CN113671508B - 水下淤泥测量方法、装置及系统 - Google Patents
水下淤泥测量方法、装置及系统 Download PDFInfo
- Publication number
- CN113671508B CN113671508B CN202110955269.5A CN202110955269A CN113671508B CN 113671508 B CN113671508 B CN 113671508B CN 202110955269 A CN202110955269 A CN 202110955269A CN 113671508 B CN113671508 B CN 113671508B
- Authority
- CN
- China
- Prior art keywords
- sonar
- depth
- module
- data
- groups
- 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
- 239000010802 sludge Substances 0.000 title claims abstract description 31
- 238000000691 measurement method Methods 0.000 title claims description 10
- 238000005259 measurement Methods 0.000 claims abstract description 59
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 16
- 238000012876 topography Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000005553 drilling Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种水下淤泥测量方法、装置及系统,包括无人船,其行驶在河道上;双声呐模块,其设置在无人船上,所述双声呐用于采集水深数据;GPS模块,其设置在无人船上,所述GPS模块用于测量水下位置数据,所述水下位置数据包括经度和纬度;中央处理器,其与双声呐模块和GPS模块连接,所述中央处理器根据水深数据和位置数据绘制三维地貌图。其通过无人船实现淤泥深度的自动测量,节省人力,效率高,测量误差小。
Description
技术领域
本发明涉及水下淤泥测量技术领域,尤其是指一种水下淤泥测量方法、 装置及系统。
背景技术
水下淤泥测量一直是一个难题,目前使用的方法主要为钻孔取样法与测 杆法。
钻孔取样法使用钻机采集一个个柱状淤泥样本,用环刀法测定柱状样本 各层分层淤泥的天然密度,量取各分层淤泥的厚度。但是对于浮泥和流泥样 本无法采集,只能凭肉眼或经验来估算出该部分的厚度。同时,对各分层淤 泥没有定量的指标来衡量,这样就人为的增加了测量的误差。钻孔取样法对 于面积大精度要求高的区域并不实用,它工作量大,价格昂贵,而且效率极低。
测杆法是使用测杆两次读数来确定淤泥的厚度,当测杆触及淤泥表面的 时候读取一个深度,用力将测杆往下,当达到一定阻力,测量人员判断测杆 已经触及淤泥的下表面时再读取一个深度,两个深度之差及为我们所需要的 淤泥厚度值。但是测杆的形状、大小,测杆所承受的力的大小,直接影响到 测量的精度,所以测量误差较大。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中淤泥测量工作量 大,效率低,测量误差大的技术缺陷。
为解决上述技术问题,本发明提供了一种水下淤泥测量装置,包括:
无人船,其行驶在河道上;
双声呐模块,其设置在无人船上,所述双声呐用于采集水深数据;
GPS模块,其设置在无人船上,所述GPS模块用于测量水下位置数据,所 述水下位置数据包括经度和纬度;
中央处理器,其与双声呐模块和GPS模块连接,所述中央处理器根据水 深数据和位置数据绘制三维地貌图。
作为优选的,还包括5G通讯模块和云端服务器,所述中央处理器输出的 三维地貌图通过5G通讯模块传输至云端服务器。
作为优选的,所述无人船上还设置有定点巡航模块。
本发明还公开了一种水下淤泥测量方法,基于上述的水下淤泥测量装置, 包括以下步骤:
