中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2022 , Vol. 44 >Issue 3: 7 - 13

DOI: https://doi.org/10.3969/j.issn.1673-3819.2022.03.002

理论研究

无人作战艇在未知海域避碰规划算法研究

  • 窦强 1 ,
  • 马金伟 2 ,
  • 韩昱 3
展开
  • 1.海装驻连云港地区军事代表室, 江苏 连云港 222061
  • 2.江苏自动化研究所, 江苏 连云港 222061
  • 3.连云港中等专业学校机电工程系, 江苏 连云港 222061

作者简介:窦强(1979—),男,工程师,研究方向为海军舰艇指挥与控制。

马金伟(1982—),男,工程师。

Copy editor: 胡前进

收稿日期: 2022-01-04

  修回日期: 2022-02-24

  网络出版日期: 2022-06-17

收起

Research on Collision Avoidance Planning Algorithm for USV in Unknown Seas

  • DOU Qiang 1 ,
  • MA Jin-wei 2 ,
  • HAN Yu 3
Expand
  • 1. Military Representative Office of Naval Armaments Department in Lianyungang Area, Lianyungang 222061
  • 2. Jiangsu Automation Research Institute, Lianyungang 222061
  • 3. LYG Specialized Secondary School, Department of Mechanical and Electrical Engineering, Lianyungang 222061, China

Received date: 2022-01-04

  Revised date: 2022-02-24

  Online published: 2022-06-17

Fold

摘要

为提高无人作战艇在未知海域的环境适应能力与自主航行避碰规划能力,借鉴栅格法和人工势场法,提出了一种基于导航雷达回波视频的避碰规划算法。首先基于导航雷达视频对无人艇近区环境进行栅格化构建,然后基于构建的栅格化环境采用人工势场法进行避碰规划,最后开展仿真和试验验证。试验结果表明该算法能够依托雷达视频图像支持无人艇进行自主航行,并引导无人艇抵达目标点。

关键词： 无人作战艇; 环境栅格; 航路规划; 人工势场

本文引用格式

窦强 , 马金伟 , 韩昱 . 无人作战艇在未知海域避碰规划算法研究[J]. 指挥控制与仿真, 2022 , 44(3) : 7 -13 . DOI: 10.3969/j.issn.1673-3819.2022.03.002

Abstract

In order to improve the environmental adaptability of Unmanned Surface Vessel (USV) in unknown waters and guarantee its collision avoidance planning ability for autonomous navigation, this paper puts forward a collision avoidance planning algorithm based on navigation radar echo videos, which referred to the ideas of grid method and artificial potential field method. Firstly, the raster construction of the near area environment of USV is carried out based on navigation radar videos. Then, based on the constructed rasterized environment, the artificial potential field method is used for collision avoidance planning. Finally, through simulation and experimental verification, the experimental results show that this algorithm can support the autonomous navigation of USV by relying on radar video images, and guide USV to the target points.

Key words： USV for combat; grid map; path planning; artificial potential field

无人水面艇(Unmanned Surface Vehicle,USV)以船舶作为运载平台,以其跨介质存在、机动灵活、被发现和攻击概率小、可避免复杂海况下因长时间执行任务导致人员疲劳等优势,作为跨域协同、马赛克战等新军事理论的重要支撑装备,正受到美、英等西方军事科技强国的高度重视,并纳入其国家发展规划,进入高速发展时期。无人艇在作战领域的使用模式被逐渐拓展,国内外研制出一批综合能力突出的无人艇,如以色列的“海上骑士”无人艇装备了“长钉”导弹[1]、美国海军“幽灵舰队霸王”的“游骑兵”成功发射了SM-6导弹、英国Madfox无人艇发射“弹簧刀300”巡飞弹等;国内珠海云洲发布了“瞭望者Ⅱ”察打一体导弹无人艇[2]、中国船舶集团展出了JARI-USV多功能作战无人艇[3]。
随着无人艇发射武器试验的开展和技术的不断成熟,由无人艇自主执行远程目标打击任务逐渐成为可能,自主航行是实现无人艇遂行导弹打击作战任务的前提条件和必要基础,从而自主航路规划已成为国内外研究的热点。近年来,在无人艇航路规划解决方案方面有了大量的实践和验证,全局航路规划算法有Dijkstra算法、A*算法、蚁群算法、遗传算法等,局部规划算法有人工势场法、速度障碍法、向量场直方图法等。以上算法均有特定的适用场景及前提条件,优缺点比较如表1所示[4]。
表1 规划算法优缺点比较
算法名称 优点 缺点
Dijkstra算法 算法简单、系统鲁棒性高,应用广泛且精准度较高。 计算效率低、占用内存大,求解速度慢。
A*算法 算法简单、求解的路径最直接有效。 对启发函数依赖较大,求解速度慢。
蚁群算法 具有较强的鲁棒性,具备正反馈机制,可并行实现,精准度较高。 精准度强依赖参数设计,存在局部最优解陷阱。
遗传算法 具有较强鲁棒性,适合求解较复杂路径规划问题,应用广泛。 收敛速度慢,控制参数多,存在早熟现象,且系统稳定性不高。
人工势场法 计算简单,反应迅速,实时性好,规划准确度较高。 易出现局部最优解、航路振荡等问题。
速度障碍法 将障碍物的速度纳入考虑范围,保证规划的路径避开动态障碍物。 未考虑障碍物速度变化,求解过程比较缓慢。
向量场直方图法 鲁棒性好,计算高效,适用于多障碍物的避障,规划路径准确度较高。 未考虑无人艇自身动力学模型,实际对无人艇的操控非常困难。

