郭銀景，侯佳辰，吳 琪，苑嬌嬌，呂文紅

(1. 山東科技大學 電子信息工程學院，山東 青島 266590；2. 山東科技大學 交通學院，山東 青島 266590；3. 青島黃海學院，山東 青島 266555)

0 引 言

自主式水下航行器（AUV）是在無人駕駛的情況下，依靠自身攜帶的動力自主地完成復雜海洋環(huán)境中預定任務的機器人[1]。海底環(huán)境建模是AUV進行全局路徑規(guī)劃進而完成自主巡航的關鍵一環(huán)[2]，主要任務是把AUV所處海底環(huán)境描述為計算機識別的形式，它是利用路徑規(guī)劃算法尋找最優(yōu)路徑的基礎[3-4]。

目前，在水下機器人環(huán)境建模方面已有許多研究成果，如美國Bluefin Robotics公司的Bluefin-21 AUV就具有非常出色的環(huán)境建模算法能力，該AUV根據(jù)需要裝載了包括如410 kHz側掃聲吶系統(tǒng)在內(nèi)的多種探測設備，以最高7.5 cm的分辨率勘測地貌，完成了海底建模[5]，在2014年搜尋馬航MH370失聯(lián)客機過程中發(fā)揮了重大作用；由Hydroid公司研制的REMUS-6000也具備利用配備的側掃聲吶收集水下環(huán)境數(shù)據(jù)并進行海底建模的能力[6]；美國研發(fā)的深井熱探測器（DEPTHX）[7]直徑約2.5 m，用來探索未知的水下洞穴和隧道，對海底進行三維映射，將海底數(shù)據(jù)轉化為環(huán)境參數(shù)并進行立體建模，可以較為準確地還原沼穴外形；中國沈陽自動化所和海洋所聯(lián)合研制的“探索4500”具備了基于前視聲吶信息的自主碰撞技術，提高其對復雜環(huán)境的適應能力，對大面積冷泉區(qū)進行精細海底建模，保證近海域海底路徑規(guī)劃的安全[8]。這些AUV研究成果均已完成湖上或海上的功能試驗。

水下航行器全局路徑規(guī)劃過程受水下航行器探測能力、水下航行器的機動性能和障礙物特性的影響，研究存在的挑戰(zhàn)和難點主要有以下兩點：

1）海底環(huán)境較為復雜，當障礙物密集時環(huán)境建模精度較低。

2）海流因素對環(huán)境建模后續(xù)算法的影響較大，將海流因素轉化為參數(shù)數(shù)據(jù)，考慮進建模及算法過程中時，會大幅度提升算法的復雜度。

本文在分析AUV自主巡航技術背景的基礎上，對AUV全局路徑規(guī)劃環(huán)境建模算法及研究熱點展開綜述，重點討論海流對AUV全局路徑規(guī)劃環(huán)境建模影響方面的研究進展，為研究和發(fā)展AUV全局路徑規(guī)劃環(huán)境建模算法提供參考。

1 全局路徑規(guī)劃環(huán)境建模方法概述

適用于水下全局路徑規(guī)劃環(huán)境建模的主要方法有柵格法，拓撲法，可視圖法等。

1.1 柵格法

柵格法最早由Elfes和Moravec等學者提出，即利用柵格法進行環(huán)境建模即將環(huán)境等分為方格，以柵格為單元表示該區(qū)域環(huán)境信息，然后在環(huán)境地圖上使用路徑規(guī)劃算法[10]。Wang等[11]針對海底環(huán)境特征將柵格圖中的障礙物分為3類，分別是靜態(tài)障礙物、動態(tài)障礙物和準靜態(tài)障礙物，其中準靜態(tài)障礙物具有固定中心和隨時間變化的不確定半徑，如珊瑚、藻類等。再通過對障礙物的連續(xù)觀測進行海底環(huán)境建模，提高路徑規(guī)劃精度。為降低計算復雜度，傳統(tǒng)柵格法僅將AUV所在柵格的周圍8個柵格作為下一時刻可選位置，但會降低規(guī)劃路徑的質(zhì)量，如平滑度。針對這一缺點，姚鵬等[12]擴大了備選鄰居柵格的層數(shù)，即下一時刻AUV不僅可移動至周圍8個柵格，還可移動至更遠處的柵格，從而提高路徑質(zhì)量。

