CN117647998A - 一种基于动态视觉传感器的水下航行器接驳方法和系统 - Google Patents
一种基于动态视觉传感器的水下航行器接驳方法和系统 Download PDFInfo
- Publication number
- CN117647998A CN117647998A CN202410123538.5A CN202410123538A CN117647998A CN 117647998 A CN117647998 A CN 117647998A CN 202410123538 A CN202410123538 A CN 202410123538A CN 117647998 A CN117647998 A CN 117647998A
- Authority
- CN
- China
- Prior art keywords
- event
- light source
- docking
- underwater vehicle
- coordinates
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000003032 molecular docking Methods 0.000 claims abstract description 92
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 239000012528 membrane Substances 0.000 claims description 41
- 238000013507 mapping Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 210000002569 neuron Anatomy 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000023077 detection of light stimulus Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- 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
- Image Analysis (AREA)
Abstract
一种基于动态视觉传感器的水下航行器接驳方法和系统,涉及水下导航的领域。解决传统光学相机驶向对接任务中的存在动作模糊问题。所述方法包括:S1:采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标;S2:根据时空滤波器和SNN构建SNN模型;S3:根据异步霍夫圆变换和SNN模型,获取接驳地标的光源坐标;S4:根据透视4点算法计算水下航行器与接驳地标之间的相对姿态,根据相对姿态调整水下航行器的航向,完成接驳任务。本发明应用于水下自主接驳领域。
Description
技术领域
本发明涉及水下导航的领域,尤其涉及一种基于动态视觉传感器的水下航行器接驳方法。
背景技术
目前自主水下航行器(AUV)进入了快速发展阶段,成为海洋领域研究的热点。面对海洋科学、海洋工程、水下安防和水下作战等领域的广泛需求,AUV以其独特的优势备受瞩目。
AUV采用自带能源,自主控制的工作模式,经常需要在水下自主接驳以进行能源补给等作业。为此,研发快速、准确、可靠的水下自主接驳技术显得至关重要。现有的水下接驳方法一般是利用AUV搭载的光学摄像机识别检测对接端光源坐标并计算相对位置。然而,这种方式存在一些显著问题,如背景数据冗余过高,缺乏高曝光的解决方案和1kHz以上高速响应能力。此外,由于水下环境的不稳定性,AUV很难保持运行的相对平稳。在识别检测对接端光源坐标时,AUV的运动模糊问题成为另一个挑战。这些因素制约了AUV在水下自主接驳过程中的快速、准确和稳定调整自身姿态。
发明内容
本发明针对传统光学相机驶向对接任务中的存在动作模糊问题,提出一种基于动态视觉传感器的水下航行器接驳方法,所述方案具体为:
一种基于动态视觉传感器的水下航行器接驳方法,所述方法包括:
S1:采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标;
S2:根据时空滤波器和SNN构建SNN模型;
S3:根据异步霍夫圆变换和SNN模型,获取接驳地标的光源坐标;
S4:根据透视4点算法计算水下航行器与接驳地标之间的相对姿态,根据相对姿态调整水下航行器的航向,完成接驳任务。
进一步的,还提供一种优选方式,所述步骤S1包括:
部署4个共面的矩形约束的光源作为接驳地标;
调整光源的照度,使光源在距离、角度合适的条件下可以被观测。
进一步的,还提供一种优选方式,所述步骤S2包括:
在SNN基础上增加一个时空滤波器;
根据事件序列的异步稀疏性,对每一场景下每一像素位置分别以膜电位信息表示事件数据的变化信息,所有位置的膜电位初始值设为0;
每当一个新事件到达,根据事件的时间戳更新相应神经元的膜电位;
在更新膜电位时,根据事件周围相邻位置到事件位置的曼哈顿距离确定膜电位增加量;
根据膜电位增加量更新事件周围位置的膜电位,模拟事件在空间上随着距离逐渐减弱的扩散效应;
当膜电位超过设定的阈值,神经元释放一个脉冲,并将对应事件位置的膜电位重置。释放的脉冲信息被记录在一个二维数组中,根据二维数组存储的信息完成SNN模型的构建。