S1、构建淤泥深度模型;
S2、通过双声呐模块分别采集两组水深测量数据;
S3、判断两组深度测量数据是否在预设阈值范围内,若是,则进入下一 步;若不是,则返回S2重新测量;
S4、将两组深度测量值通过加权平均法进行初步融合,获得两组深度测 量值的融合值;
S5、根据淤泥深度模型和两组深度测量值的融合值,计算获得水深的无 偏估计值。
作为优选的,所述S5之后还包括:
无人船在整个河道上行驶,重复S2至S5,获得多组水深无偏估计值;
将多组水深无偏估计值进行拟合,获得水底地形三维图;
对所述水底地形三维图进行处理,计算水底地形三维图的每一个离散点 及该离散点附近的点的一阶导数和二阶导数,所述附近的点为以该离散点为 中心的预设半径范围内的点;
设定第一离群程度阈值和第二离群程度阈值,判断所述离散点的一阶导 数是否在第一离群程度阈值内,所述离散点的二阶导数是否在第二离群阈值 范围内,若两者皆不在对应的离群阈值范围,则标定该离散点所在的预设范 围为淤泥区域。
作为优选的,所述S1包括:
所述淤泥深度状态xn=Anxn-1+Enun+Bnwn;
声呐所测水深数据yn=Cnxn+vn;
其中,wn和vn都是噪声,un为无人船控制信号,An,Bn,Cn,和En都是系统矩阵, An由无人船行驶速度、船体吃水深度以及两个采样点之间时间间隔共同决定, Bn由水质决定;Cn由声呐参数决定,En由无人船速度决定,n为时刻。
作为优选的,所述S3包括:
转至步骤3;
重复步骤2;
其中,和/>为双声呐模块分别采集两组水深测量数据。
作为优选的,所述S4包括:
两组深度测量值的融合值
其中,为n时刻融合值,/>为n时刻声呐A数据,/>为n时刻声呐B 数据,Kn为n时刻融合增益。a为时间权重,取值在0~1之间。Qn为n时刻 声呐A量测误差,Rn为n时刻声呐B量测误差。
作为优选的,所述S5包括:
收集视野长度为n时刻到m时刻的状态方程:
xn=Anxn-1+Enun+Bnwn
xn-1=An-1xn-2+En-1un-1+Bn-1wn-1
xm+2=Am+2xm+1+Em+2um+2+Bm+2wm+2
xm+1=Am+1xm+Em+1um+1+Bm+1wm+1
xm=xm+Emum+Bmwm ;
将以上方程合并,获得扩展状态方程:
Xm,n=Am,nxm+Sm,nUm,n+Dm,nWm,n,
其中,
收集视野长度为N[m=n-N+1]的观测方程如下:
yn=Cnxn+vn
yn-1=Cn-1xn-1+vn-1
ym=Cmxm+vm
将以上方程进行合并,得到扩展观测方程:
其中,
其中初值l=s时计算方式为:
其中,K为状态维数。
根据上述公式,获得n时刻的无偏估计值和无偏增益/>
本发明公开了一种水下淤泥测量系统,包括:
模型构建模块,所述模型构建模块用于构建淤泥深度模型;
声呐测量模块,所述声呐测量模块通过双声呐模块分别采集两组水深测 量数据;
判断模块,所述判断模块用于判断两组深度测量数据是否在预设阈值范 围内,若是,则进入融合模块,若不是,则返回声呐测量模块重新测量;
融合模块,所述融合模块将两组深度测量值通过加权平均法进行初步融 合,获得两组深度测量值的融合值;
计算模块,所述计算模块根据淤泥深度模型和两组深度测量值的融合值, 计算获得水深的无偏估计值。
本发明的上述技术方案相比现有技术具有以下优点:
1、本发明对水下淤泥探测提供有力帮助,能够有效提高淤泥探测效率 并且避免了安全事故的发生。
2、本发明采用两款不同声呐,通过将两种声呐的测量数据进行融合,并 构建了水下淤泥深度模型,从而可以计算出水深的无偏估计值,测量精度高。
3、本发明可以通过无人船实现淤泥深度的自动测量,节省人力,效率 高,测量误差小。
附图说明
图1为水下淤泥测量装置的系统图;
图2为水下淤泥探测方法声呐A图;
图3为水下淤泥探测方法声呐B图;
图4为无人船通信示意图;
图5为无人船遥控的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术 人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的 限定。
参照图1-图5所示,本发明公开了一种水下淤泥测量装置,包括无人船、 双声呐模块、GPS模块和中央处理器。