1 相关算法

作为以智能化作战为主要任务形式的无人艇,依托自身传感器探测感知信息实现航路规划和自主航行控制是一项基本能力需求,因此要求规划算法不依赖环境先验知识、反应迅速、实时性好。通过表1的规划算法优缺点比较,本文基于艇载导航雷达回波数字视频信息,对无人艇近区进行栅格化,以无人艇安全航行需求确定栅格大小,以雷达回波信息控制单元栅格属性,采用改进的人工势场法,快速进行避碰规划,从而实现无人艇在陌生海区自主航行。

1.1 栅格法

栅格法由Elfes和Moravcs最早提出[5],主要针对机器人工作空间进行栅格化划分,将机器人工作空间分为自由栅格和障碍栅格,并按照一定的规则进行编号,进而支持机器人的自主运动。根据栅格法思想[6],对无人艇近区进行栅格化,假设关注无人艇近区长宽为L*W,根据无人艇的航行特性设置单元栅格大小,设单个栅格长宽为l*w,从而,任务海区可划分为 $\left\lceil\frac{L}{l}\right\rceil *\left[\frac{W}{w}\right\rceil$个栅格,如图1所示。
将栅格表示为
guv=(Leftuv,Topuv,Rightuv,Bottomuv,Valueuv)
其中,Leftuv、Topuv、Rightuv、Bottomuv表示第u行v列栅格的左上和右下位置信息,Valueuv表示该栅格障碍置信值,值越大,表示该栅格不可通行的可能性越确定。

1.2 人工势场法

根据Khatib在1986年提出的人工势场法思想[7],将无人艇近区海域模拟为人造势场区域,以目标点为中心构建全局引力势场,引力大小与阵位点距离成正比,即距离越远,引力越大;以碍航物点构建局部斥力势场,斥力大小与碍航物点距离成反比,即无人艇距离碍航物越近,斥力越大,碍航物所在位置点斥力无穷大,从而避免无人艇与碍航物的碰撞。无人艇进行自主航行时,受到目标点的引力和碍航物的斥力综合作用,进而实现自主避碰航行,运行原理如图2所示。
图2 人工势场法原理图
无人艇环境栅格中,势场函数定义为
U(g)=U引(g)+U斥(g)
从而无人艇所受的力为
F(g)=F引(g)+F斥(g)
其中,g为无人艇在环境栅格中所处的栅格(栅格环境中心点),U(g)为栅格g的势场函数,U引(g)为g引力势场函数,U斥(g)为g斥力势场函数,F(g)为无人艇所在栅格g的受力,F引(g)为无人艇在栅格g受到目标点的引力,F斥(g)为无人艇在栅格g受到碍航物斥力的合力。
目标点对无人艇产生的引力场为全局势场,且与无人艇到阵位点距离的平方成正比例关系,引力的方向为无人艇指向阵位点,且距离越大,引力越大。碍航物产生的斥力势场为局部势场,只有在影响无人艇安全航行的区域才具有势场,只有在碍航物影响范围内,无人艇才会受到该碍航物的斥力作用。
传统的人工势场法对栅格化雷达回波视频的高密度和不规则,极易出现规划发散;当引力方向和斥力方向之间的夹角大于一定角度时,极易陷入局部最小点;在通过狭长水道时,易出现航向震荡现象[9]。因此需对传统人工势场法进行改进,以满足自主航行需求。

