文章快速检索 高级检索

1. 中国科学院 沈阳自动化研究所, 辽宁 沈阳 110016;
2. 中国科学院大学, 北京 100049

Online path planning of an unmanned surface vehicle for real-time collision avoidance
LENG Jing1,2 , LIU Jiang1, XU Hongli1
1. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract:A new method of online path planning is proposed in order to solve the problem of online real-time path planning of the unmanned surface vehicle (USV) in a dynamic environment by complying with the Convention on the International Regulations for Preventing Collisions at Sea (COLREGs). This method merges the International Regulations for Preventing Collisions at Sea with velocity obstacle (VO) to linearize relative speed of VO and to make VO merge with the mixed-integer linear programming (MILP) as a set of velocity constraints. The USV body dynamics constraints and environmental constraints are combined using multi-objective function as the optimization function and choosing distance, speed and abeyance COLREGS as target functions. Finally, the simulation for the path planning in the two situations of encounter is analyzed and the results show the effectiveness of this planning algorithm.
Key words: unmanned surface vehicle (USV)     online path planning     velocity obstacle     Convention on the International Regulations for Preventing Collisions at Sea (COLREGs)     mixed-integer linear programming (MILP)     dynamic environment

1 改进速度避障法 1.1 问题描述

1)目标：1个远程静态路径点。

2)障碍物：视一定范围内的水面船舶为运动障碍物，通过传感器获得其速度、航向和位置。

3)USV运动模型：包含运动学和动力学，应用其在仿真中可实时模拟USV的运动状态。

4)假设条件：因为船体本身具有的惯性比较大，所以假设极短的规划时间Δt内，障碍物保持匀速运动，即USV相对运动障碍物的速度改变量等于USV自身的速度改变量。

1.2 融入COLREGs规则的改进速度避障法

 图 1 速度避障法二维原理图 Fig. 1 Schematics of velocity obstacle
1.2.1 相关定义

1)膨胀半径：R=Vr，碰撞半径等于会遇船舶的安全距离。安全距离取决于相对速度和转向率,见文献[8]

2)避碰区(collision cone,CC)：

3)避碰角：

4)碰撞时间：τ=|LUD|/|vUO|,即当相对速度处于碰撞区时，USV与障碍物的碰撞时间。

5)碰撞危险度：ρ=(a×DCPA)2+(b×TCPA)2，其中a,b分别表示DCPA和TCPA的权值。碰撞危险度通过DCPA和TCPA加权确定。

6)规划时间：T=w1ρ+w2/τ，即规划时间与碰撞危险度成正比，与碰撞时间成反比。因为受到USV本体运动性能约束，其转角加速度和纵向加速度都有限制，所以碰撞危险度越大，碰撞时间越短，规划时间就越短，否则无法及时进行航速和方向的规划。

