1- مقدمه       

در سال‌های اخیر، وسایل نقلیة بدون سرنشین­که امروزه کاربرد‌های ­روزافزونی ­در صنعت، صنایع نظامی­ و­ پژوهش­ در هوا و حوزه‌های زمینی و دریایی دارد، به محبوبیت بیشتری دست پیدا کرده­اند. به­طور خاص، چالش‌های مطرح‌شده دربارة ربات­های دریایی بدون سرنشین که در حضور دیگر ترافیک‌های دریایی ناوبری می­شوند، مواردی همچون افزایش خودران بودن آنها، اجتناب از موانع به­صورت خودکار و انطباق با قوانین عبور و مرور دریایی­­را شامل می­شود. طرح جامع USV^[1] که برای نیروی دریایی ایالات متحده تاسیس شد، فهرستی از اهداف را برای توسعه خودرانی­ ربات­های ­دریایی طرح‌ریزی­ می­کند تا میزان مداخله در نظارت بر کار آنها کاهش یابد. این طرح بر اساس تحقیقات فراوان انجام شده تا به امروز، نیاز‌های خاص جهت توسعه این ربات­ها را هدف قرار­داده است که ناوبری، هدایت، کنترل و برنامه‌ریزی حرکت در درجه اول اهمیت می‌باشند. برای اجتناب از موانع در محیط­های دریایی، قوانین یکپارچه بین‌المللی در زمینة راهکار­های اجتناب از موانع تعبیه شده­است (کمپبل، 2012)

یکی از مهم‌ترین چالش‌ها برای ناوبری وسایل نقلیة بدون سرنشین سطحی (USV)، تشخیص اهداف در اطراف وسیله نقلیة بدون دخالت انسان است. این کار تحت عنوان تشخیص هدف خودکار (ATD^[2]) شناخته می‌شود (گال و همکاران، 2012). حسگر‌هایی­که معمولا برای تشخیص مانع در نظر گرفته می‌شوند عبارت از دوربین­های مسافت‌یابی (در پیکربندی‌های تک‌چشمی و استریو) و حسگر‌های مسافت‌یابی سونار^[3]، آلتراسونیک^[4]، رادار^[5] و لیدار^[6] می‌باشد. دوربین‌ها با استفاده از تکنیک‌های بلادرنگ، به­طور معمول وضوح زمانی و عرضی بالا، اما وضوح عمق و دقت نسبتا پایینی را ارائه می‌دهند. ولی حسگر‌های مسافت‌یابی، قادر به ارائه وضوح عمق و دقت بالا هستند اما عمدتاً این کار را تنها با یک پرتو سیگنال انجام می‌دهند. برای تصویر‌برداری از یک صحنه، حسگر‌ها اغلب این پرتو را در امتداد یک یا دو محور اسکن می­کنند. علاوه بر این، عرض پرتو‌های متفاوت حسگر، نشانگر انعطاف‌پذیری حسگر برای حل مسائل نیز می­باشد، همچنین این حسگر‌ها در نرخ‌های اسکن یک و دو محوره، نرخ‌های پالس و گستره‌های مؤثر، تا حد زیادی دارای مدل‌های متفاوتی می‌باشند (هالترمن، 2010).

     هدف از این طرح، طراحی و پیاده‌سازی سامانة تشخیص مانع برای قایق ربات‌خودران مروارید است که با استفاده از اطلاعات به­دست آمده از آن، بتوان برای عملیات اجتناب از مانع تصمیم­گیری­کرد. قایق ربات‌خودران مروارید، قایقی بدون سرنشین و طرحی سفارشی از طرف سازمان بنادر و دریانوردی است که قرار است عمق بندر امیر‌آباد را پایش­کرده و اطلاعات به­دست آمده را پس از تجزیه و تحلیل به دفتر پشتیبانی ارسال کند.

