本发明专利技术公开了一种用于海洋设备的自主布放回收的方法，该方法包括：基于预置的跟踪规则获取海洋设备的图像特征点信息；将海洋设备的惯性测量信息和海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息；将海洋设备的无线载波信息和海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值；基于所述海洋设备的定位轨迹预测值控制执行机构对海洋设备进行自主布放回收。由此，根据本发明专利技术提供的方法和系统能够应对复杂恶劣的海洋条件下的布放回收问题，自动化、无人化、可靠高效的对海洋设备进行自动的布放回收。高效的对海洋设备进行自动的布放回收。高效的对海洋设备进行自动的布放回收。
【技术实现步骤摘要】
一种用于海洋设备的自主布放回收的方法及系统
[0001]本专利技术涉及海洋设备网络
，尤其涉及一种用于海洋设备的自主布放回收的方法及系统。
技术介绍
[0002]现伴随着陆地资源的减少以及开采成本的增加，人类逐渐把目光转向了水下。对水下资源的开采，成为各个国家新一轮的技术部署关键，但是水下作业环境使得资源的勘探和获取都十分困难，大多数作业任务只能通过水上设备进行。然而水上条件复杂，特别是在海洋作业时设备需要定时的进行布放回收。而海洋环境多变不稳定，使用人工进行布放回收是十分危险和不可靠的。
[0003]为了保障海洋工作人员的安全，实现对海洋设备的可靠稳定回收，需要在海洋作业船上安装自主布放回收设备。但是，目前这种自主布放回收设备对复杂海况的适应能力不强，且定位精度不足，对于海洋设备的近距离定位大多依靠光学传感器，在海洋鲁棒性不高。此外，多传感器的空间定位上存在数据时延，而且计算量大，各个传感器在空间上的轨迹闭合效果差，位姿累积误差大。
技术实现思路
[0004]本专利技术所要解决的技术问题在于，提供一种用于海洋设备的自主布放回收的方法及系统，能够应对复杂恶劣的海洋条件下的布放回收问题，自动化、无人化、可靠高效的对海洋设备进行自动的布放回收。
[0005]为了解决上述技术问题，本专利技术第一方面公开了一种用于海洋设备的自主布放回收的方法，所述方法包括：基于预置的跟踪规则获取海洋设备的图像特征点信息；将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息；将海洋设备的无线载波信息和海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值；基于所述海洋设备的定位轨迹预测值控制执行机构对海洋设备进行自主布放回收。
[0006]在一些实施方式中，所述基于预置的跟踪规则获取海洋设备的图像特征点信息，包括：获取海洋设备的实时图像信息中的第一帧位置信息；利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功；若判断为跟踪成功，则获取所述第一帧位置信息的图像特征点信息，并获取所述第一帧位置信息的下一帧位置信息循环所述基于预置的跟踪规则获取海洋设备的图像特征点信息的步骤。
[0007]在一些实施方式中，利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功，之后，若判断为跟踪成功，将所述第一帧位置信息的图像特征点信息作为训练样本数据保存，还包括：若判断为跟踪失败，则将所述训练样本数据基于目标检测算法进行训练生成检测模型；将跟踪失败的下一帧位置信息输入到所述检测模型生成再找回图像信息；获取所述再找回图像信息的图像特征点信息。
[0008]在一些实施方式中，所述将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息，包括：将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行分析生成卡尔曼滤波估计模型；将所述海洋设备的图像特征点信息和海洋设备的惯性测量信息代入所述卡尔曼滤波估计模型，通过卡尔曼滤波对海洋设备进行预测生成海洋设备的位姿信息。
[0009]在一些实施方式中，将海洋设备的无线载波信息和所述海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值，包括：利用海洋设备的无线载波信息构建误差状态模型；将所述海洋设备的无线载波信息和海洋设备的位姿信息代入所述误差状态模型，通过容积卡尔曼滤波生成海洋设备的定位轨迹预测值。
[0010]根据本专利技术的第二个方面，提供了一种用于海洋设备的自主布放回收的系统，所述系统包括：双目摄像头，用于获取海洋设备的图像；图像处理模块，用于基于预置的跟踪规则对所述海洋设备的图像挠性处理生成海洋设备的图像特征点信息；惯性测量模块，用于获取海洋设备的惯性测量信息；第一融合模块，用于将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息；无线载波模块，用于获取海洋设备的无线载波信息；第二融合模块，用于将海洋设备的无线载波信息和所述海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值；执行机构，用于基于所述海洋设备的定位轨迹预测值对海洋设备进行自主布放回收。
[0011]在一些实施方式中，所述图像处理模块包括：帧处理单元，用于获取海洋设备的实时图像信息中的第一帧位置信息；跟踪单元，用于利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功；特征点信息获取单元，用于在判断为跟踪成功，则获取所述第一帧位置信息的图像特征点信息，并获取所述第一帧位置信息的下一帧位置信息循环所述基于预置的跟踪规则获取海洋设备的图像特征点信息的步骤。