无人船用于自动行驶在河道上。双声呐模块设置在无人船上,双声呐用 于采集水深数据。GPS模块设置在无人船上,GPS模块用于测量水下位置数据, 水下位置数据包括经度和纬度。中央处理器与双声呐模块和GPS模块连接, 中央处理器根据水深数据和位置数据绘制三维地貌图。
本发明还包括5G通讯模块和云端服务器,中央处理器输出的三维地貌图 通过5G通讯模块传输至云端服务器。通过5G通讯模块,可以将实现中央处理器与云端服务器通信,与此同时,数据实时以三维图形式进行展示,支持 网页端、APP端进行实时查看数据。此设计具有实时查看数据以及储存数据的 功能,并且有更高的精确度,同时能够适应多种水下环境。
无人船上还设置有定点巡航模块。本发明以无人船为搭载装置,通过声 呐在水中测量,不仅可以遥控操作,并且可以给无人船规划路线实现定点巡 航。而采用无人船为搭载装置,搭载多项传感器在水下测量,使测量更为安 全、高效,节省了大量人力、财力,同时避免了安全事故的发生。
本发明采用两款不同声呐,声呐A与声呐B,根据声呐的精确度、出厂参 数、实验验证等多种方式求得声呐A与声呐B的权重比,将声呐A与声呐B 测得的数据根据权重比进行加权,得到更为精确的数据。
本发明还公开了一种水下淤泥测量方法,基于上述水下淤泥测量装置, 包括以下步骤:
步骤一、构建淤泥深度模型,包括:
淤泥深度状态xn=Anxn-1+Enun+Bnwn;
声呐所测水深数据yn=Cnxn+vn;
其中,wn和vn都是噪声,un为无人船控制信号,An,Bn,Cn,和En都是系统矩 阵,An由无人船行驶速度、船体吃水深度以及两个采样点之间时间间隔共同决 定,Bn由水质决定;Cn由声呐参数决定,En由无人船速度决定,n为时刻。
步骤二、通过双声呐模块分别采集两组水深测量数据。
步骤三、判断两组深度测量数据是否在预设阈值范围内,若是,则进入 下一步;若不是,则返回S2重新测量,步骤三包括:
转至步骤3;
重复步骤2;
其中,和/>为双声呐模块分别采集两组水深测量数据。
步骤四、将两组深度测量值通过加权平均法进行初步融合,获得两组深 度测量值的融合值,包括:
两组深度测量值的融合值
Kn=aKn-1+(1-a)Qn(Qn+Rn)-1
其中,为n时刻融合值,/>为n时刻声呐A数据,/>为n时刻声呐B 数据,Kn为n时刻融合增益。a为时间权重,取值在0~1之间。Qn为n时刻 声呐A量测误差,Rn为n时刻声呐B量测误差。
步骤五、根据淤泥深度模型和两组深度测量值的融合值,计算获得水深 的无偏估计值,包括:
收集视野长度为n时刻到m时刻的状态方程:
xn=Anxn-1+Enun+Bnwn
xn-1=An-1xn-2+En-1un-1+Bn-1wn-1
xm+2=Am+2xm+1+Em+2um+2+Bm+2wm+2
xm+1=Am+1xm+Em+1um+1+Bm+1wm+1
xm=xm+Emum+Bmwm ;
将以上方程合并,获得扩展状态方程:
Xm,n=Am,nxm+Sm,nUm,n+Dm,nWm,n,
其中,
收集视野长度为N[m=n-N+1]的观测方程如下:
yn=Cnxn+vn
yn-1=Cn-1xn-1+vn-1
ym=Cmxm+vm
将以上方程进行合并,得到扩展观测方程:
其中,
其中,初值l=s时计算方式为:
其中,K为状态维数。
根据上述公式,获得n时刻的无偏估计值和无偏增益/>
步骤六、无人船在整个河道上行驶,重复步骤二至步骤五,获得多组水 深无偏估计值;
将多组水深无偏估计值进行拟合,获得水底地形三维图;
对水底地形三维图进行处理,计算水底地形三维图的每一个离散点及该 离散点附近的点的一阶导数和二阶导数,附近的点为以该离散点为中心的预 设半径范围内的点;
设定第一离群程度阈值和第二离群程度阈值,判断离散点的一阶导数是 否在第一离群程度阈值内,离散点的二阶导数是否在第二离群阈值范围内, 若两者皆不在对应的离群阈值范围,则标定该离散点所在的预设范围为淤泥 区域。此处,预设范围可根据需求设定,例如,可定义以离散点为中心,以 在设定半径范围内,即为淤泥区域。
本发明公开了一种水下淤泥测量系统,包括模型构建模块、声呐测量模 块、判断模块、融合模块和计算模块。
模型构建模块用于构建淤泥深度模型。声呐测量模块通过双声呐模块分 别采集两组水深测量数据。判断模块用于判断两组深度测量数据是否在预设 阈值范围内,若是,则进入融合模块,若不是,则返回声呐测量模块重新测 量。融合模块将两组深度测量值通过加权平均法进行初步融合,获得两组深 度测量值的融合值。计算模块根据淤泥深度模型和两组深度测量值的融合值,计算获得水深的无偏估计值。