由于海底環(huán)境是三維環(huán)境，近年來眾多研究人員用柵格法對海底進行三維建模。

文獻[13]用柵格法對海底環(huán)境進行三維建模，但此建模只能基于AUV下潛深度變化范圍較小的前提下，將AUV在三維空間內(nèi)的運動分解為2個二維平面的運動，對海底柵格模型的水深范圍進行簡化處理，利用聲吶探測的信息實現(xiàn)對障礙物的3D重建，局部避障效果較好，此建模并不是真正意義上的三維建模。文獻[14]將生物啟發(fā)神經(jīng)網(wǎng)絡引入三維柵格模型，把具體的動態(tài)環(huán)境和AUV前后時刻的航行位置聯(lián)系起來綜合決策出AUV的下一個航行位置，縮短了搜索時間，降低路徑規(guī)劃的重復率。文獻[15]引入多個AUV協(xié)同作業(yè)，將任務分解到水下平面的不同深度，達到三維建模的效果，原理與文獻[13]有相似之處，但實際路徑規(guī)劃中，單AUV并不能跨層進行搜索。文獻[16]在二維柵格建模的基礎上，拓展到三維空間，對比了二維、三維柵格建模對AUV巡航過程的影響，二維柵格建模算法復雜度低，AUV面對障礙物時可更快做出決策；三維柵格建?？山档虯UV巡航過程中的轉向幅度與轉角次數(shù)，一定程度上避免AUV進入死區(qū)。

綜上，柵格法海底環(huán)境建模多數(shù)基于二維建模，建模結構簡單，易于管理、存儲和檢索，且發(fā)展較成熟，但不利于在密集障礙物環(huán)境中規(guī)劃最優(yōu)路徑。網(wǎng)格尺寸的規(guī)劃也與傳感器性能和AUV體積有關。柵格法易于向三維拓展[17]，但對環(huán)境分辨清晰度需求較高，環(huán)境信息存儲量大且決策速度慢，降低系統(tǒng)實時性，發(fā)展尚不成熟。在三維柵格建模中，過于精細的柵格劃分雖可以保證精度，但帶來了計算時間的級數(shù)增長，然而過大的柵格尺度又無法保證障礙物的精確建模。兩者之間的平衡問題一直是難點。

1.2 拓撲法

拓撲法是由清華大學張鈸教授等于1984年提出的路徑規(guī)劃算法，基本思想是：將規(guī)劃空間分割成拓撲特性一致的子空間，并建立拓撲網(wǎng)絡，在拓撲網(wǎng)絡上尋找起點到終點的拓撲路徑，并由拓撲路徑求出幾何路徑[18]。隨后張鈸教授對其進行改進，用圖形方法實現(xiàn)拓撲路徑規(guī)劃算法，將復雜的幾何計算問題轉化為圖形的一些簡單處理，將問題變得更直觀靈活，缺點是如果局部障礙物發(fā)生變化，整個拓撲空間需要重新構造，極為費時。

拓撲法和柵格法的區(qū)別在于，拓撲法是天生三維的環(huán)境建模法，能更好地適用于水下環(huán)境，可完全描述海底地形的結構特征，并具有較高的存儲效率，在得不到精確環(huán)境信息情況時，也可以依靠環(huán)境特征信息與傳感器檢測信息匹配確定AUV的方位[19]。但拓撲法因建模模型復雜，占用大量空間，無法靈活處理局部障礙物發(fā)生變化的情況，故國內(nèi)外應用較少，研究進展緩慢。

