胡常青，朱 瑋，何遠(yuǎn)清，文龍貽彬，楊義勇

（1.中國(guó)地質(zhì)大學(xué)（北京）工程技術(shù)學(xué)院，北京100083；2北京航天控制儀器研究所，北京100039；3.青島海洋科學(xué)與技術(shù)試點(diǎn)國(guó)家實(shí)驗(yàn)室，青島266237）

0 引言

無(wú)人水面艇（Unmanned Surface Vehicle，USV）（簡(jiǎn)稱無(wú)人艇）是一種具有自主航行、自動(dòng)作業(yè)能力的水面平臺(tái)，通過(guò)搭載不同的任務(wù)載荷完成不同任務(wù)，尤其適用于執(zhí)行危險(xiǎn)、枯燥及不適于有人船只任務(wù)執(zhí)行的場(chǎng)合。相比于常規(guī)有人船，它具有作業(yè)成本低、能夠完成淺灘/近岸等復(fù)雜海域的作業(yè)任務(wù)、環(huán)境適應(yīng)性強(qiáng)、全天時(shí)等特點(diǎn)。在民用方面，可以用于測(cè)繪、勘探、環(huán)保監(jiān)測(cè)、安防巡邏等領(lǐng)域。在軍事方面，可用于排雷、探潛、電子對(duì)抗、偵察等領(lǐng)域。

無(wú)人艇自主導(dǎo)航技術(shù)是指根據(jù)作業(yè)區(qū)域已知的地圖信息，利用無(wú)人艇自帶的導(dǎo)航和環(huán)境感知等多傳感器獲得的實(shí)時(shí)信息，制訂航行路徑并根據(jù)現(xiàn)場(chǎng)障礙物信息實(shí)時(shí)調(diào)整，完成預(yù)定的作業(yè)任務(wù)。自主導(dǎo)航技術(shù)可分為導(dǎo)航定位技術(shù)和路徑規(guī)劃技術(shù)。導(dǎo)航定位技術(shù)是指無(wú)人艇通過(guò)搭載的導(dǎo)航設(shè)備精確獲得無(wú)人艇自身的位置、速度、姿態(tài)等航行信息，是實(shí)現(xiàn)無(wú)人艇水面自主航行的前提。無(wú)人艇導(dǎo)航定位不僅要求位置精確，而且還要求其具備可靠性和抗干擾能力。路徑規(guī)劃技術(shù)則是通過(guò)綜合考慮無(wú)人艇作業(yè)任務(wù)效率、航行約束條件與水面航行環(huán)境，進(jìn)行全局或局部路徑規(guī)劃，保障無(wú)人艇水面高效、安全航行，是水面航行智能化水平的關(guān)鍵。

在實(shí)際航行和作業(yè)過(guò)程中，長(zhǎng)時(shí)間航行和復(fù)雜海況給無(wú)人艇的自主導(dǎo)航帶來(lái)很大挑戰(zhàn)。長(zhǎng)時(shí)間航行對(duì)導(dǎo)航精度和可靠性要求很高，復(fù)雜海況表現(xiàn)為惡劣的自然氣候環(huán)境，對(duì)導(dǎo)航設(shè)備的實(shí)時(shí)、連續(xù)、穩(wěn)定、可靠工作帶來(lái)影響。另外，海浪對(duì)雷達(dá)、視覺(jué)傳感器和水下避障聲吶等傳感器的正常工作也會(huì)產(chǎn)生影響。復(fù)雜海況還表現(xiàn)為錯(cuò)綜復(fù)雜的周邊態(tài)勢(shì)，例如：港口中密集的船只，水下不可預(yù)知的淺灘、水草、漁網(wǎng)等。如何可靠識(shí)別障礙物并制訂安全的航路，給無(wú)人艇的自主導(dǎo)航帶來(lái)了很大挑戰(zhàn)。圖1和圖2為復(fù)雜海況的不同表現(xiàn)。

