CN115328122B - 一种基于多雷达感知的无人船避障方法及系统 - Google Patents

Abstract

本发明提供了一种基于多雷达感知的无人船避障方法及系统，其中，方法包括：步骤1：动态获取无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包；步骤2：获取辅助构建信息，基于辅助构建信息和点云数据包，构建动态三维场景模型；步骤3：基于动态三维场景模型，规划避障行驶路线；步骤4：基于所述避障行驶路线，控制无人船进行避障行驶。本发明的基于多雷达感知的无人船避障方法及系统，基于雷达动态获取的点云数据包和辅助构建信息，构建动态三维场景模型，提升了场景构建的实时性；在动态三维场景模型中规划避障行驶路线，无需人工遥控避障，降低了人力成本，同时，提高了避障的精确性。

Description

一种基于多雷达感知的无人船避障方法及系统

技术领域

本发明涉及无人船避障技术领域，特别涉及一种基于多雷达感知的无人船避障方法及系统。

背景技术

目前，无人船越来越多被用于水域作业(例如：垃圾捕捞、水体测绘等)中。在无人船进行作业的过程中，不可避免的会遇到障碍物(例如：桥墩、其他船只等)。现有技术一般通过人工遥控对障碍物进行躲避，人力成本较大，同时，人工避障还会出现避障不及时、避障时确定的避障方法不精确等问题。

因此，亟需一种解决办法。

发明内容

本发明提供一种基于多雷达感知的无人船避障方法及系统，基于雷达动态获取的点云数据包和辅助构建信息，构建动态三维场景模型，提升了场景构建的实时性；在动态三维场景模型中规划避障行驶路线，无需人工遥控避障，降低了人力成本，同时，提高了避障的精确性。

本发明提供一种基于多雷达感知的无人船避障方法，包括：

步骤1：动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包；

步骤2：获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型；

步骤3：基于所述动态三维场景模型，规划避障行驶路线；

步骤4：基于所述避障行驶路线，控制所述无人船进行避障行驶。

优选的，步骤1：动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包，包括：

动态获取所述无人船上设置的多雷达对周边环境进行感知获得的第一点云数据和感知获得所述第一点云数据的第一时刻；

基于时间同步技术，对所述第一时刻对应的所述第一点云数据进行时间同步，获得时间同步后的第二点云数据；

对所述第二点云数据进行整合处理，获得预生成点云数据包；

对所述预生成点云数据包进行预处理，获得点云数据包。

优选的，对所述预生成点云数据包进行预处理，包括：

将所述预生成点云数据包投射到预设的三维空间直角坐标系中，获得多个点云坐标，从所述三维空间直角坐标系中确定包围全部所述点云坐标最小的长方体，同时，分别计算所述长方体x、y、z方向上的长方体边长；

获取预设的栅格边长；

基于所述栅格边长和所述长方体边长，分别计算x、y、z方向上的栅格数；

基于所述栅格数，对所述长方形进行栅格化处理，获得多个栅格；

从所述栅格中确定一个包围的点云坐标的数量大于等于预设数目的所述栅格，并作为中心栅格；

基于预设的搜索规则，对所述中心栅格周围相邻的所述预设数目个的所述栅格进行搜索，确定目标栅格；

将所述目标栅格中的所述点云坐标对应的点云进行整合获得所述点云数据包，完成预处理。

优选的，步骤2：获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型，包括：

解析所述辅助构建信息中的无人船的姿态信息和无人船的GPS定位信息；

基于实时获取的所述点云数据包、所述无人船的姿态信息和所述无人船的GPS定位信息构建动态三维场景模型。

优选的，步骤3：基于所述动态三维场景模型，规划避障行驶路线，包括：

尝试获取识别所述动态三维场景模型中的障碍物模型；

若尝试成功，获取所述障碍物模型的第一位置和第一速度矢量；

获取所述无人船模型的第二位置和第二速度矢量；

根据所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置，判断所述无人船模型是否会和所述障碍物模型发生碰撞；

