CN114954839B - 一种船舶态势感知控制方法及系统、视觉处理芯片 - Google Patents
一种船舶态势感知控制方法及系统、视觉处理芯片 Download PDFInfo
- Publication number
- CN114954839B CN114954839B CN202210610226.8A CN202210610226A CN114954839B CN 114954839 B CN114954839 B CN 114954839B CN 202210610226 A CN202210610226 A CN 202210610226A CN 114954839 B CN114954839 B CN 114954839B
- Authority
- CN
- China
- Prior art keywords
- navigation
- ship
- situation
- data
- perception
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
Abstract
本发明涉及一种船舶态势感知控制方法及系统、视觉处理芯片,所述船舶态势感知控制方法包括:获取内河智能船舶的航行感知数据;根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型;根据对所述航行感知数据和所述至少一个层次的可视化模型,进行航行态势预测趋势,并筛选出最优的航行感知数据进行传输。本发明提出的船舶态势感知控制方法及系统,能有效提高态势感知的精准度,保障智能船舶相关智能感知控制器的安全性,实现了航行环境高效、准确、快速的智能感知能力。
Description
技术领域
本发明涉及船舶技术领域,尤其涉及船舶态势感知控制方法、视觉处理芯片、船舶态势感知控制系统。
背景技术
态势感知技术在智能船舶航行过程中扮演着重要的角色,是智能船安全航行的基础,对于提高智能船舶的决策分析能力,保障航行安全,具有重大意义。智能船舶的态势感知不仅要感知船舶自身位置、航速、航向等动态数据和静态数据,更要感知风、浪、流等水文气象和航行环境信息。安全可靠的感知系统包括传感器、感知算法以及感知模型。随着科技发展,智能航行技术逐渐在智能船舶上得到应用。随着科技的不断发展以及研究的不断深入,以及人工智能等新技术被广泛的应用于智能船舶研究领域,提高了航行环境的智能感知能力。
目前感知系统的应用和开发已经进入了实践阶段,但是在智能感知方面仍然存在一定的问题,如:态势感知的精度不够、受环境影响大等。单纯的感知已经无法满足现有智能船舶航行的需求,特别是涉及到内河复杂的航行环境以及锚泊、靠离泊等多个作业环节,目前的态势感知大多无法达到精准识别感知的要求。因此,如何保证高效准确的航行态势感知是亟待解决的问题。
发明内容
有鉴于此,有必要提供及船舶态势感知控制方法、视觉处理芯片、船舶态势感知控制系统,用以克服现有技术中难以高效对智能船舶特定功能或区域进行管理的问题。
为了解决上述技术问题,本发明提供一种船舶态势感知控制方法,应用于内河智能船舶的控制器中,所述船舶态势感知控制方法包括:
获取内河智能船舶的航行感知数据;
根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型;
根据对所述航行感知数据和所述至少一个层次的可视化模型,进行航行态势预测趋势,并筛选出最优的航行感知数据进行传输。
进一步地,所述至少一个层次的可视化模型包括感知层可视化模型,所述根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型,包括:
根据航行环境中的环境状态特征和船舶航行的静态整体特征、动态整体特征,建立所述感知层可视化模型。
进一步地,所述至少一个层次的可视化模型包括理解层可视化模型,所述根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型,包括:
根据内河航道各环境状态特征的关联数据以及船舶的航行态势特征信息进行可视化,建立所述理解层可视化模型。
进一步地,所述至少一个层次的可视化模型包括预测层可视化模型,所述根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型,包括:
对航道中航行态势进行预测趋势,根据预测结果,建立所述预测层可视化模型。
进一步地,所述最优的航行感知数据的确定,包括:
根据所述航行感知数据,采用特征标记匹配权重分析模型,生成态势分析结果,再筛选最优的态势感知数据进行传输。
进一步地,所述航行态势预测趋势的确定,包括:
根据所述航行感知数据,采用模糊评价方法与航道安全评估方法,对内河航道智能船舶航行进行风险识别与网格化处理。
本发明还提供了一种视觉处理芯片,包括处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现如上所述的船舶态势感知控制方法。
