CN116540751B - 一种无人船自动回收布放水下机器人的方法 - Google Patents
一种无人船自动回收布放水下机器人的方法 Download PDFInfo
- Publication number
- CN116540751B CN116540751B CN202310812695.2A CN202310812695A CN116540751B CN 116540751 B CN116540751 B CN 116540751B CN 202310812695 A CN202310812695 A CN 202310812695A CN 116540751 B CN116540751 B CN 116540751B
- Authority
- CN
- China
- Prior art keywords
- target
- recovery
- underwater robot
- instruction
- sea area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 15
- 238000004064 recycling Methods 0.000 title claims description 22
- 238000011084 recovery Methods 0.000 claims abstract description 212
- 230000000007 visual effect Effects 0.000 claims description 17
- 238000009877 rendering Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000003213 activating effect Effects 0.000 claims 2
- 230000004913 activation Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 19
- 238000012545 processing Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010034701 Peroneal nerve palsy Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人船自动回收布放水下机器人的方法,涉及数据处理领域,其中,所述方法包括:接收水下机器人终端的回收指令,并分析确定所述回收指令中的待回收水下机器人,记作目标水下机器人;获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径;启动所述目标无人船基于所述第一目标回收路径行驶至第一目标位置,并触发回收启动指令;根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收。解决了现有技术中针对水下机器人的回收布放效率低、回收布放效果不佳等技术问题。达到了提高水下机器人的回收布放效率及回收布放效果等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种无人船自动回收布放水下机器人的方法。
背景技术
随着水下机器人的广泛应用,对水下机器人的各项性能指标提出了更高层次的要求。水下工作时间是水下机器人的重要性能指标之一,对于水下机器人的工作质量具有影响。水下机器人的体积小,无法携带足够的能源,常常需要通过回收布放对水下机器人进行能源补给。现有技术中,存在针对水下机器人的回收布放人工依赖性强、自动化程度低,以及水下机器人的回收布放效率低、回收布放效果不佳的技术问题。
发明内容
本申请提供了一种无人船自动回收布放水下机器人的方法。解决了现有技术中针对水下机器人的回收布放人工依赖性强、自动化程度低,以及水下机器人的回收布放效率低、回收布放效果不佳的技术问题。达到了通过无人船对水下机器人进行自动回收布放管理,降低水下机器人的回收布放的人工依赖性,提升水下机器人的回收布放的自动化程度,提高水下机器人的回收布放效率及回收布放效果的技术效果。
鉴于上述问题,本申请提供了一种无人船自动回收布放水下机器人的方法。
第一方面,本申请提供了一种无人船自动回收布放水下机器人的方法,其中,所述方法应用于一种无人船自动回收布放水下机器人的系统,所述系统包括回收布放平台端、水下机器人终端,所述方法包括:接收水下机器人终端的回收指令,并分析确定所述回收指令中的待回收水下机器人,记作目标水下机器人;获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径;启动所述目标无人船基于所述第一目标回收路径行驶至第一目标位置,并触发回收启动指令;根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收。
