馬金帥，劉蘭軍，金久才，陳明志

（1.中國(guó)海洋大學(xué)工程學(xué)院，山東 青島 266100；2.自然資源部第一海洋研究所，山東 青島 266061；3.自然資源部海洋遙測(cè)技術(shù)創(chuàng)新中心，山東 青島 266061）

無(wú)人船（Unmanned Surface Vehicle，USV） 是一種新型海上智能平臺(tái)，具有集成度高、運(yùn)營(yíng)成本低等優(yōu)勢(shì)，同時(shí)具備體積小、隱蔽性好、機(jī)動(dòng)性強(qiáng)等特點(diǎn)，可搭載不同載荷完成環(huán)境監(jiān)測(cè)、海上維權(quán)等多種任務(wù)[1-4]。利用無(wú)人船對(duì)可疑船只進(jìn)行快速跟蹤、監(jiān)視，同時(shí)回傳目標(biāo)船只信息，可以有效減少人員安全問(wèn)題。在多淺灘、礁石和漁船的復(fù)雜環(huán)境下執(zhí)行運(yùn)動(dòng)目標(biāo)跟蹤任務(wù)，如何兼顧避障和目標(biāo)跟蹤任務(wù)，是一個(gè)現(xiàn)實(shí)問(wèn)題。針對(duì)目標(biāo)跟蹤任務(wù)進(jìn)行運(yùn)動(dòng)規(guī)劃，合理選擇有效的航向航速控制指令，是多障礙物環(huán)境下完成目標(biāo)運(yùn)動(dòng)跟蹤任務(wù)的關(guān)鍵。

針對(duì)運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題，國(guó)內(nèi)外學(xué)者開(kāi)展了大量的研究，研究方向主要包括跟蹤制導(dǎo)律研究、路徑規(guī)劃算法研究和人工智能目標(biāo)跟蹤方法研究。在跟蹤制導(dǎo)律研究方面，針對(duì)無(wú)障礙物環(huán)境下單目標(biāo)跟蹤問(wèn)題，挪威科技大學(xué)FOSSEN T I[5]系統(tǒng)性研究了3 種常用的無(wú)人船目標(biāo)跟蹤制導(dǎo)律，包括純跟蹤法（Pure Pursuit，PP）、方位不變法（Constant Bearing，CB）和視線制導(dǎo)法（Line of Sight，LOS）。針對(duì)高速直線行駛目標(biāo)船只跟蹤問(wèn)題，挪威科技大學(xué)MORTEN B 等[6]采用CB 制導(dǎo)律，設(shè)計(jì)了新型速度控制器，實(shí)現(xiàn)了對(duì)目標(biāo)船只的跟蹤。韓國(guó)首爾大學(xué)JONGHOEK K[7]提出了一種新穎的目標(biāo)跟蹤制導(dǎo)律和環(huán)繞監(jiān)視制導(dǎo)律，完成了目標(biāo)跟蹤和環(huán)繞監(jiān)視任務(wù)，并從理論上證明了目標(biāo)跟蹤距離的收斂性。哈爾濱工程大學(xué)周鴻偉[8]提出了一種模仿跟蹤制導(dǎo)方法，無(wú)人船實(shí)時(shí)模擬被跟蹤目標(biāo)的速度和航向，但存在著無(wú)人船和目標(biāo)之間的距離無(wú)法縮短的問(wèn)題。在目標(biāo)跟蹤路徑規(guī)劃算法方面，?VEC P 等[9]使用蒙特卡洛采樣方法估計(jì)目標(biāo)未來(lái)姿態(tài)，結(jié)合A*算法采用軌跡跟蹤方式，完成了目標(biāo)跟蹤任務(wù)。ERIKSEN B[10]提出了基于航海雷達(dá)的動(dòng)態(tài)窗口法，將LOS 制導(dǎo)律和執(zhí)行器的特性融合到動(dòng)態(tài)窗口法來(lái)跟蹤船只目標(biāo)。自然資源部第一海洋研究所汪棟[11]針對(duì)多礁石、漁船等近海復(fù)雜環(huán)境下靜態(tài)目標(biāo)點(diǎn)的跟蹤問(wèn)題，提出了一種基于有限狀態(tài)機(jī)模型的無(wú)人船局部路徑規(guī)劃算法。在人工智能無(wú)人船目標(biāo)跟蹤研究方面，海軍工程大學(xué)曹世杰等[12]提出了一種基于強(qiáng)化學(xué)習(xí)（Q-learning）的無(wú)人船目標(biāo)跟蹤規(guī)劃方法，通過(guò)改進(jìn)學(xué)習(xí)策略，為靜態(tài)場(chǎng)景下動(dòng)靜態(tài)目標(biāo)跟蹤提供了無(wú)模型解。大連海事大學(xué)鄭帥[13]采用DDPG（Deep Deterministic Policy Gradient） 深度強(qiáng)化學(xué)習(xí)算法訓(xùn)練優(yōu)化無(wú)人船駕駛決策模型，利用Gazebo 物理仿真器生成模型訓(xùn)練的學(xué)習(xí)樣本，實(shí)現(xiàn)了無(wú)人船自主追蹤漂移遇險(xiǎn)目標(biāo)。

