CN117647812A - 基于导航雷达的船舶行驶路线检测预警方法及系统 - Google Patents
基于导航雷达的船舶行驶路线检测预警方法及系统 Download PDFInfo
- Publication number
- CN117647812A CN117647812A CN202311579020.4A CN202311579020A CN117647812A CN 117647812 A CN117647812 A CN 117647812A CN 202311579020 A CN202311579020 A CN 202311579020A CN 117647812 A CN117647812 A CN 117647812A
- Authority
- CN
- China
- Prior art keywords
- radar
- ship
- navigation
- data
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 19
- 238000012502 risk assessment Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 230000004888 barrier function Effects 0.000 description 6
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于导航雷达的船舶行驶路线检测预警方法及系统，涉及船舶行驶预警技术领域。将导航雷达系统按照装设在船舶上；根据导航雷达系统持续采集周围海域的雷达数据，并对采集的雷达数据进行处理；通过对雷达数据进行目标特征分析，并训练模型以识别不同类型的障碍物，分析目标的相关特征，排除不符合障碍物特征的目标；检测识别潜在的碰撞风险或危险情况，生成警报并进行预警显示。本发明采用导航雷达的相关数据与预警模型的构建，可以及时检测到不同类型的障碍物与碰撞风险，并进行预警，从而帮助避免事故和碰撞，提高航行安全，并且可以优化船舶的航行路线，有助于改进航行规则。
Description
技术领域
本发明属于船舶行驶预警技术领域，特别是涉及一种基于导航雷达的船舶行驶路线检测预警方法及系统。
背景技术
导航雷达是一种利用电磁波探测目标的电子设备，其基本任务是探测感兴趣的目标，并测定有关目标的距离、方向、速度等状态参数，随着船舶智能化、信息化的趋势以及智能船舶建设的推进，渔船、舰船、游艇、运输船(客船、货船)等领域对船用导航雷达的需求不断增长，在该背景下，船舶行驶路线的规划、预警与导航雷达的应用密不可分。
如何对船舶行驶路线的不同类型障碍阻隔进行处理，并在船舶行驶的过程中，较难准确识别碰撞风险予以风险评估预警，是我们需要解决的问题，为此，现提供基于导航雷达的船舶行驶路线检测预警方法及系统。
发明内容
本发明目的在于提供一种基于导航雷达的船舶行驶路线检测预警方法及系统，以解决上述背景技术中提出的问题。
为了实现本发明目的，本发明公开了一种基于导航雷达的船舶行驶路线检测预警方法，包括以下步骤：
S1、将导航雷达系统按照装设在船舶上，导航雷达系统持续采集周围海域的雷达数据，用于获得关于船舶周围环境的实时信息；
S2、根据导航雷达系统持续采集周围海域的雷达数据，并对采集的雷达数据进行处理；
S3、通过对雷达数据进行目标特征分析，并训练模型以识别不同类型的障碍物，分析目标的相关特征，排除不符合障碍物特征的目标；
S4、检测识别潜在的碰撞风险或危险情况，生成警报并进行预警显示，有助于船员采取必要的行动，以确保航行安全。
进一步地，步骤S1中，导航雷达系统持续采集周围海域的雷达数据处理过程包括去噪、地物移除和坐标转换，确保数据质量以及与地理坐标的一致性，用于提高数据的质量及目标识别准确性。
进一步地，步骤S3中，雷达数据目标特征分析的过程为：
S3-1、对雷达数据进行坐标转换，在转换后的坐标中，预设目标的距离和强度阈值，进行目标检测，找到相关目标；
S3-2、将检测到的目标在不同的雷达扫描之间关联起来，获得目标的轨迹信息；
S3-3、对于每个已识别的目标，提取反射率、大小、形状特征。
进一步地，步骤S3-1中，雷达数据坐标转换将雷达数据从笛卡尔坐标系(x,y)转换为极坐标系(r,θ)，其中，r表示目标到雷达的距离(极径)，θ表示目标相对于雷达的方位角，其计算公式如下：
其中，arctan是反正切函数，用来求出两个数之间的角度，把数据从笛卡尔坐标转换为极坐标，使得目标的信息更容易识别；
