在水上作业技术日臻成熟的背景下，利用无人船进行水上作业的方式越来越广泛。无人船不需要人工遥控，可依据自身携带的卫星定位装置和传感装置在水面上自由航行，其可用于水环境监测、科研勘探、测绘以及救援等多种需求^[1,2]。受无人船作业区域水环境复杂影响，其作业区域会存在漂浮的障碍物或者固定障碍物，阻挡无人船航行甚至造成无人船倾覆。为使无人船实现自动避障，很多学者设计了无人船自动避障系统。毕卫红等^[3]设计了多线激光雷达的避障系统，该系统利用激光雷达获得当前无人船在水上环境周围的连续数据，再通过对障碍物点云进行过滤、聚类和分割处理后，得到障碍物实际位置，然后使用A*算法规划无人船航线后，实现无人船避障。罗贤程等^[4]设计船舶自动避障系统，该系统将无人船航迹划分为航迹保持、避让以及复航3个阶段，然后对无人船航行环境进行建模后，通过控制无人船舵角实现避障。以上系统虽均可实现无人船航行避障，但均存在运行稳定性欠佳问题，因此应用范围不够广泛。人工势场法属于路径规划算法的一种，其基本思想是通过目标在周围环境中的运行行为，利用抽象人造引力势场规划平滑、安全的路径，该种路径规划方法被应用在交通指挥、机器人巡检、船舶避障等多个领域^[5]。在此针对人工势场法存在的缺陷加以改进，以其为基础，设计改进人工势场法的无人船航行自动避障系统，为无人船航行提供有效的避障手段。

无人船航行自动避障系统总体结构如图1所示。无人船航行自动避障系统总体结构由信息感知与处理模块、反馈模块决策模块和避障控制执行模块组成。其中信息感知与处理模型将气象预报、海事安全和无人船航行计划存储到岸基数据库后，通过卫星通信方式将其传输到船端数据库内，同时反馈模型将无人船当前航向、航速和航行环境图像发送到信息感知与处理模块中的感知信息融合单元内，将融合后的无人船航向、航速等信息存储到船端基础数据库内。决策模块通过调取船端基础数据库内无人船航行信息后，对其当前航行环境中的障碍物进行识别后，依据该识别结果使用改进人工势场的碰撞路径规划单元规划无人船航行路径。再将路径规划结果发送到避障控制执行模块内，该模块通过无人船载控单元控制无人船动力体系运行，实现无人船航行自动避障。

图 1 无人船航行自动避障系统总体结构 Fig. 1 Overall structure of the automatic obstacle avoidance system for man ship navigation

无人船航行自动避障系统的载控单元硬件结构如图2所示。无人船载控单元硬件包括接收机、遥控器、数传模块、陀螺仪、电机等多种硬件，其通过遥控器和QGC指令向无人船发送路径规划航行信息，使用接收机和数传模块将控制指令发送到船载控制芯片内，通过该芯片连接无人船电机、舵机等硬件，将其发送控制指令，无人船载控单元主要是负责接收指令并将其传输到无人船动力体系内。

图 2 无人船载控单元硬件结构 Fig. 2 Hardware structure of unmanned ship control unit

无人船的动力源为锂电池，其为无人船航行提供动力，无人船动力装置结构如图3所示。无人船动力装置连接系统载控单元，通过DTU无线终端与无人船的DSP控制单元相连。使用12 V锂电池为其供电，锂电池可直接输电到DSP控制单元或经过DC/DC转换单元将12 V电压转换成5 V电压输入到DSP控制单元。DSP控制单元通过驱动程序启动推进电机，通过推进电机驱动螺旋桨转动。同时DC/DC转换单元将电压转换成24 V，驱动数字舵机，通过数字舵机控制无人船转向轴，控制无人船转向。