圖1 干擾下雷達(dá)成像圖Fig.1 Diagram of radar imaging under interference

圖2 復(fù)雜的港口及航道Fig.2 Ports and waterways under heavy traffic

1 無(wú)人艇導(dǎo)航定位技術(shù)

在不同的任務(wù)階段，無(wú)人艇對(duì)導(dǎo)航定位精度的要求也不同。當(dāng)無(wú)人艇進(jìn)出港口或靠岸停泊時(shí)，導(dǎo)航定位精度需要達(dá)到分米級(jí)，一般的導(dǎo)航定位手段無(wú)法滿足需求，還需要借助環(huán)境感知系統(tǒng)對(duì)當(dāng)前周圍環(huán)境進(jìn)行識(shí)別和判斷，完成精確導(dǎo)航定位。按照GB50139?2014航道通航標(biāo)準(zhǔn)，不同等級(jí)航道的要求不一樣，其對(duì)無(wú)人艇航行時(shí)定位和航跡保持精度的要求也不一樣。當(dāng)無(wú)人艇隨母船遠(yuǎn)海作業(yè)時(shí)，還面臨在自動(dòng)布放回收過(guò)程中與母船高精度的相對(duì)位置定位問(wèn)題。

傳統(tǒng)的慣性導(dǎo)航具有信息全面實(shí)時(shí)與連續(xù)、完全自主、不受地域限制和人為因素干擾等重要特性，但它的導(dǎo)航誤差會(huì)隨時(shí)間積累，且成本相對(duì)較高。衛(wèi)星導(dǎo)航技術(shù)相對(duì)成熟并在各領(lǐng)域得到了廣泛應(yīng)用，但它易受干擾和誘騙，進(jìn)而易影響水面航行的作業(yè)效率和安全。

不同的導(dǎo)航方式有各自的優(yōu)缺點(diǎn)，因此，與無(wú)人機(jī)、無(wú)人車類似，將慣性導(dǎo)航與衛(wèi)星導(dǎo)航、其他導(dǎo)航方式結(jié)合起來(lái)的組合導(dǎo)航已成為無(wú)人艇導(dǎo)航定位的主要方式，如圖3所示。

圖3 GNSS/慣導(dǎo)/景象匹配組合導(dǎo)航Fig.3 GNSS/INS/image matching integrated navigation

1.1 即插即用全源組合導(dǎo)航技術(shù)

從實(shí)用性和經(jīng)濟(jì)性考慮，目前無(wú)人艇以衛(wèi)星/慣性組合導(dǎo)航為基礎(chǔ)導(dǎo)航，再根據(jù)在不同的作業(yè)場(chǎng)景中使用的傳感器進(jìn)行不同導(dǎo)航信息誤差的修正，實(shí)現(xiàn)即插即用導(dǎo)航功能，如圖4所示。目前，典型的組合方式有以下幾類：

1）捷聯(lián)慣性/衛(wèi)星組合系統(tǒng)是目前最基礎(chǔ)的一種導(dǎo)航系統(tǒng)配置。軍用無(wú)人艇考慮到安全性和高可靠性，且有時(shí)需要為搭載的魚(yú)雷、低空導(dǎo)彈、自動(dòng)武器站等任務(wù)設(shè)備提供高精度局部基準(zhǔn)，一般需采用高精度慣性導(dǎo)航設(shè)備與衛(wèi)星導(dǎo)航設(shè)備組成組合導(dǎo)航系統(tǒng)。民用無(wú)人艇搭載的設(shè)備數(shù)量和種類不多，考慮到經(jīng)濟(jì)性，采用MEMS或低精度光學(xué)陀螺慣性導(dǎo)航設(shè)備與衛(wèi)星導(dǎo)航進(jìn)行組合。

2）地磁/重力場(chǎng)等地球物理信息匹配導(dǎo)航具有無(wú)積累誤差的特點(diǎn)，可以用此信息對(duì)無(wú)人艇位置誤差進(jìn)行不定期的修正。目前，重力、地磁匹配定位受模型分辨率、測(cè)量精度等因素的制約，只能達(dá)到百米級(jí)定位精度。美國(guó)國(guó)防部研制的純地磁導(dǎo)航系統(tǒng)的地面和空中定位精度可達(dá)到30m。

