CN113124876B - 无人船在地形复杂海域遍历监测中路径优化方法及系统 - Google Patents

Abstract

本发明公开无人船在地形复杂海域遍历监测中路径优化方法及系统，首先确定遍历区域范围内栅格线上各待遍历点的分布；然后当起始点周围各待遍历点不存在障碍物时，则判断起始点周围是否还存在待遍历点；如果存在，则选取概率最大的待遍历点，经起始点与概率最大的待遍历点之间的路径作为最优工作路径，并将概率最大的待遍历点作为下一个起始点；如果不存在，则从剩余池中选择满足遍历条件的待遍历点作为下一个起始点，并判断剩余池是否为空；如果为空，则遍历结束；如果剩余池不为空，则重新判断障碍物。本发明公开的方案实现在近海多岛礁、暗礁以及多海湾区域的遍历巡视，在避免遗漏海湾及死角的同时，极大程度地减少了重复路径。

Description

无人船在地形复杂海域遍历监测中路径优化方法及系统

技术领域

本发明涉及路径优化技术领域，特别是涉及一种无人船在地形复杂海域遍历监测中路径优化方法及系统。

背景技术

我国幅员辽阔，海岸线长，并且群岛、暗礁众多，对近岸及岛屿周边进行海洋环境的全天候、常态化监测，实时掌握水面、水下环境要素的变化趋势，对环保、安全、国防等方面都具有非常重要的意义。但“海岸地貌”地形条件复杂，一般都属于多岛礁、多暗礁、多海湾区域，利用传统驾驶有人船进行人工采样等对近岸海域的海洋环境常态化监测异常困难，并且有人船的动力燃料容易对水域造成二次污染，不适用于水质环境监测。

无人船作为新兴的智能自主机器人装备，小巧、灵活、吃水浅、自主性强，可在高辐射、重污染等恶劣环境工作，具有传统的海洋环境监测工具所不具备的独特优势。研究无人船在地形复杂海域遍历监测中的路径优化技术，使其在地形复杂海域中能够自主采用最优路径进行遍历，避免重复遍历、遗漏遍历及“死角”的发生，从而将其应用到近岸或岛屿周围的海洋环境周期性常态化监测中，一方面节省了人力物力，改善了人员的工作环境，提高了劳动效率，另一方面也在很大程度上避免了手工操作的误差，从而增强了监测数据的实时性、正确性和有效性。

无人船完全遍历路径规划需满足两个指标：遍历性和不重复性。所谓遍历性是指无人船的运动轨迹需要最大限度地遍布其可达任务空间，它反映的是无人船的工作质量问题；所谓不重复性是指无人船的行走路线应尽量避免重复，反映的是无人船的工作效率问题。纵观国内外在无人船路径遍历方面的研究，均围绕这两个指标在服务，目标都是一致的：在保证遍历性的基础上，尽量减少重复，也就是说，既要保证质量也要保证效率。

另外，结合无人船本身的运行特点，在无人船行驶过程中尽量减少拐弯的角度，即“走直路不走弯路”，因为运行过程中拐弯会对船体的稳定性造成影响，从而影响船的安全以及船载设备的工作状态等。

目前，无人船完全遍历路径规划采用较多的算法有人工势场法、遗传算法、神经网络算法和启发式算法等。但根据实际使用过程中的经验得出，人工势场法的缺点在于一旦地形过于复杂，无人船采用该种算法进行完全遍历路径规划时有可能陷入局部最优解，进而产生遗漏区域；遗传算法搜索效率较低，面对复杂多变的海底环境较难达到遍历性要求；神经网络算法和启发式算法等需要事先采集足够多的训练样本数据对算法模型进行训练，并且会出现随机性选择和重复覆盖多的缺陷，并不适用于未知复杂海底区域的在线实时地形覆盖扫描任务的要求。

综上所述，传统的适用于无人船的路径遍历算法很难满足无人船在近海多岛礁、暗礁以及多海湾区域的遍历巡视需求。

发明内容

本发明的目的是提供一种无人船在地形复杂海域遍历监测中路径优化方法及系统，以实现在近海多岛礁、暗礁以及多海湾区域的遍历巡视。

为实现上述目的，本发明提供了一种无人船在地形复杂海域遍历监测中路径优化方法，所述方法包括：

步骤S1：根据无人船上雷达的搜索射程以及搜索区域确定遍历区域范围内栅格线的间隔距离以及栅格线上各待遍历点的分布；

步骤S2：将所有待遍历点加入到剩余池中，从剩余池中选取任意一个待遍历点作为起始点开始遍历，并将起始点加入已遍历池中；

步骤S3：从剩余池中选取起始点周围各待遍历点，并利用无人船上雷达扫描判断起始点周围各待遍历点是否存在障碍物；如果各待遍历点存在障碍物，则将各待遍历点加入障碍物池；如果各待遍历点不存在障碍物，则执行“步骤S4；

