郭 鹍 赵甲文 杜志啸 耿建宁

（中船航海科技有限责任公司 北京 100070）

1 引言

无人驾驶汽车受益于移动机器人发展，在某种视角下，无人驾驶汽车只是轮式机器人，无人驾驶汽车就像机器人一样“感知”“决策”“执行”，同样智能船舶也可借鉴无人驾驶汽车以及移动机器人的相关技术，将移动机器人技术与运载工具相结合，其核心在于建立一套可替代人的智能船舶航行系统。

传统的航行系统设计出发点是辅助人工决策，航海人员使用导航雷达以及电子海图进行航路规划以及避障航行，大量的工作围绕人机交互开展，而智能船舶航行系统通过智能算法替代人类进行思考，简化了人机交互，完成船舶航行的“感知、决策、控制”［1～2］，全过程只保留紧急情况下人工干预的手段。智能船舶航行系统由环境感知系统、决策系统、控制系统组成，各个系统通过以太网连接，其中控制系统与船载自动化系统通过Can总线连接或者其他高速信息交互方式，控制系统最终把解释后的具体指令通过高速总线发送给船用自动化系统，完成整个流程。

2 架构设计

2.1 核心机制实现

智能船舶航行系统可依托ROS机器人操作系统实现，提供共享内存的IPC机制以及对等式的消息交互机制［3～4］消息通过机制将智能船舶航行系统开发平台分成多个模块，单个模块负责完成自己的消息接受、处理、发布，形成完善的消息支持机制。环境感知系统负责环境信息采集、数据拼接、多源数据融合的工作［5］。最终将具体含义的事件消息传递至决策系统，由决策系统进行具体路径规划，分为全局规划以及局部优化、避障等相关判断决策，最终将信息交给控制系统。

2.2 ROS框架的开发优势

智能船舶航行系统采用ROS机器人操作系统作为开发框架具有以下三个优势［6～8］：

第一，智能船舶航行属于快速发展阶段，无论是感知算法、决策算法，还是整体的技术方案，都是在一个持续的迭代过程中。利用ROS框架可以提高开发效率，可以让算法工程师能够聚焦在算法和功能验证上，配置管理、环境以及整体运行由框架来统一完成，而不需要各个模块各个团队都去开发重复的功能，通过快速的构建原型来验算法和功能。

第二，模块灵活配置的需求。感知、定位、决策系统都是功能相对独立，各模块通过规范去定义相应的数据，对于整体开发过程，ROS机器人操作系统已经建立了一个非常规范的约束，并且在实现阶段也可通过ROS框架把它们整合成一个完整的整体去运行。

第三，可视化工具的需求，ROS机器人操作系统包含了大量的图像、点云数据的处理算法，并且可以通过可视化工具进行调试，大大加速了智能船舶航行系统开发进度。

基于以上三个需求，值得选择ROS机器人系统作为智能船舶航行系统开发框架。

2.3 分层设计

智能船舶航行系统环境感知、决策、控制等系统功能相对独立，就感知系统基本囊括了船舶传感器设备，并应用VTS、AIS、卫星通信等技术手段，形成立体的航行感知体系，实现船舶对助航设施、碍航物等航行环境的智能感知；所有传感器在驱动层都物化为一个驱动节点，采用完善的时空统一机制，实现信息分类、信息交互［9～10］。

传感器配置考虑典型配置，可根据智能船舶实际情况，增加或者删改。划分为三个层次，感知层、决策层以及控制层。感知层包括GPS、北斗、IMU、相机、导航雷达、激光雷达、AIS、通信及航行信号灯等组成；决策层由航路规划模块、智能避障模块、靠泊控制模块、行动预测模块、人工介入模块组成；控制层一般是通过CAN总线与电气自动化系统或者仿真平台交互，构成完整的体系结构。整个智能航行系统分层结构如图1所示。

3 组成及应用

3.1 传感器配置

传感器配置第一类，基于信号的定位，它的代表就是GPS全球导航卫星设备及北斗卫星定位设备；第二类，船舶运动姿态，依靠IMU输出该类信息，根据上一时刻的位置和方位推断现在的位置和方位；第三类是环境特征匹配，基于激光雷达的定位及其他感知设备，尤其在港口靠泊时用我们观测到的特征和数据库里的特征和存储的特征进行匹配，得到现在船舶的位置和姿态。通过不同传感器的融合结果提升智能船舶在不同场景定位的鲁棒特性。

3.2 激光雷达应用

激光雷达扫描可以产生多条扫描线，目前市场上多线束产品较多，可以根据船型的大小，配置不同的激光雷达传感器组合，激光雷达在雨雪等极端天气工作状态不佳，因此通常需要和其他传感器组合。

激光雷达对环境进行扫描以及重构，将点云数据通过网络数据包发送到控制器上，通过计算机对数据包进行解析处理，生成PCD图像格式，对重构的数字环境进行分类。识别并提取环境特征。处理流程如图2所示。

3.3 传感器融合设计

智能船舶在航行过程中，划分为多个阶段：宽阔水域航行、狭水道航行、靠泊航行等阶段，因此在不同阶段需要融合不同传感器信息。比如在靠泊航行阶段，需要激光雷达以及相机的融合信息帮助船舶靠泊。在宽阔水域地带时，导航雷达探测范围更远，与GPS/北斗导航传感器相结合帮助判断航行态势。不同传感器设备工作的频率也是不一样的，激光雷达工作频率通常是10Hz，GPS信息是1Hz，因此它们需要统一的时间基准。