下面,结合具体实施例对本发明的技术方案做进一步说明。
实施例1:如图1所示,基于多信息融合技术的河道淤泥探测方法由无 人船、双声呐模块、GPS模块、电源模块、5G通讯模块、核心处理器模块、 定点巡航模块、摄像头模块以及多项传感器组成。所述无人船为搭载装置, 搭载处理器与各项传感器在水中进行测量;所述双声呐模块为声呐A与声呐 B,采用声学方式同时进行对水下的数据采集,具有测距功能;所述GPS模 块用于确定探测淤泥位置,具有定位功能;所述电源模块用于满足各项设备电压需求,为其供电;所述5G通讯模块用于将处理器处理后的数据发送到 云端,并保证与处理器实时通讯;所述摄像头模块用于实时显示无人船行驶 画面;所述定点巡航模块为自动驾驶仪,可以实现无人船的定点巡航;所述 核心处理器用于对来自GPS模块、声呐模块等各项传感器的数据进行处理, 并进行融合。本发明采用多模块组合方式,具有多种接口,可以根据需要进行扩展,如实现无人船的自动规划路线、水质检测、水质取样等功能。
实施例2:如图2,3所示,图二为声呐A,图三为声呐B。声呐采用声 学方式对水下进行数据采集,具有测距功能。声呐A输出信号为CAN H/CAN L信号,通过CAN通讯与处理器进行信息交互。声呐B输出为TTL信号,通 过TTL转串口与处理器进行信息交互。处理器根据声呐A与声呐B的协议, 将两组数据分别解析为深度数据。根据厂家提供产品参数、精确度以及经过 多项试验得出,声呐A在大于5m水域精确度相对于声呐B精确度较高一些, 小于5m水域声呐B精确度相对较高。声呐B对于水下地形较复杂水域更为 灵敏。然后将声呐A和声呐B的数据通过以下几步进行融合。
步骤1:根据无人船淤泥探测具体情况,建立合适的数学模型,并将其 转换为等价的状态空间模型形式。最后得到如下的涉及到淤泥深度或其间接 量的状态空间模型如(1)和(2)所示:
xn=Anxn-1+Enun+Bnwn (1)
yn=Cnxn+vn (2) 其中wn和vn都是噪声,yn是观测值(声呐所测数据),xn是状态值,状态值 中有深度或者由于重构可以计算出深度的状态。un为无人船控制信号(声呐装 置在无人船上,在无人船行驶过程中,也会对声呐测量数据产生一些影响), An,Bn,Cn,和En都是系统矩阵,n为时刻。
注:An,Bn,Cn,和En等系统矩阵是根据声呐出厂参数和人为根据实际情况机 理选定的状态量决定。一般情况下,为了方便对声呐深度数据的估计,直接 将深度作为第一维状态量,其余状态量选择主要影响深度的因素,
步骤2:无人船开始工作,核心处理器收到声呐A与声呐B的深度测量数 据与/>
步骤3:核心处理器对两点的测量值进行初步判断:
数据有效,转至步骤3。
数据无效,重复步骤2。
步骤4:将深度数据与/>通过加权平均法进行初步融合,得到融合值/>
Kn=aKn-1+(1a)Qn(Qn+Rn)-1 (4)
其中,为n时刻融合值,/>为n时刻声呐A数据,/>为n时刻声呐B 数据,Kn为n时刻融合增益。a为时间权重,取值在0~1之间。Qn为n时刻 声呐A量测误差,Rn为n时刻声呐B量测误差。Qn和Rn的取值根据声呐A、 声呐B的精确度,出厂参数等多项数据选取。
步骤5:根据建立的状态空间模型和声呐测量值计算出无偏估计值,无偏 滤波器是一种有限脉冲响应滤波器。无偏脉冲响应滤波器会设置视野长度N, 意味着我们需要包括当前时刻和其前(N-1)个时刻一共N个时刻的信息。无 偏滤波器滤波原理就是利用这个有限的视野长度中的信息进行状态估计,例如m[m=n-N+1]到n(n为当前时刻)一共N个时刻的观测值。无偏滤波器不需 要Qn-1、Rn、P0等参数的设计,其算法结构使得无偏滤波器具有比卡尔曼更好 的鲁棒性。但是同样的在卡尔曼的适应条件下,卡尔曼可以得到最优估计值,但是无偏不行。无偏滤波器计算出的估计值同样也可以为我们提供必要的信 息。所以计算出无偏估计值也是很有必要的。
其计算方式如下:收集视野长度为N[m=n-N+1]的状态方程如下:
xn=Anxn-1+Enun+Bnwn
xn-1=An-1xn-2+En-1un-1+Bn-1wn-1
xm+2=Am+2xm+1+Em+2um+2+Bm+2wm+2
xm+1=Am+1xm+Em+1um+1+Bm+1wm+1
xm=xm+Emum+Bmwm
将以上方程进行合并,得到扩展状态方程(I为单位矩阵):