若是，获取所述无人船模型在所述动态三维模型中的目标位置；

获取预设的避障路线路径规划模型，根据所述第一位置，规划所述第二位置到所述目标位置的避障行驶路线。

优选的，根据所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置，判断所述无人船模型是否会和所述障碍物模型发生碰撞，包括：

获取预设的碰撞模拟模型；

将所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置输入所述碰撞模拟模型，对所述无人船模型和所述障碍物模型进行碰撞模拟，获得模拟结果，所述模拟结果包括：碰撞和未碰撞。

优选的，基于多雷达感知的无人船避障方法，其特征在于，还包括：

获取所述无人船的行驶方向，在所述动态三维模型中构建所述行驶方向对应的第一方向向量；

获取所述障碍物模型投影在水平面上的障碍物平面区域；

获取包围所述障碍物平面区域面积最小的包围圈；

基于预设的扩大规则，将所述包围圈进行扩大，获得扩大后的安全圈；

顺时针转动所述第一方向向量，直至所述第一方向向量的第一延长线与所述安全圈相切，获取所述第一延长线与所述安全圈的第一切点；

逆时针转动所述第一方向向量，直至所述第一方向向量的第二延长线与所述安全圈相切，获取所述第二延长线与所述安全圈的第二切点；

获取所述第一切点的第三位置和所述第二切点的第四位置；

计算所述第二位置与所述第三位置之间的第一距离和所述第三位置与所述目标位置之间的第二距离；

对所述第一距离和所述第二距离进行求和计算，获得第一行程长度；

计算所述第二位置与所述第四位置之间的第三距离和所述第三位置与所述目标位置之间的第四距离；

对所述第三距离和所述第四距离进行求和计算，获得第二行程长度；

确定所述第一行程长度和所述第二行程长度中最短的所述第一行程长度或所述第二行程长度对应的所述第一切点或所述第二切点，并作为第三切点；

获取所述第三切点的第五位置；

基于所述第二位置和由所述第二位置向所述第五位置的直线方向，构建第二方向向量；

计算转动前所述第一方向向量和第二方向向量的向量夹角，同时，获取转动前所述第一方向向量和所述第二方向向量的相对方向；

基于所述相对方向，确定转动前所述第一方向向量向所述第二方向向量转动的转动方向；

基于所述向量夹角和所述转动方向，确定所述无人船的目标控制方案；

通过目标控制方案控制所述无人船调整所述行驶方向，进行动态避让。

优选的，基于多雷达感知的无人船避障方法，还包括：

当所述无人船进行避让后，获取所述避障目标的第一运动信息和所述无人船的第二运动信息；

基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪；

若是，将追踪信息发送至预设的智能终端。

优选的，基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪，包括：

基于预设的特征提取模板，对所述第一运动信息和所述第二运动信息进行特征提取，获得多个运动特征值；

基于所述运动特征值，构建所述第一运动信息和所述第二运动信息的第一运动状态向量；

获取预设的追踪事件；

提取所述追踪事件中追踪目标和被追踪目标的第二运动状态向量；

计算所述第一运动状态向量和第二运动状态向量的匹配值；

若所述匹配值大于等于预设的匹配值阈值，则判定相应所述第一运动状态向量对应的所述避障目标追踪。

本发明提供一种基于多雷达感知的无人船避障系统，包括：

获取模块，用于动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包；

构建模块，用于获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型；

规划模块，用于基于所述动态三维场景模型，规划避障行驶路线；

控制模块，用于基于所述避障行驶路线，控制所述无人船进行避障行驶。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于多雷达感知的无人船避障方法的流程图；

图2为本发明实施例中一种无人船进行动态避障的部分过程示意图；

图3为本发明实施例中一种基于多雷达感知的无人船避障系统的示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，如图1所示，包括：