步骤S4：判断起始点周围是否还存在待遍历点；如果存在待遍历点，则执行“步骤S5”；如果不存在待遍历点，则说明无人船进入死角，执行“步骤S7”；

步骤S5：计算起始点周围各待遍历点对应的概率；

步骤S6：选取概率最大的待遍历点，经起始点与概率最大的待遍历点之间的路径作为最优工作路径，并将概率最大的待遍历点作为下一个起始点，同时加入已遍历池中；

步骤S7：从剩余池中选择满足遍历条件的待遍历点作为下一个起始点，并执行“步骤S8”；

步骤S8：判断剩余池是否为空；如果剩余池为空，则遍历结束，基于障碍物池内各待遍历点确定障碍物示意图，基于已遍历池中各待遍历点确定最优工作路径图；如果剩余池不为空，则返回“步骤S3”。

可选地，所述计算起始点周围各待遍历点对应的概率的具体公式为：

其中，P为各待遍历点对应的概率，A为各待遍历点的权值，θ为转向角度。

可选地，在步骤S2之前还包括：从起始栅格线到终止栅格线对应的权重递增，同一栅格线上多个待遍历点对应的权重等于该栅格线对应的权重。

可选地，所述遍历条件为权值最小且距离起始点最近。

本发明还提供一种无人船在地形复杂海域遍历监测中路径优化系统，所述系统包括：

各待遍历点分布确定模块，用于根据无人船上雷达的搜索射程以及搜索区域确定遍历区域范围内栅格线的间隔距离以及栅格线上各待遍历点的分布；

第一选取模块，用于将所有待遍历点加入到剩余池中，从剩余池中选取任意一个待遍历点作为起始点开始遍历，并将起始点加入已遍历池中；

第一判断模块，用于从剩余池中选取起始点周围各待遍历点，并利用无人船上雷达扫描判断起始点周围各待遍历点是否存在障碍物；如果各待遍历点存在障碍物，则将各待遍历点加入障碍物池；如果各待遍历点不存在障碍物，则执行“第二判断模块；

第二判断模块，用于判断起始点周围是否还存在待遍历点；如果存在待遍历点，则执行“概率计算模块”；如果不存在待遍历点，则说明无人船进入死角，执行“第二选取模块”；

概率计算模块，用于计算起始点周围各待遍历点对应的概率；

最优工作路径确定模块，用于选取概率最大的待遍历点，经起始点与概率最大的待遍历点之间的路径作为最优工作路径，并将概率最大的待遍历点作为下一个起始点，同时加入已遍历池中；

第二选取模块，用于从剩余池中选择满足遍历条件的待遍历点作为下一个起始点，并执行“第三判断模块”；

第三判断模块，用于判断剩余池是否为空；如果剩余池为空，则遍历结束，基于障碍物池内各待遍历点确定障碍物示意图，基于已遍历池中各待遍历点确定最优工作路径图；如果剩余池不为空，则返回“第一判断模块”。

可选地，所述计算起始点周围各待遍历点对应的概率的具体公式为：

其中，P为各待遍历点对应的概率，A为各待遍历点的权值，θ为转向角度。

可选地，所述系统还包括：权重设置模块，用于从起始栅格线到终止栅格线对应的权重递增，同一栅格线上多个待遍历点对应的权重等于该栅格线对应的权重。

可选地，所述遍历条件为权值最小且距离起始点最近。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明公开的无人船在地形复杂海域遍历监测中路径优化方法及系统，实现在近海多岛礁、暗礁以及多海湾区域的遍历巡视，无需事先对监测海域进行地形勘察，无人船在遍历行驶过程中会自动绘制障碍物示意图、最优工作路径图及海湾地形图，在避免遗漏海湾及“死角”的同时，极大程度地减少了重复路径，进而提高了工作效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例2无人船在地形复杂海域遍历监测中路径优化系统结构图；

