CN112347070B - 自主潜航器容迟探测系统及方法 - Google Patents
自主潜航器容迟探测系统及方法 Download PDFInfo
- Publication number
- CN112347070B CN112347070B CN202011230734.0A CN202011230734A CN112347070B CN 112347070 B CN112347070 B CN 112347070B CN 202011230734 A CN202011230734 A CN 202011230734A CN 112347070 B CN112347070 B CN 112347070B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- module
- task
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims description 59
- 238000004891 communication Methods 0.000 claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000003111 delayed effect Effects 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000003993 interaction Effects 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000007667 floating Methods 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-water vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种自主潜航器容迟探测系统及方法,包括通信装置、容迟探测装置以及终端,容迟探测装置通过通信装置与终端连接;数据模块获取多个传感器采集的数据并解析保存;目标识别模块根据采集的数据对水底目标进行延迟探测与分析;目标识别模块还接收协同控制模块发送的待检测目标的相关信息,以更新任务目标数据或对目标再次确认;协同控制模块根据通信装置获取任务信息;任务管理模块根据任务信息进行任务分解与航路点的选择并发送至潜航器执行;本发明能够有效利用多种传感器采集的数据,提高了任务执行效率;采用通信装置实现数据与任务的交互,增强任务的扩展性;采用数据模块提高历史数据的利用率并能采集实时数据。
Description
技术领域
本发明属于潜航器探测技术领域,具体涉及一种自主潜航器容迟探测系统及方法。
背景技术
水下无人自主潜航器探测技术是未来海洋勘探、辅助导航以及战术侦查的重要发展方向,但海洋环境恶劣复杂,通信手段单一且可靠性低,传统的AUV数据采集及控制系统无法满足大规模集群的协同控制与信息共享的需求。
传统AUV的多源传感器系统包含导航信息、探测信息、辅助信息和其他信息,其中,导航信息包括惯性导航、测速仪、磁探仪等,探测信息包括前视声呐、侧扫声呐等声学探测设备,辅助信息包括重力仪、深度传感器等,其他信息包括状态监测信息等各类与导航控制无关的信息。数据采集系统与多源传感器进行交互来获得AUV的位置、速度、姿态、深度、前视图像、侧扫图像、重力、状态等各种信息。控制模块使用这些信息对AUV的任务信息和推进控制系统做出调整。同时,数据采集系统和控制模块通过通信装置将AUV的全部信息传输给岸上控制终端,能够实时发布控制指令和状态显示。但是上述AUV架构存在以下问题:
(1)传感器类型复杂,接口不统一,数据检索与数据同步困难。目前常用的输入/输出接口包括各种类型的全双工/半双工串口、网口等等,都需要符合各自的协议和存取规范,数据独立保存后检索非常复杂,传感器之间的数据关联性低下,数据反演几乎不可能,往往只能上岸离线处理,任务执行效率不高。
(2)水下AUV通信手段单一,延迟较大,连接时断时续,且单一节点存储容量和能量有限。基于传统架构的数据采集可靠性和容错性都无法保障,可扩展性也较差。
(3)传统的探测系统架构往往很难兼顾实时性,对历史数据的利用率低,算法的在线研究较为滞后。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种自主潜航器容迟探测系统及方法,以解决现有技术中潜航器容迟探测成本高、灵活性差一级可靠性低的问题。
为实现以上目的,本发明采用如下技术方案:一种自主潜航器容迟探测系统及方法,包括:通信装置、容迟探测装置以及终端,所述容迟探测装置通过通信装置与所述终端连接;
所述容迟探测装置包括:数据模块、目标识别模块、协同控制模块和任务管理模块;
所述数据模块用于获取多个传感器采集的数据并解析保存;
所述目标识别模块用于根据所述数据对水底目标进行延迟探测与分析,获取目标数据并标志置信度,将所述目标数据和置信度存储至所述数据模块;所述目标识别模块还用于接收所述协同控制模块发送的待检测目标的相关信息,以对目标再次确认,更新所述数据模块的目标数据及置信度;
所述协同控制模块用于根据所述通信装置获取任务信息、读取数据模块保存的历史数据以及改变所述目标识别模块的目标数据;
所述任务管理模块用于根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行。
进一步的,所述数据模块,包括:
多传感器数据获取单元,用于获取多个传感器采集的数据;
协议解析单元,用于对所述数据进行相应的协议解析;所述协议解析包括数据解码或数据反序列化;
