随着国家海洋强国战略和长江经济带发展工作的深入推进，水路运输在经济社会发展中的发挥着越来越重要的作用。水下地形勘探和测量作业是保障船舶航行及作业安全的基本条件，其需求日趋旺盛。传统水域测量作业主要由有人船艇搭载测量设备在作业水域往复航行实现，近年来，随着人工智能技术和船舶工业的发展，无人船艇(Unmanned Surface Vessel,USV)凭借着吃水浅、能耗低、操纵灵活且无需载人等优势，在水域测深任务方面大显身手。为进一步提升作业精度和作业效率，本文拟以多艘无人测量船艇(Unmanned Surface Mapping Vehicle,USMV)协同的模式来实现水域测量工作，深入开展协同覆盖路径规划算法研究。
　　USMV开展水下地形勘探的作业水平主要取决于其覆盖路径规划的能力。当前，覆盖路径规划研究主要集中于移动机器人领域。传统的覆盖路径规划算法存在着规划的路径不连续、协同覆盖效率较低等问题。为此，依托USMV开展水下地形测量工作，需要深入分析水域作业覆盖需求、建立水域环境模型，设计合理高效的协同覆盖路径规划算法，显著提升协同覆盖路径质量、协同作业效率及安全性。本文主要开展了如下研究：
　　首先，概述了分解算法、梯形分解法、Boustrophedon分解法等地图分解法，以及BA*覆盖路径规划算法，分析了传统覆盖路径规划算法的适用性。
　　其次，开展单艘无人测量船艇覆盖路径规划算法研究。采用栅格法开展水域环境信息建模，结合作业水域部分海图和江图信息已知的特点，导入静态环境信息，为后续路径优化提供了信息支持。从单元分解方式和地图更新方式等方面改进了BA*算法，设计了IBA*(Improved BA*)算法，解决了过多单元造成的连续性不足的问题，满足了环境建模的高精度需求，有效克服了BA*算法局部最优的缺陷。数值案例证实，在覆盖率、路径长度及转向次数等方面，IBA*算法均优于Boustrophedon算法和BA*算法，同时拥有较低的时间复杂度。
　　随后，开展多无人测量船艇协同覆盖路径规划研究。在IBA*算法的基础上，设计实现了多USMV协同覆盖路径规划算法CCIBA*(Cooperative Coverage IBA*)。CCIBA*算法由协同覆盖离线规划和协同覆盖在线规划两阶段构成。在协同覆盖离线规划阶段，考虑预估路径、自身性能等因素，划分子任务区域，提出区域分割、回溯转移、区域交换和障碍物联合识别等4种典型的协同行为策略，提升了复杂场景下的优化决策水平；在协同覆盖在线规划阶段，在单艘USMV覆盖路径规划IBA*算法的基础上，体现出多USMV协同作业中子区域动态分配的覆盖需求，设计在线覆盖扫测流程，实现了CCIBA*算法。
　　最后，开展了复杂环境下多无人测量船艇协同覆盖仿真试验。在分析子区域划分、动态更新及协同扫测算法流程的基础上，凝练出CCIBA*算法的优势，开展多种复杂作业环境下的协同覆盖仿真实验。分析计算证实，本文设计的CCIBA*算法的覆盖率比BA*算法提升了约7.6%，转向次数比BA*算法减少了约16.5%，单元个数比BA*降低了约44.4%，在保证完整覆盖的前提下，路径长度与BA*算法相比未显著增加，比达成完整覆盖的Boustrophedon算法减少了约10.76%。
　　多无人测量船艇协同覆盖路径规划研究，提升了无人测量船艇复杂作业环境下覆盖率和覆盖效果，在日益繁荣的无人化作业水域扫测领域具有广阔的应用前景，将为国家航道信息化建设提供有益的理论指导和技术支持。