针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的全覆盖路径规划问题,提出了一种考虑随机初始位置约束的多AUV覆盖路径规划方法(Dividing Areas based on Robots Initial Positions CPP,DARIP-CPP)。根据多自主水下机器人...针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的全覆盖路径规划问题,提出了一种考虑随机初始位置约束的多AUV覆盖路径规划方法(Dividing Areas based on Robots Initial Positions CPP,DARIP-CPP)。根据多自主水下机器人的随机初始位置对工作海域进行均衡区域划分,将划分所得的不重叠区域分配给多AUV进行独立覆盖路径规划,每台AUV利用生物启发神经网络(Bio-inspired Neural Network)优化各个区域的全覆盖路径。为了克服传统全覆盖路径规划中的“死区”问题,采用A^(*)路径规划算法进行“死区”逃离,沿着较短的路径快速到达未覆盖区域点。仿真结果表明,所提出的DARIPCPP方法可有效提高多AUV全覆盖目标区域的工作效率。展开更多
数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar To...数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar Topography Mission)、ETOPO(Earth Topography)等在不同海域的数据类型、数据来源和产品精度均存在差异。为利用全球测深数据和DBMs产品重建中国近海水深模型,本文提出一种基于水深分区的加权融合重建框架。首先,从5个维度(整体精度、不同水深、航线剖面、地理分区、局部细节)对比分析6种常用DBMs产品的可靠性和适用性;然后,顾及水深和地形特征对研究区进行分割和分区,并选取分区内最优DBMs产品,以最小误差为约束进行最优加权融合;最后,对融合结果进行实测值恢复、平滑滤波等后处理,形成中国海岸线周边近海海域15″分辨率高精度无缝水深模型。结果表明,融合结果相比SRTM30_PLUS、GEBCO_2022、SRTM15_V2.5.5和ETOPO_2022均方根误差降低了27%、14%、14%和13%,地形细节也得到保留,证明了该融合框架的可行性,可为多数据集大规模海底地形的融合重建和及时更新提供参考。展开更多
文摘针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的全覆盖路径规划问题,提出了一种考虑随机初始位置约束的多AUV覆盖路径规划方法(Dividing Areas based on Robots Initial Positions CPP,DARIP-CPP)。根据多自主水下机器人的随机初始位置对工作海域进行均衡区域划分,将划分所得的不重叠区域分配给多AUV进行独立覆盖路径规划,每台AUV利用生物启发神经网络(Bio-inspired Neural Network)优化各个区域的全覆盖路径。为了克服传统全覆盖路径规划中的“死区”问题,采用A^(*)路径规划算法进行“死区”逃离,沿着较短的路径快速到达未覆盖区域点。仿真结果表明,所提出的DARIPCPP方法可有效提高多AUV全覆盖目标区域的工作效率。
文摘数字水深模型(Digital Bathymetric Models,简称“DBMs”),是近海工程建设、资源开发、环境保护等领域的重要基础地理信息数据。现有全球公开DBMs产品如GEBCO(The General Bathymetric Chart of the Oceans)、SRTM(The Shuttle Radar Topography Mission)、ETOPO(Earth Topography)等在不同海域的数据类型、数据来源和产品精度均存在差异。为利用全球测深数据和DBMs产品重建中国近海水深模型,本文提出一种基于水深分区的加权融合重建框架。首先,从5个维度(整体精度、不同水深、航线剖面、地理分区、局部细节)对比分析6种常用DBMs产品的可靠性和适用性;然后,顾及水深和地形特征对研究区进行分割和分区,并选取分区内最优DBMs产品,以最小误差为约束进行最优加权融合;最后,对融合结果进行实测值恢复、平滑滤波等后处理,形成中国海岸线周边近海海域15″分辨率高精度无缝水深模型。结果表明,融合结果相比SRTM30_PLUS、GEBCO_2022、SRTM15_V2.5.5和ETOPO_2022均方根误差降低了27%、14%、14%和13%,地形细节也得到保留,证明了该融合框架的可行性,可为多数据集大规模海底地形的融合重建和及时更新提供参考。