分布式存储单元,用于采用非关系型分布式文件数据库对相应的数据分别建表保存。
进一步的,所述根据所述数据对水底目标进行延迟探测与分析,包括:
获取所述数据中的拼接后的图像;
对所述图像依次进行图像降噪、图像增强、目标识别以及置信度评估。
进一步的,。
进一步的,所述协同控制模块,包括:
任务下行链路,用于通过通信装置接收任务信息;所述任务信息包括上位机发送的任务信息或其他潜航器需协同完成的任务信息;
目标下行链路,用于通过通信装置获取待检测目标数据;
信息上行链路,用于读取数据模块中的历史数据并进行数据整理和对需要延迟传送的任务信息进行优先级分析;
所述任务下行链路还用于按照所有任务的优先级顺序,依次安排航路点发送至任务管理模块。
进一步的,还包括:
同步时钟模块,用于向所述数据模块提供实时时间。
进一步的,所述数据模块还包括:
格式化处理单元,用于将所述数据处理为固定的数据格式;
标记数据时戳单元,用于从所述同步时钟模块获取当前时间并进行格式化处理后关联当前数据;
数据处理单元,用于对标记时间戳的数据进行预处理;所述预处理包括数据配准、数据拼接、数据检测以及数据转换;
标记索引标签单元,用于对数据进行索引标签标记之后存入分布式文件数据库。
本申请实施例提供一种自主潜航器容迟探测方法,包括:
数据模块获取多个传感器采集的数据并解析保存;
目标识别模块根据所述数据对水底目标进行延迟探测与分析,获取目标数据并标志置信度,将所述目标数据和置信度反馈至所述数据模块;所述目标识别模块还用于接收所述协同控制模块发送的目标检测信息,以对目标再次确认,更新所述数据模块的目标数据及置信度;
协同控制模块根据通信装置获取任务信息、读取数据模块保存的历史数据以及改变所述目标识别模块的目标数据;
任务管理模块根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行。
进一步的,所述根据所述数据对水底目标进行延迟探测与分析,包括:
获取所述数据中的拼接后的图像;
对所述图像依次进行图像降噪、图像增强、目标识别以及置信度评估;
所述图像降噪采用BM3D数据去噪法进行基础估计和最终估计;
其中,所述基础估计,包括:
寻找相似块,整合三维矩阵;
将整合的三维矩阵进行3D转换、硬阈值和处理后得到处理后的图像块;
将处理后的图像块与原噪声图像聚合,得到基础估计图块;
所述最终估计,包括:
将基础估计图块、含噪原图图块分别叠成两个三维矩阵;
对两个所述三维矩阵进行协同滤波得到处理后的图像块;
将处理后的图像块再次进行聚合,得到声呐图像。
进一步的,所述图像增强,包括:
将去噪后的声呐图像进行灰度二值化处理,在多尺度几何变换域对图像进行增强;
所述将去噪后的声呐图像进行灰度二值化处理,在多尺度几何变换域对图像进行增强,包括:
对原声呐图像进行多尺度分解,得到低频子带系数和高频子带系数;
采用sigmoid函数作用于归一化的低频子带系数,以提高整体图像的对比度;
对各高频子带系数进行非线性增强处理,并同时根据设定的阈值进行阈值化处理;
对处理后的低频子带系数和高频子带系数进行多尺度逆变换,得到增强后的声呐图像。
进一步的,所述根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行,包括:
多个潜航器在被释放后装载各自任务目标;所述任务目标包括任务区域、定点、定深、定速信息;
在任务区域执行任务的过程中,在指定环节执行上浮操作,并和其他在水面上的潜航器完成通信,实现已执行任务过程中的目标共享以及需要执行的任务情况;
在水下执行目标探测过程中,将目标标记为疑似,并根据探测算法标注置信度,在通信阶段共享目标的置信度,由其他空闲AUV来进行目标的二次确认,以达到对该区域的快速探测与实时扫描;
在一个潜航器执行完自己的任务后,执行上浮操作,接收其他潜航器传递的任务信息,通过任务分配机制辅助其他潜航器完成任务,以实现对多个区域的联合快速探测。
本发明采用以上技术方案,能够达到的有益效果包括:
本申请采用的成本低,可将多种传感器采用统一的接口,提高了任务执行效率;采用通信装置实现数据与任务的交互,增强任务的扩展性;采用数据模块提高历史数据的利用率并能采集实时数据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种自主潜航器容迟探测系统的结构示意图;
图2为本发明提供的数据模块及信息传输流程示意图;
图3为本发明提供的多传感器信息获取流程图;
图4为本发明提供的同类型传感器数据配准模式图;
图5为本发明提供的容迟探测系统流程图;
图6为本发明提供的目标识别模块流程图;
图7为本发明提供的协同控制模块流程图;
图8为本发明提供的基于协同控制系统的集群二次增强扫描示意图;
图9为本发明提供的自主潜航器容迟探测方法步骤图;
图10为本发明提供的任务管理模式图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的自主潜航器容迟探测系统及方法。
如图1所示,本申请实施例中提供的自主潜航器容迟探测系统,包括:通信装置、容迟探测装置以及终端,所述容迟探测装置通过通信装置与所述终端连接;
所述容迟探测装置包括:数据模块、目标识别模块、协同控制模块和任务管理模块;
所述数据模块用于获取多个传感器采集的数据并解析保存;
所述目标识别模块用于根据所述数据对水底目标进行延迟探测与分析,获取目标数据并标志置信度,将所述目标数据和置信度存储至所述数据模块;所述目标识别模块还用于接收所述协同控制模块发送的待检测目标的相关信息,以对目标再次确认,更新所述数据模块的目标数据及置信度;
所述协同控制模块用于根据所述通信装置获取任务信息、读取数据模块保存的历史数据以及改变所述目标识别模块的目标数据;