Xm,n=Am,nxm+Sm,nUm,n+Dm,nWm,n (5)
其中,和
收集视野长度为N[m=n-N+1]的观测方程如下:
yn=Cnxn+vn
yn-1=Cn-1xn-1+vn-1
ym=Cmxm+vm
将以上方程进行合并,得到扩展观测方程:
其中, 和
在公式(5)和(6)的基础上,利用算法(7)-(10)从l=s[s=n-N+K] (K为状态维数)到l=n进行迭代得到UFIR估计值和UFIR增益/>(当迭代 到l=n时刻时得到的值就是我们最后想得到的值)。需要特别注意的是,为了 提高精确度,增加信息的丰富度,我们使用融合后的观测值,而不是初始观 测值进行滤波,所以在Ym,n使用时应该为
其中,初值l=s时计算方式为:
其中,K为状态维数。
根据以上算法过程,我们最终可以得到n时刻的无偏估计值和无偏增益/>并将其保存以待使用
步骤5:由于整个系统为离散系统,所得深度数据为散点图。将散点图进 行拟合处理。由于水底地形的特殊性,使得水底地形离散点与淤泥区域离散 点具有不同的统计特性。基于此,淤泥存在区域所测离散点和无淤泥区域所 测离散点具有明显的离群性。计算每一个点和附近点的一阶导数、二阶导数 等数据,结合整体地形图离散点拟合情况,选择适当的离群程度阈值。将超过阈值的用黑点表示,意味淤泥区域,没有超过阈值的点拟合为曲面,意为 无淤泥区域,并按照深度标注颜色。处理完的结果如图4所示,最后得到本 项目所需要的淤泥区域为黑点部分。
实施例3:如图5所示,该无人船可以通过要遥控来操控;也可以通过地 面基站为无人船规划路线实现定点巡航,地面基站与无人船通过5G通讯双向 通讯;无人船行驶画面可以在网页端/APP端进行实时展示,并且可以远程控 制二自由度舵机云台查看360度画面。无人船搭载传感器采集到的数据经过 处理后实时传入云端数据库,网页端/APP端进行提取,实时在网页端/APP端 以三维图形式进行展示。
综合所述:本发明针对淤泥探测实际作业任务及环境需要,研制了一种 基于多信息融合技术的河道淤泥探测方法。包括无人船、双声呐模块、GPS模 块、电源模块、5G通讯模块、核心处理器模块、定点巡航模块、摄像头模块 以及多项传感器。其中声呐A、声呐B、GPS模块为检测装置,能够对所处位 置进行定位并且对所处位置水下淤泥深度进行测量。同时核心处理器对声呐A、 声呐B采集到的深度数据进行处理、融合,然后将处理后的深度数据与位置 数据进行融合后传入云端数据库,同时网页端/APP端以三维图形式进行实时 展示。本发明采用多模块组合方式,具有多种接口,可以根据需要进行扩展, 如实现无人船的自动规划路线、水质检测、水质取样等功能。此设计对水下 淤泥探测提供有力帮助,能够有效提高淤泥探测效率、精确度并且避免了安 全事故的发生。具有重要工程价值和实际意义。
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、CD-ROM、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装置的制造品,该指令装置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。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的 限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出 其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而 由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种水下淤泥测量方法,其特征在于,基于水下淤泥测量装置,所述水下淤泥测量装置包括:
无人船,其行驶在河道上;
双声呐模块,其设置在无人船上,所述双声呐用于采集水深数据;
GPS模块,其设置在无人船上,所述GPS模块用于测量水下位置数据,所述水下位置数据包括经度和纬度;
中央处理器,其与双声呐模块和GPS模块连接,所述中央处理器根据水深数据和位置数据绘制三维地貌图;
所述水下淤泥测量方法包括以下步骤:
S1、构建淤泥深度的状态空间模型;
S2、通过双声呐模块分别采集两组水深测量数据;
S3、判断两组深度测量数据是否在预设阈值范围内,若是,则进入下一步;若不是,则返回S2重新测量;