本发明还提供了一种船舶态势感知控制系统,应用于内河只能船舶态势感知中,所述系统包括相互通信连接的存储器和如上所述的视觉处理芯片,其中,所述视觉处理芯片用于将多种采集设备采集到的航行感知数据进行数据分析,并将数据分析结果传输至所述存储器。
进一步地,所述系统还包括电容器,所述电容器分别与所述存储器和视觉处理芯片相互通信连接,所述电容器还与电源连接,用于在电源处于异常状态时放电,为所述视觉处理芯片供电。
进一步地,所述多种采集设备包括至少一个外界摄像头及至少一个视觉传感器,所述至少一个外界摄像头包括设置在船舶的前置摄像头、船身侧面鱼眼摄像头、后置长距摄像头,所述至少一个视觉传感器被分别设置在船身的不同位置。
与现有技术相比,本发明的有益效果包括:在船舶态势感知控制方法中,利用对航行感知数据的信息处理分析,建立多个层次的可视化模,实现对船舶航行态势的多层次、系统的信息可视化,便于相关人员对航行态势的实时查看和了解;并进一步根据航行感知数据和至少一个层次的可视化模型进行航行态势预测,并筛选出最优的航行感知数据进行传输,保证航行感知数据处理的可靠性,加大了航行态势感知的准确性。在船舶态势感知控制系统中,通过视觉处理芯片来运算处理态势感知数据,将所得数据传输至储存器保存,储存器中不会运行复杂的操作系统,使得模块的安全性得到了提高,从而提高了该域控制器的安全等级。综上,本发明提出的船舶态势感知控制方法及系统,能有效提高态势感知的精准度,保障智能船舶相关智能感知控制器的安全性,实现了航行环境高效、准确、快速的智能感知能力。
附图说明
图1为本发明提供的船舶态势感知控制方法一实施例的流程示意图;
图2为本发明提供的电子设备一实施例的结构示意图;
图3为本发明提供的船舶态势感知控制系统一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。此外,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明的描述中,提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,所描述的实施例可以与其它实施例相结合。
本发明提供了一种船舶态势感知控制方法及系统、视觉处理芯片,利用航行感知数据进行多种可视化处理,并进一步进行航行态势预测趋势和航行感知数据的筛选,为进一步提高船舶航行感知控制的准确性和高效性提供了新思路。
在实施例描述之前,对相关词语进行释义:
船舶态势感知:一种基于环境的、动态、整体地洞悉船舶的安全风险的能力,是以安全大数据为基础,从全局视角提升对安全威胁的发现识别、理解分析、响应处置能力的一种方式,最终是为了船舶的决策与行动,是安全能力的落地。
基于上述技术名词的描述,智能船舶通过将现代信息技术、人工智能技术等新技术与传统船舶技术进行融合,从而达到安全可靠、节能环保、经济高效的目的。在智能航行模块中,应用多种技术保障船舶顺利航行:信息感知技术利用传感器、通信、物联网、互联网等技术手段,自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据,供航行中心进行大数据处理、计算机分析和自动控制。
前感知系统的应用和开发已经进入了实践阶段,但是仍存在态势感知的精度不够、受环境影响大等问题,涉及到内河复杂的航行环境以及锚泊、靠离泊等多个作业环节,对态势感知的精准度提出了更高的要求。现有的智能船舶相关智能感知控制器需要运行各种算法及加速功能,复杂的设计导致控制器容易出现安全性较低的问题。
现有技术中,态势感知技术的精度不够、受环境影响较大等。单纯的感知已经无法满足现有智能船舶航行的需求。因而,本发明旨在提出新型船舶态势感知方法及系统,以达到船舶进行精准识别感知的目的。
以下分别对具体实施例进行详细说明:
本发明实施例提供了一种船舶态势感知控制方法,结合图1来看,图1为本发明提供的船舶态势感知控制方法一实施例的流程示意图,包括步骤S101至步骤S103,其中:
在步骤S101中,获取内河智能船舶的航行感知数据;
在步骤S102中,根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型;
在步骤S103中,根据对所述航行感知数据和所述至少一个层次的可视化模型,进行航行态势预测趋势,并筛选出最优的航行感知数据进行传输。
在本发明实施例中,在船舶态势感知控制方法中,利用对航行感知数据的信息处理分析,建立多个层次的可视化模型,实现对船舶航行态势的多层次、系统的信息可视化,便于相关人员对航行态势的实时查看和了解;并进一步根据航行感知数据和至少一个层次的可视化模型进行航行态势预测,并筛选出最优的航行感知数据进行传输,保证航行感知数据处理的可靠性,加大了航行态势感知的准确性。
