量 ...
【技术保护点】
1.一种基于比较式随机路标图法的无人船舶局部路径规划方法,其特征在于,包括:S1、依据预先确定的无人船舶航行的环境,获取环境信息;S2、根据所述环境信息,以及无人船舶航行时的起始点、目标点,确定路标点个数K和局部路径避障优化所需要的最大迭代次数G;S3、随机生成路标点个数K的各路标点的位置,将起始点、目标点和路标点两两连接,采用多目标碰撞检测方法获取初始船舶航行路径方案集合pop0,所述初始船舶航行路径方案集合pop0包括:多条所述无人船舶能够航行的路径;每一路径均在环境信息的地图内部且属于非障碍物区域;S4、依据改进的遗传算法和所述最大迭代次数G对所述初始船舶航行路径方案集合pop0进行迭代处理,获取迭代后的路径集合popm;S5、获取迭代后的路径集合popm中每一条路径方案的适应度值;S6、根据迭代后的路径集合popm中每一条路径方案的适应度值,选取用于输出的最短船舶航行路径方案。
【技术特征摘要】
1.一种基于比较式随机路标图法的无人船舶局部路径规划方法,其特征在于,包括:S1、依据预先确定的无人船舶航行的环境,获取环境信息;S2、根据所述环境信息,以及无人船舶航行时的起始点、目标点,确定路标点个数K和局部路径避障优化所需要的最大迭代次数G;S3、随机生成路标点个数K的各路标点的位置,将起始点、目标点和路标点两两连接,采用多目标碰撞检测方法获取初始船舶航行路径方案集合pop0,所述初始船舶航行路径方案集合pop0包括:多条所述无人船舶能够航行的路径;每一路径均在环境信息的地图内部且属于非障碍物区域;S4、依据改进的遗传算法和所述最大迭代次数G对所述初始船舶航行路径方案集合pop0进行迭代处理,获取迭代后的路径集合popm;S5、获取迭代后的路径集合popm中每一条路径方案的适应度值;S6、根据迭代后的路径集合popm中每一条路径方案的适应度值,选取用于输出的最短船舶航行路径方案。2.根据权利要求1所述的方法,其特征在于,步骤S3包括:S31、依据所述环境信息,随机生成K个二维坐标,每一个二维坐标作为一个路标点位置;S32、采用多目标碰撞检测法判断每一个路标点位置是否位于所述环境信息中非障碍物区域和地图内部,若是,则保留,否则舍弃该路标点位置;S33、基于多目标碰撞检测法将起始点、目标点和任意个随机路标点组合形成多条路径;以及判断组合后的每一条路径中任意两点之间的连线是否位于非障碍物区域,且是否属于地图内部;若均是,则将判断的路径作为初始船舶航行路径方案集合pop0中的元素。3.根据权利要求2所述的方法,其特征在于,步骤S33中的判断组合后的每一条路径中任意两点之间的连线是否位于非障碍物区域,且是否属于地图内部,包括:获取连线与x轴正方向的夹角,根据所述夹角确定一个探索范围,判断确定的探索范围是否包括障碍物区域,或者所述探索范围是否处于地图外部区域;若不包括障碍物区域且也不处于地图外部区域,则该条路径作为初始船舶航行路径方案集合pop0中的元素。4.根据权利要求1或3所述的方法,其特征在于,步骤S5包括:根据公式(1)获取路径集合popm中每一条路径中拐点之间的间距和D;其中,n为每一条路径拐点个数,所述路径拐点包括:起始点、目标点和路标点,xj和yj为路径拐点j的坐标,xj+1和yj+1为与路径拐点j相邻拐点j+1的坐标;将间距...
【专利技术属性】
技术研发人员:王晓原,夏媛媛,姜雨函,刘亚奇,伯佳更,董晓斐,朱慎超,
申请(专利权)人:智慧航海青岛科技有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。