基于三次B样条曲线与动态窗口算法的桁杆轨迹规划

戴阳; 姚宇青; 郑汉丰; 韦波; 杨昱皞; 王永进; 张禹

doi:10.12131/20220048

基于三次B样条曲线与动态窗口算法的桁杆轨迹规划

doi: 10.12131/20220048

戴阳^1, ,,
姚宇青^{1, 2},
郑汉丰¹,
韦波^{1, 2},
杨昱皞^{1, 3},
王永进¹,
张禹¹

1.
中国水产科学研究院东海水产研究所/农业农村部远洋与极地渔业创新重点实验室，上海 200090
2.
上海海洋大学信息学院，上海 201306
3.
大连海洋大学航海与船舶工程学院，辽宁大连 116023

基金项目: 国家重点研发计划项目 (2020YFD0901204)；上海市科学技术委员会科研计划项目 (18391900800)

详细信息

通讯作者:
戴　阳 (1969—)，男，副研究员，博士，研究方向为渔业信息与遥感技术。E-mail: 13162787852@163.com

中图分类号: S 973.9
计量
- 文章访问数: 471
- HTML全文浏览量: 120
- PDF下载量: 17
- 被引次数: 0
出版历程
- 收稿日期: 2022-02-28
- 修回日期: 2022-06-30
- 录用日期: 2022-09-08
- 网络出版日期: 2022-09-13
- 刊出日期: 2023-04-05

Truss rod trajectory planning based on cubic B-spline curve and Dynamic Window Algorithm

DAI Yang^{1
, ,},
YAO Yuqing^{1, 2},
ZHENG Hanfeng¹,
WEI Bo^{1, 2},
YANG Yuhao^{1, 3},
WANG Yongjin¹,
ZHANG Yu¹

1.
East China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences/Key Laboratory of Oceanic and Polar Fisheries, Ministry of Agriculture and Rural Affairs, Shanghai 200090, China
2.
College of Information, Shanghai Ocean University, Shanghai 201306, China
3.
College of Navigation and Ship Engineering, Dalian Ocean University, Dalian 116023, China

摘要

摘要: 针对当前中国南极磷虾 (Euphausia superba) 捕捞自动化水平较低、人工观察探渔仪图像确定捕捞深度易产生误差等问题，提出一种基于南极磷虾声呐设备元数据的动力桁杆轨迹规划方法。首先解析水声学仪器EK80科学回声探测仪传回的数据，得到磷虾在不同深度下的目标强度，用统计学方法确定磷虾在该深度下的资源量，以此得到每个水平距离 (X) 对应的磷虾最密集的深度 (Y)，再利用三次B样条曲线和动态窗口算法分别进行全局和局部路径规划，规划路线通过这些磷虾最密集的深度。结果显示，规划路径全长1 054 m，总用时614 s，动态窗口算法跟踪的最大偏离距离仅为3.3 m，小于预计的最大偏移距离 (5 m)。所提出的方法具有以下优点：1) 有效避免人工判断资源量深度产生误差而对捕捞量造成影响，提高捕捞效率；2) 实现自动规划捕捞效益最佳的桁杆前进路线。
- 南极磷虾 /
- 路径规划 /
- 三次B样条曲线 /
- 动态窗口算法
Abstract: In order to solve the problems such as the current low level of automation in the fishing of Antarctic krills (Euphausia superba) in China, and the error in determining the fishing depth by manually observing the fish detector image, we proposed a dynamic truss trajectory planning method based on the metadata of Antarctic krill sonar equipment. First, we analyzed the data sent back by the underwater acoustic instrument EK80 scientific echo sounder, obtained the target intensity of krills at different depths, and used statistical methods to determine the krills resources at this depth, so as to get the densest depth (Y) of krills corresponding to each horizontal distance (X). Then we used cubic B-spline curve and Dynamic Window Algorithm to carry out the global path planning and local path planning. The planned route passed through the densest depth of these krills. The results show that the total length of the planned path was 1 054 m, and the total time was 614 s. The maximum deviation distance tracked by the Dynamic Window Algorithm was only 3.3 m, which was less than the expected maximum deviation distance of 5 m. The proposed method can: 1) Avoid the impact of artificial judgment of resource depth on the fishing volume effectively, and improve the fishing efficiency. 2) Realize the automatic planning of the truss forward route with the best fishing efficiency.
- Euphausia superba /
- Path planning /
- Cubic B-spline curve /
- Dynamic Window Algorithm

