海洋技术 - 智能水下机器人路径规划方法综述.docVIP

知识的力量Tel 所有页眉页脚均可轻松去除 海洋技术:孙玉山等:智能水下机器人路径规划方法综述 ? ? ? ? ? ? ? ? 智能水下机器人是集成人工智能、目标探测与识别、数据融合、智能控制以及导航通信等多子系统的水下无人平台，在海洋开发、水下作业、深海探测、援潜救生等领域有广泛的应用前景。路径规划技术是智能水下机器人的关键技术之一，指在包含障碍物的水域环境内，按照一定的评价标准，寻找一条从起始状态到达目标状态的无碰撞路径，路径规划技术在一定程度上标志着水下机器人智能化程度的高低。从规划的目标范围来看，可以分为全局路径规划和局部路径规划。从规划环境看，可以分为静态路径规划和动态路径规划。 相比于其他移动机器人，水下机器人任务环境是大范围三维空间，水下环境的复杂性增大了规划的难度，同时还要考虑机器人位置、能耗、自身姿态和运动约束等。本文针对水下机器人的环境特点，根据具体算法和策略，阐述了从传统到智能各种典型方法的原理。传统方法包括基于路线图构建法的路径规划方法、单元分解法、A*和D*算法以及人工势场法，智能方法包括基于群智能的路径规划方法和基于机器学习的路径规划方法，介绍了各种方法的应用原理以及在水下机器人路径规划系统的具体应用现状，分析了各种方法的优缺点和关键技术，重点论述了智能算法的研究现状，最后展望智能水下机器人路径规划未来的研究方向 一、传统路径规划方法 ⒈路线图构建法 ⑴可视图法 可视图法最早由Lozano和Wesley提出，如图1所示。 图1 可视图法 可视图法将机器人视为一点并将障碍物视为平面内多边形，然后连接起点、目标点以及多边形障碍物的各个顶点，同时要求所有连线与任何障碍物都不相交即所有路径都是无碰撞路径，最后形成一张可视图，然后采用某种算法搜索最优路径。这种方法原理简单容易实现，规划时间随障碍物密集程度增减，虽能寻找最短路径，但缺乏灵活性，路径通常靠近障碍物顶点和边缘，且不适用于高维空间。 ⑵Voronoi图法 Voronoi图法是将空间分成n个多边形区域，并且具有如下特点：给定一组点{p1，p2……pn}，每个区域仅包含一个点pi，且pi所属区域内的点比任意pj≠pi更接近pi。图2为由Voronoi算法生成的路径图，点代表障碍物，线条代表路径，它是距离至少2个障碍物相等的点的集合，可见Voronoi图法与可视图法有较大区别，Voronoi图法能够规划出距离障碍物尽可能远的路径，而可视图法生成的是靠近障碍物顶点的路径。 图2??Voronoi图法 ⒉单元分解法 基于路线图构建的方法描述简单便于实现，但通常适用于低维度空间的规划问题。目前路径规划技术对机器人环境模型的要求越来越高，路线图构建法无法描述复杂的水下环境信息。基于单元分解的方法能够通过将环境空间分解为子单元，通过附加单元属性信息，从而表达更完整的环境信息。 ⑴栅格法 栅格法是目前研究和使用最广泛的路径规划建模方法，它将自由空间划分为无重叠的栅格单元，根据栅格是否被障碍物占据对栅格进行赋值。栅格粒度选取是规划问题关键，粒度越大，模型精确度越高，但同时占用了更多资源。栅格法可以分为精确栅格法和非精确栅格法，如图3所示的梯形栅格分解法属于典型的精确栅格法，每个障碍物顶点做一系列平行线，遇规划环境边缘和障碍物边缘则停止，最终将空间分解为一系列梯形区域。 图3 梯形栅格分解法 ⑵四叉树和八叉树 四叉树和八叉树分解法属于非精确栅格法，分别用于二维平面和三维空间的分解。四叉树分解如图4所示，栅格单元通常为矩形，整个环境被分为多个连续的栅格，如果大矩形栅格包含障碍物或边界，则继续分为4个或8个小矩形栅格，直到达到预先设好的精度为止，这种方法可以有效对环境信息压缩，减小储存空间。有关文献分别利用四叉树和八叉树分解法建立平面海域障碍物模型和海底地形模型，除此外还可以将海流速度和方向作为栅格属性信息建立海流模型。此外，相关文献还提出建立包含海流、跃层、声道等更多海洋水文要素的环境模型。 图4 四叉树分解法 ⒊A*和D*算法 路线图构建和单元分解法都需要采用搜索算法寻找最优路径，A*和D*算法是目前应用较广泛的路径搜索算法。A*算法是基于Dijkstra改进的启发式搜索算法，如图5所示。 图5 ?A*算法 通过计算所有候选节点到目标点的估值函数，从而选取最优路径节点，适用于静态路径规划，关键在于建立合适的启发函数。A*算法在面临较大环境空间时搜索效率不足，郭强在仿生鱼路径规划问题中，采用可展开点方法，减少搜索节点，提高了搜索效率，但缺少考虑环境影响因素。Zhou?Y等建立局部流场模型，采用时间序列预测方法对深平均流预测，实现了不同规模流场下的路径规划。 此外，A*算法规划路径还存在靠近障碍物边缘的问题，除了膨化障碍物尺寸之外，邓顺平还提出建立障碍物威胁势场并加入适应度函