第二方面,本申请还提供了一种无人船自动回收布放水下机器人的系统,其中,所述系统包括回收布放平台端、水下机器人终端,所述系统还包括:回收指令接收模块,所述回收指令接收模块用于接收水下机器人终端的回收指令,并分析确定所述回收指令中的待回收水下机器人,记作目标水下机器人;目标回收路径确定模块,所述目标回收路径确定模块用于获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径;启动指令触发模块,所述启动指令触发模块用于启动所述目标无人船基于所述第一目标回收路径行驶至第一目标位置,并触发回收启动指令;回收模块,所述回收模块用于根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过接收水下机器人终端的回收指令,确定目标水下机器人。通过目标水下机器人的目标位置信息、目标无人船的实时位置信息,确定第一目标回收路径;启动目标无人船,目标无人船按照第一目标回收路径行驶至第一目标位置,触发回收启动指令;根据回收启动指令启动回收布放装置对目标水下机器人进行回收。达到了通过无人船对水下机器人进行自动回收布放管理,降低水下机器人的回收布放的人工依赖性,提升水下机器人的回收布放的自动化程度,提高水下机器人的回收布放效率及回收布放效果的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种无人船自动回收布放水下机器人的方法的流程示意图;
图2为本申请一种无人船自动回收布放水下机器人的方法中将回收指令发送至回收布放平台端的流程示意图;
图3为本申请一种无人船自动回收布放水下机器人的系统的结构示意图。
附图标记说明:回收指令接收模块11,目标回收路径确定模块12,启动指令触发模块13,回收模块14。
具体实施方式
本申请通过提供一种无人船自动回收布放水下机器人的方法。解决了现有技术中针对水下机器人的回收布放人工依赖性强、自动化程度低,以及水下机器人的回收布放效率低、回收布放效果不佳的技术问题。达到了通过无人船对水下机器人进行自动回收布放管理,降低水下机器人的回收布放的人工依赖性,提升水下机器人的回收布放的自动化程度,提高水下机器人的回收布放效率及回收布放效果的技术效果。
实施例1
请参阅附图1,本申请提供一种无人船自动回收布放水下机器人的方法,其中,所述方法应用于一种无人船自动回收布放水下机器人的系统,所述系统包括回收布放平台端、水下机器人终端,所述方法具体包括如下步骤:
步骤S100:接收水下机器人终端的回收指令,并分析确定所述回收指令中的待回收水下机器人,记作目标水下机器人;
进一步的,如附图2所示,本申请步骤S100还包括:
步骤S110:获取所述目标水下机器人的实时能源余量;
步骤S120:判断所述实时能源余量是否满足预设余量阈值;
步骤S130:若是不满足,生成所述回收指令,并将所述回收指令发送至所述回收布放平台端。
具体而言,水下机器人终端与使用所述一种无人船自动回收布放水下机器人的系统进行智能化回收布放管理的多个水下机器人通信连接。水下机器人终端具有对多个水下机器人进行智能化参数查询、控制,以及指令生成、指令传输等功能。且,多个水下机器人具有预先设置确定的编号信息,编号信息与多个水下机器人具有一一对应关系。按照编号信息依次将多个水下机器人设置为目标水下机器人。连接水下机器人终端,通过水下机器人终端采集目标水下机器人的实时能源余量。进一步,对实时能源余量是否满足预设余量阈值进行判断,如果实时能源余量不满足预设余量阈值,则,水下机器人终端自动生成回收指令,并将回收指令发送至回收布放平台端。回收布放平台端接收水下机器人终端发出的回收指令,根据回收指令确定实时能源余量不满足预设余量阈值的目标水下机器人。
其中,所述目标水下机器人依次为多个水下机器人。所述实时能源余量为目标水下机器人对应的实时剩余能源量信息。所述预设余量阈值包括预先设置确定的实时能源余量阈值。所述回收指令是用于表征实时能源余量不满足预设余量阈值,需要对该实时能源余量对应的目标水下机器人进行回收能源补给的指令信息。待回收水下机器人即为回收指令中,不满足预设余量阈值的实时能源余量对应的目标水下机器人。所述回收布放平台端具有对目标水下机器人进行回收布放控制,以及指令接收、指令生成、指令传输等功能。达到了通过对实时能源余量是否满足预设余量阈值进行判断,适应性地生成回收指令,提高水下机器人的回收布放适应性的技术效果。
进一步的,本申请步骤S120还包括:
步骤S121:若是满足,生成预测指令;
步骤S122:基于所述预测指令将所述实时能源余量输入智能预测模型,得到模型输出结果,其中,所述模型输出结果是指对所述目标水下机器人的回收时间的预测。
具体而言,在对实时能源余量是否满足预设余量阈值进行判断时,如果实时能源余量满足预设余量阈值,则,水下机器人终端自动生成预测指令。基于预测指令,将实时能源余量作为输入信息,输入智能预测模型,获得模型输出结果。其中,所述预测指令是用于表征实时能源余量满足预设余量阈值,暂时不需要对该实时能源余量对应的目标水下机器人进行回收能源补给,但需要对该实时能源余量对应的目标水下机器人进行回收时间预测的指令信息。所述模型输出结果是指对目标水下机器人的回收时间的预测。即,所述模型输出结果包括目标水下机器人对应的预测回收时间。