所述任务管理模块用于根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行。
自主潜航器容迟探测系统及方法的工作原理为:终端可以是其他潜航器或上位机,通信装置包括但不限于:WIFI、数传电台等。
容迟探测装置中数据模块采用多冗余数据归档分布式文件存储机制,多传感器数据获取模块负责针对不同的传感器(包括但不限于导航传感器、探测传感器、辅助传感器和其他传感器)的传输协议、传输方法进行对应的数据接收,其设置多个并行端口监听子模块达到数据的同步获取。
在获取到数据后,需要对各自的传感器数据进行对应的协议解析,以提取出带标签的各类数据,为了容迟系统的快速历史检索,需要从同步时钟获取时戳,为当前各类传感器数据标记数据时戳,之后需要对数据进行预处理,不同传感器的内置预处理方法不同,包括但不限于:数据配准、数据拼接、数据检测与数据转换等。在标记完索引标签后,采用非关系型分布式文件数据库对相应的数据分别建表保存。
目标识别模块负责构建了一种依托于容迟探测系统的识别装置及实现方法,从数据模块中获取历史存储的探测传感器采集到的图像信息,对水底目标进行延迟探测与分析,提取中疑似目标并标注置信度,将其送至协同控制模块,并返回数据模块进行保存相关的目标数据和置信度。同时接收协同控制模块下发的目标检测信息(来源于岸基远程控制中心或其他协同AUV设备),对目标进行二次确认,进一步判断目标的真实性并更新在数据模块保存的疑似目标数据及置信度。
协同控制模块负责根据通信系统下发的任务需求,能在任意时刻读取数据模块的历史数据,协调与上位机或者其他AUV的数据交互和信息共享,并能够改变目标识别模块的待检测目标数据。
协同控制模块包括任务下行链路、目标下行链路以及信息上行链路。任务下行链路从通信装置接收远程上位机发送的任务信息或者其他AUV发送的需协同完成的任务信息,通过任务分析和任务规划下达给任务管理系统,同时把相关任务信息存储到数据模块中。
目标下行链路从通信装置中获取待识别目标数据,主要针对的是任务执行前目标初始化或任务执行过程待识别目标更改的情况,协同控制模块需要对其进行特征提取和目标分解,再下达给目标识别模块。
信息上行链路是数据上行链路,从数据模块中获取需要上传给上位机或者其他AUV的各类信息,通过数据整理和优先级分析,允许延迟的向其他设备发送。
任务管理模块负责从协同控制模块获取相关任务规划信息,完成任务的分解与航路点的选择,按照一定的优先级下发给AUV本体执行,并向数据模块存储相应的任务执行流程。
一些实施例中,所述数据模块,包括:
多传感器数据获取单元,用于获取多个传感器采集的数据;
协议解析单元,用于对所述数据进行相应的协议解析;所述协议解析包括数据解码或数据反序列化;
分布式存储单元,用于采用非关系型分布式文件数据库对相应的数据分别建表保存。
具体的,数据模块,采用多冗余数据归档存储机制,以最大限度的减少数据交互过程中数据检索的问题。具体流程如下:
优选的,还包括:
同步时钟模块,用于向所述数据模块提供实时时间。
优选的,所述数据模块还包括:
格式化处理单元,用于将所述数据处理为固定的数据格式;
标记数据时戳单元,用于从所述同步时钟模块获取当前时间并进行格式化处理后关联当前数据;
数据处理单元,用于对标记时间戳的数据进行预处理;所述预处理包括数据配准、数据拼接、数据检测以及数据转换;
标记索引标签单元,用于对数据进行索引标签标记之后存入分布式文件数据库。
如图2所示,本申请提供的数据模块的工作流程。
如图3所示,多传感器数据获取单元即为多协议多端口数据并行接收装置,多传感器数据获取模块包含多条并行链路,对于串口传感器,需要按照串口协议进行数据接收,在打上传感器类型标签后进行数据校验。对于网口传感器,需要监听对应端口,当端口上有数据传输时,则接收数据,同样打上标签后进行数据校验。上述链路都是在软件上进行并行运行,互不干扰。
协议解析单元是数据模块需要对不同传感器采集到的数据进行对应的协议解析,包括数据解码或数据反序列化。例如侧扫声呐采集到的一帧数据包,需要从中提取出所需要的一串数据,包括但不限于一帧图像数据、声呐参数以及其他必要信息,舍弃无用数据。有些数据在传输前进行了序列化即加密处理,就需要反序列化操作得到原始数据。
分布式存储单元采用非关系型分布式文件数据库对相应的数据分别建表保存。面向文档存储,架构灵活,易操作,低成本,高可扩展。
数据归档指的是在协议解析完成后,直接对全部数据进行一次备份保存,存储为txt或csv,方便离线导出查看,同时也可以检验数据库数据的存储结果的可靠性与准确性。
格式化处理单元为数据对象指定特定的数据格式,以方便存储。典型的数据格式化与数据协议紧密相关,例如接收到数据为弧度,存储时必须转换成角度,并严格按照角分秒的格式进行转换。有些数据接收为十六进制数,也需要格式化转换为十进制才能进行保存。
标记数据时戳单元用于在接收到数据包后,数据中心从同步时钟获取当前时间并进行格式化处理,并与当前数据进行关联,作为主索引记录,数据时戳必须简易明了,一般由“年月日时分秒尾数”构成。
如图4所示,数据处理单元将打上时戳后的数据进行各项预处理,针对不同的传感器预处理方法有所不同,包括但不限于:数据配准、数据拼接、数据检测与数据转换等。其中,同一类型的多个传感器(如n个)需要进行数据配准,即同一时刻的多个数据应该打包成一个集合进行存储,方法如下:
在数据中心中开辟n个类似堆栈的数据空间,以任意一个传感器采集到数据记为传感器1,记录当前时戳为时间1,并依次向后编号,第n个采集到的传感器数据记为传感器n,当前时戳为时间2,则该数据包的时戳为时间1和时间2的均值,将这n个传感器的数据打包为1组数据进行存储。在这种配准方式下,若重复收到任意一个传感器的数据,则认为是新的数据集合,上一时刻的数据集合中未收到数据的其他传感器数据均记为NaN,表示数据缺失。