图2为本发明实施例3无人船在正常情况下海域遍历监测中路径优化示意图；

图3为本发明实施例4无人船在包含独立圆形障碍物的海域遍历监测中路径优化示意图；

图4为本发明实施例5无人船在包含独立菱形障碍物的海域遍历监测中路径优化示意图；

图5为本发明实施例6无人船在包含独立不规则障碍物的海域遍历监测中路径优化示意图一；

图6为本发明实施例6无人船在包含独立不规则障碍物的海域遍历监测中路径优化示意图二；

图7为本发明实施例7无人船在包含海湾的海域遍历监测中路径优化示意图；

图8为本发明实施例8无人船在实际应用场景模拟中路径优化示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种无人船在地形复杂海域遍历监测中路径优化方法及系统，以实现在近海多岛礁、暗礁以及多海湾区域的遍历巡视。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

预置条件：

在遍历之前，先根据遍历海域的范围及无人船载雷达射程划分栅格线，并按照栅格线的顺序指定遍历路径，在无障碍物的情况下，按照预定的路线行驶。在遇到障碍物时，按照公式1选择下一个遍历点。

公式:

其中，P为各待遍历点对应的概率，A为各待遍历点的权值，θ为转向角度。

公式说明：

(1)P是每个点对应的概率，P越大，该点被选为下一个遍历点的概率越高；

(2)A是点的权值，根据无人船从起点到终点的栅格线依次递增，起点栅格线的权值为0；

(3)θ是转向角度，即无人船从当前位置到达下一位置时，需要转向的角度，当θ＝0(无需转向)时，P值最大；

(4)在A相同时，θ越小，P值越高；

(5)在θ相同时，A越小，P值越高。

策略描述:

P即将到达点的选择概率，P越大，选择概率越高。

A是点的权值，越靠近起点，A越大，同一纵向栅格线的点的权值相同。

θ是转向角度，在A相同时，θ越小，选择概率越高，同一行驶方向上的点(θ＝0)，选择概率为无穷大。

遍历区域栅格线上所有点分为“已遍历池”、“未遍历池”、“障碍物池”，这3个池的点合集为总点数。

进入“死角”后，若“剩余池”非空，下一个遍历点的选择策略是：从“剩余池”中选择权值最小，并且与当前点的距离最近的点，作为下一个遍历点。

遍历之初，“未遍历池”为总点数，“已遍历池”和“障碍物池”为空。

随着遍历的进行，雷达扫描到的障碍物点均加入“障碍物池”，池中的点(包括遍历区域边界线)如果形成“闭环”，则环中的所有点均认定为“障碍物点”；“未遍历池”为空，遍历结束。

基于上述策略描述以及预置条件，本发明总结出一种无人船在地形复杂海域遍历监测中路径优化方法，所述方法包括：

步骤S1：根据无人船上雷达的搜索射程以及搜索区域确定遍历区域范围内栅格线的间隔距离以及栅格线上各待遍历点的分布；从起始栅格线到终止栅格线对应的权重递增，同一栅格线上多个待遍历点对应的权重等于该栅格线对应的权重。

步骤S2：将所有待遍历点加入到剩余池中，从剩余池中选取任意一个待遍历点作为起始点开始遍历；并将起始点加入已遍历池中。

步骤S3：从剩余池中选取起始点周围各待遍历点，并利用无人船上雷达扫描判断起始点周围各待遍历点是否存在障碍物；如果各待遍历点存在障碍物，则将各待遍历点加入障碍物池；如果各待遍历点不存在障碍物，则执行“步骤S4。

步骤S4：判断起始点周围是否还存在待遍历点；如果存在待遍历点，则执行“步骤S5”；如果不存在待遍历点，则说明无人船进入“死角”，执行“步骤S7”。

步骤S5：根据

计算起始点周围各待遍历点对应的概率；其中，P为各待遍历点对应的概率，A为各待遍历点的权值，θ为转向角度。

步骤S6：选取概率最大的待遍历点，经起始点与概率最大的待遍历点之间的路径作为最优工作路径，并将概率最大的待遍历点作为下一个起始点，同时加入已遍历池中。

步骤S7：从剩余池中选择满足遍历条件的待遍历点作为下一个起始点，并执行“步骤S8”。所述遍历条件为权值最小且距离起始点最近。

步骤S8：判断“剩余池”是否为空；如果“剩余池”为空，则遍历结束，基于障碍物池内各待遍历点确定障碍物示意图，基于已遍历池中各待遍历点确定最优工作路径图；如果“剩余池”不为空，则返回“步骤S3”。

