第一篇：无人艇避障研究总结
航行器海面避障研究
一． 历史上海中航行器的导航方式 世纪，美国战略潜艇导航技术一直发展，舰船惯性技术是在不断满足潜基导弹的射程和命中精度的要求及核潜艇的隐蔽性要求而不断发展的。具有灵活性、隐蔽性,是发射弹道导弹的活动基地。世纪导航技术发展的主要方向。从总的发展趋势看可以概括为:区域冲突多极化;军队综合现代化;武器信息制导化。系统组合智能化;电子信息数字化;价格便宜小型化。操作可靠傻瓜化;测试手段现代化;维修维护模块化。与露出水面获取 GPS 定位点一样, 用有源声呐发射也会牺牲隐蔽性。但是利用声呐的回波, 可得到非常重要的导航信息。
【我得总结】导航方式多种多样，我国目前水平比较一般，跟在发达国家后面飞奔，但也是望尘莫及。导航精确确保航行器大方向准确。在大方向正确的前提下，我来进一步研究小范围突发情况如何正确避让等一系列动作的合理实施。我国无人艇有一部分安装国产北斗导航。
二． 海面海浪波动探究
自然界中的海浪是一种相当复杂不规则波动现象。由于自然条件复杂 , 加上波浪运动本身的随机性 , 到目前为止 , 有些实际问题不能单纯用数学分析方法很好地解决;并且 , 由于经济和技术等的限制 , 现场观测也会遇到很多困难 , 甚至无法实现。只有按不规则波来研究海洋 , 才能正确地描述海浪。
【我得总结】海面波浪及其形式无法预知，随机性很大。所以我决定对其进行进一步研究并且分类，逐一击破。无人艇行驶在海面上，海水波浪是一个因素，暴风雨一类天气又是一类因素，除此之外，可能还有未知情况，待进一步探究。
三． 针对海面无人艇避障方法探究（主要）
⊙ 避碰规划是高速无人艇研究领域中的核心问题之一。高速无人艇的避碰规划就是在特定的环境中给定初始位置和目标位置,按照策略无碰的从起点运动到终点,并满足一定的附加条件,如路径最短等。
⊙高速无人艇的避碰规划可以分为2类:基于环境先验知识的全局规划和基于传感器信息的局部规划。全局规划不能满足动目标避碰的要求,因为障碍物很可能出现在规划好的路径上,这样在高速无人艇的导航系统中,就需要基于传感器(多波束前视声纳)信息以在线方式进行的避碰规划。⊙无人艇动目标避碰就是基于前视声纳的实时信息,属于局部规划范畴。⊙蚁群算法: 自然界的蚂蚁群体是具有智能特点的,能够通过群体所释放出来的一种叫做信息素(pheromone)的物质,在没有任何视觉线索的情况下找到从食物源到蚁穴的最短路径。蚁群算法就是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法,并且该算法有一个统一的框架结构模型;其不仅具有很好的鲁棒性(Robust),良好的正反馈特性,而且具有并行分布计算的特点。因此,可以运用蚁群算法进行避碰路径的优化搜索。
⊙在复杂的海洋环境中,一般情况下高速无人艇沿着全局路径规划器规划的路径运动,当前视声纳测到障碍物,就需要启动局部避碰规划器。局部规划器首先在前视声纳视域范围内选定一个空间点作为局部规划子目标,一般选择声纳全局规划的航程点作为规划子目标点。高速无人艇当前的位置作为局部避碰规划的起点,避碰规划就在该起点与规划子目标点之间进行。
【我得疑问】前视探测器这里用的声呐，在实际应用当中，用的是声呐还是摄像头？ ⊙路径生成
现讨论二维空间的避碰规划问题。以避碰规划的起点作为原点,起点与规划子目标的连线作为x轴,建立直角坐标系xOy。将起点(xO,yO)与规划子目标点(xG,yG)连线m等分,则每个点的坐标可表示为(xi,yi),其中i=0~m。在每个等分点作x轴的垂线,就得到线段L1,L2，,Lm,再以x轴零点为起点,将每条线段进行n等分,每条垂线上就有n个点。在避障区域内,就有m，n个点
即:L1(x1,y1)L2(x2,y2)L3(x3,y3),L1(x1,yn), ,Lm(xm,y1)Lm(xm,y2)Lm(xm,y3),Lm(xm,yn)其中Li(xi,yi)表示第i条垂线上的第j点,则从起始点到终点的路径可以表示为:Path={O,L1(x1,yk1),L2(x2,yk2)，Lm1(xm1,yk(m1)),G}(ki=1,2，,n+1)避碰规划问题就是使得由该路径点序列组成的路径满足条件。由于不同路径上的相应位置的x的坐标是相同的,所以每条路径的区别仅仅在于相应位置处的y坐标不同。
【我得总结】以自我为中心，探测到障碍物后自动规划航向，简言之绕过障碍物，这种“绕”过是实时检测并且动态计算的，计算通过一个方程式构成，即上述公式，虽然难以读懂，但不难理解。⊙目标函数 讨论的动目标避碰规划路径需要满足3个约束条件:动态避碰、保持航迹和路径最短。由于避碰规划区间较短,在避碰规划周期内,假定动态障碍物做匀速运动,且速度可根据前视声纳探测的实时信息估计得到。高速无人艇保持当前的航速不变,通过选择不同的路径点即调整高速无人艇的航向来避碰。避碰规划区间内高速无人艇的航迹由全局规划器给出。
【我得总结】此类实验通过仿真可得出结论，目前对matlab了解不够，对各种各样的算法了解不精，是以后需要提高之处。
第二篇：CVM避障算法 翻译
基于曲率速度的局部避障方法(草稿)