本文針對(duì)多障礙物環(huán)境下運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題，提出了一種適用于無(wú)人船平臺(tái)的目標(biāo)跟蹤運(yùn)動(dòng)規(guī)劃方法，將自適應(yīng)制導(dǎo)律、危險(xiǎn)度評(píng)估因子引入傳統(tǒng)動(dòng)態(tài)窗口法（Dynamic Window Algorithm，DWA）的目標(biāo)函數(shù)中，同時(shí)優(yōu)化了速度采樣空間，可快速完成無(wú)人船運(yùn)動(dòng)目標(biāo)跟蹤任務(wù)，并實(shí)時(shí)規(guī)避動(dòng)靜態(tài)障礙物。

1 無(wú)人船跟蹤規(guī)劃模型

1.1 無(wú)人船運(yùn)動(dòng)模型構(gòu)建

本文運(yùn)動(dòng)規(guī)劃研究主要集中于目標(biāo)跟蹤任務(wù)中無(wú)人船航速和航向的規(guī)劃，只考慮水平面內(nèi)三自由度的運(yùn)動(dòng)，而忽略無(wú)人船的橫搖、縱搖和垂蕩3 個(gè)自由度。坐標(biāo)系采用北東地（North East Down，NED）坐標(biāo)系。無(wú)人船的運(yùn)動(dòng)模型表示如下。

式中，X（t）=[x（t），y（t），v（t），θ（t）]為無(wú)人船的狀態(tài)變量；[x（t），y（t）]為無(wú)人船的位置坐標(biāo)；v（t）為無(wú)人船的航速；θ（t）為無(wú)人船的航向角。

1.2 障礙物膨化模型

障礙物檢測(cè)是無(wú)人船運(yùn)行過(guò)程中實(shí)時(shí)避障的關(guān)鍵技術(shù)，本文假設(shè)無(wú)人船傳感器系統(tǒng)可以提供無(wú)人船和周圍環(huán)境中障礙物的位置和航向航速信息，控制器性能足夠好，不考慮海洋環(huán)境對(duì)無(wú)人船運(yùn)動(dòng)造成的影響。

為了簡(jiǎn)化計(jì)算量，將跟蹤區(qū)域內(nèi)的動(dòng)靜態(tài)障礙物做外接圓處理，將無(wú)人船的半徑和傳感器不確定度作為膨化因子對(duì)障礙物進(jìn)行膨化處理。對(duì)于“狹長(zhǎng)”的障礙物，使用多個(gè)外接圓進(jìn)行處理。此時(shí)忽略無(wú)人船尺寸，將無(wú)人船視為質(zhì)點(diǎn)進(jìn)行處理。