3）地形或景象匹配組合技術(shù)是進(jìn)一步提高系統(tǒng)導(dǎo)航位置精度的重要手段。在無(wú)人艇已經(jīng)獲得分辨率較高的電子海圖和水下地形圖的情況下，地形匹配導(dǎo)航可以達(dá)到較高的定位精度。

4）無(wú)人艇還可以結(jié)合艇上配備的相關(guān)載荷設(shè)備進(jìn)行輔助導(dǎo)航。其中，水聲 Doppler測(cè)速儀（DVL）測(cè)速誤差小、精度高，將其與低精度慣性導(dǎo)航設(shè)備進(jìn)行組合，可以彌補(bǔ)慣性導(dǎo)航設(shè)備精度隨時(shí)間降低的問(wèn)題。對(duì)于因載體轉(zhuǎn)彎、側(cè)滑造成的DVL粗差，可以利用無(wú)人艇搭載的水下側(cè)掃聲吶圖像數(shù)據(jù)或水面的光學(xué)設(shè)備圖像數(shù)據(jù)推算出無(wú)人艇側(cè)向速度，檢測(cè)并剔除DVL側(cè)向速度粗差，從而改善組合導(dǎo)航性能。針對(duì)由航向誤差導(dǎo)致的航位推算誤差增大的問(wèn)題，可以利用光電設(shè)備的海天線成像信息獲得的無(wú)人艇姿態(tài)信息來(lái)修正低精度慣性導(dǎo)航設(shè)備的姿態(tài)誤差。

圖4 無(wú)人艇即插即用組合導(dǎo)航技術(shù)Fig.4 Plug-and-play integrated navigation of USV

1.2 組合導(dǎo)航完好性監(jiān)測(cè)技術(shù)

無(wú)人艇在復(fù)雜水面航行條件下，存在外部欺騙的問(wèn)題，且基于多傳感器的導(dǎo)航系統(tǒng)容易產(chǎn)生故障信息。因此，組合導(dǎo)航完好性監(jiān)測(cè)技術(shù)也逐漸從最開(kāi)始的航空領(lǐng)域被應(yīng)用到了無(wú)人艇的航海領(lǐng)域。

水面組合導(dǎo)航完好性監(jiān)測(cè)技術(shù)是通過(guò)建立導(dǎo)航系統(tǒng)誤差完好性風(fēng)險(xiǎn)模型，提高系統(tǒng)在欺騙式干擾及惡劣水面環(huán)境下的系統(tǒng)故障檢測(cè)與排除概率，改善組合導(dǎo)航系統(tǒng)的完好性監(jiān)測(cè)性能，確保當(dāng)系統(tǒng)的導(dǎo)航精度超出給定航行階段所要求的特定區(qū)間時(shí)，系統(tǒng)能及時(shí)發(fā)現(xiàn)故障并告警，如圖5所示。

圖5 無(wú)人艇導(dǎo)航完好性簡(jiǎn)化采樣模型Fig.5 Simplified sampling model of navigation integrity monitoring for USV

采用松/緊組合結(jié)構(gòu)、完好性監(jiān)測(cè)算法和一些故障檢測(cè)算法，在基于輔助的RAIM算法的基礎(chǔ)上增加外部輔助設(shè)備（如慣性導(dǎo)航系統(tǒng)、DVL等）以提高完好性監(jiān)測(cè)性能，不僅增加了檢測(cè)系統(tǒng)的故障靈敏度，而且改善了捕獲故障的能力，從而顯著提高了組合導(dǎo)航系統(tǒng)的整體可靠性和準(zhǔn)確性。

1.3 協(xié)同導(dǎo)航技術(shù)