步骤1：动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包；

步骤2：获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型；

步骤3：基于所述动态三维场景模型，规划避障行驶路线；

步骤4：基于所述避障行驶路线，控制所述无人船进行避障行驶。

上述技术方案的工作原理及有益效果为：

获取的点云数据包具体为：用三维描述分布在物体表面的三维点坐标的集合，获取构建动态三维场景需要的辅助构建信息，包括：无人船的姿态信息(无人船的形状信息)和无人船的GPS定位信息(可以基于GPS定位技术，根据无人船内置的GPS定位模块获取，GPS定位技术属于现有技术，其原理不再赘述)进行动态三维场景的构建，在动态三维场景模型中规划避障行驶路线，控制无人船动态避障。

本申请基于雷达动态获取的点云数据包和辅助构建信息，构建动态三维场景模型，提升了场景构建的实时性；在动态三维场景模型中规划避障行驶路线，无需人工遥控避障，降低了人力成本，同时，提高了避障的精确性。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，步骤1：动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包，包括：

动态获取所述无人船上设置的多雷达对周边环境进行感知获得的第一点云数据和感知获得所述第一点云数据的第一时刻；

基于时间同步技术，对所述第一时刻对应的所述第一点云数据进行时间同步，获得时间同步后的第二点云数据；

对所述第二点云数据进行整合处理，获得预生成点云数据包；

对所述预生成点云数据包进行预处理，获得点云数据包。

上述技术方案的工作原理及有益效果为：

获取第一点云数据(无人船配置的单个雷达扫描获得的点云数据)和第一点云数据的第一时刻(可以基于无人船内置时钟获得)，基于时间同步技术(时间同步技术属于现有技术，其原理不再赘述)，将各个第一时刻的第一点云数据进行时间同步并整合，获得预生成点云数据包，由于雷达进行扫描时，会引入噪声，所以需要对预生成点云数据包进行预处理，获得可用的点云数据包。

本申请获取不同的第一时刻获取的雷达的第一点云数据再进行时间同步获取第二点云数据，减小了雷达之间的相互干扰，提高了第二点云数据获取的精确性，并对第二点云数据进行预处理，提升了点云数据包获取的精度。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，对所述预生成点云数据包进行预处理，包括：

将所述预生成点云数据包投射到预设的三维空间直角坐标系中，获得多个点云坐标，从所述三维空间直角坐标系中确定包围全部所述点云坐标最小的长方体，同时，分别计算所述长方体x、y、z方向上的长方体边长；

获取预设的栅格边长；

基于所述栅格边长和所述长方体边长，分别计算x、y、z方向上的栅格数；

基于所述栅格数，对所述长方形进行栅格化处理，获得多个栅格；

从所述栅格中确定一个包围的点云坐标的数量大于等于预设数目的所述栅格，并作为中心栅格；

基于预设的搜索规则，对所述中心栅格周围相邻的所述预设数目个的所述栅格进行搜索，确定目标栅格；

将所述目标栅格中的所述点云坐标对应的点云进行整合获得所述点云数据包，完成预处理。

上述技术方案的工作原理及有益效果为：

在雷达获取点云数据时，由于多种因素可能会产生误差(例如：雷达系统产生的误差、待测物体反射产生误差等，噪声点会被混淆成有用信号，如果不对噪声进行处理，对后续障碍物的识别影响很大，因此，亟需进行解决。

将点云数据包根据坐标关系投射在预设的三维空间直角坐标系中，获得多个点云坐标(例如：(2，1，9))，确定一个包围全部点云坐标的最小长方体，基于预设的栅格边长(例如：0.01)计算x、y、z方向上的栅格数，将长方体栅格化，计算各个方向的栅格数具体为：将对应方向上长方体边长与预设的栅格边长相除，计算公式如下所示：

其中，N_x为x轴方向上的所述栅格数，l_x为x轴方向上所述长方体的边长，N_y为y轴方向上的所述栅格数，l_y为y轴方向上所述长方体的边长，N_z为z轴方向上的所述栅格数，l_z为z轴方向上所述长方体的边长，l为所述栅格边长。