作者：Reid Simmons 翻译：Luo Qijun 本文提出了一种新的室内移动机器人的局部避障方法，它将避障问题描述为速度空间的约束优化问题。将速度和加速度的物理限制和障碍物分布的环境约束置于机器人的线速度和角速度上，机器人选择满足所有约束，并使得目标函数最大化的速度指令，目标函数折中考虑速度、安全性和目标方向。这种方法的高效实时的应用，已经经过广泛测试，表明其在办公室环境下可以可靠、平滑而快速的导航。这种避障方法可以作为更复杂导航行为的基础，从简单的漫游到基于地图的导航都可以使用。
1，引言
局部避障算法针对 未知的 或 部分已知的环境。
（1）机器人应该能够安全的导航，即使面临感知器的噪声 和 航迹的错误
（2）机器人应该在试图避障的同时趋向目标；
（3）算法必须高效的运算，以至于实时运行于机器人主机 另外，有一些其他算法没有考虑在内的内容：
（1）机器人的动态性应该纳入计算，使之能够以高速运动于拥挤的环境中（2）算法应该明确的尽量最大化机器人的前进进程（3）算法应该同时控制机器人的方向和速度
我们的方法，CVM算法，针对上述的内容。该算法的主要特点是它在机器人的速度空间操作，而不是Cartesian或者配置空间，它通过最大化目标函数来选择命令，用于综合考虑车体安全性、速度和目标导向性。这种方法认为机器人能够控制线速度和角速度，但是不能瞬间转向。也就是说，它只能沿着圆弧走。满足这种方式的机器人包括差动机器人，差速驱动机器人，和多种 非完整车辆。然而 我们的论述忽略了加速度的影响，实际上，对于以步行速度运行的室内机器人来说，这是一个好的近似。
曲率速度算法通过在速度空间添加约束，并在此空间中选择满足所有约束并且最大化目标函数的点进行工作的。约束条件来源于机器人速度和加速度的物理限制，和表示障碍物分布的传感器数据。后者（对于每个可能的曲率），用于表示机器人在撞上障碍物之前能运行多远。
为了达到实时性能，到障碍物的曲线距离用一个分段函数来近似描述。这种近似将速度空间划分为多个离散的区间，每个区间考虑一个确定的距离。该算法在各个区间中找到一个点，使目标函数最大化。这个全面最大化的点用于操作机器人。几个简单的扩展使该基本算法对于传感器噪声更具鲁棒性，并减小了机器人陷入困境的可能性。在我们室内机器人上的测试证明：它能在有人办公室环境内快速、平滑和安全行驶。相关工作
一些著名的局部避障通过计算机机器人将要朝向的方向进行的，但是没有将车体的动态特性计算在内。例如：势场趋近法使用排斥和吸引特性的向量和来计算期望的机器人朝向。速度控制 通过按势向量大小比例选择速度来确定。在该算法基础上改进得到的向量场直方图方法，通过计算一个一维极性直方图进行的，处理该直方图以检测开放区域以便机器人行进。在方向被选择后，再根据到障碍物的距离按比例选择机器人速度。虽然该方法可以产生平滑的轨迹并能同时处理窄、宽的开放处。就像势场趋近法，它没有把下列情况计算在内：当机器人转向时沿着圆弧移动，而不是沿着直线。在混乱复杂的环境中，它忽略了车辆的动态特性，而这时很关键的。
那些引入车辆动态特性和非完整约束计算的方法已经在线下路径规划中作了研究[]，对于快速的局部避障来说，这些方法通常计算代价太高。
然而，最近报告了一些局部避障方法，通过选择一些驾驶命令而不是行驶方向来引入车辆的动力学特性。驾驶角度场算法，跟我们的算法类似，使用到障碍物的曲率正切 来约束一个连续的空间（在那个情况下的驾驶角度一维空间）。曲率和连接弧的距离，在驾驶角度范围内用于阻止行驶。该算法计算几个距离阈值的约束，并试图行驶到最自由的空间。速度控制是一个在驾驶者模块和局部避障模块间的迭代“商议、谈判”过程，与此相反，在我们的算法中，速度和转向弧度通过仿真选择，速度空间的点使得目标函数最大化。针对室内高速导航，有一个类似的基于速度空间操作的算法，就有人作了更早但是独立的研究。该算法针对受车辆动力学约束的弧线的离散集合，并选择其中一个最接近目标方向，保证机器人不会在几秒行驶范围内不会撞上障碍物。初始方法采用两步趋近法来选择曲率和速度；后来，他们研究出了一步选择曲率和速度的算法[6]。针对室外导航，也有一种类似的的方法[7]。考虑了所有的车体动力学，所以路径不必是一个圆弧，为每条路径计算一个可行度量，并选择其中一个最好的结果。但是这些方法的问题在于：仅仅通过分析弧线的离散集合，好的路径可能淹没在碰撞中，并且不被考虑到。曲率速度法
我们描述局部避障问题为一个在机器人的速度空间内的约束优化问题。机器人的速度空间就是可控制速度的稽核。对于差速驱动机器人来说，就像我们的机器人，速度空间包括线速度和角速度的正交空间。通过约束优化，我们试图使机器人选择某个（tv, rv）对，使得目标函数最大化，同时在允许的速度情况下满足所有的约束。
用这种公式描述局部避障问题有几个优点：首先，通过在速度空间内的计算，我们能够同时控制机器人的速度和朝向，并得到一个直接产生命令用于控制机器人的解决方法。通过将此问题作为一个约束优化问题，我们能够很简单地合并来自于环境和机器人动力学的约束条件，并能够得到使速度和安全折中的描述（公式）（规则）。
首先，我们假设机器人总是沿着圆弧线行驶，该弧线曲率由c = rv/tv得到，正的曲率表示顺时针的移动。所以，速度空间中的每个点，对应于笛卡尔空间中的约束曲率的运动。然而，这实际上是一种近似，如果考虑加速度的影响因素的话，如果在绝大所属室内移动机器人的相对较低速度和高加速度的情况下这些影响都被忽略。[6] 机器人的物理限制包括两种类型的速度空间约束。一个是机器人有最大角速度和线速度：tv<=tv(max), tv>=-tv(max), rv<=rv(max), rv>=-rv(max).在我们的方案中，我们又加入了一个约束条件：tv〉=0，以此防止机器人的后退运动。角加速度和线加速度的限制，ra（max）和ta(max)构成了另外一些约束。给定机器人当前速度 rv(cur)和tv（cur），和时间间隔T(accel)(基于CVM算法周期来选择)，我们再加入3个约束条件，这些条件给出了在下一时刻可达的速度：
