CN113124864A - 一种采用机器视觉和惯导融合的水面导航方法 - Google Patents
一种采用机器视觉和惯导融合的水面导航方法 Download PDFInfo
- Publication number
- CN113124864A CN113124864A CN202110418277.6A CN202110418277A CN113124864A CN 113124864 A CN113124864 A CN 113124864A CN 202110418277 A CN202110418277 A CN 202110418277A CN 113124864 A CN113124864 A CN 113124864A
- Authority
- CN
- China
- Prior art keywords
- ship
- inertial navigation
- navigation
- water surface
- fusion
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 32
- 230000004927 fusion Effects 0.000 title claims abstract description 20
- 230000016776 visual perception Effects 0.000 claims abstract description 20
- 238000013439 planning Methods 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 241001061260 Emmelichthys struhsakeri Species 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及及无人船水面导航技术领域，具体涉及一种采用机器视觉和惯导融合的水面导航方法，包括以下步骤：首先在船身上布置RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备，然后将会它们全部接入船端工控计算机；岸基端综合显控系统通过无线以太网络与船端工控计算机建立通讯连接，实现对无人船运动状态和设备状态的实时显示和更新；基端设置有全局性航线规划模块，再根据具体的任务目标以调用栅格化方法计算一条规划的航线；船端工控计算机接收到全局航线数据时，并在此基础上进行障碍物碰撞危险的判断并计算避碰策略；本发明解决城市河流水域复杂、卫星信号差等导航难题，可自动驾驶连续作业水域面积比达95％。
Description
技术领域
本发明涉及无人船水面导航技术领域，具体涉及一种采用机器视觉和惯导融合的水面导航方法。
背景技术
随着自动化水平日益提高，水面无人作业船舶的研究愈来愈迫切，无人作业船的航迹控制研究更是其中的热点问题。可靠的无人作业船导航系统不仅是无人作业船实现自主作业的基本保障，还是判断系统的自动化程度的主要标准。船舶的导航精度和可靠性制约着无人船舶的自主作业水平，这也成为实现水产养殖自动化的一道瓶颈。
如专利号为201810975531.0的发明公开了一种无人艇基于毫米波雷达的跟踪和避障系统，包括无人艇和设置在无人艇上的毫米波雷达、卫星定位系统、惯性导航系统、主控计算机，其中，毫米波雷达均匀安装在无人艇的周围，测量无人艇前方、后方和左右两侧的环境相对于无人艇的位置、速度和加速度信息，所述卫星定位系统和惯性导航系统检测无人艇的位置、速度和加速度信息，所述卫星定位系统、惯性导航系统、毫米波雷达通过电缆与主控计算机连接。
如专利号为201910875242.8的发明公开了一种基于自适应联邦卡尔曼滤波的无人船组合导航方法，利用无人船组合导航系统进行导航，所述无人船组合导航系统包括SINS、GPS、Compass和嵌入式处理器。所述嵌入式处理器内采用自适应联邦卡尔曼滤波算法进行传感器信息融合，输出无人船的位置、速度和姿态信息。该发明应用了无人船SINS/GPS/Compass组合导航的误差模型和观测模型，减小各个子系统之间的故障干扰，提高无人船导航系统的可靠性与稳定性。
目前无人船系统深度依赖于高精度卫星导航系统，但在狭窄内陆水道环境下，卫星信号容易受到河岸植被、河道旁建筑以及桥梁的遮挡，导致卫星导航系统定位精度显著下降，在这种情况下，内河航道的准确定位与导航，依赖于对无人船与周围环境的感知；而在内河中，水面上的雾和强光反射会降低激光雷达探测精度；对于视觉系统，水面雾气和强光反射，岸边物体的反射和雨滴引起的涟漪也会带来干扰。此外，不同于路面车辆，水面上船只的横向漂移较大，船只的运动模型更为复杂，给精确定位带来新的挑战。因此，很有必要研发一种新型高精度水面导航方法。