示例性地,在构建智能预测模型时,按照实时能源余量对水下机器人终端进行历史数据采集,获得样本构建数据集。样本构建数据集包括多个历史能源余量,以及多个历史能源余量对应的多个历史回收时间。将样本构建数据集中随机的70%的数据信息划分为训练数据,将样本构建数据集中随机的30%的数据信息划分为测试数据。基于BP神经网络,将训练数据进行不断的自我训练学习至收敛状态,获得智能预测模型。将测试数据作为输入信息,输入智能预测模型,通过测试数据集对智能预测模型进行参数更新。BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。BP神经网络包括输入层、多层神经元、输出层。BP神经网络可以进行正向计算、反向计算。正向计算时,输入信息从输入层经过多层神经元逐层处理,转向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向计算,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小。智能预测模型包括输入层、隐含层、输出层。智能预测模型具备对输入的实时能源余量进行智能化回收时间预测的功能。
达到了在实时能源余量满足预设余量阈值时,通过智能预测模型对目标水下机器人进行回收时间预测,从而提高对水下机器人进行回收布放管理的全面性、智能性的技术效果。
步骤S200:获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径;
步骤S300:启动所述目标无人船基于所述第一目标回收路径行驶至第一目标位置,并触发回收启动指令;
具体而言,基于水下机器人终端进行目标水下机器人的实时位置查询,获得目标位置信息,并将目标位置信息发送至回收布放平台端。连接回收布放平台端,基于回收布放平台端进行目标无人船的实时位置查询,获得实时位置信息。基于目标位置信息、实时位置信息,确定第一目标回收路径。继而,启动目标无人船,目标无人船按照第一目标回收路径行驶至第一目标位置后,自动触发回收启动指令。其中,所述目标位置信息为目标水下机器人的实时位置信息。所述实时位置信息包括目标无人船对应的实时位置信息。所述第一目标位置包括预先设置确定的目标位置信息对应的回收目标水下机器人的最佳位置。例如,所述第一目标位置为目标水下机器人的目标位置信息与海面垂直的垂足位置。所述第一目标回收路径包括目标无人船从实时位置信息到达第一目标位置的行驶路线信息。所述回收启动指令是用于表征目标无人船已行驶至第一目标位置,可以开始对目标水下机器人进行回收的指令信息。
示例性地,在确定第一目标回收路径时,基于目标水下机器人进行目标海域信息采集,获得目标水下机器人的实时目标海域信息。实时目标海域信息包括目标水下机器人所在海域的实时海域航行情况、实时海域障碍物情况。实时海域航行情况包括目标水下机器人所在海域中,船舶等海域航行物的实时位置、实时行进方向、实时行进速度等数据信息。实时海域障碍物情况包括目标水下机器人所在海域中,岛屿等海域障碍物的位置、面积等数据信息。继而,基于实时位置信息、第一目标位置、实时目标海域信息进行历史数据查询,获得回收路径数据库。回收路径数据库包括多组回收路径数据。每组回收路径数据包括历史无人船位置信息、历史水下机器人的历史第一目标位置,以及历史无人船位置信息、历史水下机器人的历史第一目标位置对应的历史目标海域信息、历史目标回收路径。将实时位置信息、第一目标位置、实时目标海域信息输入回收路径数据库,通过回收路径数据库进行回收路径匹配,获得第一目标回收路径。达到了通过目标水下机器人的目标位置信息、目标无人船的实时位置信息进行目标无人船的行驶规划,提高水下机器人的回收布放效率的技术效果。
进一步的,本申请步骤S200还包括:
步骤S210:采集目标海域中无人船的位置信息,其中,所述位置信息是指M条具备船只标识的无人船的位置,且M为大于等于1的整数;
步骤S220:获取所述目标海域的基础信息,并根据所述基础信息构建初始海域模型;
步骤S230:对所述初始海域模型进行栅格划分,得到栅格划分结果,其中,所述栅格划分结果包括N个栅格,且N为大于1的整数;
具体而言,基于目标海域进行无人船位置参数采集,获得位置信息。基于目标海域进行基础参数采集,获得目标海域的基础信息。进一步,根据基础信息进行仿真模型构建,获得初始海域模型,并对初始海域模型进行栅格划分,获得栅格划分结果。其中,所述目标海域为目标水下机器人所在的海域。所述位置信息包括M条具备船只标识的无人船的位置。且,M为大于等于1的整数。所述基础信息包括目标海域的位置、形状、深度,以及目标海域的海上物体的位置、形状、数量等基础参数。所述初始海域模型包括基础信息对应的目标海域的三维仿真模型。所述栅格划分结果包括N个栅格。且,N为大于1的整数。栅格划分是指将初始海域模型划分为N个栅格。示例性地,可采用现有技术中的栅格划分软件对初始海域模型进行栅格划分,得到栅格划分结果。达到了通过目标海域的基础信息进行仿真模型构建,获得初始海域模型,并对初始海域模型进行栅格划分,获得栅格划分结果,为后续构建可视化海域模型提供数据支持的技术效果。
步骤S240:结合所述位置信息对所述N个栅格进行分析,得到可视化海域模型;
进一步的,本申请步骤S240还包括:
步骤S241:提取所述N个栅格中的目标栅格,并匹配所述目标栅格的实际位置;
步骤S242:结合所述位置信息,判断所述实际位置是否符合预设要求,获得判断结果;
具体而言,依次将N个栅格中的每个栅格设置为目标栅格,并匹配目标栅格的实际位置。进一步,结合位置信息,判断实际位置是否符合预设要求,获得判断结果。其中,目标栅格依次为N个栅格中的每个栅格。所述实际位置包括目标栅格对应的目标海域的实际位置信息。所述预设要求包括目标海域中,实际位置是否存在无人船。所述判断结果包括N个栅格对应的第一判断结果和/或第二判断结果。所述第一判断结果包括实际位置符合预设要求。所述第二判断结果包括实际位置不符合预设要求。
