1.一种基于近端策略优化算法的AUV动态避障方法，其特征在于，包括以下步骤：S1、根据三维前视声呐数据格式进行数据解析，每t秒生成一帧三维前视声呐图像，并对图像进行上伪色、降噪等处理；

S2、根据声强信息对声呐图像进行障碍物检测，计算障碍物相对于AUV的位置信息，构建障碍物、AUV和目标位置的绝对坐标三维地图；

S3、比较地图中当前帧和上一帧绝对坐标发生改变的障碍物，计算此动态障碍物在t秒内的位移、平均速度和方向信息，构建碰撞预估模型；

S4、使用训练好的近端策略优化算法，根据碰撞预估模型，控制三维地图中的虚拟AUV在t秒内向着目标位置不断前行和试错，直至探索出一条安全避开障碍物的路径；

S5、AUV使用自身的推进器，在t秒内按照三维地图中虚拟AUV探索的路径前行，完成航行和避障动作；重复以上步骤，直至AUV到达目标位置。

2.根据权利要求1所述的一种基于近端策略优化算法的AUV动态避障方法，其特征在于：所述S1中的数据解析，使用OpenCV处理声纳数据，使用applyColorMap创建COLORMAP_TURBO伪彩色图像；

降噪处理采用双边滤波去除噪声，结合图像的空间近端度和像素值相似度折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。

3.根据权利要求1所述的一种基于近端策略优化算法的AUV动态避障方法，其特征在于：所述S2中三维地图的构建，以主动航行功能开启时AUV的位置为原点(0,0,0)，航向为Y轴正方向，水平垂直于航向方向向右为X轴正方向，竖直于航向方向指向水面为Z轴正方向构建三维坐标系，将根据声强信息检测到的障碍物识别框映射到地图中，并实时更新障碍物和AUV的坐标信息。

4.根据权利要求1所述的一种基于近端策略优化算法的AUV动态避障方法，其特征在于：所述S3中假设障碍物在t秒内速度vobs、俯仰角θobs和偏航角ψobs是固定的，声呐测得障碍物上一帧坐标系位置为(x1,y1,z1)，障碍物当前帧位置为(xobs,yobs,zobs)，则障碍物航行的速度为：偏航角为：

ψobs＝arctan((y1‑yobs)/(x1‑xobs))

俯仰角为：

据此可以判断出障碍物的动态信息；存储以上信息，形成障碍物、AUV和目标位置的绝对坐标三维地图。

5.根据权利要求1所述的一种基于近端策略优化算法的AUV动态避障方法，其特征在于：所述S3中构建碰撞预估模型，首先计算碰撞距离；

假设AUV当前帧的位置为(xauv,yauv,zauv)，在完成一个step航行动作后坐标的移动量为(Δxauv,Δyauv,Δzauv)，即完成一个step航行动作后AUV的位置为(xauv+Δxauv,yauv+Δyauv,zauv+Δzauv)，AUV完成一个step航行动作所需时间为Δt秒，Δt为毫秒量级；

障碍物经过Δt秒后在X轴移动量为：Δxobs＝vobsΔtcosθobscosψobs在Y轴移动量为：Δyobs＝vobsΔtcosθobssinψobs在Z轴移动量为：Δzobs＝vobsΔtsinθobs

即Δt秒后障碍物的坐标为(xobs+Δxobs,yobs+Δyobs,zobs+Δzobs)；

则经过Δt秒后，AUV与障碍物之间的距离为：

根据dist进行障碍物距离评分，得到障碍物距离奖励RΔt。

AUV动态避障是一个连续的过程，当前step采取的航行动作会在很大程度上影响下一个动作，所以只关注于当前动作产生的效果往往不能顾全大局，影响整体的避障效果；

同时考虑到物体运动的惯性，AUV和动态障碍物都不太可能在很短的几十个Δt秒内改变自身原有的速度和航向；假设AUV在接下来的几十个step都采取当前的航行动作，预估惯性运动带来的影响，从而计算一段整体的AUV障碍物距离奖励GmΔt：式中，GmΔt为m个step获得的总和障碍物距离奖励；RnΔt为第n个step(即n个Δt秒后)的障碍物距离奖励；γ为衰减因子，介于(0,1)之间，因为越近的RΔt对算法影响更为重要，而越远的RΔt因为其预估性使得准确度逐渐降低，γ的加入可以使碰撞预估模型的目光既不短浅也不会过于长远；

考虑到AUV的计算性能，经过仿真实验模拟，最终取m＝30，γ＝0.95，即：碰撞预估模型分为4个等级，分别是A表示：安全；B表示：较小碰撞风险；C表示：较大碰撞风险；D表示：极度危险，将G30Δt代入以下公式得到AUV对此障碍物的碰撞预估评级Sq：假设在同一帧声呐图像上识别到了q个障碍物，对这q个障碍物重复以上步骤，得到碰撞预估集S：S＝{S1，S2，S3，...，Sq}。

6.根据权利要求1所述的一种基于近端策略优化算法的AUV动态避障方法，其特征在于：所述S4中为了训练基于近端策略优化算法的深度强化学习网络模型，采用基于Python开发的物理引擎PyBullet进行仿真环境搭建，并依靠碰撞预估集S进行动态避障训练。

7.根据权利要求1所述的一种基于近端策略优化算法的AUV动态避障方法，其特征在于：所述S5中AUV使用自身的推进器沿着规划的路径前行，完成航行和避障动作。