在復(fù)雜海況下，許多任務(wù)需要多艘無(wú)人艇協(xié)同作業(yè)才能夠完成。近年來(lái)，越來(lái)越多的學(xué)者和研究機(jī)構(gòu)開(kāi)展了針對(duì)多無(wú)人艇協(xié)同作業(yè)的研究，協(xié)同導(dǎo)航技術(shù)可以有效地提高復(fù)雜海況下單一無(wú)人艇的導(dǎo)航定位精度和可靠性。協(xié)同導(dǎo)航技術(shù)需要構(gòu)建包括岸基基站、有人艇、無(wú)人艇、無(wú)人機(jī)、無(wú)人潛航器在內(nèi)的海陸空天一體化通信網(wǎng)絡(luò)，通過(guò)各節(jié)點(diǎn)間的相對(duì)定位，將單無(wú)人系統(tǒng)自身信息和其他無(wú)人系統(tǒng)的信息進(jìn)行融合來(lái)提高定位精度，實(shí)現(xiàn)復(fù)雜海況下無(wú)人艇的協(xié)同導(dǎo)航。

對(duì)于無(wú)人艇的協(xié)同導(dǎo)航技術(shù)，目前研究得比較多的是主從式無(wú)人/有人艇群的協(xié)同導(dǎo)航技術(shù)。如圖6所示，它是使配備較低精度導(dǎo)航設(shè)備的無(wú)人艇USV2將其自身的信息和配備高精度導(dǎo)航設(shè)備的領(lǐng)航艇USV1（或是有人母艦艇）的信息進(jìn)行融合來(lái)提高其導(dǎo)航精度。針對(duì)主從式多無(wú)人艇系統(tǒng)中存在多領(lǐng)航艇和單領(lǐng)航艇兩種協(xié)同導(dǎo)航定位方法，關(guān)鍵是需精確測(cè)量出領(lǐng)航艇與跟隨艇之間的相對(duì)距離，這方面主要工作集中于對(duì)UKF、EKF等導(dǎo)航濾波算法的研究，以及采用信息重建的狀態(tài)估計(jì)、最小方差等方法來(lái)補(bǔ)償聲速誤差、時(shí)延。

圖6 主從式無(wú)人艇協(xié)同導(dǎo)航Fig.6 Cooperative navigation of master-slave USVs

跨域異構(gòu)平臺(tái)間的協(xié)同導(dǎo)航包括無(wú)人機(jī)與無(wú)人艇協(xié)同導(dǎo)航，以及無(wú)人艇與無(wú)人潛航器協(xié)同導(dǎo)航。此時(shí)，協(xié)同導(dǎo)航主要利用不同導(dǎo)航系統(tǒng)的誤差特性，構(gòu)建信息雙向融合濾波器，同步修正兩者的導(dǎo)航信息誤差，提高各自無(wú)人系統(tǒng)的定位與航向精度，并提高導(dǎo)航的可靠性。例如，無(wú)人潛航器、無(wú)人艇或無(wú)人機(jī)可以利用各自獲得的較為精確的地球物理信息匹配導(dǎo)航結(jié)果，來(lái)互相修正和補(bǔ)充，以提高導(dǎo)航的精度和可靠性，如圖7所示。美國(guó)的諾斯羅普?格魯曼公司已開(kāi)發(fā)了一種全新的無(wú)人系統(tǒng)控制架構(gòu)。在該架構(gòu)下，無(wú)人艇與無(wú)人潛航器通過(guò)水聲通信完成協(xié)同定位，無(wú)人艇與無(wú)人機(jī)使用微波通信自組網(wǎng)完成協(xié)同定位。

圖7 無(wú)人艇與無(wú)人潛航器協(xié)同導(dǎo)航Fig.7 Cooperative navigation of USV-UUV

2 無(wú)人艇路徑規(guī)劃技術(shù)

無(wú)人艇路徑規(guī)劃技術(shù)是指綜合考慮自身航行性能、作業(yè)效率和水面航行環(huán)境，尋找一條滿足預(yù)期要求的路徑，并使無(wú)人艇在航行過(guò)程中安全地繞過(guò)所有障礙物。無(wú)人艇的路徑規(guī)劃算法可分為全局路徑規(guī)劃算法和局部路徑規(guī)劃算法。