考虑到安全原因，tv的明显的其他约束没有加入。我们试图保证tv=0是速度空间中可以达到的部分。另外一个重要的约束源是由环境障碍物构成的。我们可以按照如下方式将笛卡儿空间障碍物转换为速度空间的约束：首先，转化障碍物到配置空间，并且对所有曲率c,计算机器人在碰到障碍物obs可能行驶的距离dc(c,obs).然后定义每个障碍物在速度空间的距离函数：
给定障碍物集合OBS, 累积距离函数定义为：
最后，由于传感器探测距离的限制（为了避免无限值的计算），我们修剪了函数D，利用某个限制距离L（3m, 在我们的实现中）
通常，计算障碍距离函数dc(c,obs)将会非常复杂，由于任意形状的障碍物。为了解决此，我们将障碍物近似为圆形。这是一个有根据的接近，在给定传感器输入-声纳和激光测距仪的情况下。由于我们的机器人也是圆形，笛卡空间到配置空间的转化仅仅通过机器人的半径增加障碍物的半径。现在，计算dc是直接进行的。由于在原始位置的机器人面向y轴正半轴，给定曲率c在（xj,yj）与障碍物相交，我们可以得到：
给定这些物理的和环境的速度空间的约束，通过优化目标函数来选择机器人的命令。从第1节的要求中，可以清楚的发现目标函数会偏好更高的速度，在碰到障碍物前可以行驶更远距离的曲率，并且试图使机器人面向期望的目标方向。我们利用一个简单的线性目标函数来描述这些准则，其中，每项都要在0和1间进行归一化：
速度项简单地表明了对更快速运行的偏好，而其他的则一般。距离项表明沿着给定曲率rv/tv无碰撞运行更远的距离。朝向项是与目标朝向的偏差，它对期望的目标朝向的速度转动时间Tc后将要达到的朝向之间的区别作了解释。
值表示每一项在目标函数中的相关权重。利用目标函数机器人可以展示不同的行为，这依赖于权重和障碍物分布，从为了避障急转弯的减速到除了为了躲避同一障碍物而进行提前转向外的全速行驶。第6节展示了关于选择权重值对算法敏感性的试验结果。
(在机器人局部坐标内)和机器人如果以rv 实时实现
在前述章节中描述的曲率速度法，满足局部避障的所有准则，除了他不是计算高效的外。计算Dlimit 是很困难的，即使在圆形障碍物的简化假设条件下。另外，给定Dlimit的一个通用描述，函数f寻优也是耗时的，即使使用如模拟退伙的近似技术。在这一节里，我们描述了实现细节以解决计算的相关问题。
利用一个区间的有限集合的近似Dlimit可以达到实时性能，这种区间是等距划分的。这种曲率区间集合，通过使用障碍物的切线曲率，将速度空间划分为常量距离的区间，进而划分那些重叠区域，以使 与区间对应的距离是所有重叠区域中的最小距离。最小和最大速度、加速度约束加入到这个空间，并且，对于每个曲率区间，求出在约束上限的最高点（因为使目标函数最大化的点必在上限边界处）。机器人在所有曲率区间中选择使目标函数最大化的命令。
我们通过速度距离函数dv来计算Dlimit。需要注意的是 对于一个给定的障碍物obs，dc(c, obs)在障碍物曲率切线区外是无限大的。所以，我们仅仅需要考虑Cmin和Cmax之间的那些曲率：
交点（用于计算dc）是:
注意：公式6没有定义 障碍物圆覆盖的区域
。因为，在实际中，障碍物和机器人是不可能占据同一位置的，这仅仅会在传感器噪声或者确定障碍时的圆形近似的情况下产生。另外一种方式，我们通过定义半径robs为
（这里e设置为1厘米）来处理这样一个障碍物。那么我们就可以使用公式6来计算所有障碍物的最小最大曲率。
给定切线曲率，第一个近似（接下来将被精确计算）是将dv置为最大至最小曲率间的常量：
每个确定的距离将产生一个障碍物区间的集合。为了计算Dlimit的精确确定近似值，我们通过分裂重叠障碍物区间和用更大的联合距离去除重叠片找到了障碍物区间的最小合并。针对此的一个有效算法使用了一种曲率区间数据结构(
最小合并算法从曲率区间个新的曲率区间：
开始，对于每个障碍物，用一对切线曲率与其关联距离算法组成一，根据该区间与已存在区间的关系，修改该区间
将切线曲率间的距离函数近似为常量，不是很合适的，因为dv实际上是完全非线性的。在某些情况下，这种近似太过保守，特别是在两个切线曲率的距离值是非常不同的。更重要的是，这种近似常常太过自由主义，实际最小值可能比每个切线曲率距离都要小。
为了修正这些问题，我们精炼dv的近似为一个分段常量。思想为：将区间
分裂为多个区间，对每个区间计算出一个常量距离值，然后使用上述描述的最小合并算法来近似全部的Dlimit函数。我们的方法是要选择障碍物圆上离原点直线距离最近的一个点，并从该点开始把障碍物划分为四个象限。为最小和最大切线曲率的邻近点，定义曲率区间，每个区间的距离值设为两个端点曲率的最小值。
为了使目标函数最大化，我们注意到：每个曲率区间提供了速度空间的一对线性不等式。在上述章节中描述的速度和加速度约束也是一些线性不等式。因此，我们有了一个线性不等式稽核和一个线性目标函数---一种通常容易求解的形式。然而，在我们的问题里，有一个附加问题的附加结构，它会使的计算更加简化：因为曲率线对间的距离值是常量，目标函数对于tv是单调递增的，对于每个曲率区间的函数优化值，存在于约束线的边界上。这导向了一个非常高效的算法：对于每个曲率区间，在每个关联约束的上边界的顶点计算目标函数，并在所有曲率区间中选择全局最优值（利用一个小的扩张：我们也需要在朝向误差dthata是零，时，计算目标函数）扩展