1.3 可視圖法

可視圖法于1979年由麻省理工學院的Tomas Lozano-Perez和IBM研究院的Michael A.Wesley提出[20]。最大特點是用多邊形描述環(huán)境邊界及障礙物輪廓，且將AUV視作大小形狀可忽略的質(zhì)點。把AUV的起點、每個障礙物的頂點及目標點通過直線連接在一起，而連接直線不能穿越障礙物，由此獲得一張無碰撞路徑圖，即為可視圖?？梢晥D法的缺點有2個：一是規(guī)劃冗余路徑過多；二是將移動目標視作質(zhì)點可能會出現(xiàn)與障礙物碰撞的現(xiàn)象。

針對冗余路徑過多的問題，可將切線法運用到路徑規(guī)劃中，把障礙物的切線圖形化，大大減少無用路徑規(guī)劃量[21]。采用“方向偏差最小”策略對切線法路徑規(guī)劃進行全局路徑優(yōu)化，可避免AUV轉向過大，有效防止AUV進入“死區(qū)”。

針對移動目標與障礙物碰撞的問題，王芳[22]將維諾圖[23]運用到路徑規(guī)劃中，統(tǒng)計離障礙物較遠的路徑，當AUV偏離路徑時，也可避免碰撞障礙物。夏娜等[24]將維諾圖與二分圖結合起來，經(jīng)仿真實驗證明該方法規(guī)劃的路徑較短且規(guī)劃效率高。

對于可視圖在路徑規(guī)劃中的運用，一般是將障礙物矩形化，提高路徑規(guī)劃的效率，但只能保證局部最優(yōu)路徑，無法得到全局最優(yōu)解。2017年張雪蓮[25]分析了障礙物矩形化的缺陷，提出了將障礙物膨化，避免AUV采用繞行方向使生成路徑不理想，改進對比如圖1所示，左圖為改進前，右圖為改進后。

圖1 改進對比圖Fig. 1 Improved comparison chart

3種全局路徑規(guī)劃方法優(yōu)缺點對比如表1所示。

表1 優(yōu)缺點對比Tab. 1 Advantages and disadvantages comparison

合理的環(huán)境建模有利于減少路徑規(guī)劃中的計算量?？梢晥D法與二維柵格適用于障礙物較少的簡單海底環(huán)境，此環(huán)境對建模精度要求較低。三維海底建模的計算復雜度隨維度增加，利用拓撲法及三維柵格為AUV建立精確的海底模型具有挑戰(zhàn)性，但隨著計算速度的提高和對建模精度的需求，水下三維建模將取代二維建模成為主流。

2 考慮海流影響的AUV全局路徑規(guī)劃環(huán)境建模算法研究

AUV在有海流的海域中航行時，會受到海流產(chǎn)生的壓力，使AUV運動或轉向的阻力增大，并偏離預定的軌跡和航向[26]，甚至轉向，增大AUV的能耗[27]。因此，在規(guī)劃AUV的巡航路徑時，應考慮海流對航向造成的影響。與直線軌跡相比，AUV在處于小流向角的情況下航行可以減少推力器的功率，并使AUV處于可控狀態(tài)[28]。同時需要考慮航行中能量消耗的問題，盡量利用海流助力，使AUV順著海流的流向運動，減少逆流航行造成的能量消耗[29]。在模擬海流環(huán)境中尋找最優(yōu)路徑如圖2所示，圖中圓圈表示障礙物，線段為規(guī)劃路徑。