无人船在近浅海完全路径遍历技术要解决的技术问题有：避免遗漏海湾、重复海湾的发生、尽量减少船舶拐弯幅度、尽量减少重复路径。鉴于传统的路径遍历技术无法满足无人船在近海、浅海区域多暗礁、多海湾等复杂地形的遍历要求，本算法充分考虑无人船本身的技术特性及遍历要求，提出一种新型的适用于无人船在地形复杂海域遍历监测中路径优化方法。该路径优化方法实现在近海多岛礁、暗礁以及多海湾区域的遍历巡视，无需事先对监测海域进行地形勘察，无人船在遍历行驶过程中会自动绘制障碍物示意图、最优工作路径图及海湾地形图，在避免遗漏海湾及“死角”的同时，极大程度地减少了重复路径，进而提高了工作效率。

实施例2

如图1所示，本发明还提供一种无人船在地形复杂海域遍历监测中路径优化系统，所述系统包括：

各待遍历点分布确定模块101，用于根据无人船上雷达的搜索射程以及搜索区域确定遍历区域范围内栅格线的间隔距离以及栅格线上各待遍历点的分布。

权重设置模块102，用于从起始栅格线到终止栅格线对应的权重递增，同一栅格线上多个待遍历点对应的权重等于该栅格线对应的权重。

第一选取模块103，用于将所有待遍历点加入到剩余池中，从剩余池中选取任意一个待遍历点作为起始点开始遍历，并将起始点加入已遍历池中。

第一判断模块104，用于从剩余池中选取起始点周围各待遍历点，并利用无人船上雷达扫描判断起始点周围各待遍历点是否存在障碍物；如果各待遍历点存在障碍物，则将各待遍历点加入障碍物池；如果各待遍历点不存在障碍物，则执行“第二判断模块。

第二判断模块105，用于判断起始点周围是否还存在待遍历点；如果存在待遍历点，则执行“概率计算模块”；如果不存在待遍历点，则说明无人船进入死角，执行“第二选取模块”。

概率计算模块106，用于计算起始点周围各待遍历点对应的概率。

最优工作路径确定模块107，用于选取概率最大的待遍历点，经起始点与概率最大的待遍历点之间的路径作为最优工作路径，并将概率最大的待遍历点作为下一个起始点，同时加入已遍历池中。

第二选取模块108，用于从剩余池中选择满足遍历条件的待遍历点作为下一个起始点，并执行“第三判断模块”。所述遍历条件为权值最小且距离起始点最近。

第三判断模块109，用于判断剩余池是否为空；如果剩余池为空，则遍历结束，基于障碍物池内各待遍历点确定障碍物示意图，基于已遍历池中各待遍历点确定最优工作路径图；如果剩余池不为空，则返回“第一判断模块”。

具体的，所述计算起始点周围各待遍历点对应的概率的具体公式为：

其中，P为各待遍历点对应的概率，A为各待遍历点的权值，θ为转向角度。

实施例3

如图2所示，(a)图为最优工作路径图，(b)图为已遍历池中存储待遍历点示意图，(c)图为障碍物池中存储待遍历点示意图，(d)图为剩余池中存储待遍历点示意图。正常情况下，遍历海域无障碍物，无人船按照实现划分好的栅格逐步遍历。例如，当无人船行驶到待遍历点20时，其能扫描到的可遍历点为待遍历点13、待遍历点19、待遍历点29和待遍历点21，其中待遍历点13、待遍历点19在已遍历池中，不再考虑。待遍历点29和待遍历点21进行选择时，根据公式1，待遍历点21的权值为2，待遍历点29的权值为3，并且，无人船在待遍历点20向待遍历点21的过程中，转向θ为0，P值为∞，待遍历点20向待遍历点29的过程中，转向θ为90，所以，综合计算待遍历点29和待遍历点21的P值，下一个遍历点为待遍历点21，而不是待遍历点29。