1-1- بیان مسئله

      از آنجا که بنادر، مکان‌هایی پر تردد و شلوغ هستند، کشتی‌ها، قایق‌ها و لنج‌ها دایما در حال رفت و آمد در داخل آب هستند. لذا برای امنیت قایق ربات و همچنین انجام موفقیت‌آمیز عملیات پایش عمق بندر، سامانة تشخیص و اجتناب از مانع برای قایق ربات بدون سرنشین لازم و ضروری به‌نظر می‌رسد که برخی از اهداف انجام این طرح عبارتند از:

(1) نصب و پیاده­سازی سامانة تشخیص مانع در سطح آب توسط پویشگر فاصله­یاب لیزری لیدار،

(2) نوشتن الگوریتمی برای استخراج مسافت و عرض مانع و برخی پارامتر­های دیگر مانند سرعت و زاویة قرارگیری مانع و مختصات موقعیت مانع و

(3) ارزیابی سامانة نصب شده و تعیین دقت آن برای مسافت و عرض مانع.

1-2- ضرورت و اهمیت پژوهش

­ همزمان با پیشرفت علم و صنعت، نیاز به پیشرفت در زمینه­های رباتیکی و مکاترونیکی نیز برای افزایش بازدهی به شدت احساس می­شود. در حال حاضر پیشرفت‌های زیادی در زمینة ربات­ها به­خصوص در زمینة ربات­های دریایی به­منظور کاهش استفاده از نیروی کار، جلوگیری از قرارگیری نیروی کار در شرایط سخت و خطرناک آب، افزایش دقت در مراحل مختلف عملیات دریایی و همچنین بهینه­سازی عملیات دریایی از جمله هیدروگرافی، روی داده است. پویشگر لیزری (لیدار) یک فناوری سنجش از راه دور است که فاصله را با بمباران یک هدف به­وسیله نور لیزر و تجزیه و تحلیل نور برگشتی اندازه‌گیری می‌کند. مهم‌ترین مزیت استفاده از پویشگر لیزری لیدار، دقت و وضوح بالای آن در فراهم­کردن مسافت‌های اندازه‌گیری می‌باشد (لادها و همکاران، 2009). سامانة تشخیص مانع می‌تواند روی یک وسیله نقلیة در حال حرکت همچون هواپیما، جنگنده، پرنده‌های چهار موتور (کوادکوپتر)، موشک، زیردریایی و قایق و غیر آن، نصب شود و یا در یک ایستگاه ثابت برای اهداف نظارتی استفاده شود (چین چولکار و همکاران، 2014).­ با انجام این طرح انتظار می‌رود میزان آسیب‌های ناشی از برخورد‌های وسایل نقلیة دریایی در بنادر کاهش، و ایمنی قایق ربات افزایش یابد، همچنین نیروی انسانی و هزینة اپراتور به دلیل تشخیص مانع و ناوبری بدون استفاده از اپراتور کاهش، و راندمان کار پایش عمق به­دلیل تشخیص به­موقع موانع و پیوسته کارکردن قایق ربات افزایش ‌یابد.

1-3- پیشینه تحقیق

درخصوص اتوماسیون وسایل نقلیة سطحی، تحقیقات بسیاری انجام شده است و برخی نیز تحت مطالعه می‌باشند، از آنجا که سامانة ناوبری کشتی­ها جهت نظارت، اکتساب داده­ها و پردازش، به صورت دستی انجام می‌شود، همیشه­ در معرض خطاهای انسانی می‌باشند (ایدگی و همکاران، 2007). از آنجا که در بسیاری از منابع رایج است، وسایل نقلیة سطحی­کنترل‌شده به صورت خودکار USV نامیده می­شود (نعیم و همکاران، 2007). USV ها شناورهای دریایی­ خودرانی هستند که وظایف متعددی را در محیط­های پیچیده دریایی اجرا می‌کنند. USV ها می­توانند در بسیاری از کاربرد­های دریایی مانند اقیانوس‌شناسی، نظارت بر محیط زیست، مسّاحی، نقشه‌برداری و ناوبری و همچنین پشتیبانی ارتباطات برای زیردریایی­ها و تحقیقات رباتیکی عمومی استفاده شوند (مانلی، 2008).

