详情

原文传递水面无人艇障碍物感知与路径规划研究

论文题名：	水面无人艇障碍物感知与路径规划研究
关键词：	水面无人艇;障碍物感知;路径规划;动态避障;自主回收
摘要：	水面无人艇（UnmannedSurfaceVehicles，USV）能够感知障碍物以及合理的规划避障路径是其实现智能自主航行的关键。由于USV在复杂未知水域自主航行时，受艇载传感器环境感知能力的局限性和障碍物的非确定性影响，其障碍物感知和路径规划还存在许多难题尚未解决，主要包括：异常视线场景下障碍物难以精确的分类识别；视程范围外障碍物难以准确的定位跟踪；面对复杂航行环境时难以构建其路径搜索地图模型；多约束条件下局部路径实时规划难度大等问题。针对这些问题，本文从复杂未知环境下障碍物的检测识别、定位跟踪、地图模型构建以及多约束条件下路径规划四个方面进行研究，主要内容及创新点如下：　　针对异常视线场景下障碍物的分类识别问题，提出了基于多尺度空洞卷积和锚框优化的视觉检测识别方法。以FasterR-CNN网络为基础，在ResNet50特征提取网络中增加多尺度空洞卷积模块，利用空洞卷积操作增加感受野且不改变特征映射空间分辨率，进一步优化锚框数量和匹配方式，提升泵船和漂浮物等小尺度障碍物的检测识别精度。模拟搭建USV视觉检测识别系统，经验证该方法能够在相互遮挡、画面倾斜等异常视线场景下对障碍物进行精细分类。　　针对视程范围以外障碍物的定位跟踪问题，提出了基于费马曲线拟合的障碍物定位跟踪AIS数据处理方法。融入障碍物运动的先验知识，标记、校正和填充异常及缺失值，设计降噪算法提取数据分量的固有趋势特征，并利用费马曲线求解直线与曲线航行轨迹的中间切点，通过计算其曲率和镜像曲线的方式获得拟合后的障碍物航行轨迹。采用遥控型试验艇模拟6种不同航行轨迹的障碍物，试验结果表明该方法能够对不同航行轨迹的障碍物进行定位跟踪。　　针对复杂海域环境下地图模型的构建问题，提出了基于高效凸包构建算法的卫星地图环境模型简化方法。利用模糊均值聚类和掩模法对大结构的海陆信息进行分割处理，采用分块并行计算增强边缘细节及设计双门限阈值法分割提取近海区特征，利用数学形态学操作填充障碍物的内部孔洞及使轮廓线适度外移，通过设计编码、聚类、最小二乘矩轴确定和边缘点判定的方式构建障碍物凸包简化模型。基于此模型，利用粒子群优化算法为USV从肖厝港到湄洲湾港规划出一条全局参考路径。　　针对多约束条件下局部路径的优化问题，提出了面向双喷水推进式USV的分层次避障和回收路径规划方法。设计带有原始运动约束的混合A*算法以获得节点优化、曲率连续的初始路径；融合国际海事避碰规则（InternationalRegulationsforPreventingCollisionsatSea，COLREGs）和阿波罗尼奥斯圆模型局部调整路径节点；且考虑双喷水推进式USV既能前进又能后退的运动特点，设计了基于Reeds-Shepp曲线的自主回收方法。以复杂的湄洲湾海域为应用背景，模拟动态障碍物干扰和自主回收场景，验证了本文提出的局部路径规划方法的有效性。　　本文对USV障碍物感知与路径规划问题进行研究，提出了障碍物检测识别与定位跟踪方法，复杂海域地图构建方法以及多约束条件下避障路径优化策略，相关成果可以为水面舰艇的智能自主化提供参考，为海洋智能船舶的设计和制造提供技术支撑。
作者：	石兵华
专业：	交通信息工程及控制
导师：	苏义鑫
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2020