发明内容
本发明针对背景技术所提出的的问题，而设计了一种采用机器视觉和惯导融合的水面导航方法，解决城市河流水域复杂、卫星信号差等导航难题，可自动驾驶连续作业水域面积比达95％。
本发明是通过以下技术方案实现的：
一种采用机器视觉和惯导融合的水面导航方法，包括以下步骤：
(1)在船身上布置RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备，然后将会它们全部接入船身内部的船端工控计算机，船端工控计算机内部装载船载主控软件；
(2)通过RTK定位系统结合惯性导航系统测量无人船艇的实时速度，再由船端工控计算机将RTK定位系统和惯性导航系统测量的速度传入毫米波雷达，标定船体当前的运动信息，视觉感知设备通过对拍摄的图像信息进行特征提取、检测，最后通过卡尔曼滤波融合算法实现精确地定位；
(3)岸基端综合显控系统通过无线以太网络与船端工控计算机建立通讯连接，并获取船端数据，实现对无人船运动状态和设备状态的实时显示和更新，并对异常情况进行报警；
(4)岸基端设置有全局性航线规划模块，再根据具体的任务目标以调用栅格化方法计算一条规划的航线，岸基端的控制指令发送模块向无人船发送即时的全局航线数据；
(5)船端工控计算机接收到全局航线数据时，并在此基础上进行障碍物碰撞危险的判断并计算避碰策略，将相应的运动指令发送到下位机PLC，下位机PLC根据船载主控软件发送给它的控制命令，生成相应的舵角和转速命令，驱动无人船对应的执行机构，以完成对无人船的运动控制。
作为对上述方案的进一步改进，所述RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备的工作基于障碍物距离模型算法，障碍物距离模型算法中10～100m范围目标使用毫米波雷达自动生成点云参与导航；0～10m近距离目标使用视觉感知设备进行三维实时重建参与导航；卫星数≤10颗时惯性导航系统参与导航，卫星数＞11颗时RTK定位系统参与导航。
作为对上述方案的进一步改进，所述下位机PLC与所述船端工控计算机之间双向电性连接，所述下位机PLC的信号输出端与信号切换器电学连接，所述信号切换器的信号输出端与无人船的舵机、电子调速器电性连接。
作为对上述方案的进一步改进，所述船身上还布置交换机，所述交换机同样与所述船端工控计算机之间双向电性连接，所述交换机与所述视觉感知设备之间双向电性连接。
作为对上述方案的进一步改进，所述RTK定位系统基于载波相位观测值的实时动态定位方法，实时地提供检测点在指定坐标系中的维定位结果，并达到厘米级精度；所述RTK定位系统在作业模式下，基准站通过数据链将其观测值和测站坐标信息一起传送给流动站，流动站不仅通过数据链接收来自基准站的数据，还要采集GPS观测数据，并在系统内组成差分观测值进行实时处理，同时给出厘米级定位结果。
作为对上述方案的进一步改进，所述岸基端上还设立数据管理模块并建立数据库，对船端传回的实时运动数据、设备状态数据进行存储，以供后续的分析和处理。
作为对上述方案的进一步改进，所述步骤(4)中栅格化方法需使用栅格化地图，所述栅格地图是由许多精细粒度的栅格构成，每个栅格代表了地图中的一个小区域即是环境信息，可以将地图表示为：
其中，i表示第i个栅格单元，n表示的是整个环境地图。
作为对上述方案的进一步改进，所述栅格化地图中每个栅格与一个二值占用变量对应，即是代表该栅格是否被占用的概率，其中每个栅格被占据的概率为：ρ(n|x1:t，y1:t)，同时每个栅格是相互独立的，那么整个地图的后验概率就可以用每个栅格的边缘概率乘积表示为：
其中x代表横向的坐标点，y代表纵向的坐标点，t代表时间变化量；
其中，每个栅格的状态有两种，一种为占据用1表示，另外的一种为空闲用0表示，那么根据二值化概率的方法每个栅格被占据的状态为：
为了避免概率接近0或者1的截断问题，采用对数占用概率来表示：
则每个栅格的后验概率为：
作为对上述方案的进一步改进，所述船端工控计算机使用Linux系统作为操作系统，通过串口连接STM32F103处理器。
作为对上述方案的进一步改进，所述步骤(5)中在进行障碍物碰撞危险的判断并计算避碰策略时，先预测环境障碍物的运动状态，计算无人船与目标障碍之间的最近会遇距离和最近会遇时间，分析碰撞风险，并且在存在碰撞可能的前提下，调用速度障碍模型算法，计算局部最优避碰策略并发送给执行机构，当碰撞不可避免时，直接执行减速停车操作。
与现有技术相比，本发明的有益效果是：RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备