进一步的,还提供一种优选方式,所述步骤S3包括:
利用基于异步事件的霍夫圆变换算法,将事件从笛卡尔坐标空间映射到二维参数空间;
对于每个获得的事件,提取事件坐标并执行从笛卡尔坐标空间到霍夫参数空间的映射;
将经过霍夫变换的事件坐标映射到SNN模型中,在SNN模型的中间层进行连续的霍夫映射,获取特征坐标;
将获得的特征坐标与二维参数空间的矩形目标匹配,获取接驳位置的光源地标。
进一步的,还提供一种优选方式,所述将事件从笛卡尔坐标空间映射到二维参数空间具体为:
其中,为不断从流队列中获取的最新事件,/>被定义为在时间戳生成的点的集合,/>为坐标,/>为时间戳,/>为/>时刻x,y位置的脉冲信息。
进一步的,还提供一种优选方式,所述步骤S4包括:
根据3D坐标系下4个光源点位置,计算光源在像素坐标系上的2D坐标,计算公式如下:
其中,表示事件相机,/>表示世界坐标系,/>为旋转矩阵,/>为平移向量;
利用4个光源点中任意3个光源点计算4组旋转矩阵和平移向量/>的解;
根据3个光源点的坐标计算第4点的投影坐标,所述第4点的投影坐标与实际投影坐标误差最小的解为正确解;
根据正确解计算出AUV与接驳位置光源平面间的相对深度;
在AUV接近接驳位置的过程中,根据安装在AUV头部的DVS获取的信息实时计算与光源平面之间的相对姿态,并将运动命令发送给AUV,完成对AUV航向的调整,完成接驳任务。
进一步的,还提供一种优选方式,所述AUV与接驳位置光源平面间的相对深度的计算公式为:
其中,,/>是图像中的坐标,/>,/>,/>,/>是DVS的参数,/>是第4个点的三维坐标;至/>为旋转矩阵R的值,/>至/>为平移向量/>的值。
基于同一发明构思,本发明还提出一种基于动态视觉传感器的水下航行器接驳系统,所述系统包括:
接驳地标构建单元,用于采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标;
SNN模型构建单元,用于根据时空滤波器和SNN构建SNN模型;
接驳地标的光源坐标获取单元,用于根据异步霍夫圆变换和SNN模型,获取接驳地标的光源坐标;
接驳单元,用于根据透视4点算法计算水下航行器与接驳地标之间的相对姿态,根据相对姿态调整水下航行器的航向,完成接驳任务。
基于同一发明构思,本发明还提出一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行根据上述任一项所述的一种基于动态视觉传感器的水下航行器接驳方法。
基于同一发明构思,本发明还提出一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于储存计算机程序,所述计算机程序执行上述任一项所述的一种基于动态视觉传感器的水下航行器接驳方法。
本发明的有益之处在于;
传统光学相机在水下对接任务中容易受到动作模糊的影响,而本发明提供的一种基于动态视觉传感器的水下航行器接驳方法,采用基于动态视觉传感器的方法,通过灯环接驳地标、SNN模型等技术,有效克服传统相机的动作模糊问题,提高对接任务的可靠性和成功率。通过异步霍夫圆变换和SNN模型,该方法实现了对接驳地标的光源坐标高精度获取。这有助于精准计算水下航行器与接驳地标之间的相对姿态,为后续的姿态调整提供可靠的数据支持。通过透视4点算法,水下航行器可以根据相对姿态进行航向调整,从而更加准确地完成对接任务。这种基于视觉的导航调整相对于传统方法更具精度和适应性。
本发明提供的一种基于动态视觉传感器的水下航行器接驳方法,采用4个共面的圆形光源构建矩形约束的灯环,这种设计有助于提供清晰的光学标识,通过光源坐标的检测实现对接驳地标的定位。时空滤波器用于处理传感器数据的时序性和空间关系,而SNN模型则用于感知和处理水下环境的信息。这种结合有望提高对水下环境特征的理解和提取。而融合SNN和时空滤波器的模型,减轻了事件数据中噪点过多的问题,获得清晰鲁棒的场景图像,进一步减少了数据冗余,为航行器在水下对接驳地标的检测、识别和追踪等任务提供了鲁棒的视觉表达,提高了水下航行器接驳的精度和响应速度。异步霍夫圆变换用于检测接驳地标的光源坐标。采用异步机制有助于适应动态水下环境,提高光源坐标检测的鲁棒性。透视4点算法用于计算水下航行器与接驳地标之间的相对姿态,具体是通过分析光源坐标和水下航行器的相对位置关系实现的。本发明的目的在于通过动态视觉传感器和先进的计算算法,解决传统光学相机在水下对接任务中存在的动作模糊问题,从而提高对接任务的可靠性和成功率。通过获取准确的接驳地标光源坐标和相对姿态信息,水下航行器可以更精准地进行姿态调整,确保对接任务的准确完成。采用异步霍夫圆变换和SNN模型等技术,使得系统能够更好地适应动态变化的水下环境,增加了对不确定性的鲁棒性。
本发明应用于水下自主接驳领域。
附图说明
图1为实施方式一所述的一种基于动态视觉传感器的水下航行器接驳方法流程图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。
实施方式一、参见图1说明本实施方式。本实施方式所述的一种基于动态视觉传感器的水下航行器接驳方法,所述方法包括:
S1:采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标;
S2:根据时空滤波器和SNN构建SNN模型;
