一种无人船虚实融合多孪生智能感知增强方法技术

本发明专利技术提供一种无人船虚实融合多孪生智能感知增强方法，包括：获取数据信息；对获取的数据信息进行数据融合处理，并将融合后的结果存储到数据库并构建模型数据库；将模型数据库中的数据传输至电子海图显示平台、三维视景显示平台和虚实融合显示平台，电子海图显示平台实现海图作业、航线修正，并实时提取电子海图的航道、浮标信息，并将实时提取的信息发送至三维视景平台完成数据补充；三维视景平台以Unity作为开发引擎构建三维虚拟场景，并实现感知实例化、天气系统以及风险提示功能；虚实融合显示平台将船载摄像头采集到的航行画面进行渲染处理，使岸端操纵者通过直观的引导信息以及识别边框来判断无人船的航行安全，实现辅助驾驶的功能。辅助驾驶的功能。辅助驾驶的功能。

A multi twin intelligent perception enhancement method based on virtual reality fusion of unmanned ships

【技术实现步骤摘要】
一种无人船虚实融合多孪生智能感知增强方法


[0001]本专利技术涉及无人船舶的安全助航
，具体而言，尤其涉及一种无人船虚实融合多孪生智能感知增强方法。

技术介绍

[0002]在船舶航行领域，驾驶员多是通过观察船载设备(雷达、AIS、电子海图等)获取航行环境、目标船参数以及航行参数。对于无人船舶而言，在航海设备增加的同时，也为驾驶员带来信息负荷。驾驶员在承担驾驶任务时，还需完成航行信息的整合和处理。当前船载设备复杂的显示系统，给船舶安全航行带来方便，也使驾驶员疲于处理各种信息。因此，在给驾驶员提供航行信息时要保证信息的有效性和及时性。
[0003]当前对于无人船舶航行状态显示大多单纯依靠电子海图，对电子海图进行开发，实现显示本船舶、目标船舶、航线、再融合AIS信息以及雷达回波等基础海图作。电子海图虽然功能很强，但其只是一种助航仪器，其系统本身的局限性、显示误差和故障、使用者对系统设置和使用中的不适当或错误、传感器的误差、备用布置使用上的及时和有效等都要求使用者对其绝不能过分依赖。多个传感器、多个界面分散了操纵者的注意力，容易发生事故。因此传统的助航系统存在一定的不足。