به­منظور اجرای موفقیت‌آمیز عملیات اجتناب از برخورد با موانع، ابتدا باید مانع را تشخیص داد و سپس از روش­های اجتناب از مانع استفاده کرد.­ تشخیص مانع به روش­های مختلفی مانند استفاده از دوربین و حسگر­های آلتراسونیک و حسگر­های مادون قرمز و پویشگر­های لیزری لیدار صورت می­گیرد که در این پژوهش به بررسی تشخیص مانع با استفاده از پویشگر فاصله‌یاب لیزری لیدار پرداخته شده است. در مورد ربات‌ها، به‌خصوص USV ها و ناوبری آنها تحقیقات زیادی انجام شده است که در زیر به برخی از آنها اشاره می­شود:

     علیمردانی و همکاران در پژوهش خود، یک­ تراکتور باغی که با سوخت فسیلی کار می­کرد­ را با استفاده از یک جک هیدرولیکی برای فرمان‌گیری به سامانة کنترل از راه دور مجهز کردند (علیمردانی و همکاران، 1996). موسی‌زاده و همکاران موفق به طراحی و ساخت یک تراکتور الکتریکی هیبریدی موسوم به سافت برای انجام کا­رهای سبک کشاورزی شدند که دارای دو چرخ محرک با موتورهای الکتریکی مستقل روی هر چرخ عقب می­باشد. انرژی لازم برای این تراکتور از تعدادی پانل خورشیدی و همچنین شبکه برق شهری تأمین می­شود (موسی‌زاده و همکاران، 2011). حاجی احمد و همکاران، تراکتور هوشمند گرانیگاه متحرک با قابلیت کنترل از راه دور را طراحی و ساختند که از آن برای اندازه‌گیری نیروهای وارد بر چرخ­ها و پیش‌بینی زاویة لغزش چرخ­ها استفاده نمودند ( حاجی احمد و همکاران، 2013). همچنین جعفربیگلو و همکاران نیز موفق به طراحی و ساخت سامانة کنترل از راه دور تراکتور الکتریکی هیبریدی سافت شدند که با استفاده از این سامانه، سافت می­تواند در سه حالت­کنترل دستی، کنترل ­از راه دور و کنترل ­خودکار در سرعت­های مختلف حرکت کند (جعفربیگلو و همکاران، 2015).

پراکزیک[7] کاربرد شبکه­های عصبی­تکاملی را برای اجتناب از برخورد و مشکل­ ناوبری در یک محیط­ پیچیده چندمانعی­که سرعت­آنها به سرعت تغییر می‌کند را ارائه داد (پراکزیک، 2015). لیو^[8] و همکاران یک الگوریتم مسیر­یابی برای تشکیل ناوبری USV بر اساس روش­ راهپیمایی سریع (FM^[9]) معرفی ­کردند که دارای ویژگی­های سرعت­ سریع و پیچیدگی کمتر محاسبات است. این الگوریتم برای اطمینان از درستی مسیر برنامه­ریزی‌شده و به­منظور عدم تجاوز به هیچ یک از مناطق ممنوعه دو منطقه را پوشش می­دهد، به­عنوان مثال منطقه دامنة کشتی و منطقة اجتناب از برخورد ( لیو و همکاران، 2015). زریک^[10] و همکاران سه مورد متفاوت کنترل، یعنی مسیریابی، اجتناب از موانع و تنظیم سرعت را به­عنوان یک الگوریتم به­نام روش­ اولویت ( PTA^[11]) شبیه‌سازی کردند. هدف اصلی این روش اجرای صحیح عمل مسیریابی بود (زریک و همکاران، 2015) پژوهشگری دیگر به­منظور تخمین وضعیت USV، فیلتر کالمن بدون ادراک اصلاح شده را به­عنوان یک الگوریتم تخمین برخط با دقت بالاتر و پیچیدگی محاسباتی­کمتر توسعه دادند. ایشان دریافتند که الگوریتم پیشنهادی بر الگوریتم فیلتر کالمن معمولی (UKF^[12]) برتری دارد (ما، 2015). موتوانی و همکاران کاربرد بالقوه فیلتر­های­کالمن متناوب (IKF^[13]) را برای محاسبه زاویة جهت­گیری کشتی­ها ارزیابی­کردند. این شبیه‌سازی­ها ویژگی­های متعدد IKF را نشان می­دهد (موتوانی و همکاران، 2013). اونونکا^[14] و همکاران از ترکیب حسگر آلتراسونیک و رادار به­منظور کاهش عدم قطعیت­های موجود در هدایت و کنترل USV استفاده­کردند، با این کار ظرفیت تشخیص و اجتناب از مانع توسط USV به­خصوص در میدان دید بالای پنج متر  بهبود یافت (اونونکاو همکاران، 2013).