S3:根据异步霍夫圆变换和SNN模型,获取接驳地标的光源坐标;
S4:根据透视4点算法计算水下航行器与接驳地标之间的相对姿态,根据相对姿态调整水下航行器的航向,完成接驳任务。
传统光学相机在水下对接任务中容易受到动作模糊的影响,而本实施方式采用基于动态视觉传感器的方法,通过灯环接驳地标、SNN模型等技术,有效克服传统相机的动作模糊问题,提高对接任务的可靠性和成功率。通过异步霍夫圆变换和SNN模型,该方法实现了对接驳地标的光源坐标高精度获取。这有助于精准计算水下航行器与接驳地标之间的相对姿态,为后续的姿态调整提供可靠的数据支持。通过透视4点算法,水下航行器可以根据相对姿态进行航向调整,从而更加准确地完成对接任务。这种基于视觉的导航调整相对于传统方法更具精度和适应性。
本实施方式中,采用4个共面的圆形光源构建矩形约束的灯环,这种设计有助于提供清晰的光学标识,通过光源坐标的检测实现对接驳地标的定位。时空滤波器用于处理传感器数据的时序性和空间关系,而SNN模型则用于感知和处理水下环境的信息。这种结合有望提高对水下环境特征的理解和提取。而融合SNN和时空滤波器的模型,减轻了事件数据中噪点过多的问题,获得清晰鲁棒的场景图像,进一步减少了数据冗余,为航行器在水下对接驳地标的检测、识别和追踪等任务提供了鲁棒的视觉表达,提高了水下航行器接驳的精度和响应速度。异步霍夫圆变换用于检测接驳地标的光源坐标。采用异步机制有助于适应动态水下环境,提高光源坐标检测的鲁棒性。透视4点算法用于计算水下航行器与接驳地标之间的相对姿态,具体是通过分析光源坐标和水下航行器的相对位置关系实现的。本实施方式的目的在于通过动态视觉传感器和先进的计算方法,解决传统光学相机在水下对接任务中存在的动作模糊问题,从而提高对接任务的可靠性和成功率。通过获取准确的接驳地标光源坐标和相对姿态信息,水下航行器可以更精准地进行姿态调整,确保对接任务的准确完成。采用异步霍夫圆变换和SNN模型等技术,使得系统能够更好地适应动态变化的水下环境,增加了对不确定性的鲁棒性。
实施方式二、本实施方式是对实施方式一所述的一种基于动态视觉传感器的水下航行器接驳方法的进一步限定,所述步骤S1包括:
部署4个共面的矩形约束的光源作为接驳地标;
调整光源的照度,使光源在距离、角度合适的条件下可以被观测。
本实施方式部署4个共面的矩形约束的光源有助于构建清晰的光环接驳地标。这样的设计使得光源的位置更容易被准确地检测和定位,从而提高了对接驳地标的识别准确性。采用矩形约束的光源可以减少环境中其他光源对接驳地标的影响。这种限定有助于降低误检率,使水下航行器更加稳定地工作在水下环境。调整光源的照度,使其在距离和角度上具有合适的条件被观测。这有助于水下航行器在不同距离和角度下都能够有效地观测光源,增加了接驳地标的适应性和检测范围。
通过部署特定布局的光源并调整其照度,本步骤的目的在于确保接驳地标在水下环境中能够清晰可见。这对于后续的光源坐标检测和姿态调整至关重要。通过限定光源的形状和照度,水下航行器更容易适应不同的水下条件,减少了对环境变化的敏感性,提高了整个水下航行器的鲁棒性。通过调整光源的照度,有助于优化水下光学环境,提高光源的可观测性,从而增加了水下航行器对接驳地标的成功识别概率。
实施方式三、本实施方式是对实施方式一所述的一种基于动态视觉传感器的水下航行器接驳方法的进一步限定,所述步骤S2包括:
在SNN基础上增加一个时空滤波器;
根据事件序列的异步稀疏性,对每一场景下每一像素位置分别以膜电位信息表示事件数据的变化信息,所有位置的膜电位初始值设为0;
每当一个新事件到达,根据事件的时间戳更新相应神经元的膜电位;
在更新膜电位时,根据事件周围相邻位置到事件位置的曼哈顿距离确定膜电位增加量;
根据膜电位增加量更新事件周围位置的膜电位,模拟事件在空间上随着距离逐渐减弱的扩散效应;
当膜电位超过设定的阈值,神经元释放一个脉冲,并将对应事件位置的膜电位重置,释放的脉冲信息被记录在一个二维数组中;
重复更新事件流程,数组达到阈值发送脉冲信息,完成SNN模型的构建。
本实施方式通过在SNN基础上增加一个时空滤波器,可以更好地处理水下环境中动态和时空变化的事件数据。时空滤波器有助于提取事件序列中的重要信息,增强模型对复杂水下场景的感知能力。采用异步稀疏性的表示方式,对每一场景下的每一像素位置分别以膜电位信息表示事件数据的变化,有助于高效地表示和处理水下航行器感知到的信息。这种表示方式更符合水下环境中事件的不规则性和不确定性。通过模拟事件在空间上随着距离逐渐减弱的扩散效应,模型更好地捕捉到事件在水下环境中的传播规律。这有助于提高对接驳地标的感知范围和准确性。采用神经元释放脉冲的机制,将释放的脉冲信息记录在一个二维数组中,有助于形成对水下场景的动态表示。阈值触发机制使得模型能够更灵敏地捕捉到重要事件,提高了对关键信息的响应速度。
本实施方式中时空滤波器在SNN中的引入通过对事件序列的时空特征进行过滤,提高了模型对复杂时空变化的感知和理解。通过采用异步稀疏性的表示方式,每一像素位置以膜电位信息表示事件数据的变化,使得模型能够更高效地处理水下环境中的异步事件流。根据事件周围相邻位置到事件位置的曼哈顿距离确定膜电位增加量,模拟了事件在空间上的扩散效应,有助于更真实地反映水下事件的传播规律。当膜电位超过设定的阈值时,神经元释放一个脉冲,同时将对应事件位置的膜电位重置。释放的脉冲信息被记录在一个二维数组中,形成了对水下场景的动态表示。时空滤波器的引入和异步稀疏性的利用有助于提高水下航行器对复杂水下场景的感知和理解能力。通过模拟事件在空间上的扩散效应,使得模型能够更好地捕捉到水下事件的传播规律,提高了感知的准确性。脉冲信息记录和阈值触发机制有助于形成对水下场景的动态表示,使得模型能够更灵敏地捕捉到关键信息,提高了对重要事件的响应速度。