技术实现思路

[0004]根据上述提出的技术问题，提供一种无人船虚实融合多孪生智能感知增强方法。本专利技术可以完善无人船舶的可视化感知助航系统，使操纵者从岸端更加直观实时观测到无人船的航行状态。
[0005]本专利技术采用的技术手段如下：
[0006]一种无人船虚实融合多孪生智能感知增强方法，包括：
[0007]S1、获取数据信息；
[0008]S2、对获取的所述数据信息进行数据融合处理，并将融合后的结果存储到数据库并构建模型数据库；
[0009]S3、将模型数据库中的数据传输至电子海图显示平台、三维视景显示平台以及虚实融合显示平台，实现对无人船的辅助驾驶。
[0010]进一步地，所述步骤S1中，获取的数据信息包括环境信息、本船信息以及他船信息，其中：
[0011]环境信息包括天气信息、洋流信息以及航道信息、浮标信息；多种传感器及设备共同获取无人船航行的环境信息，获取环境信息的传感器设备包括用于测量水深的测深仪、用于测量风速风向的风速风向仪、用于测量水流速度和方向的测流仪、用于测量海浪数据的波浪仪、用于提供航道信息的电子海图；
[0012]本船信息包括本船航行时产生的数据信息，数据信息用于反映本船的航行状态；获取本船信息的设备包括用于提供无人船方位的陀螺罗经、用于对船舶进行定位并提供准
确的经纬度信息的GPS、用于测量航程并进行航迹推算的计程仪、用于获取无人船自动舵的反馈信息便于进行优化调整的舵角反馈器；
[0013]他船信息包括探测一定范围内的目标船舶数据信息，获取目标船舶数据信息的设备包括雷达和AIS。
[0014]进一步地，所述步骤S2中，对获取的所述数据信息进行数据融合处理，主要是对雷达和AIS获取的目标船舶数据信息的冗余部分进行数据融合，具体如下：
[0015]空间统一：
[0016]采用墨卡托投影转换AIS信息坐标，墨卡托投影公式如下所示：
[0017][0018][0019]其中，a表示椭球体的长轴，a的值为6378137m；b表示的是楠球体的短半轴其值约为6356752.3142m；表示基准绅度；λ表示经度，单位为弧度；表示纬度，单位是单位弧度；λ0表示中央经线且中央经度为0；表示卯酉圈曲率半径；e表示第一偏心率且e
.
表示第二偏心率且
[0020]将雷达的信息格式从极坐标系转换为直角坐标系，转换公式如下所示：
[0021][0022]其中，R表示雷达目标在k时刻的距离；θ(k)表示雷达目标在k时刻的方位角；x(k)表示雷达目标k时刻在直角坐标系中X轴分量；y(k)表示雷达目标 k时刻在直角坐标系中y轴分量；
[0023]时间统一：
[0024]选用线性插值算法实现时间对准，具体如下：
[0025]在区间[a,b]上，给定n+1个节点：a＝t0＜t1＜
…
＜t
n
‑1＜t
n
＝b和对应 y0,y1,
…
,y
n
，设h
i
＝t
i+1
‑
t
i
，插值函数为S
h
(t)，其为一条折线函数，在任一个小区间[t
i
,t
i+1
]上可以表示为 t
i
＜t＜t
i+1
；
[0026]采用基函数法构造分段线性函数，在整个区间[a,b]上S
h
(t)为其中l
j
(t)为朗格朗日插值基函数，朗格朗日插值基函数的公式如下所示：
[0027][0028]采用距离
‑
速度综合细关联算法，根据同一目标在一定时间内运动特性相同的特点进行关联，具体如下：
[0029]选取一定采样时间内的一段航迹，并计算雷达和AIS相应点在x和y方向上位置和速度等数值之差，差值最小的认为是关联的目标；已知雷达对目标的量测矩阵为AIS对目标的量测矩阵为计算公式如下所示：
[0030][0031]其中，式中Dx
ij
，Dy
ij
分别表示N个测量点内雷达目标i与AIS目标j在x和y方向的平均速度差，满足最小的雷达跟踪目标i和AIS 跟踪目标j确定关联；航迹融合算法基于统计加权准则，对融合结果采用扩展卡尔曼滤波进行处理使航迹更接近真实轨迹；
[0032]对多传感器进行数据融合其权重分配的准确性决定了数据融合的准确性，设有n个感知设备，z
i
(i＝1,2,3,...,n)为测量值，为权重，n个传感器中第i个传感器的测量值为z
i
＝x
i
+e
i
，其中z
i
为测量值， x
i
为真实值，e
i
为误差值，由于各传感器间不存在干扰互相独立，因此都服从正态分布，如下式所示：
[0033][0034]统计加权即将称重与测量值相乘并累加得到估计值为达到无偏估计，需满足得到
[0035]采用最小均方差对权重分配，公式如下所示：
[0036][0037]将其转为线性规划问题，如下所示：
[0038][0039][0040][0041]针对线性规划，采用拉格朗日乘数法并构造辅助函数求解，辅助函数设为计算得到最优权重及最小方差如下：
[0042][0043]数据融合：
[0044]对距离、方位、航速、航向进行数据融合，融合公式如下所示：
[0045][0046]其中，为雷达和AIS距离方差，是方位方差，是方位方差，分别为航速方差、航向方差；
