1. 课程导入与AUV避障系统总览

自主水下航行器（Autonomous Underwater Vehicle，AUV）在海洋环境中执行任务时，面临的首要问题不是"能不能走"，而是"能不能安全地走"。水下没有GPS信号，声学通信带宽有限且时延大，视觉在浑浊水体中迅速退化，而海底地形、养殖网箱、沉船残骸、锚链乃至其他航行器都可能出现在预定航线上。避障感知与路径规划，正是让AUV从"按预设航点盲走"升级为"感知—判断—决策—控制"闭环自主系统的核心能力。

一、AUV避障系统的整体架构

一个完整的AUV避障系统可以划分为四个相互耦合的层次：感知层负责获取环境信息，典型传感器包括前视多波束声呐、侧扫声呐、机械扫描成像声呐、DVL（多普勒计程仪）、IMU、深度计以及可选的光学相机；环境建模层将原始声学回波或图像转换为占据栅格、八叉树或障碍物列表等可计算表示；规划决策层在已知或增量构建的地图上生成安全路径，分为全局规划和局部避障两个时间尺度；控制执行层把路径转换为艏向、深度、推力指令，驱动推进器与舵面完成实际机动。

需要特别强调的是，这四层并非单向流水线。局部避障发现新障碍后，会反向触发环境模型更新，甚至要求全局规划器重规划；控制层的实际跟踪误差又会反馈给规划层，影响安全距离的设定。下图给出了这一闭环架构及其关键数据流。

二、核心挑战：为什么水下避障比陆地难

把AUV避障与地面机器人导航对比，可以更清楚地看到难点所在。地面激光雷达能提供稠密、高刷新率的距离信息，而水下声呐受声速剖面、多径反射和旁瓣影响，单帧成像往往稀疏且带有虚假回波；地面机器人可以随时与云端通信，AUV在深水区基本处于"通信孤岛"，必须把决策能力全部放在艇上；地面车辆可以急停或原地转向，AUV受欠驱动动力学约束，以约1.5 m/s巡航时，从发现障碍到完成规避机动往往需要数米甚至十余米的纵向空间。

这些约束直接决定了系统设计原则：安全距离必须大于"感知延迟 + 决策延迟 + 机动所需距离"之和。以某教学示例参数为例，若前视声呐有效探测距离为30 m，单帧处理与建图耗时约0.2 s，规划耗时约0.1 s，AUV巡航速度1.5 m/s，转向规避所需纵向距离约8 m，则理论最小安全触发距离约为 30 − (0.3×1.5 + 8) ≈ 21.5 m。实际工程中还需留出定位漂移与障碍物尺寸不确定性的余量，通常取1.5倍安全系数。这一计算过程说明：避障参数不是拍脑袋设定的，而是由感知、计算、动力学三条链路共同约束出来的。

三、典型应用场景对系统的差异化要求

海底测绘通常要求AUV沿测线定高航行，避障重点是防止与海底突起、礁石碰撞，对垂直方向的感知精度要求高，规划上偏向"高度保持 + 局部抬升"策略。管线巡检要求AUV与管道保持稳定距离并沿线跟踪，障碍物多为管架、法兰、沉积物堆，避障需兼顾"贴线精度"与"绕行后快速回归航线"。军事侦察则强调隐蔽性与低功耗，倾向于被动感知与稀疏规划，且对通信中断下的完全自主决策能力要求最高。同一套架构，在不同场景下的参数整定、传感器选型和规划策略权重差异显著。

四、本课程的学习路径与实战项目目标

课程将沿着"感知—建模—规划—控制—验证"的主线展开，但并非简单罗列算法。前期重点建立水下传感器数据处理与障碍物表示的能力，中期深入全局规划与局部避障算法的实现细节及参数整定方法，后期进入系统集成、仿真验证与实艇调试。实战项目以一个中等尺度AUV模型为对象，在包含海底地形、柱状障碍与移动障碍的仿真环境中，完成从传感器数据接入、占据栅格构建、A*全局规划、DWA局部避障到航向控制的完整链路，并以"任务完成率、最小障碍距离、路径长度、重规划次数"四项指标评估系统表现。学习者最终应能独立判断：当避障失败时，问题出在感知盲区、地图膨胀不足、规划代价函数设计，还是控制跟踪滞后。