پژوهشگران الگوریتمی را برای نقشه‌برداری از زمین و­ تشخیص مانع در محیط‌های برون‌جاده‌ای مطرح و روشی مقیاس‌پذیر، قوی و دقیق را برای تشخیص مانع با استفاده از حسگر­لیدار ارائه کردند. در شکل (1) ربات ساخته‌شده توسط پونتامبکار نشان داده شده است. نتایج نشان داد الگوریتم حتی در حضور دست‌انداز‌ها، موانع را سریع تشخیص می‌دهد (پونتامبکار و همکاران، 2006).

شکل (1):ربات ساخته‌شده مجهز به پویشگر لیزری لیدار پونتامبکار و همکاران

دومینگوز  و همکاران راه‌حلی برای دسته‌بندی و ردیابی موانع در ناحیة تحت پوشش یک حسگر لیدار ارائه دادند که مبتنی بر ترکیبی از روش‌های هوش مصنوعی ساده است و برای اهداف متفاوتی به­عنوان نسخة اولیه از یک سامانة تشخیص و ردیابی در نظر­گرفته می­شود. راه‌حل پیشنهادی، مسئله را به سه مرحله متوالی (1) تقسیم‌بندی، (2) تشخیص قطعات و دسته‌بندی یا خوشه‌بندی و (3) ردیابی تقسیم می‌کند ( دومینگوز و همکاران، 2011).  خودروی ربات مجهز به پویشگر لیزری لیدار در شکل (2) نشان داده شده است.

شکل (2):خودروی ربات مجهز به پویشگر لیزری لیدار دومیگوز و همکاران

تنگ^[15] و همکاران  در سال 2011 با استفاده از حسگر لیدار و با بهره‌گیری از یک وسیلة هدف‌یابی که به حسگر‌ لیدار نصب شده بود، روشی را برای تشخیص اهداف در یک جاده بررسی و بسط دادند. آنها از داده­های GPS استفاده کردند تا نقاط حسگر فاصله‌یاب لیزری لیدار را در یک نقشة جهانی با دقت جای‌گذاری کرده و خوشه‌های ابر‌نقطه به­دست‌آمده از اسکن جاده و موانع موجود در آن را استخـراج کنند و درختان تصادفی تعیین شده به­عنوان هدف را تشخیص دهند. در شکل (3) خودروی ربات ساخته‌شده توسط تنگ و همکاران که مجهر به پویشگر لیزری لیدار می­باشد نشان داده شده است.

شگل (3): خودروی ربات ساخته‌شده مجهز به پویشگر لیزری لیدار تنگ و همکاران

چانگ^[16] و همکاران  برای وسایل نقلیه در محیط شهری با استفاده از یک حسگر لیدار دوبعدی و اطلاعات مسافت‌یابی، یک الگوریتم دقیق تعیین موقعیت ارائه دادند. طرح موقعیت‌یابی مونت کارلو^[17]برای تخمین موقعیت خودرو، بر اساس اندازه‌گیری‌های ترکیبی لیدار و اطلاعات مسافت‌یابی تطبیق داده شد و دقت و قدرت الگوریتم پیشنهادی توسط انجام موقعیت‌یابی بلادرنگ در یک آزمون 5/1 کیلومتری در اطراف منطقه کالج NUS^[18] نشان داده شد (چانگ و همکاران، 2013). شکل (4) نمایی از این ربات را نشان می­دهد.