[0047]为了提高融合精度对融合结果采用扩展卡尔曼滤波进行处理，扩展卡本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人船虚实融合多孪生智能感知增强方法，其特征在于，包括：S1、获取数据信息；S2、对获取的所述数据信息进行数据融合处理，并将融合后的结果存储到数据库并构建模型数据库；S3、将模型数据库中的数据传输至电子海图显示平台、三维视景显示平台以及虚实融合显示平台，实现对无人船的辅助驾驶。2.根据权利要求1所述的无人船虚实融合多孪生智能感知增强方法，其特征在于，所述步骤S1中，获取的数据信息包括环境信息、本船信息以及他船信息，其中：环境信息包括天气信息、洋流信息以及航道信息、浮标信息；多种传感器及设备共同获取无人船航行的环境信息，获取环境信息的传感器设备包括用于测量水深的测深仪、用于测量风速风向的风速风向仪、用于测量水流速度和方向的测流仪、用于测量海浪数据的波浪仪、用于提供航道信息的电子海图；本船信息包括本船航行时产生的数据信息，数据信息用于反映本船的航行状态；获取本船信息的设备包括用于提供无人船方位的陀螺罗经、用于对船舶进行定位并提供准确的经纬度信息的GPS、用于测量航程并进行航迹推算的计程仪、用于获取无人船自动舵的反馈信息便于进行优化调整的舵角反馈器；他船信息包括探测一定范围内的目标船舶数据信息，获取目标船舶数据信息的设备包括雷达和AIS。3.根据权利要求2所述的无人船虚实融合多孪生智能感知增强方法，其特征在于，所述步骤S2中，对获取的所述数据信息进行数据融合处理，主要是对雷达和AIS获取的目标船舶数据信息的冗余部分进行数据融合，具体如下：空间统一：采用墨卡托投影转换AIS信息坐标，墨卡托投影公式如下所示：托投影转换AIS信息坐标，墨卡托投影公式如下所示：其中，a表示椭球体的长轴，a的值为6378137m；b表示的是楠球体的短半轴其值约为6356752.3142m；表示基准绅度；λ表示经度，单位为弧度；表示纬度，单位是单位弧度；λ0表示中央经线且中央经度为0；表示卯酉圈曲率半径；e表示第一偏心率且e.表示第二偏心率且将雷达的信息格式从极坐标系转换为直角坐标系，转换公式如下所示：
其中，R表示雷达目标在k时刻的距离；θ(k)表示雷达目标在k时刻的方位角；x(k)表示雷达目标k时刻在直角坐标系中X轴分量；y(k)表示雷达目标k时刻在直角坐标系中y轴分量；时间统一：选用线性插值算法实现时间对准，具体如下：在区间[a,b]上，给定n+1个节点：a＝t0＜t1＜
…
＜t
n
‑1＜t
n
＝b和对应y0,y1,
…
,y
n
，设h
i
＝t
i+1
‑
t
i
，插值函数为S
h
(t)，其为一条折线函数，在任一个小区间[t
i
,t
i+1
]上可以表示为t
i
＜t＜t
i+1
；采用基函数法构造分段线性函数，在整个区间[a,b]上S
h
(t)为其中l
j
(t)为朗格朗日插值基函数，朗格朗日插值基函数的公式如下所示：采用距离
‑
速度综合细关联算法，根据同一目标在一定时间内运动特性相同的特点进行关联，具体如下：选取一定采样时间内的一段航迹，并计算雷达和AIS相应点在x和y方向上位置和速度等数值之差，差值最小的认为是关联的目标；已知雷达对目标的量测矩阵为AIS对目标的量测矩阵为计算公式如下所示：其中，式中Dx
ij
，Dy
ij
分别表示N个测量点内雷达目标i与AIS目标j在x和y方向的平均速度差，满足最小的雷达跟踪目标i和AIS跟踪目标j确定关联；航迹融合算法基于统计加权准则，对融合结果采用扩展卡尔曼滤波进行处理使航迹更接近真实轨迹；对多传感器进行数据融合其权重分配的准确性决定了数据融合的准确性，设有n个感
知设备，z
i
(i＝1,2,3,...,n)为测量值，为权重，n个传感器中第i个传感器的测量值为z
i
＝x
i
+e
i
，其中z
i
为测量值，x
i
为真实值，e
i
为误差值，由于各传感器间不存在干扰互相独立，因此都服从正态分布，如下式所示：统计加权即将称重与测量值相乘并累加得到估计值为达到无偏估计，需满足得到采用最小均方差对权重分配，公式如下所示：将其转为线性规划问题，如下所示：将其转为线性规划问题，如下所示：将其转为线性规划问题，如下所示：针对线性规划，采用拉格朗日乘数法并构造辅助函数求解，辅助函数设为计算得到最优权重及最小方差如下：数据融合：对距离、方位、航速、航向进行数据融合，融合公式如下所示：
其中，为雷达和AIS距离方差，是方位方差，是方位方差，分别为航速方差、航向方差；为了提高融合精度对融合结果采用扩展卡尔曼滤波进行处理，扩展卡尔曼滤波公式如下所示：其中，为状态预测均值，P
k|k
‑1为状态预测方差，K
k
为卡尔曼增益，为目标后验的均值，P
k
为目标后验的方差，船舶运动动模型状态向量为x＝[X,Y,SOG,COG]
T
，X,Y,SOG,COG分别为横纵坐标、航速、航向，得到船舶运动系统方程如下所示：其中，观测矩阵为z＝[D,B,SOG,COG]
T
，D,B,SOG,COG分别为距离、方位角、航速、航向，观测方程如下所示：
4.根据权利要求1所述的无人船虚实融合多孪生智能感知增强方法，其特征在于，所述步骤S3中：所述电子海图显示平台作为基础助航显示系统来实现海图作业、航线修正，并实时提取电子海图的航道、浮标信息，并将实时提取的信息发送至所述三维视景平台完成数据补充；所述三维视景平台以Unity作为开发引擎构建...

【专利技术属性】
技术研发人员：范云生，张磊，赵永生，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：