步骤S243:根据所述判断结果对所述初始海域模型进行渲染,生成所述可视化海域模型。
步骤S2431:提取所述判断结果中的第一判断结果,其中,所述第一判断结果是指所述实际位置符合所述预设要求;
步骤S2432:基于所述第一判断结果获得第一标记指令,并根据所述第一标记指令对所述目标栅格进行占用标记,得到占用标记结果;
步骤S2433:提取所述判断结果中的第二判断结果,其中,所述第二判断结果是指所述实际位置不符合所述预设要求;
步骤S2434:基于所述第二判断结果获得第二标记指令,并根据所述第二标记指令对所述目标栅格进行自由标记,得到自由标记结果;
步骤S2435:将所述占用标记结果、所述自由标记结果依次渲染至所述初始海域模型,得到所述可视化海域模型。
步骤S250:根据所述可视化海域模型确定所述目标无人船。
具体而言,从判断结果中提取出第一判断结果,获得第一标记指令,并根据第一标记指令对目标栅格进行占用标记,获得占用标记结果。进一步,从判断结果中提取出第二判断结果,获得第二标记指令,并根据第二标记指令对目标栅格进行自由标记,获得自由标记结果。将占用标记结果、自由标记结果依次渲染至初始海域模型,生成可视化海域模型,并根据可视化海域模型确定目标无人船。示例性地,可将可视化海域模型中,距离目标水下机器人的目标位置信息最近的无人船设置为目标无人船。
其中,所述第一标记指令是用于对符合预设要求的目标栅格进行占用标记的指令信息。例如,所述第一标记指令包括将第一判断结果对应的目标栅格渲染标记为黑色。所述占用标记结果包括根据第一标记指令对目标栅格进行占用标记后,获得的栅格标记信息。所述第二标记指令是用于对不符合预设要求的目标栅格进行占用标记的指令信息。例如,所述第二标记指令包括将第二判断结果对应的目标栅格渲染标记为白色。所述自由标记结果包括根据第二标记指令对目标栅格进行占用标记后,获得的栅格标记信息。所述可视化海域模型包括具有占用标记结果、自由标记结果的初始海域模型。示例性地,在生成可视化海域模型时,通过现有技术中的模型渲染软件对初始海域模型进行占用标记结果、自由标记结果的渲染,获得可视化海域模型。达到了通过目标海域的可视化海域模型进行无人船筛选,确定目标无人船,提高水下机器人的回收布放管理的智能性、立体化的技术效果。
步骤S400:根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收。
进一步的,本申请步骤S400还包括:
步骤S410:所述回收布放装置包括伸缩组件、夹具组件,其中,所述夹具组件通过开合对所述目标水下机器人进行夹取,所述伸缩组件通过伸缩对所述夹具组件夹取的所述目标水下机器人进行上下移动。
具体而言,当获得回收启动指令之后,按照回收启动指令启动回收布放装置对目标水下机器人进行回收。其中,所述回收布放装置包括于目标无人船,且,回收布放装置与回收布放平台端通信连接。所述回收布放装置为现有技术中的水下机器人布放回收装置。回收布放装置包括伸缩组件、夹具组件。夹具组件通过开合对目标水下机器人进行夹取,伸缩组件通过伸缩对夹具组件夹取的目标水下机器人进行上下移动,从而实现对目标水下机器人的自动化回收。
进一步的,本申请步骤S400之后,还包括:
步骤S510:根据能源补给点位置确定预设岸边位置,并结合所述目标位置得到第二目标回收路径,其中,所述第二目标回收路径是指所述目标无人船将所述目标水下机器人从所述目标位置携带至所述预设岸边位置的路径。
具体而言,根据能源补给点位置确定预设岸边位置,结合目标位置得到第二目标回收路径。其中,所述能源补给点位置包括预先设置确定的水下机器人能源补充位置。所述预设岸边位置包括能源补给点位置对应的岸边位置。所述第二目标回收路径包括目标无人船将目标水下机器人从目标位置携带至预设岸边位置的路径信息。第二目标回收路径与第一目标回收路径的获得方式相同,为了说明书的简洁,在此不再赘述。
进一步的,本申请步骤S510之后,还包括:
步骤S520:将能源补给之后的所述目标水下机器人置于所述预设岸边位置,并结合第二目标位置得到第一目标布放路径;
步骤S530:所述目标无人船基于所述第一目标布放路径对所述能源补给之后的所述目标水下机器人进行携带;
步骤S540:所述回收布放装置对所述能源补给之后的所述目标水下机器人进行布放。
具体而言,目标无人船按照第二目标回收路径将目标水下机器人从目标位置携带至预设岸边位置后,通过回收布放装置将目标水下机器人置于能源补给点位置。通过能源补给点位置预先设置确定的能源补给装置对目标水下机器人进行能源补给,获得能源补给之后的目标水下机器人。进一步,通过回收布放装置将能源补给之后的目标水下机器人置于预设岸边位置,结合第二目标位置,获得第一目标布放路径。目标无人船按照第一目标布放路径对能源补给之后的目标水下机器人进行携带,并通过回收布放装置对能源补给之后的目标水下机器人进行布放。其中,所述第二目标位置包括预先设置确定的预设岸边位置对应的布放目标水下机器人的最佳位置。所述第一目标布放路径包括目标无人船将能源补给之后的目标水下机器人从预设岸边位置携带至第二目标位置的路径信息。第一目标布放路径与第一目标回收路径的获得方式相同,为了说明书的简洁,在此不再赘述。达到了通过无人船对水下机器人进行智能化回收布放控制,提高水下机器人的回收布放自动化程度,提高水下机器人的回收布放效率及回收布放质量的技术效果。