每个点云数据包中的点都有对应的栅格编号，基于栅格编号建立拓扑关系(拓扑关系是指满足拓扑几何学原理的各空间数据间的相互关系)，接下来就是基于领域进行搜索。

预设数目具体为：预设的搜索规则具体为：30，首先确定一个中心栅格(例如：任意一个栅格中包含点云数目大于30的栅格)，基于预设的搜索规则(例如：先对周围边相邻包括自身栅格内的30个栅格进行搜索，如果搜索到点云的数量仍然每到达30个，则将栅格进行延伸，继续搜索与搜索到的栅格相邻的栅格)，直到找到30个邻域栅格结束。

本申请对获取的预生成点云数据包进行栅格化处理，建立点云拓扑，去除了可能由噪声引起的点云，提高了点云数据包获取的质量。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，步骤2：获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型，包括：

解析所述辅助构建信息包括：无人船的姿态信息和无人船的GPS定位信息；

基于实时获取的所述点云数据包、所述无人船的姿态信息和所述无人船的GPS定位信息构建动态三维场景模型。

上述技术方案的工作原理及有益效果为：

解析辅助构建信息：无人船的姿态信息(基于预先获取的无人船的图像获取)和无人船的GPS定位信息(可以通过GPS定位技术，根据无人船内置的GPS定位模块获取，GPS定位技术属于现有技术，相关原理不再赘述)，同时，基于无人船的雷达扫描的点云数据包构建动态三维场景模型，获得动态三维场景模型，提升了构建的适宜性和及时性。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，步骤3：基于所述动态三维场景模型，规划避障行驶路线，包括：

尝试获取识别所述动态三维场景模型中的障碍物模型；

若尝试成功，获取所述障碍物模型的第一位置和第一速度矢量；

获取所述无人船模型的第二位置和第二速度矢量；

根据所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置，判断所述无人船模型是否会和所述障碍物模型发生碰撞；

若是，获取所述无人船模型在所述动态三维模型中的目标位置；

基于路径规划技术，根据所述第一位置，规划所述第二位置到所述目标位置的避障行驶路线。

上述技术方案的工作原理及有益效果为：

当在动态三维模型中识别到一个障碍物模型，确定障碍物模型的第一位置(障碍物在水域中的位置)和第一速度矢量(障碍物的速度方向和速度大小)，确定此时动态三维模型中无人船模型的第二位置(无人船在水域中的位置)和第二速度矢量(无人船的速度方向和速度大小)，基于当前条件，判断是否会发生碰撞。

如果判断会发生碰撞，那么要规划避障行驶路线，获取的预设的避障路线路径规划模型具体为：人工实现假设列举无人船识别到障碍物的情形，根据假设列举情形，规划合适的避障路径作为无人船的避障行驶路线，规划合适的避障路径具体为：基于障碍物相对于无人船位置和目的地位置的何种相对位置关系，在无人船位置和目的地位置之间规划何种躲避障碍的路径。

本申请在识别到障碍物时，基于多个参量进行碰撞模拟，当判断会发生碰撞时，引入避障路线路径规划模型，规划避障行驶路线，提升了避障行驶路线规划的合理性，同时，也更加智能。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，根据所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置，判断所述无人船模型是否会和所述障碍物模型发生碰撞，包括：

获取预设的碰撞模拟模型；

将所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置输入所述碰撞模拟模型，对所述无人船模型和所述障碍物模型进行碰撞模拟，获得模拟结果，所述模拟结果包括：碰撞和未碰撞。

上述技术方案的工作原理及有益效果为：

预设的碰撞模拟模型具体为：将大量人工根据不同情形下无人船和障碍物的位置信息和速度矢量信息确定是否发生碰撞的逻辑记录作为训练数据对神经网络模型进行训练，训练至收敛的神经网络模型，逻辑记录例如：速度矢量夹角为180度且速度矢量在无人船和障碍物的连接线上可能会发生碰撞。

将第一速度矢量、第一位置、第二速度矢量和第二位置输入所述碰撞模拟模型，获得输出的模拟结果(模拟结果包括：碰撞和未碰撞)。

本申请基于预设的碰撞模拟模型对无人船和障碍物进行碰撞模拟，提升了碰撞判断的准确性。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，还包括：