HTML全文

图 1 桁杆结构图

Figure 1. Structure of truss rod

下载: 全尺寸图片幻灯片

图 2 磷虾目标深度

Figure 2. Target depth of krills

下载: 全尺寸图片幻灯片

图 3 深度值筛选与插值算法

Figure 3. Depth value filtering and interpolation algorithm

下载: 全尺寸图片幻灯片

图 4 磷虾目标深度与规划路径对比

Figure 4. Comparison between target depth and planned path of krills

下载: 全尺寸图片幻灯片

图 5 修改动态窗口为可跟踪连续节点

Figure 5. Change of dynamic window to trackable continuous nodes

下载: 全尺寸图片幻灯片

图 6 算法整体执行流程

Figure 6. Overall algorithm execution flow

下载: 全尺寸图片幻灯片

图 7 桁杆实验

Figure 7. Truss test

下载: 全尺寸图片幻灯片

图 8 动态窗口算法对规划路径的跟踪情况

Figure 8. Dynamic window algorithm tracking planned path

下载: 全尺寸图片幻灯片

图 9 偏离最优航线距离

Figure 9. Distance from optimal route

下载: 全尺寸图片幻灯片

表 1 仿真参数的设置

Table 1. Simulation parameter settings

参数 Parameter	数值 Value	参数 Parameter	数值 Value
最大速度 Maximum speed	1.5 m·s⁻¹	最大角速度 Maximum angular velocity	0.7 rad·s⁻¹
最小速度 Minimum speed	0 m·s⁻¹	最小角速度 Minimum angular velocity	0 rad·s⁻¹
速度加速度 Velocity acceleration	0.3 m·s⁻²	速度分辨率 Velocity resolution	0.1 m·s⁻¹
角速度加速度 Angular velocity acceleration	0.2 rad·s⁻²	角速度分辨率 Angular velocity resolution	0.1 rad·s⁻¹
间隔时间 Interval time	0.1 s	向前模拟轨迹的时间 Time of forward simulation track	3 s
评价函数权重α Evaluation function weight α	0.4	评价函数权重γ Evaluation function weight γ	0.1
评价函数权重β Evaluation function weight β	0.4	评价函数权重δ Evaluation function weight δ	0.1

下载: 导出CSV

参考文献(32)