圖2 海流環(huán)境模型Fig. 2 Ocean current environment model

考慮海流因素的巡航策略研究，主要從2個方面入手：一是將海流信息引入環(huán)境建模；二是將海流信息引入路徑規(guī)劃算法。

2.1 將海流引入環(huán)境建模

文獻[30]利用聲吶傳感器采集信息，建模時通過凸算法和貝塞爾插值簡化障礙物邊界，使AUV快速響應各種障礙物環(huán)境。考慮到AUV在海流情況下前進，航跡存在旋轉偏差時用一定半徑的圓弧代替，避免AUV進入“死區(qū)”，與文獻[16, 21]相比，此方法耗能低，可同時保證AUV航行的安全性與節(jié)能性。文獻[17]分析了海流對AUV航行的影響，將不利于AUV航行安全的海洋因素轉化為約束條件加入三維柵格中，后續(xù)路徑規(guī)劃時則可避免進入危險海洋環(huán)境。此方法可大幅度提升AUV巡航過程中的安全性，但以損失最優(yōu)路徑為代價，規(guī)劃出的路徑較長，AUV能耗相對較高。為降低AUV能耗，文獻[31]將海流模型柵格做離散處理，對海流數(shù)據(jù)進行建模，綜合考慮路徑長度和海流對能源消耗的影響，在能耗最小的前提下實現(xiàn)路徑最優(yōu)化，且在較短路徑下，大幅度降低路徑的轉角，可改善文獻的高能耗問題。但該文獻為追求算法復雜度低，劃分柵格模型時并不精細，未來可做進一步改進。文獻[32]針對大型復雜海洋環(huán)境，引入了具有學習能力的群體超啟發(fā)式算法，考慮了能量及時間消耗、轉彎半徑限制，海洋環(huán)境及海流影響，在B樣條曲線建模算法中添加相應的約束來限制軌跡的生成空間，將全局路徑規(guī)劃與局部路徑規(guī)劃結合起來，全局路徑規(guī)劃出AUV的大致巡航路徑，當遇到動態(tài)障礙物時，利用局部路徑規(guī)劃避障。該算法在計算時間、自主優(yōu)化能力、穩(wěn)定性方面具有顯著優(yōu)勢。

綜上，采用柵格法進行海底環(huán)境建模時，更易將海流信息化為參數(shù)導入，如圖3所示。

圖3 將海流信息導入柵格圖Fig. 3 Import current information into raster

柵格法可根據(jù)每個網(wǎng)格存儲的海洋環(huán)境信息判斷網(wǎng)格的適航性，當網(wǎng)格中存在對AUV航行的不利影響時，選擇該網(wǎng)格的概率降低。地形、水壓力等影響因素同樣可作為參數(shù)加至網(wǎng)格，使規(guī)劃路徑更優(yōu)。環(huán)境建模的難點在于海洋生物對AUV的威脅，潮汐對AUV航行的影響難以轉化為數(shù)學模型。

2.2 將海流引入環(huán)境建模后續(xù)路徑規(guī)劃算法

文獻[33]采用狼群算法進行AUV的路徑規(guī)劃，結果證明該算法具有較強的收斂性與全局尋優(yōu)能力，雖然算法相對復雜，但可設置更多參數(shù)，例如將海流、溫度、海水鹽度等轉化為數(shù)據(jù)導入算法。針對算法復雜度高這一缺點，文獻[34]對狼群算法進行優(yōu)化，利用杜賓曲線滿足AUV轉向角的控制約束，并可調(diào)整AUV的轉彎半徑，避免AUV轉彎時剮蹭障礙物。仿真結果證明改進后的狼群算法局部規(guī)劃能力強，精度高，在規(guī)劃路徑不變的情況下，將規(guī)劃時間減少了6.3%。但結合狼群算法的規(guī)劃技術實時避障能力較弱，為彌補這一缺點，文獻[35]采用遺傳算法（GA）進行路徑規(guī)劃，結果證明結合遺傳算法的動態(tài)實時避障能力較好，缺點是局部尋優(yōu)能力較差，穩(wěn)定性不強。遺傳算法在早期階段具有快速的全局搜索能力，而在后期階段規(guī)劃速度較慢。然而，遺傳算法易與其他算法結合，文獻[36]將遺傳算法與狼群算法結合起來，使遺傳算法在迭代過程中提高規(guī)劃能力。仿真結果證明，將二者算法結合后，與文獻[33 - 35]相比，其算法收斂速度與路徑規(guī)劃時間均有大幅度改善，且路徑規(guī)劃精度不變。