目标反射率通过雷达返回信号的强度获取；
目标大小通过目标在雷达图像中的尺寸获取，使用雷达图像的分辨率和目标的角直径计算目标的实际尺寸，其计算公式如下：
其中，角直径为θ，雷达分辨率为R，目标的实际尺寸为D；
目标形状通过目标的散射特性获取，以其散射截面和散射模式呈现。
进一步地，步骤S3中，训练模型识别不同类型障碍物的过程为：
S3-4、对雷达数据目标特征进行标注，明确相关数据与障碍物类型的对应属性；
S3-5、基于提取的特征，构建卷积神经网络模型，对特征进行多层次的抽象和表示，模型的输出为障碍物的类型；
S3-6、使用已标注的数据对模型进行训练，使得模型根据输入的特征推断出障碍物的类型，训练过程中，度量模型的预测结果与真实结果之间的差异；
S3-7、模型训练完成后，对模型进行优化，提高其泛化性能和鲁棒性。
进一步地，步骤S3-6中，度量模型的预测结果与真实结果之间的差异，通过计算损失值实现，其计算公式如下：
H(y,p)＝-[y*log(p)+(1-y)*log(1-p)]
其中，H(y,p)是损失值，y是真实标签(取值为0或1，表示样本属于的类别)，p是模型的预测概率(在0到1之间)；
当真实标签y等于1时，损失由第一项-y*log(p)决定，即模型对正类别的预测概率p越接近1，损失越小；
当真实标签y等于0时，损失主要由第二项(1-y)*log(1-p)决定，即模型对负类别的预测概率1-p越接近1，损失越小。
进一步地，步骤S4中，检测识别潜在的碰撞风险或危险情况的过程为：
S4-1、结合训练的模型，对船舶行驶存在碰撞风险进行分析；
S4-2、将模型度量的障碍物与船舶行驶路线的相对位置进行匹配；
S4-3、当障碍物处于船舶行驶路线内时，将船舶行驶路线标记为碰撞风险物，并获取碰撞风险物对应的坐标位置；
S4-4、获取船舶与碰撞风险物的碰撞系数，将船舶与碰撞风险物的碰撞系数记为C；并设置碰撞系数阈值C1。
进一步地，步骤S4-4中，船舶与碰撞风险物的碰撞系数计算公式如下：
其中，C是碰撞系数，m1是船舶的质量，v1是船舶的速度，d是船舶和碰撞风险物的距离，θ是船舶和碰撞风险物的相对角度；
当C≤C1时，表示障碍物与船舶存在碰撞风险，生成预警指令，将预警指令发送向船舶控制人员，进行人工干预；
当C＞C1时，表示障碍物未影响船舶的正常行驶，不作操作，但需要对障碍物进行标记。
为了实现本发明的目的，本发明还公开了一种基于导航雷达的船舶行驶路线检测预警系统，包括控制服务器，控制服务器通信连接有雷达传感器单元、数据收集及处理单元、导航计算单元、模型训练模块、碰撞风险评估单元、用户界面和通信单元、地图数据单元以及记录和报告单元，各个单元之间电性连接；其中，数据收集及处理单元用于与雷达传感器单元结合收集周围海域的雷达数据，并对雷达数据进行处理，基于模型训练模块与处理后的雷达数据，进行数据的特征提取及模型训练，并与碰撞风险评估单元结合，将预警信息发送至用户界面和通信单元。
进一步地，数据收集及处理单元，用于接收来自雷达传感器的原始数据，进行数据处理、滤波、跟踪和目标识别，提取有关周围环境的有用信息；
导航计算单元，用于基于雷达数据和船舶的导航参数(位置、航向、速度)计算出船舶的当前位置、航向、速度以及预测未来的行驶路线；
模型训练模块，用于对数据进行特征提取，选择和构建用于训练的特征，进行特征标注后，训练模型并推测障碍物类型，以与碰撞风险评估单元结合，进行预警；
碰撞风险评估单元，使用导航计算单元提供的信息，评估船舶与周围物体之间的碰撞风险，并生成相应的警告或建议，以避免潜在的碰撞；
用户界面和通信单元，用于提供用户与系统交互的界面，包括显示雷达图像、提供警告信息；
地图数据单元，用于存储和管理地图数据，包括水深、浮标位置、港口信息，与雷达数据融合，用于更准确的船舶位置和路线规划；
记录和报告单元，用于记录航行数据、事件日志和警报情况，以便后续分析和报告，监督航行员和系统性能。
与现有技术相比，本发明的显著进步在于：1)本发明提供基于导航雷达的船舶行驶路线检测预警方法及系统，采用导航雷达的相关数据与预警模型的构建，可以及时检测到不同类型的障碍物与碰撞风险，并进行预警，从而帮助避免事故和碰撞，提高航行安全，并且可以优化船舶的航行路线，有助于改进航行规则；2)本发明提供基于导航雷达的船舶行驶路线检测预警方法及系统，通过地图数据单元与记录报告单元的相关配合，能够将障碍物检测数据记录下来，用于后续的分析和改进系统性能，有助于不断提高系统的准确性和可靠性，以适应不同类型的障碍物和不同环境条件。
