一种用于无人船路径规划算法的可迭代验证方法及系统
本发明涉及无人船算法验证,具体涉及一种用于无人船路径规划算法的可迭代验证方法及系统。
背景技术:
1、无人船是一种可在水面自主执行任务的智能装备,在水文勘测、环境监测、水域安防、航道巡检等领域具有广泛的应用前景。路径规划与避障算法是无人船实现自主航行的核心技术,其性能直接决定无人船的航行安全性与任务执行效率,专用的算法验证平台是支撑算法研发、测试与优化的必要基础载体。
2、当前,常规的无人船算法验证平台多依托卫星定位与基础运动控制系统搭建,可完成简单开阔水域下的路径规划算法验证;部分平台通过增设视觉采集设备拓展环境感知维度,辅助算法实现障碍物识别与路径调整,一定程度上丰富了可验证的场景类型。
3、然而,现有无人船算法验证平台存在未构建高精度感知与可迭代验证相融合的闭环体系的核心技术问题:既无法通过多源数据融合输出精准的船体状态与环境障碍物信息,导致复杂水域环境下算法验证结果失真;也不支持多语言算法灵活部署与自动化分析调优,算法验证流程割裂、迭代效率低下,难以满足高精度无人船路径规划算法的快速研发需求。
技术实现思路
1、为了解决以上技术问题,本发明提供了一种用于无人船路径规划算法的可迭代验证方法,所述方法包括以下步骤:
2、s1、部署无人船硬件平台,建立无人船与可移动控制台之间的双向通信链路,完成船体运动功能与多传感器采集功能的自检校验,形成可稳定运行的算法验证硬件环境;
3、s2、在可移动控制台端配置实验边界参数,设定无人船的航行初始点位与目标终点位置,将点位参数作为待验证路径规划算法的输入约束条件;
4、s3、输入待验证的路径规划算法并完成部署加载,调用s2配置的点位参数控制无人船航行至初始点位待机;
5、启动实验后,无人船运行路径规划算法,结合实时感知数据向目标点位自主航行;采集的多源感知数据经前端特征提取与目标检测获取相对位置信息后,传输至无人船本体内置的数据融合处理单元执行融合滤波处理,并同步通过s1建立的通信链路回传融合后的状态数据,记录无人船在航行过程中的实验数据;
6、s4、基于s3记录的实验数据生成分析结果,评估路径规划算法的运行性能,调整算法参数后重复执行s2至s3的流程,完成算法的多轮迭代优化。
7、作为本发明的进一步改进,在步骤s3中,多源感知数据的采集具体包括以下步骤:
8、通过激光雷达采集周边环境的三维点云数据,用于获取障碍物空间分布信息,并通过视觉采集单元采集环境图像数据;
9、通过惯性测量单元采集船体的姿态角与角速度数据,以获取船体实时姿态变化,同时通过gps定位模块采集船体的全局坐标数据;
10、所有感知数据按统一时间戳同步传输至无人船本体内置的数据融合处理单元,执行后续融合滤波处理。
11、作为本发明的进一步改进,在步骤s3中,融合滤波处理采用扩展卡尔曼滤波算法,首先构建非线性系统的状态方程与观测方程,其中,状态方程通过下式实现:
12、
13、而观测方程为:
14、
15、式中,为时刻融合后的最优状态向量,为时刻的控制输入向量,为时刻的传感器观测向量,为基于无人船动力学的非线性状态转移模型,为描述船体真实状态与传感器观测值映射关系的非线性观测模型,为过程噪声,服从均值为0、协方差为的高斯分布,为观测噪声,服从均值为0、协方差为的高斯分布,为过程噪声协方差矩阵,为观测噪声协方差矩阵。
16、作为本发明的进一步改进,所述扩展卡尔曼滤波算法依次执行以下迭代计算步骤:
17、基于前一时刻的最优状态向量与控制输入向量,通过非线性状态转移模型计算当前时刻的先验状态向量:
18、
19、式中,为时刻的先验状态向量;
20、基于状态转移雅可比矩阵、前一时刻的后验协方差矩阵与过程噪声矩阵,计算当前时刻的先验协方差矩阵:
21、
22、式中,为时刻的先验协方差矩阵,为时刻的后验协方差矩阵,为状态转移雅可比矩阵,由非线性状态转移模型对状态向量求偏导并代入前一时刻状态与控制输入得到;
23、基于观测雅可比矩阵、当前时刻的先验协方差矩阵与观测噪声矩阵,计算当前时刻的卡尔曼增益:
24、
25、式中,为时刻的卡尔曼增益,为观测雅可比矩阵,由非线性观测模型对状态向量求偏导并代入当前时刻先验状态向量得到;
26、基于当前时刻的先验状态向量、卡尔曼增益、实际观测向量与观测模型输出的预测观测值,计算当前时刻的后验最优状态向量:
27、