2 无人艇近区环境构建

2.1 雷达回波信息解析

根据雷达探测原理,雷达波照射到物体表面反射到雷达接收机,经信号处理后形成回波,周期内接收的所有回波信号形成了可视的雷达视频信息。雷达视频数字化可采用以本艇为中心的射线表示某个方位的视频数据[8],再进行离散化,即第i个方位的视频Vi表示为
Vi=(i,Hi,Pi0,Pi1,Pi2,···,Pin)
其中,i表示视频方位编号,Hi为实时艏向,Pij表示i方位上第j处的回波强度,范围为[0,15],n为方位采样点数。
第i个方位的第j处回波对应的直角坐标为
x i j = j * R n * c o s ( C i ) y i j = j * R n * s i n ( C i )
其中,Ci=(Hi+δ*i) mod 360,δ为雷达方位分辨率,R为雷达量程。
根据无人艇导航雷达回波视频数字化设计,n=1 024,从而雷达回波视频图像绘制为2 047*2 047像素的bmp图像,雷达单帧视频图像如图3所示。
图3 导航雷达原始视频图像

2.2 环境构建

1) 雷达图像二值化
雷达回波图像是一种16色灰度图像,对于以避碰航行为目的的图像处理,仅需识别点为障碍点或自由点,为降低图像处理复杂度,提高图像处理速度,将雷达图像进行二值化转换。
假设灰度值为i的像素占总体像素的比例为p(i),初始图像阈值为t,计算回波像素点比例ω0和自由区像素点比例ω1,以及回波区域的平均灰度μ0和自由区域的平均灰度μ1。
ω0(t)= ∑ i = t + 1 255p(i) μ 0(t)= ∑ i = t + 1 255 i p ( i ) ω 0 ( t )
ω1(t)= ∑ i = 0 tp(i) μ 1(t)= ∑ i = 0 t i p ( i ) ω 1 ( t )
计算类间方差最大值:
g(T)= m a x t = 0 ··· 255(ω0(t)ω1(t)(μ0(t)-μ1(t))2)
则T为雷达图像二值化转换阈值。
假设原始图像各像素点值为f(x,y),则二值化后图像为
g(x,y)= 0 f ( x , y ) ≤ T 255 f ( x , y ) > T
其中,g(x,y)表示二值化后图像各个像素点的值,T为阈值(0≤T≤255)。
针对图3进行二值化处理,T=142,处理输出图像如图4所示。
图4 无人艇雷达二值化图像
2) 雷达图像闭运算
由于受雷达探测分辨率、噪点等因素影响,雷达图像可能会出现毗连区域的回波缺失或邻近区域断裂,均可能会规划出可通行航路,消除不适用于无人艇通过的微小间隙,根据图像形态学处理方法,对二值化雷达图像进行闭运算操作。
采用7*7的结构元S(如图5a)所示),对图像进行闭运算,即:G·S=(G⊕S)ΘS。
图5 无人艇雷达图像闭运算输出图像
膨胀操作:$G \oplus S=\left\{z \mid \quad\left[(\hat{S})_{z} \cap G\right] \subseteq G\right\}$,是对雷达图像的粗化和增长操作;
腐蚀操作:$G \Theta S=\left\{z \mid \quad\left[(S)_{z} \cap G^{c}\right]=\phi\right\}$,是对膨胀后图像的细化和平滑操作。
对二值图像的处理结果如图5b)所示。
3) 基于雷达回波图像的环境构建
针对方位采样点为n的雷达图像,图像像素值为(2*n-1)*(2*n-1)个,雷达量程为R,则每个像素代表的距离为R/n。Ixy表示雷达图像闭运算输出图像x,y处的像素值,则图像上的点可表示为
Pixelxy= R n * x - R , R n * y - R , I x y
构建2R*2R环境栅格,栅格大小设为l*l,则相对于中心点(无人艇所在位置),根据式(1),第u,v处栅格参数为
guv=(l*u-R,l*v-R,l*(u+1)-R,l*(v+1)-R,Vuv)
Vuv的初始值为0,值越大,表示该栅格内雷达回波点越多,栅格区域内障碍物的密度越大。
Vuv= V u v + 1 P i x e l x y ⊆ g u v 与 I x y = 0 V u v o t h e r
对按照式(4)~(6)对图5b)进行栅格化,得到基于雷达图像的无人艇近区环境栅格如图6所示。
图6 基于雷达图像的栅格化环境