为更清楚说明本发明的功能特性以及结构参数，下面结合附图及具体实施方式进一步说明。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为基于导航雷达的船舶行驶路线检测预警方法的流程图；
图2为基于导航雷达的船舶行驶路线检测预警方法的雷达数据目标特征分析流程图；
图3为基于导航雷达的船舶行驶路线检测预警方法的训练模型识别不同类型障碍物流程图；
图4为基于导航雷达的船舶行驶路线检测预警方法的检测识别潜在的碰撞风险流程图；
图5为基于导航雷达的船舶行驶路线检测预警系统构成单元图。
具体实施方式
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。
实施例1
如图1-3所示，本发明提供了基于导航雷达的船舶行驶路线检测预警方法，包括以下步骤：
S1、将导航雷达系统按照装设在船舶上，导航雷达系统会持续采集周围海域的雷达数据，用于获得关于船舶周围环境的实时信息，采集的雷达数据处理过程包括去噪、地物移除和坐标转换，确保数据质量以及与地理坐标的一致性，有助于提高数据的质量，提高目标识别准确性；
S2、根据导航雷达系统持续采集周围海域的雷达数据，并对采集的雷达数据进行处理；
S3、通过对雷达数据进行目标特征分析，并训练模型以识别不同类型的障碍物，分析目标的相关特征，排除不符合障碍物特征的目标，目标特征分析的具体过程为，
对雷达数据进行坐标转换，在转换后的坐标中，预设目标的距离和强度阈值，进行目标检测，找到相关目标；
将检测到的目标在不同的雷达扫描之间关联起来，获得目标的轨迹信息；
对于每个已识别的目标，提取反射率、大小、形状特征；
雷达数据坐标转换将雷达数据从笛卡尔坐标系(x,y)转换为极坐标系(r,θ)，
其中，r表示目标到雷达的距离(极径)，θ表示目标相对于雷达的方位角，其计算公式如下：
其中，arctan是反正切函数，用来求出两个数之间的角度，把数据从笛卡尔坐标转换为极坐标，使得目标的信息更容易识别；
目标反射率通过雷达返回信号的强度获取；
目标大小通过目标在雷达图像中的尺寸获取，使用雷达图像的分辨率和目标的角直径计算目标的实际尺寸，其计算公式如下：
其中，角直径为θ，雷达分辨率为R，目标的实际尺寸为D；
目标形状通过目标的散射特性获取，以其散射截面和散射模式呈现；
训练模型识别不同类型障碍物的过程为，
对雷达数据目标特征进行标注，明确相关数据与障碍物类型的对应属性；
基于提取的特征，构建卷积神经网络模型，对特征进行多层次的抽象和表示，模型的输出为障碍物的类型；
使用已标注的数据对模型进行训练，使得模型根据输入的特征推断出障碍物的类型，训练过程中，度量模型的预测结果与真实结果之间的差异；
模型训练完成后，对模型进行优化，提高其泛化性能和鲁棒性；
S4、检测识别潜在的碰撞风险或危险情况，生成警报并进行预警显示，有助于船员采取必要的行动，以确保航行安全。
实施例2
如图4所示，在实施例1的基础上，本发明提供一种技术方案：优选的，度量模型的预测结果与真实结果之间的差异，通过计算损失值实现，其计算公式如下：
H(y,p)＝-[y*log(p)+(1-y)*log(1-p)]
其中，H(y,p)是损失值，y是真实标签(取值为0或1，表示样本属于的类别)，p是模型的预测概率(在0到1之间)；
当真实标签y等于1时，损失由第一项-y*log(p)决定，即模型对正类别的预测概率p越接近1，损失越小；
当真实标签y等于0时，损失主要由第二项(1-y)*log(1-p)决定，即模型对负类别的预测概率1-p越接近1，损失越小；
此外，检测识别潜在的碰撞风险的过程为，
结合训练的模型，对船舶行驶存在碰撞风险进行分析；
将模型度量的障碍物与船舶行驶路线的相对位置进行匹配；
当障碍物处于船舶行驶路线内时，将船舶行驶路线标记为碰撞风险物，并获取碰撞风险物对应的坐标位置；
获取船舶与碰撞风险物的碰撞系数，将船舶与碰撞风险物的碰撞系数记为C；
并设置碰撞系数阈值C1；
船舶与碰撞风险物的碰撞系数计算公式如下：
其中，C是碰撞系数，m1是船舶的质量，v1是船舶的速度，d是船舶和碰撞风险物的距离，θ是船舶和碰撞风险物的相对角度；
当C≤C1时，表示障碍物与船舶存在碰撞风险，生成预警指令，将预警指令发送向船舶控制人员，进行人工干预；
当C＞C1时，表示障碍物未影响船舶的正常行驶，不作操作，但需要对障碍物进行标记；
障碍物对船舶的影响与障碍物的目标大小有关联，而障碍物对船舶造成的负面影响则与船舶的体积负相关，即船舶越大，障碍物越小对船舶造成的影响越小；
