一种多传感器融合的无人船自主避障导航方法与流程
本发明属于水面无人航行器智能控制,具体地说是一种多传感器融合的无人船自主避障导航方法。
背景技术:
1、近年来,随着无人技术和自动化控制的快速发展,无人船逐渐成为海洋领域的重要研究对象,被广泛应用于环境监测、海洋勘探、水上巡逻等领域。目前,无人船的避障导航主要依赖于环境感知、地图构建、路径规划与运动控制四大模块的协同工作。现有技术中,无人船通常搭载激光雷达、毫米波雷达、工业相机、惯性测量单元(imu)和全球定位系统(gps)等传感器,通过多传感器融合的方式感知周围环境。然而,现有技术仍存在以下显著不足:
2、第一,多传感器异构数据在时空维度上存在语义冲突。不同传感器具有不同的采样频率、坐标系、探测范围和环境适应性。例如,相机在低能见度条件下性能欠佳,雷达对小目标检测存在局限。现有融合方法多采用简单的加权平均或串行匹配策略,未能充分解决异构传感器数据在时间同步、空间对齐和语义一致性方面的深层冲突,导致融合后的环境感知结果存在较大不确定性。
3、第二,现有避障方法缺乏对动态障碍物运动趋势的预测性认知。传统的避障导航方法多为反应式,即仅在障碍物进入传感器探测范围后才触发避障动作。这种先感知后反应的模式在面对高速动态障碍物时,往往因响应滞后而导致避障失败或产生危险的大角度转向。
4、第三,复杂水域环境下多源感知信息的不确定性缺乏系统性的量化评估与动态利用。水面环境具有强动态、强非线性特点,风浪流等环境干扰以及传感器自身噪声使得感知数据存在不同程度的不确定性。现有技术中,不同来源的感知信息往往被赋予固定权重或简单融合,未能根据环境变化和传感器状态动态调整各信息源的置信度,导致在部分传感器性能下降时整体导航性能急剧退化。
5、为此,本发明提供了一种多传感器融合的无人船自主避障导航方法。
技术实现思路
1、为了弥补现有技术的不足,解决背景技术中所提出的至少一个技术问题。
2、本发明解决其技术问题所采用的技术方案是:一种多传感器融合的无人船自主避障导航方法,包括以下步骤:
3、步骤一:在无人船上部署多源异构传感器,包括激光雷达、毫米波雷达、视觉传感器、惯性测量单元及卫星定位系统,各传感器按照各自的采样频率独立采集环境与运动状态数据;
4、步骤二:对各传感器采集的数据进行时空同步与预处理,包括以统一时间基准进行时间同步、将所有数据统一转换到船体坐标系下进行空间同步,并对各类传感器数据进行针对性滤波去噪;
5、步骤三:进行基于置信度评估的自适应多传感器融合,具体包括:计算各传感器在当前环境条件下的实时置信度因子;对不同传感器的障碍物检测结果进行跨传感器关联匹配,将指向同一物理障碍物的检测结果归为一组;根据各传感器的置信度因子动态选择融合策略,对归属于同一障碍物的多源检测结果进行融合,生成融合后的障碍物信息;并为融合后的每个障碍物附加综合置信度标记;
6、步骤四:基于电子海图先验信息和步骤三生成的障碍物分布图进行全局路径规划,在航行过程中基于实时更新的障碍物分布图进行局部动态避障,避障完成后进行路径平滑处理并引导无人船回归全局路径;
7、步骤五:将步骤四规划的期望路径转换为控制指令,通过航向控制和速度控制使无人船的实际航行轨迹跟踪所述期望路径,并利用惯性测量单元和卫星定位系统的实时反馈进行偏差修正。
8、优选地,所述多源异构传感器中:激光雷达用于获取周围环境的三维点云数据,毫米波雷达用于在恶劣天气条件下探测动态障碍物,视觉传感器用于采集水面图像以识别障碍物类型和纹理特征,惯性测量单元用于实时获取无人船的位姿和运动状态信息,卫星定位系统用于提供绝对位置参考。
9、优选地,所述时空同步与预处理中:时间同步以卫星定位系统提供的协调世界时为统一时间基准,对各传感器数据包标注时间戳;空间同步将所有传感器的测量数据转换至以无人船重心为原点的船体坐标系;滤波去噪针对激光雷达的水面镜面反射噪声、视觉图像的水面反光和波浪干扰、毫米波雷达的多路径效应分别采用相适应的滤波方法进行预处理,剔除异常离群数据。
10、优选地,所述置信度因子的计算方式为:针对每一帧传感器数据,综合考虑当前环境条件和传感器自身状态,为各传感器输出的障碍物检测结果分别计算实时置信度因子;所述环境条件包括光照强度、能见度和雨雾等级,所述传感器自身状态包括信号强度、数据完整性和噪声水平。