شکل (4): ربات ساخته‌شده مجهز به پویشگر لیزری لیدار چانگ و همکاران

2- روش پژوهش

روش این پژوهش، ­روش­ تحقیق تجربی­آزمایشی و مبتنی بر تحلیل­های­آماری است. به این­صورت­که قایق مورد­ آزمایش در­حالت­های مختلف موانع کوچک، متوسط و بزرگ­ در ­مسیرهای منحنی شکل نامشخص در ­سطح دریاچه چیتگر تهران و بندر امیرآباد آزمون شد و دست­آخر­ به­واسطه تجزیه و تحلیل آماری داده­ها نتایج استحصال شد.

3- تجزیه و تحلیل داده‌ها

3-1- موا د و روش‌ها

 USV ها ربات­هایی هستند که برای انجام عملیات در دریاچه­ها، کانال­ها، بنادر و حتی آب­های آزاد طراحی شده‌اند که به­واسطه مشخصاتی مانند اندازه کوچک، قابلیت پنهان شدن خوب، تحرک بالا، و قیمت پایین شناخته شده‌اند. مروارید هم یک USV به شکل کاتاماران^[19] است که برای رسم نقشه هیدروگرافی بنادر طراحی و توسعه داده شده است که برای کنترل خودکار آن از ترکیب الگوریتم­های EKF^[20]، جستجوی توپ و اصل میدان پتانسیل استفاده شده­است. اکثر USV ها به دلیل خطاهای انسانی موجود در کنترل دستی وسایل نقلیه سطح آّب، با الگوریتم­های ناوبری، هدایت و کنترل (^[21]NGC) مجهز شده‌اند (مورفی، 2012). نصب برخی از حسگر­ها، مبدل­ها و سخت‌افزار­های هوشمند و ترکیب داده­ها به­وسیله الگوریتم­های بهبودیافته به­منظور ناوبری، هدایت و کنترل وسیلة نقلیه یکی از اصول کار USVها می­باشد. سامانة ­­کنترل،  وسیلة نقلیه را برای رفتن از مبدأ تا مقصد و اجتناب از موانع در آن مسیر، به صورت هوشمندانه هدایت می­کند. بسته به مانع پیش‌بینی شده، وسیلة نقلیه یک زاویة واگرایی را به­منظور اجتناب از موانع انتخاب می­کند و سرعت وسیلة نقلیه را مدیریت می­کند.

حسگر­هایی که برای تشخیص موانع در طی عملیات ناوبری، بر روی قایق­ها نصب می­شوند عبارت از رادار، پویشگر فاصله‌یاب لیزری لیدار، دوربین دو چشمی، دوربین تک چشمی، دوربین­های مادون قرمز، فاصله‌یاب­های لیزری و حسگر­های آلتراسونیک یا ترکیبی از برخی از این حسگر­ها می‌باشد. در این زمینه، معمولا تشخیص فاصله محدود به چند صد متر است. بیشترین فاصله تشخیص داده‌شده توسط حسگرها زیر 200 متر خواهد بود که متعلق به پویشگر فاصله‌یاب لیزری لیدار می­باشد.

در حالی که حسگر­های آلتراسونیک به سختی می­توانند بالای 10 متر را به درستی تشخیص دهند. در برخی از تحقیقات از سامانه­های موقعیت­یابی گران­قیمت و دقت بالا همچون RTK-DGPS^[22] استفاده شده است. با وجود استفاده از سامان­­های موقعیت­یابی گران قیمت و دقت بالا، برخی آزمایش­ها حاکی از آن است که فیلتر­کالمن توسعه یافته (EKF^[23]) و قوانین هدایت و کنترل ساده PID^[24] برای انجام وظایف کنترل اساسی همچون راهبری خودکار، سرعت خودکار و تعقیب خط مستقیم برای یک USV، نسبت به زمانی­که فقط به GPS و قطب­نما مجهز شده است، تاثیربخش و مطلوب­تر می­باشد (موسی‌زاده، 2015).