圖1 等效障礙物示意圖

2 改進(jìn)動(dòng)態(tài)窗口法

2.1 傳統(tǒng)動(dòng)態(tài)窗口法

傳統(tǒng)動(dòng)態(tài)窗口法是一種基于采樣的反應(yīng)式局部路徑規(guī)劃方法，其借鑒了預(yù)測(cè)控制中滾動(dòng)優(yōu)化的思想，通過(guò)在可行速度、角速度空間中進(jìn)行采樣，模擬機(jī)器人在一定時(shí)間內(nèi)的多組運(yùn)行軌跡，根據(jù)目標(biāo)函數(shù)選取最優(yōu)軌跡對(duì)應(yīng)的速度、角速度來(lái)驅(qū)動(dòng)機(jī)器人運(yùn)動(dòng)。

2.1.1 速度采樣空間

無(wú)人船在二維空間水平面內(nèi)運(yùn)動(dòng)，由于無(wú)人船自身動(dòng)力學(xué)限制、動(dòng)態(tài)障礙物和靜態(tài)障礙物影響，需要對(duì)無(wú)人船的實(shí)際速度和角速度的選取進(jìn)行約束。

約束1：無(wú)人船最高航速限制、最大角速度限制，決定了速度采樣空間動(dòng)態(tài)窗口的上下限。

式中，Vs為約束1 下的無(wú)人船速度采樣空間；vmin和vmax為無(wú)人船的最小航行速度和最大航行速度；ωmin和ωmax為無(wú)人船的最小航行角速度和最大航行角速度。速度、角速度參數(shù)由無(wú)人船的自身性能決定。無(wú)人船的航速和角速度的采樣必須要在該區(qū)間內(nèi)選取才是合理的采樣速度。

約束2：無(wú)人船的線加速度和角加速度約束。

式中，Vd為約束2 下的無(wú)人船速度采樣空間；va和ωa為無(wú)人船當(dāng)前的速度和角速度；v˙和ω˙分別是無(wú)人船的最大線加速度和最大角加速度。

約束3：安全避障距離約束，即保證無(wú)人船在當(dāng)前速度情況下進(jìn)行最大加速度制動(dòng)，可避免和最近的障礙物碰撞。

式中，Va為約束3 下的無(wú)人船速度采樣空間；v˙為無(wú)人船最大線加速度。

綜上，取三者的交集作為動(dòng)態(tài)窗口的速度采樣空間。

2.1.2 預(yù)測(cè)軌跡和目標(biāo)函數(shù)

動(dòng)態(tài)窗口法通過(guò)選擇合適的向前預(yù)測(cè)時(shí)間，基于速度采樣空間中可行速度和可行角速度，生成多條預(yù)測(cè)軌跡（圖2），選取最優(yōu)軌跡對(duì)應(yīng)的速度和角速度作為控制量，發(fā)送給控制層。

圖2 無(wú)人船軌跡預(yù)測(cè)圖

預(yù)測(cè)軌跡的評(píng)估利用評(píng)價(jià)函數(shù)完成，通常評(píng)價(jià)函數(shù)設(shè)計(jì)如下。

式中，heading（v，ω）為制導(dǎo)評(píng)價(jià)函數(shù)；dist（v，ω）為避碰評(píng)價(jià)函數(shù)；velocity（v，ω）為速度評(píng)價(jià)函數(shù)；α、β和γ分別是制導(dǎo)函數(shù)權(quán)重、避障函數(shù)權(quán)重和速度函數(shù)權(quán)重。heading（v，ω）制導(dǎo)評(píng)價(jià)函數(shù)表征當(dāng)前航向角與期望航向角之間的偏差。dist（v，ω）避碰評(píng)價(jià)函數(shù)表征無(wú)人船和最近的障礙物之間的距離，當(dāng)無(wú)人船與障礙物之間的距離超過(guò)一定值時(shí)，該函數(shù)值設(shè)置為常數(shù)。velocity（v，ω）速度評(píng)價(jià)函數(shù)表征無(wú)人船的運(yùn)行速度情況，在滿足約束條件的情況下，無(wú)人船航速越快越好。heading（v，ω），dist（v，ω）和velocity（v，ω）函數(shù)均為歸一化之后的函數(shù)。

