基于卷积神经网络、快速探索随机树和改进型人工势场的无人水面船只搜索与救援路径规划

《The Journal of Navigation》：Path planning for search and rescue of unmanned surface vehicles based on combined convolutional neural network rapid-exploration random tree and improved artificial potential field

无人水面车（USV）海上搜救路径规划提出CRRT-IAPF算法，结合RRT全局规划与CNN筛选优化，采用改进APF实现局部避障，建立搜索与救援成功率评估函数，仿真验证算法优越性。

　　

摘要

无人水面船（USV）在海上搜索与救援（SAR）任务中具有巨大的潜力。本文研究了携带SAR任务的USV的路径规划问题，并提出了一种基于卷积神经网络快速探索随机树和改进的人工势场（CRRT-IAPF）的新算法。该方案包括全局路径规划和局部路径规划两部分。快速探索随机树（RRT）方法用于在海图上生成全局路径，然后通过训练有素的卷积神经网络（CNN）判断该路径是否为最优路径。人工势场（APF）方法用于在有少量障碍物和SAR任务点的情况下规划局部路径。为了促进路径收敛并避免振荡，对势场函数进行了改进，使其更加高效。此外，还建立了搜索成功率和救援成功率评估函数来衡量SAR任务的完成情况。仿真结果表明，所提出的CRRT-IAPF方案优于其他方案。

---

---