综上所述,本申请所提供的一种无人船自动回收布放水下机器人的方法具有如下技术效果:
1.通过接收水下机器人终端的回收指令,确定目标水下机器人。通过目标水下机器人的目标位置信息、目标无人船的实时位置信息,确定第一目标回收路径;启动目标无人船,目标无人船按照第一目标回收路径行驶至第一目标位置,触发回收启动指令;根据回收启动指令启动回收布放装置对目标水下机器人进行回收。达到了通过无人船对水下机器人进行自动回收布放管理,降低水下机器人的回收布放的人工依赖性,提升水下机器人的回收布放的自动化程度,提高水下机器人的回收布放效率及回收布放效果的技术效果。
2.通过对实时能源余量是否满足预设余量阈值进行判断,适应性地生成回收指令,提高水下机器人的回收布放适应性。
3.在实时能源余量满足预设余量阈值时,通过智能预测模型对目标水下机器人进行回收时间预测,从而提高对水下机器人进行回收布放管理的全面性、智能性。
实施例2
基于与前述实施例中一种无人船自动回收布放水下机器人的方法,同样发明构思,本发明还提供了一种无人船自动回收布放水下机器人的系统,请参阅附图3,所述系统包括回收布放平台端、水下机器人终端,所述系统还包括:
回收指令接收模块11,所述回收指令接收模块11用于接收水下机器人终端的回收指令,并分析确定所述回收指令中的待回收水下机器人,记作目标水下机器人;
目标回收路径确定模块12,所述目标回收路径确定模块12用于获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径;
启动指令触发模块13,所述启动指令触发模块13用于启动所述目标无人船基于所述第一目标回收路径行驶至第一目标位置,并触发回收启动指令;
回收模块14,所述回收模块14用于根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收。
其中,所述回收布放装置包括伸缩组件、夹具组件,所述夹具组件通过开合对所述目标水下机器人进行夹取,所述伸缩组件通过伸缩对所述夹具组件夹取的所述目标水下机器人进行上下移动。
进一步的,所述系统还包括:
第二目标回收路径确定模块,所述第二目标回收路径确定模块用于根据能源补给点位置确定预设岸边位置,并结合所述目标位置得到第二目标回收路径,其中,所述第二目标回收路径是指所述目标无人船将所述目标水下机器人从所述目标位置携带至所述预设岸边位置的路径。
进一步的,所述系统还包括:
第一目标布放路径确定模块,所述第一目标布放路径确定模块用于将能源补给之后的所述目标水下机器人置于所述预设岸边位置,并结合第二目标位置得到第一目标布放路径;
第一控制模块,所述第一控制模块用于所述目标无人船基于所述第一目标布放路径对所述能源补给之后的所述目标水下机器人进行携带;
第二控制模块,所述第二控制模块用于所述回收布放装置对所述能源补给之后的所述目标水下机器人进行布放。
进一步的,所述系统还包括:
无人船位置采集模块,所述无人船位置采集模块用于采集目标海域中无人船的位置信息,其中,所述位置信息是指M条具备船只标识的无人船的位置,且M为大于等于1的整数;
构建模块,所述构建模块用于获取所述目标海域的基础信息,并根据所述基础信息构建初始海域模型;
栅格划分模块,所述栅格划分模块用于对所述初始海域模型进行栅格划分,得到栅格划分结果,其中,所述栅格划分结果包括N个栅格,且N为大于1的整数;
栅格分析模块,所述栅格分析模块用于结合所述位置信息对所述N个栅格进行分析,得到可视化海域模型;
目标无人船确定模块,所述目标无人船确定模块用于根据所述可视化海域模型确定所述目标无人船。
进一步的,所述系统还包括:
实际位置生成模块,所述实际位置生成模块用于提取所述N个栅格中的目标栅格,并匹配所述目标栅格的实际位置;
判断模块,所述判断模块用于结合所述位置信息,判断所述实际位置是否符合预设要求,获得判断结果;
渲染模块,所述渲染模块用于根据所述判断结果对所述初始海域模型进行渲染,生成所述可视化海域模型。
进一步的,所述系统还包括:
第一执行模块,所述第一执行模块用于提取所述判断结果中的第一判断结果,其中,所述第一判断结果是指所述实际位置符合所述预设要求;
占用标记模块,所述占用标记模块用于基于所述第一判断结果获得第一标记指令,并根据所述第一标记指令对所述目标栅格进行占用标记,得到占用标记结果;
第三执行模块,所述第三执行模块用于提取所述判断结果中的第二判断结果,其中,所述第二判断结果是指所述实际位置不符合所述预设要求;
自由标记模块,所述自由标记模块用于基于所述第二判断结果获得第二标记指令,并根据所述第二标记指令对所述目标栅格进行自由标记,得到自由标记结果;
第四执行模块,所述第四执行模块用于将所述占用标记结果、所述自由标记结果依次渲染至所述初始海域模型,得到所述可视化海域模型。
进一步的,所述系统还包括:
实时能源余量获取模块,所述实时能源余量获取模块用于获取所述目标水下机器人的实时能源余量;
余量判断模块,所述余量判断模块用于判断所述实时能源余量是否满足预设余量阈值;
第五执行模块,所述第五执行模块用于若是不满足,生成所述回收指令,并将所述回收指令发送至所述回收布放平台端。
进一步的,所述系统还包括:
预测指令生成模块,所述预测指令生成模块用于若是满足,生成预测指令;
第六执行模块,所述第六执行模块用于基于所述预测指令将所述实时能源余量输入智能预测模型,得到模型输出结果,其中,所述模型输出结果是指对所述目标水下机器人的回收时间的预测。
本发明实施例所提供的一种无人船自动回收布放水下机器人的系统可执行本发明任意实施例所提供的一种无人船自动回收布放水下机器人的方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本申请提供了一种无人船自动回收布放水下机器人的方法,其中,所述方法应用于一种无人船自动回收布放水下机器人的系统,所述方法包括:通过接收水下机器人终端的回收指令,确定目标水下机器人。通过目标水下机器人的目标位置信息、目标无人船的实时位置信息,确定第一目标回收路径;启动目标无人船,目标无人船按照第一目标回收路径行驶至第一目标位置,触发回收启动指令;根据回收启动指令启动回收布放装置对目标水下机器人进行回收。解决了现有技术中针对水下机器人的回收布放人工依赖性强、自动化程度低,以及水下机器人的回收布放效率低、回收布放效果不佳的技术问题。达到了通过无人船对水下机器人进行自动回收布放管理,降低水下机器人的回收布放的人工依赖性,提升水下机器人的回收布放的自动化程度,提高水下机器人的回收布放效率及回收布放效果的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种无人船自动回收布放水下机器人的方法,应用于回收布放平台端,其特征在于,包括:
接收水下机器人终端的回收指令,并分析确定所述回收指令中的待回收水下机器人,记作目标水下机器人;
获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径;
启动所述目标无人船基于所述第一目标回收路径行驶至第一目标位置,并触发回收启动指令;并且
根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收;
其中,在所述获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径之前,包括:
采集目标海域中无人船的位置信息,其中,所述位置信息是指M条具备船只标识的无人船的位置,且M为大于等于1的整数;
获取所述目标海域的基础信息,并根据所述基础信息构建初始海域模型;
对所述初始海域模型进行栅格划分,得到栅格划分结果,其中,所述栅格划分结果包括N个栅格,且N为大于1的整数;
结合所述位置信息对所述N个栅格进行分析,得到可视化海域模型;
根据所述可视化海域模型确定所述目标无人船;
其中,所述结合所述位置信息对所述N个栅格进行分析,得到可视化海域模型,包括:
提取所述N个栅格中的目标栅格,并匹配所述目标栅格的实际位置;
结合所述位置信息,判断所述实际位置是否符合预设要求,获得判断结果;
根据所述判断结果对所述初始海域模型进行渲染,生成所述可视化海域模型,包括:
提取所述判断结果中的第一判断结果,其中,所述第一判断结果是指所述实际位置符合所述预设要求;
基于所述第一判断结果获得第一标记指令,并根据所述第一标记指令对所述目标栅格进行占用标记,得到占用标记结果;
提取所述判断结果中的第二判断结果,其中,所述第二判断结果是指所述实际位置不符合所述预设要求;
基于所述第二判断结果获得第二标记指令,并根据所述第二标记指令对所述目标栅格进行自由标记,得到自由标记结果;
将所述占用标记结果、所述自由标记结果依次渲染至所述初始海域模型,得到所述可视化海域模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收,包括:
所述回收布放装置包括伸缩组件、夹具组件;
其中,所述夹具组件通过开合对所述目标水下机器人进行夹取,所述伸缩组件通过伸缩对所述夹具组件夹取的所述目标水下机器人进行上下移动。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收之后,还包括:
根据能源补给点位置确定预设岸边位置,并结合所述目标位置得到第二目标回收路径;
其中,所述第二目标回收路径是指所述目标无人船将所述目标水下机器人从所述目标位置携带至所述预设岸边位置的路径。
4.根据权利要求3所述的方法,其特征在于,还包括:
将能源补给之后的所述目标水下机器人置于所述预设岸边位置,并结合第二目标位置得到第一目标布放路径;
所述目标无人船基于所述第一目标布放路径对所述能源补给之后的所述目标水下机器人进行携带;并且
所述回收布放装置对所述能源补给之后的所述目标水下机器人进行布放。
5.根据权利要求1所述的方法,应用于水下机器人终端,其特征在于,所述接收水下机器人终端的回收指令,包括:
获取所述目标水下机器人的实时能源余量;
判断所述实时能源余量是否满足预设余量阈值;
若是不满足,生成所述回收指令,并将所述回收指令发送至所述回收布放平台端。
6.根据权利要求5所述的方法,其特征在于,在所述判断所述实时能源余量是否满足预设余量阈值之后,包括:
若是满足,生成预测指令;
基于所述预测指令将所述实时能源余量输入智能预测模型,得到模型输出结果;
其中,所述模型输出结果是指对所述目标水下机器人的回收时间的预测。