S4、将两组深度测量值通过加权平均法进行初步融合,获得两组深度测量值的融合值;
S5、根据淤泥深度的状态空间模型和两组深度测量值的融合值,计算获得水深的无偏估计值;
无人船在整个河道上行驶,重复S2至S5,获得多组水深无偏估计值;
将多组水深无偏估计值进行拟合,获得水底地形三维图;
对所述水底地形三维图进行处理,计算水底地形三维图的每一个离散点及该离散点附近的点的一阶导数和二阶导数,所述附近的点为以该离散点为中心的预设半径范围内的点;
设定第一离群程度阈值和第二离群程度阈值,判断所述离散点的一阶导数是否在第一离群程度阈值内,所述离散点的二阶导数是否在第二离群阈值范围内,若两者皆不在对应的离群阈值范围,则标定该离散点所在的预设范围为淤泥区域。
2.根据权利要求1所述的水下淤泥测量方法,其特征在于,还包括5G通讯模块和云端服务器,所述中央处理器输出的三维地貌图通过5G通讯模块传输至云端服务器。
3.根据权利要求1所述的水下淤泥测量方法,其特征在于,所述无人船上还设置有定点巡航模块。
4.根据权利要求1所述的水下淤泥测量方法,其特征在于,所述S1包括:
所述淤泥深度状态xn=Anxn-1+Enun+Bnwn;
声呐所测水深数据yn=Cnxn+vn;
其中,wn和vn都是噪声,un为无人船控制信号,An,Bn,Cn,和En都是系统矩阵,An由无人船行驶速度、船体吃水深度以及两个采样点之间时间间隔共同决定,Bn由水质决定;Cn由声呐参数决定,En由无人船速度决定,n为时刻。
5.根据权利要求1所述的水下淤泥测量方法,其特征在于,所述S3包括:
转至步骤3;
或/>重复步骤2;
其中,和/>为双声呐模块分别采集两组水深测量数据。
6.根据权利要求1所述的水下淤泥测量方法,其特征在于,所述S4包括:
两组深度测量值的融合值
Kn=aKn-1+(1-a)Qn(Qn+Rn)-1,
其中,为n时刻融合值,/>为n时刻声呐A数据,/>为n时刻声呐B数据,Kn为n时刻融合增益,a为时间权重,取值在0~1之间,Qn为n时刻声呐A量测误差,Rn为n时刻声呐B量测误差。
7.根据权利要求6所述的水下淤泥测量方法,其特征在于,所述S5包括:
收集视野长度为n时刻到m时刻的状态方程:
将以上方程合并,获得扩展状态方程:
Xm,n=Am,nxm+Sm,nUm,n+Dm,nWm,n,
其中,
收集视野长度为n时刻到m时刻的观测方程如下:
将以上方程进行合并,得到扩展观测方程:
其中,
其中,初值l=s时计算方式为:
其中,K为状态维数;
根据上述公式,获得n时刻的无偏估计值和无偏增益/>
8.一种水下淤泥测量系统,其特征在于,包括:
模型构建模块,所述模型构建模块用于构建淤泥深度的状态空间模型;
声呐测量模块,所述声呐测量模块通过双声呐模块分别采集两组水深测量数据;
判断模块,所述判断模块用于判断两组深度测量数据是否在预设阈值范围内,若是,则进入融合模块,若不是,则返回声呐测量模块重新测量;
融合模块,所述融合模块将两组深度测量值通过加权平均法进行初步融合,获得两组深度测量值的融合值;
计算模块,所述计算模块根据淤泥深度的状态空间模型和两组深度测量值的融合值,计算获得水深的无偏估计值;无人船在整个河道上行驶,获得多组水深无偏估计值;将多组水深无偏估计值进行拟合,获得水底地形三维图;对所述水底地形三维图进行处理,计算水底地形三维图的每一个离散点及该离散点附近的点的一阶导数和二阶导数,所述附近的点为以该离散点为中心的预设半径范围内的点;设定第一离群程度阈值和第二离群程度阈值,判断所述离散点的一阶导数是否在第一离群程度阈值内,所述离散点的二阶导数是否在第二离群阈值范围内,若两者皆不在对应的离群阈值范围,则标定该离散点所在的预设范围为淤泥区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110955269.5A CN113671508B (zh) | 2021-08-19 | 2021-08-19 | 水下淤泥测量方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110955269.5A CN113671508B (zh) | 2021-08-19 | 2021-08-19 | 水下淤泥测量方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113671508A CN113671508A (zh) | 2021-11-19 |