获取所述无人船的行驶方向，在所述动态三维模型中构建所述行驶方向对应的第一方向向量；

获取所述障碍物模型投影在水平面上的障碍物平面区域；

获取包围所述障碍物平面区域面积最小的包围圈；

基于预设的扩大规则，将所述包围圈进行扩大，获得扩大后的安全圈；

顺时针转动所述第一方向向量，直至所述第一方向向量的第一延长线与所述安全圈相切，获取所述第一延长线与所述安全圈的第一切点；

逆时针转动所述第一方向向量，直至所述第一方向向量的第二延长线与所述安全圈相切，获取所述第二延长线与所述安全圈的第二切点；

获取所述第一切点的第三位置和所述第二切点的第四位置；

计算所述第二位置与所述第三位置之间的第一距离和所述第三位置与所述目标位置之间的第二距离；

对所述第一距离和所述第二距离进行求和计算，获得第一行程长度；

计算所述第二位置与所述第四位置之间的第三距离和所述第三位置与所述目标位置之间的第四距离；

对所述第三距离和所述第四距离进行求和计算，获得第二行程长度；

确定所述第一行程长度和所述第二行程长度中最短的所述第一行程长度或所述第二行程长度对应的所述第一切点或所述第二切点，并作为第三切点；

获取所述第三切点的第五位置；

基于所述第二位置和由所述第二位置向所述第五位置的直线方向，构建第二方向向量；

计算转动前所述第一方向向量和第二方向向量的向量夹角，同时，获取转动前所述第一方向向量和所述第二方向向量的相对方向；

基于所述相对方向，确定转动前所述第一方向向量向所述第二方向向量转动的转动方向；

基于所述向量夹角和所述转动方向，确定所述无人船的目标控制方案；

通过目标控制方案控制所述无人船调整所述行驶方向，进行动态避让。

上述技术方案的工作原理及有益效果为：

如图2所示，在动态三维模型中构建无人船行驶方向对应的第一方向向量A，将障碍物模型在水平面上投影的障碍物平面区域，确定一个包围障碍物平面区域最小的包围圈，基于预设的扩大规则(例如：将包围圈的半径增加船身最大宽度)，将包围圈扩大，获得扩大后的安全圈，转动第一方向向量A(固定第一方向向量A的起点，改变该向量的向量方向)，确定第一方向向量A延长线(从第二位置B出发与安全圈相切的射线)与安全圈相切的两个切点的第三位置C和第四位置D，计算第二位置B与第三位置C之间的第一距离和第三位置C与目标位置E之间的第二距离，对第一距离和第二距离进行求和，获得第一行程长度；计算第二位置B与第四位置D之间的第三距离和第四位置D与目标位置E之间的第四距离，对第三距离和第四距离进行求和，获得第二行程长度。确定最短的第一行程长度或第二行程长度对应的第三切点的第五位置D，构建从第二位置B向第五位置D的直线方向的第二方向向量F，获取转动前第一方向向量A到第二方向向量F的相对方向(例如：顺时针方向)和向量夹角(例如：30度)，基于相对方向获取无人船的转动方向(例如：顺时针)，基于转动方向和向量夹角，确定无人船的目标控制方案控制无人船避让，目标控制方案具体为：控制无人船的推进器做出何种动作来实现无人船向哪个方向转动和移动等。

本申请基于无人船当前的行驶方向构建第一方向向量，引入适宜的安全圈，在保证无人船安全行驶的条件下尽量小的改变行驶方向进行自动避障，更加智能，同时，也提升了避障的安全性和精确性。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，还包括：