مروارید، یک USV خودران هیبریدی خورشیدی است که به دو موتور رانشی مجهز شده است. طول، عرض و ارتفاع حدودی این قایق به ترتیب 8/3، 2، و 8/1 متر و همچنین وزن کلی آن تقریبا برابر با 750 کیلوگرم است. یک پک باتری Li-ion  فناوری بالا می­تواند پایداری آن را برای بیش از سه روز ابری ادامه‌دار افزایش­دهد. برای انجام کار تعریف‌شده، قایق با برخی حسگر­های نظارت جهانی و ادراک محلی مانند یک GPS ساده، پک حسگر حالت (IMU^[25]، قطب نما و فشار هوا)، پویشگر فاصله‌یاب لیزری لیدار، مجموعه‌ای از حسگر­های آلتراسونیک، سامانة دوربین و بینایی دو چشمی، و چهار عدد اکوسندر تک پرتوی مجهز شده است. یک IPC^[26] ضد آب نیز بر روی قایق به­عنوان واحد پردازش مرکزی و تصمیم‌گیری تعبیه شده است که همة داده­ها و اطلاعات را دریافت کرده و پس از تجزیه و تحلیل داده­ها، موتور­های چپ و راست قایق را به شیوه­ای مناسب فعال می­کند. ارتباط بین مروارید و دفتر مرکز کنترل مبتنی بر یک شبکه اینترنت است که قادر است اطلاعات را با حداکثر سرعت 300Mbps در فواصل حداکثر تا 2km ارسال کند. مدل CAD سه بعدی مروارید و نمونة ساخته­شده و آزمون­شدة آن در بندر امیرآباد در شکل (5) نشان داده است. این USV می­تواند در چهار حالت با یک اولویت­بندی خاص، راه اندازی و کنترل شود که عبارتند از: (1) کنترل دستی به‌وسیله یک دسته بازی^[27] روی قایق، (2) کنترل از راه دور توسط یک واحد کنترل دستی، (3) کنترل از دفتر با استفاده از یک GUI و (4) تعقیب مسیر­کاملا خودکار.

شکل (5): (الف) مدل CAD سه بعدی مروارید (ب) مروارید در بندر امیرآباد

حسگری که برای این پژوهش استفاده شد از سری پویشگر­های لیزری لیدار شرکت Hokuyo است که مدل آن UXM-30LXH-EWA می­باشد و دارای برد حداکثری 120 متر و برد قابل اطمینان 80 متر و برای مصارف و کاربرد در محیط­های خارج از ساختمان و در فضای روباز می­باشد. شکل­های (6) و (7) به­ترتیب پویشگر لیزری لیدار مورداستفاده و طرح‌واره ساختمان داخلی لیدار را نشان می­دهد.

شکل (6): پویشگر فاصله‌یاب لیزری لیدار شرکت Hokuyo

شکل (7): طرح‌واره پویشگر فاصله‌یاب لیزری لیدار

ساختار داخلی پویشگر فاصله‌یاب لیزری لیدار به صورت کلی از یک فرستنده و یک گیرنده لیزر و یک آینه و یک موتور پله‌ای تشکیل شده است که وقتی لیزر از فرستنده به آینه برخورد می­کند، از آینه به سمت بیرون منعکس می‌شود و بعد از برخورد به اولین مانع یا شیء، دوباره به سمت پویشگر فاصله‌یاب لیزری لیدار بازتاب پیدا می­کند و توسط گیرنده دریافت می‌شود و به سمت لپ­تاپ می­رود تا سیگنال گرفته شده پردازش‌شده و برای استفاده کاربر آماده شود. شکل (8) طرح‌واره طرز کار لیدار را نشان می­دهد.

شکل (8): طرح‌واره پویشگر فاصله‌یاب لیزری لیدار

در این تحقیق قبل از شروع هر­کاری، ابتدا فلوچارت مراحل کار ترسیم شد که در شکل (9) نشان داده شده است.

شکل (9): فلوچارت عملیات تشخیص مانع با استفاده از پویشگر فاصله‌یاب لیزری لیدار

سپس جهت برنامه­نویسی رابط­ گرافیکی کاربر از برنامه­نویسی سوکت شبکه استفاده شد. شکل (10) ارتباط اولیه با لیدار را نشان می­دهد.

