Abstract Search and find mission in ocean environment is a none trivial operation given the amount of random parameters associated with it. The uncertain and dynamic aspects related to ocean current movement make the trajectory prediction of drifting lost object onto sea water a very complicated task. In this work we present a novel lost target searching algorithm based on Recursive Area Clustering and target trajectory predication in ocean environment. Based on the widely known GlobCurrent v2 dataset which model the drifting of ocean surface current using satellite sensory data combined with mathematical and simulation modeling, we propose a regression algorithm based on our Recursive Area Clustering algorithm that we have developed previously to determine the strategic zones (weight centers) characterizing the high density areas extracted from drifting target history. Given those weight centers, we predict the object trajectory through refined regression. The predicted lost object trajectory is used to plan the path of UAV search mission. The model developed has a significant impact as we have tested our strategy in a scenario for searching an area covering 68517 km 2 , we have shown that 78% of the time, the lost object can be found within 32 km distance of the predicted trajectories limiting the significant search area to be about 5% of the whole searched area.

中文翻译：

---

基于物体轨迹回归预测的海面漂浮物体搜索无人机路径规划算法

摘要 考虑到与之相关的随机参数的数量，在海洋环境中搜索和寻找任务是一项非常重要的操作。与洋流运动相关的不确定性和动态性使得将丢失物体漂到海水上的轨迹预测成为一项非常复杂的任务。在这项工作中，我们提出了一种基于递归区域聚类和海洋环境中目标轨迹预测的新型丢失目标搜索算法。基于广为人知的 GlobCurrent v2 数据集，该数据集使用卫星传感数据结合数学和仿真建模对海面洋流的漂移进行建模，我们提出了一种基于我们之前开发的递归区域聚类算法的回归算法，用于确定表征从漂移目标历史中提取的高密度区域的战略区域（权重中心）。给定这些权重中心，我们通过精细回归预测对象轨迹。预测的丢失目标轨迹用于规划无人机搜索任务的路径。开发的模型具有重大影响，因为我们已经在搜索覆盖 68517 公里 2 区域的场景中测试了我们的策略，我们已经表明，78% 的时间，可以在预测轨迹的 32 公里距离内找到丢失的物体重要搜索区域约为整个搜索区域的 5%。我们通过精细回归预测对象轨迹。预测的丢失目标轨迹用于规划无人机搜索任务的路径。开发的模型具有重大影响，因为我们已经在搜索覆盖 68517 公里 2 区域的场景中测试了我们的策略，我们已经表明，在 78% 的情况下，可以在预测轨迹的 32 公里距离内找到丢失的物体重要搜索区域约为整个搜索区域的 5%。我们通过精细回归预测对象轨迹。预测的丢失目标轨迹用于规划无人机搜索任务的路径。开发的模型具有重大影响，因为我们已经在搜索覆盖 68517 公里 2 区域的场景中测试了我们的策略，我们已经表明，在 78% 的情况下，可以在预测轨迹的 32 公里距离内找到丢失的物体重要搜索区域约为整个搜索区域的 5%。