28、基于当前时刻的卡尔曼增益、观测雅可比矩阵与先验协方差矩阵,计算当前时刻的后验协方差矩阵:
29、
30、式中,为单位矩阵;
31、完成迭代计算后输出融合后的船体定位坐标、姿态参数与环境障碍物空间信息,作为路径规划算法实时运行的感知输入数据。
32、作为本发明的进一步改进,在步骤s3中,路径规划算法的部署加载具体包括以下步骤:
33、在算法编辑环境中选择适配的编程语言,输入待验证的路径规划算法逻辑,经语法校验后加载至控制台的运算单元;
34、算法部署完成后自动关联步骤s2配置的航行点位参数与实时感知数据接口,使待验证路径规划算法能够以预设的初始点位、目标终点作为航行约束条件,以实时融合输出的船体状态与环境障碍物信息作为决策输入,输出航行控制指令以驱动无人船完成自主航行。
35、作为本发明的进一步改进,在步骤s3中,实验数据包括无人船实时位置坐标、航行速度、姿态角度、角速度以及周边障碍物距离信息;
36、实验数据按统一时间戳同步存储为结构化数据文件,同时保留原始传感数据与融合后的状态数据。
37、作为本发明的进一步改进,步骤s4具体包括以下步骤:
38、生成航行轨迹时序图、姿态变化曲线图与障碍物距离变化图作为可视化分析结果,直观呈现路径跟踪偏差、避障响应时延、姿态稳定性关键评估指标;
39、通过对比预设航行路径与实际航行轨迹、避障响应效果,量化评估路径规划算法的导航精度与避障性能;
40、根据评估结果针对性调整算法的路径搜索策略、避障阈值或运动控制参数,重复执行实验流程,完成多轮迭代调优。
41、在此基础上,本发明还提供了一种用于无人船路径规划算法可迭代验证系统,所述系统用于实现上述的方法,其包括:
42、部署于实验水域的无人船本体、通信子系统、可移动控制台以及搭载于无人船本体上的多传感器感知子系统;
43、所述多传感器感知子系统包括激光雷达、视觉采集单元、惯性测量单元与gps定位模块,用于同步采集船体姿态数据、全局位置数据及周边环境感知数据;
44、所述无人船本体内设置有数据融合处理单元,用于对多传感器感知子系统输出的数据执行融合滤波处理,输出高精度的船体定位结果、姿态参数与环境障碍物空间信息;
45、所述无人船本体通过通信子系统与可移动控制台建立双向数据传输链路,实现融合后的状态数据上行与控制指令下行的实时交互;
46、所述可移动控制台配置有上位机处理单元,所述上位机处理单元用于支持多种编程语言的路径规划算法输入与部署加载,配置实验点位参数并自动关联至算法运行接口,实现实验流程管控、运行状态数据自动记录与可视化分析,完成路径规划算法的多轮迭代验证与调优。
47、作为本发明的进一步改进,所述无人船本体中部设置有防水密封的设备舱,所述数据融合处理单元、核心控制单元、电源管理单元与推进器驱动单元均集成于所述设备舱内;
48、所述激光雷达与视觉采集单元布置于甲板前部,所述gps定位模块布置于甲板后部,所述惯性测量单元内嵌于设备舱中;
49、所述无人船本体的两侧尾部对称布置有推进器,各推进器由推进器驱动单元独立控制,用于实现船体的前后行进与航向旋转两个自由度的运动调整。
50、作为本发明的进一步改进,所述上位机处理单元包括算法编辑模块、实验配置模块、运动控制模块与数据分析模块;
51、所述算法编辑模块支持多种编程语言的路径规划算法编写、语法校验与部署加载;
52、所述实验配置模块用于设定无人船的航行初始点位与目标终点位置参数,并将参数自动同步至算法运行接口;
53、所述运动控制模块用于向无人船下发多自由度运动控制指令与实验启停指令;
54、所述数据分析模块用于自动存储实验全流程的状态与感知数据,并可生成状态时序分析图表。
55、与现有技术相比,本发明的有益效果为:
56、本发明通过设置的集成激光雷达、视觉采集单元、惯性测量单元与gps定位模块的多传感器感知子系统,以及搭载扩展卡尔曼滤波算法的船端数据融合处理单元,配合支持多编程语言算法部署的可移动控制台与低延迟双向通信子系统,实现船端前置融合处理后再回传状态数据,有效降低通信数据量、提升回传实时性,解决了现有无人船算法验证平台感知数据精度不足易导致验证结果失真、算法部署灵活性差的问题,实现了高精度船体状态与环境感知支撑下的路径规划算法快速部署,具有较好的使用价值与应用前景。
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