作为优选的实施例,所述至少一个层次的可视化模型包括感知层可视化模型,上述步骤S102具体包括:
根据航行环境中的环境状态特征和船舶航行的静态整体特征、动态整体特征,建立所述感知层可视化模型。
在本发明实施例中,感知层可视化中主要实现环境中的各种要素如水文、航道、气象等环境状态特征与船舶的静态、动态整体特征的可视。
作为优选的实施例,所述至少一个层次的可视化模型包括理解层可视化模型,上述步骤S102具体包括:
根据内河航道各环境状态特征的关联数据以及船舶的航行态势特征信息进行可视化,建立所述理解层可视化模型。
在本发明实施例中,理解层可视化主要负责对内河航道中各要素之间的关联及当前航道的航行态势特征信息进行可视化。
作为优选的实施例,所述至少一个层次的可视化模型包括预测层可视化模型,上述步骤S102具体包括:
对航道中航行态势进行预测趋势,根据预测结果,建立所述预测层可视化模型。
在本发明实施例中,预测层可视化侧重于航道中航行态势预测趋势的可视化。
作为优选的实施例,上述最优的航行感知数据的确定,包括:
根据所述航行感知数据,采用特征标记匹配权重分析模型,生成态势分析结果,再筛选最优的态势感知数据进行传输。
在本发明实施例中,将态势分析分层进行特征标记,根据特征标记匹配权重分析模型,所述权重分析模型包括聚类分析模型,拓扑分析模型;生成态势分析结果,再筛选最优的态势感知数据进行传输。
作为优选的实施例,上述航行态势预测趋势的确定,包括:
根据所述航行感知数据,采用模糊评价方法与航道安全评估方法,对内河航道智能船舶航行进行风险识别与网格化处理。
在本发明实施例中,采用模糊评价方法与航道安全评估方法模型实现内河航道智能船舶航行风险识别与网格化计算,为船舶航行进行风险态势预测。
在本发明一个具体的实施例中,航道安全评估方法的分析过程包括:
第一步,专家权重分配,针对各个预评估指标上对各个专家的权重大小的分配进行安排,根据各专家对不同领域的熟悉程度分为高、中、低三个等级;
第二步,预评估指标危险度划分,航道安全评估方法中,对各个预评估指标的危险性程度都有定性的描述因子,即为“安全稳定”、“安全需预防”、“危险可承受”、“危险警锡”)等四种描述,然后对邻近两个定性描述因子应用比较配对法对比得到其危险度定量值。为了将评估过程统一化,相邻两个定性描述因子之间有个刻度,即危险度定量值(刻度值表示安全得多,刻度值表示两个定性描述因子危险度一样,刻度值表示危险得多)。将每个预评估指标按照上面所述的方法进行计算分析,可以得到各个预评估指标的危险度定量值,从而计算得到整个评估体系所需要的风险尺度值;
第三步,预评估指标整体的危险度划分,在第二步的基础上,对各个专家成员评价得到的危险度定量值进行聚合整理,计算得到整体系统的不同危险度程度的定量区间值,同时计算确定出各个预评估指标因子的危险程度定量值;
第四步,现存缓解措施的危险度分析过程,在了解预评估水域当前通航环境安全状况的基础上,对已经采用的缓解安全措施的各个相关预评估指标的危险度,进行定量比较分析,然后重新得到危险度数值,将新的危险度值与实施安全缓解措施之前的危险度数值进行比较,分析其变化程度;
第五步,建议性安全措施的危险度分析过程,对于上述危险度值仍相对较高(一般处在危险状态)的预评估指标,提出建了议性的安全缓解类措施,同时对所涉指标重新进行危险度分析计算,可以得到新的危险度数值。新的危险度值最少要求处在危险状态以外。
在本发明一个具体的实施例中,态势感知控制方法具体包括:
第1步,获取态势感知基础数据,所述基础数据包括关联设备所采集的影像,水文、航道、气象信息数据;
其中,态势感知域控制器利用船载传感器采集实时航行信息,并对采集的实时航行信息进行处理分析,评估航行风险;
其中,所述船载传感器可以包括雷达传感器和摄像头传感器。例如,雷达传感器可以包括毫米波雷达、超声波雷达和激光雷达;
第2步,依据态势感知中的感知层、理解层和预测层三层模型分别建立不同的信息可视化模型,实现对船舶航行态势的多层次、系统的信息可视化;
其中,感知层可视化中主要实现环境中的各种要素如水文、航道、气象等环境状态特征与船舶的静态、动态整体特征的可视化;理解层可视化主要负责对内河航道中各要素之间的关联及当前航道的航行态势特征信息进行可视化;预测层可视化侧重于航道中航行态势预测趋势的可视化;
第3步,采用模糊评价方法与航道安全评估方法模型实现内河航道智能船舶航行风险识别与网格化计算,为船舶航行进行风险态势预测;
第4步,船舶航行态势感知分析,将态势分析分层进行特征标记,根据特征标记匹配权重分析模型,所述权重分析模型包括聚类分析模型,拓扑分析模型;
第5步,生成态势分析结果,再筛选最优的态势感知数据进行传输。
