本發(fā)明屬于auv水下導航與感知，涉及一種基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法。

背景技術：

1、隨著海洋產業(yè)不斷發(fā)展和壯大，水下機器人作為海洋資源開發(fā)不可或缺的一把利器，目前已經得到了極大的發(fā)展，在水下機器人的關鍵技術中，水下機器人的定位與感知能力仍然是制約水下機器人發(fā)展的關鍵。在水下環(huán)境中，水下機器人的定位方式主要依賴于慣性導航系統(tǒng)，在此基礎上結合水聲定位系統(tǒng)、地球物理導航系統(tǒng)和地形輔助導航系統(tǒng)等技術，在這種情況下，水下機器人定位受到諸多限制，自主性較差，智能化水平相對較低。

技術實現(xiàn)思路

1、為解決現(xiàn)在技術存在的上述問題，本發(fā)明提供了一種基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，可以提升定位精度，自主性高，提高規(guī)劃效率。

2、本發(fā)明采用的技術方案是：

3、基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其具體步驟如下：

4、s1，基于auv、地形、聲吶三者的相互聯(lián)系，構建柵格地圖混合模型；

5、s2，auv在航行一段路徑后，在柵格地圖混合模型的基礎上重新采樣路徑點，并在新的路徑點上規(guī)劃下一段路線；

6、s3，構建評價函數(shù)，對采樣后的候選路徑點形成的路線進行計算，并通過圖搜索算法對所有滿足條件的路線進行評估，選取最優(yōu)路徑。

7、進一步，所述柵格地圖混合模型包括深度數(shù)據層、置信度層、地形系數(shù)層和顯著性層。

8、進一步，所述柵格地圖混合模型的構建步驟如下：

9、s11，對任務區(qū)域進行柵格化處理，將聲吶數(shù)據轉換到大地坐標系中，進行柵格地圖填充；

10、s12，通過柵格置信度來評價地圖上的某個點的測繪完成程度，空白區(qū)域的置信度是0，測繪過的區(qū)域置信度為0～1，置信度越大，說明該柵格的測繪完成度越好，障礙物區(qū)域的置信度設為2。

11、進一步，步驟s11中聲吶數(shù)據的坐標轉換公式如式(1)所示：

12、

13、其中pe、ps分別是大地坐標系、聲納坐標系中數(shù)據點的坐標，是聲納坐標系到auv體坐標系的轉換矩陣，聲納安裝好后，這個矩陣就是確定的，是auv體坐標系到大地坐標系的轉換矩陣，跟auv的位置和姿態(tài)有關。

14、進一步，步驟s12中柵格置信度cp的計算公式如式(2)所示：

15、

16、式中，ck是該柵格第k個數(shù)據的置信度、mk是該柵格的第k個測量數(shù)據、

17、hb是地形系數(shù)、t是閾值、s(mk)是各次測量數(shù)據的標準差。

18、進一步，置信度層的置信度ck的計算如下：

19、擬采用聲納正下方波束投影面積跟指定位置波束投影面積的比值cs作為衡量聲納數(shù)據置信度的指標:

20、

21、式中假設投影面是平面，h是聲納到投影面的高度，α是聲納中心線跟豎直方向的夾角(波束角)，β是半波束寬度；分子是正下方波束投影面積，分母是波束角為時的投影面積；cs越大，數(shù)據置信度越高，越能真實的反映海底地形；

22、用數(shù)據點到auv正下方的偏距e作為變量，α＝atan(e/h)，將之代入式(3)，就可以得到聲納掃描線上各數(shù)據的置信度；

23、某次測量數(shù)據的cs就是對應柵格第k次測量的置信度ck。

24、進一步，地形系數(shù)層的地形系數(shù)hb的獲取如下：

25、對柵格周邊半徑為r的區(qū)域進行考察，如果該區(qū)域內數(shù)據點數(shù)量超出閾值，則求這些數(shù)據的標準差sr，并對其進行歸一化處理，作為該柵格的地形系數(shù)hb。

26、進一步，顯著性層通過顯著性區(qū)域提取算法來進行標記，具體如下：

27、找到數(shù)據值低于設定值1的柵格或高于設定值2的柵格，并將這些柵格標記為1，其余柵格標記為0，形成二值化圖像；

28、采用圖像處理中的連通域算法查找大于設定值的區(qū)域，將其標記為顯著性區(qū)域；

29、當auv經過已經被標記的顯著性區(qū)域時，根據柵格數(shù)據的分布特征找到當前測繪區(qū)域對應的歷史數(shù)據，算出對應柵格的坐標差，用來校準地圖數(shù)據和auv的定位信息。