3 避碰规划算法

3.1 改进人工势场法

根据无人艇特性,无人艇在自主航行过程中根据作战任务设置恒定航速,故人工势场中受恒定引力的作用,即
F引=F常
无人艇所受斥力F斥为势场区域内障碍栅格对无人艇斥力的合力,因此,斥力的计算转化为某时刻障碍栅格的提取。
定义guv(无人艇所在栅格)与gxy之间的距离和方位分别为:
Dxy=|guv-gxy|= ( u - x ) 2 + ( v - y ) 2
θxy=arcsin x - u | g u v - g x y |
因此,某时刻对无人艇有斥力作用的障碍栅格集:
G障碍=( g i 0 j 0, g i 1 j 1,···, g i k j k)满足条件
D i m j m ≤ N θ i m j m ∈ [ - Ω , Ω ] V a l u e i m j m > 0 m=0···k
其中,Ω为无人艇雷达周期内的最大转向角。
由于雷达回波图像栅格化后,障碍栅格成片出现,直接采用G障碍中元素计算斥力,同一方位会出现多个障碍栅格对无人艇有斥力作用,存在无效计算且极易出现无解现象。实际情况下,无人艇只需考虑规避该方位上距无人艇最近的障碍栅格,即需从G障碍中提取面向无人艇的障碍栅格的边缘栅格G'障碍,执行步骤如下:
步骤1:根据式(7)、式(8),G障碍=(( D i 0 j 0, θ i 0 j 0),( D i 1 j 1, θ i 1 j 1),···,( D i k j k, θ i k j k));
步骤2:遍历G障碍中各元素,提取Dw= m i n m = 0 ··· k( D i m j m),将Dw对应的 g i w j w从G障碍移至G'障碍;
步骤3:遍历G障碍中剩余各元素,删除满足条件 θ i m j m∈[θw-ϕ,θw+ϕ]的 g i m j m,其中,ϕ=arctan l 2 * D w;
步骤4:重复步骤2,直至G障碍=Ø。
经过上述处理得到的G'障碍=(gw0,gw1,···,gwt)即为面向无人艇的障碍物的边缘栅格,本文称作有效障碍栅格。因此该时刻无人艇所受斥力为
F斥= ∑ i = 0 tKi 1 | g u v - g w i | - 1 N 1 | g u v - g w i | 2∇|guv-gwi|
其中,N为障碍栅格作用距离,Ki为该栅格作用力的增益系数,栅格区域中有t个有效栅格。
根据式(2),无人艇所受合力为F=F引+F斥。
因此,在该时刻无人艇期望航向Cexp为力F的方向,期望航速Vexp= F F 常*V常,其中,V常由任务规划指定。
针对图6栅格化环境,采用上述改进的人工势场法进行航路规划,规划结果如图7所示,可见规划结果不一定全局最优,若N设置过大,在栅格化雷达图像上常出现障碍栅格密集区域,易导致无解现象;试验中设置N=5,即障碍栅格影响区域为其周围5个栅格,在空旷区域,USV仅受到目标点引力作用,航向指向目标点,直到受到障碍栅格斥力作用时改变航向。栅格化图像输入到规划结果输出用时仅0.05 s,远小于雷达图像更新周期。该算法可实现基于雷达图像的避碰规划目标,但为局部规划,不一定达到全局最优。
图7 栅格环境人工势场法规划结果

3.2 航速航向输出

由于导航雷达图像的抖动、回波信号的密集、噪声的干扰等因素影响,不可避免地出现斥力方向剧烈变化或局部最小点情况。航向变化剧烈会导致无人艇推进效率降低,发生海豚运动,局部最小点会导致无人艇迷失航向,因此,航路规划执行过程中需要对这两种情况进行处理。
针对局部最小点现象,主要采用增加引导目标点方法,当引力方向和斥力方向夹角大于某一个大角度时(如170°),在无人艇向目标点连线方向的45°方向,N个栅格处设置一个引导点,直至无人艇走出局部最小点。
针对输出航向剧烈震荡情况,在模型向控制机构输出期望航速航向前,增加航向过滤器,平滑航向变化,控制安全航速。模型解算输出期望航向为Cexp,则无人艇下一周期的目标航向Cobj为
C o b j = ( 1 - m i n j = 0 ··· t ( D w j ) N ) * C e x p C o b j < C s a f e C o b j = C s a f e C o b j ≥ C s a f e
其中,Csafe为无人艇允许的控制周期内的安全转向角, m i n j = 0 ··· t(Dwj)为产生影响的最近障碍栅格,从而无人艇离最近障碍栅格越远,转向幅度越平滑,距离障碍栅格越近时,则过滤系数越接近1,实际转向越接近期望航向,避免无人艇与障碍物碰撞。
无人艇速度为
V o b j = ( 1 - C o b j ( t + 1 ) - C o b j ( t ) C s a f e ) * V 　 V o b j > V m i n V o b j = V m i n V o b j ≤ V m i n
其中,V与Vmin为无人艇巡航速度和最小速度,无人艇转向越小,目标航速越接近巡航速度。