在前述两节中描述的曲率速度法，有一些实际问题。首先，由于传感器噪声，障碍物可能不是很精确，他们可能在内部显现。因此，我们可能要让机器人与障碍物保持接近，并使之减速，如果不能在他们旁边行驶的话。第二，虽然目标函数通常能够很好的获得趋向目标方向并且躲避障碍物行为，有两种情况不能很好的工作：当所有的选择都一样糟糕时，表示机器人被挂住，和当机器人离目标方向很远时。在这一节内容里，我们描述基本曲率速度算法的简单的扩充，以解决上述每个问题。一个简单的扩充，帮助补偿传感器噪声，它使用一个安全区来生长障碍物。我们使用一个相对小的安全区（5cm）,因为安全区的大小与机器人可通过开放区间宽窄成反比例的。安全区太大，机器人通过房间门和在拥挤的走廊里经过人群会有困难。
另外一个扩充，文献3，6提出，帮助机器人保持远离障碍物（或者，至少，使它更小心，当从障碍物边行驶时），它添加了一个最大的可允许的线速度，该速度与到障碍物距离成比例。特别是，对于每个曲率区间,我们约束最大线速度tv<=d/Timp, 以致机器人能够行使至少Timp秒，在碰到障碍物前。
对于一些曲率区间，距离d 比极点 ,中的一个或两个都大，表示机器人将擦边障碍物经过，如果它沿着此极点曲率行驶的话。（例如，d1,
我们通过首先计算远离障碍物S的曲率，它在距离d正切于曲率c，来确定这个约束:
然后，我们添加约束，线速度减低到由点（）组成的直线下。
这就确保机器人将不会全速行驶，除非它保留与障碍物至少距离S经过。一个类似的约束，使用公式9中的r+S，针对曲率区间的下界被加入。
有时候，使目标函数最优的值使其机器人行驶很慢，或者完全不动。这常常发生，例如，当机器人在三面被障碍物包围而它的目标朝向就在正前方，就在障碍物区域。为了处理这一情况，我们采用了原地转身算法，机器人原定不动并且作旋转直到最好的角速度命令为零。这将允许机器人终于看到前方开放的区间并且向前移动，足够使其移动到距离陷阱外。
最后一个扩充，目标函数权重参数的选择，是必要的。选择的权重工作良好，当机器人面向目标方向很近时（在正负60度以内），但是当它面向相反方向时却效果很差。在这种情况下，我们要强烈鼓励机器人开始转动，从而面向目标方向。我们通过增加朝向项的权重来实现，该权重正比于机器人离目标方向的大小。
特别是，我们用
代替目标函数中的。下一节，讨论各参数值对算法的灵敏性。试验结果
CVM算法已经在在Xavier移动机器人上实现和测试。Xavier是一个四轮同步驱动底盘的机器人，由RWI制造，可以独立控制其线速度和角速度。他使用一圈24个声纳传感器（1-2Hz）和一个30度激光测距仪（5-10Hz）。声纳和激光数据组合起来并采用一个简单的20cm精度histogram grid 文献[2]。
底盘得到8 Hz的航迹推算信息，cvm算法也以此速度运行。但接受到一个新的数据报时，每一个被占的格子单元被转化为自身局部坐标并处理产生曲率约束。一般有15-30个障碍物，产后10-15个不同的曲率区间（由于曲率区间重叠，区间数小于障碍物数）。相应的速度约束被添加进去，最优的（tv，rv）发给底盘计算机。算法（包括感知数据处理）运行于在66MHz主频的486计算机上，大概耗时12毫秒。
CVM依赖一些参数，特别是目标函数中的。为了确定这些参数对算法的灵敏度，我们在仿真环境下做一个一系列测试。环境被设置为测试算法的逃离局部最优和避障趋向目标的能力。每次开始机器人在一个点和给定方向，并向前直线运行，当机器人越过虚线时结束。
改变参数完成了一些列路径。基于完成路径的平均时间，我们总结出算法对于目标朝向权重参数 a3的相对值比较敏感，而对a1, a2的相对值不敏感。如果a3置为0，a3/(a1+a2)的值大于15%的话，算法进展缓慢（机器人常陷入局部陷阱）。在此范围内，每个路径中的标准差比 其值和最优设置的值的差 一般较大，但是在a1>a2时平均稍大。
改变a4执行类似的路径，额外的权值鼓励机器人在远离前进运行。结果显示CVM是相对不敏感的，对于a4>0但小于3（此时，机器人又容易陷入局部）。最优好的设置是a1=0.6, a2 = 0.3, a3 =0.1 a4=1.0(平均完成时间67.5s, 标准10.2s), 该设置用于图8的显示结果。
图9为Xavier的不同运行轨迹。为更好的强调差别，图中，障碍物（2个盒子，一个圆的垃圾罐，一个消防门）用机器人半径进行了生长，而机器人为一个点。在每种情况下，机器人从图上方开始，面向底部，且要求其转90度面向左侧。每种情况下，机器人必须环绕围墙并导航绕过三个离散的障碍物。我们在30，45，60cm/s的速度行驶对CVM算法与60cm/s运行的势场法进行了对比。结果显示，CVM较势场法产生更为显著的平滑轨迹。另外，在更高速度下，机器人保持离障碍物更远，而且路径较为平滑。这主要归结与 “靠近障碍物”约束在高速情况更加重要，这使机器人较早对目标做出响应。