本申请实施例提供了一种态势感知域控制方法,应用于内河智能船舶航行当中。包括船舶航行态势可视化、船舶航行风险态势预测及船舶航行态势感知分析。船舶航行态势可视化是依据态势感知中的感知层、理解层和预测层三层模型分别建立不同的信息可视化模型,实现对船舶航行态势的多层次、系统的信息可视化,感知层可视化中主要实现环境中的各种要素如水文、航道、气象等环境状态特征与船舶的静态、动态整体特征的可视化;理解层可视化主要负责对内河航道中各要素之间的关联及当前航道的航行态势特征信息进行可视化;预测层可视化侧重于航道中航行态势预测趋势的可视化。
船舶航行风险态势预测是通过内河船舶态势感知基础数据,采用模糊评价方法与航道安全评估方法模型实现内河航道智能船舶航行风险识别与网格化计算。
船舶航行态势感知分析将态势分析分层进行特征标记;根据特征标记匹配权重分析模型,所述权重分析模型包括聚类分析模型,拓扑分析模型,生成态势分析结果,再筛选最优的态势感知数据进行传输。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现如上所述的船舶态势感知控制方法。
一般来说,用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质,除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言,特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例还提供了一种电子设备,结合图2来看,图2为本发明提供的电子设备一实施例的结构示意图,电子设备200包括处理器201、存储器202及存储在存储器202上并可在处理器201上运行的计算机程序,处理器201执行程序时,实现如上所述的船舶态势感知控制方法。
作为优选的实施例,上述电子设备200还包括显示器203,用于显示处理器201执行如上所述的船舶态势感知控制方法。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器202中,并由处理器201执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在电子设备200中的执行过程。
电子设备200可以是带可调摄像头模组的桌上型计算机、笔记本、掌上电脑或智能手机等设备。
其中,处理器201可能是一种集成电路芯片,具有信号的处理能力。上述的处理器201可以是通用处理器,包括中央处理器( CentralProcessingUnit,CPU )、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中,存储器202可以是,但不限于,随机存取存储器(RandomAccessMemory,RAM),只读存储器(ReadOnlyMemory,ROM),可编程只读存储器(ProgrammableRead-OnlyMemory,PROM),可擦除只读存储器(ErasableProgrammableRead-OnlyMemory,EPROM),电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory,EEPROM)等。其中,存储器202用于存储程序,所述处理器201在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流程定义的方法可以应用于处理器201中,或者由处理器201实现。
其中,显示器203可以是LCD显示屏,也可以是LED显示屏。例如,手机上的显示屏。
可以理解的是,图2所示的结构仅为电子设备200的一种结构示意图,电子设备200还可以包括比图2所示更多或更少的组件。图2中所示的各组件可以采用硬件、软件或其组合实现。
根据本发明上述实施例提供的计算机可读存储介质和电子设备,可以参照根据本发明实现如上所述的船舶态势感知控制方法具体描述的内容实现,并具有与如上所述的船舶态势感知控制方法类似的有益效果,在此不再赘述。
本发明实施例还提供了一种视觉处理芯片,包括处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现如上所述的船舶态势感知控制方法。
根据本发明上述实施例提供的计算机可读存储介质和电子设备,可以参照根据本发明实现如上所述的船舶态势感知控制方法具体描述的内容实现,并具有与如上所述的船舶态势感知控制方法类似的有益效果,在此不再赘述。
本发明实施例还提供了一种舶态势感知控制系统,结合图3来看,图3为本发明提供的船舶态势感知控制系统一实施例的结构示意图,应用于内河只能船舶态势感知中,所述系统包括相互通信连接的存储器202和上述实施例中的视觉处理芯片101,其中,所述视觉处理芯片101用于将多种采集设备采集到的航行感知数据进行数据分析,并将数据分析结果传输至所述存储器202。
在本发明实施例中,在船舶态势感知控制系统中,通过视觉处理芯片来运算处理态势感知数据,将所得数据传输至储存器保存,储存器中不会运行复杂的操作系统,使得模块的安全性得到了提高,从而提高了该域控制器的安全等级。
