CN105841688A - 一种船舶辅助泊岸方法和系统 - Google Patents

Abstract

本发明提供了一种船舶辅助泊岸方法和系统。该泊岸方法采用日盲紫外光成像法，包括采用至少两个日盲紫外光成像模块，根据其从预先在岸上设置的日盲紫外光源阵列所接收的光信号，计算船舶在泊岸过程中，相对于港口泊位岸线的位置和姿态。进一步地，当采用三个以上日盲紫外光成像模块时，本发明的方法和装置采用归一化自相关算法以及数据融合算法，用以提高船舶位置和姿态数据的精度。通过引用本发明所述船舶辅助泊岸方法和系统，能明显解决现行技术下船舶在雾天靠泊难度大以及现行技术中船舶引航靠泊装置受天气、环境等影响大的问题。

Description

一种船舶辅助泊岸方法和系统

技术领域

本发明涉及一种船舶安全航行的方法和装置。更具体地说，本发明涉及一种船舶泊岸过程中，准确监控船舶与岸线距离以及船舶姿态的方法和装置。

背景技术

船舶安全靠泊是水运领域一直在重点研究的难题。船舶在港口码头靠泊过程中需要严格控制好靠泊速度和距离，同时也需要参考船舶的姿态。引航员必须对所在水域的地理特点、航道、水深、水流、航标设置和当地规章制度了如指掌，并具有熟练的靠离码头难度较高的操纵技术。因此引航员不仅工作强度非常大，还要承担多种安全风险。

在水运领域，恶劣天气尤其是雾天严重影响着水运航道的通畅。海事统计资料表明，大多数海事事故发生在夜间及能见度不良情况下，其中能见度不良情况下发生的海事事故又占大多数，而雾则是造成能见度不良最重要的因素之一。船舶在雾航时，由于各种不确定因素(如船舶动态、驾驶员主观意图等)的存在，往往使驾驶员作出错误决策，导致海难事故的发生。目前用于船舶助航的设备主要是雷达导航系统与自动识别系统。

就船舶引航而言，雾天会严重的影响引航员的目视观察效果，造成引航员无法判别船舶相对码头泊位的姿态而无法指挥船舶安全靠泊。不同港口和航道的水文条件有所差别，但是通常能见度小于1海里时船舶要减缓航行,能见度小于1000m时大型船舶一般会停止航行。雾天下由于能见度较低，常常发生诸如大型船舶撞毁桥墩等严重事故，同时船舶过坝时也受到雾天的影响，导致雾天时船舶必须停止过坝。因此雾天不仅影响着船舶航行的安全，也严重影响着水运航道和港口物流的通畅。

目前船舶在航行靠泊时都会参考一些无线电引航系统，如雷达。但雷达系统在工作时易受外界因素如气候、地形、外部干扰的影响，并且考虑到雷达通常架设在船的较高位置,可以探测到距离船舶较远处的情况而不易探测到距离船舶较近处的情况，因此在船舶引航靠泊的过程中雷达系统有很大的局限性。目前通常通过引航员的目视把握和判断来确定船舶靠泊方案。为了避免潜在安全事故的发生，人们不得不规定，在恶劣天气下，船舶应停航停运。

考虑到当今巨大的货物运输量、旅客周转量的实际需要，一些在恶劣天气条件下的助航设备，如航海领域中的雷达导航系统、自动识别系统(AIS)等已经被研制出来。这些助航设备可在一定程度上辅助驾驶人员进行恶劣天气条件下的驾驶，但受技术、费用、精度、场地等多 方面的影响，仍然存在诸多不足。

上述现有技术中的雷达导航系统与自动识别系统(AIS)均为无线电通讯类助航系统。其中船用雷达导航系统作为船舶助航的常用手段，在定位导航和避碰中发挥着作用，但其自身也存在不可避免的缺陷。例如，在气象条件恶劣时(如雨雪风浪天气)，雷达导航系统容易受海浪和雨雪干扰产生杂波，相同频率或频率接近的雷达在近距离时也会产生同频雷达干扰杂波。而且，雷达通常存在30-50米的固定盲区，受船上大桅等的影响会产生扇形阴影区，受复杂情况影响雷达会产生各种假回波，例如多次扫描假回波、二次扫描假回波、间接反射假回波以及旁瓣回波等假回波。上述所有的这些干扰杂波和假回波在实际使用时往往会让操作者难以分辨或影响观测，进而对航行安全产生错误的导向。

船舶自动识别系统(AIS)是一种基于卫星定位的设备，通常精度在5-30米。由于不存在盲区，它的定位精度高于雷达，且不因目标距离和方位变化而变化，其由岸基(基站)设施和船载设备共同组成，是一种新型的集网络技术、现代通讯技术、计算机技术、电子信息显示技术为一体的数字助航系统和设备。AIS本质上是一个广播转发器系统，在海上移动通信频道VHF上工作，它能把船舶信息如船名、呼号、海上移动识别码、位置、航向、航速等自动发送到其他船上或岸上，以快速的更新率，处理多路通信，并使用自控时分多址联接技术来满足通信的高密度率，保证了船对船和船对岸操作的可靠和实时性能。但是，AIS也存在诸多局限性。首先，同雷达导航系统一样，其提供的信息都不是真实的视觉图像，这对雾天靠泊导航而言没有实质性地帮助，由于引航人员看不到周围环境，船只依旧被迫停航；再者，其设备精度为5-30米，或许能满足避碰需求，但对近距离靠泊而言，5m的精度误差很容易造成大型船只在最后靠泊的关键时刻发生严重的与码头或驳船的碰撞事故。

综上，现有技术的船用雷达导航系统和船载AIS这两类助航仪器，在低能见度大气条件下进行近距离导航时，仍然不能满足使船舶安全舶岸的。

近年来，现有技术中发展出日盲紫外引航靠泊系统。利用200－280nm波段的日盲紫外现象，在岸上设置日盲紫外光源灯组，在所需引航和泊岸的船舶上设置日盲紫外光探测器。根据所述探测器所接收的日盲紫外光信号，最终得到所述船舶相对于码头的位置，以利于安全地泊岸。例如，申请号为2012105507102、题目为《基于日盲紫外光信号的引航靠泊系统》的中国专利申请，公开了一种日盲紫外光辅助泊岸系统。所述系统包括日盲紫外光源系统、三轴电子罗盘、光学成像模块和信息处理终端组成。三轴电子罗盘与光学成像模块相连，获取所述光学成像模块在转动时的各角度信息；光学成像模块包括分光镜、可见光或红外光成像通道和日盲 紫外光成像通道，其可见光或红外光成像通道接收可见光信号，输出可见光或红外光视频信号，其日盲紫外光成像通道接收日盲紫外光信号，输出日盲紫外光视频信号；所述的信息处理终端用于根据两路视频的数字信号，计算船舶的航行姿态数据和输出合成视频至显示系统。在该专利申请中，通过三轴电子罗盘与光学成像模块相连，获取所述光学成像模块在转动时的各角度信息，最终得到船舶相对于岸线的角度信息。不过该系统也有不足之处。例如，在使用三轴电子罗盘时，有时会受到巨大的磁场干扰，使得到的数据出现误差，很难得到船体距离靠泊岸线的较准确的距离，使靠泊仍然困难。

因此，目前的现有技术无法方便、准确、安全地保证船舶雾天精确定位靠泊引航。

发明内容

为解决上述技术问题，本发明的目的在于提供一种船舶的泊岸方法，采用日盲紫外光探测技术，得到船舶相对于岸线和泊位的姿态和相对距离数据，用于船舶安全泊岸。本发明的另外一个目的是提供一种引导船舶泊岸的系统。

根据本发明的一个方面，本发明提供了一种船舶泊岸方法。所述的方法采用日盲紫外光成像法，确定所述船舶相对于岸线的位置和姿态角，包括在所述船舶上设置至少两个日盲紫外光成像模块，所述日盲紫外光成像模块接收从预先在岸上设置的日盲紫外光源阵列所发射的光信号，光信号由信号处理器处理后，得到所述日盲紫外光成像模块相对于有关泊位的位置关系，进而得到所述船舶相对于有关泊位岸线的位置关系数据。

可以用多种方式来表示所述船舶相对于有关泊位岸线的位置关系。一种方式是，可以用所述船舶上若干个基准点相对于泊位岸线的位置数据来表示。一种优先的方式是，利用所述船舶上一个基准点相对于泊位岸线的位置数据，再加上船舶的姿态角来表示。所述船舶的姿态角，是表示船舶与周围环境(例如岸边)关系的角度，例如包括航向角、俯仰角和横滚角中的至少一个角度。

本发明所述日盲紫外光成像模块接收预先在岸上设置的日盲紫外光源阵列的光信号，并把所接收到的光信号转变为电信号，再发送到一个信号处理器中，信号处理器根据与所述日盲紫外光成像模块所接收的光信号相应的电信号，计算所述船舶与有关泊位的位置关系信息，并确定所述船舶的姿态角。另一种方式是，所述信号处理器被集成在所述日盲紫外光成像模块中。事实上，可以利用系统中各种带有运算功能的部件，来对日盲紫外接收光进行这样的处理。