数据拼接主要针对的是探测传感器采集到的数据,一帧数据包无法还原出全部原始图像,需要对多帧数据包进行拼接,具体需要拼接的图像大小由实际情况通过通信系统预先设置。
数据检测指将明显异常的数据值过滤掉,例如当深度传感器为0时,表示未测出深度信息,这类数据可以不用保存,以减轻存储的压力。
数据转换是某些特定需要转换的数据。例如数据的高低位组合或者导航系统中的坐标系转换。
标记索引标签单元对数据进行索引标签标记之后存入数据库,以侧扫声呐数据为例存储如下:
{“id”:XXXX,“time”:XXXX,“data”:XXXX,“other”:XXXX}
其中,id为索引号,time为当前数据的时戳,data为侧扫声呐当前帧的数据包,other为附加数据,个别型号的侧扫声呐可能还包含设置参数等。XXXX为格式化标签后的数据。
一些实施例中,所述根据所述数据对水底目标进行延迟探测与分析,包括:
获取所述数据中的拼接后的图像;
对所述图像依次进行图像降噪、图像增强、目标识别以及置信度评估。
具体的,目标识别模块,使用侧扫声呐实现图像的采集、预处理、分析、目标识别与置信度评估,具体流程如下:
“接收”即为数据模块中多传感器数据获取模块,协议解析后进行分布式存储。之后的数据使用,例如目标识别或者集群协同均非实时演算,而是从数据模块中按照一定的逻辑进行数据检索后读取,实现容迟探测及控制的有效性、可靠性。
如图5所示,目标识别模块可以采用一种依托于容迟探测系统的识别装置,放置于AUV的系统舱中,所有设备均与系统舱相连,系统舱中除了AUV的常规控制模块外,需部署一个数据模块,一个主控制板,其中,主控制板搭载目标识别模块、协同控制模块和任务管理模块,且与通信系统相连,能够接收岸基远程控制中心或者其他AUV的通信信息。
如图5所示,AUV内的探测与控制系统分成两部分,实时部分(上图左半部分)和容迟部分(上图右半部分)。实时部分需要数据的实时传输和控制,主要包括传感器的数据采集与存储、任务管理模块的任务执行等等。容迟部分以目标识别模块为核心,按照目标类型、数据规模等要求从数据模块读取历史数据进行图像处理和目标识别,并返回数据模块进行存储。
容迟部分需要数据模块的大量历史数据进行分析、处理与传送。同时,由于通信条件的限制,协同控制模块与通信系统的数据传送也是延迟的,在这种架构下,历史信息的传送并不会影响任务的执行,达到容迟探测与控制的目的。
如图6所示,目标识别模块需要从数据模块获取拼接后的图像,针对水下图像特性,依次实现图像降噪、图像增强和目标识别,并对目标的疑似程度进行置信度评估,将疑似目标编号、置信度数据和目标图像以及原始图像都在数据模块进行存储,以方便协同控制系统检索和通信。
一些实施例中,如图7所示,所述协同控制模块,包括:
任务下行链路,用于通过通信装置接收任务信息;所述任务信息包括上位机发送的任务信息或其他潜航器需协同完成的任务信息;
目标下行链路,用于通过通信装置获取待检测目标数据;
信息上行链路,用于读取数据模块中的历史数据并进行数据整理和对需要延迟传送的任务信息进行优先级分析;
所述任务下行链路还用于按照所有任务的优先级顺序,依次安排航路点发送至任务管理模块。
具体的,协同控制模块主要包含三条链路,任务下行链路、目标下行链路以及信息上行链路。
(1)模块的主要构成
任务下行链路从通信装置接收远程上位机发送的任务信息或者其他AUV发送的需协同完成的任务信息,通过任务分析和任务规划下达给任务管理系统,同时把相关任务信息存储到数据模块中。
由岸基远程上位机(控制中心)下发的任务优先级最高,一旦受到此类任务信息,就结束(而非中断)当前正在执行的任务,转去执行下发的任务。其他AUV需要协同的任务优先级最低,在当前AUV空闲状态或允许协同状态下,可以中断当前任务,转去执行其他AUV的协同任务,一旦完成,就转回之前中断的任务,继续执行。
任务规划即按照收到的所有任务的优先级顺序,依次安排定点、定深等航路点送给任务管理模块。
目标下行链路从通信装置中获取待识别目标数据,主要针对的是任务执行前目标初始化或任务执行过程待识别目标更改的情况,协同控制模块需要对其进行特征提取和目标分解,再下达给目标识别模块。
信息上行链路是上传数据链路,从数据模块中获取需要上传给上位机或者其他AUV的各类信息,通过数据整理和优先级分析,允许延迟的向其他设备发送。按照数据模块的检索方式,对需要延迟传送的信息也需要进行优先级排序,尽可能保证探测的顺利进行与信息的协同共享。一般情况下的优先级如下:
第一档:疑似目标数据及置信度;
第二档:当前AUV的未来任务相关数据;
第三档:疑似目标详情;
第四档:其他需要共享的信息(自定义)。
以上信息均无需实时发送,特别适合无人自主潜航器协同容迟探测。
容迟的协同控制系统能够用于大规模集群无人自主潜航器联合探测以及大面积区域的压制与监视。
(2)模块的典型应用
一种利用容迟探测系统的探测方法可以使用上述模块完成集群协同探测,并在协同控制模块采用如下机制实现多种应用。
考虑到容迟系统的特性和要求,水下AUV集群无须在水下实时通讯,转而采用一种水下各自探测,指定环节上浮来通讯的特殊机制。
在整个集群协同系统中,构建无中心的设备轮换方法,即每个子系统都拥有序号分配、多源信息转发等核心能力,支配整个系统的运行行为。这样在单一子系统出现问题的情况下,整个系统仍具有完整性,任务能够继续执行。如图7所示,确认过程包括:
(a)初始序号轮配:在任务开始阶段,每个AUV按照规范进行依次编号,并根据编号的不同安排相应的上浮触发机制。一般有两种触发方法:一是时间触发,固定时间内分配至少两台AUV上浮;另一个是机动方式分配,在特定机动方式时上浮,例如转弯时,无需进行目标识别,就可以上浮。具体机制根据任务的不同进行相应的组合。任务执行完成后如果没有新的任务也会上浮等待其他AUV的通信信息。