局部避障算法供几个更高级别的行为使用。“漫游”通过设置机器人局部目标朝向为0，这偏向是机器人持续沿着当前方向行驶。“朝向方向”行为通过设置为当前机器人朝向和目标方向的差值来实现。最后，为机器人朝向到局部目标点的角“朝向目标”行为通过变换全局目标位置到机器人坐标框架，并且设置度 来实现。对于最后那个行为，我们需要一个附加的扩充：如果目标点在曲率区间内，其相关距离较到目标点的直线距离小，那么目标朝向项的权重被设置为很高以强烈鼓励机器人瞄向目标行驶。
这些行为，逐个构成基于地图导航规划的基础[文献10，11]。最后系统展示出在人类办公室、走廊环境下的可靠、快速导航。讨论
我们描述了针对局部避障的曲率速度算法，它将此问题视为机器人速度空间的约束优化问题。这种描述的优点包括 同时控制速度和机器人朝向的能力，合成环境和机器人动力学、以及处理速度、安全和目标朝向的平衡能力约束的简化。
CVM实现了实时性能，通过近似化机器人在碰到障碍物前能够行驶多远的弧线距离来实现。近似处理是一个分段常量函数，由到障碍物切线曲率来定义。附加的速度约束被加入，在机器人物理限制和保持远离障碍物的期望的基础上，或者至少慢速行驶当接近障碍物时。
该方法已经被实现，并且在Xavier上进行了测试，Xavier是一个差速驱动机器人（它可以使用差分驱动车，并且是沿圆弧行驶的非完整约束车辆。）实现是高校的，并能使机器人在人员办公室环境下达到60CM/s的速度行驶。速度限制的原因，在于声纳传感器的速率（激光视场范围限制阻碍它成为障碍物检测的主要传感器）。通过提高传感器的检测周期，我们希望达到一米每秒（travel）。
基于该算法的下一步工作包括：找到更好的距离函数的近似方法，尝试更精炼的目标函数。我们也要致力于扩展以曲率为基础的速度空间算法来进行多步导航规划问题。
本文展示了通过考虑测量动力学，和使平衡速度、安全和目标趋向的目标函数最大化，我们可以创造一种高效的、实时的局部避障算法，用于在布满障碍物的环境中产生安全、平滑、快速的轨迹。
第三篇：全自主无人艇下水首航
1月20日上午，由我校自动化学院、广东工研院联合组织的“全自主无人艇关键技术创新团队”研发的HUSTER-68型无人艇和HUSTER-12s型无人艇编队首航仪式在东莞市松山湖举行。
中国工程院朱英富院士、中国机械工程学会理事长李培根院士等6位院士，我校党委书记邵新宇，哈工大、西安交大、上海大学等专家学者，广东省科技厅、东莞市科技局以及我校相关职能部门、院系、广东工研院专家等近百位嘉宾共同见证这一重要时刻。
团队首席顾问、朱英富院士宣布首航仪式正式开始。散落在湖面的5艘HUSTER-12s型无人艇快速实现从无序到有序的编队，最初排成“十”字型编队，庆贺广东华中科技大学工研院建院十周年。接着，为了通过狭小水域通道，“十”字型编队迅速切换成了“一”字编队。在巡逻过程中，编队自主发现可疑目标，一”字编队自发切换成圆形编队，对目标实施围捕。围捕任务完成后编队自动返回预先指定区域。接着登场的是面向高机动近海勘测巡逻的HUSTER-68型无人艇，侦察指令发出以后，HUSTER-68艇远程启动，进入全自主工作模式，加速驶离港口，在线规划航迹，驶向目标岛屿，进行环岛勘测巡逻，并将指定水域侦查结果实时传输回监测基站。环岛一圈以后，任务结束，HUSTER-68自动返回港口附近停泊并进入待命状态。
全自主无人艇是维护国家海洋权益、管控国家水域资源的使能工具，体现了国家蓝海战略与意志。世界各发达国家将无人艇列为无人系统发展路线图的战略核心技术。早在2014年，朱英富院士就提出了研发全自主无人艇及其编队装备、打破国外技术垄断，抢占技术至高点的构想。在朱英富积极倡导和直接指导下，我校自动化学院整合了学院在计算机视觉、计算智能、群体智能、运动控制、电力电子等多个优势学科方向的教师，形成了一支由“千人计划”“杰青”“长江学者”“万人领军”“优青““青拔”等高层次人才组成的创新团队。依托我校广东工研院，在“珠江人才计划”大力支持下，自2016年以来，团队先后克服了“看不清”“识别慢”“走不直”“颠簸大”“易掉队”等技术难题，实现了在复杂水域环境场景解析与目标实时识别、无人艇智能控制、自主导航与避障、无人艇机构综合、无人艇编队构型调控技术和无人艇群集协同作业等突破性进展。团队涌现出2017年全球高引科学家一名，成果入选Nature Physics研究亮点。团队的研究成果对于提高我国海洋装备制造水平，实现蓝海战略具有重大意义。
首航仪式由自动化学院教育部青年长江学者张海涛教授主持。自动化学院院长曹治国介绍了研究过程与成果，广东省科技厅基础处钟自然调研员代表广东省科技厅致辞祝贺。《光明日报》《南方日报》等媒体予以关注。
第四篇：无人水面艇的作战使命和关键技术
第三届无人机大会征文
无人水面艇的作战使命和关键技术
徐
舸
李全国
海军信息战研究教育中心，南京 211800
摘 要平流层无人飞艇可以执行预警探测、通信中继、导弹防御和电子对抗等作战使命，能最大程度地发挥武器系统的实时信息化能力，是信息化条件下理想的海上作战平台。平流层无人飞艇主要发展先进的艇身材料技术、再生燃料电池技术、雷达天线集成技术和超低能发射/接收模块。平流层无人飞艇发展前景看好。，但仍有许多技术难题等待解决。
关键词 无人 水面艇 作战使命 关键技术
近年来，无人战车、无人战机风头频出，无人舰艇却鲜有人知。实际上，各国海军在后者的研发上同样投入了很大精力。如美国海军的“斯巴达侦察兵”、“海狐”和“猫头鹰”系列无人水面艇，以色列海军的“保护者”和“银枪鱼”无人遥控巡逻艇，法国Sirehna公司开发的Rodeur无人水面船等。美国还制定了专门的《海军无人水面艇主计划》，作为美国海军无人艇发展的指南。