根据不同的场景，需要进行融合方式也不一样。在实施过程需要考虑信息返回的实时性，因此在多种传感器融合［11］过程中，在不同场景下需要进行不同的划分，当航行过程中，缺乏实体时，采用相机以及导航雷达、AIS等信息进行深入融合，当靠泊时，采用环境特征的纹理作为信息输入，保证能够最大范围保障智能船舶航行的安全。

3.4 深度学习算法设计

目前自动航行实现方式有两种类型，一种称为基于规则的实现方式，一种称为端到端机制。从功能角度来看，目前的端到端系统实现的是反应式控制，而基于规则的特点则是预先规划。所以预先规划在工程实现上复杂度较高，基于规则系统实现难度很高。而端到端的实现方式系统则比较低。而端到端机制并非和基于规则的系统完全泾渭分明，其中一部分也可以应用基于规则的方式。

4 决策系统层设计

4.1 决策系统准则设计

无人驾驶船舶决策系统分为几个设计准则，按照优先级顺序为

1）实时性准则：在自主航行过程，外部环境复杂多变，不可能预先预计，需要根据外部变化做出及时决策。

2）避碰准则：决策必须满足避免碰撞，在安全状况满足需求的情况下采用加减速以及变更航向等方式避免碰撞。

3）航迹保持准则：优先保证在当前航道进行航行。

4）限速准则：必须按照限速要求航行，并尽可能保持匀速航行。

4.2 全局航路规划

获取本航次所要经过海区的静态障碍信息，包括岸线、岛屿、暗礁和沉船等，然后采用A*算法、距离寻优算法、遗传算法和人工势场法等方法找出从起点到终点的从最短航路规划［12］、最优航路规划，并综合考虑船舶工作状态以及水文、气象等条件。

全局航路规划根据智能船舶在无人自主航行时采集的外部交通实时结果，持续性的监控智能船舶的航行状态，在发现当前规划不能满足要求时，需要在全局规划层进行重新规划。

在全局规划过程中，不能忽略船舶运动特性的影响，通常经过算法处理后，需要进行平滑处理。

4.3 局部优化控制及避障控制

局部优化根据当前的航行状态判断无法达到下一个航路点时进行重新局部优化，一般来说局部优化根据避障方案进行局部优化［13］。首先需要根据避碰规则以及国际公约形成避碰、避障方案，最终形成船舶安全航行领域，形成基于深度学习的值域网络和策略网络权值并结合现代控制，形成船舶航行逻辑、避障方案、航迹调整策略并提供给动力控制部分。

5 控制层设计

由于控制系统层与智能船舶自动化系统密切结合，对于智能船舶航行系统而言，对决策层过来的决策信息进行指令分解，并将执行指令传递到船用自动化系统中，由船用自动化系统进行动力控制，完成船舶航行指令，替代人工操作。在传递底层指令时，控制层信息传输通过CAN总线实现：

1）实现控制层的通用性和开放性，提高系统的通用性，系统的维护、维修更简单。

2）有利于与船舶自动化系统模块交互。船舶自动系统由许多相互独立的模块组成，这些模块采用统一标准化模块接口；在不同的船舶上应用时，无需重新设计整个系统，只需通过相关的模块重新设置，就可以方便完成智能船舶航行操作系统底层控制网络的构建，提高了系统的灵活性和规模性。

3）提高系统安全性、可靠性。CAN总线采用数字信号网络传输，提高了数据的精度和抗干扰性。

6 半物理仿真系统设计

首先，半物理仿真系统中包含了船舶的动态模型，用来加载测试智能船舶驾驶系统，并模拟无人驾驶船舶自身的行为。其次，需要模拟的是外部环境，设计港口靠泊、狭水道航行等特定场景，构建与现实环境相对应的模拟环境。

数据来源可以通过采集多样的船舶航行数据，实现智能船舶航行的多样本数据集，通过Caffe、Tensorflow等多种智能框架，对航行进行训练以及策略优化，完成船舶智能航行端到端的训练以及航行策略优化，帮助完成各种物理以及半物理仿真实验。仿真系统工作示意图如图3所示。

7 结语

人工智能正在深刻影响这个世界。智能船舶技术进步离不开先进的信息技术、传感器技术、控制技术，传感器赋予智能船舶强大的“视觉”，数据通信传输提升了智能船舶“大脑”的工作效率，并能将信息传递至自动化系统，从而使智能船舶更加协调的进行航行。

这一方案主要有以下优点：

1）大大降低软件开发成本，所有的组件都在一个ROS平台上进行开发，以降低维护成本，市场竞争能力强；

2）为各个组件的互联互通打下了一定基础，采用统一软件体系架构，船舶自动化系统、安全、HMI、环境感知系统等功能将“分而治之”。

当前智能船舶研各种功能依然在完善过程中，在智能船舶航行中不同场景特征变化使得单一的算法以及传感器融合效果的适应性受到一定限制，依托ROS构建智能船舶航行系统框架将更好借鉴移动机器人以及无人驾驶汽车的研究成果，从而进一步推动智能船舶行业的发展。