(b)信息交互过程:在某一AUV上浮后,它将执行如下操作,上浮-等待-判别能建立的通信链路-序号确认-信息交互-日志建立-下潜。按照轮候顺序,某一AUV上浮后至少有若干AUV在水面上,双方建立通讯链路并相互发送轮候序号进行确认,之后交互必要的信息,各自AUV记录对方的各种日志,以序号为索引建立日志文档,以方便其他AUV查询检索以及评估集群效果。
在这种应用背景下,可以实现集群数据容迟后的增强扫描(即二次确认)。
如图8所示,AUV1在任务区域1执行探测任务,当在步骤中执行指定上浮后,将疑似目标情况和未来路径情况进行共享,在同一时刻有其他AUV接收到共享信息,由其中最接近的空闲状态AUVn前往确认疑似目标(这里的空闲状态可以指已完成自身的区域探测任务且尚未收到进一步的任务执行指令,也可以指在探测过程中未发现疑似目标且必须指定上浮的AUV)。
在二次确认的过程中,空闲状态的AUVn将按照置信度的优先级顺序依次确认目标,并放弃部分置信度较低的确认工作,以提高检测效率,置信度较低的疑似目标可以在任务执行时间尚可的情况下再由其他AUV进行二次确认。
空闲状态的AUVn在二次确认目标后,将更新置信度,将置信度达到某一阈值的疑似目标确定为真实目标(根据任务状态和检测目标的不同,阈值可以有不同的设置)。
如图9所示,本申请提供一种自主潜航器容迟探测方法,包括:
S901,数据模块获取多个传感器采集的数据并解析保存;
S902,目标识别模块根据所述数据对水底目标进行延迟探测与分析,获取目标数据并标志置信度,将所述目标数据和置信度反馈至所述数据模块;所述目标识别模块还用于接收所述协同控制模块发送的目标检测信息,以对目标再次确认,更新所述数据模块的目标数据及置信度;
S903,协同控制模块根据通信装置获取任务信息、读取数据模块保存的历史数据以及改变所述目标识别模块的目标数据;
S904,任务管理模块根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行。
优选的,所述根据所述数据对水底目标进行延迟探测与分析,包括:
获取所述数据中的拼接后的图像;
对所述图像依次进行图像降噪、图像增强、目标识别以及置信度评估;
(a)图像降噪,目标识别模块从数据模块获取侧扫声呐图像数据,主要是通过图像拼接得到的历史图像。图像降噪采用BM3D数据去噪方法,分为基础估计(step1)和最终估计(step2),每一步骤分三小部分。具体如下:
step1第一步:寻找相似块,整合三维矩阵。
在噪声图像中选择一些k×k大小的参照块(考虑到算法复杂程度,不用每个像素点都选参照块,通常隔3个像素为一个步长选取)。在参照块的周围适当大小(n×n)的区域内进行搜索,寻找若干个差异度最小的块,并把这些块整合成一个3维的矩阵,整合的顺序对结果影响不大。同时,参照块自身也要整合进3维矩阵,且差异度为0。
Step1第二步:将整合的三维矩阵进行3D转换、硬阈值和处理后得到处理后的图像块
形成若干个三维的矩阵之后,首先将每个三维矩阵中的二维的块(噪声图中的某个块)进行二维变换,可采用小波变换或DCT变换等,通常采用小波BIOR1.5。二维变换结束后,在矩阵的第三个维度进行一维变换,通常为阿达马变换(Hadamard Transform)。变换完成后对三维矩阵进行硬阈值处理,将小于阈值的系数置0,然后通过在第三维的一维反变换和二维反变换得到处理后的图像块。
Step1第三步:将处理后的图像块与原噪声图像聚合
每个二维块都是对去噪图像的估计。这一步分别将这些块融合到原来的位置,每个像素的灰度值通过每个对应位置的块的值加权平均,权重取决于置0的个数和噪声强度。
Step2第一步:比较过滤后的图像,整合三维矩阵。
由于基础估计极大地消除了噪点,对于含噪原图的每个目标图块,可以直接用对应基础估计图块的欧氏距离衡量相似程度。按距离从小到大排序后取要求的个数。将基础估计图块、含噪原图图块分别叠成两个三维数组将会得到两个三维数组:噪声图形成的三维矩阵和基础估计结果的三维矩阵。
Step2第二步:进行协同滤波得到处理后的图像块。
两个三维矩阵都进行二维和一维变换,这里的二维变换通常采用DCT变换以得到更好的效果。用维纳滤波(Wiener Filtering)将噪声图形成的三维矩阵进行系数放缩,该系数通过基础估计的三维矩阵的值以及噪声强度得出。
Step2第三步:经过step2处理后的图像块再进行聚合。
与第一步中一样,这里也是将这些块融合到原来的位置,只是此时加权的权重取决于维纳滤波的系数和噪声强度。相对于基础估计图,还原了更多原图的细节。
(b)图像增强,将去噪后的声呐图像进行灰度二值化处理,之后在多尺度几何变换域对图像进行增强。
步骤一,对原声呐图像进行多尺度分解,得到低频子带系数C0和高频子带系数Cj,k,j表示尺度,k表示子带方向;
步骤二,将S形函数作用于归一化的低频子带系数,以提高整体图像的对比度
其中,C'0为增强后的低频子带系数;M0是低频系数的最大值;k1为大于1的常数;y()为S型函数表达式,即sigmoid函数。
步骤三,为了避免噪声系数被放大,对各高频子带系数进行非线性增强处理,并同时根据设定的阈值进行阈值化处理
式中,C'j,k为增强后各高频子带的系数;Mj,k是该层系数的最大值;k2为大于1的常数,非线性增益f为:
f(x)=a[sigm(c(x-b))-sigm(-c(x+b))]×e(|x|-1)×d (3)
步骤四,对所有子带系数进行多尺度逆变换,得到增强后的声呐图像。
(c)所述的目标识别方法,将采用多种方法综合处理,例如基于像素的检测方法、基于特征的检测方法、基于回波的检测方法。每类方法下均使用两到三种常用算法进行并行的目标识别。