具体地说，这些日盲紫外光成像模块分别接收预先在岸上设置的日盲紫外光源阵列所发出的日盲紫外光信号，分别得出每个日盲紫外光成像模块相对于日盲紫外光源阵列的平移向量， 并通过所述的平移向量求出船体与日盲紫外光源阵列的距离。由于预先放置的日盲紫外光源阵列与有关泊位的位置关系是确定的，由此可得到所述船舶与有关泊位的位置关系信息。并且，信号处理器根据所接收到的日盲紫外光源阵列所发出的日盲紫外光信号，计算出该两个日盲紫外光成像模块之间的连线在目标点阵坐标系中的矢量表示，并根据这些日盲紫外光成像模块在所述船舶上的设置方式，求得船体在目标点阵坐标系的矢量表示，再根据预先设定或者预先测定的码头岸线在目标点阵坐标系中的矢量表示，计算出船体轴线相对于岸线的姿态角，从而确定所述船舶相对于泊位岸线的位置和姿态。

本发明中所称船舶的姿态角，一般指船舶的航向角、俯仰角和横滚角中的至少一个角度。当然也可以指更易于表示所述船舶相对于岸线关于的角度。

根据本发明的方法，采用两个日盲紫外光成像模块，可以唯一地确定所述船舶相对于目标泊位及岸线的位置关系。如果采用三个或三个以上的日盲紫外光成像模块，则一般来说每两个日盲紫外光成像模块都可组成一个独立的日盲紫外光成像系统，用于确定所述船舶与目标泊位和岸线的位置关系。

当采用三个或三个以上的日盲紫外光成像模块组成一个独立的日盲紫外光成像系统时，可以利用原始数据的冗余性，对这些数据进行整合，得到代表船舶与岸线位置关系的、更好的数值。

优选地，本发明的方法可以采用归一化自相关算法，对所述多个日盲紫外成像模块的接收数据进行处理。采用归一化自相关处理方法，通过整体误差分析可以获得一个由所有日盲紫外光成像模块组成的检测系统的可信度平均值的阈值以及每个日盲紫外光成像模块可信度的情况，利用该阈值滤除可信度较低的定位数据，进而获得最终的每个模块的可信度权重，之后利用该可信度权重对每个模块进行加权平均即可得到最终的数据。所述的归一化自相关算法，可以在制备本发明系统时，以硬件(例如IC、ASIC或FPGA)和/或软件的方式，固化到系统中，并成为本发明系统的一个组成部分。

具体地说，采用归一化自相关算法，对采用三个或三个以上的日盲紫外光成像模块组成一个独立的日盲紫外光成像系统时的日盲紫外光成像模块的位置数据和/或角度数据进行整合处理。在这种方法中，可以用向量p_i(x_i,y_i,z_i)表示由N个日盲紫外光成像模块返回的N组经角度和空间变换后的定位数据中的第i组定位数据，其中i＝1,2,3……N，x、y和z分别为N个日盲紫外光成像模块的三轴坐标值；所述经角度和空间变换后的定位数据，其获得方法为：在已知所有日盲紫外光成像模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几 何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据；其具体变换方法为：(1)确定一基准点，所述基准点可以是所述日盲紫外接收模块中的任一测量模块的所在位置，也可以是其他某点；(2)测量其他各个测量模块到所述基准点的距离与方向角(为光源参考系下参数，须与船姿态角叠加以确定)，从而得到相应的转化向量；(3)将各个测量模块得到的相对位置坐标参数加上转化向量以得到变换后的定位数据；

采用归一化自相关系数表示每个子系统返回的、所述船舶上的基准点位置数据的可信度，其表达式如下：

$\mathrm{NCC}\left(p_i\right)=\underset{i\≠j}{\overset{N}{\underset{j=1}{\mathrm{\Σ}}}}\frac{p_i\·p_j}{\left|p_i\right|\left|p_j\right|}=\underset{i\≠j}{\overset{N}{\underset{j=1}{\mathrm{\Σ}}}}\frac{x_i{x}_j+y_i{y}_j+z_i{z}_j}{\sqrt{{x_i}^2+{y_i}^2+{z_i}^2}\sqrt{{x_j}^2+{y_j}^2+{z_j}^2}}---\left(1\right)$

j＝1,2,3，…，N；这里，所述船舶上的基准点位置可以是日盲紫外接收模块所在的位置；

对上述原始的定位数据，可以采用多种处理方法。其中一种方式是，设定一个由所有日盲紫外光成像模块组成的检测系统的可信度平均值的阈值G，对所述G值较高的数据设定较高的权重，表明该数据较为可信；而对所述G值较低的数据设定较高的权重，表明该数据较为不可信。极端的情况是，设定一个所有系统可信度平均值的阈值G，并根据该阈值G滤除NCC较低的定位数据，进而获得最终的系统可信度权重w，表达式如下：

$w\left(p_i\right)=\left\{\begin{array}{c}\mathrm{NCC}\left(p_i\right),\mathrm{NCC}\left(p_i\right)>G\\ 0,\mathrm{NCC}\left(p_i\right)\≤G\end{array}\right.---\left(2\right)$

从而得到最终的拟合定位数据：

$p_{\mathrm{result}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)\×p_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)}---\left(3\right)$

也可以根据这些日盲紫外光成像模块所得到的原始定位数据，计算所述船舶的姿态角。再进一步地对所述的姿态角进行整合处理。

根据本发明的方法，也可以采用归一化自相关算法，对较为可信的任一姿态角的方向向量的三个分量α、β和γ进行整合处理。具体地说，用向量q_i(α_i,β_i,γ_i)表示由N个日盲紫外光成像模块返回的N组定位数据，其中i＝1,2,3……N；采用归一化自相关系数表示每个系统返回定位数据的可信度，其表达式如下：

$\mathrm{NCC}\left(q_i\right)=\underset{i\≠j}{\overset{N}{\underset{j=1}{\mathrm{\Σ}}}}\frac{q_i\·q_j}{\left|q_i\right|\left|q_j\right|}=\underset{i\≠j}{\overset{N}{\underset{j=1}{\mathrm{\Σ}}}}\frac{{\mathrm{\α}}_i{\mathrm{\α}}_j+{\mathrm{\β}}_i{\mathrm{\β}}_j+{\mathrm{\γ}}_i{\mathrm{\γ}}_j}{\sqrt{{{\mathrm{\α}}_i}^2+{{\mathrm{\β}}_i}^2+{{\mathrm{\γ}}_i}^2}\sqrt{{{\mathrm{\α}}_j}^2+{{\mathrm{\β}}_j}^2+{{\mathrm{\γ}}_j}^2}}---\left(4\right)$

当所述的姿态角为一个平面角时，只测量此单个姿态角，其方向向量的两个分量α、β可以通过对该角度求余弦和正弦得到。求出任一个姿态角为空间角时，需要相应地测量两个姿态角，确定表示该姿态角的一条直线，并将该直线在所述空间的三个基准平面上做投影，相应地求出该直线方向在所述的三个基准平面上的分量。

在现实场景中，当气候条件很差，所述船舶的俯仰和横滚较大时，可能需要三个姿态角同时进行归一化自相关算法，需要将三维坐标系的旋转用四个变量表示出来。可以用空间几何的通用方法来求出这四个变量。

在归一化自相关方法中，可以对阈值G不同的定位数据设定权重，再进行进一步的处理。一种极端的情况是，设定一个所有系统可信度平均值的阈值G，并根据该阈值G滤除NCC较低的定位数据，进而获得最终的系统可信度权重w，表达式如下：

$w\left(q_i\right)=\left\{\begin{array}{c}\mathrm{NCC}\left(q_i\right),\mathrm{NCC}\left(q_i\right)>G\\ 0,\mathrm{NCC}\left(q_i\right)\≤G\end{array}\right.---\left(5\right)$

从而得到最终的拟合定位数据：

$q_{\mathrm{result}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(q_i\right)\×q_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(q_i\right)}---\left(\text{6}\right)$

并根据N个日盲紫外光成像模块中任两个模块拟合后的坐标，换算出拟合后的船舶姿态角数据。

根据本发明船舶泊岸方法的另一个方面，还可以对初步的坐标数据和姿态角数据分别进行数据融合。可以采用多种数据融合算法。

例如，第一种数据融合算法包括：使用向量p_i(x_i,y_i,z_i)表示由测量同一个量(例如一组坐标值，或者一组姿态角值)的N个测量子系统模块所检测到的N组数据，其中每个子系统检测一组数据，并且i＝1,2,3……N。

该算法采用各个子系统测量数据实际计算出来的均方根误差rmse来判定每个子系统返回数据的可信度，计算各子系统测量数据的均方根误差公式为：

$\mathrm{rmse}=\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-x_f)}^2/(n+1)}---\left(7\right)$