1、本发明首次采用RTK定位系统、惯性导航系统、机器视觉、毫米波雷达及多传感器数据融合组合导航和定位技术，在存在卫星信号的环境下，利用各种传感器构建组合导航系统，利用各种传感器和船只自身的运动学信息辅助卫星导航系统，提高卫星导航系统精度；当卫星信号不可用时，利用自身的传感器和环境信息尽量辅助惯性导航系统保持导航定位精度。
2、本发明解决了城市河流水域复杂、卫星信号差等导航难题，可自动驾驶连续作业水域面积比达95％，因此开展了城市内河无人系统导航和定位技术发展的新方向；同时具有较好的可靠性和稳定性，能够指导水面无人艇完成基本的航线规划跟踪和自主避障任务。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明无人船控制系统架构框图；
图2为本发明无人船自主导航的系统控制策略图；
图3为本发明中地图栅格化的结构示意图；
图4为本发明在栅格地图上规划处航线的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
下面结合附图对本发明的技术方案进一步说明。
实施例1
如图1和图2所示，一种采用机器视觉和惯导融合的水面导航方法，包括以下步骤：
(1)在船身上布置RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备，然后将会它们全部接入船身内部的船端工控计算机，船端工控计算机使用Linux系统作为操作系统，通过串口连接STM32F103处理器，船端工控计算机内部装载船载主控软件；
(2)通过RTK定位系统结合惯性导航系统测量无人船艇的实时速度，再由船端工控计算机将RTK定位系统和惯性导航系统测量的速度传入毫米波雷达，标定船体当前的运动信息，视觉感知设备通过对拍摄的图像信息进行特征提取、检测，最后通过卡尔曼滤波融合算法实现精确地定位；
(3)岸基端综合显控系统通过无线以太网络与船端工控计算机建立通讯连接，并获取船端数据，实现对无人船运动状态和设备状态的实时显示和更新，并对异常情况进行报警；
(4)岸基端设置有全局性航线规划模块，再根据具体的任务目标以调用栅格化方法计算一条规划的航线，岸基端的控制指令发送模块向无人船发送即时的全局航线数据，岸基端上还设立数据管理模块并建立数据库，对船端传回的实时运动数据、设备状态数据进行存储，以供后续的分析和处理；
(5)船端工控计算机接收到全局航线数据时，并在此基础上进行障碍物碰撞危险的判断并计算避碰策略，将相应的运动指令发送到下位机PLC，下位机PLC根据船载主控软件发送给它的控制命令，生成相应的舵角和转速命令，驱动无人船对应的执行机构，以完成对无人船的运动控制。
RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备的工作基于障碍物距离模型算法，障碍物距离模型算法中10～100m范围目标使用毫米波雷达自动生成点云参与导航；0～10m近距离目标使用视觉感知设备进行三维实时重建参与导航；卫星数≤10颗时惯性导航系统参与导航，卫星数＞11颗时RTK定位系统参与导航；由此可知，在存在卫星信号的环境下，利用各种传感器构建组合导航系统，利用各种传感器和船只自身的运动学信息辅助卫星导航系统，提高卫星导航系统精度；当卫星信号不可用时，利用自身的传感器和环境信息尽量辅助惯性导航系统保持导航定位精度。
下位机PLC与船端工控计算机之间双向电性连接，下位机PLC的信号输出端与信号切换器电学连接，信号切换器的信号输出端与无人船的舵机、电子调速器电性连接；船身上还布置交换机，交换机同样与船端工控计算机之间双向电性连接，交换机与视觉感知设备之间双向电性连接。
其中，RTK定位系统基于载波相位观测值的实时动态定位方法，实时地提供检测点在指定坐标系中的维定位结果，并达到厘米级精度；RTK定位系统在作业模式下，基准站通过数据链将其观测值和测站坐标信息一起传送给流动站，流动站不仅通过数据链接收来自基准站的数据，还要采集GPS观测数据，并在系统内组成差分观测值进行实时处理，同时给出厘米级定位结果。
在进行障碍物碰撞危险的判断并计算避碰策略时，先预测环境障碍物的运动状态，计算无人船与目标障碍之间的最近会遇距离和最近会遇时间，分析碰撞风险，并且在存在碰撞可能的前提下，调用速度障碍模型算法，计算局部最优避碰策略并发送给执行机构，当碰撞不可避免时，直接执行减速停车操作，由此可见，该导航方法具有较好的可靠性和稳定性，能够指导水面无人艇完成基本的航线规划跟踪和自主避障任务。
实施例2
实施例2在实施例1的基础上，如图3和图4所示，栅格化方法需使用栅格化地图，栅格地图是由许多精细粒度的栅格构成，每个栅格代表了地图中的一个小区域即是环境信息，可以将地图表示为：