实施方式四、本实施方式是对实施方式一所述的一种基于动态视觉传感器的水下航行器接驳方法的进一步限定,所述步骤S3包括:
利用基于异步事件的霍夫圆变换算法,将事件从笛卡尔坐标空间映射到二维参数空间;
对于每个获得的事件,提取事件坐标并执行从笛卡尔坐标空间到霍夫参数空间的映射;
将经过霍夫变换的事件坐标映射到SNN模型中,在SNN模型的中间层进行连续的霍夫映射,获取特征坐标;
将获得的特征坐标与二维参数空间的矩形目标匹配,获取接驳位置的光源地标。
本实施方式采用异步事件的霍夫圆变换算法有助于处理动态水下环境中的事件数据,提取光源坐标。这种方法对于不规则和异步产生的事件数据更具鲁棒性,适用于水下航行器感知水下场景。将经过霍夫变换的事件坐标映射到SNN模型的中间层进行连续的霍夫映射,有助于提取更高级的特征坐标。这种方法能够更好地捕捉光源的抽象特征,提高了接驳地标的准确性。通过将获得的特征坐标与二维参数空间的矩形目标匹配,实现对接驳位置的光源地标的准确获取。这种匹配方法能够有效应对不同光源位置的变化,提高了地标匹配的稳定性。
通过异步事件的霍夫圆变换算法,将事件从笛卡尔坐标空间映射到二维参数空间。这种映射有助于在霍夫空间中检测出光源的圆形特征,从而获取光源的初步位置信息。将霍夫变换后的事件坐标映射到SNN模型的中间层进行连续的霍夫映射,有助于提取更抽象的特征坐标。这样的特征坐标更能表达光源的高级特征,为后续匹配提供更具信息量的数据。将获得的特征坐标与二维参数空间的矩形目标进行匹配,以获取接驳位置的光源地标。匹配过程中可以利用模型学到的特征来提高匹配的准确性。
本实施方式通过异步霍夫圆变换和SNN模型中间层的连续霍夫映射,能够更准确地提取光源的位置信息,提高地标的准确性。异步事件的霍夫圆变换算法和SNN模型的连续霍夫映射使得方法更具鲁棒性,能够适应动态水下环境中的光源变化和不规则事件。通过将特征坐标与参数空间目标进行匹配,能够确保在不同光源位置和环境变化下,地标匹配的稳定性,提高了接驳方法的可靠性。
实施方式五、本实施方式是对实施方式四所述的一种基于动态视觉传感器的水下航行器接驳方法的进一步限定,所述将事件从笛卡尔坐标空间映射到二维参数空间具体为:
其中,为不断从流队列中获取的最新事件,/>被定义为在时间戳生成的点的集合,/>为坐标,/>为时间戳,/>为/>时刻x,y位置的脉冲信息。
本实施方式通过不断从流队列中获取最新事件,能够实现对水下环境的实时感知。这有助于及时获取光源的位置信息,提高水下航行器对接驳地标的实时性。采用流队列的方式可以处理动态水下环境中不断变化的事件。这种实时动态适应性使得接驳方法更具鲁棒性,能够适应不同水下场景的变化。引入时间戳信息有助于确定事件发生的时刻,提供了对时间维度的了解。这对于处理异步事件以及在时间上追踪光源的移动非常重要。
具体的,通过持续从流队列中获取最新事件,构成了一个时刻更新的事件集合。这些事件包含了在不同时刻发生的光源感知信息。事件被定义为在时间戳生成的点的集合,其中包括坐标、时间戳以及时刻 x、y 位置的脉冲信息。这些信息捕捉了光源在不同时刻的位置和脉冲信息。通过不断获取最新事件,本步骤旨在实现对水下环境的实时感知,确保水下航行器能够迅速响应光源位置的变化。通过处理流队列中的事件,接驳方法更具有动态适应性,能够适应水下环境中光源位置的不断变化。引入时间戳信息有助于在时间维度上理解事件的发生顺序,对于异步事件的处理以及追踪光源的移动提供了重要的时序信息。
实施方式六、本实施方式是对实施方式一所述的一种基于动态视觉传感器的水下航行器接驳方法的进一步限定,所述步骤S4包括:
根据3D坐标系下4个光源点位置,计算光源在像素坐标系上的2D坐标,计算公式如下:
其中,表示事件相机,/>表示世界坐标系,/>为旋转矩阵,/>为平移向量;
利用4个光源点中任意3个光源点计算4组旋转矩阵和平移向量/>的解;
根据3个光源点的坐标计算第4点的投影坐标,所述第4点的投影坐标与实际投影坐标误差最小的解为正确解;
根据正确解计算出AUV与接驳位置光源平面间的相对深度;
在AUV接近接驳位置的过程中,根据安装在AUV头部的DVS获取的信息实时计算与光源平面之间的相对姿态,并将运动命令发送给AUV,完成对AUV航向的调整,完成接驳任务。
本实施方式通过根据4个光源点的3D坐标计算其在像素坐标系上的2D坐标,可以实现对光源位置的高精度定位。这有助于确保水下航行器准确地对接到目标位置。利用4个光源点中的任意3个计算旋转矩阵和平移向量的解,提高了对姿态变化和噪声的鲁棒性。这使得方法更适应动态水下环境中的变化。通过计算第4点的投影坐标,选择与实际投影坐标误差最小的解,确保对接过程中的精准性,减小误差对接。利用正确解计算AUV与接驳位置光源平面间的相对深度,有助于水下航行器在接近接驳位置时更好地调整高度,确保安全接驳。利用安装在AUV头部的DVS获取的信息实时计算与光源平面之间的相对姿态,将运动命令发送给AUV,实现对AUV航向的实时调整。这有助于在接驳过程中保持稳定的航向。