快速擴展隨機樹算法（RRT）[37]也是常用的路徑規(guī)劃算法之一，即將海底環(huán)境采樣為一組節(jié)點作為依據(jù)規(guī)劃路徑。規(guī)劃速度快，但規(guī)劃出的路徑通常是次優(yōu)的，且難以在狹窄的通道中規(guī)劃路徑[38]。文獻[39 - 40]分別用RRT算法在二維、三維建模的前提下進行路徑規(guī)劃，仿真結果證明傳統(tǒng)RRT算法的計算復雜度與自由度呈指數(shù)關系，不適合解決多自由度AUV在復雜海底環(huán)境中的路徑規(guī)劃。針對AUV自由度過高導致算法復雜這一缺陷，文獻[41]提出一種改進RRT算法，增加了對AUV旋轉角的約束，降低AUV的自由度，改善了擴展樹的生長點與探索點，滿足規(guī)劃路徑的最優(yōu)解。仿真結果表明，該算法規(guī)劃效率高，且安全性較強。

文獻[42]利用人工勢場法進行路徑規(guī)劃，效果并不理想。當航行路段通過狹窄通道時，由于海流不斷干擾AUV，AUV會不斷發(fā)生擺動陷入“自鎖”模式。傳統(tǒng)的人工勢場法不能消除海流帶來的影響。文獻[43]采用克隆選擇優(yōu)化算法對人工勢場法進行優(yōu)化，可以避免算法陷入局部最小值，使AUV擺脫“自鎖”模式。對比文獻[16, 21, 30]可知，解決AUV陷入“死區(qū)”最常用的方法，即采用各種手段減少AUV巡航過程中的轉角次數(shù)與轉角幅度，若先利用柵格法對海底環(huán)境進行三維建模，將“方向偏差最小”策略引入建模過程，再采用后續(xù)算法進行優(yōu)化，可有效解決AUV陷入“死區(qū)”這一問題。

針對AUV路徑規(guī)劃中的時間最優(yōu)問題，文獻[44]提出了一種基于粒子群優(yōu)化算法（PSO）的二維路徑規(guī)劃算法。通過分析AUV的航行特點與海流運動規(guī)律，推導出計算航行時間的函數(shù)。仿真結果表明，該算法魯棒性強且能夠找到最短距離的安全路徑。缺點是沒有進行三維路徑規(guī)劃，且算法的實用性與適應性尚未在實際海洋環(huán)境中得到驗證，雖在算法過程中加入海流參數(shù)，但并未考慮如何應對海流干擾。針對這一缺陷，文獻[45]對PSO算法提出改進，將粒子群分為全局搜索粒子與局部搜索粒子對海流進行綜合評估，規(guī)劃路徑使AUV盡可能隨著海流前進，避免盲目克服海流干擾，從而使航行過程更加穩(wěn)定。文獻[46]比較了量子粒子群算法與遺傳算法的優(yōu)缺點，同時將海流速度方向等參數(shù)加入算法中，將二者結合進行路徑規(guī)劃，仿真后證明該組合算法比單一算法有更好的尋優(yōu)能力和更少的計算時間，可針對海流因素使收斂次數(shù)達到理想狀態(tài)。但文獻[46]只研究了在海流大小方向均不變情況下的路徑規(guī)劃，并且沒有考慮海流橫向推動AUV造成的誤差應如何修正。文獻[11]采用GA與PSO雙層規(guī)劃算法，先用GA進行路徑規(guī)劃，后用PSO進行路徑優(yōu)化，在保證全局最優(yōu)的同時解決了傳統(tǒng)基于柵格的路徑規(guī)劃算法中AUV運動方向受限的問題，使AUV順著有利海流流向航行，最后進行實驗仿真證明了該算法在可接受的精度下顯著提高了計算效率，AUV可進行實時規(guī)劃，并不斷修正海流推動AUV造成的偏離規(guī)劃路徑。文獻[47]對文獻[11]進行改進，在海流過大時對AUV的速度進行限制，且最終以Kongsberg/Hydroid REMUS 600s型水下機器人為模型，對路徑規(guī)劃算法進行實驗驗證。以上幾種經(jīng)典算法的優(yōu)缺點對比如表2所示。