2.2 改進(jìn)動(dòng)態(tài)窗口法

2.2.1 自適應(yīng)目標(biāo)跟蹤制導(dǎo)律

為解決動(dòng)態(tài)窗口法在避障時(shí)兼顧目標(biāo)跟蹤任務(wù)，設(shè)計(jì)了一種自適應(yīng)切換制導(dǎo)律，實(shí)現(xiàn)純跟蹤（Pure Pursuit，PP） 制導(dǎo)和方位不變法（Constant Bearing，CB） 制導(dǎo)自適應(yīng)切換。純跟蹤制導(dǎo)律簡(jiǎn)單、直接，適用于無(wú)障礙下快速跟蹤動(dòng)態(tài)目標(biāo)；方位不變法制導(dǎo)律在避障方面更有優(yōu)勢(shì)。根據(jù)障礙物環(huán)境和目標(biāo)運(yùn)動(dòng)狀態(tài)，自適應(yīng)切換跟蹤制導(dǎo)律，可保障避障的同時(shí)，改善跟蹤效果。自適應(yīng)制導(dǎo)律示意圖如圖3 所示。

純跟蹤制導(dǎo)律屬于二點(diǎn)制導(dǎo)方式，在目標(biāo)跟蹤時(shí)只考慮無(wú)人船和目標(biāo)的位置信息。此時(shí)無(wú)人船的期望航向由無(wú)人船指向船只目標(biāo)（圖3），期望航向設(shè)置如下。

圖3 自適應(yīng)切換制導(dǎo)律示意圖

式中，PT為目標(biāo)位置；PU為無(wú)人船的位置；kpp為系數(shù)。

將預(yù)測(cè)軌跡的航向與期望航向的差值作為評(píng)價(jià)函數(shù)的一部分，純跟蹤制導(dǎo)律下，headingpp（v，ω）函數(shù)設(shè)置如下。CB 制導(dǎo)也被稱為平行制導(dǎo)，船員廣泛使用CB制導(dǎo)規(guī)則來(lái)避免船舶之間的碰撞。CB 制導(dǎo)律適合在障礙環(huán)境下對(duì)目標(biāo)船只進(jìn)行避碰跟蹤。CB 制導(dǎo)律下的無(wú)人船期望航向vnd設(shè)置如下。

同理，設(shè)置方位不變法制導(dǎo)律headingcb（v，ω）函數(shù)如下。

綜上，構(gòu)造heading（v，ω）函數(shù)如下。

式中，λ為制導(dǎo)律切換因子。當(dāng)無(wú)人船需要進(jìn)行避碰時(shí)，λ為0，否則λ設(shè)置為1。

2.2.2 采樣空間優(yōu)化

動(dòng)態(tài)窗口法只模擬一段時(shí)間內(nèi)的軌跡，而無(wú)人船搭載的障礙物檢測(cè)傳感器包括航海雷達(dá)等可以在較遠(yuǎn)的距離檢測(cè)到障礙物。為保證無(wú)人船的航行安全，本文采用最近會(huì)遇點(diǎn)（Closest Point of Approach，CPA）方法對(duì)會(huì)船時(shí)可能發(fā)生的碰撞進(jìn)行檢測(cè)，剔除掉可能會(huì)發(fā)生碰撞的軌跡。最近會(huì)遇點(diǎn)方法主要包括DCPA（Distance to Closest Point of Approach）和TCPA（Time of Closest Point of Approach）。其中，DCPA 是指船舶會(huì)船時(shí)相互之間的最近距離，TCPA 是指駛抵最近會(huì)遇點(diǎn)的時(shí)間。DCPA和TCPA計(jì)算公式如下。

式中，x0和y0為無(wú)人船的位置；xt和yt為障礙物船舶的位置。若TCPA小于0，則表明無(wú)人船和障礙物在相互遠(yuǎn)離，無(wú)碰撞風(fēng)險(xiǎn)。若TCPA大于0，則表明無(wú)人船和障礙物正在相互靠近，DCPA為兩船保持當(dāng)前速度會(huì)遇時(shí)最近的距離。通過(guò)計(jì)算預(yù)測(cè)軌跡的最近會(huì)遇點(diǎn)，將可能產(chǎn)生碰撞的軌跡提前剔除。優(yōu)化采樣空間后的軌跡如圖4 所示。