在本发明一个具体的实施例中,视觉处理芯片可以是SoC(System on Chip,系统级芯片)。当然,在其他实现方式中,视觉处理芯片也可以是其他任何具有视频处理功能的芯片。
在本发明一个具体的实施例中,所述存储器可以包括非易失性存储器,例如,所述存储器可以包括EMMC(Embedded Multi Media Card,嵌入式多媒体卡)等。在一种可能的实现方式中,所述视觉处理芯片将所述电源处于异常状态之前获取的来自所述摄像头的部分视频数据存储到非易失性存储器中。在一种可能的实现方式中,所述存储器还可以包括易失性存储器,例如LPDDR(Low Power Double Date Rate,低功耗双倍数据速率)内存等。本领域技术人员可以根据实际应用场景需求设置存储器的具体类型。
作为优选的实施例,所述系统还包括电容器(图3中未标出),所述电容器分别与所述存储器102和视觉处理芯片101相互通信连接,所述电容器还与电源连接,用于在电源处于异常状态时放电,为所述视觉处理芯片供电。
在本发明实施例中,电容器可以在外部电源异常时为视觉处理芯片提供数据处理所需的电量。
在本发明一个具体的实施例中,上述系统包括电容器、视觉处理芯片和储存器。所述视觉处理芯片与所述电容器、所述存储器连接,所述电容器能够在外接电源故障时向视觉处理芯片提供电力支持,保证异常时刻对于采集到的态势感知信息进行分析。所述视觉处理芯片用于将外界摄像头及视觉传感器采集到的内河智能船舶航行数据进行分析计算,并将计算结果传输至储存器。
具体地,态势感知域控制器包括视觉处理芯片和储存器,视觉处理芯片用于运算处理获取的态势感知信息,将处理后的结果传输至储存器保存,储存器中不进行运算,以提高感知系统的安全性和可靠性。
需要说明的是,当意外情况(碰撞或极端天气)发生导致智能船舶失去供电支持,无法将意外发生时的相关视频数据保存下来,而这段时间的视频数据往往是意外发生时最重要的记录数据。在本公开实施例中,当意外发生(例如发生紧急碰撞)导致船舶的电源异常掉电,使船舶失去供电支持时,能够通过态势感知域控制器中的电容器为视觉处理芯片供电,即,电容器可以在电源处于异常状态时,为视觉处理芯片提供视频数据处理所需的电量。
作为优选的实施例,所述多种采集设备包括至少一个外界摄像头104及至少一个视觉传感器103,所述至少一个外界摄像头104包括设置在船舶的前置摄像头、船身侧面鱼眼摄像头、后置长距摄像头,所述至少一个视觉传感器103被分别设置在船身的不同位置。
在本发明实施例中,设置多个采集设备,有效获取船舶多个位置对应采集的感知数据,保证数据来源的丰富性。
作为优选的实施例,态势感知域控制器通过以太网交换机107与其他功能域控制器108通信连接,实现信号传递。
本发明公开了一种船舶态势感知控制方法及系统、视觉处理芯片,在船舶态势感知控制方法中,利用对航行感知数据的信息处理分析,建立多个层次的可视化模,实现对船舶航行态势的多层次、系统的信息可视化,便于相关人员对航行态势的实时查看和了解;并进一步根据航行感知数据和至少一个层次的可视化模型进行航行态势预测,并筛选出最优的航行感知数据进行传输,保证航行感知数据处理的可靠性,加大了航行态势感知的准确性。在船舶态势感知控制系统中,通过视觉处理芯片来运算处理态势感知数据,将所得数据传输至储存器保存,储存器中不会运行复杂的操作系统,使得模块的安全性得到了提高,从而提高了该域控制器的安全等级。
本发明技术方案,提出的船舶态势感知控制方法及系统,能有效提高态势感知的精准度,保障智能船舶相关智能感知控制器的安全性,实现了航行环境高效、准确、快速的智能感知能力。
以上所述,仅为本发明较佳的具体实施方式,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种船舶态势感知控制方法,其特征在于,应用于内河智能船舶的控制器中,所述船舶态势感知控制方法包括:
获取内河智能船舶的航行感知数据,所述航行感知数据包括关联设备所采集的影像,水文、航道和气象信息数据;
根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型;
根据对所述航行感知数据和所述至少一个层次的可视化模型,进行航行态势预测趋势,并筛选出最优的航行感知数据进行传输;
所述至少一个层次的可视化模型包括感知层可视化模型、理解层可视化模型和预测层可视化模型;所述根据对所述航行感知数据的信息处理分析,建立至少一个层次的可视化模型,包括:
根据航行环境中的环境状态特征和船舶航行的静态整体特征、动态整体特征,建立所述感知层可视化模型;
根据内河航道各环境状态特征的关联数据以及船舶的航行态势特征信息进行可视化,建立所述理解层可视化模型;
对航道中航行态势进行预测趋势,根据预测结果,建立所述预测层可视化模型;
所述最优的航行感知数据的确定,包括:
根据所述航行感知数据,采用特征标记匹配权重分析模型,生成态势分析结果,再筛选最优的态势感知数据进行传输;
所述航行态势预测趋势的确定,包括:
根据所述航行感知数据,采用模糊评价方法与航道安全评估方法,对内河航道智能船舶航行进行风险识别与网格化处理。
2.一种视觉处理芯片,其特征在于,包括处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现根据权利要求1所述的船舶态势感知控制方法。
3.一种船舶态势感知控制系统,其特征在于,应用于内河只能船舶态势感知中,所述系统包括相互通信连接的存储器和根据权利要求2所述的视觉处理芯片,其中,所述视觉处理芯片用于将多种采集设备采集到的航行感知数据进行数据分析,并将数据分析结果传输至所述存储器。
4.根据权利要求3所述的船舶态势感知控制系统,其特征在于,所述系统还包括电容器,所述电容器分别与所述存储器和视觉处理芯片相互通信连接,所述电容器还与电源连接,用于在电源处于异常状态时放电,为所述视觉处理芯片供电。
5.根据权利要求3所述的船舶态势感知控制系统,其特征在于,所述多种采集设备包括至少一个外界摄像头及至少一个视觉传感器,所述至少一个外界摄像头包括设置在船舶的前置摄像头、船身侧面鱼眼摄像头、后置长距摄像头,所述至少一个视觉传感器被分别设置在船身的不同位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610226.8A CN114954839B (zh) | 2022-05-31 | 2022-05-31 | 一种船舶态势感知控制方法及系统、视觉处理芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610226.8A CN114954839B (zh) | 2022-05-31 | 2022-05-31 | 一种船舶态势感知控制方法及系统、视觉处理芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114954839A CN114954839A (zh) | 2022-08-30 |
CN114954839B true CN114954839B (zh) | 2023-08-18 |
Family
ID=82957103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210610226.8A Active CN114954839B (zh) | 2022-05-31 | 2022-05-31 | 一种船舶态势感知控制方法及系统、视觉处理芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114954839B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952503A (zh) * | 2017-03-10 | 2017-07-14 | 深圳市唯特视科技有限公司 | 一种基于自适应多传感器管理的海上态势感知方法 |
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 |
US10532823B1 (en) * | 2017-07-20 | 2020-01-14 | Rockwell Collins, Inc. | Aviation situation awareness and decision information system |
CN111007852A (zh) * | 2019-12-16 | 2020-04-14 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶的系统架构及智能船舶 |
CN112255946A (zh) * | 2020-10-19 | 2021-01-22 | 青岛博瑞斯自动化技术有限公司 | 一种基于云服务和大数据的船舶状态远程监控系统及方法 |
CN112286991A (zh) * | 2020-10-29 | 2021-01-29 | 广东海洋大学 | 一种基于多源海上目标数据的智能挖掘模型建立方法 |
CN112347182A (zh) * | 2020-10-26 | 2021-02-09 | 中船黄埔文冲船舶有限公司 | 一种船舶态势感知系统 |
CN212890844U (zh) * | 2020-04-16 | 2021-04-06 | 广东海洋大学 | 用于船舶态势感知的抬头显示装置 |
CN112665588A (zh) * | 2020-12-10 | 2021-04-16 | 中船航海科技有限责任公司 | 一种基于增强现实的船舶航行态势感知方法 |
CN113173232A (zh) * | 2021-03-08 | 2021-07-27 | 武汉理工大学 | 一种基于人机共融的船舶智能辅助驾控系统及方法 |