优选的，船舶在航行过程中，对于障碍物的示警距离根据不同情况进行判断；
对于可见障碍物，如岛屿、海岸、其他船只等，保持2海里以上的距离，对于暗礁等水下障碍物，应保持3～5海里的距离，以帮助船舶避免碰撞，并应对可能的风流影响；
如船舶吃水深，应更远离障碍物，空船压载情况下(吃水11～12米)应以20米等深线为警戒线，满载情况下(吃水16～19米)应以30～50米等深线为警戒线；
在能见度良好的情况下，应与可见障碍物保持2海里以上通过，与暗礁等水下障碍物保持3～5海里通过，与海岸保持在5～10海里通过，而在夜间或能见度不良时，要适当加大与障碍物的安全距离。
实施例3
如图5所示，在实施例1-2的基础上，本发明提供了基于导航雷达的船舶行驶路线检测预警系统，包括控制服务器，控制服务器通信连接有雷达传感器单元、数据收集及处理单元、导航计算单元、模型训练模块、碰撞风险评估单元、用户界面和通信单元、地图数据单元以及记录和报告单元，其中，各个单元之间电性连接；
其中，数据收集及处理单元用于与雷达传感器单元结合收集周围海域的雷达数据，并对雷达数据进行处理，基于模型训练模块与处理后的雷达数据，进行数据的特征提取及模型训练，并与碰撞风险评估单元结合，将预警信息发送至用户界面和通信单元；
进一步的，雷达传感器单元，用于检测周围的物体和障碍物；
数据收集及处理单元，用于接收来自雷达传感器的原始数据，进行数据处理、滤波、跟踪和目标识别，提取有关周围环境的有用信息；
导航计算单元，基于雷达数据和船舶的导航参数(位置、航向、速度)计算出船舶的当前位置、航向、速度以及预测未来的行驶路线；
模型训练模块，用于对数据进行特征提取，选择和构建用于训练的特征，进行特征标注后，训练模型并推测障碍物类型，以与碰撞风险评估单元结合，进行预警；
碰撞风险评估单元，使用导航计算单元提供的信息，评估船舶与周围物体之间的碰撞风险，并生成相应的警告或建议，以避免潜在的碰撞；
用户界面和通信单元，用于提供用户与系统交互的界面，包括显示雷达图像、提供警告信息；
地图数据单元，用于存储和管理地图数据，包括水深、浮标位置、港口信息，与雷达数据融合，用于更准确的船舶位置和路线规划；
记录和报告单元，用于记录航行数据、事件日志和警报情况，以便后续分析和报告，监督航行员和系统性能。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，包括以下步骤：
S1、将导航雷达系统按照装设在船舶上，导航雷达系统持续采集周围海域的雷达数据，用于获得关于船舶周围环境的实时信息；
S2、根据导航雷达系统持续采集周围海域的雷达数据，并对采集的雷达数据进行处理；
S3、通过对雷达数据进行目标特征分析，并训练模型以识别不同类型的障碍物，分析目标的相关特征，排除不符合障碍物特征的目标；
S4、检测识别潜在的碰撞风险或危险情况，生成警报并进行预警显示，有助于船员采取必要的行动，以确保航行安全。
2.根据权利要求1所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，步骤S1中，导航雷达系统持续采集周围海域的雷达数据处理过程包括去噪、地物移除和坐标转换，确保数据质量以及与地理坐标的一致性，用于提高数据的质量及目标识别准确性。
3.根据权利要求1所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，步骤S3中，雷达数据目标特征分析的过程为：
S3-1、对雷达数据进行坐标转换，在转换后的坐标中，预设目标的距离和强度阈值，进行目标检测，找到相关目标；
S3-2、将检测到的目标在不同的雷达扫描之间关联起来，获得目标的轨迹信息；
S3-3、对于每个已识别的目标，提取反射率、大小、形状特征。
4.根据权利要求3所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，步骤S3-1中，雷达数据坐标转换将雷达数据从笛卡尔坐标系(x,y)转换为极坐标系(r,θ)，其中，r表示目标到雷达的距离(极径)，θ表示目标相对于雷达的方位角，其计算公式如下：
其中，arctan是反正切函数，用来求出两个数之间的角度，把数据从笛卡尔坐标转换为极坐标，使得目标的信息更容易识别；
目标反射率通过雷达返回信号的强度获取；
目标大小通过目标在雷达图像中的尺寸获取，使用雷达图像的分辨率和目标的角直径计算目标的实际尺寸，其计算公式如下：
其中，角直径为θ，雷达分辨率为R，目标的实际尺寸为D；
