智能无人艇

简介

本书实验以Unity平台为基础，以水面无人艇为研究对象，将Python 编程、ROS 通信紧密结合在一起，实现软/硬件层面的融合。书中每个实验都循序渐进，不同背景的读者都能从中受益。基于此，本书设计的无人艇虚拟仿真训练平台已推广至全国海洋航行器设计与制作大赛C4智能导航赛道，并获得高校同人的广泛认可。该平台基于高可信度的数字孪生模型和仿真模型，使相关研发人员关注新算法和新功能的开发与设计，解决了研发人员经验少和资源少等难题，降低了实验成本。另外，本书还降低了学习门槛，使得更多的人能够进入船舶工程领域，最终为建设海洋强国做出贡献。

内容介绍

本书共6章，内容涵盖了无人艇总体设计及系统架构、基于视觉的无人艇感知技术、基于激光雷达的无人艇感知技术、无人艇动态避障和路径规划技术、无人艇算法的训练与测试等。希望能够从理论到实践，帮助读者了解无人艇智能感知与导航的总体架构，并掌握其具体的理论和技术。本书的主要内容安排如下。

第1章 无人艇概述

首先介绍现阶段的智能无人系统，随后介绍本书主题——无人艇，并概述无人艇的优势与特点；然后对国内外无人艇的研究现状和主要技术点进行分析，介绍现阶段的各种无人艇实例；最后对无人艇关键技术进行总结与分析，这也是本书随后主要介绍的内容。

第2章 无人艇设计与实现

首先介绍实验室USV180实船的艇体设计与其参数；接着介绍艇体的系统架构，包括软件架构、通信架构和电气系统架构；随后介绍无人艇感知系统及其对应的传感器；然后详细介绍软件中的信息监控中心，对USV180的功能进行演示；最后简单介绍实验室中其他两个型号的无人艇。

第3章 基于视觉的无人艇感知技术

首先简要介绍现阶段的水面目标检测算法；然后详细叙述针对水面高效实时小目标检测和水面高光照场景下的目标检测的两种目标检测算法，分析它们的算法结构、数据集构建方法并进行实验验证；最后介绍水面目标跟踪的相关滤波理论，并将检测与跟踪融合，进行实验验证。

第4章 基于激光雷达的无人艇感知技术

首先介绍基于3D激光雷达点云的目标检测，使用一个端到端的两阶段点云检测网络VoxeINet进行点云检测；接着针对激光雷达和视觉传感器获取的数据具有不同类型及特点的问题介绍传感器融合技术与实施流程；随后介绍两类传感器的两种联合标定解决方案；最后验证 DBSCAN-VoxelNet 算法对水面波浪杂波的抑制效果。

第5章 无人艇路径规划技术

首先介绍全局路径规划技术，对其中的A*算法进行仿真实验；接着介绍局部路径规划技术，对基于避障与模型的方法进行简要介绍；随后详细介绍基于深度强化学习的无人艇局部路径规划算法，利用T-DQN算法实现无人艇静态避障；最后介绍基于COLREGs的无人艇动态避障算法，使用传统算法中的动态窗口法与基于深度强化学习和模仿学习的Imitation-PPO算法实现了目标。

第6章 无人艇深度强化学习算法仿真训练平台

首先介绍仿真训练平台的设计与实现，详细描述各个模块的功能设计；然后对此平台进行系统参数辨识验证，进行旋回和紧急制动实验，以验证平台的运动仿真准确性；最后在此平台上进行智能算法的训练、测试与部署，并最终通过ROS将其部署到实际无人艇上，验证平台的有效性。

附录A介绍了全国海洋航行器设计与制作大赛等内容，本书第6章中介绍的平台被应用
到其中的C4智能导航赛道中，主要介绍C4智能导航赛道与其评分细则，并给出基于ML
Agent的训练流程。

版本说明

V0.0.1，2025-01-14 17:45

• 初始版本

使用许可

本模型库版权由Zhiguo版权所有，未经许可，不得用于商业用途。