避碰稳定性直接关乎无人艇航行安全. 传感器对障碍速度观测的不确定性会 导致避碰策略出现跳动, 严重降低避碰稳定性. 提出不确定性条件下的速度障碍(uncertain velocity obstacle, UVO)算法, 在碰撞风险评估中采用自适应阈值的最近会遇点(closest point of approach, CPA)法, 基于国际海事避碰规则(International Regulations for Preventing Collisions at Sea, COLREGS)建立边界缓冲区, 从宏观上提升避碰过程的稳定性. 为了减少无人艇避碰角度的变化次数, 在无人艇的速度空间中对不确定性条件下的速度障碍(velocity obstacle, VO)区进行建模, 并采用梯度下降法在代价空间进行局部寻优, 从微观上提升避碰策略的稳定性. 在仿真平台下进行 UVO 算法和 VO 算法的对比实验, 结果表明 UVO 算法的避碰策略跳动次数、避碰成功率和最近会遇距离 3 项指标均优于 VO 算法. 在实艇海试中进行了对遇、交叉、追越等典型会遇场景的避碰实验, 无人艇均能安全避过运动目标. 实验结果证明了 UVO 算法具有较好稳定性和安全性.

海上船艇检测是无人水面艇(unmanned surface vehicle,USV)视觉系统最主要的任务之一. 提出了一种基于目标候选(objectproposal)的 USV 海上船艇检测算法. 首先, 基于改进的边缘框(edgebox)算法提取了图像的边缘信息,并建立"目标性"评分函数获取目标候选框; 然后,对船艇目标进行方向梯度直方图(histogram of oriented gradient,HOG)特征进行建模, 利用支持向量机(support vector machine, SVM),采用"自举法"训练分类器进行迭代; 最后,将目标候选框的特征描述子输入到分类器中, 对船艇进行检测. 此外,基于 USV 在海天环境下的运行场景,结合海天线的特性进一步提升算法的检测性能. 实验结果表明,该算法能快速、准确地检测船艇目标, 且具有较高的检测率,对尺度以及光照条件的变化也有较强的鲁棒性.

无人水面艇(unmanned surface vehicle,USV)是一种在水面进行自主航行的运载平台,属于海洋机器人的一个重要分支, 在军用和民用领域均有广泛的应用前景.由于海洋环境恶劣, 以及无人水面艇运动模型非常特殊(如模型高度非线性、强时滞性和时变性等), 使得较于无人车和无人机等其他无人系统,无人水面艇的研究面临着特殊的挑战.从态势感知、航行规划和导航、控制这 3 个方面总结了无人水面艇的研究现状和主要成果,得出了无人水面艇在国内外不同的发展现状和趋势.最后还对无人水面艇的应用需求进行了分析与展望.