具体地,根据3D坐标系下的4个光源点位置,通过旋转矩阵和平移向量计算光源在像素坐标系上的2D坐标。利用4个光源点中任意3个光源点计算4组旋转矩阵和平移向量的解,以获得相机的姿态信息。根据3个光源点的坐标计算第4点的投影坐标,选择使投影坐标与实际投影坐标误差最小的解作为正确解。利用正确解计算AUV与接驳位置光源平面间的相对深度。利用DVS获取的信息实时计算与光源平面之间的相对姿态,将运动命令发送给AUV,实现对AUV航向的实时调整。通过高精度定位和误差最小化的策略,实现水下航行器对接到目标位置的精准性。通过计算多组解和实时调整航向,提高方法的鲁棒性,使其适应水下环境中的变化和不确定性。通过相对深度计算和实时调整航向,确保水下航行器在接近接驳位置时能够安全调整高度和航向,完成接驳任务。
实施方式七、本实施方式是对实施方式六所述的一种基于动态视觉传感器的水下航行器接驳方法的进一步限定,所述AUV与接驳位置光源平面间的相对深度的计算公式为:
其中,,/>是图像中的坐标,/>,/>,/>,/>是DVS的参数,/>是第4个点的三维坐标;至/>为旋转矩阵R的值,/>至/>为平移向量/>的值。
本实施方式使用动态视觉传感器(DVS)进行相对深度计算,该传感器能够以高帧率捕捉场景中的运动变化,使得深度计算更加实时和准确。提供了相对深度计算的具体公式,利用图像中的坐标、DVS参数、第4个点的三维坐标、旋转矩阵R和平移向量,使深度计算更加准确且可控。利用DVS的参数,结合图像中的坐标,可以获得关于场景中运动的详细信息,这有助于在计算相对深度时考虑到运动变化。通过给定的相对深度计算公式,结合图像坐标、DVS参数、第4个点的三维坐标、旋转矩阵R和平移向量,计算AUV与接驳位置光源平面间的相对深度。
本实施方式通过采用动态视觉传感器和相对深度计算公式,本步骤旨在实现AUV与接驳位置光源平面间的实时相对深度计算,有助于在接近接驳位置时及时调整高度。利用DVS参数和详细的计算公式,提高相对深度计算的准确性,确保AUV在接驳任务中能够准确调整深度,避免与目标位置发生碰撞。
实施方式八、本实施方式所述的一种基于动态视觉传感器的水下航行器接驳系统,所述系统包括:
接驳地标构建单元,用于采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标;
SNN模型构建单元,用于根据时空滤波器和SNN构建SNN模型;
接驳地标的光源坐标获取单元,用于根据异步霍夫圆变换和SNN模型,获取接驳地标的光源坐标;
接驳单元,用于根据透视4点算法计算水下航行器与接驳地标之间的相对姿态,根据相对姿态调整水下航行器的航向,完成接驳任务。
实施方式九、本实施方式所述的一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行根据实施方式一至实施方式七任一项所述的一种基于动态视觉传感器的水下航行器接驳方法。
实施方式十、本实施方式所述的一种计算机可读存储介质,所述计算机可读存储介质用于储存计算机程序,所述计算机程序执行实施方式一至实施方式七任一项所述的一种基于动态视觉传感器的水下航行器接驳方法。
实施方式十一、本实施方式是为实施方式一所述的一种基于动态视觉传感器的水下航行器接驳方法提供一具体实施例,同时也用于解释实施方式二至实施方式七,具体的:
步骤1、用4个共面的圆形光源构建矩形约束的灯环作为接驳地标。
其中,由于利用PnP法估算深度,至少需要三个点的坐标,因此圆形光源的数量可以是大于等于3的任意数量。由于水下较复杂的环境,对光源的强度、可视角度也有要求。具体的,构建接驳地标的步骤包括:
步骤1.1、部署4个共面的矩形约束的光源作为接驳地标;
步骤1.2、调整光源的照度,使光源在一定距离、角度条件下可以被观测。
步骤2、将时空滤波器与SNN相结合,构建一种新的SNN模型。
其中,时空滤波器采用曼哈顿距离表示不同神经元之间的距离关系,并以距离远近作为事件对应的神经元附近其他神经元膜电位上升量的标准,用以模拟真实事件在空间上随距离逐渐减弱的扩散效应。
具体地,将时空滤波器与SNN结合包括以下步骤:
步骤2.1、根据事件序列的异步稀疏性,对每一场景下每一像素位置分别以膜电位信息表示事件数据的变化信息,所有位置的膜电位初始值设为0;
步骤2.2、每当一个新事件到达,根据事件的时间戳更新相应神经元的膜电位。在更新膜电位时,依据事件周围相邻位置到事件位置的曼哈顿距离确定膜电位增加量来更新事件周围位置的膜电位,模拟事件在空间上随着距离逐渐减弱的扩散效应;
步骤2.3、当膜电位超过设定的阈值,神经元释放一个脉冲,并将该事件位置的膜电位重置。释放的脉冲信息被记录在一个二维数组中。
步骤3、结合异步霍夫圆变换与上述重新构建的SNN模型,检测步骤1中接驳地标的坐标。
需要说明的是,步骤3仅需要对接驳地标进行变换,得到接驳地标在霍夫空间的映射。
步骤3.1、原始数据经过步骤2中模拟扩散的时空滤波器后,消除了水下灯光附近的噪声和过大光晕。在滤波后的事件数据基础上,利用基于异步事件的霍夫圆变换算法,将事件从笛卡尔坐标空间映射到二维参数空间,其计算公式为:
式中,为不断从流队列中获取的最新事件,/>被定义为在时间戳/>生成的点的集合。
步骤3.2、对于每个获得的事件,提取坐标并执行从笛卡尔坐标空间到霍夫参数空间的映射。在这个映射过程中,每个事件的霍夫映射都是异步处理的,在每一个事件的时间戳/>处生成/>映射。霍夫圆变换的计算公式为:
,
,
s.t.