无人艇的研发较无人机落后的原因，一是无人艇面对的环境更复杂。一般来说，无人机的巡航高度为几千米，飞行过程中的大气环境相对平稳。而无人艇则不一样，海浪不断地拍打，光线在水面反射造成的干扰以及近海较多的障碍物都会对传感器形成很大影响。二是在于海上目标一般距离较近，而诸如激光、红外等传感器的优势在于探测较远的目标，这又对无人艇传感系统的准确性和可靠性提出更大的挑战。无人水面艇的作战使命
同其他无人平台一样，无人水面艇主要用于执行特别危险、特别枯燥以及其他不适于有人舰船执行的任务。目前无人水面艇的发展主要侧重于军事应用，通过配备先进的指挥控制系统、传感器系统、通信系统以及武器系统，无人水面艇可广泛执行扫雷、反潜、信息作战、侦察监视、目标指示、通信中继和反恐攻击等任务。
1.1 反水雷战
无人水面艇可用于浅海和极浅水域的水雷侦察和扫雷行动。这种无入水面艇采用两台柴油机直接驱动喷水推进器，在平静水面可获得37节的最高航速，可连续工作6—7小时，其负载能力可达2吨左右。它将主要搭载在两栖舰艇上，成为海军未来制式反水雷装备的一部分。如美国洛克希德·马丁公司开发的遥控灭雷系统（Remote Minehunting System，RMS）是一种装备在水面舰艇上的高续航力、半潜式无人系统，拖曳一套水下声纳系统，可执行水雷探测与分类任务。由于是半潜式，RMS有些时候被认为是无人潜航器。美国海军已经采购6套RMS系统，装备于6艘“伯克”级导弹驱逐舰上。
另外，RMS系统还装备在美国海军的濒海战斗舰上。如配备反水雷模块的“斯巴达侦察兵”无 人水面艇以11米长的刚性充气艇为基础，执行远程施放、拖曳、回收猎雷声纳；清查航道，提供海底图像的细节；将视频图像和声呐数据传给反水雷舰，为反水雷舰艇进出港口提供港口护卫；以遥控或半自主的模式作业，并将数据实时传递出去。反水雷模块除可配备猎雷声纳之外，还可换装侧扫声纳。模块还可经过扩展，配备扫雷设备，如在两个滑撬上安装声扫和一种开环磁扫设备。承担扫雷任务的“斯巴达侦察兵”无人水面艇安装燃气轮机，以提供扫雷所需的动力。使用反水雷模块的“斯巴达侦察兵”无人水面艇最高航速为20节，可在任务海面持续作业6小时。
1.2 反潜作战
研制无人水面艇的目的是通过派遣这种无人艇最大限度的扩展海军探测敌方潜艇的能力，这种无人艇利用声纳来探测可能隐藏在海军舰船或商船周围的潜艇。美国海军希望能够拥有32艘这种无人艇，每艘无人艇配置先进的指挥和控制系统，装备先进的声纳探测任务模块。该任务模块将包括单基地声纳或拖曳阵声纳、吊放式声纳、声纳浮标以及其他声学设备作为载荷，执行反潜战任务。
近海战斗舰上的反潜战水面无人艇可以执行海上防御，通道保护，港口侦查以及保护海军水面战斗群的反潜任务等。
由于法国参与了反潜型“斯巴达侦察兵”无人水面艇的研制，法国国防采办局已授命泰利斯水下系统公司向美国提供包括吊放声纳及其绞车、核生化探测设备和避碰声纳的设备。反潜型“斯巴达侦察兵”无人水面艇可能装备于法国和意大利联合研制的FREMM级多功能护卫舰上。
1.3 支持水面舰艇作战
无人水面艇通过作战实践，可以为海上舰艇提供保护，以及在非对称战斗中应对小型舰艇的威胁。作为一种低成本多功能产品，无人水面舰艇在网络中心环境中提升了传感覆盖，并允许快速建立海战场空间优势，且降低了不必要的人员及海军舰艇的伤亡风险。美军目前正在发展一项计划，以加快向美海军舰队部署“斯巴达侦察兵”无人舰艇系统，以加强部队的自我保护作战能力，并且在作战实验中成功验证了其情报、侦察和搜索能力，以作为舰载保护系统项目的一部分。
由于无人水面艇是用特殊材料制成的，难以被敌发现，行动隐蔽，不易遭敌攻击。可以在无人水面艇上安装高能炸药（或加装遥控武器），制成海上无人攻击艇，在条件允许的情况下，选择有利时机，摧毁敌海上作战平台。
1.4 支持特种部队作战
无人水面艇支持特种部队作战，被用于执行打击海盗和恐怖分子的任务。
无人水面艇由其他空中平台和水面舰艇进行远程遥控，它们可以成为水面舰队的耳目，同样也能保卫港口和船坞。无人水面艇将大大降低部队人员执行任务时所冒的风险，可以使部队更有效地完成任务，无人水面艇还能执行一些载人舰艇无法完成的任务，可以用于水面反恐行动。它以新型低成本武器系统拓展海上巡逻区域，为舰队提供反恐怖偷袭的防御能力。
在美国海军的无人水面艇研究中，支持特种部队作战是其重要使命。如美国海军“斯巴达侦察兵”无人水面艇可用于水文调查或其它侦察和欺骗任务。该艇可以配备“海尔法”等导弹进行精确打击，协助特种部队在内陆湖泊地带作战。由于“海尔法”是一种发射后不管的导弹，特别适合装备于探测跟踪能力相对较差的无人水面艇。“海尔法”的海军型重约45千克，长度不足两米，一艘“斯巴达侦察兵”可以携带数枚这种导弹。“海上拦截者”无人水面艇，其任务包括安全保卫和公众服务，可用于反海盗巡逻、港口保安和海上油井监控。除了用于中东和索马里地区之外，该艇还 可以保护“滨水区设施„„海水淡化工厂和能源设施”。此外“海上拦截者”可通过多种手段部署，能利用舰艇和直升机部署，还可依靠降落伞空投，可到“地球任意角落”执行任务。“海上拦截者”没有装备武器，但可以追逐或是撞击海盗船，也可装备超声波发射器、强光灯、激光炫目装置和水炮等非致命武器，执行非战争军事行动。美海军另外一种比较有特点的无人水面艇就是“海狐”，也是在刚性充气艇的基础上设计，可用于蛙人探测（浅海作战时防止蛙人袭击被美国海军当作兵力保护的重要内容）、核生化武器探测、ISR和搜救。