表2 優(yōu)缺點對比Tab. 2 Advantages and disadvantages comparison

除上述熱門經(jīng)典算法外，還有一些規(guī)劃效果不錯的算法。例如文獻[48]提出一種結合速度合成方法的自組織映射算法，當海流發(fā)生變化AUV隨機移動時，只要給出AUV和目標的位置及海流的速度和方向，就可以計算出AUV前進的方向，規(guī)劃出后續(xù)路徑。但此文獻只是假設固定在垂直方向上的傳感器可以探測到洋流的信息，沒有討論獲取海流方向和速度的方法，可與文獻[30]中聲吶傳感器的探測方法相結合，提高規(guī)劃精度。文獻[49]提出一種動態(tài)規(guī)劃算法，將近似時變海流作為參數(shù)引進算法，對協(xié)同合作的AUV進行路徑規(guī)劃，經(jīng)過仿真證明算法的可行性。但模擬海流值與實際海流存在差異，難以投入實際使用。文獻[50]是在傳感器存在噪聲及海流存在的情況下跟蹤海底電纜，給AUV增加了一個動力控制器，在航線偏離過大時對路徑實行重新規(guī)劃，與文獻[46]相比，可在一定程度上修正橫向流推動AUV造成的航線偏離，缺點是AUV的動力控制器需要實時計算輸入航行方向，且每次修正航線時需要重新規(guī)劃路徑，計算量過大。文獻[51 - 52]分別設計了一種考慮海流影響的二維、三維路徑規(guī)劃方法。該方法結合海流速度與AUV速度修正水平集的偏微分方程，然后對方程進行數(shù)值求解，水平集不斷迭代以收斂于目標，最后通過反向迭代得到最優(yōu)路徑?；谀M海流數(shù)據(jù)和真實地形的仿真實驗表明，該方法能夠在海流和障礙物連續(xù)的海洋環(huán)境中找到安全可行的路徑。

由于實驗條件限制，多數(shù)研究處于實驗模擬階段，雖然一些研究在真實水下環(huán)境中進行，但還未達到可在實踐中應用的魯棒性水平。目前，成熟的傳統(tǒng)算法很難適用復雜的水下環(huán)境，部分智能算法存在不成熟、魯棒性差、運行速度慢等問題。后續(xù)研究可融合多種算法，將各種算法的優(yōu)點融合為改進算法，以提高路徑規(guī)劃的實時性與可靠性。

3 總結與展望

AUV的自主水下巡航是一個十分重要的研究領域，具有廣泛的應用前景。本文對海底環(huán)境的全局路徑規(guī)劃方法進行綜述，并對3種全局路徑規(guī)劃方法進行優(yōu)缺點對比。柵格法多是基于二維建模，目前發(fā)展較為成熟。三維柵格法海底建模近幾年起步，仍存在諸多缺陷，如環(huán)境建模精度低、規(guī)劃路徑安全性不強。二維空間并不能完全體現(xiàn)海洋環(huán)境的所有三維信息，柵格法應更多地向三維發(fā)展。拓撲圖法是一種天生三維的建模法，但因算法復雜，普及度不高?？梢晥D法僅支持二維建模，但因算法簡單，易與路徑搜索算法相結合。