其中，i表示第i个栅格单元，n表示的是整个环境地图。
栅格化地图中每个栅格与一个二值占用变量对应，即是代表该栅格是否被占用的概率，其中每个栅格被占据的概率为：，ρ(n|x1:t，y1:t)同时每个栅格是相互独立的，那么整个地图的后验概率就可以用每个栅格的边缘概率乘积表示为：
其中x代表横向的坐标点，y代表纵向的坐标点，t代表时间变化量；
每个栅格的状态有两种，一种为占据用1表示，另外的一种为空闲用0表示，那么根据二值化概率的方法每个栅格被占据的状态为：
为了避免概率接近0或者1的截断问题，采用对数占用概率来表示：
则每个栅格的后验概率为：
综合实施例1和实施例2，本发明是首次采用RTK定位系统、惯性导航系统、机器视觉、毫米波雷达及多传感器数据融合组合导航和定位技术，在存在卫星信号的环境下，利用各种传感器构建组合导航系统，利用各种传感器和船只自身的运动学信息辅助卫星导航系统，提高卫星导航系统精度；当卫星信号不可用时，利用自身的传感器和环境信息尽量辅助惯性导航系统保持导航定位精度；解决了城市河流水域复杂、卫星信号差等导航难题，可自动驾驶连续作业水域面积比达95％；同时具有较好的可靠性和稳定性，能够指导水面无人艇完成基本的航线规划跟踪和自主避障任务，
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种采用机器视觉和惯导融合的水面导航方法，其特征在于，包括以下步骤：
(1)在船身上布置RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备，然后将会它们全部接入船身内部的船端工控计算机，船端工控计算机内部装载船载主控软件；
(2)通过RTK定位系统结合惯性导航系统测量无人船艇的实时速度，再由船端工控计算机将RTK定位系统和惯性导航系统测量的速度传入毫米波雷达，标定船体当前的运动信息，视觉感知设备通过对拍摄的图像信息进行特征提取、检测，最后通过卡尔曼滤波融合算法实现精确地定位；
(3)岸基端综合显控系统通过无线以太网络与船端工控计算机建立通讯连接，并获取船端数据，实现对无人船运动状态和设备状态的实时显示和更新，并对异常情况进行报警；
(4)岸基端设置有全局性航线规划模块，再根据具体的任务目标以调用栅格化方法计算一条规划的航线，岸基端的控制指令发送模块向无人船发送即时的全局航线数据；
(5)船端工控计算机接收到全局航线数据时，并在此基础上进行障碍物碰撞危险的判断并计算避碰策略，将相应的运动指令发送到下位机PLC，下位机PLC根据船载主控软件发送给它的控制命令，生成相应的舵角和转速命令，驱动无人船对应的执行机构，以完成对无人船的运动控制。
2.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述RTK定位系统、惯性导航系统、毫米波雷达及视觉感知设备的工作基于障碍物距离模型算法，障碍物距离模型算法中10～100m范围目标使用毫米波雷达自动生成点云参与导航；0～10m近距离目标使用视觉感知设备进行三维实时重建参与导航；卫星数≤10颗时惯性导航系统参与导航，卫星数＞11颗时RTK定位系统参与导航。
3.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述下位机PLC与所述船端工控计算机之间双向电性连接，所述下位机PLC的信号输出端与信号切换器电学连接，所述信号切换器的信号输出端与无人船的舵机、电子调速器电性连接。
4.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述船身上还布置交换机，所述交换机同样与所述船端工控计算机之间双向电性连接，所述交换机与所述视觉感知设备之间双向电性连接。
5.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述RTK定位系统基于载波相位观测值的实时动态定位方法，实时地提供检测点在指定坐标系中的维定位结果，并达到厘米级精度；所述RTK定位系统在作业模式下，基准站通过数据链将其观测值和测站坐标信息一起传送给流动站，流动站不仅通过数据链接收来自基准站的数据，还要采集GPS观测数据，并在系统内组成差分观测值进行实时处理，同时给出厘米级定位结果。
6.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述岸基端上还设立数据管理模块并建立数据库，对船端传回的实时运动数据、设备状态数据进行存储，以供后续的分析和处理。
7.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述步骤(4)中栅格化方法需使用栅格化地图，所述栅格地图是由许多精细粒度的栅格构成，每个栅格代表了地图中的一个小区域即是环境信息，可以将地图表示为：