1.5 支持海上信息作战
无人水面艇可以拓展舰载信息对抗设备（系统）战斗使用的领域，提高舰艇信息对抗能力，提高海上舰艇编队综合作战能力。如电子侦察、目标指示，水面舰艇雷达观察的距离较近，制约了舰载导弹威力的发挥。使用无人水面艇，采用无源定位引导导弹超视距攻击的方法，可提高舰载导弹的作战效能。电子干扰，利用无人水面艇隐蔽性强的特点，携带大功率干扰设备，抵近敌信息平台，采取无源或者有源干扰等多种手段，干扰其通信链路和雷达波束，成本低廉，使用方便，可以获得较好的干扰效果。除此之外，无人水面艇还能担负战场观察、通信中继、海上反辐射攻击等多种作战任务。发挥通信中继的功能，无人水面艇能够向飞机、舰艇和潜艇传输通讯信号。无人水面艇的关键技术
2.1 自主航行技术
无人水面艇通过它的控制系统实现自主航行。它的控制系统装有激光雷达、K／A频段雷达和360度宽视野立体光学系统各一部，依靠GPS导航，在执行特殊任务时可配备侧翼扫描声纳，设计人员还计划为它加装红外传感器。在实际战斗任务中，众多探测设备足以形成一帧帧清晰的图像，这样操作员就可以根据情况准确操作，整个过程与控制无人机相似。
在无人水面艇的收放领域，致力于在更高海况和航速下进行收放作业。目前考虑的方案包括采用一个拖曳体辅助无人水面艇的收放，并以自动导航和捕获系统来辅助无人水面艇与回收系统结合，对于无人水面艇的指控系统，研究方向主要是对其它无人平台的指控软硬件进行修改，以适应无人水面艇的要求。
除了对无人水面艇进行总体设计之外，为了加快发展速度，美国海军还专门出资研究解决无入水面艇的稳定、导航和避碰问题。这种系统是在舰载直升机甲板运动预报系统的基础上，结合直升机和水下无人航行器的导航和稳定系统开发。它通过处理雷达和甲板运动数据，指挥无人水面艇的推进装置和姿态控制系统作出反应，从而改变无人水面艇的稳态或航向。使其具有高航速、大负载的能力并具有优秀的适航性。同时具有最新的无人导航和自动控制能力，可以对周围360度的环境进行感知。
2.2 高能量动力源
在无人水面艇的动力方面，由于柴油机的可靠性好，油料热效率高，因而应用比较广泛。美国海军无人水面艇发动机的主要供应商是洋马海事公司。该公司提供一系列柴油机，单机最大输出功率达720马力。该公司最新型柴油机采用电子发动机管理系统监视和调节发动机转速、涡轮增压、冷却温度和节流阀，并调整电喷时间和油料流量，确保工作环境下油料完全燃烧并获得最大的燃油热效率。此外，美国还在研究一种高能量密度动力源，推进柴油机作为混合系统中的一部分，再辅以锂电池组和其它可能的动力源，为无人水面艇提供高可靠性、低维护量的发动机，保证它能够在 海洋环境和恶劣海况下,无需再加油可连续运转15天。这种高功率密度的压燃重油发动机（CIHFE），为无人水面艇提供更大航程、更高负载能力，延长其在航时间，使其获得更高的航速和燃油经济性。
2.3 三维成像技术
在自主海上导航系统中,美国将三维数字成像、人工智能和传感器融合技术集成进来，提高无人水面艇单独作业或与其它平台协作时的自主能力。这种产品使用一些CCD传感器和多维数字处理算法来决定无人水面艇所处的位置,探测和识别附近目标,并提供其它态势感知信息。“斯巴达侦察兵”无人水面艇装有光电／红外监视器、对海搜索雷达、数字图像传输系统和无人指控设施。这些设备使母舰能够通过无人水面艇获得周围的海上图像，对受保护舰艇周围的环境进行实时监视。
此外还有一种被称为VXZ成像的技术,其基础是统称“机器眼”的相关算法。根据数字摄像机提供的信息,“机器眼”能生成三维空间与目标模型。对于从不同角度获取的图像,“机器眼”能够利用视差生成的图像确定与目标的距离。
2.4 数字融合技术
无人水面艇的基本传感器包括导航和控制用的摄像机，一部导航雷达，一都全球定位系统接收器以及视距和超视距通信设备。基于传感器的自动化海上态势感知是使无人水面艇能够执行海上作战任务的关键技术。该技术原本用于陆上战斗的自动化系统，目前已成功将该技术转化应用到海军的无人水面艇上。
时至今日，无人水面艇刚步入快速发展的通道。随着技术的不断进步和作战需求的强劲推动，无人水面艇必将引起更多国家的重视，在日渐热闹的近海战场上发挥越来越重要的作用。
参考文献
①姜兰亭：《美军高空飞艇可能改变未来侦察和作战的模式》《中国国防报》2006年8月15日 第2版 ②黄小波 崔忠林：《地理信息系统技术在无人驾驶飞艇中开发应用》《信息与电子工程》 2009年第4期
③明 远：《飞艇：今日的“空中航母”》《百科知识》2008年第17期
④王凤岭：《多用途军用飞艇将迎来发展繁荣期》《新民晚报》2009年08月20 日 ⑤崔玺康：《美国军用无人飞艇的发展与应用》
⑥吕
君：《新世纪的飞艇》《航空知识》2003年第3期
作者简介
徐 舸（1956—），男，江苏盐城，教授，博士，研究方向信息作战理论与战法 电子信箱：xuge0424@163.com 联系电话：***
第五篇：智能避障小车试验报告与总结
智能避障小车试验报告与
总结
专业班级：12自动化-3 姓 名：李昆伦 学 号：1216306058