全局路徑規(guī)劃是基于已知的海圖信息和航區(qū)內(nèi)障礙物、危險(xiǎn)區(qū)域信息等構(gòu)建適當(dāng)?shù)沫h(huán)境模型，根據(jù)需求從環(huán)境模型中搜索出一條滿足需求的安全路徑，如圖8所示。全局路徑規(guī)劃的第一步是要建立環(huán)境模型，常用的環(huán)境模型構(gòu)建方法主要有幾何法、柵格法、構(gòu)形空間法、可視圖法、拓?fù)浞ê透怕屎桔E圖法等。但上述方法都有著各自的優(yōu)缺點(diǎn)：可視圖法減小了搜索范圍但不夠靈活，不適用于存在圓形障礙物的空間；拓?fù)浞ń档土烁呔S空間的規(guī)劃難度，但網(wǎng)絡(luò)的建立過(guò)程復(fù)雜；柵格法易于實(shí)現(xiàn)，但只適用于一致性空間。因此，在實(shí)際情況中需要根據(jù)真實(shí)環(huán)境條件選擇不同方法。環(huán)境模型建立后，到達(dá)最終目標(biāo)點(diǎn)需要相應(yīng)的路徑規(guī)劃算法，如貪婪算法、A星算法、Dijkstr算法等?；诓煌沫h(huán)境表示，有不同的路徑搜索算法。同時(shí)，環(huán)境建模對(duì)搜索算法的效率也有很大的影響。因此，為了得到一條最優(yōu)的全局路徑，可以改進(jìn)環(huán)境建模方法或改進(jìn)路徑規(guī)劃算法，但更重要的是要把兩者結(jié)合起來(lái)考慮。如圖9所示，基于柵格法和A星算法提出的theta star方法既適用于非一致空間（最小轉(zhuǎn)角可以不是45°），也有著比A星算法更佳的搜索效率。

復(fù)雜海況和良好海況下的環(huán)境模型完全不同，會(huì)導(dǎo)致環(huán)境感知算法難以適應(yīng)。同時(shí)，當(dāng)在一些船只較多的主航道附近作業(yè)時(shí)，如何制訂這些合作/非合作目標(biāo)避碰策略也是一個(gè)亟待解決的問(wèn)題。在巡邏執(zhí)法或軍事應(yīng)用中，甚至還面臨非合作、對(duì)抗目標(biāo)，這就給局部路徑規(guī)劃帶來(lái)了較大的挑戰(zhàn)。無(wú)人艇局部路徑規(guī)劃算法需要根據(jù)環(huán)境感知系統(tǒng)實(shí)時(shí)測(cè)量周圍環(huán)境中的信息，動(dòng)態(tài)地調(diào)整、修正局部路徑，確保無(wú)人艇在航行過(guò)程中的安全。當(dāng)前常用的Bug算法、人工勢(shì)場(chǎng)法、動(dòng)態(tài)窗口方法、曲率速度方法、Dstar算法等局部路徑規(guī)劃算法有著各自的優(yōu)缺點(diǎn)：人工勢(shì)場(chǎng)法容易陷入局部極值點(diǎn)；Bug算法效率低，返回原有路徑的方式較為原始；動(dòng)態(tài)窗口法考慮了無(wú)人艇的運(yùn)動(dòng)約束，能夠較好地滿足局部路徑規(guī)劃的需求，但是要耗費(fèi)大量時(shí)間進(jìn)行調(diào)參；Dstar算法實(shí)時(shí)性強(qiáng)，但不能快速返回原有路徑。

圖8 路徑規(guī)劃示意圖Fig.8 Diagram of path planning

圖9 theta star算法（虛線）與Astar算法（實(shí)線）Fig.9 Comparison of theta star algorithm（dotted lines）and Astar algorithm（solid lines）

由于全局和局部路徑規(guī)劃方法各自存在局限性，兩種方法都無(wú)法滿足無(wú)人艇在復(fù)雜海況下的航行要求。因此，自適應(yīng)智能路徑規(guī)劃技術(shù)是解決復(fù)雜海況下的路徑規(guī)劃問(wèn)題的一種可行方法。