(d)所述的置信度评估方法,假设使用十种常用的目标识别方法,则置信度评估的计算如下,能检测到同类型目标的方法除以全部目标识别方法。例如有6种方法均发现该位置可能有目标,则置信度为0.6。
优选的,如图10所示,所述根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行,包括:
多个潜航器在被释放后装载各自任务目标;所述任务目标包括任务区域、定点、定深、定速信息;
在任务区域执行任务的过程中,在指定环节执行上浮操作,并和其他在水面上的潜航器完成通信,实现已执行任务过程中的目标共享以及需要执行的任务情况;
在水下执行目标探测过程中,将目标标记为疑似,并根据探测算法标注置信度,在通信阶段共享目标的置信度,由其他空闲AUV来进行目标的二次确认,以达到对该区域的快速探测与实时扫描;
在一个潜航器执行完自己的任务后,执行上浮操作,接收其他潜航器传递的任务信息,通过任务分配机制辅助其他潜航器完成任务,以实现对多个区域的联合快速探测。
综上所述,本发明提供一种自主潜航器容迟探测系统及方法,包括通信装置、容迟探测装置以及终端,容迟探测装置通过通信装置与终端连接;数据模块获取多个传感器采集的数据并解析保存;目标识别模块根据数据对水底目标进行延迟探测与分析;目标识别模块还接收协同控制模块发送的待检测目标的相关信息,以对目标再次确认;协同控制模块根据通信装置获取任务信息;任务管理模块根据任务信息进行任务分解与航路点的选择并发送至潜航器执行;本发明采用的成本低,可将多种传感器采用统一的接口,提高了任务执行效率;采用通信装置实现数据与任务的交互,增强任务的扩展性;采用数据模块提高历史数据的利用率并能采集实时数据。
可以理解的是,上述提供的系统实施例与上述的方法实施例对应,相应的具体内容可以相互参考,在此不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令方法的制造品,该指令方法实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种自主潜航器容迟探测系统,其特征在于,包括:通信装置、容迟探测装置以及终端,所述容迟探测装置通过通信装置与所述终端连接;
所述容迟探测装置包括:数据模块、目标识别模块、协同控制模块和任务管理模块;
所述数据模块用于获取多个传感器采集的数据并解析保存;
所述目标识别模块用于根据所述数据对水底目标进行延迟探测与分析,获取目标数据并标志置信度,将所述目标数据和置信度存储至所述数据模块;所述目标识别模块还用于接收所述协同控制模块发送的待检测目标的相关信息,探测其他目标或对历史目标进行再次确认,更新所述数据模块的目标数据及置信度;
所述协同控制模块用于根据所述通信装置获取任务信息、读取数据模块保存的历史数据以及改变所述目标识别模块的目标数据;
所述任务管理模块用于根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行;
所述根据所述数据对水底目标进行延迟探测与分析,包括:
获取所述数据中的拼接后的图像;
对所述图像依次进行图像降噪、图像增强、目标识别以及置信度评估;
所述图像降噪采用BM3D数据去噪法进行基础估计和最终估计;
其中,所述基础估计,包括:
寻找相似块,整合三维矩阵;
将整合的三维矩阵进行3D转换、硬阈值和处理后得到处理后的图像块;
将处理后的图像块与原噪声图像聚合,得到基础估计图块;
所述最终估计,包括:
将基础估计图块、含噪原图图块分别叠成两个三维矩阵;
对两个所述三维矩阵进行协同滤波得到处理后的图像块;
将处理后的图像块再次进行聚合,得到声呐图像。
2.根据权利要求1所述的自主潜航器容迟探测系统,其特征在于,所述数据模块,包括:
多传感器数据获取单元,用于获取多个传感器采集的数据;
协议解析单元,用于对所述数据进行相应的协议解析;所述协议解析包括数据解码或数据反序列化;
分布式存储单元,用于采用非关系型分布式文件数据库对相应的数据分别建表保存。
3.根据权利要求1所述的自主潜航器容迟探测系统,其特征在于,所述根据所述数据对水底目标进行延迟探测与分析,包括:
获取所述数据中的拼接后的图像;
对所述图像依次进行图像降噪、图像增强、目标识别以及置信度评估。
4.根据权利要求1所述的自主潜航器容迟探测系统及方法,其特征在于,所述协同控制模块,包括:
任务下行链路,用于通过通信装置接收任务信息;所述任务信息包括上位机发送的任务信息或其他潜航器需协同完成的任务信息;
目标下行链路,用于通过通信装置获取待检测目标数据;
信息上行链路,用于读取数据模块中的历史数据并进行数据整理和对需要延迟传送的任务信息进行优先级分析;
所述任务下行链路还用于按照所有任务的优先级顺序,依次安排航路点发送至任务管理模块。
5.根据权利要求2所述的自主潜航器容迟探测系统,其特征在于,还包括:
同步时钟模块,用于向所述数据模块提供实时时间。
6.根据权利要求5所述的自主潜航器容迟探测系统,其特征在于,所述数据模块还包括:
格式化处理单元,用于将所述数据处理为固定的数据格式;
标记数据时戳单元,用于从所述同步时钟模块获取当前时间并进行格式化处理后关联当前数据;
数据处理单元,用于对标记时间戳的数据进行预处理;所述预处理包括数据配准、数据拼接、数据检测以及数据转换;
标记索引标签单元,用于对数据进行索引标签标记之后存入分布式文件数据库。
7.一种自主潜航器容迟探测方法,其特征在于,包括:
数据模块获取多个传感器采集的数据并解析保存;