CN113671508B true CN113671508B (zh) | 2023-12-08 |
Family
ID=78544064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110955269.5A Active CN113671508B (zh) | 2021-08-19 | 2021-08-19 | 水下淤泥测量方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113671508B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047464B (zh) * | 2022-08-12 | 2022-11-01 | 北京星天科技有限公司 | 双探头多波束测深方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013056893A1 (de) * | 2011-10-20 | 2013-04-25 | Atlas Elektronik Gmbh | Unbemanntes unterwasserfahrzeug und verfahren zum lokalisieren und untersuchen eines am gewässergrund eines gewässers angeordneten objekts sowie system mit dem unbemannten unterwasserfahrzeug |
CN206470601U (zh) * | 2016-12-30 | 2017-09-05 | 海天水务集团股份公司 | 一种装载于无人船上的声呐系统 |
CN107526087A (zh) * | 2016-06-21 | 2017-12-29 | 北京臻迪科技股份有限公司 | 一种获取水下3d断层图像的方法及系统 |
CN109901205A (zh) * | 2019-03-14 | 2019-06-18 | 南京信息工程大学 | 一种水下机器人多传感器融合与运动轨迹预测方法 |
CN110221304A (zh) * | 2019-06-04 | 2019-09-10 | 哈尔滨工程大学 | 一种水下机器人多声呐数据融合方法 |
CN111003126A (zh) * | 2019-12-30 | 2020-04-14 | 浙江省城乡规划设计研究院 | 一种声呐结合遥控潜水器测定污泥床分布的装置及操作方法 |
CN112835049A (zh) * | 2021-02-08 | 2021-05-25 | 广东景奕智能控制技术有限公司 | 一种水下淤泥厚度探测机器人及其系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170371039A1 (en) * | 2015-04-20 | 2017-12-28 | Navico Holding As | Presenting objects in a sonar image of an underwater environment |
-
2021
- 2021-08-19 CN CN202110955269.5A patent/CN113671508B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013056893A1 (de) * | 2011-10-20 | 2013-04-25 | Atlas Elektronik Gmbh | Unbemanntes unterwasserfahrzeug und verfahren zum lokalisieren und untersuchen eines am gewässergrund eines gewässers angeordneten objekts sowie system mit dem unbemannten unterwasserfahrzeug |
CN107526087A (zh) * | 2016-06-21 | 2017-12-29 | 北京臻迪科技股份有限公司 | 一种获取水下3d断层图像的方法及系统 |
