一种无人水面艇航迹融合方法及装置制造方法及图纸

本发明专利技术公开了一种无人水面艇航迹融合方法和装置，所述方法包括：获取无人水面艇感知信息，所述感知信息包括GPS数据信息和雷达数据信息；对所述雷达数据信息进行数据预处理，得到目标雷达信息；构建航迹关联模型，利用所述航迹关联模型将所述GPS数据信息与所述目标雷达信息进行航迹关联；构建融合数据权重分配模型，利用所述融合数据权重分配模型所述GPS数据信息与其关联的目标雷达信息进行航迹融合；本发明专利技术通过信息融合实现对海上目标感知优势互补，提高匹配计算速度、节约计算资源，且具有更高的可信性。有更高的可信性。有更高的可信性。

【技术实现步骤摘要】
一种无人水面艇航迹融合方法及装置


[0001]本专利技术涉及无人水面艇
，尤其涉及一种无人水面艇航迹融合方法和装置。

技术介绍

[0002]USV(Unmanned Surface Vehicle)无人水面艇具有智能性、先进性等特点，近年来被广泛应用到水上搜救、水文气象检测等诸多领域，无人水面艇在海上航行过程中对周围海上航行目标进行实时感知成为确保USV安全航行的重要条件。
[0003]但是，无人水面艇存在设备本身盲区、设备数据预处理、数据格式统一、数据融合权重分配等问题，使得USV航行过程中数据来源、数据预处理及数据融合模型方面仍没有最优解决方式，为提高USV海上航行作业目标感知效果，以现有USV普遍装配的GPS和雷达数据为数据源，在经过数据预处理、数据校正、航迹关联、数据融合等阶段处理后，达到对USV及周围航行目标高精度感知目的。