其中，i表示第i个栅格单元，n表示的是整个环境地图。
8.根据权利要求7所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述栅格化地图中每个栅格与一个二值占用变量对应，即是代表该栅格是否被占用的概率，其中每个栅格被占据的概率为：，ρ(n|x1:t，y1:t)同时每个栅格是相互独立的，那么整个地图的后验概率就可以用每个栅格的边缘概率乘积表示为：
其中x代表横向的坐标点，y代表纵向的坐标点，t代表时间变化量；
其中，每个栅格的状态有两种，一种为占据用1表示，另外的一种为空闲用0表示，那么根据二值化概率的方法每个栅格被占据的状态为：
为了避免概率接近0或者1的截断问题，采用对数占用概率来表示：
则每个栅格的后验概率为：
9.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述船端工控计算机使用Linux系统作为操作系统，通过串口连接STM32F103处理器。
10.根据权利要求1所述的一种采用机器视觉和惯导融合的水面导航方法，其特征在于：所述步骤(5)中在进行障碍物碰撞危险的判断并计算避碰策略时，先预测环境障碍物的运动状态，计算无人船与目标障碍之间的最近会遇距离和最近会遇时间，分析碰撞风险，并且在存在碰撞可能的前提下，调用速度障碍模型算法，计算局部最优避碰策略并发送给执行机构，当碰撞不可避免时，直接执行减速停车操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110418277.6A CN113124864A (zh) | 2021-04-19 | 2021-04-19 | 一种采用机器视觉和惯导融合的水面导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110418277.6A CN113124864A (zh) | 2021-04-19 | 2021-04-19 | 一种采用机器视觉和惯导融合的水面导航方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113124864A true CN113124864A (zh) | 2021-07-16 |
Family
ID=76777641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110418277.6A Pending CN113124864A (zh) | 2021-04-19 | 2021-04-19 | 一种采用机器视觉和惯导融合的水面导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113124864A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113390410A (zh) * | 2021-08-04 | 2021-09-14 | 北京云恒科技研究院有限公司 | 一种适用于无人机的惯性组合导航方法 |
| CN113655797A (zh) * | 2021-08-19 | 2021-11-16 | 江苏科技大学 | 用于清理水面油污和漂浮物的清污船、清污控制系统及清污控制方法 |
| CN114061565A (zh) * | 2021-11-12 | 2022-02-18 | 安徽中科合鼎科技发展有限公司 | 一种无人船舶slam及其应用方法 |
| CN114115264A (zh) * | 2021-11-19 | 2022-03-01 | 四方智能(武汉)控制技术有限公司 | 无人船测绘航行系统及其控制方法 |
| CN115903858A (zh) * | 2023-02-24 | 2023-04-04 | 中国人民解放军海军工程大学 | 一种小型模块化嵌入式无人艇航行控制方法及系统 |
| CN117690194A (zh) * | 2023-12-08 | 2024-03-12 | 北京虹湾威鹏信息技术有限公司 | 一种多源ai生物多样性观测的方法和采集系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080243383A1 (en) * | 2006-12-12 | 2008-10-02 | Ching-Fang Lin | Integrated collision avoidance enhanced GN&C system for air vehicle |
| CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
| CN109029465A (zh) * | 2018-08-24 | 2018-12-18 | 上海大学 | 一种无人艇基于毫米波雷达的跟踪和避障系统 |
| CN109425347A (zh) * | 2017-08-21 | 2019-03-05 | 天津海之星船艇科技有限公司 | 一种半潜无人船的同时定位与地图构建方法 |
| CN109682373A (zh) * | 2018-12-28 | 2019-04-26 | 中国兵器工业计算机应用技术研究所 | 一种无人平台的感知系统 |
| WO2020133909A1 (zh) * | 2018-12-29 | 2020-07-02 | 北京金朋达航空科技有限公司 | 飞控与导航一体机 |
| CN111522043A (zh) * | 2020-04-30 | 2020-08-11 | 北京联合大学 | 一种无人车激光雷达快速重新匹配定位方法 |
-
2021
- 2021-04-19 CN CN202110418277.6A patent/CN113124864A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080243383A1 (en) * | 2006-12-12 | 2008-10-02 | Ching-Fang Lin | Integrated collision avoidance enhanced GN&C system for air vehicle |
| CN109425347A (zh) * | 2017-08-21 | 2019-03-05 | 天津海之星船艇科技有限公司 | 一种半潜无人船的同时定位与地图构建方法 |
| CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
| CN109029465A (zh) * | 2018-08-24 | 2018-12-18 | 上海大学 | 一种无人艇基于毫米波雷达的跟踪和避障系统 |
| CN109682373A (zh) * | 2018-12-28 | 2019-04-26 | 中国兵器工业计算机应用技术研究所 | 一种无人平台的感知系统 |
| WO2020133909A1 (zh) * | 2018-12-29 | 2020-07-02 | 北京金朋达航空科技有限公司 | 飞控与导航一体机 |
| CN111522043A (zh) * | 2020-04-30 | 2020-08-11 | 北京联合大学 | 一种无人车激光雷达快速重新匹配定位方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李治国;: "基于惯导/激光雷达的无人车融合定位技术研究", 软件, no. 01, 15 January 2020 (2020-01-15) * |
| 段建民等: "改进贝叶斯推理的栅格地图更新与障碍物检测", 激光杂志, vol. 38, no. 8, 25 August 2017 (2017-08-25), pages 14 * |
| 陈慧岩: "无人驾驶车辆理论与设计", 31 March 2018, 北京理工大学, pages: 69 - 71 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113390410A (zh) * | 2021-08-04 | 2021-09-14 | 北京云恒科技研究院有限公司 | 一种适用于无人机的惯性组合导航方法 |
| CN113655797A (zh) * | 2021-08-19 | 2021-11-16 | 江苏科技大学 | 用于清理水面油污和漂浮物的清污船、清污控制系统及清污控制方法 |
| CN114061565A (zh) * | 2021-11-12 | 2022-02-18 | 安徽中科合鼎科技发展有限公司 | 一种无人船舶slam及其应用方法 |
| CN114061565B (zh) * | 2021-11-12 | 2023-09-12 | 合肥恒淏智能科技合伙企业(有限合伙) | 一种无人船舶slam及其应用方法 |
| CN114115264A (zh) * | 2021-11-19 | 2022-03-01 | 四方智能(武汉)控制技术有限公司 | 无人船测绘航行系统及其控制方法 |
| CN114115264B (zh) * | 2021-11-19 | 2024-04-30 | 四方智能(武汉)控制技术有限公司 | 无人船测绘航行系统及其控制方法 |