CN113947905A (zh) * | 2021-10-19 | 2022-01-18 | 交通运输部公路科学研究所 | 一种交通运行态势感知方法、模块及系统 |
CN114547334A (zh) * | 2022-02-14 | 2022-05-27 | 浙江省交通运输科学研究院 | 融合COLREGs场景知识的船舶行为意图识别与推理方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8494697B2 (en) * | 2011-03-28 | 2013-07-23 | The Boeing Company | Methods and systems for predicting water vessel motion |
AU2013334543B2 (en) * | 2012-10-24 | 2016-09-01 | Naiad Maritime Group, Inc. | Predictive sea state mapping for ship motion control |
GB201703968D0 (en) * | 2017-03-13 | 2017-04-26 | Computational Eng Sg | System for building situation awareness |
US11514668B2 (en) * | 2018-09-04 | 2022-11-29 | Seadronix Corp. | Method and device for situation awareness |
US11966852B2 (en) * | 2019-12-11 | 2024-04-23 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for situation awareness |
-
2022
- 2022-05-31 CN CN202210610226.8A patent/CN114954839B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952503A (zh) * | 2017-03-10 | 2017-07-14 | 深圳市唯特视科技有限公司 | 一种基于自适应多传感器管理的海上态势感知方法 |
US10532823B1 (en) * | 2017-07-20 | 2020-01-14 | Rockwell Collins, Inc. | Aviation situation awareness and decision information system |
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 |
CN111007852A (zh) * | 2019-12-16 | 2020-04-14 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶的系统架构及智能船舶 |
CN212890844U (zh) * | 2020-04-16 | 2021-04-06 | 广东海洋大学 | 用于船舶态势感知的抬头显示装置 |
CN112255946A (zh) * | 2020-10-19 | 2021-01-22 | 青岛博瑞斯自动化技术有限公司 | 一种基于云服务和大数据的船舶状态远程监控系统及方法 |
CN112347182A (zh) * | 2020-10-26 | 2021-02-09 | 中船黄埔文冲船舶有限公司 | 一种船舶态势感知系统 |
CN112286991A (zh) * | 2020-10-29 | 2021-01-29 | 广东海洋大学 | 一种基于多源海上目标数据的智能挖掘模型建立方法 |
CN112665588A (zh) * | 2020-12-10 | 2021-04-16 | 中船航海科技有限责任公司 | 一种基于增强现实的船舶航行态势感知方法 |
CN113173232A (zh) * | 2021-03-08 | 2021-07-27 | 武汉理工大学 | 一种基于人机共融的船舶智能辅助驾控系统及方法 |
CN113947905A (zh) * | 2021-10-19 | 2022-01-18 | 交通运输部公路科学研究所 | 一种交通运行态势感知方法、模块及系统 |
CN114547334A (zh) * | 2022-02-14 | 2022-05-27 | 浙江省交通运输科学研究院 | 融合COLREGs场景知识的船舶行为意图识别与推理方法及装置 |
Non-Patent Citations (1)
Title |
---|