30、進一步，步驟s2中重新采樣的路徑點均分布在置信度低于設定值的區(qū)域，將采樣點均勻的分布在未知區(qū)域的邊緣，對地圖進行開閉操作，實現(xiàn)邊緣的連通，再通過成熟的邊緣提取算法就可以提取未知區(qū)域的輪廓。

31、進一步，步驟s3中的評價函數(shù)給每一條連接路徑點的線段進行賦值：

32、vi＝wssi+wmmi+wlli??????????????????????(4)

33、vi代表第i條線段的評價函數(shù)值，

34、si是預期測繪效率，取已有數(shù)據的平均掃描線寬度作為聲納的預期掃描線寬度，統(tǒng)計沿著線段的以為寬度的矩形區(qū)域中所包含的低置信度柵格數(shù)n，假設線段長度是l，則預期測繪效率si＝n/l；

35、mi是插值增益，統(tǒng)計候選線段到已知區(qū)域的平均距離；

36、li是定位增益，定位增益li統(tǒng)計預期掃描區(qū)域跟顯著區(qū)域相交的面積，如果面積大于閾值，則li＝1；相交面積越小，li越小，不相交時，li＝0；

37、ws、wm、wl是各項的權值。

38、本發(fā)明的有益效果：

39、(1)本發(fā)明采用柵格地圖混合模型，其中置信度層是地圖數(shù)據的核心，也是路徑規(guī)劃算法的基礎，測繪完成后，通過統(tǒng)計置信度層的均值和方差，還能夠對本次測繪效果進行評價；地形系數(shù)層為置信度層提供地形復雜度信息；顯著性層標識了具有顯著性地形的區(qū)域，可以使auv通過閉環(huán)檢測提升定位精度，并為路徑規(guī)劃提供參考依據。

40、(2)本發(fā)明采用一種動態(tài)采樣、動態(tài)規(guī)劃的方法，自適應能力強，而且通過邊緣采樣的方式，可以大大減少采樣點的數(shù)量，提升算法效率。

技術特征：

1.基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其具體步驟如下：

2.根據權利要求1所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：所述柵格地圖混合模型包括深度數(shù)據層、置信度層、地形系數(shù)層和顯著性層。

3.根據權利要求2所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：所述柵格地圖混合模型的構建步驟如下：

4.根據權利要求3所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：步驟s11中聲吶數(shù)據的坐標轉換公式如式(1)所示：

5.根據權利要求3所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：步驟s12中柵格置信度cp的計算公式如式(2)所示：

6.根據權利要求5所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：置信度層的置信度ck的計算如下：

7.根據權利要求5所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：地形系數(shù)層的地形系數(shù)hb的獲取如下：

8.根據權利要求2所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：顯著性層通過顯著性區(qū)域提取算法來進行標記，具體如下：

9.根據權利要求1所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：步驟s2中重新采樣的路徑點均分布在置信度低于設定值的區(qū)域，將采樣點均勻的分布在未知區(qū)域的邊緣，對地圖進行開閉操作，實現(xiàn)邊緣的連通，再通過成熟的邊緣提取算法就可以提取未知區(qū)域的輪廓。

10.根據權利要求1所述的基于混合柵格圖與動態(tài)采樣的auv自適應測繪路徑規(guī)劃方法，其特征在于：步驟s3中的評價函數(shù)給每一條連接路徑點的線段進行賦值：

技術總結
基于混合柵格圖與動態(tài)采樣的AUV自適應測繪路徑規(guī)劃方法，其具體步驟如下：S1，基于AUV、地形、聲吶三者的相互聯(lián)系，構建柵格地圖混合模型；S2，AUV在航行一段路徑后，在柵格地圖混合模型的基礎上重新采樣路徑點，并在新的路徑點上規(guī)劃下一段路線；S3，構建評價函數(shù)，對采樣后的候選路徑點形成的路線進行計算，并通過圖搜索算法對所有滿足條件的路線進行評估，選取最優(yōu)路徑。本發(fā)明采用柵格地圖混合模型，其中置信度層是地圖數(shù)據的核心，也是路徑規(guī)劃算法的基礎；地形系數(shù)層為置信度層提供地形復雜度信息；顯著性層標識了具有顯著性地形的區(qū)域，可以使AUV通過閉環(huán)檢測提升定位精度，并為路徑規(guī)劃提供參考依據。

技術研發(fā)人員：于海濱,梁一舟,史劍光
受保護的技術使用者：杭州電子科技大學
技術研發(fā)日：
技術公布日：2025/1/6