目标形状通过目标的散射特性获取，以其散射截面和散射模式呈现。
5.根据权利要求1所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，步骤S3中，训练模型识别不同类型障碍物的过程为：
S3-4、对雷达数据目标特征进行标注，明确相关数据与障碍物类型的对应属性；
S3-5、基于提取的特征，构建卷积神经网络模型，对特征进行多层次的抽象和表示，模型的输出为障碍物的类型；
S3-6、使用已标注的数据对模型进行训练，使得模型根据输入的特征推断出障碍物的类型，训练过程中，度量模型的预测结果与真实结果之间的差异；
S3-7、模型训练完成后，对模型进行优化，提高其泛化性能和鲁棒性。
6.根据权利要求5所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，步骤S3-6中，度量模型的预测结果与真实结果之间的差异，通过计算损失值实现，其计算公式如下：
H(y,p)＝-[y*log(p)+(1-y)*log(1-p)]
其中，H(y,p)是损失值，y是真实标签(取值为0或1，表示样本属于的类别)，p是模型的预测概率(在0到1之间)；
当真实标签y等于1时，损失由第一项-y*log(p)决定，即模型对正类别的预测概率p越接近1，损失越小；
当真实标签y等于0时，损失主要由第二项(1-y)*log(1-p)决定，即模型对负类别的预测概率1-p越接近1，损失越小。
7.根据权利要求1所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，步骤S4中，检测识别潜在的碰撞风险或危险情况的过程为：
S4-1、结合训练的模型，对船舶行驶存在碰撞风险进行分析；
S4-2、将模型度量的障碍物与船舶行驶路线的相对位置进行匹配；
S4-3、当障碍物处于船舶行驶路线内时，将船舶行驶路线标记为碰撞风险物，并获取碰撞风险物对应的坐标位置；
S4-4、获取船舶与碰撞风险物的碰撞系数，将船舶与碰撞风险物的碰撞系数记为C；并设置碰撞系数阈值C1。
8.根据权利要求7所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，步骤S4-4中，船舶与碰撞风险物的碰撞系数计算公式如下：
其中，C是碰撞系数，m1是船舶的质量，v1是船舶的速度，d是船舶和碰撞风险物的距离，θ是船舶和碰撞风险物的相对角度；
当C≤C1时，表示障碍物与船舶存在碰撞风险，生成预警指令，将预警指令发送向船舶控制人员，进行人工干预；
当C＞C1时，表示障碍物未影响船舶的正常行驶，不作操作，但需要对障碍物进行标记。
9.一种基于导航雷达的船舶行驶路线检测预警系统，所述系统基于权利要求1-8中任一项所述的一种基于导航雷达的船舶行驶路线检测预警方法，其特征在于，包括控制服务器，所述控制服务器通信连接有雷达传感器单元、数据收集及处理单元、导航计算单元、模型训练模块、碰撞风险评估单元、用户界面和通信单元、地图数据单元以及记录和报告单元，各个单元之间电性连接；其中，所述数据收集及处理单元用于与雷达传感器单元结合收集周围海域的雷达数据，并对雷达数据进行处理，基于模型训练模块与处理后的雷达数据，进行数据的特征提取及模型训练，并与碰撞风险评估单元结合，将预警信息发送至用户界面和通信单元。
10.根据权利要求9所述的一种基于导航雷达的船舶行驶路线检测预警系统，其特征在于，所述数据收集及处理单元，用于接收来自雷达传感器的原始数据，进行数据处理、滤波、跟踪和目标识别，提取有关周围环境的有用信息；
所述导航计算单元，用于基于雷达数据和船舶的导航参数计算出船舶的当前位置、航向、速度以及预测未来的行驶路线；
所述模型训练模块，用于对数据进行特征提取，选择和构建用于训练的特征，进行特征标注后，训练模型并推测障碍物类型，以与碰撞风险评估单元结合，进行预警；
所述碰撞风险评估单元，使用导航计算单元提供的信息，评估船舶与周围物体之间的碰撞风险，并生成相应的警告或建议，以避免潜在的碰撞；
所述用户界面和通信单元，用于提供用户与系统交互的界面，包括显示雷达图像、提供警告信息；
所述地图数据单元，用于存储和管理地图数据，包括水深、浮标位置、港口信息，与雷达数据融合，用于更准确的船舶位置和路线规划；