实施例4

如图3所示，(a)图为最优工作路径图，(b)图为已遍历池中存储待遍历点示意图，(c)图为障碍物池中存储待遍历点示意图，(d)图为剩余池中存储待遍历点示意图。在遇到规则形状的障碍物时(例如独立圆形障碍物)，遍历策略如下：当无人船行驶到待遍历点20时，其能扫描到的待遍历点有13、19、29和21。13、19在已遍历池中，不再考虑。29和21进行选择时，21可识别为障碍物区域，加入“障碍物池”，所以29为下一个待遍历点，接下来，按照公式1进行逐点遍历，直到待遍历点33，过程中将27、28加入“障碍物池”。33可扫描的待遍历点为25和41。其中，25的权值为3，41的权值为5，转向均为90。根据公式1，选择25为下一个待遍历点，并逐点遍历到26，遍历过程中将22加入“障碍物池”，并确定了完整的圆形障碍物轮廓，属于该轮廓中的所有点均加入“障碍物池”。

在26可扫描到的待遍历点为空，但“剩余池”非空，说明26为“死角”。基于权重最小、距离最近的原则选择41为下一个待遍历点。需要注意的是，26到41的过程中，无需按照栅格线航向，只需按照无人船最便利的直线运行方式到达即可。到达待遍历点41后，按照公式1继续遍历，直到“剩余池”为空，遍历结束。

实施例5

如图4所示，(a)图为最优工作路径图，(b)图为已遍历池中存储待遍历点示意图，(c)图为障碍物池中存储待遍历点示意图，(d)图为剩余池中存储待遍历点示意图。无人船到待遍历点20时，待遍历点21、待遍历点29加入“障碍物池”，30作为下一个待遍历点，逐步遍历直到待遍历点37。比较44和45，权值相同都为5，但转向44小于45，根据公式1，下一个待遍历点为44。一路遍历到待遍历点22的过程中，绘制出完整的障碍物轮廓，将该轮廓中的所有待遍历点加入“障碍物池”。选择45为下一个待遍历点，按照公式1继续遍历，直到“剩余池”为空，遍历结束。

实施例6

如图5所示，(a)图为最优工作路径图，(b)图为已遍历池中存储待遍历点示意图，(c)图为障碍物池中存储待遍历点示意图，(d)图为剩余池中存储待遍历点示意图。对于这种情况，遍历到达待遍历点38时，根据公式1选择下一个待遍历点为46。根据公式1及遍历策略，逐点遍历并绘制障碍物轮廓，直到遍历结束。

如果此时雷达能探测到斜前方待遍历点45，基于待遍历点45和待遍历点46的A值相同，但对于待遍历点45来说，θ更小，可以选择下一待遍历点为45，最终也能很好地完成海域遍历，可见公式1具有较强的普遍适用性，如图6所示，(a)图为最优工作路径图，(b)图为已遍历池中存储待遍历点示意图，(c)图为障碍物池中存储待遍历点示意图，(d)图为剩余池中存储待遍历点示意图。

实施例7

如图7所示，(a)图为最优工作路径图，(b)图为已遍历池中存储待遍历点示意图，(c)图为障碍物池中存储待遍历点示意图，(d)图为剩余池中存储待遍历点示意图。同样根据公式1和策略对海湾进行遍历，从图7中描绘的路线可以看出，该算法可避免“遗漏海湾”和“重复海湾”的情况，并且很好地解决了“死角”的发生。

以上实施例3-7基本包括了近海的常见地形，从上述中可以看出，无人船利用公式1可以很好地完成遍历任务。但在现实中一般由以上几种情况随机组合出现，下面分析一下公式1在实际使用过程中的适用性。

实施例8

如图8所示，将以上几种障碍物和海湾的情况综合起来，模拟一个地形相对比较复杂的海域情况，图8中综合了各种障碍物和海湾情况，利用公式1模拟的路径遍历，从图8中可以看出，无人船对地形复杂海域的遍历路径清晰，没有遗漏海湾和“死角”的发生，并且清晰地绘制出了该海域的地形图。由此证明，该方法正确、有效。

本发明公开的方法具有有如下优势：

(1)遍历之前无需事先对监测海域进行地形勘察，只需要根据实际情况确定遍历区域范围及船载雷达的射程，计算出栅格线及预定遍历路径。

(2)有效避免了遗漏海湾和“死角”的发生，并在很大程度上减少了无人船在行驶过程中的拐弯幅度，满足了无人船在地形复杂海域的遍历要求。

(3)在遍历的过程中，同时绘制了监测海域的地形图，清晰地标注了障碍物区域和海湾区域，为后续的应用提供了很好的基础。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种无人船在地形复杂海域遍历监测中路径优化方法，其特征在于，所述方法包括：