考慮到海流因素對AUV巡航過程中的影響，本文針對巡航過程中能量消耗的角度對路徑規(guī)劃算法的發(fā)展進行了綜述。在目前的研究中，海流模型相對簡單，多是以二維海底建模為主，如可視圖法與柵格法。其中柵格法易離散化，可視圖法的建模過程簡單，二者均可在建模過程中加入海流參數(shù)，在能耗最小的前提下實現(xiàn)路徑最優(yōu)化。關于考慮海流因素的路徑規(guī)劃算法，多數(shù)研究采用2種算法結合，利用算法優(yōu)勢對路徑進行篩選，最后得出能耗少的最優(yōu)路徑。針對海流動態(tài)隨機這一特點，研究人員對路徑規(guī)劃算法進行改進，增強算法魯棒性，以應對突變海流帶來的緊急情況，且成功以水下機器人為模型進行了水下實驗。

雖然當前AUV自主水下巡航已經(jīng)取得了豐富的研究成果，但大多數(shù)研究將海流因素加入AUV水下巡航的過程中僅考慮單一方面，少數(shù)研究在環(huán)境建模與路徑規(guī)劃中均加入對海流因素的考慮。例如文獻[17]，建模時考慮到AUV在海流情況下前進，航跡存在旋轉偏差時用一定半徑的圓弧代替，路徑規(guī)劃時考慮到AUV在實際水下環(huán)境中存在渦流造成的陷阱問題，采用視線制導機制預測巡航軌跡，當前置聲吶傳感器檢測到渦流時，激活回避算法避開渦流陷阱。后續(xù)研究可在環(huán)境建模與路徑規(guī)劃算法中均加入對海流因素的考慮。

1）柵格法環(huán)境建模易于向三維拓展，環(huán)境信息精確，空間表達力好，魯棒性強，且每個網(wǎng)格中均可存儲信息，容易將海流速度、流向等這些約束條件加入路徑規(guī)劃算法中規(guī)劃路徑。PSO與GA雙層路徑規(guī)劃算法融合性較好，加入約束條件時計算效率高，且易與柵格法相結合。未來研究可將柵格法環(huán)境建模與雙層規(guī)劃算法相結合，同時加入海流約束條件，提高水下巡航任務完成度與完成精度。

2）可視圖法建模過程簡單，能有效避免AUV在海流存在的情況下進入“死區(qū)”，易與路徑規(guī)劃算法相結合，一定程度上可消解傳統(tǒng)人工勢場法的固有缺陷。人工勢場法原理簡單，反應迅速，易于實現(xiàn)和擴展。經(jīng)國內(nèi)外專家學者對人工勢場法的不斷改進，已經(jīng)改善了局部極小值問題，將海流因素考慮進人工勢場法中是保證該算法適用于AUV水下巡航避障的關鍵，國內(nèi)外學者也針對定常海流和渦流的影響，對勢場法進行了相應改進。若將可視圖環(huán)境建模與人工勢場法相結合，可進一步提高路徑規(guī)劃的效率，使AUV的巡航過程更具實時性。

4 結 語

隨著海洋考察范圍的逐步擴大，AUV向著智能化方向發(fā)展，這就要求AUV必須具有感知海洋環(huán)境并準確進行海底建模的能力，只有在了解環(huán)境的基礎上，才可能讓AUV進行智能算法的學習，以及在未知環(huán)境中進行適應環(huán)境的訓練，從而提高AUV的靈活性、穩(wěn)定性與魯棒性。

本文在對AUV海底環(huán)境建模技術的相關概念和算法進行深入研究的基礎上，對3種環(huán)境建模方法進行了綜述和優(yōu)缺點對比，并詳細闡述了AUV環(huán)境建模后續(xù)規(guī)劃算法的研究進展。未來研究中，對于建模技術精度與復雜度的平衡，仍需眾多研究人員的不懈努力。