شکل )10(:فرم اولیه برای ارتباط با فاصله‌یاب لیزری لیدار

پس از برقراری ارتباط با لیدار، الگوریتم داده­برداری نوشته شدکه به­صورت زیر می­باشد:

جدول (1): الگوریتم داده‌برداری

داده­های خوشه­بندی معمول برای موانعی هستند که داده­ها دارای ترتیب خاصی نیستند، مانند نقطه­های موجود روی یک صفحه مختصات که دارای هیچ ترتیب خاصی نیستند، ولی داده­های پویشگر فاصله‌یاب لیزری لیدار دارای ترتیب هستند، چرا که از گام 1 شروع شده و تا گام 1520 ادامه می­یابند و برای هر گام نیز داده فاصلة منحصر­به‌فردی استخراج می­کند و سپس اسکن بعدی شروع می­شود، یعنی ازگام 1 تاگام 1520 ادامه می­یابد و این روند تا زمانی­که توسط کاربر متوقف نشود، ادامه می­یابد. با در نظر­گرفتن ترتیب داده­های پویشگر فاصله‌یاب لیزری لیدار از یک روش ابداعی مناسب برای این نوع داده‌ها، استفاده گردید، چون داده­ها از پرتو 1 شروع می‌شوند و به سمت پرتو 1520 پیش می­­روند. هر پرتویی که به موانع برخورد کند و بر­گردد با پرتوی قبلی مقایسه­شده و اگر اختلاف پرتو از یک عدد خاصی که به صورت تجربی تعیین شده است، بیشتر باشد، خوشه را جدا می­کند، وگرنه پرتوی مورد نظر را روی خوشه مورد نظر اضافه می­کند تا زمانی­که این اختلاف از عدد مورد انتظار بیشتر شود و خوشه را جدا­ کند. شکل (11) طرح‌واره­ای کلی از این الگوریتم را نشان می­دهد.

شکل (11):  طرح‌واره الگوریتم خوشه‌بندی ابتکاری

مثلا در شکل (11) اختلاف پرتوهای 9 و 10 و همچنین پرتوهای 15 و 16 بیشتر از عدد مورد نظر­ است و بنابراین خوشة قبلی بسته، و خوشة جدیدی ایجاد می­شود. بعد از تحلیل الگوریتم مورد نظر و اطمینان از اینکه روش ابداعی می­تواند در امر تشخیص موانع و خوشه‌بندی مؤثر باشد و به­‌خوبی عمل­کند، برنامه­نویسی این الگوریتم در زبان برنامه­نویسی C# آغاز شد. الگوریتم و فلوچارت کلی برنامه­نویسی این برنامه به­صورت زیر در شکل (12) نشان داده شده است. پس از کد­نویسی و اجرای الگوریتم، خوشه‌بندی داده­ها با موفقیت و با سرعت بالایی انجام شد، به طوری که موانع را به صورت خوشه­هایی که مجموعه‌ای از فواصل R و زوایای Ɵ بودند، نشان می­داد. در شکل (13) نمونه­ای از خوشه­بندی با این برنامه و الگوریتم آورده شده است:

شکل (12): طرح‌واره الگوریتم خوشه­بندی ابداعی

شکل (13): فرم مربوط به­تشخیص مانع همراه با الگوریتم خوشه­بندی ابداع

البته قابل ذکر ­است که بعضی از خوشه­ها به­عنوان مانع در نظر ­گرفته نشده و فیلتر شده­اند، مثلا ­موانعی­که همة اعضای آنها 120000mm است­که عملا مانع به حساب نمی­آیند، یعنی با هیچ چیزی برخورد نکرده‌اند. پس از اینکه مانع تشخیص داده شد، باید مشخصات و پارامتر­های مختلفی از موانع تشخیص داده شده به قایق ربات مروارید ارسال شود تا­ ربات بتواند عملیات هدایت، کنترل و ناوبری ربات و اجتناب از موانع را انجام دهد، که در شکل (14) نشان داده شده است.