所述记录和报告单元，用于记录航行数据、事件日志和警报情况，以便后续分析和报告，监督航行员和系统性能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311579020.4A CN117647812A (zh) | 2023-11-24 | 2023-11-24 | 基于导航雷达的船舶行驶路线检测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311579020.4A CN117647812A (zh) | 2023-11-24 | 2023-11-24 | 基于导航雷达的船舶行驶路线检测预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117647812A true CN117647812A (zh) | 2024-03-05 |
Family
ID=90045880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311579020.4A Pending CN117647812A (zh) | 2023-11-24 | 2023-11-24 | 基于导航雷达的船舶行驶路线检测预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117647812A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117889865A (zh) * | 2024-03-14 | 2024-04-16 | 交通运输部水运科学研究所 | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 |
| CN117907965A (zh) * | 2024-03-19 | 2024-04-19 | 江苏省气象台 | 面向对流风暴精细结构的三维雷达回波临近预报方法 |
| CN117889865B (zh) * | 2024-03-14 | 2024-06-07 | 交通运输部水运科学研究所 | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0648392A (ja) * | 1992-07-27 | 1994-02-22 | Tokimec Inc | 変針・変速検知警報装置及び変針・変速検知警報方法 |
| US7650232B1 (en) * | 2005-09-22 | 2010-01-19 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration (Nasa) | Trajectory specification for high capacity air traffic control |
| US20110063163A1 (en) * | 2009-09-11 | 2011-03-17 | Furuno Electric Co., Ltd. | Image processing device, radar apparatus equipped with the same, method of processing image, and image processing program |
| US20160171898A1 (en) * | 2014-12-12 | 2016-06-16 | Atlantic Inertial Systems Limited (HSC) | Collision detection system |
| CN113050121A (zh) * | 2021-03-22 | 2021-06-29 | 上海海事大学 | 一种船舶导航系统和船舶导航方法 |
| CN113790718A (zh) * | 2021-08-20 | 2021-12-14 | 武汉理工大学 | 一种基于无人船的信息共享系统 |
| KR102495879B1 (ko) * | 2021-10-08 | 2023-02-06 | 재단법인한국조선해양기자재연구원 | 라이다를 이용한 선박 제어 시스템 |
| US20230104047A1 (en) * | 2022-01-18 | 2023-04-06 | Zhoushan Institute Of Calibration And Testing For Quality And Technology Supervision | Track fusion method and device for unmanned surface vehicle |
-
2023