7.一种无人船自动回收布放水下机器人的系统,其特征在于,所述系统用于执行权利要求1至6中任一项所述的方法,所述系统包括回收布放平台端、水下机器人终端,所述系统还包括:
回收指令接收模块,所述回收指令接收模块用于接收水下机器人终端的回收指令,并分析确定所述回收指令中的待回收水下机器人,记作目标水下机器人;
目标回收路径确定模块,所述目标回收路径确定模块用于获取所述目标水下机器人的目标位置信息,并结合目标无人船的实时位置信息确定第一目标回收路径;
启动指令触发模块,所述启动指令触发模块用于启动所述目标无人船基于所述第一目标回收路径行驶至第一目标位置,并触发回收启动指令;并且
回收模块,所述回收模块用于根据所述回收启动指令启动回收布放装置对所述目标水下机器人进行回收;
无人船位置采集模块,所述无人船位置采集模块用于采集目标海域中无人船的位置信息,其中,所述位置信息是指M条具备船只标识的无人船的位置,且M为大于等于1的整数;
构建模块,所述构建模块用于获取所述目标海域的基础信息,并根据所述基础信息构建初始海域模型;
栅格划分模块,所述栅格划分模块用于对所述初始海域模型进行栅格划分,得到栅格划分结果,其中,所述栅格划分结果包括N个栅格,且N为大于1的整数;
栅格分析模块,所述栅格分析模块用于结合所述位置信息对所述N个栅格进行分析,得到可视化海域模型;
目标无人船确定模块,所述目标无人船确定模块用于根据所述可视化海域模型确定所述目标无人船;
实际位置生成模块,所述实际位置生成模块用于提取所述N个栅格中的目标栅格,并匹配所述目标栅格的实际位置;
判断模块,所述判断模块用于结合所述位置信息,判断所述实际位置是否符合预设要求,获得判断结果;
渲染模块,所述渲染模块用于根据所述判断结果对所述初始海域模型进行渲染,生成所述可视化海域模型;
第一执行模块,所述第一执行模块用于提取所述判断结果中的第一判断结果,其中,所述第一判断结果是指所述实际位置符合所述预设要求;
占用标记模块,所述占用标记模块用于基于所述第一判断结果获得第一标记指令,并根据所述第一标记指令对所述目标栅格进行占用标记,得到占用标记结果;
第三执行模块,所述第三执行模块用于提取所述判断结果中的第二判断结果,其中,所述第二判断结果是指所述实际位置不符合所述预设要求;
自由标记模块,所述自由标记模块用于基于所述第二判断结果获得第二标记指令,并根据所述第二标记指令对所述目标栅格进行自由标记,得到自由标记结果;
第四执行模块,所述第四执行模块用于将所述占用标记结果、所述自由标记结果依次渲染至所述初始海域模型,得到所述可视化海域模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310812695.2A CN116540751B (zh) | 2023-07-05 | 2023-07-05 | 一种无人船自动回收布放水下机器人的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310812695.2A CN116540751B (zh) | 2023-07-05 | 2023-07-05 | 一种无人船自动回收布放水下机器人的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116540751A CN116540751A (zh) | 2023-08-04 |
CN116540751B true CN116540751B (zh) | 2023-10-20 |
Family
ID=87456310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310812695.2A Active CN116540751B (zh) | 2023-07-05 | 2023-07-05 | 一种无人船自动回收布放水下机器人的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116540751B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208816A (zh) * | 2019-06-04 | 2019-09-06 | 浙江海洋大学 | 用于海上无人艇的自动障碍物识别系统及识别方法 |
CN111989632A (zh) * | 2018-04-16 | 2020-11-24 | Wing航空有限责任公司 | 多uav管理 |
CN113657030A (zh) * | 2021-08-12 | 2021-11-16 | 浙江工业大学 | 一种基于高斯过程回归的锂电池剩余使用寿命预测方法 |
CN215884046U (zh) * | 2020-09-18 | 2022-02-22 | 中交通信大数据(上海)科技有限公司 | 一种自浮式海上无人机及其落水搜救系统 |
CN114872841A (zh) * | 2022-04-12 | 2022-08-09 | 株洲中车时代电气股份有限公司 | 自主水下探测系统、方法及自动回收和布放auv的方法 |
-
2023
- 2023-07-05 CN CN202310812695.2A patent/CN116540751B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111989632A (zh) * | 2018-04-16 | 2020-11-24 | Wing航空有限责任公司 | 多uav管理 |