CN206470601U (zh) * | 2016-12-30 | 2017-09-05 | 海天水务集团股份公司 | 一种装载于无人船上的声呐系统 |
CN109901205A (zh) * | 2019-03-14 | 2019-06-18 | 南京信息工程大学 | 一种水下机器人多传感器融合与运动轨迹预测方法 |
CN110221304A (zh) * | 2019-06-04 | 2019-09-10 | 哈尔滨工程大学 | 一种水下机器人多声呐数据融合方法 |
CN111003126A (zh) * | 2019-12-30 | 2020-04-14 | 浙江省城乡规划设计研究院 | 一种声呐结合遥控潜水器测定污泥床分布的装置及操作方法 |
CN112835049A (zh) * | 2021-02-08 | 2021-05-25 | 广东景奕智能控制技术有限公司 | 一种水下淤泥厚度探测机器人及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113671508A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11634987B2 (en) | Safety early warning method and device for full-section tunneling of tunnel featuring dynamic water and weak surrounding rock | |
CN102749622B (zh) | 基于多波束测深的声速剖面及海底地形的联合反演方法 | |
CN111350214B (zh) | 多波束水下钢管桩桩位测量方法 | |
CN103901806A (zh) | 一种智能船舶靠泊辅助系统及方法 | |
CN107990891A (zh) | 基于长基线和信标在线标定的水下机器人组合导航方法 | |
CN111429575A (zh) | 一种三维可视化监测方法、系统、设备和存储介质 | |
CN102590345A (zh) | 沉积物辨别装置、超声波探测机、参数设定方法及其程序 | |
CN106501774A (zh) | 一种水下声传感器网络节点定位方法 | |
CN113671508B (zh) | 水下淤泥测量方法、装置及系统 | |
CN112950771B (zh) | 一种围岩结构的检测方法、系统及相关组件 | |
CN109115147A (zh) | 全深度阵列式测斜仪及深部位移测量方法 | |
CN104180873A (zh) | 一种单波束测深仪水深粗差检测修正方法及系统 | |
CN110672075A (zh) | 一种基于三维立体成像的远程水域检测系统和方法 | |
CN111854699A (zh) | 一种基于无人机航测河道崩岸过程的监测方法 | |
CN116663762A (zh) | 一种城市规划地下空间勘察测绘方法及系统 | |
CN102174827A (zh) | 一种疏浚集成监控系统 | |
CN110926434A (zh) | 一种浅地层剖面测量系统软件架构及实现方法 | |
CN112215395B (zh) | 一种基于海洋大数据的水下装备适应性信息保障系统 | |
CN116861750B (zh) | 一种深海网箱远程健康诊断系统 | |
CN112907663A (zh) | 定位方法、计算机程序产品、装置及系统 | |
CN116912672A (zh) | 一种基于无人测量船的大型底栖无脊椎动物生物完整性评价方法 | |
CN111159918B (zh) | 一种沿海船舶航行仿真辅助决策方法及系统 | |
CN111678492B (zh) | 用于水下断面测量的无人船系统 | |
CN113776495A (zh) | 一种土地测绘作业数据实时采集处理方法 | |
Fan et al. | Research on shipborne aided navigation system based on enhanced traffic environment perception |
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 |