《船舶行为的语义建模与表达》;文元桥等;哈尔滨工业大学学报;第53卷(第8期);第109-115页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114954839A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhen et al. | A novel analytic framework of real-time multi-vessel collision risk assessment for maritime traffic surveillance | |
Zhang et al. | A predictive analytics method for maritime traffic flow complexity estimation in inland waterways | |
Zhang et al. | A systematic approach for collision risk analysis based on AIS data | |
Fang et al. | Automatic identification system-based approach for assessing the near-miss collision risk dynamics of ships in ports | |
Zaman et al. | Challenges and opportunities of big data analytics for upcoming regulations and future transformation of the shipping industry | |
CN110288096B (zh) | 预测模型训练及预测方法、装置、电子设备、存储介质 | |
Senol et al. | A novel real-time continuous fuzzy fault tree analysis (RC-FFTA) model for dynamic environment | |
CN112286991B (zh) | 一种基于多源海上目标数据的智能挖掘模型建立方法 | |
CN111613094A (zh) | 一种港口水域船舶交通风险预警方法 | |
CN114742128A (zh) | 一种船舶异常行为的识别方法、装置、终端和存储介质 | |
Trincas et al. | Risk-based system to control safety level of flooded passenger ships | |
Ma et al. | Risk prediction for ship encounter situation awareness using long short-term memory based deep learning on intership behaviors | |
Li et al. | Tailings pond risk prediction using long short-term memory networks | |
Mao et al. | A new mooring failure detection approach based on hybrid LSTM-SVM model for semi-submersible platform | |
CN114954839B (zh) | 一种船舶态势感知控制方法及系统、视觉处理芯片 | |
CN112949900B (zh) | 一种水库大坝安全信息智慧感知融合预警方法及终端设备 | |
Wang et al. | A model of maritime accidents prediction based on multi-factor time series analysis | |
KR102582180B1 (ko) | Ai를 활용한 소하천 스마트 예측 관리 시스템 및 그방법 | |
CN115206040A (zh) | 核电取水口的生物入侵预警方法、装置及终端 | |
CN116597693A (zh) | 一种内河航运监控系统及方法 | |
CN116189478A (zh) | 一种内河航道的船舶安全监测方法、设备及介质 | |
US11567143B2 (en) | Partial discharge determination device and method | |
CN111121909B (zh) | 一种确定断面水位的方法、装置、系统及一种电子设备 | |
CN113788023A (zh) | 车辆驾驶故障检测方法、装置、设备及存储介质 | |
CN114418189A (zh) | 水质等级预测方法、系统、终端设备及存储介质 |
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 |