[1]	王荣, 孙松. 南极磷虾渔业现状与展望[J]. 海洋科学, 1995(4): 28-32.
[2]	王万勇, 刘怡锦, 谢宁. 南极磷虾捕捞加工船及装备发展现状和趋势[J]. 船舶工程, 2020, 42(7): 33-39.
[3]	徐国栋, 陈雪忠, 黄洪亮, 等. 南极磷虾捕捞技术探讨[J]. 湖南农业科学, 2011(19): 122-124. doi: 10.3969/j.issn.1006-060X.2011.19.038
[4]	苏志鹏, 许柳雄, 朱国平, 等. 拖速和曳纲长度对南极磷虾中层拖网网位的影响[J]. 中国水产科学, 2017, 24(4): 884-892.
[5]	刘健, 黄洪亮, 李灵智, 等. 南极磷虾连续捕捞技术发展状况[J]. 渔业现代化, 2013, 40(4): 51-54. doi: 10.3969/j.issn.1007-9580.2013.04.010
[6]	谌志新, 王志勇, 欧阳杰. 我国南极磷虾捕捞与加工装备科技发展研究[J]. 中国工程科学, 2019, 21(6): 48-52.
[7]	王新良, 赵宪勇, 左涛, 等. 黄海太平洋磷虾回波映像识别与资源密度评估[J]. 水产学报, 2016, 40(7): 1080-1088.
[8]	张吉昌, 赵宪勇, 王新良, 等. 商用探鱼仪南极磷虾声学图像的数值化处理[J]. 渔业科学进展, 2012, 33(4): 64-71. doi: 10.3969/j.issn.1000-7075.2012.04.009
[9]	王鲁民, 王永进, 齐广瑞, 等. 南极磷虾桁杆拖网升潜自供能调节装备: 212488059U[P]. 2021-02-09.
[10]	吕文杰, 马戎, 李岁劳, 等. 基于纯追踪模型的路径跟踪改进算法[J]. 测控技术, 2011, 30(7): 93-96,100. doi: 10.3969/j.issn.1000-8829.2011.07.024
[11]	李革, 王宇, 郭刘粉, 等. 插秧机导航路径跟踪改进纯追踪算法[J]. 农业机械学报, 2018, 49(5): 21-26. doi: 10.6041/j.issn.1000-1298.2018.05.002
[12]	张智刚, 罗淆文, 赵祚喜, 等. 基于Kalman滤波和纯追踪模型的农业机械导航控制[J]. 农业机械学报, 2009, 40(S1): 6-12.
[13]	敖邦乾, 杨莎, 叶振环. 改进蚁群算法水面无人艇平滑路径规划[J]. 控制理论与应用, 2021, 38(7): 1006-1014. doi: 10.7641/CTA.2021.00735
[14]	王洪斌, 尹鹏衡, 郑维, 等. 基于改进的A*算法与动态窗口法的移动机器人路径规划[J]. 机器人, 2020, 42(3): 346-353.
[15]	槐创锋, 郭龙, 贾雪艳, 等. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 5. doi: 10.3778/j.issn.1002-8331.2008-0063
[16]	田晃. 基于改进A*算法与改进DWA算法的无人驾驶汽车路径规划研究[D]. 海口: 海南大学, 2021: 5-12.
[17]	曾德全, 余卓平, 张培志, 等. 三次B样条曲线的无人车避障轨迹规划[J]. 同济大学学报(自然科学版), 2019, 47(S1): 159-163.
[18]	张瑜, 宋荆洲, 张琪祁. 基于改进动态窗口法的户外清扫机器人局部路径规划[J]. 机器人, 2020, 42(5): 617-625.
[19]	PALERMINO A, FELICE A D, CANDUCI G, et al. First target strength measurement of Trachurus mediterraneus and Scomber colias in the Mediterranean Sea[J]. Fish Res, 2021, 240: 105973. doi: 10.1016/j.fishres.2021.105973
[20]	BASSETT C, LAVERY A C, STANTON T K. Broadband measurements of the acoustic target strength of mesopelagic fishes[J]. J Acoust Soc Am, 2019, 146(4): 2772.
[21]	GORDON W J, RIESENFELD R F. B-spline curves and surfaces[J]. Comput Aided Geom Des, 1974, 23(91): 95-126.
[22]	FOX D, BURGARD W, THRUN S. The dynamic window approach to collision avoidance[J]. IEEE Robot Autom Mag, 2002, 4(1): 23-33.
[23]	王畅. 基于水下滑翔机的路径规划研究和可视化平台设计[D]. 天津: 天津大学, 2020: 20-25.
[24]	杨周, 刘海滨. 基于改进蚁群与动态窗口法的AGV动态路径规划[J]. 计算机工程与应用, 2022, 58(6): 287-295. doi: 10.3778/j.issn.1002-8331.2108-0501
[25]	李莹春. 环境因子对南极半岛北部南极磷虾渔场时空分布影响研究[D]. 上海: 上海海洋大学, 2012: 5-7.
[26]	ICHI T. Distribution of Antarctic krill concentrations exploited by Japanese krill trawlers and minke whales (Eleventh Symposium on Polar Biology)[C]. Proceedings of the NIPR Symposium on Polar Biology, 1990: 36-56.
[27]	吕恩利, 林伟加, 刘妍华, 等. 基于B样条曲线的智能叉车托盘拾取路径规划研究[J]. 农业机械学报, 2019, 50(5): 394-402. doi: 10.6041/j.issn.1000-1298.2019.05.045
[28]	朱振强. 飞行器航路规划与评价研究[D]. 西安: 西安电子科技大学, 2014: 30-37.
[29]	李红, 王文军, 李克强. 基于B样条理论的平行泊车路径规划[J]. 中国公路学报, 2016, 29(9): 143-151. doi: 10.3969/j.issn.1001-7372.2016.09.019
[30]	冯峰. 基于三次B样条曲线的一些算法研究[D]. 武汉: 武汉大学, 2021: 23-27.
[31]	肖轶军, 丁明跃, 彭嘉雄. 基于迭代最近点的B样条曲线拟合方法研究[J]. 中国图象图形学报, 2000(7): 49-52. doi: 10.11834/jig.20000709
[32]	胡中华, 许昕, 陈中. 无人机三维航迹非均匀三次B样条平滑算法[J]. 控制工程, 2020, 27(7): 1259-1266.