步骤S1：根据无人船上雷达的搜索射程以及搜索区域确定遍历区域范围内栅格线的间隔距离以及栅格线上各待遍历点的分布；

步骤S2：将所有待遍历点加入到剩余池中，从剩余池中选取任意一个待遍历点作为起始点开始遍历，并将起始点加入已遍历池中；

步骤S3：从剩余池中选取起始点周围各待遍历点，并利用无人船上雷达扫描判断起始点周围各待遍历点是否存在障碍物；如果各待遍历点存在障碍物，则将各待遍历点加入障碍物池；如果各待遍历点不存在障碍物，则执行“步骤S4”；

步骤S4：判断起始点周围是否还存在待遍历点；如果存在待遍历点，则执行“步骤S5”；如果不存在待遍历点，则说明无人船进入死角，执行“步骤S7”；

步骤S5：计算起始点周围各待遍历点对应的概率；

步骤S6：选取概率最大的待遍历点，经起始点与概率最大的待遍历点之间的路径作为最优工作路径，并将概率最大的待遍历点作为下一个起始点，同时加入已遍历池中；

步骤S7：从剩余池中选择满足遍历条件的待遍历点作为下一个起始点，并执行“步骤S8”；

步骤S8：判断剩余池是否为空；如果剩余池为空，则遍历结束，基于障碍物池内各待遍历点确定障碍物示意图，基于已遍历池中各待遍历点确定最优工作路径图；如果剩余池不为空，则返回“步骤S3”；

所述计算起始点周围各待遍历点对应的概率的具体公式为：

其中，P为各待遍历点对应的概率，A为各待遍历点的权值，θ为转向角度。

2.根据权利要求1所述的无人船在地形复杂海域遍历监测中路径优化方法，其特征在于，在步骤S2之前还包括：从起始栅格线到终止栅格线对应的权重递增，同一栅格线上多个待遍历点对应的权重等于该栅格线对应的权重。

3.根据权利要求1所述的无人船在地形复杂海域遍历监测中路径优化方法，其特征在于，所述遍历条件为权值最小且距离起始点最近。

4.一种无人船在地形复杂海域遍历监测中路径优化系统，其特征在于，所述系统包括：

各待遍历点分布确定模块，用于根据无人船上雷达的搜索射程以及搜索区域确定遍历区域范围内栅格线的间隔距离以及栅格线上各待遍历点的分布；

第一选取模块，用于将所有待遍历点加入到剩余池中，从剩余池中选取任意一个待遍历点作为起始点开始遍历，并将起始点加入已遍历池中；

第一判断模块，用于从剩余池中选取起始点周围各待遍历点，并利用无人船上雷达扫描判断起始点周围各待遍历点是否存在障碍物；如果各待遍历点存在障碍物，则将各待遍历点加入障碍物池；如果各待遍历点不存在障碍物，则执行“第二判断模块”；

第二判断模块，用于判断起始点周围是否还存在待遍历点；如果存在待遍历点，则执行“概率计算模块”；如果不存在待遍历点，则说明无人船进入死角，执行“第二选取模块”；

概率计算模块，用于计算起始点周围各待遍历点对应的概率；

最优工作路径确定模块，用于选取概率最大的待遍历点，经起始点与概率最大的待遍历点之间的路径作为最优工作路径，并将概率最大的待遍历点作为下一个起始点，同时加入已遍历池中；

第二选取模块，用于从剩余池中选择满足遍历条件的待遍历点作为下一个起始点，并执行“第三判断模块”；

第三判断模块，用于判断剩余池是否为空；如果剩余池为空，则遍历结束，基于障碍物池内各待遍历点确定障碍物示意图，基于已遍历池中各待遍历点确定最优工作路径图；如果剩余池不为空，则返回“第一判断模块”；

所述计算起始点周围各待遍历点对应的概率的具体公式为：

其中，P为各待遍历点对应的概率，A为各待遍历点的权值，θ为转向角度。

5.根据权利要求4所述的无人船在地形复杂海域遍历监测中路径优化系统，其特征在于，所述系统还包括：权重设置模块，用于从起始栅格线到终止栅格线对应的权重递增，同一栅格线上多个待遍历点对应的权重等于该栅格线对应的权重。

6.根据权利要求4所述的无人船在地形复杂海域遍历监测中路径优化系统，其特征在于，所述遍历条件为权值最小且距离起始点最近。

Images