当所述无人船进行避让后，获取所述避障目标的第一运动信息和所述无人船的第二运动信息；

基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪；

若是，将追踪信息发送至预设的智能终端。

上述技术方案的工作原理及有益效果为：

根据获取的避障目标的第一运动信息(避障后障碍物模型的运动方向、速度、坐标位置)和无人船的第二运动信息(无人船的运动方向、速度、坐标位置)，，判断避障目标是不是在追踪无人船，如果判断为追踪，将追踪信息(例如：检测到无人船正在被追踪，请及时处理)发送给预设的智能终端(例如：智能手机)，及时将追踪信息上报，提高了安全性。

本发明实施例提供了一种基于多雷达感知的无人船避障方法，基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪，包括：

基于预设的特征提取模板，对所述第一运动信息和所述第二运动信息进行特征提取，获得多个运动特征值；

基于所述运动特征值，构建所述第一运动信息和所述第二运动信息的第一运动状态向量；

获取预设的追踪事件；

提取所述追踪事件中追踪目标和被追踪目标的第二运动状态向量；

计算所述第一运动状态向量和第二运动状态向量的匹配值；

若所述匹配值大于等于预设的匹配值阈值，则判定相应所述第一运动状态向量对应的所述避障目标追踪。

上述技术方案的工作原理及有益效果为：

基于第一运动信息和第二运动信息，引入特征提取模板，对第一运动信息和第二运动信息进行特征提取，获得多个运动特征值，运动特征值具体为：无人船和避障目标之间的距离、无人船的运动方向，避障目标的运动方向等，基于多个运动特征值，构建第一运动信息和第二运动信息的第一运动状态向量。

预设的追踪事件具体为：历史上记录的水面追踪记录，提取追踪事件中追踪目标和被追踪目标的第二运动状态向量；计算第一运动状态向量和第二运动状态向量的匹配值，所述匹配值的计算公式如下：

其中，m为匹配值，ε₁为第一运动状态向量，ε₂为第二运动状态向量，|…|为计算向量的模，匹配值越大，说明当前障碍物和无人船之间的运动状态更符合追踪状态。

当匹配值大于等于预设的匹配值阈值(例如：0.9)，判定对应避障目标正在追踪。

本申请对避障目标的第一运动信息和无人船的第二运动信息进行分析，判断无人船被追踪的可能性，提高了判断的合理性和准确性。

本发明实施例提供了一种基于多雷达感知的无人船避障系统，如图3所示，包括：

获取模块1，用于动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包；

构建模块2，用于获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型；

规划模块3，用于基于所述动态三维场景模型，规划避障行驶路线；

控制模块4，用于基于所述避障行驶路线，控制所述无人船进行避障行驶。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于多雷达感知的无人船避障方法，其特征在于，包括：

步骤1：动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包；

步骤2：获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型；

步骤3：基于所述动态三维场景模型，规划避障行驶路线；

步骤4：基于所述避障行驶路线，控制所述无人船进行避障行驶；

其中，所述步骤3：基于所述动态三维场景模型，规划避障行驶路线，包括：

尝试获取识别所述动态三维场景模型中的障碍物模型；

若尝试成功，获取所述障碍物模型的第一位置和第一速度矢量；

获取所述无人船模型的第二位置和第二速度矢量；

根据所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置，判断所述无人船模型是否会和所述障碍物模型发生碰撞；