圖4 優(yōu)化后的采樣軌跡

2.2.3 考慮碰撞危險(xiǎn)度的目標(biāo)函數(shù)構(gòu)建

無(wú)人船在執(zhí)行目標(biāo)跟蹤任務(wù)時(shí)，需要完成避障任務(wù)。原始動(dòng)態(tài)窗口法只考慮動(dòng)態(tài)障礙物的位置而不考慮動(dòng)態(tài)障礙物的速度，容易出現(xiàn)距離動(dòng)態(tài)障礙 物過(guò)近的現(xiàn)象，對(duì)動(dòng)態(tài)障礙物避障效果差。為防止出現(xiàn)距離動(dòng)態(tài)障礙物過(guò)近的現(xiàn)象，不僅要考慮無(wú)人船距離障礙物的當(dāng)前距離，還需要對(duì)兩船會(huì)遇時(shí)可能發(fā)生碰撞的危險(xiǎn)進(jìn)行評(píng)估。根據(jù)式（13）、式（14）計(jì)算TCPA和DCPA，可以對(duì)動(dòng)態(tài)船舶障礙物碰撞危險(xiǎn)度進(jìn)行評(píng)估。

針對(duì)“久航490”無(wú)人船，設(shè)計(jì)危險(xiǎn)度函數(shù)risk（v，ω）如下。

式中，boundary 為最大會(huì)遇距離閾值。當(dāng)無(wú)人船與障礙物船只最大會(huì)遇距離超過(guò)boundary 時(shí)，risk（v，ω）函數(shù)取值為常數(shù)。當(dāng)TCPA小于0 時(shí)，表明無(wú)人船和運(yùn)動(dòng)的障礙物船只完成了會(huì)船，兩船處于相互遠(yuǎn)離的狀態(tài)。

根據(jù)以上，構(gòu)建新的目標(biāo)函數(shù)如下。

式中，heading（v，ω）為自適應(yīng)制導(dǎo)律制導(dǎo)評(píng)價(jià)函數(shù)；risk（v，ω）為動(dòng)態(tài)船舶碰撞危險(xiǎn)度評(píng)估函數(shù)；δ為動(dòng)態(tài)船舶碰撞危險(xiǎn)度評(píng)估函數(shù)的權(quán)重。

3 仿真結(jié)果及分析

3.1 無(wú)人船參數(shù)和目標(biāo)跟蹤流程

3.1.1 無(wú)人船參數(shù)

為驗(yàn)證算法的有效性，針對(duì)自然資源部第一海洋研究所研發(fā)的“久航490”無(wú)人船[14]（圖5），利用MATLAB 2019b 平臺(tái)進(jìn)行仿真實(shí)驗(yàn)。根據(jù)“久航490”無(wú)人船實(shí)際動(dòng)力學(xué)性能，設(shè)置無(wú)人船仿真參數(shù)見(jiàn)表1。

圖5 “久航490”無(wú)人船

表1 “久航490”無(wú)人船仿真參數(shù)表

3.1.2 目標(biāo)跟蹤算法流程

（1）初始化無(wú)人船和障礙物狀態(tài)：無(wú)人船的狀態(tài)通常由定位系統(tǒng)、慣導(dǎo)等提供，包括無(wú)人船的位置、航向、航速等信息。障礙物的信息通常由航海雷達(dá)、AIS、激光雷達(dá)等障礙物檢測(cè)傳感器提供，本文仿真中假設(shè)動(dòng)靜態(tài)障礙物都在無(wú)人船的探測(cè)范圍內(nèi)，為已知信息。

（2）自適應(yīng)制導(dǎo)律選取：根據(jù)無(wú)人船和障礙物的狀態(tài)信息，自適應(yīng)選擇跟蹤制導(dǎo)律，從而計(jì)算期望航向。

（3）優(yōu)化速度空間：根據(jù)無(wú)人船性能和當(dāng)前狀態(tài)，確定動(dòng)態(tài)窗口，利用最近會(huì)遇點(diǎn)方法優(yōu)化動(dòng)態(tài)窗口。