شکل (14): طرح‌واره نحوة محاسبه پارامتر­های موانع

با توجه به­شکل (14) جهت استخراج فاصله­ موانع مختلف از قایق ربات، ابتدا پرتوی اول و آخر خوشه مورد­نظر به­عنوان دو ضلع از یک مثلث در نظر­ گرفته شد. و وتر آن مثلث رسم و میانة وتر محاسبه شد و سپس از مرکز پویشگر فاصله‌یاب لیزری لیدار به میانة مثلث خطی رسم شد که همان فاصله مانع از قایق می­باشد. البته در موانع محدب و مقعر نزدیک­ترین فاصله به مانع از فاصله محاسبه­شده به این روش به­ترتیب کمتر و بیشتر خواهد شد که برای حل این مشکل از پارامترهای دیگری همچون Rmin، Rm و R760 استفاده خواهد شد که در بخش­های بعدی مورد بحث و بررسی قرار می­گیرند. در شکل (15) پرتو­های Rmin، Rm و R760 نشان داده شده­اند.

شکل (15): نمایش پرتوهای خاص

پس از نوشتن و تکمیل برنامه، باید کلاسی برای برنامة نوشته­شده تشکیل داد و سپس آن را در برنامة جامع مروارید پیاده­سازی کرد تا عملیات تشخیص مانع با استفاده از پویشگر فاصله­یاب لیزری لیدار روی برنامة اصلی انتقال یابد. شکل (16) فرم اصلی برنامة جامع مروارید را نشان می­دهد

­

شکل (16): فرم اصلی برنامه جامع مروارید

به­منظور نصب پویشگر فاصله­یاب لیزری لیدار بر روی قایق ربات‌خودران مروارید، نیاز به یک پایه بود که در دو جهت x و y مطابق شکل (17)، قابلیت دوران داشته باشد.

شکل­ (17): دوران پویشگر فاصله‌یاب لیزری لیدار حول محورهای xو y

این قابلیت دوران در دو جهت، این امکان را می­دهد تا بعد از نصب پویشگر فاصله­یاب لیزری،  لیدار به­درستی کالیبره شود، تا داده­هایی­که به­دست می­آید و موانعی­که تشخیص­داده می­شود، به­درستی انجام­گیرد. پس از انجام کارهای مختلف روی پایة انتخابی در کارگاه ماشین ابزار، پایة مورد­نظر به شکل مناسب در­آمد که در شکل (18) نمایش­داده شده است.

شکل (18): پایة بهینه‌شده پویشگر فاصله­یاب لیزری لیدار

برای­ ارزیابی­عملکرد سامانه، این سامانه در حالت کنترل از راه دور ارزیابی شد تا از فواصل و زوایای مختلف در مقابل موانع قرار ­گیرد و تجزیه و تحلیل درستی از تشخیص موانع انجام شود. برای ارزیابی سامانة تشخیص مانع مروارید در شرایط آزمایشی از مسیر­های منحنی شکل نا­مشخصی استفاده شد تا بتوان از جهات گوناگون، موانع را تشخیص داد. به این منظور سامانة تشخیص مانع مروارید طبق جدول (1) که روش و نوع آزمون را نشان می­دهد، ارزیابی شد.

جدول (1) : آزمون مقایسه‌ای تشخیص موانع با استفاده از پویشگر فاصله‌یاب لیزری لیدار

     نوع مانع در سه حالت مختلف ارزیابی شد که در هر حالت با سه تکرار ­آزمون شد. آزمون در­ دو مرحله صورت گرفت. مرحله اول در دریاچه چیتگر واقع­ در تهران بود که­ درآنجا از یک قایق پدالی به­پهنای 2 متر به­عنوان مانع استفاده، ­و عملیات تشخیص مانع انجام شد وارزیابی گردید. مرحله دوم آزمون در بندر امیرآباد در­ آب­های دریای خزر بود که برای بار اول، بویه­ای که در وسط آب بندر به صورت ثابت و بدون حرکت و دارای پهنای 24 سانتی­متر بود، به­عنوان مانع در نظرگرفته شد و برای بار دوم نیز کشتی ناجی بندر امیرآباد که در کنار آب پهلو گرفته بود، به­عنوان مانع در نظرگرفته شد که بدنه بیرون از آب کشتی دارای پهنای 6/13 متر­ بود. این موانع در شکل (19) نشان داده شده‌اند.

شکل (19): موانع مورد ارزیابی که عبارتند از (الف) بویه (ب) قایق پدالی (ج) کشتی ناجی