一种基于APF-RRT融合算法的智能船舶路径规划方法

本发明涉及船舶路径规划，具体而言，尤其涉及一种基于apf-rrt融合算法的智能船舶路径规划方法。

背景技术：

1、随着大数据与人工智能技术的发展，无人驾驶船舶利用感知、认知、决策、控制等先进技术，与传统船舶相比，在安全、经济、环保等方面具有显著优势，近年来受到广泛关注。智能决策系统作为无人驾驶船舶的“大脑”，是首先需要解决的就是路径规划问题，即结合电子海图和实时传感信息，规划出一条从起始点到目标点安全可靠的航行路线。

2、singh等人通过分析风、流对于船舶自主避碰决策的影响，在现有固定以圆形区域来表示船舶的安全领域的基础上，提出了扩展a-star算法，验证不同的外部环境干扰条件下船舶的最佳航路点方案选择变化，为动态多船避碰提供了很好的解决思路。shi等人在传统a-star避碰算法的基础上，考虑国际海上避碰规则，构造动态apollonius安全领域，结合船舶运动特性，在杂波环境下验证船舶的实时性、平稳性和适航性。zhang等人采用结构简单、速度快、修改方便的快速随机搜索树(rapidly-exploring random tree，rrt)算法研究船舶的路径规划问题，对于传统rrt存在的缺点和不足，提出了一种自适应混合动态步长和目标吸引力rrt算法，提高了船舶穿越狭窄区域的能力。马杰等结合两种决策方法，提出基于速度障碍和人工势场的受限水域船舶避碰决策方法，结合内河避碰规则约束，构建可行水域边界势场模型，并利用速度障碍法避让动态船舶及静态碍航物，实现船舶的自主避让。张加伟对路径和速度进行解耦，提出基于b样条曲线的路径规划方法，能够实时避让目标船。

3、目前路径规划的算法有dijkstra算法、a＊算法、蚁群算法、遗传算法、人工势场法、rrt算法等，然而，当航行环境变得复杂，需要避让的障碍物繁多、航路曲折时，这些算法会出现存在迭代次数多、运算效率低，路径规划的实时性差、易陷入局部最优等问题，很难满足高效准确的智能船舶路径规划要求。

技术实现思路

1、鉴于现有技术存在的不足，本发明提供一种基于apf-rrt融合算法的智能船舶路径规划方法。本发明将改进的apf(artificial potential field，人工势场法)函数与rrt算法(rapidly-exploring random trees，快速搜索随机树)相结合，实现了智能船舶快速准确的路径规划方法。

2、本发明采用的技术手段如下：

3、一种基于apf-rrt融合算法的智能船舶路径规划方法，包括：

4、通过电子海图获取起点、障碍物、目标点位置数据；

5、在起始点与目标点之间创建随机搜索树，并选取随机采样点和离随机采样点最近的点；

6、采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点；

7、检测临近点和新节点之间是否存在障碍物，若不存在则保留节点；

8、得到一条由多个节点构成的轨迹，利用三次样条插值对所述轨迹进行平滑处理，从而得到最终的规划路径。

9、进一步地，改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，包括：

10、基于引力场函数和斥力场函数构建合力势场函数，基于引力场函数、斥力场函数以及合力势场函数求取引力大小、斥力大小以及合理大小；

11、根据起点位置、障碍物位置以及目标点位置改进引力势场函数和斥力势场函数；

12、搜索树采用生成随机点的函数，在智能船舶可航行区域内随机生成一个采样点qrand，并且找到搜索树中距离qrand最近的节点qnearest；

13、结合改进的人工势场函数，获取在qrand节点上生成对qnearest的潜在吸引力fatt1、在终点对qnearest产生引力fatt2，其中障碍物对qnearest产生的斥力frep是不同障碍物对qnearest的斥力；

14、根据平行四边形法则得到fatt1，fatt2，frep的合力ftotal方向，qnew沿着合力方向，按照给定的步长l生成新的节点qnew。

15、进一步地，采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，还包括：采用以下方式求解对新的节点qnew：

16、分别计算qrand和qgoal对qnearest的引力，计算障碍物对qnearest的斥力；

17、将合力ftotal分解为x轴和y轴两个方向的力，分别用fx，fy表示，qnearest的坐标为(xc，yc)，扩展步长由qnearest在x，y轴上受到的合力的分量决定；

18、选择每个坐标轴上的合力分量最大值的绝对值作为fmax，根据fmax确定智能船舶的扩展步长。

19、进一步地，采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，还包括：对新节点重新寻找父节点。

20、进一步地，采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，还包括：判断新节点是否与另一棵树连接：

21、随机树t1生成新节点后，计算qnew与另一棵随机搜索树t2的新节点q’new欧式距离d(qnew,q’new)，检测d是否小于规定的阈值，判断两棵随机搜索树是否连接，若d不小于规定的阈值则对节点qnew在以qnew为圆心，在半径为r1的一个圆域内找一个新的父节点替换qnearest，并把新的父节点记作qnear，使得qnew到起点的路径代价减小，寻找新的父节点后，同样在这个圆域内寻找到一个以新节点qnew作为父节点的子节点，使这个子节点到起点的路径代价减小；寻找到子节点后，qnew被加入到第一棵随机搜索树t1中，第二棵随机搜索树t2以同样的方式搜索；若d小于规定的阈值则将两棵随机搜索树相连接。

22、较现有技术相比，本发明具有以下优点：

23、本发明提供一种基于apf-rrt融合算法的智能船舶路径规划方法，将改进的apf函数与rrt算法相结合，采用改进的人工势场函数引导快速随机搜索树的生长。利用人工势场法计算复杂度低、目标性强和实时性高的优点，以及快速扩展随机树法能够有效逃离局部最小值的优势，解决现有算法迭代次数多、运算效率低，路径规划的实时性差、易陷入局部最优等问题，实现了智能船舶快速准确的路径规划方法。

技术特征：

1.一种基于apf-rrt融合算法的智能船舶路径规划方法，其特征在于，包括：

2.根据权利要求1所述的一种基于apf-rrt融合算法的智能船舶路径规划方法，其特征在于，采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，包括：

3.根据权利要求2所述的一种基于apf-rrt融合算法的智能船舶路径规划方法，其特征在于，采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，还包括：采用以下方式求解对新的节点qnew：

4.根据权利要求1所述的一种基于apf-rrt融合算法的智能船舶路径规划方法，其特征在于，采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，还包括：对新节点重新寻找父节点。

5.根据权利要求4所述的一种基于apf-rrt融合算法的智能船舶路径规划方法，其特征在于，采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点，还包括：判断新节点是否与另一棵树连接：

技术总结本发明提供一种基于APF‑RRT融合算法的智能船舶路径规划方法，包括：通过电子海图获取起点、障碍物、目标点位置数据；在起始点与目标点之间创建随机搜索树，并选取随机采样点和离随机采样点最近的点；采用改进的人工势场函数对搜索树节点进行改进并找到合力生成的新节点；检测临近点和新节点之间是否存在障碍物，若不存在则保留节点；得到一条由多个节点构成的轨迹，利用三次样条插值对所述轨迹进行平滑处理，从而得到最终的规划路径。本发明将人工势场法与快速搜索随机树结合，充分利用人工势场法计算复杂度低、目标性强和实时性高的优点，以及快速搜索随机树法能够有效逃离局部最小值的优势，实现了智能船舶快速准确的路径规划方法。技术研发人员：张新宇,刘震生,姜玲玲,王程博,郑康洁,崔浩,齐怀远受保护的技术使用者：大连海事大学深圳研究院技术研发日：技术公布日：2024/6/13