1.2.2 避碰策略

2 混合线性规划方法

2.1 目标函数

1)第1类目标函数：距离收敛。

USV通过调整速度大小和方向，每规划一个时间间隔都使下一时刻USV离目标越来越近，即

2)第2类目标函数：速度最优。

2.2 USV本体动力学自身约束

1)加速度的约束：－Δmax≤Δvj≤Δmax

2)速度的约束： －Vmax≤Δvj+vjVmax

2.3 障碍物约束

2.4 算法流程

1)通过APAR雷达获得自身的经纬度和航向，通过AIS接收器获得对方船舶的距离和航向。

2)通过公式计算出每艘船舶与USV之间的最近会遇时间TCPA和最近会遇距离DCPA。

3)通过危险度判断模型判断是否处于危险状态。如果危险则开启避碰行为进行第4)步，否则不实施避碰行为。

4)进行船舶与USV的会遇局面划分及行为决策。

5)对本体运动学、动力学、探测范围、障碍物约束和目标函数进行建模。

6)将约束的建模加入MILP规划器中，由规划器可获得这个规划间隔时间里USV期望的转向角及速度。

7)将期望的航向角和速度输入到航行控制器中，通过航行控制器输出发动机的转速和舵角作用于USV实际模型中，使USV能达到期望的航向和航速。

8)检测是否达到目标，如果达到则结束，否则进行下一个规划周期，重复步骤1)~8)，直到目标到达才结束。

 图 2 在线路径规划流程 Fig. 2 Flowchart of online path planning
3 仿真验证

 物体 初始位置/nm 初始速度/(m·s－1) 半径/m USV (0.00,0.00) (0.00,8.00) 12 运动障碍 (0.00,7.00) (－0.00,－5.00) 10

 物体 初始位置/nm 初始速度/(m·s－1) 半径/m USV (0.00,0.00) (0.01,8.00) 12 运动障碍 (4.00,4.00) (－5.00,－0.01) 10

 图 3 对遇局面态势 Fig. 3 Situation of head-on

 图 4 交叉局面态势 Fig. 4 Situation of cross
4 结束语

 [1] CASALINO G, TURETTA A, SIMETTI E. A three-layered architecture for real time path planning and obstacle avoidance for surveillance USVs operating in harbour fields[C]//IEEE OCEANS 2009-Europe. Bremen, Germany, 2009: 1-8. [2] International Maritime Organization. International regulations for prevention of collisions at sea, 1972 (COLREGs)[EB/OL]. [2014-04-25]. http://www.imo.org/About/Conventions/ListOfConventions/Pages/COLREG.aspx. [3] PERERA L P, CARVALHO J P, SOARES C G. Autonomous guidance and navigation based on the COLREGs rules and regulations of collision avoidance [C]//Proceedings of the International Workshop “Advanced Ship Design for Pollution Prevention”. Split, Croatia, 2009: 205-216. [4] BENJAMIN M R, CURCIO J A, LEONARD J J, et al. Navigation of unmanned marine vehicles in accordance with the rules of the road[C]//2006 IEEE International Conference on Robotics and Automation. Orlando, USA, 2006: 3581-3587. [5] KUWATA Y, WOLF M T, ZARZHITSKY D, et al. Safe maritime navigation with COLREGS, using velocity obstacles[C]//2011 IEEE/RSJ International Conference on Intelligent Robots and Systems. San Francisco, USA, 4728-4734. [6] FIORINI P, SHILLER Z. Motion planning in dynamic environments using velocity obstacles[J]. The International Journal of Robotics Research, 1998, 17(7): 760-772. [7] 祖迪, 韩建达, 谈大龙. 加速度空间中基于线性规划的移动机器人路径规划方法[J]. 自动化学报, 2007, 33(10): 1036-1042. ZU Di, HAN Jianda, TAN Dalong. LP-based path planning method in acceleration space for mobile robot[J]. Acta Automatica Sinica, 2007, 33(10): 1036-1042. [8] COLLEY B A, CURTIS R G, STOCKEL C T. Manoeuvring times, domains and arenas[J]. Journal of Navigation, 1983, 36(2): 324-328. [9] 程大军, 刘开周. 基于MILP的AUV实时优化行为方法研究[J]. 机械设计与制造, 2012(4): 91-93. CHENG Dajun, LIU Kaizhou. Research on real-time optimization behavior of AUV based on MILP[J]. Machinery Design & Manufacture, 2012(4): 91-93. [10] SONNENBURG C R, WOOLSEY C A. Modeling, identification, and control of an unmanned surface vehicle[J]. Journal of Field Robotics, 2013, 30(3): 371-398.
DOI:10.3969/j.issn.1673-4785.201405012

0

#### 文章信息

LENG Jing, LIU Jiang, XU Hongli

Online path planning of an unmanned surface vehicle for real-time collision avoidance

CAAI Transactions on Intelligent Systems, 2015, 10(03): 343-348.
DOI:10.3969/j.issn.1673-4785.201405012