其中，rmse代表均方根误差，x_i代表i时刻对各个测量子系统在X轴坐标的测量数据，x_f代表i时刻对x_i数据的滤波值，n代表测量数据的总数，即子系统的个数。i时刻的滤波值一般通过卡尔曼滤波方法获得。

确定权值：通过曲线拟合进行权值的分配。

根据鲁棒统计学理论，数据中的信息可分为三类：有效信息、可利用信息和有害信息。针对这三类数据，分配不同的权值可以使他们各自发挥不同的作用。因此在分配权值的时候，可以采用分段式的方法，即对于有效信息在融合的时候可以完全接受，对于可利用信息，按一定的曲线变化来选取，对于有害信息或无效信息则完全拒绝。数学表达式如下：

$\mathrm{\ω}=\left\{\begin{array}{c}0,\left|e\right|\≥b\\ f\left(\right|e\left|\right),b\≥\left|e\right|\≥a\\ l,\left|e\right|\≤a\end{array}\right.---\left(8\right)$

其中，ω为权值，参数b是判断野值得最小限度，参数a是有效数值与可利用数值的界限值。误差大于b则认为是野值，对应权值为0。误差小于a则认为是有效值，对应权值为1，中间的可利用值的权值按照曲线y＝f(x)给出。且f(x)必须满足以下条件：在(a,b)这个区间上，随着误差的增大而迅速减小。f(x)采用的表达式如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2})---\left(9\right)$

其中，μ和σ分别为正态分布的均值和方差。由于正态曲线在x>μ的区域呈现递减函数的特性，因此在这里取μ＝0，实际上运用的是半正态曲线。σ值的选取对权值分配系数的影响很大，可以根据“3σ”法则结合实际情况给出。

通过正态曲线拟合权值分配的方法可以通过下式得到：

$a_{\mathrm{ki}}=\frac{f\left({\mathrm{rmse}}_{\mathrm{ki}}\right)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}f\left({\mathrm{rmse}}_{\mathrm{ki}}\right)}$ 并且有 $\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{\mathrm{ki}}=1---\left(10\right)$

其中，rmse_ki表示k时刻第i个系统的均方根误差，a_ki代表k时刻第i个系统的权值。最终数据融合的结果如下：

${\hat{X}}_{\mathrm{ki}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{\mathrm{ki}}{X}_{\mathrm{ki}}---\left(11\right)$

其中，为k时刻的融合值，X_ki表示各子系统k时刻所得到的测量数据。

用以上同样方法，得出Y轴坐标y，以及Z轴的坐标z。

另一种数据融合算法包括：

当整合的数据为坐标数据时，使用向量p_i(x_i,y_i,z_i)表示由N个测量子系统返回的N组经角度和空间变换后的定位测量数据，其中i＝1,2,3……N。所述经角度和空间变换后的定位数据，其获得方法为在已知所有日盲紫外接收模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据。

该算法通过计算N个子系统返回的N组定位数据中每个坐标序列(例如，x坐标的数据有N个)的标准差(std：standard deviation)，作为判定N组数据中各坐标序列中离群数据(即某个子系统返回的定位数据可靠性较差)的依据。坐标序列标准差计算的表达式如下：

${\mathrm{\σ}}_{\mathrm{index}}=\sqrt{{(X_{\mathrm{index}}-{\stackrel{\‾}{X}}_{\mathrm{index}})}^2/N},\mathrm{index}\∈(x,y,z)---\left(12\right)$

其中，index∈(x,y,z)则σ_index代表N组数据中各坐标序列的标准差，X_index代表N组测量的数据，每一组测量数据包含一组坐标值(x,y,z)，代表N组数据的平均值，即由各坐标序列平均值组成的一个一维向量。

离群数据的判定可通过下式获得：

$\mathrm{outliters}=|X_{\mathrm{index}}-{\stackrel{\‾}{X}}_{\mathrm{index}}|>C*{\mathrm{\σ}}_{\mathrm{index}}---\left(13\right)$

其中，outliters代表获得的离群数据，该离群数据的特性为，由x,y,z组成的一组坐标数据中，只要其中有一个坐标值在其所在的序列中被判为离群数据，则该组坐标值就被判定为N组坐标数据中的离群数据。X_index，σindex含义同上。c为常系数，可根据实验经验和需求而定，该常数的确定方法可以是通过大量的测试判断测试值的波动范围，取一以测试值均值为中心的对称范围使大量出现的不合理的点在该范围外，该范围长度的一半即为C。

然后将离群数据从N组原始测量数据中剔除，则得到新的定位数据序列称为X′维数为N′，之后对X′进行等权平均数据融合得到最终的融合数据如下：

${\hat{X}}^{\′}=\frac{1}{N^{\′}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}^{\′}---\left(14\right)$

其中，为数据融合后的最终的定位数据，其算法流程包括：1)计算定位数据中每个坐标序列的标准差，2)根据计算出的标准差得到每个坐标序列中的离群数据，3)从原测量数据中剔除离群点，4)采用平均加权数据融合方法计算出最终的定位数据，最终得到所述船舶基准点最终的X轴坐标值x。类似地，分别得到Y轴的坐标值y，以及Z轴的坐标值z。

采用上述相似的方法，可以对姿态角数据进行融合，得到所述船舶最终的姿态角数据。

根据本发明的另一个方面，本发明提供了一种增强船舶近距离安全泊岸能力的装置。该船舶泊岸装置，采用日盲紫外光成像法，确定所述船舶相对于岸边的位置和姿态角，包括：

1)至少两个日盲紫外光成像模块，分别被设置在所述船舶上，每个日盲紫外光成像模块包括日盲紫外光接收器，用于接收预先被设置在岸上的日盲紫外光源阵列的光信号，并将所述的光信号转换为相应的电信号

2)信号处理器，包括数据处理部分以及与外界部件相电联接的部分，与上述日盲紫外光成像模块电气地连接，并且被设计成用于从所述的日盲紫外光成像模块接收所述的电信号并对其进行处理，分别得出所述的每个日盲紫外光成像模块相对日盲紫外光源阵列的平移向量，并通过所述的平移向量求出船体与目标点阵的距离，进而根据预设的日盲紫外光源阵列的坐标值，计算出所述船舶上日盲紫外光成像模块相对于岸线的位置，得到所述船舶整体上相对于岸线的位置关系；并且，根据所接收到的、代表日盲紫外光信号的电信号，计算出该两个日盲紫外光成像模块之间的连线在目标点阵坐标系中的矢量表示，根据这些日盲紫外光成像模块在所述船舶上的设置方式，求得船体在目标点阵坐标系的矢量表示，再根据预先设定/测定的码头岸线在目标点阵坐标系中的矢量表示，计算出船体轴线相对于岸线的姿态角。

当风浪不大时，船舶的俯仰和晃动比较小，其姿态角中较有意义的仅为船舶轴线相对于岸线的夹角。也就是说，此时其俯仰角和横滚角近似于零。为提高测量精度，所述的这些日盲紫外光成像模块可以彼此稀疏地布置在船舶上。

根据本发明船舶泊岸装置的进一步的方面，所述信号处理器的软件和硬件部分被设计得可以对所得的坐标和/或姿态角数据进行整合处理，以得到更好地代表船舶与岸边位置的、相应的坐标数据和/或姿态角数据。当装置包括三个或三个以上的日盲紫外光成像模块，所述的信号处理器的这种处理方式可以提高对船舶坐标和姿态角的测量精度。

所述信号处理器可以被设计得采用归一化自相关算法，对所述船舶的坐标数据以及姿态角数据进行整合处理，其具体处理方法与上述本发明方法中例举的归一化自相关算法过程相同。

进一步地，本发明的船舶泊岸装置还可以将所述信号处理器设计成采用数据融合算法，对所述船舶的坐标和姿态角这两类不同的数据进行整合处理，其具体处理方法与上述本发明方法中例举的两种数据融合算法过程相同。

通过引用本发明所述船舶辅助泊岸方法和系统，能明显解决现行技术下船舶在雾天靠泊难度大以及现行技术中船舶引航靠泊装置受天气、环境等影响大的问题。即使在雾天，它也能为引航员提供更为直观、准确、安全的航行信息，便于引航员在雾天对船舶靠泊进行引航，也解决了雾天水运航道和港口物流的通畅问题。

附图说明

本发明用下列附图来说明发明的一些细节。其中，

图1本发明船舶靠泊导航的系统框图；

图2设备安装位置图；

图3相机标定流程图；

图4紫外光源阵列和拍摄位置图；

图5日盲紫外灯阵位置图；

图6(a)点阵坐标系和(b)相机坐标系；

图7靠泊软件执行流程图；

图8船舶和岸线的示意图；

图9测量模块位置示意图；

图10一种数据融合算法的过程示意图。

具体实施方式

根据本发明的一个例子，可以提供一个系统，用于增强船舶近距离导航能力，该系统能显示出船舶和岸线的示意图以及位置信息，引航员通过显示设备的输出界面就能够实现低能见度条件下的船舶靠泊。