CN110208816A (zh) * | 2019-06-04 | 2019-09-06 | 浙江海洋大学 | 用于海上无人艇的自动障碍物识别系统及识别方法 |
CN215884046U (zh) * | 2020-09-18 | 2022-02-22 | 中交通信大数据(上海)科技有限公司 | 一种自浮式海上无人机及其落水搜救系统 |
CN113657030A (zh) * | 2021-08-12 | 2021-11-16 | 浙江工业大学 | 一种基于高斯过程回归的锂电池剩余使用寿命预测方法 |
CN114872841A (zh) * | 2022-04-12 | 2022-08-09 | 株洲中车时代电气股份有限公司 | 自主水下探测系统、方法及自动回收和布放auv的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116540751A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113176776B (zh) | 基于深度强化学习的无人艇天气自适应避障方法 | |
CN108681321B (zh) | 一种无人船协同编队的水下探测方法 | |
CN112650237B (zh) | 基于聚类处理和人工势场的船舶路径规划方法和装置 | |
Cao et al. | Target search control of AUV in underwater environment with deep reinforcement learning | |
CN109784201B (zh) | 基于四维风险评估的auv动态避障方法 | |
CN109931943B (zh) | 无人船舶全局路径规划方法及电子设备 | |
CN113239986B (zh) | 车辆轨迹评价网络模型的训练方法、装置和存储介质 | |
CN115809609B (zh) | 一种多水下自主航行器目标搜索方法及其系统 | |
CN111338356A (zh) | 改进分布式遗传算法的多目标无人船避碰路径规划方法 | |
Ma et al. | CCIBA*: An improved BA* based collaborative coverage path planning method for multiple unmanned surface mapping vehicles | |
Chen et al. | Survey on cooperative control for waterborne transport | |
CN111813108A (zh) | 一种实时分布式多机器人队形控制方法、系统 | |
CN116540751B (zh) | 一种无人船自动回收布放水下机器人的方法 | |
CN110737260B (zh) | 基于大数据和人工智能的自动作业方法和机器人系统 | |
Huang et al. | Time optimal robot motion control in simultaneous localization and map building (SLAM) problem | |
Fromreide et al. | Predicting motion patterns using optimal paths | |
Mu et al. | Coverage Path Planning for UAV Based on Improved Back-and-Forth Mode | |
Lee | Hybrid system approach to optimum design of a ship | |
CN115373409B (zh) | 一种复杂环境下水下机器人协同捕捞海生物的路径规划方法 | |
Fang et al. | Multi-Agent Generative Adversarial Interactive Self-Imitation Learning for AUV Formation Control and Obstacle Avoidance | |
Chin et al. | Multi-channel Bayesian adaptive resonance associative memory for environment learning and topological map building | |
Lee et al. | Passage Planning in Coastal Waters for Maritime Autonomous Surface Ships using the D* Algorithm | |
CN115688861B (zh) | 一种用于混合交通环境行为决策的模块化图强化学习系统 | |
CN117451066A (zh) | 一种基于强化学习的分布式智能仓储无人车路径规划方法 | |
CN118067131B (zh) | 一种用于水下机器人的路径规划控制方法 |
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 |