（4） 利用改進(jìn)的目標(biāo)函數(shù)對(duì)預(yù)測(cè)軌跡進(jìn)行評(píng)價(jià)，選取最優(yōu)軌跡對(duì)應(yīng)的控制量作為控制指令，更新無(wú)人船和障礙物的狀態(tài)。如果無(wú)人船距離目標(biāo)船只距離在50 m 以內(nèi)，則視為完成目標(biāo)跟蹤任務(wù)。否則，繼續(xù)執(zhí)行以上步驟。

3.2 仿真驗(yàn)證及結(jié)果分析

針對(duì)本文提出的改進(jìn)動(dòng)態(tài)窗口法進(jìn)行驗(yàn)證，采用原始動(dòng)態(tài)窗口法與改進(jìn)算法進(jìn)行對(duì)比。采用靜態(tài)障礙物模擬航海雷達(dá)檢測(cè)到的礁石等障礙物，動(dòng)態(tài)障礙物模擬航行的船舶。圖6 中黑色船只為運(yùn)動(dòng)的目標(biāo)船只，紅色線代表目標(biāo)船只的航行軌跡。白色雙體船代表無(wú)人船，綠色線代表無(wú)人船航行軌跡。黑色圈代表膨化處理后的靜止障礙物，藍(lán)色圈代表膨化處理后的動(dòng)態(tài)船只障礙物。

圖6 原始動(dòng)態(tài)窗口目標(biāo)跟蹤仿真軌跡

由圖6（a）和圖6（b）分析可知，原始DWA 無(wú)人船躲避靜態(tài)障礙物Os1 和Os2 向目標(biāo)船只抵近。由圖6（c）分析可知，原始DWA 在T為50 s 開(kāi)始躲避動(dòng)態(tài)船只Od1 時(shí)。由于原始DWA 只考慮了無(wú)人船和船只障礙物之間的距離，而沒(méi)有考慮動(dòng)態(tài)船只的速度，在距離船只較近時(shí)才開(kāi)始避障，距離動(dòng)態(tài)船只障礙最近距離只有20 m，安全風(fēng)險(xiǎn)極大。由圖6（d）分析可知，面對(duì)動(dòng)態(tài)障礙物Od2，無(wú)人船并未采取避讓行為，保持直線航行，對(duì)動(dòng)態(tài)障礙物避障效果較差。由圖6（e）和圖6（f）分析可知，在T為150 s時(shí)，無(wú)人船期望航向指向目標(biāo)船只，導(dǎo)致原始方法選擇從Os3 和Os4 障礙物之間的狹小縫隙中穿過(guò)，無(wú)人船在躲避Os4 障礙物航向變化較大，且和動(dòng)態(tài)障礙物之間的距離過(guò)近。穿越狹窄空間后，無(wú)人船航向和目標(biāo)船只的航向差值較大，無(wú)人船需要一定的調(diào)整時(shí)間，錯(cuò)過(guò)了跟蹤可疑機(jī)動(dòng)目標(biāo)的時(shí)機(jī)。

由圖7（a）、圖7（b）和圖7（c）可知，改進(jìn)DWA由于考慮了將來(lái)碰撞的風(fēng)險(xiǎn)，在T為30 s 時(shí)對(duì)動(dòng)態(tài)船只障礙物Od1 采取避讓行為，轉(zhuǎn)向時(shí)機(jī)早，與動(dòng)態(tài)障礙物Od1 保持了足夠的安全距離。由圖7（d）可知，面對(duì)動(dòng)態(tài)障礙物Od2 時(shí)，無(wú)人船適當(dāng)向左轉(zhuǎn)向，保持足夠的安全距離。由圖7（e）可知，面對(duì)較為密集的障礙物Os3 和Os4，無(wú)人船自適應(yīng)選擇跟蹤制導(dǎo)律，從Os4 的右側(cè)駛過(guò)，既與兩個(gè)靜態(tài)障礙物保持了足夠的安全距離，也充分考慮了目標(biāo)船只的速度和航向，未錯(cuò)過(guò)目標(biāo)跟蹤時(shí)機(jī)。由圖7（f）可知，無(wú)人船檢測(cè)到右側(cè)動(dòng)態(tài)船只障礙物時(shí)，采取了向左轉(zhuǎn)向保持安全距離的行為，同時(shí)跟蹤目標(biāo)船只，逐漸縮短和目標(biāo)船只之間的距離。