目标识别模块根据所述数据对水底目标进行延迟探测与分析,获取目标数据并标志置信度,将所述目标数据和置信度反馈至所述数据模块;所述目标识别模块还用于接收协同控制模块发送的目标检测信息,以更新任务目标数据或对目标再次确认,更新所述数据模块的目标数据及置信度;
协同控制模块根据通信装置获取任务信息、读取数据模块保存的历史数据以及改变所述目标识别模块的目标数据;
任务管理模块根据所述任务信息进行任务分解与航路点的选择并发送至潜航器执行;
所述根据所述数据对水底目标进行延迟探测与分析,包括:
获取所述数据中的拼接后的图像;
对所述图像依次进行图像降噪、图像增强、目标识别以及置信度评估;
所述图像降噪采用BM3D数据去噪法进行基础估计和最终估计;
其中,所述基础估计,包括:
寻找相似块,整合三维矩阵;
将整合的三维矩阵进行3D转换、硬阈值和处理后得到处理后的图像块;
将处理后的图像块与原噪声图像聚合,得到基础估计图块;
所述最终估计,包括:
将基础估计图块、含噪原图图块分别叠成两个三维矩阵;
对两个所述三维矩阵进行协同滤波得到处理后的图像块;
将处理后的图像块再次进行聚合,得到声呐图像。
8.根据权利要求7所述的方法,其特征在于,所述图像增强,包括:
将去噪后的声呐图像进行灰度二值化处理,在多尺度几何变换域对图像进行增强;
所述将去噪后的声呐图像进行灰度二值化处理,在多尺度几何变换域对图像进行增强,包括:
对原声呐图像进行多尺度分解,得到低频子带系数和高频子带系数;
采用sigmoid函数作用于归一化的低频子带系数,以提高整体图像的对比度;
对各高频子带系数进行非线性增强处理,并同时根据设定的阈值进行阈值化处理;
对处理后的低频子带系数和高频子带系数进行多尺度逆变换,得到增强后的声呐图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230734.0A CN112347070B (zh) | 2020-11-06 | 2020-11-06 | 自主潜航器容迟探测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230734.0A CN112347070B (zh) | 2020-11-06 | 2020-11-06 | 自主潜航器容迟探测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112347070A CN112347070A (zh) | 2021-02-09 |
CN112347070B true CN112347070B (zh) | 2023-05-23 |
Family
ID=74429513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011230734.0A Active CN112347070B (zh) | 2020-11-06 | 2020-11-06 | 自主潜航器容迟探测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347070B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113218386B (zh) * | 2021-07-08 | 2021-10-08 | 深之蓝海洋科技股份有限公司 | 机器人在液体下建筑内高精度导航的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011109772A2 (en) * | 2010-03-05 | 2011-09-09 | Interdigital Patent Holdings, Inc. | Method and apparatus for providing security to devices |
CN105547300A (zh) * | 2015-12-30 | 2016-05-04 | 航天恒星科技有限公司 | 用于auv的全源导航系统及方法 |
CN111038671A (zh) * | 2019-12-30 | 2020-04-21 | 哈尔滨工程大学 | 一种海底三维地形勘察和测绘水下无人航行器 |
CN111045453A (zh) * | 2019-12-25 | 2020-04-21 | 南京工程学院 | 一种基于无人艇与多水下机器人的协同控制系统及方法 |
CN111308576A (zh) * | 2019-11-29 | 2020-06-19 | 哈尔滨工程大学 | 一种多auv系统及深海珊瑚探测方法 |
CN111444014A (zh) * | 2020-03-23 | 2020-07-24 | 山东省科学院海洋仪器仪表研究所 | 基于ec-rest体系结构的海洋观测网络系统及方法 |
-
2020
- 2020-11-06 CN CN202011230734.0A patent/CN112347070B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011109772A2 (en) * | 2010-03-05 | 2011-09-09 | Interdigital Patent Holdings, Inc. | Method and apparatus for providing security to devices |
CN105547300A (zh) * | 2015-12-30 | 2016-05-04 | 航天恒星科技有限公司 | 用于auv的全源导航系统及方法 |
CN111308576A (zh) * | 2019-11-29 | 2020-06-19 | 哈尔滨工程大学 | 一种多auv系统及深海珊瑚探测方法 |