随着科学技术的发展，机器人的感觉传感器种类越来越多，其中视觉传感器成为自动行走和驾驶的重要部件。视觉的典型应用领域为自主式智能导航系统，对于视觉的各种技术而言图像处理技术已相当发达，而基于图像的理解技术还很落后，机器视觉需要通过大量的运算也只能识别一些结构化环境简单的目标。视觉传感器的核心器件是摄像管或CCD，目前的CCD已能做到自动聚焦。但CCD传感器的价格、体积和使用方式上并不占优势，因此在不要求清晰图像只需要粗略感觉的系统中考虑使用接近觉传感器是一种实用有效的方法。
STC12C5A60S2/AD/PWM系列单片机是宏晶科技生产的单时钟/机器周期(1T)的单片机，是高速/低功耗/超强抗干扰的新一代8051单片机，指令代码完全兼容传统8051,但速度快8-12倍。内部集成MAX810专用复位电路,2路PWM,8路速10位A/D转换(250K/S),针对电机控制，强干扰场合。我们采用的就是STC12C5A60S2这种单片机。
避障系统可以采用反射式光电开关或者超声波传感器对前方的障碍物进行检测，前者结构简单，应用方便灵活，但不能获知障碍物与小车间的具体距离；后者结构复杂，但可以测得障碍物与小车间的直线距离。本系统采用反射式光电开关E3F-DS10C4来检测障碍物。E3F-DS10C4是漫反射式光电开关，NPN三线输出方式，三线分别为电源线、输出线、地线。它的灵敏度也可以调节，检测距离比较远，可以达到20cm。
红外发射管，发射50hz调制的38k信号。当遇到障碍物时，发生漫反射，红外接收头接收到这一信号时，输出端输出50hz的信号。判断这一信号，即可判断，遇到了障碍物。
避障传感器基本原理，利用物体的反射性质。在一定范围内，如果没有障碍物，发射出去红外线，因为传播距离越远而逐渐减弱，最后消失，或者反射回来的光很弱时，输出端呈低电平光电开关的检测不受外界干扰。如果有障碍物，红外线遇到障碍物，被反射到达传感器接收头，则输出端呈高电平。传感器检测到这一信号，就可以确认正前方有障碍物，并送给单片机，单片机进行一系列的处理分析，协调小车两轮工作。红外避障基本原理大致就是如此。
利用红外传感器进行“前进-倒退-转向”避障，在车的头部安装光电开关小车采用左右轮分别驱动小车进入障碍区后，在距离障碍物10cm到20cm的地方就可以检测到前面有障碍物（改变光电开关的灵敏度可改变最远检测距离），然后小车刹车停止，并调整角度，车头右偏一个角度，其方法是小车在前进制动过程中，先制动右轮，这样左轮转动快，使小车右转，并制动停止，随后小车加速后退，然后制动，在制动过程中，先制动右轮，左边快而使车头左偏，小车再前进，检测前方是否有障碍物。如此循环，就可以绕开障碍物。前进停止和后退停止之间的距离约为30cm，只要小车前进时刹车行程小于传感器检测到障碍物的最大距离，就可以肯定小车车头碰不到障碍物。调整适当的刹车行程和传感器的灵敏度，便可实现这个条件。单片机电路：
电机驱动电路：
电源电路：
红外传感电路:
之后附上小车实物照片： 采用二轮驱动，后面一个万向轮方便转向，减少阻力。电源采用3.7v锂电池供电。
至于程序输入，如图电源指示灯旁边有个插口，可以连接数据线，安装的驱动是PL2303Vista_Installer，烧写软件我采用的是stc-isp-15xx-v6.67D，至于程序则是在同学们的帮助下参考网上的改编的。程序有如下：
#include“STC12C5A60S2.h” #include
void delay(unsigned int n){ unsigned char i, j,k;for(k=0;k<=n;k++){ _nop_();_nop_();i = 20;j = 10;do {
while(--j);} while(--i);} } void beep(void){ unsigned char i;for(i=0;i<3;i++){ BUZZ=~BUZZ;delay(10);} BUZZ=1;} void gogogo(void){ IN1=1;IN2=0;IN3=1;IN4=0;} void backbackback(void){ IN1=0;IN2=1;IN3=0;IN4=1;} void stop(void){ IN1=0;IN2=0;IN3=0;IN4=0;} void turnleft(void){ IN1=0;IN2=1;IN3=1;IN4=0;} void turnright(void){ IN1=1;IN2=0;IN3=0;IN4=1;} void main(void){ while(1){ if(bleft==0&&bright==1){ turnright();delay(3);stop();delay(3);} if(bleft==1&&bright==0){ turnleft();delay(3);stop();delay(3);} if(bleft==0&&bright==0){ gogogo();delay(3);stop();delay(3);} if(bleft==1&&bright==1){ turnright();delay(3);stop();delay(3);} } } 在焊接过程中，也出线了很多错误，再严重的一次是单片机底座引脚有一个没有焊好，然后用万用表连接了多次才发现，然后用一根小铁丝从下面穿上去再用锡焊牢固。特别要注意的是色环电阻的识别计算方法，在这就不详细介绍了。最难的莫过于程序的调试和小车的机械方面布局几轮驱动一类的问题。总之，通过这次动手制作小车，我从中也学到了很多平时不知道的东西。以后有机会，会继续加强这方面的动手学习能力。
点击咨询 