圖7 改進(jìn)動(dòng)態(tài)窗口法目標(biāo)跟蹤仿真軌跡

由圖8 分析可知，原始DWA 距離最近障礙物的平均距離為50.8 m，改進(jìn)DWA 距離最近障礙物的平均距離為63.8 m，安全距離增加了25.6%。原始動(dòng)態(tài)窗口法完成目標(biāo)跟蹤任務(wù)用時(shí)276 s，改進(jìn)方法用時(shí)184 s，運(yùn)動(dòng)目標(biāo)跟蹤時(shí)間縮短了33.3%。改進(jìn)方法在目標(biāo)跟蹤快速性和安全性方面都得到了提高。

圖8 目標(biāo)距離和障礙物距離對(duì)比圖

由圖9 分析可知，采用改進(jìn)DWA 方法的無(wú)人船在目標(biāo)跟蹤過(guò)程，航向由0 m/s 逐步增加到允許的最大值5 m/s 后，可保持最高航速完成目標(biāo)跟蹤與避障任務(wù)。而原始DWA 方法由于躲避動(dòng)態(tài)障礙物不及時(shí)，出現(xiàn)了兩次降速現(xiàn)象，在140 s 附近由最高速度5 m/s 降速到1 m/s，易錯(cuò)過(guò)跟蹤機(jī)動(dòng)船只目標(biāo)的時(shí)機(jī)。

圖9 跟蹤過(guò)程航速對(duì)比圖

綜合對(duì)比復(fù)雜場(chǎng)景下無(wú)人船目標(biāo)跟蹤的過(guò)程可知，原始DWA 未優(yōu)化采樣空間，一些當(dāng)前不會(huì)產(chǎn)生碰撞但是將來(lái)可能產(chǎn)生碰撞的軌跡也被考慮，導(dǎo)致了傳統(tǒng)DWA 較為“短視”，容易出現(xiàn)距離障礙物較近時(shí)才采取避障行為的情況。改進(jìn)方法在處理動(dòng)態(tài)障礙物時(shí)，通過(guò)考慮未來(lái)碰撞危險(xiǎn)度，采用提前避障行為，不會(huì)出現(xiàn)航向大幅度改變的情況，自適應(yīng)跟蹤律的加入讓改進(jìn)方法在跟蹤過(guò)程中期望航向的選取更加合理，減小了無(wú)人船因?yàn)楸苷蠈?dǎo)致跟丟機(jī)動(dòng)目標(biāo)的可能性。

4 結(jié) 論

針對(duì)多淺灘、礁石和漁船的復(fù)雜環(huán)境下可疑船只目標(biāo)運(yùn)動(dòng)跟蹤的問(wèn)題，本文提出了一種改進(jìn)無(wú)人船目標(biāo)跟蹤運(yùn)動(dòng)規(guī)劃算法。改進(jìn)DWA 充分考慮了無(wú)人船和被跟蹤目標(biāo)的狀態(tài)，引入了自適應(yīng)目標(biāo)跟蹤制導(dǎo)律，優(yōu)化了采樣空間和目標(biāo)函數(shù)。通過(guò)對(duì)比原始DWA 與改進(jìn)DWA，證明優(yōu)化后的采樣空間可以使無(wú)人船提前轉(zhuǎn)向，目標(biāo)跟蹤路徑更加平滑。改進(jìn)方法考慮障礙物的速度信息，可有效躲避動(dòng)態(tài)障礙物，在目標(biāo)跟蹤安全性和快速性方面具有明顯的優(yōu)勢(shì)，下一步將該算法應(yīng)用于自研發(fā)的無(wú)人船系統(tǒng)中，以驗(yàn)證算法的實(shí)用性和效果。