CN111045453A (zh) * | 2019-12-25 | 2020-04-21 | 南京工程学院 | 一种基于无人艇与多水下机器人的协同控制系统及方法 |
CN111038671A (zh) * | 2019-12-30 | 2020-04-21 | 哈尔滨工程大学 | 一种海底三维地形勘察和测绘水下无人航行器 |
CN111444014A (zh) * | 2020-03-23 | 2020-07-24 | 山东省科学院海洋仪器仪表研究所 | 基于ec-rest体系结构的海洋观测网络系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于传感探测系统的多自治水下机器人编队协调控制;庞师坤 等;《上海交通大学学报 》;549-555 * |
水下无人潜航器集群发展现状及关键技术综述;张伟 等;《哈尔滨工程大学学报》;289-297 * |
Also Published As
Publication number | Publication date |
---|---|
CN112347070A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paull et al. | Communication-constrained multi-AUV cooperative SLAM | |
CN109685141B (zh) | 一种基于深度神经网络的机器人物品分拣视觉检测方法 | |
US11552778B2 (en) | Method of multi-sensor data fusion | |
Hamilton et al. | Antisubmarine warfare applications for autonomous underwater vehicles: the GLINT09 sea trial results | |
US20120099395A1 (en) | Detecting structural changes to underwater structures | |
Chitre et al. | Ambient noise imaging in warm shallow waters; robust statistical algorithms and range estimation | |
US11255962B2 (en) | Automotive testing method, system and computer program product | |
CN105866774A (zh) | 线性调频信号极坐标格式成像算法的fpga实现方法 | |
CN112347070B (zh) | 自主潜航器容迟探测系统及方法 | |
CN107255818A (zh) | 一种两维多特征融合的水下目标快速检测方法 | |
Van Komen et al. | Seabed type and source parameters predictions using ship spectrograms in convolutional neural networks | |
CN112013285A (zh) | 管道泄漏点的检测方法及装置、存储介质、终端 | |
Baralli et al. | GPU-based real-time synthetic aperture sonar processing on-board autonomous underwater vehicles | |
US10534080B2 (en) | Radar image formation within a distributed network | |
Sreekala et al. | Deep convolutional neural network with Kalman filter based objected tracking and detection in underwater communications | |
US10838055B2 (en) | Method and apparatus to identify object | |
CN114660561A (zh) | Ais与雷达的航迹关联方法及装置 | |
Pallayil et al. | Development of a second-generation underwater acoustic ambient noise imaging camera | |
CN110988888B (zh) | 海底信息的获取方法和装置 | |
CN111598027A (zh) | 一种基于遥感大数据的区域性浅水种植区分布系统及方法 | |
CN116977876A (zh) | 一种无人机图像处理方法、系统及介质 | |
CN115859186A (zh) | 基于格拉米角场的分布式光纤传感事件识别方法及系统 | |
CN114283082A (zh) | 一种基于注意力机制的红外小目标检测方法 | |
CN114137546A (zh) | 基于数据驱动的auv海底目标识别与路径规划方法 | |
Perera et al. | Decentralized system intelligence in data driven networks for shipping industrial applications: digital models to blockchain technologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |