CN116164747B - 一种水下机器人的定位与导航方法及系统 - Google Patents
一种水下机器人的定位与导航方法及系统 Download PDFInfo
- Publication number
- CN116164747B CN116164747B CN202211624303.1A CN202211624303A CN116164747B CN 116164747 B CN116164747 B CN 116164747B CN 202211624303 A CN202211624303 A CN 202211624303A CN 116164747 B CN116164747 B CN 116164747B
- Authority
- CN
- China
- Prior art keywords
- underwater robot
- pile foundation
- positioning
- observation data
- local structure
- 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
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- 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
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/06—Systems determining the position data of a target
- G01S15/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
-
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/20—Position of source determined by a plurality of spaced 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- 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
Abstract
本发明公开了一种水下机器人的定位与导航方法,该方法包括:通过水下机器人采集桩基局部结构观测数据;将桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息;根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差。根据本发明公开的方法和系统,能够提高水下机器人在海上风电桩基检测过程中定位与导航精度,能够使得水下机器人所搭载传感器采集到更高精度的数据。
Description
技术领域
本发明涉及水下定位技术领域,尤其涉及一种水下机器人的定位与导航方法及系统。
背景技术
海上风电桩基是指水上风机平台的支撑基础,其上端与风电塔筒连接、下端深入海床地基或通过系泊结构与海床相连,一般海上风电场桩基数目为百数量级别,规模巨大,其健康状态事关风场的安全运营。桩基长期面临海流冲刷、化学腐蚀、生物附着问题以及人类海上活动不稳定因素影响,长此以往必会导致桩基的健康状态受损,进而造成安全隐患或巨大经济损失,如风机基桩底部冲刷严重导致整个平台发生倾斜甚至倒塌,牺牲阳极腐蚀严重导致失去桩基防海水腐蚀保护作用,因此为保证海上风电桩基的安全稳定运行,需要建立有效的定期巡检措施对其潜在危险进行预警。
针对其检测需求,可以利用水下自主机器人(Automatic Unmanned Vehicle,AUV)进行检测,AUV具备良好的自主性,无需专业母船和运维人员支持,理论上能够搭载多种声学、光学等多种传感器围绕桩基垂直面运动进行检测。但桩基结构以及所处检测环境复杂,需要高精度的定位与导航系统以确保得到高质量的检测数据以及避免AUV载体和桩基发生碰撞造成损失。目前,传统AUV的定位与导航系统主要基于惯性导航原理或声学导航原理,这种基于惯性导航原理定位误差会随着航行距离和时间增长而逐渐累积,由于桩基结构散射声信号存在多路径问题,进而导致定位与导航系统精度受限,不利于对桩基状态进行精准的检测和预警。
发明内容
本发明所要解决的技术问题在于,提供一种水下机器人的定位与导航方法及系统,能够提高水下机器人在海上风电桩基检测过程中定位与导航精度,能够使得水下机器人所搭载传感器采集到更高精度的数据。
为了解决上述技术问题,本发明第一方面公开了一种水下机器人的定位与导航方法,所述方法包括:通过水下机器人采集桩基局部结构观测数据;将所述桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息;根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差。
在一些实施方式中,通过水下机器人采集桩基局部结构观测数据,包括:当桩基处于水下机器人的探测范围时,使用水下机器人的摄像头采集桩基局部结构观测数据;当桩基超出水下机器人的探测范围时,使用水下机器人的前视声呐采集桩基局部结构观测数据。
在一些实施方式中,将所述桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息,包括:构建水下机器人的粒子群状态概率密度方程;对所述水下机器人的粒子群状态概率密度方程进行预测生成水下机器人的粒子群状态预测位姿信息;根据桩基局部结构观测数据和桩基的先验信息对水下机器人的粒子群状态预测位姿信息模拟生成不同粒子位姿对应桩基结构图像数据集作为水下机器人相对于桩基的位置信息。
在一些实施方式中,根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差,包括:将桩基局部结构观测数据与不同粒子位姿对应桩基结构图像数据集进行匹配,生成水下机器人的不同位姿权重;基于所述不同位姿权重更新水下机器人的粒子群状态概率密度方程;通过更新的水下机器人的粒子群状态概率密度方程校正水下机器人预测导航中的定位累计误差。
根据本发明的第二个方面,提供了一种水下机器人的定位与导航系统,所述系统包括:辅助定位模块,用于采集桩基局部结构观测数据;匹配模块,用于将所述桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息;校正模块,用于根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差。
在一些实施方式中,辅助定位模块包括:摄像头,用于在桩基处于水下机器人的探测范围时,采集桩基局部结构观测数据;前视声呐,用于在桩基超出水下机器人的探测范围时,采集桩基局部结构观测数据。
在一些实施方式中,匹配模块,实现为:构建水下机器人的粒子群状态概率密度方程;对所述水下机器人的粒子群状态概率密度方程进行预测生成水下机器人的粒子群状态预测位姿信息;根据桩基局部结构观测数据和桩基的先验信息对水下机器人的粒子群状态预测位姿信息模拟生成不同粒子位姿对应桩基结构图像数据集作为水下机器人相对于桩基的位置信息。
在一些实施方式中,校正模块,实现为:将桩基局部结构观测数据与不同粒子位姿对应桩基结构图像数据集进行匹配,生成水下机器人的不同位姿权重;基于所述不同位姿权重更新水下机器人的粒子群状态概率密度方程;通过更新的水下机器人的粒子群状态概率密度方程校正水下机器人预测导航中的定位累计误差。
根据本发明的第三个方面,提供了一种水下机器人,包括:摄像头/前视声呐,用于采集桩基局部结构观测数据;存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,根据所述桩基局部结构观测数据执行如上述的水下机器人的定位与导航方法。
根据本发明的第四个方面,提供了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如上述的水下机器人的定位与导航方法。
与现有技术相比,本发明的有益效果在于:
实施本发明能够充裕的利用海上风电桩基的先验信息,矫正了传统组合导航带来的累积定位误差,无需使用现有的如水下机器人的载体所搭载的感知载荷在线构建、更新环境地图等,从而能够减小感知载荷所带来算法的不确定性;而且通过本发明的先验信息和观测信息的数据关联度程度高,算法更加稳定。由此,可以提高水下机器人在海上风电桩基检测过程中定位与导航精度,能够使得水下机器人所搭载传感器采集到更高精度的数据,更利于数据分析与挖掘和后期商业化应用,同时也提高水下机器人的在桩基检测复杂环境下的避障能力,使得利用水下机器人进行海上风电桩基检测成为一种高效益、低成本和低风险的检测手段,同样也为其它水下构筑物检测场景提供了定位与导航方法和检测手段参考。
附图说明
图1为本发明实施例公开的一种水下机器人的定位与导航的方法流程示意图;
图2为本发明实施例公开的一种水下机器人的定位与导航的坐标系统示意图;
图3为本发明实施例公开的一种水下机器人的定位与导航的系统示意图;
图4为本发明实施例公开的又一种水下机器人的定位与导航的系统示意图;
图5为本发明实施例公开的一种水下机器人的定位与导航装置示意图。
具体实施方式
为了更好地理解和实施,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
本发明实施例公开了一种水下机器人的定位与导航方法及系统,能够充裕的利用海上风电桩基的先验信息,矫正了传统组合导航带来的累积定位误差,无需使用现有的如水下机器人的载体所搭载的感知载荷在线构建、更新环境地图等,从而能够减小感知载荷所带来算法的不确定性;而且通过本发明的先验信息和观测信息的数据关联度程度高,算法更加稳定。由此,可以提高水下机器人在海上风电桩基检测过程中定位与导航精度,能够使得水下机器人所搭载传感器采集到更高精度的数据,更利于数据分析与挖掘和后期商业化应用,同时也提高水下机器人的在桩基检测复杂环境下的避障能力,使得利用水下机器人进行海上风电桩基检测成为一种高效益、低成本和低风险的检测手段,同样也为其它水下构筑物检测场景提供了定位与导航方法和检测手段参考。
请参阅图1,图1为本发明实施例公开的一种水下机器人的定位与导航方法的流程示意图。其中,该水下机器人的定位与导航方法可以应用在水下机器人的巡航系统,对于该方法的应用本发明实施例不做限制。如图1所示,该水下机器人的定位与导航方法可以包括以下操作:
101、通过水下机器人采集桩基局部结构观测数据。
为了推动水下机器人即AUV工程能够真正的由于海上桩基的检测上,在此以海上桩基这一对象为主要的数据支持,由此围绕着海上桩基,首先利用AUV采集桩基的局部结构观测数据。因为考虑到水下机器人AUV与海上桩基之间的距离和海浪推动等因素影响,采集的方法可以包括:当桩基处于水下机器人的探测范围时,即近距离时,使用水下机器人的精度准、采用频率高的摄像头采集桩基局部结构观测数据;当桩基超出水下机器人的探测范围时,使用水下机器人的前视声呐采集桩基局部结构观测数据,其中,前视声呐探测距离在实际使用时大约100m。
102、将桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息。
对于桩基的先验信息具体包括:风场的海上桩基的所处地理位置、海上桩基结构等可以视为已知的先验信息,或其他在风场建设完成后已经确定且随着时间不会发生变化等信息。当获取了桩基局部结构观测数据与桩基的先验信息后就可以进行匹配,具体实现为:
为了保住水下机器人导航过程的完整性,在此进行全过程的梳理,首先:设置水下机器人AUV的状态向量可表示为:
Xt=xtytztθtφtψt]Tt=0,…,tn
其中,由于zt可以直接通过水下机器人所搭载的深度计直接测量,横滚角θt和俯仰角φt也能通过水下机器人所搭载的陀螺仪测量得到,因此可将水下机器人AUV状态向量简化为其水平方向上的位置xt,yt和其航向角ψt:
那么在某一时刻t时,根据其任务规划其运动模型可表示为:Xt=f(Xt-1,ut)+δt,其中ut是控制输入信息,δt表示AUV运动过程中的随机噪声,通常假设其为满足均值为0,方差为某一常数的正态分布。
在本实施例中,采用粒子群滤波去解决Xt的预测问题,即先构建水下机器人的粒子群状态概率密度方程,之后对水下机器人的粒子群状态概率密度方程进行预测生成水下机器人的粒子群状态预测位姿信息,再根据桩基局部结构观测数据和桩基的先验信息对水下机器人的粒子群状态预测位姿信息模拟生成不同粒子位姿对应桩基结构图像数据集作为水下机器人相对于桩基的位置信息。在具体实现上,对于粒子群滤波可以理解为是一种蒙特卡罗方法,即通过利用一组数目N的粒子来近似非线性概率分布,再进行加权求和得到非线性系统的状态估计值,其中,水下机器人AUV状态的概率密度方程可表示为:
其中,分别是t时刻第i个样本和其权重。
对于正常的利用该概率密度方程进行导航的路径预测时,可以通过水下机器人上设置的高精度光纤捷联惯导系统、GNSS(Global Navigation Satellite System)、深度计、多普勒计程仪解算或测量信息组合推算得到这一时刻所预测的AUV状态
对于水下机器人所搭载的GNSS用于水下机器人AUV上浮到水面时更新AUV的绝对位置,光纤联捷惯性导航系统用于推算水下机器人AUV在水下航行所处的水平位置和载体姿态,多普勒计程仪和深度计用于校正AUV的惯性导航得到的定位信息,确保在无桩基结构提供相对位置参考时AUV定位与导航的准确性,如从一个桩基到另一个桩基路径上。由此,基于这些水下机器人上设置的系统和器件能够满足一般要求的导航预测需求。
当水下机器人AUV需要进行桩基检测时,即需要校正水下机器人预测导航中的定位累计误差的阶段时,已知桩基的先验信息如观测桩基的结构先验信息和所在风场位置的先验信息,根据预测得到的粒子群的位姿信息,在线模拟生成该时刻不同粒子位姿对应桩基结构图像数据集/>用于对比参考,具体生成图像数据集/>方式如下:
首先定义相关的水下机器人的定位与导航坐标系统,如图2所示,其中不同的字母分别代表了不同的坐标系统:全局(G),桩基结构(M),自主水下机器人(R),水下机器人的传感器(S)、图像坐标系(I)、合成像素坐标系(P)所有不同坐标系之间的变换均可由齐次变换矩阵表示(HTM)。
当水下机器人AUV处于位姿时,在AUV的坐标参考系R下,桩基结构坐标点变换可以表示为:
D=r1SG+t1
SG表示在G坐标系下桩基结构的坐标,可由已知观测桩基的结构先验信息和所在风场位置的先验信息计算得到r1,t1表示从G→S的旋转向量和偏移向量,只与当时AUV的状态向量有关;R→S→I→P的变换过程表示在AUV参考坐标下桩基结构上点D=[xRyRzR]到合成像素坐标P=[uPυP]的映射,可用如下公式表示:
其中,K1与K2分别表示相机内参和外参。可见,这样模拟所产生“环境地图”没有引入水下机器人所搭载的传感器所带来的测量误差,减小了系统的不确定性。这种不同粒子位姿对应桩基结构图像数据集就可以作为水下机器人相对于桩基的位置信息为水下机器人的预测导航提供校正误差的参考。
103、根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差。
在获取了水下机器人相对于桩基的位置信息后,就可以将桩基局部结构观测数据与不同粒子位姿对应桩基结构图像数据集进行匹配,生成水下机器人的不同位姿权重。基于不同位姿权重更新水下机器人的粒子群状态概率密度方程;通过更新的水下机器人的粒子群状态概率密度方程校正水下机器人预测导航中的定位累计误差。
具体地,水下机器人AUV可以接收传感器传回的图像进行前处理,使用自适应阈值或卷积神经网络等方法提取观测桩基结构图像St。
之后,将St分别与模拟的图像数据集进行匹配,得到不同位姿下的匹配得分由于图像数据集/>来自于预测步AUV位姿的模拟结果,因此St与其结构特征关联程度高,算法更加稳定。在实际处理的过程中,还可选择使用在AUV平台上集成边缘计算显卡或图像重采样减小图像分辨率等方式模拟和图像匹配过程。
之后按照如下公式进行权重更新,越大代表Xt越接近于该粒子位姿,权重更新公式如下:
其中,RS代表传感器的测量方差。
在整个概率密度方程进行重采样阶段即校正阶段时,将AUV载体状态Xt的概率密度更新为如下公式,当水下机器人AUV到下一时刻时按照同样的逻辑进行输出定位与导航信息,从而校正定位导航中的累计误差。
请参阅图3,图3为本发明实施例公开的一种水下机器人的定位与导航系统示意图。如图3所示,该水下机器人的定位与导航系统可以包括:
辅助定位模块1,用于采集桩基局部结构观测数据。匹配模块2,用于将桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息。校正模块3,用于根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差。
其中,辅助定位模块1包括:摄像头11,用于在桩基处于水下机器人的探测范围时,采集桩基局部结构观测数据。前视声呐12,用于在桩基超出水下机器人的探测范围时,采集桩基局部结构观测数据。即当桩基处于水下机器人的探测范围时,即近距离时,使用水下机器人的精度准、采用频率高的摄像头采集桩基局部结构观测数据;当桩基超出水下机器人的探测范围时,使用水下机器人的前视声呐采集桩基局部结构观测数据,其中,前视声呐探测距离在实际使用时大约100m。
具体地,匹配模块2实现为:构建水下机器人的粒子群状态概率密度方程;对所述水下机器人的粒子群状态概率密度方程进行预测生成水下机器人的粒子群状态预测位姿信息;根据桩基局部结构观测数据和桩基的先验信息对水下机器人的粒子群状态预测位姿信息模拟生成不同粒子位姿对应桩基结构图像数据集作为水下机器人相对于桩基的位置信息。可以参考上述方法部分的描述,在此不进行赘述。
具体地,校正模块3实现为:将桩基局部结构观测数据与不同粒子位姿对应桩基结构图像数据集进行匹配,生成水下机器人的不同位姿权重;基于所述不同位姿权重更新水下机器人的粒子群状态概率密度方程;通过更新的水下机器人的粒子群状态概率密度方程校正水下机器人预测导航中的定位累计误差。可以参考上述方法部分的描述,在此不进行赘述。
作为一种优选实施方式,如图4所示,为本发明实施例公开的又一种水下机器人的定位与导航系统示意图。在水下机器人的定位与导航系统中,可以包括:
光纤捷联惯性导航系统、辅助定位系统、DVL、深度计、GNSS,这些系统和模块可以直接搭载于水下机器人上,或以集成的方式集成与水下机器人的导航处理系统红。其中,光纤捷联惯性导航系统包括陀螺仪和加速度计,能够导航解算出水下机器人的速度信息和深度信息,此外,水下机器人所搭载的深度计能够直接测量水下机器人所处的深度信息与通过光纤捷联惯性导航系统的深度信息融合计算出精准的深度信息,同理,DVL可以与通过光纤捷联惯性导航系统的速度信息融合计算出精准的速度信息。
在另一方面,水下机器人的辅助定位信息能够通过摄像头或前视声呐采集得桩基局部结构观测数据,对于水下机器人所搭载的GNSS用于水下机器人AUV上浮到水面时更新AUV的绝对位置,确保在无桩基结构提供相对位置参考时AUV定位与导航的准确性,如从一个桩基到另一个桩基路径上。
在将上述所得到的速度信息、深度信息、姿态信息、水平位置信息进行多源信息的融合再基于具体实现方法部分所描述的方法,就能够得到水下机器人校正的定位导航路径。从而无需使用水下机器人所搭载的感知载荷在线构建、更新环境地图,减小了感知载荷所带来算法的不确定性;此外,这种多数据融合的关联度程度高,算法也更加稳定。
请参阅图5,图5是本发明实施例公开的一种水下机器人的定位与导航装置的结构示意图。如图5所示,该装置可以包括:
存储有可执行程序代码的存储器601;
与存储器601耦合的处理器602;
处理器602调用存储器601中存储的可执行程序代码,用于执行所描述的水下机器人的定位与导航方法。
本发明实施例公开了一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,该计算机程序使得计算机执行所描述的水下机器人的定位与导航方法。
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行所描述水下机器人的定位与导航方法。
以上所描述的实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种水下机器人的定位与导航方法及系统所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (8)
1.一种水下机器人的定位与导航方法,其特征在于,所述方法包括:
通过水下机器人采集桩基局部结构观测数据;
将所述桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息;将所述桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息,包括:
构建水下机器人的粒子群状态概率密度方程;
对所述水下机器人的粒子群状态概率密度方程进行预测生成水下机器人的粒子群状态预测位姿信息;
根据桩基局部结构观测数据和桩基的先验信息对水下机器人的粒子群状态预测位姿信息模拟生成不同粒子位姿对应桩基结构图像数据集作为水下机器人相对于桩基的位置信息;
根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差。
2.根据权利要求1所述的水下机器人的定位与导航方法,其特征在于,通过水下机器人采集桩基局部结构观测数据,包括:
当桩基处于水下机器人的探测范围时,使用水下机器人的摄像头采集桩基局部结构观测数据;
当桩基超出水下机器人的探测范围时,使用水下机器人的前视声呐采集桩基局部结构观测数据。
3.根据权利要求2所述的水下机器人的定位与导航方法,其特征在于,根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差,包括:
将桩基局部结构观测数据与不同粒子位姿对应桩基结构图像数据集进行匹配,生成水下机器人的不同位姿权重;
基于所述不同位姿权重更新水下机器人的粒子群状态概率密度方程;
通过更新的水下机器人的粒子群状态概率密度方程校正水下机器人预测导航中的定位累计误差。
4.一种水下机器人的定位与导航系统,其特征在于,所述系统包括:
辅助定位模块,用于采集桩基局部结构观测数据;
匹配模块,用于将所述桩基局部结构观测数据与桩基的先验信息进行匹配,确定水下机器人相对于桩基的位置信息;其中匹配模块,实现为:
构建水下机器人的粒子群状态概率密度方程;
对所述水下机器人的粒子群状态概率密度方程进行预测生成水下机器人的粒子群状态预测位姿信息;
根据桩基局部结构观测数据和桩基的先验信息对水下机器人的粒子群状态预测位姿信息模拟生成不同粒子位姿对应桩基结构图像数据集作为水下机器人相对于桩基的位置信息;
校正模块,用于根据水下机器人相对于桩基的位置信息校正水下机器人预测导航中的定位累计误差。
5.根据权利要求4所述的水下机器人的定位与导航系统,其特征在于,辅助定位模块包括:
摄像头,用于在桩基处于水下机器人的探测范围时,采集桩基局部结构观测数据;
前视声呐,用于在桩基超出水下机器人的探测范围时,采集桩基局部结构观测数据。
6.根据权利要求5所述的水下机器人的定位与导航系统,其特征在于,校正模块,实现为:
将桩基局部结构观测数据与不同粒子位姿对应桩基结构图像数据集进行匹配,生成水下机器人的不同位姿权重;
基于所述不同位姿权重更新水下机器人的粒子群状态概率密度方程;
通过更新的水下机器人的粒子群状态概率密度方程校正水下机器人预测导航中的定位累计误差。
7.一种水下机器人,其特征在于,包括:
摄像头/前视声呐,用于采集桩基局部结构观测数据;
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,根据所述桩基局部结构观测数据执行如权利要求1-3任一项所述的水下机器人的定位与导航方法。
8.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-3任一项所述的水下机器人的定位与导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211624303.1A CN116164747B (zh) | 2022-12-15 | 2022-12-15 | 一种水下机器人的定位与导航方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211624303.1A CN116164747B (zh) | 2022-12-15 | 2022-12-15 | 一种水下机器人的定位与导航方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116164747A CN116164747A (zh) | 2023-05-26 |
CN116164747B true CN116164747B (zh) | 2023-09-05 |
Family
ID=86421045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211624303.1A Active CN116164747B (zh) | 2022-12-15 | 2022-12-15 | 一种水下机器人的定位与导航方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116164747B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116608853B (zh) * | 2023-07-21 | 2023-09-29 | 广东智能无人系统研究院(南沙) | 载体动态姿态估计方法、设备、存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2933974A1 (de) * | 1979-08-22 | 1981-03-19 | K. 8031 Gilching Klinglmair | Gehaeusekasten fuer einen kleinluefter |
CN103996074A (zh) * | 2014-05-07 | 2014-08-20 | 河海大学 | 基于cfd和改进pso的复杂地形风电场微观选址方法 |
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
CN107063264A (zh) * | 2017-04-13 | 2017-08-18 | 杭州申昊科技股份有限公司 | 一种适用于大规模变电站环境的机器人地图创建方法 |
WO2017188811A1 (en) * | 2016-04-29 | 2017-11-02 | Heerema Marine Contractors Nederland Se | System and method for position tracking of offshore structures |
CN108646734A (zh) * | 2018-04-27 | 2018-10-12 | 天津大学 | 基于量子粒子群算法的非线性模型预测控制方法 |
CN109143246A (zh) * | 2018-07-06 | 2019-01-04 | 上海查湃智能科技有限公司 | 水下桩基检测方法、系统、装置及存储介质 |
CN109298389A (zh) * | 2018-08-29 | 2019-02-01 | 东南大学 | 基于多粒子群优化的室内行人组合位姿估计方法 |
CN109405850A (zh) * | 2018-10-31 | 2019-03-01 | 张维玲 | 一种基于视觉和先验知识的惯性导航定位校准方法及其系统 |
WO2019205053A1 (zh) * | 2018-04-26 | 2019-10-31 | 华南理工大学 | 基于辅助机器人带缆捆绑桩柱的水下作业机器人定位系统 |
CN114169205A (zh) * | 2021-12-13 | 2022-03-11 | 西南交通大学 | 一种螺旋钢桩基础大容量风电场损伤预警方法及系统 |
CN114265047A (zh) * | 2021-12-31 | 2022-04-01 | 哈尔滨工程大学 | 一种大潜深auv的定位基阵联合标校方法 |
WO2022142992A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳市普渡科技有限公司 | 融合定位方法、装置、设备和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10794692B2 (en) * | 2013-02-28 | 2020-10-06 | Fnv Ip B.V. | Offshore positioning system and method |
-
2022
- 2022-12-15 CN CN202211624303.1A patent/CN116164747B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2933974A1 (de) * | 1979-08-22 | 1981-03-19 | K. 8031 Gilching Klinglmair | Gehaeusekasten fuer einen kleinluefter |
CN103996074A (zh) * | 2014-05-07 | 2014-08-20 | 河海大学 | 基于cfd和改进pso的复杂地形风电场微观选址方法 |
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
WO2017188811A1 (en) * | 2016-04-29 | 2017-11-02 | Heerema Marine Contractors Nederland Se | System and method for position tracking of offshore structures |
CN107063264A (zh) * | 2017-04-13 | 2017-08-18 | 杭州申昊科技股份有限公司 | 一种适用于大规模变电站环境的机器人地图创建方法 |
WO2019205053A1 (zh) * | 2018-04-26 | 2019-10-31 | 华南理工大学 | 基于辅助机器人带缆捆绑桩柱的水下作业机器人定位系统 |
CN108646734A (zh) * | 2018-04-27 | 2018-10-12 | 天津大学 | 基于量子粒子群算法的非线性模型预测控制方法 |
CN109143246A (zh) * | 2018-07-06 | 2019-01-04 | 上海查湃智能科技有限公司 | 水下桩基检测方法、系统、装置及存储介质 |
CN109298389A (zh) * | 2018-08-29 | 2019-02-01 | 东南大学 | 基于多粒子群优化的室内行人组合位姿估计方法 |
CN109405850A (zh) * | 2018-10-31 | 2019-03-01 | 张维玲 | 一种基于视觉和先验知识的惯性导航定位校准方法及其系统 |
WO2022142992A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳市普渡科技有限公司 | 融合定位方法、装置、设备和计算机可读存储介质 |
CN114169205A (zh) * | 2021-12-13 | 2022-03-11 | 西南交通大学 | 一种螺旋钢桩基础大容量风电场损伤预警方法及系统 |
CN114265047A (zh) * | 2021-12-31 | 2022-04-01 | 哈尔滨工程大学 | 一种大潜深auv的定位基阵联合标校方法 |
Non-Patent Citations (1)
Title |
---|
水下机器人在桥梁桩基检测中的应用;陈辉 等;《黑龙江交通科技》(第3期);127-128 * |
Also Published As
Publication number | Publication date |
---|---|
CN116164747A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3388327B1 (en) | Route setting method for underwater vehicle, underwater vehicle optimum control method using same, and underwater vehicle | |
CN108519615B (zh) | 基于组合导航和特征点匹配的移动机器人自主导航方法 | |
CN111486845B (zh) | 基于海底地形匹配的auv多策略导航方法 | |
CN109239709B (zh) | 一种无人船的局部环境地图自主构建方法 | |
CN116164747B (zh) | 一种水下机器人的定位与导航方法及系统 | |
CN116295511B (zh) | 一种用于管道潜航机器人的鲁棒初始对准方法及系统 | |
CN114046792B (zh) | 一种无人船水面定位与建图方法、装置及相关组件 | |
CN110906933A (zh) | 一种基于深度神经网络的auv辅助导航方法 | |
RU2467914C1 (ru) | Способ контроля мореходности судна и устройство для его осуществления | |
CN114384821B (zh) | 船舶运动模型的处理方法、装置及存储介质 | |
Almeida et al. | Air and underwater survey of water enclosed spaces for vamos! project | |
Morice et al. | Terrain referencing for autonomous navigation of underwater vehicles | |
CN110703205A (zh) | 基于自适应无迹卡尔曼滤波的超短基线定位方法 | |
CN113900069A (zh) | 一种基于干涉成像高度计的垂线偏差计算方法及其系统 | |
Anonsen et al. | Sigma point Kalman filter for underwater terrain-based navigation | |
CN115683170B (zh) | 基于雷达点云数据融合误差的校准方法 | |
CN110388917B (zh) | 飞行器单目视觉尺度估计方法和装置、飞行器导航系统及飞行器 | |
Noguchi et al. | Wide area seafloor imaging by a low-cost AUV | |
CN111080788B (zh) | 一种海底地形绘制方法及装置 | |
CN115031726A (zh) | 一种数据融合导航定位方法 | |
Kazmi et al. | Dam wall detection and tracking using a mechanically scanned imaging sonar | |
Song et al. | Underwater topography survey and precision analysis based on depth sounder and CORS-RTK technology | |
CN117292118B (zh) | 雷达引导光电跟踪坐标补偿方法、装置、电子设备及介质 | |
CN116625328B (zh) | 湖泊水量确定方法、装置、电子设备和存储介质 | |
WO2022208617A1 (ja) | 地図データ構造、記憶装置、情報処理装置、制御方法、プログラム及び記憶媒体 |
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 |