- 2023-11-24 CN CN202311579020.4A patent/CN117647812A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0648392A (ja) * | 1992-07-27 | 1994-02-22 | Tokimec Inc | 変針・変速検知警報装置及び変針・変速検知警報方法 |
| US7650232B1 (en) * | 2005-09-22 | 2010-01-19 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration (Nasa) | Trajectory specification for high capacity air traffic control |
| US20110063163A1 (en) * | 2009-09-11 | 2011-03-17 | Furuno Electric Co., Ltd. | Image processing device, radar apparatus equipped with the same, method of processing image, and image processing program |
| US20160171898A1 (en) * | 2014-12-12 | 2016-06-16 | Atlantic Inertial Systems Limited (HSC) | Collision detection system |
| CN113050121A (zh) * | 2021-03-22 | 2021-06-29 | 上海海事大学 | 一种船舶导航系统和船舶导航方法 |
| CN113790718A (zh) * | 2021-08-20 | 2021-12-14 | 武汉理工大学 | 一种基于无人船的信息共享系统 |
| KR102495879B1 (ko) * | 2021-10-08 | 2023-02-06 | 재단법인한국조선해양기자재연구원 | 라이다를 이용한 선박 제어 시스템 |
| US20230104047A1 (en) * | 2022-01-18 | 2023-04-06 | Zhoushan Institute Of Calibration And Testing For Quality And Technology Supervision | Track fusion method and device for unmanned surface vehicle |
Non-Patent Citations (2)
| Title |
|---|
| KEUNHWAN KIM: "Semantic Segmentation of Marine Radar Images using Convolutional Neural Networks", OCEANS 2019 - MARSEILLE, 20 July 2019 (2019-07-20), pages 1 - 6 * |
| 朱浩纲: "基于USV感知网的数据融合与航行安全预测模型研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, 15 February 2023 (2023-02-15), pages 036 - 235 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117889865A (zh) * | 2024-03-14 | 2024-04-16 | 交通运输部水运科学研究所 | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 |
| CN117889865B (zh) * | 2024-03-14 | 2024-06-07 | 交通运输部水运科学研究所 | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 |
| CN117907965A (zh) * | 2024-03-19 | 2024-04-19 | 江苏省气象台 | 面向对流风暴精细结构的三维雷达回波临近预报方法 |
| CN117907965B (zh) * | 2024-03-19 | 2024-05-24 | 江苏省气象台 | 面向对流风暴精细结构的三维雷达回波临近预报方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Video‐Based Detection Infrastructure Enhancement for Automated Ship Recognition and Behavior Analysis | |
| Goerlandt et al. | An analysis of ship escort and convoy operations in ice conditions | |
| CN103176185B (zh) | 用于检测道路障碍物的方法及系统 | |
| CN101214851B (zh) | 船舶行驶智能型全天候主动安全预警系统及其预警方法 | |
| CN111899568B (zh) | 桥梁防撞预警系统、方法、装置和存储介质 | |
| CN111613094A (zh) | 一种港口水域船舶交通风险预警方法 | |
| CN117647812A (zh) | 基于导航雷达的船舶行驶路线检测预警方法及系统 | |
| CN111415533B (zh) | 弯道安全预警监控方法、装置以及系统 | |
| KR20140099386A (ko) | 모바일 단말과 전자해도 서버 및 그의 크라우드소싱 기반의 전자해도 갱신 방법 | |
| CN115620559A (zh) | 一种基于智能感知的船舶安全管理方法、系统及设备 | |
| CN114235050A (zh) | 一种海洋环境监测预警方法、设备及系统 | |
| Wu et al. | A new multi-sensor fusion approach for integrated ship motion perception in inland waterways | |
| CN115050214B (zh) | 一种基于ais数据的船舶碰撞风险预测方法 | |
| CN113570656A (zh) | 一种面向桥区水域船舶高度测量及超高预警系统及其方法 | |
| CN115983627A (zh) | 船舶航行环境风险预测方法、装置、电子设备和介质 | |
| CN114550498B (zh) | 一种海量ais数据驱动的船舶偏离航道智能预警系统 | |
| CN115346399B (zh) | 基于相控阵雷达、ais和lstm网络的大桥防船撞预警系统 | |
| CN116597693A (zh) | 一种内河航运监控系统及方法 | |
| CN115936190A (zh) | 一种智能航行作业风险预警方法 | |
| CN115723919A (zh) | 一种船舶偏航的辅助航行方法及装置 | |
| CN115311900A (zh) | 一种基于视觉增强的内河航道船舶辅助目标识别系统和方法 | |
| CN109614886B (zh) | 一种无人/自主驾驶系统的性能评测方法及装置 | |
| CN115995032B (zh) | 一种多模态特征融合的舰船智能识别方法和系统 | |
| Newaliya et al. | A review of maritime spatio-temporal data analytics | |
| CN116859383B (zh) | 一种碍航物的确定方法、装置及设备 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhou Guoliang Inventor after: Zheng Wanxi Inventor after: Xu Lili Inventor after: Wang Xiangyu Inventor after: Wei Sai Inventor after: Xu Yuanchao Inventor after: Wang Yudai Inventor after: Wang Dong Inventor before: Zhou Guoliang Inventor before: Zheng Wanxi Inventor before: Xu Lili Inventor before: Wang Xiangyu Inventor before: Wei Sai Inventor before: Xu Yuanchao Inventor before: Wang Yudai Inventor before: Wang Dong |