式中,和/>分别表示事件中心的水平坐标和垂直坐标,/>是半径,/>是从/>到和/>的圆心角。
步骤3.3、将经过霍夫变换的事件映射到步骤2中所述结合了时空滤波器的SNN,定义如下:
其中,为经过霍夫映射后更新为/>的事件数据,/>为结合了时空滤波器的SNN模型。
利用基于连续SNN的连续霍夫映射,在SNN的中间层进行连续的霍夫映射,计算公式如下:
+/>,
式中,表示所有传入事件映射的中间层,/>为当前时间,/>为本组首个传入事件数据的中间层,/>为一组中第i个传入事件映射的事件数据的中间层,/>为当前传入事件数据的中间层。
步骤3.4、将获得的特征与矩形目标匹配,识别接驳位置的光源地标。
步骤4、基于透视4点(P4P)算法,计算水下航行器与接驳地标之间的相对姿态,自动调整水下航行器的航向,实现准确接驳。
具体的,步骤4经过分别计算接驳地标和DVS对应的2D坐标,计算AUV与光源平面的相对深度两个步骤后得出发送给AUV的运动命令。AUV接收命令后实时调整航向,完成接驳任务。
需要说明的是,在对相对姿态进行估算的步骤中,将SNN和连续Hough圆变换进行了结合,先将三维坐标变换为二维后进行基于二维的SNN模型检测可以包含更少的参数,提高计算运动命令的速度。具体地,计算三维坐标在二维平面的映射和计算相对深度的公式如下:
式中,和/>表示事件相机和世界坐标系,/>,/>分别是旋转矩阵和平移向量。
式中,,/>是图像中的坐标,/>,/>,/>,/>是DVS的参数,/>是第4个点的三维坐标。
本实施例的技术方案,通过在AUV对接任务中引入动态视觉传感器的辅助,降低了对接过程中计算与接驳位置光源平面相对姿态时的数据冗余,解决了利用传统光学相机驶向对接任务中的动作模糊问题,提高了响应速度。进而,通过本申请提出的一种融合SNN和时空滤波器方法,减轻了事件数据中噪点过多的问题,获得清晰鲁棒的场景图像,进一步减少了数据冗余,为航行器在水下对接驳地标的检测、识别和追踪等任务提供了鲁棒的视觉表达,提高了水下航行器接驳的精度和响应速度。
尽管已描述了本公开的优选实施方式,但本领域内的技术人员一旦得知了基本创造性概
念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施方式以及落入本公开范围的所有变更和修改。 显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或 其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本公开的技术方案而非对其保护范围的限制,尽管参照上述实施例对本公开进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本公开后依然可对发明的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在公开待批的权利要求保护范围之内。
Claims (10)
1.一种基于动态视觉传感器的水下航行器接驳方法,其特征在于,所述方法包括:
S1:采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标;
S2:根据时空滤波器和SNN构建SNN模型;
S3:根据异步霍夫圆变换和SNN模型,获取接驳地标的光源坐标;
S4:根据透视4点算法计算水下航行器与接驳地标之间的相对姿态,根据相对姿态调整水下航行器的航向,完成接驳任务。
2.根据权利要求1所述的一种基于动态视觉传感器的水下航行器接驳方法,其特征在于,所述步骤S1包括:
部署4个共面的矩形约束的光源作为接驳地标;
调整光源的照度,使光源可以被观测。
3.根据权利要求1所述的一种基于动态视觉传感器的水下航行器接驳方法,其特征在于,所述步骤S2包括:
在SNN基础上增加一个时空滤波器;
根据事件序列的异步稀疏性,对每一场景下每一像素位置分别以膜电位信息表示事件数据的变化信息,所有位置的膜电位初始值设为0;
每当一个新事件到达,根据事件的时间戳更新相应神经元的膜电位;
在更新膜电位时,根据事件周围相邻位置到事件位置的曼哈顿距离确定膜电位增加量;
根据膜电位增加量更新事件周围位置的膜电位,模拟事件在空间上随着距离逐渐减弱的扩散效应;
当膜电位超过设定的阈值,神经元释放一个脉冲,并将对应事件位置的膜电位重置,释放的脉冲信息被记录在一个二维数组中,根据二维数组存储的信息完成SNN模型的构建。
4.根据权利要求1所述的一种基于动态视觉传感器的水下航行器接驳方法,其特征在于,所述步骤S3包括:
利用基于异步事件的霍夫圆变换算法,将事件从笛卡尔坐标空间映射到二维参数空间;
对于每个获得的事件,提取事件坐标并执行从笛卡尔坐标空间到霍夫参数空间的映射;
将经过霍夫变换的事件坐标映射到SNN模型中,在SNN模型的中间层进行连续的霍夫映射,获取特征坐标;
将获得的特征坐标与二维参数空间的矩形目标匹配,获取接驳位置的光源地标。
5.根据权利要求4所述的一种基于动态视觉传感器的水下航行器接驳方法,其特征在于,所述将事件从笛卡尔坐标空间映射到二维参数空间具体为:
其中,为不断从流队列中获取的最新事件,/>被定义为在时间戳生成的点的集合,/>为坐标,/>为时间戳,/>为/>时刻x,y位置的脉冲信息。
6.根据权利要求1所述的一种基于动态视觉传感器的水下航行器接驳方法,其特征在于,所述步骤S4包括:
根据3D坐标系下4个光源点位置,计算光源在像素坐标系上的2D坐标,计算公式如下:
其中,表示事件相机,/>表示世界坐标系,/>为旋转矩阵,/>为平移向量;
利用4个光源点中任意3个光源点计算4组旋转矩阵和平移向量/>的解;
根据3个光源点的坐标计算第4点的投影坐标,所述第4点的投影坐标与实际投影坐标误差最小的解为正确解;
根据正确解计算出AUV与接驳位置光源平面间的相对深度;
在AUV接近接驳位置的过程中,根据安装在AUV头部的DVS获取的信息实时计算与光源平面之间的相对姿态,并将运动命令发送给AUV,完成对AUV航向的调整,完成接驳任务。
7.根据权利要求6所述的一种基于动态视觉传感器的水下航行器接驳方法,其特征在于,所述AUV与接驳位置光源平面间的相对深度的计算公式为:
其中,,/>是图像中的坐标,/>,/>,/>,/>是DVS的参数, />是第4个点的三维坐标;至/>为旋转矩阵R的值,/>至/>为平移向量/>的值。
8.一种基于动态视觉传感器的水下航行器接驳系统,其特征在于,所述系统包括:
接驳地标构建单元,用于采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标;
SNN模型构建单元,用于根据时空滤波器和SNN构建SNN模型;
接驳地标的光源坐标获取单元,用于根据异步霍夫圆变换和SNN模型,获取接驳地标的光源坐标;
接驳单元,用于根据透视4点算法计算水下航行器与接驳地标之间的相对姿态,根据相对姿态调整水下航行器的航向,完成接驳任务。
9.一种计算机设备,其特征在于:包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行根据权利要求1-7任一项所述的一种基于动态视觉传感器的水下航行器接驳方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于储存计算机程序,所述计算机程序执行权利要求1-7任一项所述的一种基于动态视觉传感器的水下航行器接驳方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410123538.5A CN117647998B (zh) | 2024-01-30 | 2024-01-30 | 一种基于动态视觉传感器的水下航行器接驳方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410123538.5A CN117647998B (zh) | 2024-01-30 | 2024-01-30 | 一种基于动态视觉传感器的水下航行器接驳方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117647998A true CN117647998A (zh) | 2024-03-05 |
CN117647998B CN117647998B (zh) | 2024-06-11 |
Family
ID=90045559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410123538.5A Active CN117647998B (zh) | 2024-01-30 | 2024-01-30 | 一种基于动态视觉传感器的水下航行器接驳方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117647998B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004059900A2 (en) * | 2002-12-17 | 2004-07-15 | Evolution Robotics, Inc. | Systems and methods for visual simultaneous localization and mapping |
US20130204820A1 (en) * | 2012-02-08 | 2013-08-08 | Qualcomm Incorporated | Methods and apparatus for spiking neural computation |
US20150235124A1 (en) * | 2014-02-20 | 2015-08-20 | Qualcomm Incorporated | Phase-coding for coordinate transformation |
CN108362296A (zh) * | 2017-12-29 | 2018-08-03 | 浙江大学 | Auv与接驳站水下对接的末端视觉导引方法 |
CN116805391A (zh) * | 2023-02-05 | 2023-09-26 | 西北工业大学 | 一种基于脉冲神经网络的航行器视觉目标感知与定位方法 |
-
2024
- 2024-01-30 CN CN202410123538.5A patent/CN117647998B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004059900A2 (en) * | 2002-12-17 | 2004-07-15 | Evolution Robotics, Inc. | Systems and methods for visual simultaneous localization and mapping |