2.1 自適應(yīng)智能路徑規(guī)劃

自適應(yīng)智能路徑規(guī)劃技術(shù)利用多傳感器信息融合技術(shù)獲取水上、水下障礙物信息，將無(wú)人艇導(dǎo)航信息及外界環(huán)境風(fēng)浪流信息結(jié)合電子海圖的地圖信息，采用分層策略，自適應(yīng)地調(diào)整路徑算法和路徑規(guī)劃算法參數(shù)，動(dòng)態(tài)規(guī)劃無(wú)人艇的航行路徑，以適應(yīng)復(fù)雜的水面環(huán)境，如圖10所示。

圖10 自適應(yīng)智能路徑規(guī)劃技術(shù)示意圖Fig.10 Schematic diagram of adaptive intelligent path planning technology

根據(jù)檢測(cè)到的障礙物類型的不同，將障礙物分成全局障礙物與局部障礙物，及靜態(tài)障礙物與動(dòng)態(tài)障礙物。針對(duì)障礙物的類型特點(diǎn)，采用分層思想，自適應(yīng)地選用路徑規(guī)劃算法與避障方案，以適應(yīng)無(wú)人艇復(fù)雜多變的航行環(huán)境。其主要避碰策略為：利用柵格法、幾何法等方法建立環(huán)境模型，并根據(jù)障礙物信息及相關(guān)約束條件（航行規(guī)則、航行時(shí)間或能耗等）建立不同層次的路徑（全程、遠(yuǎn)程、近程、應(yīng)急），在航行過(guò)程中根據(jù)獲取的實(shí)時(shí)動(dòng)態(tài)的障礙物信息選擇規(guī)避方式。當(dāng)運(yùn)動(dòng)障礙物的信息數(shù)據(jù)不能被有效獲取時(shí)，采用應(yīng)急危險(xiǎn)規(guī)避方式，使無(wú)人艇在密集障礙物的環(huán)境下能夠自主避障。

2.2 智能環(huán)境感知技術(shù)

在無(wú)人艇局部路徑規(guī)劃中，重要的是能夠?qū)崟r(shí)感知航行區(qū)域周邊的環(huán)境態(tài)勢(shì)。由于水面環(huán)境的復(fù)雜性，單一的傳感器環(huán)境感知技術(shù)不能適應(yīng)復(fù)雜海況，容易受到天氣、距離、傳感器自身分辨率等因素的影響，產(chǎn)生較大誤差甚至不能工作。這時(shí)，需要利用無(wú)人艇上搭載的電子海圖、光學(xué)設(shè)備、導(dǎo)航雷達(dá)、前視聲吶等多種傳感器，來(lái)彌補(bǔ)單一傳感器在復(fù)雜海況下的局限性，獲取障礙物的三維立體信息，如圖11所示。但使用多傳感器，需要解決如何從探測(cè)收集到的大量既有重疊性又有互補(bǔ)性的環(huán)境數(shù)據(jù)中提取有用的信息，從而正確、可靠地進(jìn)行環(huán)境感知的問(wèn)題。隨著人工智能技術(shù)的發(fā)展，將傳統(tǒng)方法與基于神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)融合的深度學(xué)習(xí)技術(shù)相結(jié)合，利用深度挖掘與智能融合技術(shù)，可以不斷提高目標(biāo)檢測(cè)率且能夠更加充分地挖掘信息，從而獲得更好的環(huán)境感知與目標(biāo)識(shí)別的效果。近年來(lái)以深度學(xué)習(xí)為代表，結(jié)合神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)融合的人工智能技術(shù)在環(huán)境感知上得到了廣泛應(yīng)用與發(fā)展，相比于傳統(tǒng)方法，其具有適應(yīng)性強(qiáng)、精度高、感知能力強(qiáng)的特點(diǎn)。

