CN116152463A - 一种水面无人艇在线感知构建环境信息的方法 - Google Patents
一种水面无人艇在线感知构建环境信息的方法 Download PDFInfo
- Publication number
- CN116152463A CN116152463A CN202211478065.8A CN202211478065A CN116152463A CN 116152463 A CN116152463 A CN 116152463A CN 202211478065 A CN202211478065 A CN 202211478065A CN 116152463 A CN116152463 A CN 116152463A
- Authority
- CN
- China
- Prior art keywords
- information
- perception
- matrix
- unmanned
- local
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computer Graphics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种水面无人艇在线感知构建环境信息的方法,包括以下步骤:S1,按照预设尺寸将划定的环境区域格栅化;S2,获取大地坐标系下的局部在线感知信息;S3,利用所述局部在线感知信息,获得每个格栅内包含预定信息的置信度;S4,根据每个格栅内包含预定信息的置信度,更新环境信息。本发明提供的一种水面无人艇在线感知构建环境信息的方法,方法简单,仅需要一个配备雷达感知设备的水面无人艇即可,可实时、在线的感知水面周围环境信息,为水面无人艇后级的决策算法提供基础,以提高自主决策的正确性,避免航行危险。且该方法安全稳定,可靠性高,抗干扰能力强,容错性高。
Description
技术领域
本发明属于水面无人艇环境感知技术领域,具体涉及一种水面无人艇在线感知构建环境信息的方法。
背景技术
水面无人艇是一种无人操作、具备一定自主能力的水面航行体,可以在复杂水面环境下全自主或半自主执行任务。水面无人艇的工作区域多为近岸、近岛屿的海域,由于离线海图精度、地形地貌变化、潮汐或其它因素的影响,离线预置海图文件存在位置偏差或精度较低的不足,导致仅采用离线海图作为水面无人艇路径规划的输入信息,可能导致预定的航路点为陆地而产生触礁的航行危险或距离陆地过远而无法满足预定任务需求的问题。
发明内容
本发明要解决的技术问题是针对背景技术中所涉及到的缺陷,提供一种水面无人艇在线感知构建环境信息的方法,以解决现有技术中水面无人艇无法实时在线感知周围环境信息的问题,为水面无人艇安全的自主航行提供保证。
为解决上述技术问题,本发明采用以下技术方案:
本发明提供了一种水面无人艇在线感知构建环境信息的方法,包括以下步骤:
S1,按照预设尺寸将划定的环境区域格栅化;
S2,获取大地坐标系下的局部在线感知信息;
S3,利用所述局部在线感知信息,获得每个格栅内包含预定信息的置信度;
S4,根据每个格栅内包含预定信息的置信度,更新环境信息。
进一步地,所述步骤S1,按照预设尺寸将划定的环境区域格栅化,具体包括:
S11,在二维平面上选取边长不大于预设值的矩形区域;
S12,将所述矩形区域格栅化,分割为边长为预设尺寸的方格;
S13,构建元素取值为二值的第一矩阵并初始化第一矩阵,所述第一矩阵的元素个数等于所述矩形区域格栅化后的方格数。
进一步地,所述二值为0或1;
所述初始化第一矩阵,具体为将第一矩阵所有的元素赋值为0。
进一步地,所述步骤S2,获取大地坐标系下的局部在线感知信息,具体包括:
S21,提取水面无人艇有效感知范围内的感知信息;
S22,判断所述感知信息是否有效,若有效则进行步骤S23,若无效则重新进行步骤S21;
S23,将所述感知信息由艇体坐标系转换为大地坐标系,形成大地坐标系下的局部在线感知信息;
S24,构建元素个数等于所述矩形区域格栅化后的方格数的第二矩阵;
S25,根据所述局部在线感知信息,更新所述第二矩阵内的元素的值。
进一步地,所述步骤S25,根据所述局部在线感知信息,更新所述第二矩阵内的元素的值,具体包括:
如果局部在线感知信息显示所述矩形区域某方格内存在障碍物,则将所述第二矩阵内对应于该方格的元素的值置为1;
如果局部在线感知信息显示所述矩形区域某方格内无障碍物,则将所述第二矩阵内对应于该方格的元素的值置为0;
如果局部在线感知信息未包含所述矩形区域的某方格,则将所述第二矩阵内对应于该方格的元素的值置为0。
进一步地,所述步骤S3,利用所述局部在线感知信息,获得每个格栅内包含预定信息的置信度,具体包括:
步骤S31,获取当前时刻t所述第二矩阵中各元素的周边元素值为1的元素的个数ki;
其中,L函数为限幅函数,μ为第一修正系数,dci为该元素对应的方格距离水面无人艇的距离,r为水面无人艇有效感知范围的近端半径,R为水面无人艇有效感知范围的远端半径,λ为第二修正系数。
进一步地,所述步骤S4,根据每个格栅内包含预定信息的置信度,更新环境信息,具体包括:
其中,ε1、ε2、ε3、ε4为置信度调节参数,ξ1、ξ2、ξ3为置信度阈值设定参数,default为在其他几个条件不满足时执行该计算公式。
进一步地,所述有效感知范围,具体是指艇体坐标系下,以艇艏航向为轴,左右开角为第一角度,远端半径为第一距离,近端半径为第二距离的扇环形区域。
进一步地,所述判断所述感知信息是否有效,具体是指判断水面无人艇的位置信息、姿态信息、雷达感知信息中的一种或多种信息是否有效。
进一步地,所述步骤S21,提取水面无人艇有效感知范围内的有效信息,还包括:将所述有效信息进行卡尔曼滤波。
本发明的有益效果如下:本发明提供了一种水面无人艇在线感知构建环境信息的方法,第一,本发明方法简单,仅需要一个配备雷达感知设备的水面无人艇即可,可实时、在线的感知水面周围环境信息,为水面无人艇后级的决策算法提供基础,以提高自主决策的正确性,避免航行危险。第二,本发明安全稳定,可靠性高,抗干扰能力强,容错性高。
附图说明
图1是本发明的一种水面无人艇在线感知构建环境信息的方法的流程示意图;
图2是本发明的一种水面无人艇在线感知构建环境信息的方法的步骤S1的流程示意图;
图3是本发明的一种水面无人艇在线感知构建环境信息的方法的步骤S2的流程示意图;
图4是本发明的水面无人艇有效感知范围示意图;
图5是本发明的一种水面无人艇在线感知构建环境信息的方法的步骤S4的流程示意图。
具体实施方式
以下结合附图以及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不限定本发明。
本发明为解决现有技术中水面无人艇无法实时在线感知周围环境信息的问题,本发明利用水面无人艇配备的雷达感知设备,提出了一种新的水面无人艇在线感知构建环境信息的方法,首先,建立大地坐标系下的栅格化空白位置矩阵,在获取无人艇自身位置信息、姿态信息以及导航雷达感知信息后,判断当前信息以及雷达感知的信息是否有效,在信息有效的情况下,对艇体坐标系下雷达感知环境信息进行有效信息提取、时域滤波及空间变换等算法处理,然后利用处理后的感知信息对空白位置信息矩阵进行叠加、补充及修正操作,形成实时地感知环境信息矩阵。
本实施例的一种水面无人艇在线感知构建环境信息的方法,流程图如图1所示,包括以下步骤:
步骤S1,按照预设尺寸将划定的环境区域格栅化。也即,根据预先划定的环境区域范围及方法规定的栅格尺寸,将该区域格栅化,从而便于进行下一步的处理。
步骤S2,获取大地坐标系下的局部在线感知信息。
步骤S3,利用所述局部在线感知信息,获得每个格栅内包含预定信息的置信度。
步骤S4,根据每个格栅内包含预定信息的置信度,更新环境信息。
下面分步骤进行详细阐述。
步骤S1中,至于如何进行格栅化,可采用常见的格栅化算法,本发明并不限定。在一个优选的实施例中,步骤S1,按照预设尺寸将划定的环境区域格栅化的流程如图2所示,具体包括:
S11,在二维平面上选取边长不大于预设值的矩形区域。
本发明中,二维平面为由多个点构建成的凸多边形,例如最多为10个离散点构成的凸多边形。在该凸多边形上选取矩形区域,该矩形区域的最大边长不大于预设值,预设值的取值可根据水面无人艇的作业范围、雷达的探测距离、设备数据处理能力等进行设置。
S12,将所述矩形区域格栅化,分割为边长为预设尺寸的方格。
进一步将选取的矩形区域进行格栅化处理,分割成若干个小的方格,方格边长设定为预设尺寸,从而可利用若干个小的方格描述选取的矩形区域。
S13,构建元素取值为二值的第一矩阵并初始化第一矩阵,所述第一矩阵的元素个数等于所述矩形区域格栅化后的方格数。
构建第一矩阵,该第一矩阵完全对应于格栅化后的矩形区域,也即第一矩阵的元素的个数等于该矩形区域格栅化后的方格数,利用第一矩阵即可描述该矩形区域的环境信息。
由于本发明的环境信息主要表征环境中是否存在水面障碍物,当然也可以表征别的信息,因此第一矩阵的元素取值可为二值,例如二值为0或1,其中0表示该元素对应的方格区域无水面障碍物,1表示该元素对应的方格区域存在水面障碍物。步骤S13中的初始化第一矩阵,具体为将第一矩阵所有的元素赋值为0。
自此,完成了初始化设置。
步骤S2,获取大地坐标系下的局部在线感知信息。
利用水面无人艇配备的雷达感知设备获得感知信息。由于雷达设备获得的感知信息是基于艇体坐标系,无法直接应用,因此需要将艇体坐标系下的信息转换为大地坐标系下。故步骤S2,获取大地坐标系下的局部在线感知信息,具体流程如图3所示,具体包括:
S21,提取水面无人艇有效感知范围内的感知信息。该有效感知范围如图4所示,具体是指艇体坐标系下,以艇艏航向为轴,左右开角为第一角度,远端半径为第一距离,近端半径为第二距离的扇环形区域。该有效感知范围根据雷达设备的型号不同而不同,可根据实际情况进行设置。
为了获得较准确的有效信息,提高信号的信噪比,所述步骤S21,提取水面无人艇有效感知范围内的有效信息,还包括:将所述有效信息进行卡尔曼滤波。
S22,判断所述感知信息是否有效,若有效则进行步骤S23,若无效则重新进行步骤S21。
水面无人艇利用雷达设备获得的信息包括多种信息,不限于位置信息、姿态信息、雷达感知信息等。在进行处理时须判断信息是否有效。判断所述感知信息是否有效,具体是指判断水面无人艇的位置信息、姿态信息、雷达感知信息中的一种或多种信息是否有效。
例如,获取水面无人艇运动状态信息,其中包括位置坐标速度v,航向角θ,纵倾角φ,横滚角δ。使用雷达感知设备获取感知信息,其中包括雷达扫描周围环境一周所形成的实时感知信息矩阵。然后判定位置信息是否有效,计算公式如下:
0.8v·Δt<d<1.2v·Δt
同时,需要确定姿态信息是否为有效值,判定姿态信息有效的计算公式如下:
|(θn-θn-1)/Δt|<Δθmax
|φn|<φmax
|δn|<δmax
其中,θn-1为上一帧的航向角,Δθmax,φmax,δmax分别为航向角速度、纵倾、横滚角的阈值,超出阈值则认为姿态信息无效。
S23,将所述感知信息由艇体坐标系转换为大地坐标系,形成大地坐标系下的局部在线感知信息。
设变换点在艇体坐标系下坐标(x,y),无人艇航向为θ,无人艇当前位置为(xo,yo),则变换点在大地坐标系下坐标为:
(xE,yE)=(xo,yo)+(x,y)·RE
将雷达在线感知范围内信息根据步上式进行位置坐标变换,即可将艇体坐标系转换为大地坐标系。
S24,构建元素个数等于所述矩形区域格栅化后的方格数的第二矩阵。该第二矩阵用于保存本次获得的环境感知信息。显然,该第二矩阵内的元素取值也可以是二值取值,比如0和1,含义与第一矩阵的元素取值的含义相同,在此不再赘述。
S25,根据所述局部在线感知信息,更新所述第二矩阵内的元素的值。
通过环境区域范围设定将超出区域的信息抠除,若未能完全覆盖设定环境区域范围,则其余位置视无障碍处理,将每个栅格中存储是否存在障碍物,若有则置为1,若无则置为0,更新第二矩阵。
步骤S25,根据所述局部在线感知信息,更新所述第二矩阵内的元素的值,具体包括:
如果局部在线感知信息显示所述矩形区域某方格内存在障碍物,则将所述第二矩阵内对应于该方格的元素的值置为1;
如果局部在线感知信息显示所述矩形区域某方格内无障碍物,则将所述第二矩阵内对应于该方格的元素的值置为0;
如果局部在线感知信息未包含所述矩形区域的某方格,则将所述第二矩阵内对应于该方格的元素的值置为0。
步骤S3,利用所述局部在线感知信息,获得每个格栅内包含预定信息的置信度。
本实施例的水面无人艇在线感知构建环境信息的方法,并不是直接将雷达获得的信息作为最终结果,而是作为基础数据,通过多次比对,确定区域内各位置存在障碍物的置信度,并以置信度更新最终环境信息,作为最终的输出结果。
如图5所示,步骤S3,利用所述局部在线感知信息,获得每个格栅内包含预定信息的置信度,具体包括:
步骤S31,获取当前时刻t所述第二矩阵中各元素的周边元素值为1的元素的个数ki;
其中,L函数为限幅函数,μ为第一修正系数,dci为该元素对应的方格距离水面无人艇的距离,r为水面无人艇有效感知范围的近端半径,R为水面无人艇有效感知范围的远端半径,λ为第二修正系数。
在一个优选的实施例中,L函数为限制区间为[0.02,1]的限幅函数,μ为第一修正系数,可表征为在进行雷达感知地图中矩阵经坐标转换后至基准地图下矩阵时,在基准地图中原各个栅格积分值在新栅格中面积占比值,dci一般取值范围在[10.0,700.0],r、R一般取值范围在[30.0,600.0],λ为第二修正系数,可表征为关于距离的修正系数,距离越大值越小,通常取值在[0.2,0.55],这样的值介于[0,1]区间。
在获得每个格栅内包含预定信息的置信度,即存在障碍物的置信度后,即根据每个格栅内包含预定信息的置信度,更新环境信息,具体包括:
其中,ε1、ε2、ε3、ε4为置信度调节参数,ξ1、ξ2、ξ3为置信度阈值设定参数,default为在其他几个条件不满足时执行该计算公式。
在一个优选的实施例中,ε1∈[0.1,0.4],ε2∈[0.8,0.95],ε3∈[0.2,0.4],ε4∈[0.15,0.35],ξ1∈[0.6,0.95],ξ2∈[0.7,0.96],ξ3∈[0.01,0.1],即可更新当前时刻的环境信息,并输出。
以一实例进行进一步说明,设所求位置i时刻t时周围有3个“1”,则有ki=3,μ=0.6,设定R=600,r=50,此时距离值为dc=150,λ=0.5,经过限幅函数L则有同理,获得其他元素值的置信度,为简化显示设其为3×3矩阵,则t时刻有:
即t时刻系统的环境信息为Ct。
综上所述,本发明提供了一种水面无人艇在线感知构建环境信息的方法,本发明方法简单,仅需要一个配备雷达感知设备的水面无人艇即可,可实时、在线的感知水面周围环境信息,为水面无人艇后级的决策算法提供基础,以提高自主决策的正确性,避免航行危险。且该方法安全稳定,可靠性高,抗干扰能力强,容错性高。
尽管为示例目的,已经公开了本发明的优选实施例,本领域的技术人员将意识到各种改进、增加和取代也是可能的,因此,本发明的范围应当不限于上述实施例。对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (10)
1.一种水面无人艇在线感知构建环境信息的方法,其特征在于,包括以下步骤:
S1,按照预设尺寸将划定的环境区域格栅化;
S2,获取大地坐标系下的局部在线感知信息;
S3,利用所述局部在线感知信息,获得每个格栅内包含预定信息的置信度;
S4,根据每个格栅内包含预定信息的置信度,更新环境信息。
2.如权利要求1所述的一种水面无人艇在线感知构建环境信息的方法,其特征在于,
所述步骤S1,按照预设尺寸将划定的环境区域格栅化,具体包括:
S11,在二维平面上选取边长不大于预设值的矩形区域;
S12,将所述矩形区域格栅化,分割为边长为预设尺寸的方格;
S13,构建元素取值为二值的第一矩阵并初始化第一矩阵,所述第一矩阵的元素个数等于所述矩形区域格栅化后的方格数。
3.如权利要求2所述的一种水面无人艇在线感知构建环境信息的方法,其特征在于:
所述二值为0或1;
所述初始化第一矩阵,具体为将第一矩阵所有的元素赋值为0。
4.如权利要求3所述的一种水面无人艇在线感知构建环境信息的方法,其特征在于,
所述步骤S2,获取大地坐标系下的局部在线感知信息,具体包括:
S21,提取水面无人艇有效感知范围内的感知信息;
S22,判断所述感知信息是否有效,若有效则进行步骤S23,若无效则重新进行步骤S21;
S23,将所述感知信息由艇体坐标系转换为大地坐标系,形成大地坐标系下的局部在线感知信息;
S24,构建元素个数等于所述矩形区域格栅化后的方格数的第二矩阵;
S25,根据所述局部在线感知信息,更新所述第二矩阵内的元素的值。
5.如权利要求4所述的一种水面无人艇在线感知构建环境信息的方法,其特征在于,
所述步骤S25,根据所述局部在线感知信息,更新所述第二矩阵内的元素的值,具体包括:
如果局部在线感知信息显示所述矩形区域某方格内存在障碍物,则将所述第二矩阵内对应于该方格的元素的值置为1;
如果局部在线感知信息显示所述矩形区域某方格内无障碍物,则将所述第二矩阵内对应于该方格的元素的值置为0;
如果局部在线感知信息未包含所述矩形区域的某方格,则将所述第二矩阵内对应于该方格的元素的值置为0。
8.如权利要求4所述的一种水面无人艇在线感知构建环境信息的方法,其特征在于,
所述有效感知范围,具体是指艇体坐标系下,以艇艏航向为轴,左右开角为第一角度,远端半径为第一距离,近端半径为第二距离的扇环形区域。
9.如权利要求8所述的一种水面无人艇在线感知构建环境信息的方法,其特征在于,
所述判断所述感知信息是否有效,具体是指判断水面无人艇当前时刻t的位置信息、姿态信息、雷达感知信息中的一种或多种信息是否有效。
10.如权利要求9所述的一种水面无人艇在线感知构建环境信息的方法,其特征在于,
所述步骤S21,提取水面无人艇有效感知范围内的有效信息,还包括:将所述有效信息进行卡尔曼滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478065.8A CN116152463A (zh) | 2022-11-23 | 2022-11-23 | 一种水面无人艇在线感知构建环境信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211478065.8A CN116152463A (zh) | 2022-11-23 | 2022-11-23 | 一种水面无人艇在线感知构建环境信息的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116152463A true CN116152463A (zh) | 2023-05-23 |
Family
ID=86339710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211478065.8A Pending CN116152463A (zh) | 2022-11-23 | 2022-11-23 | 一种水面无人艇在线感知构建环境信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152463A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908836A (zh) * | 2023-07-13 | 2023-10-20 | 大连海事大学 | 一种融合多传感器信息的usv环境感知方法 |
-
2022
- 2022-11-23 CN CN202211478065.8A patent/CN116152463A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908836A (zh) * | 2023-07-13 | 2023-10-20 | 大连海事大学 | 一种融合多传感器信息的usv环境感知方法 |
CN116908836B (zh) * | 2023-07-13 | 2024-03-08 | 大连海事大学 | 一种融合多传感器信息的usv环境感知方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108073175B (zh) | 基于虚拟艇自适应规划的欠驱动无人艇编队智能控制方法 | |
Han et al. | Coastal SLAM with marine radar for USV operation in GPS-restricted situations | |
CN109241552B (zh) | 一种基于多约束目标的水下机器人运动规划方法 | |
CN108445892B (zh) | 一种欠驱动无人船编队控制器结构及设计方法 | |
CN109239709B (zh) | 一种无人船的局部环境地图自主构建方法 | |
CN108803313A (zh) | 一种基于海流预测模型的路径规划方法 | |
CN113850848B (zh) | 无人艇载航海雷达与视觉图像协同的海上多目标长期检测与跟踪方法 | |
CN113985419A (zh) | 水面机器人协同障碍物检测及避障方法及系统 | |
CN110827329A (zh) | 一种无人船自主泊岸方法、计算机设备及存储介质 | |
CN109001725B (zh) | 一种海上无人艇海上多目标跟踪方法 | |
CN114396945B (zh) | 无人船沿边清扫路径规划方法、装置、设备及存储介质 | |
CN116152463A (zh) | 一种水面无人艇在线感知构建环境信息的方法 | |
Han et al. | GPS-less coastal navigation using marine radar for USV operation | |
CN109814565A (zh) | 时空双流数据驱动深度q学习的无人船智能航行控制方法 | |
CN113110468A (zh) | 一种应用于欠驱动双桨双舵船舶自主靠泊的控制方法 | |
CN114742874A (zh) | 一种基于激光与视觉异步融合的slam算法 | |
Demim et al. | Simultaneous localisation and mapping for autonomous underwater vehicle using a combined smooth variable structure filter and extended kalman filter | |
Fossen et al. | Exogenous kalman filter (xkf) for visualization and motion prediction of ships using live automatic identification systems (ais) data | |
CN114061565B (zh) | 一种无人船舶slam及其应用方法 | |
CN116820101A (zh) | 一种距离信息缺失下的欠驱动无人艇编队控制方法 | |
CN112802195B (zh) | 一种基于声呐的水下机器人连续占据建图方法 | |
CN112051732B (zh) | 一种考虑岸壁效应的航标船自适应神经网络分数阶滑模控制系统及方法 | |
Mu et al. | Application of modified EKF algorithm in AUV navigation system | |
CN112880678A (zh) | 一种复杂水域环境中无人艇航行规划方法 | |
Jung et al. | Terrain based navigation for an autonomous surface vehicle with a multibeam sonar |
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 |