图 3 无人船动力装置结构 Fig. 3 Unmanned ship power system structure

系统决策模块内航行环境障碍物识别单元负责识别无人船当前航行环境中存在的障碍物，其障碍物识别过程如下：

步骤1　无人船航行环境图像滤波去噪处理。

步骤2　确定当前无人船航行环境图像分辨率是否为400×400。

步骤3　将无人船航行环境图像等分划分为40个网格。

步骤4　在每个网格中逐个判断当前像素点是否为白色，若是则认为该像素点位置为障碍物位置^[6]，对该位置进行标记。

步骤5　使用十六进制到十进制信息转换方式将标记为障碍物的像素点进行转换处理后^[7]，得到当前障碍物实际位置，由此完成无人船航行环境障碍物识别程序设计。

人工势场法属于虚拟力法，其将无人船航行的目的地看作是引力场而环境中的障碍物为斥力场，无人船在引力场和斥力场共同作用下向着目标前进。因此无人船势场斥力函数随着其航行距离缩小而增大。以无人船航行环境中的障碍物位置为基础，令 $ {g_0} $ 表示无人船最小安全距离， $ g $ 表示当前无人船距离障碍物距离，当 $ g \to {g_0} $ ，斥力值 $ {F_{rep}} $ 则趋近于无穷大，因此无人船的斥力计算公式为：

式中： $ {Z_R} $ 表示当前无人船位置； $ {K_r} $ 为斥力场常量； $ {Z_0} $ 表示障碍物当前位置； $ g{({Z_R},{Z_0})^2} $ 表示一个矢量； $ {g_m} $ 表示斥力场影响距离。

由于斥力场引力函数受无人船目标位置和其自身运动影响，在使用人工势场法规划无人船避障路径时，弱化了目标对无人船自身的吸引作用，无法形成连贯的航行路径，在此为每个航行路径单位长度引入一个质点，通过质点调整来描述无人船移动。无人船当前势场的拉力 $ {F_{alt}}({Z_R}) $ 计算公式为：

式中： $ {K_a} $ 表示引力场常量； $ {Z_C} $ 表示引力源位置，该引力源即为相邻质点。

结合式（1）和式（2），则无人船在斥力和引力作用下的合力表达式为：

无人船在人工势场内行驶的路径即为避障规划路径。

以某测绘无人船作为实验对象，该无人船尺寸为1.05 m×0.55 m，船体材质为碳纤维，总重量为10 kg，可抗3级风和0.5 m高的浪，最小工作水深为0.2 m，最高航行速度为0.5 m/s。使用本文系统控制该无人船进行避障，分析验证本文系统实际应用效果。

首先验证本文系统运行的稳定性，系统稳定运行是其应用的基础，以系统运行时的性能损失值作为衡量指标，测试在运行线程数量不同情况下的本文系统性能损失情况，并设置系统性能损失阈值为10%，测试结果如图4所示。分析可知，本文系统在运行时，其运行线程数量低于20个时，系统的性能损失值微乎其微，但当运行线程超过20个后，系统的性能损失值呈现上升趋势。在线程数量为90个时，本文系统的性能损失值为7%左右，该数值低于预设阈值。上述结果说明：本文系统在多线程环境下运行时，系统性能损失值较小，系统运行稳定性能较好。

图 4 系统运行稳定性测试结果 Fig. 4 System operation stability test results

验证本文系统识别障碍物能力，以某水面区域为实验对象，使用本文方法识别该区域障碍物，识别结果如图5所示。分析可知，在该无人船航行区域内共存在8个障碍物，其分布较为分散，使用本文系统可有效识别8个障碍物，说明本文系统识别障碍物能力较好，也从侧面说明本文系统对无人船的自主避障能力较强。

图 5 障碍物识别结果 Fig. 5 Obstacle Identification results

以该无人船某个执行任务区域为实验对象，该区域内存在若干个不规则分布的障碍物，使用本文系统控制该无人船进行避障，规划其路径，结果如图6所示。分析可知，在无人船执行任务区域内，存在众多的障碍物，而本文系统规划其避障路径后，可以最短的距离使无人船到达终点，且在路径上，无人船距离障碍物位置较远。结果说明：本文系统可有效为无人船规划路径，使其躲避障碍物，本文系统具备较为显著的应用效果。

图 6 无人船避障路径规划结果 Fig. 6 Planning results of obstacle avoidance path for unmanned ships

本文设计改进人工势场法的无人船航行自动避障系统，在该系统中运用人工势场法为无人船航行规划避障路径，并针对人工势场法存在的缺陷，引入相邻质点对其进行改进处理。经过实验验证，本文系统运行稳定性能较好，在多线程运行环境中，本文系统性能损失数值较少，可有效识别无人船航行环境中的障碍物并规划其避障路径，应用效果较好。