[0012]在一些实施方式中，特征点信息获取单元还将所述第一帧位置信息的图像特征点信息作为训练样本数据保存，所述特征点信息获取单元还用于：在判断为跟踪失败，则将所述训练样本数据基于目标检测算法进行训练生成检测模型；将跟踪失败的第一帧位置信息输入到所述检测模型生成再找回图像信息；获取所述再找回图像信息的图像特征点信息。
[0013]在一些实施方式中，所述第一融合模块包括：卡尔曼滤波估计模型，通过将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行卡尔曼滤波生成；第一预测单元，用于将所述海洋设备的图像特征点信息和海洋设备的惯性测量信息代入所述卡尔曼滤波估计模型，通过卡尔曼滤波对海洋设备进行预测生成海洋设备的位姿信息。
[0014]在一些实施方式中，第二融合模块包括：误差状态模型，通过海洋设备的无线载波信息生成，第二预测单元，用于将所述海洋设备的无线载波信息和海洋设备的位姿信息代入所述误差状态模型，通过容积卡尔曼滤波生成海洋设备的定位轨迹预测值。
[0015]与现有技术相比，本专利技术的有益效果在于：
[0016]实施本专利技术能够针对复杂海况下的近距离定位的实际工程需求，开展基于多个传感器数据融合的海洋设备自主布放回收方法。首先基于水下通信的复杂性和海洋环境的恶劣情况，选择通过对双目摄像头，惯性测量模块，无线载波模块等进行物理模型仿真的数据融合，从而实现了海洋设备的运动位姿可视化。其次，针对布放回收时的动作时延，海洋的环境多变复杂开发了基于多传感器数据融合的物体定位算法，能够对海洋设备的路径进行
预测，由此实现了海洋设备的自主布放回收，具有良好的定位效果和跟踪精度，以及较强的鲁棒性。由此能够应对复杂恶劣的海洋条件下的布放回收问题，自动化、无人化、可靠高效的对海洋设备进行自动的布放回收。
附图说明
[0017]图1为本专利技术实施例公开的一种用于海洋设备的自主布放回收的流程示意图；
[0018]图2为本专利技术实施例公开的基于预置的跟踪规则获取海洋设备的图像特征点信息的方法流程图；
[0019]图3为本专利技术实施例公开的一种用于海洋设备的自主布放回收的系统示意图；
[0020]图4为本专利技术实施例公开的一种用于海洋设备的自主布放回收的系统的双目摄像头安装结构示意图；
[0021]图5为本专利技术实施例公开的一种用于海洋本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于海洋设备的自主布放回收的方法，其特征在于，所述方法包括：基于预置的跟踪规则获取海洋设备的图像特征点信息；将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息；将海洋设备的无线载波信息和所述海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值；基于所述海洋设备的定位轨迹预测值控制执行机构对海洋设备进行自主布放回收。2.根据权利要求1所述的用于海洋设备的自主布放回收的方法，其特征在于，所述基于预置的跟踪规则获取海洋设备的图像特征点信息，包括：获取海洋设备的实时图像信息中的第一帧位置信息；利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功；若判断为跟踪成功，则获取所述第一帧位置信息的图像特征点信息，并获取所述第一帧位置信息的下一帧位置信息循环所述基于预置的跟踪规则获取海洋设备的图像特征点信息的步骤。3.根据权利要求2所述的用于海洋设备的自主布放回收的方法，其特征在于，利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功，之后，若判断为跟踪成功，将所述第一帧位置信息的图像特征点信息作为训练样本数据保存，还包括：若判断为跟踪失败，则将所述训练样本数据基于目标检测算法进行训练生成检测模型；将跟踪失败的下一帧位置信息输入到所述检测模型生成再找回图像信息；获取所述再找回图像信息的图像特征点信息。4.根据权利要求1所述的用于海洋设备的自主布放回收的方法，其特征在于，所述将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息，包括：将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行分析生成卡尔曼滤波估计模型；将所述海洋设备的图像特征点信息和海洋设备的惯性测量信息代入所述卡尔曼滤波估计模型，通过卡尔曼滤波对海洋设备进行预测生成海洋设备的位姿信息。5.根据权利要求4所述的用于海洋设备的自主布放回收的方法，其特征在于，将海洋设备的无线载波信息和所述海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值，包括：利用海洋设备的无线载波信息构建误差状态模型；将所述海洋设备的无线载波信息和海洋设备的位姿信息代入所述误差状态模型，通过容积卡尔曼滤波生成海洋设备的定位轨迹预测值。6.一种用于海洋设备的自主布放回收的系统，其...
【专利技术属性】
技术研发人员：司徒伟伦，杨文林，王蕴婷，曾维湘，吴辉源，
申请(专利权)人：广东智能无人系统研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。