技术实现思路

[0004]为了解决现有技术中的问题，本专利技术提供了一种无人水面艇航迹融合方法和装置，以达到对USV及周围航行目标高精度感知目的，具体是：
[0005]第一方面，本申请提供了一种无人水面艇航迹融合方法，所述方法包括：
[0006]获取无人水面艇感知信息，所述感知信息包括GPS数据信息和雷达数据信息；
[0007]对所述雷达数据信息进行数据预处理，得到目标雷达信息；
[0008]构建航迹关联模型，利用所述航迹关联模型将所述GPS数据信息与所述目标雷达信息进行航迹关联；
[0009]构建融合数据权重分配模型，利用所述融合数据权重分配模型所述GPS数据信息与其关联的目标雷达信息进行航迹融合。
[0010]第二方面，本申请提供了一种无人水面艇航迹融合装置，所述装置包括：
[0011]信息获取模块，用于获取无人水面艇感知信息，所述感知信息包括GPS数据信息和雷达数据信息；
[0012]数据预处理模块，用于对所述雷达数据信息进行数据预处理，得到目标雷达信息；
[0013]航迹关联模块，用于构建航迹关联模型，利用所述航迹关联模型将所述GPS数据信息与所述目标雷达信息进行航迹关联；
[0014]航迹融合模块，用于构建融合数据权重分配模型，利用所述融合数据权重分配模型将所述GPS数据信息与其关联的目标雷达信息进行航迹融合。
[0015]本专利技术提供的无人水面艇航迹融合方法及装置具有的有益效果是：
[0016](1)基于GPS和雷达数据融合，解决了GPS数据存在传输频率不固定、回传延迟等问题，雷达数据存在海杂波干扰、扫描距离较近等问题，通过GPS数据与雷达数据的关联和融合达到对海上目标感知优势互补的目的。
[0017](2)构建航迹关联数学模型，通过粗关联结合细关联，并具体应用多因素欧式距离及马氏距离关联算法对目标航迹进行关联的方式，使得本申请能够为识别同一目标航迹提供多种渠道，提高匹配计算速度、节约计算资源。
[0018](3)构建基于层次分析法和熵权赋值法的融合数据权重分配模型，避免单一权重方法存在的问题，兼顾层次分析法和熵值法的优点，具有更高的可信性。
附图说明
[0019]为了更清楚地说明本说明书实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0020]图1是一种无人水面艇航迹融合方法的流程图；
[0021]图2是一种构建航迹关联模型中的航迹粗相关流程图；
[0022]图3是一种构建航迹关联模型中的航迹细相关流程图；
[0023]图4是一种无人水面艇定位数据融合框架设计思路示意图；
[0024]图5是一种无人水面艇航迹融合装置的组成框图；
[0025]图6是实验得到的雷达目标航迹、GPS目标航迹、融合目标航迹和理想目标航迹的对比图。
具体实施方式
[0026]下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]本实施提供了一种无人水面艇航迹融合方法，如图1所示，所述方法包括：
[0028]S102.获取无人水面艇感知信息，所述感知信息包括GPS数据信息和雷达数据信息；
[0029]在实际应用中，具体可以是：
[0030]步骤1.1通过串口接收GPS、雷达数据信息，得到数据串；
[0031]步骤1.2根据传感器通讯协议，对接收到的数据串进行检验、解码，获得无人水面艇的当前航速v，经纬度L，航向角W等运动状态信息。
[0032]S104.对所述雷达数据信息进行数据预处理，得到目标雷达信息；
[0033]进一步地，步骤S104中的对所述雷达数据信息进行数据预处理，得到目标雷达信息，包括：
[0034]S1042.对雷达数据信息进行数据提取，得到中间数据集的一种可行方式可以是：
[0035]雷达目标位置极坐标通过三角函数转换到笛卡尔坐标，在图像坐标转换以像素坐标为转换基准，通过式(1)完成坐标转换。
[0036][0037]式(1)中，x
r
、y
r
代表笛卡尔系下的横纵坐标；R代表极径，为雷达探测最大范围；θ代表极角。
[0038]通过对比目标模板图像与整体图像子图差别大小来判定匹配程度，差别最小的即为最优匹配；
[0039]通过目标模板图像在整体图上遍历，对比计算目标模板图和整体图中子图的绝对差，绝对差最小值为最优匹配位置；
[0040]最小误差法计算模型可表示为式(2)。
[0041][0042]在式(2)中，E(i,j)为绝对差，取最小值时为最优匹配位置；目标模板图T的大小为M
×
N；S为整体图，S
i,j
为子图。
[0043]将雷达笛卡尔坐标图像数据转换成二值化矩阵，根据专家经验定义目标模板图T的二值化矩阵为式(3)。
[0044][0045]利用模板图矩阵T进行整体图上的误差计算，定位到目标最优匹配位置并记录，在整体图数据中标识，得到笛卡尔坐标下目标坐标。利用雷达所在位置的经纬度坐标、扫描半径，通过坐标转换、等比例计算方法，得到目标经纬度坐标、方位、距离等航行数据。
[0046]S1044.对所述中间数据集进行数据剔除，得到目标雷达信息；
[0047]详细地，得到目标雷达信息，在实际应用中，具体可以为：
[0048]由目标上一时刻点经纬度位置、最新时刻点经纬度位置计算经纬度距离d1。如式(4)、(5)所示为通过经纬度计算的两点距离。
[0049]C＝sin(la本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人水面艇航迹融合方法，其特征在于，所述方法包括：获取无人水面艇感知信息，所述感知信息包括GPS数据信息和雷达数据信息；对所述雷达数据信息进行数据预处理，得到目标雷达信息；构建航迹关联模型，利用所述航迹关联模型将所述GPS数据信息与所述目标雷达信息进行航迹关联；构建融合数据权重分配模型，利用所述融合数据权重分配模型将所述GPS数据信息与其关联的目标雷达信息进行航迹融合。2.根据权利要求1所述的无人水面艇航迹融合方法，其特征在于，所述对所述雷达数据信息进行数据预处理，得到目标雷达信息，包括：对雷达数据信息进行数据提取，得到中间数据集；对所述中间数据集进行数据剔除，得到目标雷达信息；将所述目标雷达信息中的数据与GPS数据信息，进行时空统一。3.根据权利要求2所述的无人水面艇航迹融合方法，其特征在于，所述对雷达数据信息进行数据提取，得到中间数据集，包括：将所述雷达数据信息进行笛卡尔坐标转换，得到转换数据集；依据转换数据集，将雷达数据信息对应的整体图像划分为多个子图；将所述多个子图与目标模板图像进行匹配，选取最优匹配子图；根据所述最优匹配子图确定出中间数据集。4.根据权利要求2所述的无人水面艇航迹融合方法，其特征在于，所述对所述中间数据集进行数据剔除，得到目标雷达信息，包括：根据中间数据集中的第一时刻坐标与第二时刻坐标确定出第一距离；获取第一时刻与第二时刻的时间差；根据中间数据集中的第一时段平均速度与所述时间差，得到第二距离；获取所述第一距离与所述第二距离之间的差值；在所述差值处于设定的阈值范围内时，将第二时刻坐标判定为坏值，剔除所述坏值；根据上述坏值判定方式，遍历所述中间数据集中的全部数据，得到目标雷达信息。5.根据权利要求1所述的无人水面艇航迹融合方法，其特征在于，构建航迹关联模型，利用所述航迹关联模型将所述GPS数据信息与所述目标雷达信息进行航迹关联，包括：利用粗关联模型，将所述GPS数据信息与所述目标雷达信息进行粗关联，得到粗关联数据库；利用细关联模型，将所述粗关联数据库中的GPS数据信息与所述目标雷达信息进行细关联，获取GPS数据信息与其对应的目标雷达信息。6.根据权利要...

【专利技术属性】
技术研发人员：王海荣，温小飞，厉梁，卢芳芳，李存军，毛坤宇，许克荣，朱浩纲，李江凡，王广哲，
申请(专利权)人：舟山市质量技术监督检测研究院，
类型：发明
国别省市：