一方面，使用深度學(xué)習(xí)技術(shù)可以多重組合學(xué)習(xí)底層信息，然后利用多層感知器逐層壓縮，發(fā)現(xiàn)單一傳感器數(shù)據(jù)的本質(zhì)特征表述，能夠提高識(shí)別和分類的準(zhǔn)確性。通過(guò)提取不同目標(biāo)的幾何特征、不變矩特征和紋理特征，采用基于組合特征和主分量分析降維的分級(jí)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)識(shí)別，能較有效實(shí)現(xiàn)無(wú)人艇視覺(jué)系統(tǒng)對(duì)海面3大類常見(jiàn)目標(biāo)的分類識(shí)別，識(shí)別正確率達(dá)到85%以上。

另一方面，使用深度學(xué)習(xí)、數(shù)據(jù)融合等算法來(lái)充分挖掘多元異構(gòu)數(shù)據(jù)間的有效信息，挖掘現(xiàn)有方法無(wú)法觸及的特征信息，能夠提高系統(tǒng)對(duì)環(huán)境信息的利用率和環(huán)境感知能力，從而構(gòu)建一個(gè)信息全面、立體、可靠的無(wú)人艇三維環(huán)境模型，讓無(wú)人艇在復(fù)雜多變的環(huán)境中快速高效地完成任務(wù)。

圖11 環(huán)境感知與信息融合Fig.11 Block diagram of environment perception and information fusion

3 總結(jié)與展望

綜上，將無(wú)人艇自主導(dǎo)航技術(shù)后續(xù)發(fā)展趨勢(shì)分析如下：

1）即插即用全源導(dǎo)航是無(wú)人艇導(dǎo)航發(fā)展的趨勢(shì)。無(wú)人艇以衛(wèi)星/慣性組合導(dǎo)航為基礎(chǔ)導(dǎo)航，再根據(jù)在不同的作業(yè)場(chǎng)景中使用的傳感器進(jìn)行不同導(dǎo)航信息誤差的修正，如完整重磁等地球物理信息和地形或景象信息對(duì)位置誤差的修正，DVL測(cè)量信息對(duì)系統(tǒng)速度誤差的校正，并可根據(jù)不同場(chǎng)景變換快速移除引入的測(cè)量節(jié)點(diǎn)，以降低系統(tǒng)的計(jì)算量。

2）綜合環(huán)境約束和無(wú)人艇的幾何約束、物理約束獲得全局最優(yōu)路徑將是后續(xù)研究重點(diǎn)。全局路徑規(guī)劃算法將逐漸從單目標(biāo)規(guī)劃最優(yōu)向多目標(biāo)規(guī)劃綜合最優(yōu)轉(zhuǎn)變，許多最優(yōu)算法如遺傳算法、粒子群算法和蟻群算法等也將被廣泛使用。

3）局部路徑規(guī)劃需要在環(huán)境完全未知且有動(dòng)態(tài)障礙物的動(dòng)態(tài)時(shí)變環(huán)境下，準(zhǔn)確可靠的預(yù)測(cè)障礙物位置信息，并采用分層策略自適應(yīng)地調(diào)整路徑算法和參數(shù)。

4）深度學(xué)習(xí)、數(shù)據(jù)挖掘、信息融合等人工智能技術(shù)將在環(huán)境感知方面發(fā)揮主導(dǎo)性的作用。多層感知器、多重組合學(xué)習(xí)可以提高環(huán)境感知信息的本質(zhì)特征表述。同時(shí)，數(shù)據(jù)融合算法可以充分挖掘多元異構(gòu)數(shù)據(jù)間的有效信息，從而為無(wú)人艇構(gòu)建一個(gè)信息全面、立體、可靠的三維環(huán)境模型。

作為無(wú)人艇的關(guān)鍵技術(shù)之一，自主導(dǎo)航技術(shù)決定著無(wú)人艇自主航行能力的高低。隨著傳感器、人工智能和物聯(lián)網(wǎng)等技術(shù)的發(fā)展，導(dǎo)航定位、完好性監(jiān)測(cè)、自主環(huán)境感知和路徑規(guī)劃技術(shù)也將得到進(jìn)一步發(fā)展，無(wú)人艇將向著實(shí)用化、自主化和智能化方向邁進(jìn)。