| CN115903858A (zh) * | 2023-02-24 | 2023-04-04 | 中国人民解放军海军工程大学 | 一种小型模块化嵌入式无人艇航行控制方法及系统 |
| CN117690194A (zh) * | 2023-12-08 | 2024-03-12 | 北京虹湾威鹏信息技术有限公司 | 一种多源ai生物多样性观测的方法和采集系统 |
| CN117690194B (zh) * | 2023-12-08 | 2024-06-07 | 北京虹湾威鹏信息技术有限公司 | 一种多源ai生物多样性观测的方法和采集系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113124864A (zh) | 一种采用机器视觉和惯导融合的水面导航方法 | |
| KR102240839B1 (ko) | 이미지 세그멘테이션을 이용한 자율 운항 방법 | |
| Polvara et al. | Obstacle avoidance approaches for autonomous navigation of unmanned surface vehicles | |
| Larson et al. | Advances in autonomous obstacle avoidance for unmanned surface vehicles | |
| CN111028546B (zh) | 基于岸基雷达面向智能船舶的多船协同避碰系统和方法 | |
| EP2338029B1 (en) | Control and systems for autonomously driven vehicles | |
| US12013243B2 (en) | Passage planning and navigation systems and methods | |
| US20210080260A1 (en) | Imaging for navigation systems and methods | |
| CN110519703A (zh) | 一种矿车无人驾驶系统 | |
| CN111746736A (zh) | 船舶导航系统及其导航方法 | |
| CN111290410A (zh) | 一种基于毫米波雷达的船舶自动离靠泊系统及方法 | |
| CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
| US20220035036A1 (en) | Method and apparatus for positioning movable device, and movable device | |
| KR20210044197A (ko) | 이미지 세그멘테이션을 이용한 자율 운항 방법 | |
| CN114061565B (zh) | 一种无人船舶slam及其应用方法 | |
| Sawada et al. | Mapping and localization for autonomous ship using LiDAR SLAM on the sea | |
| Ha et al. | Radar based obstacle detection system for autonomous unmanned surface vehicles | |
| CN114088094A (zh) | 一种无人艇的智能航路规划方法及系统 | |
| Wu et al. | An overview of developments and challenges for unmanned surface vehicle autonomous berthing | |
| CN116540727A (zh) | 基于多传感器融合定位的欠驱动无人水面艇自主靠泊方法 | |
| CN116068942A (zh) | 一种无人船协同控制系统 | |
| CN116486252A (zh) | 一种基于改进的pv-rcnn目标检测算法的智能化无人搜救系统和搜救方法 | |
| CN116224396A (zh) | 基于点云的岸桥区域导航方法、系统、设备及存储介质 | |
| CN115027627A (zh) | 面向流域安全的巡检救援智能无人船系统 | |
| CN114047514A (zh) | 基于毫米波雷达的无人艇导航方法 |
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 |