为实现上述目的，下面结合附图和实施例对本发明进一步说明。以下实施例仅为举例说明，本发明并不仅限于实施例中的方案，除此之外，本领域技术人员可在现有技术范围内进行简单变换而得到的技术方案都在本发明的保护范围内。

实施例1

本实施例如图1，包括日盲紫外灯组101，2个日盲紫外光成像模块102和103，信号处理器104，显示设备105。

两个日盲紫外光成像模块102和103分别安装于船舷同一侧，间隔一定的距离，其中一个日盲紫外光成像模块102安装在离船首较近的甲板位置上，其与船首的距离为L_船首，与船尾的距离为L_船尾；另一个日盲紫外光成像模块103安装在离船首较远的甲板位置上，具体安装位置大致如图2所示。

日盲紫外光成像模块102、信号处理器104、显示设备105可集成于一体。信号处理器包括信息采集模块、计算模块和存储模块，信息采集模块实时获取日盲紫外光成像模块102和103的所成图像信息，并将所有数据传送至计算模块。本实施例的主要步骤如下：

1、首先对两个日盲紫外模块的紫外相机分别进行相机标定，求解内参。相机标定的方法以及求解内参的算法有很多，此处优先选用传统定标技术和张正友标定算法，标定流程如图3，1-1-1布置紫外光源阵列，1-1-2测量得到紫外光源阵列的几何信息，1-2用紫外接收器对紫外光源阵列进行拍摄，紫外光源阵列和拍摄位置详见图4。软件处理包括2-1获取指定紫外光源的像面坐标，2-2利用标定算法求解得到相机的内参。得到相机的内参(f_x,f_y,c_x,c_y,k_x,k_y等)。在后面将示例性地详细介绍相机的标定方法。

2、测量泊位信息：事先测量好靠泊港口所有泊位岸线与正北方向的夹角θ；

3、布置紫外光源灯阵并测量灯阵相关位置信息：船舶靠泊前半个小时用日盲紫外灯组101在靠泊泊位布置目标灯阵，目标灯阵的形状为正方形网格状，目标灯阵的大小和灯个数没有限制，本实施例中采用图5所示的布置，灯阵大小为8mX8m，每一行的灯间距相等，行间距相等；本实施例中灯阵基准点距离靠泊尾缆桩的距离布置为L_船尾，其中L_船尾为其中一个日盲紫外光成像模块102距离船尾的距离，是已知的，设置为L_船尾是为了使船靠泊时日盲紫外探测器能够正对着灯阵从而确定船舶相对泊位的X方向，当然也可设置为其他距离L_n,只要知道L_船尾与L_n之间的距离即可；布置灯阵时保持灯阵首行和防撞护舷的垂直距离为L，如图5。

4、计算船舶航向与靠泊岸线姿态、位置信息。具体步骤如下：

首先，根据本发明原理，2个日盲紫外光成像模块102和103可以分别得出各自相对目标点阵的平移向量，故可求得两个日盲紫外光成像模块102和103之间的连线在目标点阵坐标系中的矢量表示：(x₁,y₁,z₁),(x₂,y₂,z₂),由于2个日盲紫外光成像模块102和103安装于船舷一侧，则(x₁,y₁,z₁),(x₂,y₂,z₂)即为船体靠泊侧舷在目标点阵坐标系的矢量表示。而码头岸线在目标点阵坐标系中的矢量表示可预先测定，其矢量方向与日盲紫外灯组101的X轴相同，故 船舶航向与靠泊岸线夹角γ可知，

右停靠，(即船体与码头岸线的平行度)；

左停靠， $\mathrm{\γ}=-{\tan }^{-1}\frac{y_2-y_1}{x_2-x_1}.$

由于通常船舶的横滚角较小，因此本实施例中不计算船舶的横滚角。

在另一实施例中，也可在船上安装一水平仪用于给出船舶的横滚角，水平仪可放在云台底部，跟船体的水平朝向一致。

其次，确定船舶相对岸线的位置信息，此时以距离船首较近的日盲紫外光成像模块102为基准，当船距离岸线的距离较近时，日盲紫外光成像模块能够清晰识别所有信号，此时利用信号处理器104对日盲紫外光成像模块102和103拍摄到的图像进行图像处理、坐标变化，得到日盲紫外光成像模块102和103在灯阵坐标系中的位置信息X，Y和Z。

$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=R^{-1}\·(-T)$

其中R为旋转矩阵，T为平移向量；

以上算法的具体步骤如下：

通过相机标定知道了相机内参、目标点阵坐标系(参见图6)中的点阵坐标以及像面坐标就可以求出相机在目标点阵坐标系中的坐标以及旋转方向：

$\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{ccc}{f}_x& 0& c_x\\ 0& f_y& c_y\\ 0& 0& 1\end{array}\right]\·(R\·\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]+T)---\left(1\right)$

其中(f_x，f_y，c_x，c_y)是内参矩阵参量，R为旋转矩阵，T为平移向量，(u，v)为像面坐标(单位为像素)，(X，Y，Z)为目标点阵坐标系中的点阵坐标，该公式可简写为

$\left[\begin{array}{c}x\\ y\\ z\end{array}\right]=R\·\left[\begin{array}{c}x\\ y\\ z\end{array}\right]+T---\left(2\right)$

其中(x，y，z)为相机坐标系(参见图6)中目标点阵的坐标，因此R与T可理解为由目标点阵坐标系转化到相机坐标系的转化矩阵。

在计算相机位于目标点阵坐标系中的坐标时，内参(f_x，f_y，c_x，c_y)与目标点阵坐标系中的点阵坐标(X，Y，Z)为固定值，像面坐标(u，v)由图像实时获取，因此可以实时得到对应同一时刻(u₀，v₀)的旋转矩阵R0、平移向量T0。之后要获得相机在目标点阵坐标系中的点阵坐标，只需要将相机坐标系的原点(0，0，0)代入公式2的左边，求解右边的(X₀，Y₀，Z₀)即可，可得

$\left[\begin{array}{c}{X}_0\\ Y_0\\ Z_0\end{array}\right]={R_0}^{-1}\·(-T_0)---\left(3\right)$

旋转矩阵的逆矩阵R₀ ^-1为相机坐标系相对目标点阵坐标系的旋转，其可以通过变换简化为旋转向量，该向量即为相机相对目标点阵坐标系的旋转欧拉角。

之前计算相机坐标时所提到的固定值中，目标点阵坐标是人为布置后测量得出的结果，而内参则代表了相机本身的固有参数：f_x、f_y为分别以水平方向和竖直方向像素数量为计量单位的焦距值，c_x、c_y为相机镜头中心正前方(即理论光轴上的点)在像面上所成像的像素坐标。

设定日盲紫外光成像模块102和103的连线即船舷与岸线的垂直方向距离为Y_舷。此时，不考虑船舶的横滚角，Y_舷＝Y-L，其中，L为灯阵首行和防撞护舷距离。设定船首与岸线垂直方向距离为Y_首，船尾与岸线垂直方向距离为Y_尾，Y_首＝Y_舷-L_船首*sin a；Y_尾＝Y_舷+L_船尾*sin a，其中L_船首和L_船尾分别为日盲紫外成像模块102距离船首和船尾的距离，a为船舶航向与靠泊岸线夹角。

得到以上数据后，即可在显示设备上105上显示出船舶和岸线的示意图以及位置信息以便引航员引航，如图8。

9、进行场景模拟，即输出导航示意图以及位置坐标信息至显示设备105中，靠泊软件执行流程图如图7所示，信号处理器105运行前，输入靠泊泊位的信息，包括泊位号，船舶靠泊时与岸线的方向信息即左停靠或者右停靠；输入日盲紫外光成像模块在船舶上的位置信息L_船首和L_船尾，L_船首和L_船尾分别为日盲紫外光成像模块距离船首和船尾的距离；输入船舶的宽度B；

根据船舶在灯阵坐标系中的位置信息X和Y，船舶相对岸线的方向信息γ，日盲紫外光成像模块相对船舶的位置信息L_船首和L_船尾，船宽B，可以在显示设备105上显示出船舶和岸线的示意图以及位置信息Y_首和Y_尾，如图8所示；引航员通过显示设备的输出界面就能够实现低能见度条件下的船舶靠泊。

当风浪较大时，相对地说，船舶的摇摆和晃动比较大，在计算船舶的姿态角时，航向角、俯仰角和横滚角都需要考虑。而当风浪不很大、船体摇摆不很严重时，船舶近似为水平方向， 则船舶的航向角就可表示船体相对于岸线的方向，而不必考虑、不必计算俯仰角和横滚角。

在本实施例中，以距离船首较近的日盲紫外光成像模块102为标准。若分别以两个日盲紫外光成像模块为标准，令两个日盲紫外成像模块102和103相对泊位灯阵坐标系的坐标分别为A₁(X₁，Y₁，Z₁)和A₂(X₂，Y₂，Z₂)，日盲紫外光成像模块103离船首船尾的距离为L_船首′和L _船尾′，则以A₁、A₂获得的距离分别为：

二者的差值为

其中A₁与A₂之间的距离为：

L_船首-L_船首′＝L_船尾′-L_船尾 (6)

而也为A₁与A₂之间的距离，因此ΔY_首和ΔY_尾这两个误差小于(L_船首-L_船首′)与测得值之间的误差；若未测量L_船首′，而是用与L_船首共同获得L_船首′和L_船尾′，则ΔY_首和ΔY_尾两个误差为零。

实施例2

当采用一个日盲紫外光成像模块时，可以测得船舶的一组三维位置坐标值。

当采用两个或两个以上的日盲紫外光成像模块时，这些日盲紫外光成像模块中的每一个生成一组船舶的坐标数据。这样就会得到船舶的多组坐标数据。

可以采用归一化自相关算法，对冗余的船舶初步的坐标数据进行整合处理。

也可以采用数据融合算法，对冗余的船舶初步的坐标数据进行整合处理。

当采用两个日盲紫外光成像模块时，可以测得船舶的姿态角。

当采用多于两个日盲紫外光成像模块时，这些日盲紫外光成像模块两两组合，每个组合都可得到或生成一组船舶的姿态角数据。这样就会得到多位船舶的姿态角数据。

可以采用归一化自相关算法对冗余的船舶初步的坐标数据进行整合处理。

在进一步的实施例中，示出了由多个日盲紫外光成像模块得到多组相机位于目标点阵坐标系中的坐标(X，Y，Z)，如何得到最优定位数据，其算法如下：

使用向量p_i(x_i,y_i,z_i)表示由N个系统返回的N组经角度和空间变换后的定位数据，其中i＝1,2,3……N。所述的经角度和空间变换后的定位数据，其获得方法为在已知所有日盲紫外接收模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据。具体变换方法为：

(1)确定一基准点，所述基准点可以是所述日盲紫外接收模块中的任一测量模块的所在位置，也可以是其他某点；

(2)测量其他各个测量模块到所述基准点的距离与方向角(为光源参考系下参数，须与船姿态角叠加以确定)，从而得到相应的转化向量；

(3)将各个测量模块得到的相对位置坐标参数加上转化向量以得到变换后的定位数据。

如图9，两测量模块的测量坐标分别为p₁(x₁,y₁,z₁)和p_{2 ′}(x_{2 ′},y_{2 ′},z_{2 ′})，令其中的p₁为基准，测量的二者之间的距离为L，二者连线的航向角夹角为θ，俯仰角为(与XY平面的夹角)，则转化向量的计算方法为

则p_{2 ′}转化至基准位置后的坐标为

其他测量模块按照以上相同方法可以得出转化后的坐标。

归一化自相关算法采用归一化自相关系数(Normalized Correlation Coefficient)表示每个系统返回定位数据的可信度，其表达式如下：

$\mathrm{NCC}\left(p_i\right)=\underset{i\≠j}{\overset{N}{\underset{j=1}{\mathrm{\Σ}}}}\frac{p_i\·p_j}{\left|p_i\right|\left|p_j\right|}=\underset{i\≠j}{\overset{N}{\underset{j=1}{\mathrm{\Σ}}}}\frac{x_i{x}_j+y_i{y}_j+z_i{z}_j}{\sqrt{{x_i}^2+{y_i}^2+{z_i}^2}\sqrt{{x_j}^2+{y_j}^2+{z_j}^2}}---\left(8\right)$

设定阈值为所有系统可信度平均值的80％，阈值G可表示如下：

$G=\frac{0.8}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{NCC}\left(p_i\right)---\left(9\right)$

根据阈值G滤除NCC较低的定位数据，进而获得最终的系统可信度权重w，表达式如下：

$w\left(p_i\right)=\left\{\begin{array}{c}\mathrm{NCC}\left(p_i\right),\mathrm{NCC}\left(p_i\right)>G\\ 0,\mathrm{NCC}\left(p_i\right)\≤G\end{array}\right.---\left(10\right)$

得到最终的拟合定位数据：

$p_{\mathrm{result}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)\×p_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)}---\left(11\right)$

算法流程如下图10所示：

当整合的数据为方位角数据时,使用向量q_i(α_i,β_i,γ_i)表示由N个测量子系统返回的N组姿态角数据，其中i＝1,2,3……N；采用所述的归一化自相关算法同样计算出最优的姿态角数据。

也可以采用数据融合算法，对船舶初步的坐标和姿态角这两类数据进行整合处理。

实施例3

下面给出本发明一种增强船舶近距离导航能力的系统中紫外相机标定、求解内参的具体步骤：

相机标定的方法以及求解内参的算法有很多，此处优先选用传统定标技术和张正友标定算法，张正友标定法使用的是一个棋盘格状的标定模板，将标定模板上每个黑白方格的连接点作为标定板的特征点。将标定板摆放不同位置，相机同步采集后求得相机的内外参数。该方法具有较好的鲁棒性，并且不需昂贵的仪器设备，操作方便，相对于自标定法来说，精度有所提高。但满足本实施例的所有标定方法及求解内参的算法都应包含其中。

标定流程如图3，1-1-1布置紫外光源阵列，1-1-2测量得到紫外光源阵列的几何信息，1-2用紫外接收器对紫外光源阵列进行拍摄，软件处理包括2-1获取指定紫外光源的像面坐标，2-2利用标定算法求解得到相机的内参。具体标定步骤如下：

1-1-1布置紫外光源阵列，紫外光源阵列采用平面矩形网格状的紫外光源阵列，紫外光源 阵列和拍摄位置详见图4。紫外光源阵列的形状,大小等几何特性没有约束,根据求解内参的算法而确定,紫外光源阵列可以是平面图形,也可以是立体图形；可以是矩形结构也可以是圆形结构或者其他几何形状。

1-1-2测量紫外光源阵列几何信息，测量特定紫外光点在坐标系o-xyz中的坐标c_w＝{X₁,Y₁,Z₁},{X₂,Y₂,Z₂}…{X₃₀,Y₃₀,Z₃₀}，紫外光源阵列的几何信息指的是特定紫外光点或者角点在世界坐标系中的坐标。

1-2使用日盲紫外光成像模块104对紫外光源阵列进行拍摄，所选择的拍摄位置A应满足如下条件：不同拍摄位置，不同OA的指向不平行，拍摄n组，该实施例中n应大于3。

2-1信号处理器105对拍摄得到的数字图像进行软件处理，得到特定紫外光点的像面坐标组，ci₁,ci₂,ci₃…ci_n，一共n组。

2-2利用张正友标定算法对c_w和ci₁,ci₂…ci_n进行处理，得到相机的内参(f_x,f_y,c_x,c_y,k_x,k_y等)。

张正友标定算法的原理如下：

1)标定板的角点与对应像点的对应关系

令标定板所在平面的Z_w＝0，因此有：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=A\left[\begin{array}{cccc}{r}_1& r_2& r_3& T\end{array}\right]\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=A\left[\begin{array}{ccc}{r}_1& r_2& T\end{array}\right]\left[\begin{array}{c}{X}_w\\ Y_w\\ 1\end{array}\right]=H\left[\begin{array}{c}{X}_w\\ Y_w\\ 1\end{array}\right]---\left(12\right)$

A由f_x、f_y、v₀、u₀、s决定，即为摄像机内部参数，且仅与相机内部结构有关；H称为相机外部参数，直接反映摄像机在空间内的位置。图像坐标系的像素坐标(u,v)，世界坐标系(X_w,Y_w,Z_w)。S为放大因子，s＝-f_xcotθ，f_x＝f/μ_x，f_y＝f/μ_y，f为镜头的焦距。[X_w,Y_w,Z_w,1]^T为空间任意一个物点的世界坐标，[u,v,1]^T表示该物点在摄像机内成像像点的像素坐标。

平移矩阵T＝[T_x,T_y,T_z]^T，为4×4的矩阵；旋转矩阵R为3×3正交单位矩阵，平移矩阵T和旋转矩阵R(r₁r₂r₃)称为外部参数。

设H＝[h₁ h₂ h₃]，可得：

H＝[h₁ h₂ h₃]＝λA[r₁ r₂ T] (13) 其中λ为任意比例因子，r¹正交于r²，可得A的两个约束条件：

$\left\{\begin{array}{c}{h_1}^T{A}^{-T}{A}^{-1}{h}_2=0\\ {h_1}^T{A}^{-T}{A}^{-1}{h}_1={h_2}^T{A}^{-T}{A}^{-1}{h}_2\end{array}\right.---\left(14\right)$

2)参数求解

$B=A^{-T}{A}^{-1}=\left[\begin{array}{ccc}{B}_{11}& B_{12}& B_{13}\\ B_{21}& B_{22}& B_{23}\\ B_{31}& B_{32}& B_{33}\end{array}\right]=\left[\begin{array}{ccc}\frac{1}{{f_x}^2}& \frac{-s}{{f_x}^2{f}_y}& \frac{v_{0}s-u_0{f}_y}{{f_x}^2{f}_y}\\ \frac{-s}{{f_x}^2{f}_y}& \frac{s^2}{{f_x}^2{f}_y}+\frac{1}{{f_y}^2}& -\frac{s(v_{0}s-u_0{f}_y)}{{f_x}^2{f}_y}-\frac{v_0}{{f_y}^2}\\ \frac{v_{0}s-u_0{f}_y}{{f_x}^2{f}_y}& -\frac{s(v_{0}s-u_0{f}_y)}{{f_x}^2{f}_y}-\frac{v_0}{{f_y}^2}& \frac{{(v_{0}s-u_0{f}_y)}^2}{{f_x}^2{f}_y}+\frac{{v_0}^2}{{f_y}^2}+1\end{array}\right]---\left(15\right)$

由上式可知B为正定对称矩阵，定义：

b＝[B₁₁ B₁₂ B₂₂ B₁₃ B₂₃ B₃₃]^T (16)

设H的第i列为h_i，则有：

h_i ^TBh_j＝v_ij ^Tb (17)

且又有：

v_ij＝[h_1ih_1j h_1ih_2j+h_2ih_1j h_2ih_2j h_3ih_1j+h_1ih_3j h_3ih_2j+h_2ih_3j h_3ih_3j]^T (18)

于是有：

$\left[\begin{array}{c}{v_{12}}^T\\ {(v_{11}-v_{22})}^T\end{array}\right]b=0---\left(19\right)$

即：

Vb＝0 (20)其中V是一个2n×6的矩阵，当n＞2时，b有唯一解，也就是说至少要采集三幅图片。利用Cholesky分解内部参数：

$\left\{\begin{array}{c}{v}_0=-\frac{B_{12}{B}_{13}-B_{11}{B}_{23}}{B_{11}{B}_{22}{B_{12}}^2}\\ \mathrm{\λ}=B_{33}-[{B_{13}}^2+\frac{v_0(B_{12}{B}_{13}-B_{11}{B}_{23})}{B_{11}}]\\ f_x=\sqrt{\frac{\mathrm{\λ}}{B_{11}}}\\ f_y=\sqrt{\frac{{\mathrm{\λB}}_{11}}{B_{11}{B}_{22}-{B_{12}}^2}}\\ s=\frac{-B_{12}{f_x}^2{f}_y}{\mathrm{\λ}}\\ u_0=\frac{{\mathrm{sv}}_0}{f_y}-\frac{B_{13}{f_x}^2}{\mathrm{\λ}}\end{array}\right.---\left(21\right)$

进而求解外部参数得：

$\left\{\begin{array}{c}{r}_1={\mathrm{\λA}}^{-1}{h}_1\\ r_2={\mathrm{\λA}}^{-1}{h}_2\\ r_3=r_1\×r_2\\ T={\mathrm{\λA}}^{-1}{h}_3\end{array}\right.---\left(22\right)$

3)非线性优化

根据最大似然准则进行参数优化，其目标函数为：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{Pm}}_{\mathrm{ij}}-\stackrel{\‾}{m}(A,R_i,T_i,M_j)P^2---\left(23\right)$

其中为M_j点的投影，优化时可使用LM优化算法解决。

Claims (15)

1.一种船舶泊岸方法，采用日盲紫外光成像法，确定船舶相对于岸线的位置关系，其特征在于，包括在所述船舶上设置至少两个日盲紫外光成像模块，所述日盲紫外光成像模块接收预先在岸上设置的日盲紫外光源阵列所发射的光信号，光信号由信号处理器处理后，得到所述日盲紫外光成像模块相对于有关泊位的位置关系，进而得到所述船舶相对于有关泊位岸线的位置关系数据。

2.如权利要求1所述的船舶泊岸方法，其特征在于，该方法进一步包括：

1)所述日盲紫外光成像模块分别接收预先在岸上设置的日盲紫外光源阵列所发出的日盲紫外光信号，测量所述船舶与有关泊位的位置关系信息，分别得出各自相对日盲紫外光源阵列的平移向量，并通过所述平移向量求出船体与目标点阵的距离；并且，

2)所述信号处理器根据所接收到的日盲紫外光信号，计算出日盲紫外光成像模块之间的连线在目标点阵坐标系中的矢量表示，并根据所有日盲紫外光成像模块在所述船舶上的设置方式，求得船体在目标点阵坐标系的矢量表示，再根据预先设定或测定的码头岸线在目标点阵坐标系中的矢量表示，计算出船体轴线相对于岸线的姿态角，从而确定所述船舶相对于泊位岸线的位置和姿态。

3.如权利要求2所述的船舶泊岸方法，其特征在于：采用不少于三个日盲紫外光成像模块，对各个日盲紫外光成像模块所测得的船舶相对于泊位的位置和/或角度信息进行整合处理，以得到代表船舶与岸线位置关系的数值。

4.如权利要求3所述的船舶泊岸方法，其特征在于，信号处理器采用归一化自相关算法对所述船舶上的基准点相对于泊位的位置数据或船舶的方位角数据进行整合处理，通过整体误差分析获得一个由所有日盲紫外光成像模块组成的检测系统的可信度平均值的阈值以及每个日盲紫外光成像模块可信度的情况，利用该阈值滤除可信度较低的定位数据，进而获得最终的每个模块的可信度权重，之后利用该可信度权重对每个模块进行加权平均，得到最终的数据。

5.如权利要求4所述的船舶泊岸方法，对所述船舶上的基准点相对于泊位的位置数据进行整合处理，其特征在于，用向量p_i(x_i,y_i,z_i)表示由N个日盲紫外光成像模块检测子系统返回的N组经角度和空间变换后的定位数据中的第i组定位数据，其中i＝1,2,3……N，x、y和z分别为N个日盲紫外光成像模块的三轴坐标值；所述经角度和空间变换后的定位数据，其获得方法为：在已知所有日盲紫外光成像模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据；

信号处理器采用归一化自相关算法的具体步骤为：

采用归一化自相关系数NCC表示N个检测子系统返回定位数据的可信度：

$\mathrm{NCC}\left(p_i\right)=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{p_i\·p_j}{\left|p_i\right|\left|p_j\right|}=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{x_i{x}_j+y_i{y}_j+z_i{z}_j}{\sqrt{{x_i}^2+{y_i}^2+{z_i}^2}\sqrt{{x_j}^2+{y_j}^2+{z_j}^2}}---\left(1\right)$

j＝1,2,3，…，N；

设定一个由所有日盲紫外光成像模块组成的检测系统的可信度平均值的阈值G，并根据该阈值G滤除NCC较低的定位数据，进而获得最终的系统可信度权重w，表达式如下：

$w\left(p_i\right)=\left\{\begin{array}{c}\mathrm{NCC}\left(p_i\right),\mathrm{NCC}\left(p_i\right)>G\\ 0,\mathrm{NCC}\left(p_i\right)\≤G\end{array}\right.---\left(2\right)$

从而得到关于船舶位置的最终的拟合定位数据：

$p_{\mathrm{result}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)\×p_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)}---\left(3\right).$

6.如权利要求4所述的船舶泊岸方法，其特征在于，对任一个姿态角的方向向量的三个分量α、β和γ进行整合处理采用归一化自相关算法，用向量q_i(α_i,β_i,γ_i)表示由N个日盲紫外光成像模块检测子系统返回的N组向量角度数据，其中i＝1,2,3……N；采用归一化自相关系数表示每个日盲紫外光成像模块系统返回定位数据的可信度，其表达式如下：

$\mathrm{NCC}\left(q_i\right)=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{q_i\·q_j}{\left|q_i\right|\left|q_j\right|}=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{{\mathrm{\α}}_i{\mathrm{\α}}_j+{\mathrm{\β}}_i{\mathrm{\β}}_j+{\mathrm{\γ}}_i{\mathrm{\γ}}_j}{\sqrt{{{\mathrm{\α}}_i}^2+{{\mathrm{\β}}_i}^2+{{\mathrm{\γ}}_i}^2}\sqrt{{{\mathrm{\α}}_j}^2+{{\mathrm{\β}}_j}^2+{{\mathrm{\γ}}_j}^2}}---\left(4\right)$

设定一个由所有日盲紫外光成像模块组成的检测系统的可信度平均值的阈值G，并根据该阈值G滤除NCC较低的定位数据，进而获得最终的系统可信度权重w，表达式如下：

$w\left(q_i\right)=\left\{\begin{array}{c}\mathrm{NCC}\left(q_i\right),\mathrm{NCC}\left(q_i\right)>G\\ 0,\mathrm{NCC}\left(q_i\right)\≤G\end{array}\right.---\left(5\right)$

从而得到最终的拟合定位数据：

$q_{\mathrm{result}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(q_i\right)\×q_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(q_i\right)}---\left(6\right)$

并根据N个日盲紫外光成像模块中任两个模块拟合后的坐标，换算出拟合后的船舶姿态角数据。

7.如权利要求3所述的船舶泊岸方法，其特征在于，所述信号处理器采用数据融合法，分别用于整合定位数据或者姿态角数据；所述数据融合法具体步骤包括：

(一)当整合的数据为定位数据时，使用向量p_i(x_i,y_i,z_i)表示由N个日盲紫外光成像模块检测子系统返回的N组经角度和空间变换后的定位数据，其中i＝1,2,3……N；所述经角度和空间变换后的定位数据，其获得方法为：在已知所有日盲紫外光成像模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据；

a)采用各个子系统测量数据实际计算出来的均方根误差rmse来判定每个子系统返回数据的可信度，计算各子系统测量数据的均方根误差公式为：

$\mathrm{rmse}=\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-x_f)}^2/(n+1)}---\left(7\right)$

其中，rmse代表均方根误差，x_i代表i时刻对各个测量子系统在X轴坐标的测量数据，x_f代表i时刻对x_i数据的滤波值，n代表测量数据的总数，即子系统的个数；i时刻的滤波值通过卡尔曼滤波方法获得；

b)确定权值：采用分段法，通过曲线拟合进行权值的分配：

$\mathrm{\ω}=\left\{\begin{array}{c}0,\left|e\right|\≥b\\ f\left(\right|e\left|\right),b\≥\left|e\right|\≥a\\ 1,\left|e\right|\≤a\end{array}\right.---\left(8\right)$

其中，ω为权值，参数b是判断野值的最小限度，参数a是有效数值与可利用数值的界限值；误差大于b则认为是野值，对应权值为0；误差小于a则认为是有效值，对应权值为1，中间的可利用值的权值按照曲线y＝f(x)给出，且f(x)必须满足以下条件：在(a,b)这个区间上，随着误差的增大而迅速减小，f(x)采用的表达式如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2})---\left(9\right)$

其中，μ和σ分别为正态分布的均值和方；由于正态曲线在x>μ的区域呈现递减函数的特性，因此在这里取μ＝0，实际上运用的是半正态曲线,表达式进一步变为如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{x^2}{{2\mathrm{\σ}}^2})---\left(10\right)$

，根据3σ法则给出σ值，通过正态曲线拟合权值分配的方法可以通过下式得到：

$a_{\mathrm{ki}}=\frac{f\left({\mathrm{rmse}}_{\mathrm{ki}}\right)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}f\left({\mathrm{rmse}}_{\mathrm{ki}}\right)}---\left(11\right)$

并且，其中，rmse_ki表示k时刻第i个系统的均方根误差，a_ki代表k时刻第i个系统的权值；

c)最终数据融合的结果为：

${\hat{X}}_{\mathrm{ki}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{\mathrm{ki}}{X}_{\mathrm{ki}}---\left(12\right)$

其中，为k时刻的融合值，x_ki表示各子系统k时刻所得到的测量数据；

d)通过以上与步骤a)-c)相同方法，计算出Y轴坐标值y以及Z轴坐标值z的数据融合最终结果；

(二)当整合的数据为姿态角数据时，使用向量q_i(α_i,β_i,γ_i)表示由N个日盲紫外光成像模块检测子系统返回的N组姿态角数据，其中i＝1,2,3……N；然后采用与步骤(一)相同的方法，计算出整合后的姿态角数据。

8.如权利要求3所述的船舶泊岸方法，其特征在于，所述信号处理器采用数据融合法，分别用于整合定位数据或者姿态角数据；所述数据融合法具体步骤包括：

(一)当整合的数据为定位数据时，使用向量p_i(x_i,y_i,z_i)表示由N个日盲紫外光成像模块检测子系统返回的N组经角度和空间变换后的定位数据，其中i＝1,2,3……N，所述的经角度和空间变换后的定位数据，其获得方法为在已知所有日盲紫外光成像模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据；

a)计算定位数据中每个坐标序列的标准差：通过计算N个日盲紫外光成像模块检测子系统返回的N组定位数据中每个坐标序列的标准差，作为判定N组数据中各坐标序列中离群数据的依据；所述坐标序列标准差为：

${\mathrm{\σ}}_{\mathrm{index}}=\sqrt{{(X_{\mathrm{index}}-{\stackrel{\‾}{X}}_{\mathrm{index}})}^2/N}---\left(13\right)$

其中，index∈(x,y,z)则σ_index代表N组数据中各坐标序列的标准差，X_index代表N组测量的数据，每一组包含坐标值(x,y,z)，代表N组数据的平均值，即由各坐标序列平均值组成的一个一维向量；

b)根据计算出的标准差得到每个坐标序列中的离群数据，离群数据的判定可通过下式获得：

$\mathrm{outliters}=|X_{\mathrm{index}}-{\stackrel{\‾}{X}}_{\mathrm{index}}|>C*{\mathrm{\σ}}_{\mathrm{index}}---\left(14\right)$

其中，outliters代表获得的离群数据，由x,y,z组成的一组坐标数据中，只要其中有一个坐标值在其所在的序列中被判为离群数据，则该组坐标值就被判定为N组坐标数据中的离群数据；c为常系数，根据实验经验和需求而定，该常数的确定方法可以是通过大量的测试判断测试值的波动范围，取一以测试值均值为中心的对称范围使大量出现的不合理的点在该范围外，该范围长度的一半即为C；

c)将离群数据从N组原始测量数据中剔除，则得到新的定位数据序列称为X′维数为N′，之后对X′进行等权平均数据融合得到最终的融合数据如下：

${\hat{X}}^{\′}=\frac{1}{N^{\′}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}^{\′}---\left(15\right)$

其中，为数据融合后的最终的定位数据；

d)通过以上与步骤a)-c)相同方法，计算出Y轴坐标值y以及Z轴坐标值z的数据融合最终结果；

(二)当整合的数据为姿态角数据时，使用向量q_i(α_i,β_i,γ_i)表示由N个日盲紫外光成像模块检测子系统返回的N组姿态角数据，其中i＝1,2,3……N；然后采用与步骤(一)相同的方法，计算出整合后的姿态角数据。

9.一种船舶泊岸装置，采用日盲紫外光成像法，确定所述船舶相对于岸边的位置和姿态角，预先在岸上设置有日盲紫外光源阵列，其特征在于，该装置包括：

至少两个日盲紫外光成像模块，分别被设置在所述船舶上，每个日盲紫外光成像模块包括日盲紫外光接收器，用于接收预先被设置在岸上的日盲紫外光源阵列的光信号，并将所述的光信号转换为相应的电信号，

信号处理器，包括数据处理部分以及与有关外部设备的连接部分，与上述日盲紫外光成像模块电气地连接，用来接收从所述日盲紫外光成像模块传送来的电信号，并对所述电信号进行处理，分别得出每个日盲紫外光成像模块相对日盲紫外光源阵列的平移向量，进一步通过平移向量求出船体与目标点阵的距离，进而根据预设的日盲紫外光源阵列的坐标值，计算出所述船舶上每个日盲紫外光成像模块相对于岸线的位置；以及根据所接收到的、代表日盲紫外光信号的电信号，计算出日盲紫外光成像模块之间的连线在目标点阵坐标系中的矢量表示，根据所有日盲紫外光成像模块在所述船舶上的设置方式，求得船体在目标点阵坐标系的矢量表示，再根据预先设定或测定的码头岸线在目标点阵坐标系中的矢量表示，计算出船体轴线相对于岸线的姿态角。

10.如权利要求9所述的船舶泊岸装置，其特征在于，包括至少三个日盲紫外光成像模块，并且所述信号处理器被设计得对所得的坐标和/或姿态角数据进行整合处理，以得到更好地代表船舶与岸边位置的、相应的坐标数据和/或姿态角数据。

11.如权利要求10所述的船舶泊岸装置，其特征在于，所述信号处理器被设计得采用归一化自相关算法，用向量p_i(x_i,y_i,z_i)表示由N个日盲紫外光成像模块检测子系统返回的N组经角度和空间变换后的定位数据中的第i组定位数据，其中i＝1,2,3……N，x、y和z分别为N个日盲紫外光成像模块的三轴坐标值；所述经角度和空间变换后的定位数据，其获得方法为：在已知所有日盲紫外光成像模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据；

信号处理器采用归一化自相关算法的具体步骤为：

采用归一化自相关系数NCC表示N个检测子系统返回定位数据的可信度：

$\mathrm{NCC}\left(p_i\right)=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{p_i\·p_j}{\left|p_i\right|\left|p_j\right|}=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{x_i{x}_j+y_i{y}_j+z_i{z}_j}{\sqrt{{x_i}^2+{y_i}^2+{z_i}^2}\sqrt{{x_j}^2+{y_j}^2+{z_j}^2}}---\left(16\right)$

j＝1,2,3，…，N；

设定一个由所有日盲紫外光成像模块组成的检测系统的可信度平均值的阈值G，并根据该阈值G滤除NCC较低的定位数据，进而获得最终的系统可信度权重w，表达式如下：

$w\left(p_i\right)=\left\{\begin{array}{c}\mathrm{NCC}\left(p_i\right),\mathrm{NCC}\left(p_i\right)>G\\ 0,\mathrm{NCC}\left(p_i\right)\≤G\end{array}\right.---\left(17\right)$

从而得到关于船舶位置的最终的拟合定位数据：

$p_{\mathrm{result}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)\×p_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(p_i\right)}---\left(18\right)$

12.如权利要求10所述的船舶泊岸装置，其特征在于，所述的信号处理器被设计得采用归一化自相关算法，对任一个姿态角的方向向量的三个分量α、β和γ进行整合处理采用归一化自相关算法，用向量q_i(α_i,β_i,γ_i)表示由N个日盲紫外光成像模块返回的N组向量角度数据，其中i＝1,2,3……N；采用归一化自相关系数表示每个日盲紫外光成像模块检测子系统返回定位数据的可信度，其表达式如下：

$\mathrm{NCC}\left(q_i\right)=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{q_i\·q_j}{\left|q_i\right|\left|q_j\right|}=\underset{\underset{i\≠j}{j=1}}{\overset{N}{\mathrm{\Σ}}}\frac{{\mathrm{\α}}_i{\mathrm{\α}}_j+{\mathrm{\β}}_i{\mathrm{\β}}_j+{\mathrm{\γ}}_i{\mathrm{\γ}}_j}{\sqrt{{{\mathrm{\α}}_i}^2+{{\mathrm{\β}}_i}^2+{{\mathrm{\γ}}_i}^2}\sqrt{{{\mathrm{\α}}_j}^2+{{\mathrm{\β}}_j}^2+{{\mathrm{\γ}}_j}^2}}---\left(19\right)$

设定一个由所有日盲紫外光成像模块组成的检测系统的可信度平均值的阈值G，并根据该阈值G滤除NCC较低的定位数据，进而获得最终的系统可信度权重w，表达式如下：

$w\left(q_i\right)=\left\{\begin{array}{c}\mathrm{NCC}\left(q_i\right),\mathrm{NCC}\left(q_i\right)>G\\ 0,\mathrm{NCC}\left(q_i\right)\≤G\end{array}\right.---\left(20\right)$

从而得到最终的拟合定位数据：

$q_{\mathrm{result}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(q_i\right)\×q_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}w\left(q_i\right)}---\left(21\right)$

并根据N个日盲紫外光成像模块中任两个模块拟合后的坐标，换算出拟合后的船舶姿态角数据。

13.如权利要求10－12中任一权利要求所述的船舶泊岸装置，其特征在于，所述信号处理器被设计得采用数据融合算法对所述船舶的坐标和/或姿态角数据进行整合处理，所述数据融合法具体步骤包括：

(一)当整合的数据为定位数据时，使用向量p_i(x_i,y_i,z_i)表示由N个日盲紫外光成像模块检测子系统返回的N组经角度和空间变换后的定位数据，其中i＝1,2,3……N；所述经角度和空间变换后的定位数据，其获得方法为：在已知所有日盲紫外光成像模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据；

a)采用各个子系统测量数据实际计算出来的均方根误差rmse来判定每个子系统返回数据的可信度，计算各子系统测量数据的均方根误差公式为：

$\mathrm{rmse}=\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-x_f)}^2/(n+1)}---\left(22\right)$

其中，rmse代表均方根误差，x_i代表i时刻对各个测量子系统在X轴坐标的测量数据，x_f代表i时刻对x_i数据的滤波值，n代表测量数据的总数，即子系统的个数；i时刻的滤波值通过卡尔曼滤波方法获得；

b)确定权值：采用分段法，通过曲线拟合进行权值的分配：

$\mathrm{\ω}=\left\{\begin{array}{c}0,\left|e\right|\≥b\\ f\left(\right|e\left|\right),b\≥\left|e\right|\≥a\\ 1,\left|e\right|\≤a\end{array}\right.---\left(23\right)$

其中，ω为权值，参数b是判断野值的最小限度，参数a是有效数值与可利用数值的界限值；误差大于b则认为是野值，对应权值为0；误差小于a则认为是有效值，对应权值为1，中间的可利用值的权值按照曲线y＝f(x)给出，且f(x)必须满足以下条件：在(a,b)这个区间上，随着误差的增大而迅速减小，f(x)采用的表达式如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2})---\left(24\right)$

其中，μ和σ分别为正态分布的均值和方；由于正态曲线在x>μ的区域呈现递减函数的特性，因此在这里取μ＝0，实际上运用的是半正态曲线,表达式进一步变为如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{x^2}{{2\mathrm{\σ}}^2})---\left(25\right)$

，根据3σ法则给出σ值，通过正态曲线拟合权值分配的方法可以通过下式得到：

$a_{\mathrm{ki}}=\frac{f\left({\mathrm{rmse}}_{\mathrm{ki}}\right)}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}f\left({\mathrm{rmse}}_{\mathrm{ki}}\right)}---\left(26\right)$

并且，其中，rmse_ki表示k时刻第i个系统的均方根误差，a_ki代表k时刻第i个系统的权值；

c)最终数据融合的结果为：

${\hat{X}}_{\mathrm{ki}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{a}_{\mathrm{ki}}{X}_{\mathrm{ki}}---\left(27\right)$

其中，为k时刻的融合值，x_ki表示各子系统k时刻所得到的测量数据；

d)通过以上与步骤a)-c)相同方法，计算出Y轴坐标值y以及Z轴坐标值z的数据融合最终结果；

(二)当整合的数据为姿态角数据时，使用向量q_i(α_i,β_i,γ_i)表示由N个日盲紫外光成像模块检测子系统返回的N组姿态角数据，其中i＝1,2,3……N；然后采用与步骤(一)相同的方法，计算出整合后的姿态角数据。

14.如权利要求10-12所述的船舶泊岸装置，其特征在于，所述信号处理器被设计得数据融合算法，对所述船舶的坐标和/或姿态角数据进行整合处理，具体步骤包括：

(一)当整合的数据为定位数据时，使用向量p_i(x_i,y_i,z_i)表示由N个日盲紫外光成像模块检测子系统返回的N组经角度和空间变换后的定位数据，其中i＝1,2,3……N，所述的经角度和空间变换后的定位数据，其获得方法为在已知所有日盲紫外光成像模块的相对位置和船舶姿态角的情况下，利用空间位置关系与空间几何变换，将对不同测量模块的位置测量数据转化为对同一测量模块的位置测量数据；

a)计算定位数据中每个坐标序列的标准差：通过计算N个日盲紫外光成像模块检测子系统返回的N组定位数据中每个坐标序列的标准差，作为判定N组数据中各坐标序列中离群数据的依据；所述坐标序列标准差为：

${\mathrm{\σ}}_{\mathrm{index}}=\sqrt{{(X_{\mathrm{index}}-{\stackrel{\‾}{X}}_{\mathrm{index}})}^2/N}---\left(28\right)$

其中，index∈(x,y,z)则σ_index代表N组数据中各坐标序列的标准差，X_index代表N组测量的数据，每一组包含坐标值(x,y,z)，代表N组数据的平均值，即由各坐标序列平均值组成的一个一维向量；

b)根据计算出的标准差得到每个坐标序列中的离群数据，离群数据的判定可通过下式获得：

$\mathrm{outliters}=|X_{\mathrm{index}}-{\stackrel{\‾}{X}}_{\mathrm{index}}|>C*{\mathrm{\σ}}_{\mathrm{index}}---\left(29\right)$

其中，outliters代表获得的离群数据，由x,y,z组成的一组坐标数据中，只要其中有一个坐标值在其所在的序列中被判为离群数据，则该组坐标值就被判定为N组坐标数据中的离群数据；c为常系数，根据实验经验和需求而定，该常数的确定方法可以是通过大量的测试判断测试值的波动范围，取一以测试值均值为中心的对称范围使大量出现的不合理的点在该范围外，该范围长度的一半即为C；

c)将离群数据从N组原始测量数据中剔除，则得到新的定位数据序列称为X′维数为N′，之后对X′进行等权平均数据融合得到最终的融合数据如下：

${\hat{X}}^{\′}=\frac{1}{N^{\′}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}^{\′}---\left(30\right)$

其中，为数据融合后的最终的定位数据；

d)通过以上与步骤a)-c)相同方法，计算出Y轴坐标值y以及Z轴坐标值z的数据融合最终结果；

(二)当整合的数据为姿态角数据时，使用向量q_i(α_i,β_i,γ_i)表示由N个日盲紫外光成像模块检测子系统返回的N组姿态角数据，其中i＝1,2,3……N；然后采用与步骤(一)相同的方法，计算出整合后的姿态角数据。

15.如权利要求10-12之一所述的船舶泊岸系统，其特征在于，所述船舶的动力控制系统接受所述信号处理器发来的泊岸距离信号，并据此自动地调整船舶的姿态，进行泊岸。