4 模型验证

通过将基于雷达视频栅格化的人工势场模型嵌入无人艇艇载控制系统,设置导航雷达方位采样点数为1 024,分辨率为2 048,天线周期为1 s,设置目标点。艇载控制系统接收雷达回波数字信号,实时进行雷达回波图像生成、图像闭运算、近区环境栅格化构建;基于改进人工势场法的航路规划,输出航速航向引导无人艇自主航行至目标点。模型接收雷达数字视频信息到解算输出执行航速航向平均时间为0.12 s,模型引导无人艇自主出港池航迹如图8所示,整体看航迹较为平滑,航向较为稳定,无震荡现象。
图8 模型引导无人艇自主航行出港池试验航迹图

5 结束语

针对无人艇在未知海域执行任务中的自主避碰规划问题,提出了一种基于雷达回波图像栅格化的环境构建方法和改进的人工势场法,实现了在陌生海域无人艇自主航行避碰模型,试验结果表明:
1) 所设计的算法在栅格化导航雷达回波图像支持下,能够快速规划出到达目标点的航路,属于局部规划;
2) 所设计的算法在真实海况(3级以下),无对抗目标时可用;
3) 通过设定障碍栅格作用范围,限定障碍栅格区域,提取障碍栅格边缘,有效减少计算量,提高实时性,能够满足雷达图像实时处理需求。
因栅格化对障碍栅格扩张因素,该算法对小间隙密集目标环境、窄航道不适用。针对动态障碍物规避、高海况下环境适应能力、有精度需求的航路规划等其他应用场景需求,需进一步开展算法研究和试验探索。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李伟, 黄谦, 王书晓, 等. 导弹无人艇发展及作战运用问题研究[J]. 飞航导弹, 2020(11):10-13,20.

[2]
刘江平. 揭开无人海战的序幕中国“瞭望者”Ⅱ无人艇[J]. 坦克装甲车辆, 2019(2):26-30.

[3]
窦强. 双体槽道型双泵喷水推进无人艇航向控制算法研究[J]. 指挥控制与仿真, 2021, 43(4):17-20.

DOI

[4]
马思远, 黄大志, 徐慧丽, 等. 水面无人艇路径规划算法综述[J]. 自动化博览, 2021, 38(11):68-71.

[5]
Elfes A, Moravec H. High Resolution Maps from Wide Angle Sonar[C]. Proceedings of the 1985 IEEE International Conference on Robotics and Automation,Boston, MA, USA, 1985:116-121.

[6]
杨凌耀, 张爱华, 张洁, 等. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24):290-295.

[7]
KHATIB O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots[J]. International Journal of Robotics Research, 1986, 5(1):90-98.

[8]
阴启玉, 韩昱. 无人艇载雷达视频无线传输技术研究[J]. 南京信息工程大学学报(自然科学版), 2020, 69(5):563-568.

[9]
王海群, 王水满, 张怡, 等. 未知环境的移动机器人路径规划研究[J]. 机械设计与制造, 2021(10):233-235,240.

[10]
杜贻群, 黄静, 张华军. 水面无人艇的多方向路径规划方法[J]. 指挥控制与仿真, 2021, 43(4):7-12.

DOI

[11]
Qiyu Yin, Yuezu Lv. Multichannel Adaptive Deployment and Reliable Communication Design for Unmanned Surface Vessel[J]. International Journal of Advanced Robotic Systems, 2020, 17(1):1-7.

[12]
Qiyu Yin. Research on Entity Recognition Based on Multi-criteria Fusion Model[C]. 12th IEEE International Conference on Software Engineering and Service Science, ICSESS 2021, August 20, 2021,Beijing, China:85-88.

Options
文章导航

/

〈 〉