若是，获取所述无人船模型在所述动态三维模型中的目标位置；

获取预设的避障路线路径规划模型，根据所述第一位置，规划所述第二位置到所述目标位置的避障行驶路线；

获取所述无人船的行驶方向，在所述动态三维模型中构建所述行驶方向对应的第一方向向量；

获取所述障碍物模型投影在水平面上的障碍物平面区域；

获取包围所述障碍物平面区域面积最小的包围圈；

基于预设的扩大规则，将所述包围圈进行扩大，获得扩大后的安全圈；

顺时针转动所述第一方向向量，直至所述第一方向向量的第一延长线与所述安全圈相切，获取所述第一延长线与所述安全圈的第一切点；

逆时针转动所述第一方向向量，直至所述第一方向向量的第二延长线与所述安全圈相切，获取所述第二延长线与所述安全圈的第二切点；

获取所述第一切点的第三位置和所述第二切点的第四位置；

计算所述第二位置与所述第三位置之间的第一距离和所述第三位置与所述目标位置之间的第二距离；

对所述第一距离和所述第二距离进行求和计算，获得第一行程长度；

计算所述第二位置与所述第四位置之间的第三距离和所述第三位置与所述目标位置之间的第四距离；

对所述第三距离和所述第四距离进行求和计算，获得第二行程长度；

确定所述第一行程长度和所述第二行程长度中最短的所述第一行程长度或所述第二行程长度对应的所述第一切点或所述第二切点，并作为第三切点；

获取所述第三切点的第五位置；

基于所述第二位置和由所述第二位置向所述第五位置的直线方向，构建第二方向向量；

计算转动前所述第一方向向量和第二方向向量的向量夹角，同时，获取转动前所述第一方向向量和所述第二方向向量的相对方向；

基于所述相对方向，确定转动前所述第一方向向量向所述第二方向向量转动的转动方向；

基于所述向量夹角和所述转动方向，确定所述无人船的目标控制方案；

通过目标控制方案控制所述无人船调整所述行驶方向，进行动态避让；

所述方法还包括：

当所述无人船进行避让后，获取所述避障目标的第一运动信息和所述无人船的第二运动信息；

基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪；

若是，将追踪信息发送至预设的智能终端；

其中，所述基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪，包括：

基于预设的特征提取模板，对所述第一运动信息和所述第二运动信息进行特征提取，获得多个运动特征值；

基于所述运动特征值，构建所述第一运动信息和所述第二运动信息的第一运动状态向量；

获取预设的追踪事件；

提取所述追踪事件中追踪目标和被追踪目标的第二运动状态向量；

计算所述第一运动状态向量和第二运动状态向量的匹配值；

若所述匹配值大于等于预设的匹配值阈值，则判定相应所述第一运动状态向量对应的所述避障目标追踪。

2.如权利要求1所述的一种基于多雷达感知的无人船避障方法，其特征在于，所述步骤1：动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包，包括：

动态获取所述无人船上设置的多雷达对周边环境进行感知获得的第一点云数据和感知获得所述第一点云数据的第一时刻；

基于时间同步技术，对所述第一时刻对应的所述第一点云数据进行时间同步，获得时间同步后的第二点云数据；

对所述第二点云数据进行整合处理，获得预生成点云数据包；

对所述预生成点云数据包进行预处理，获得点云数据包。

3.如权利要求2所述的一种基于多雷达感知的无人船避障方法，其特征在于，所述对所述预生成点云数据包进行预处理，包括：

将所述预生成点云数据包投射到预设的三维空间直角坐标系中，获得多个点云坐标，从所述三维空间直角坐标系中确定包围全部所述点云坐标最小的长方体，同时，分别计算所述长方体x、y、z方向上的长方体边长；

获取预设的栅格边长；

基于所述栅格边长和所述长方体边长，分别计算x、y、z方向上的栅格数；

基于所述栅格数，对所述长方形进行栅格化处理，获得多个栅格；

从所述栅格中确定一个包围的点云坐标的数量大于等于预设数目的所述栅格，并作为中心栅格；

基于预设的搜索规则，对所述中心栅格周围相邻的所述预设数目个的所述栅格进行搜索，确定目标栅格；

将所述目标栅格中的所述点云坐标对应的点云进行整合获得所述点云数据包，完成预处理。

4.如权利要求1所述的一种基于多雷达感知的无人船避障方法，其特征在于，所述步骤2：获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型，包括：

解析所述辅助构建信息中的无人船的姿态信息和无人船的GPS定位信息；

基于实时获取的所述点云数据包、所述无人船的姿态信息和所述无人船的GPS定位信息构建动态三维场景模型。

5.如权利要求1所述的一种基于多雷达感知的无人船避障方法，其特征在于，所述根据所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置，判断所述无人船模型是否会和所述障碍物模型发生碰撞，包括：