US20130204820A1 (en) * | 2012-02-08 | 2013-08-08 | Qualcomm Incorporated | Methods and apparatus for spiking neural computation |
US20150235124A1 (en) * | 2014-02-20 | 2015-08-20 | Qualcomm Incorporated | Phase-coding for coordinate transformation |
CN108362296A (zh) * | 2017-12-29 | 2018-08-03 | 浙江大学 | Auv与接驳站水下对接的末端视觉导引方法 |
CN116805391A (zh) * | 2023-02-05 | 2023-09-26 | 西北工业大学 | 一种基于脉冲神经网络的航行器视觉目标感知与定位方法 |
Non-Patent Citations (1)
Title |
---|
李传立;尚俊娜;李芳;: "单目视觉人工路标辅助INS的组合导航定位方法", 传感技术学报, no. 01, 15 January 2020 (2020-01-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117647998B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255813B (zh) | 一种面向人机协作的手持物体位姿实时检测方法 | |
AU2018292610B2 (en) | Method and system for performing simultaneous localization and mapping using convolutional image transformation | |
CN110070615B (zh) | 一种基于多相机协同的全景视觉slam方法 | |
CN110163904B (zh) | 对象标注方法、移动控制方法、装置、设备及存储介质 | |
CN111325796B (zh) | 用于确定视觉设备的位姿的方法和装置 | |
CN105760824B (zh) | 一种运动人体跟踪方法和系统 | |
US10282913B2 (en) | Markerless augmented reality (AR) system | |
CN113450408B (zh) | 一种基于深度相机的非规则物体位姿估计方法及装置 | |
US10535160B2 (en) | Markerless augmented reality (AR) system | |
Myint et al. | Dual-eyes vision-based docking system for autonomous underwater vehicle: an approach and experiments | |
US7680300B2 (en) | Visual object recognition and tracking | |
WO2022021156A1 (zh) | 用于机器人抓取三维物体的方法和装置 | |
CN113052907B (zh) | 一种动态环境移动机器人的定位方法 | |
Neves et al. | Raspberry PI based stereo vision for small size ASVs | |
CN113848931B (zh) | 农机自动驾驶障碍物识别方法、系统、设备和存储介质 | |
CN109872355A (zh) | 一种基于深度相机的最短距离获取方法及装置 | |
CN112683228A (zh) | 单目相机测距方法及装置 | |
Koreitem et al. | Synthetically trained 3d visual tracker of underwater vehicles | |
CN112967340A (zh) | 同时定位和地图构建方法、装置、电子设备及存储介质 | |
CN116805391A (zh) | 一种基于脉冲神经网络的航行器视觉目标感知与定位方法 | |
Billings et al. | SilhoNet-fisheye: Adaptation of a ROI based object pose estimation network to monocular fisheye images | |
CN117523461B (zh) | 一种基于机载单目相机的运动目标跟踪与定位方法 | |
Li et al. | Vision-based target detection and positioning approach for underwater robots | |
CN117647998B (zh) | 一种基于动态视觉传感器的水下航行器接驳方法和系统 | |
CN116259001A (zh) | 一种多视角融合的三维行人姿态估计与追踪方法 |
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 |