11、优选地,所述自适应多传感器融合还包括一致性检验子步骤:对不同传感器在同一时刻检测到的障碍物信息进行交叉验证;当多个传感器对同一空间位置均检测到障碍物时,该障碍物存在的置信度提高;当仅单一传感器报告而其他传感器未检测到时,结合该传感器的实时置信度因子进行综合判定;置信度高的传感器数据在融合结果中占有更大的权重,置信度低于预设阈值的传感器数据在融合过程中被自动抑制。
12、优选地,所述跨传感器关联匹配中,判断来自不同传感器的检测结果是否指向同一物理障碍物的关联判据包括:各检测结果在空间上的距离相似度、尺寸相似度以及运动状态一致性。
13、优选地,所述根据各传感器的置信度因子动态选择融合策略包括以下模式:
14、(1)高置信度单源主导模式:当某一传感器的置信度因子显著高于其他传感器时,以该传感器的检测结果为主体框架,其他传感器的检测结果作为辅助验证和细节补充;
15、(2)多源均衡互补模式:当多个传感器的置信度因子相互接近时,各传感器的检测结果按其置信度因子分配权重进行加权融合;
16、(3)冲突仲裁模式:当不同传感器的检测结果在关键参数上存在显著冲突时,分析冲突来源并对存在已知局限性传感器的相关检测结果进行局部修正后再参与融合;无法修正时,以覆盖范围更大、安全裕度更高的检测结果为准。
17、优选地,所述综合置信度标记的确定方式为:根据融合所依据的各源传感器数据的可靠性以及各源检测结果之间的一致程度确定综合置信度,源数据越可靠且各源检测结果之间越一致,则融合结果的综合置信度越高;所述综合置信度标记传递至路径规划步骤,供路径规划算法区分确定性障碍物与不确定性障碍物。
18、优选地,所述步骤四中:全局路径规划基于电子海图先验信息并结合步骤三生成的障碍物分布图,规划从起点到目标点的全局参考路径,规避已知静态障碍物;局部动态避障在无人船沿全局参考路径航行过程中,基于实时更新的障碍物分布图检测路径前方的障碍物,当检测到障碍物可能干扰航行时,在满足无人船自身运动学约束的前提下实时生成局部避障路径,使无人船平滑绕过障碍物;避障完成后进行路径平滑处理以消除突兀拐点,并引导无人船逐步回归全局参考路径。
19、优选地,所述步骤五中:将期望路径转换为无人船的控制指令,通过航向控制和速度控制使无人船的实际航行轨迹紧密跟随期望路径;控制过程中持续接收惯性测量单元和卫星定位系统的实时反馈,对航向偏差和位置偏差进行修正,以抵消风浪等环境扰动对航行的影响。
20、本发明的有益效果:
21、1.本发明通过部署激光雷达、毫米波雷达、视觉传感器、imu及卫星定位系统等多源异构传感器,实现了对周围环境的多维度感知。在此基础上,通过置信度评估机制,综合光照强度、能见度、雨雾等级以及各传感器的信号强度、数据完整性和噪声水平,客观量化每个传感器的实时可信度,并结合跨传感器关联匹配与自适应融合策略,有效解决了单一传感器在恶劣天气或自身故障时感知失效的问题,大幅抑制了水面镜面反射、波浪干扰等造成的虚警目标,使融合后的障碍物信息更加准确可靠,为避障决策提供了高质量的环境感知输入。
22、2.本发明采用全局路径规划+局部动态避障的分层架构:航行前基于电子海图信息规划全局参考路径,确保航程经济性;航行中基于实时障碍物分布图进行局部避障,避障后进行路径平滑并引导回归全局路径。同时,每个障碍物均附加综合置信度标记,使路径规划模块能够区分确定性障碍物与疑似目标,对前者果断避障、对后者保守监控,既避免了因虚警目标导致的不必要大幅绕行而损失效率,又确保了真实威胁得到及时规避,真正实现了航行安全性与效率的有机统一。
23、3.本发明构建了从数据采集、融合、路径规划到跟踪控制的完整闭环系统。在控制执行层面,将期望路径转换为航向和速度控制指令,并持续接收imu的姿态信息和卫星定位系统的绝对位置信息作为实时反馈,对航向偏差和位置偏差进行闭环修正。当遭遇风、浪、流等外部扰动导致船体偏离预定航线时,系统能够快速响应并精准修正,确保无人船紧密跟随期望路径。同时,各模块之间形成紧密的信息传递与反馈机制,使整套方法具备优异的抗扰动能力和环境自适应性,能够保障无人船高质量完成测绘、巡逻、勘探等各类水上作业任务。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com