获取预设的碰撞模拟模型；

将所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置输入所述碰撞模拟模型，对所述无人船模型和所述障碍物模型进行碰撞模拟，获得模拟结果，所述模拟结果包括：碰撞和未碰撞。

6.一种基于多雷达感知的无人船避障系统，其特征在于，包括：

获取模块，用于动态获取所述无人船上设置的多雷达对水域中周边环境进行感知获得的点云数据包；

构建模块，用于获取辅助构建信息，基于所述辅助构建信息和所述点云数据包，构建动态三维场景模型；

规划模块，用于基于所述动态三维场景模型，规划避障行驶路线；

控制模块，用于基于所述避障行驶路线，控制所述无人船进行避障行驶；

其中，所述规划模块基于所述动态三维场景模型，规划避障行驶路线，包括：

尝试获取识别所述动态三维场景模型中的障碍物模型；

若尝试成功，获取所述障碍物模型的第一位置和第一速度矢量；

获取所述无人船模型的第二位置和第二速度矢量；

根据所述第一速度矢量、所述第一位置、所述第二速度矢量和所述第二位置，判断所述无人船模型是否会和所述障碍物模型发生碰撞；

若是，获取所述无人船模型在所述动态三维模型中的目标位置；

获取预设的避障路线路径规划模型，根据所述第一位置，规划所述第二位置到所述目标位置的避障行驶路线；

获取所述无人船的行驶方向，在所述动态三维模型中构建所述行驶方向对应的第一方向向量；

获取所述障碍物模型投影在水平面上的障碍物平面区域；

获取包围所述障碍物平面区域面积最小的包围圈；

基于预设的扩大规则，将所述包围圈进行扩大，获得扩大后的安全圈；

顺时针转动所述第一方向向量，直至所述第一方向向量的第一延长线与所述安全圈相切，获取所述第一延长线与所述安全圈的第一切点；

逆时针转动所述第一方向向量，直至所述第一方向向量的第二延长线与所述安全圈相切，获取所述第二延长线与所述安全圈的第二切点；

获取所述第一切点的第三位置和所述第二切点的第四位置；

计算所述第二位置与所述第三位置之间的第一距离和所述第三位置与所述目标位置之间的第二距离；

对所述第一距离和所述第二距离进行求和计算，获得第一行程长度；

计算所述第二位置与所述第四位置之间的第三距离和所述第三位置与所述目标位置之间的第四距离；

对所述第三距离和所述第四距离进行求和计算，获得第二行程长度；

确定所述第一行程长度和所述第二行程长度中最短的所述第一行程长度或所述第二行程长度对应的所述第一切点或所述第二切点，并作为第三切点；

获取所述第三切点的第五位置；

基于所述第二位置和由所述第二位置向所述第五位置的直线方向，构建第二方向向量；

计算转动前所述第一方向向量和第二方向向量的向量夹角，同时，获取转动前所述第一方向向量和所述第二方向向量的相对方向；

基于所述相对方向，确定转动前所述第一方向向量向所述第二方向向量转动的转动方向；

基于所述向量夹角和所述转动方向，确定所述无人船的目标控制方案；

通过目标控制方案控制所述无人船调整所述行驶方向，进行动态避让；

所述系统还执行如下操作：

当所述无人船进行避让后，获取所述避障目标的第一运动信息和所述无人船的第二运动信息；

基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪；

若是，将追踪信息发送至预设的智能终端；

其中，所述基于所述第一运动信息和所述第二运动信息，判断所述避障目标是否对所述无人船进行追踪，包括：

基于预设的特征提取模板，对所述第一运动信息和所述第二运动信息进行特征提取，获得多个运动特征值；

基于所述运动特征值，构建所述第一运动信息和所述第二运动信息的第一运动状态向量；

获取预设的追踪事件；

提取所述追踪事件中追踪目标和被追踪目标的第二运动状态向量；

计算所述第一运动状态向量和第二运动状态向量的匹配值；

若所述匹配值大于等于预设的匹配值阈值，则判定相应所述第一运动状态向量对应的所述避障目标追踪。

Images