【技术实现步骤摘要】
本专利技术涉及水下机器人自主定位，尤其是基于双目立体视觉的水下机器人自主定位方法及系统。
技术介绍
1、二十一世纪是人类向海洋进军的世纪。水下机器人作为一种高技术手段在海洋开发和利用领域的重要性不亚于宇宙火箭在探索宇宙空间中的作用。目前为止，水下机器人多以半自动化形式运行，具有完全自主航行能力的水下机器人是当前国内外研究的热点之一。为实现水下机器人自主化航行，自主定位技术是必须具备的一项关键技术，也是水下机器人实现智能化的必然需求。精确可靠的自主定位方法是水下机器人成功完成任务不可或缺的一部分。现阶段应用于水下机器人自主定位的传感器主要有:声纳、地磁、深度计、惯导等。但是，这些传感器均有其自身的局限性，若采用传统传感器进行自主定位，定位精度低，抗干扰能力差，其精度、可靠性均很难满足大范围水下航行的要求。
技术实现思路
1、为了克服现有技术中存在的上述问题，本专利技术提出一种基于双目立体视觉的水下机器人自主定位方法。
2、本专利技术解决其技术问题所采用的技术方案是：基于双目立体视觉的水下机器人自主定位方法，包括如下步骤：步骤1，使用北斗导航模块创建3d栅格地图，将水面无人艇作为坐标原点，对水下机器人进入水下前的初始位置进行初步定位；
3、步骤2，双目立体视觉测量模块水面无人艇发光二极管发出的光的图像，通过粒子滤波算法对图像进行滤波处理，通过改进的高斯曲面拟合算法对滤波处理后的图像进行处理；
4、步骤3，将步骤1所得的初步定位信息、步骤2所得的数据、
5、步骤4，对bcf-ppso-esn模型进行训练，将步骤3所得数据作为训练好的bcf-ppso-esn模型的输入值，输出水下无人船的位置信息；
6、步骤5，使用slam算法读取3d栅格地图信息，将步骤4所得的数据转换到3d栅格地图坐标系中。
7、上述的基于双目立体视觉的水下机器人自主定位方法，所述步骤2中改进的高斯曲面拟合算法计算光斑中心坐标具体为：
8、;
9、其中，,,为待估参数；待估参数的计算公式具体为：
10、;
11、其中，n表示图像截面上的采样点个数；为第i个点的像素坐标值，为第i个采样点灰度值，f(xi,yi)=lnf(xi,yi)。
12、上述的基于双目立体视觉的水下机器人自主定位方法，所述步骤2中改进的高斯曲面拟合算法还包括消除图像光饱和点，具体方法为：在逐行或逐列扫描光条图像时，若检测到两个以上连续像素点的灰度值均饱和，则所有光饱和点都不参与高斯拟合；若检测到唯一像素点灰度值饱和，则该光饱和点参与高斯拟合；确定了滤除的饱和点个数后，以粗算的光斑中心点为中点，在原光斑半径的基础上按比例尺缩小光斑半径；光斑内像素点个数减去滤除光饱和点个数，剩余的像素点保持光斑半径在3-5个像素，并使用灰度重心算法求解中心像素点的值。
13、上述的基于双目立体视觉的水下机器人自主定位方法，所述灰度重心算法计算的中心坐标计算公式为：
14、，；
15、其中，和是某灰度极值点分别沿u轴和v轴的像素坐标；是沿u轴某点的灰度值，是沿v轴某点的灰度值。
16、上述的基于双目立体视觉的水下机器人自主定位方法，所述步骤3无迹卡尔曼滤波算法具体包括：
17、步骤a，根据给定的、、，预测、、；其中为所得水下机器人位置信息、姿态信息和速度信息；为水下机器人相对于水面无人艇的位置和角度信息、受力和转速扭矩情况、初步定位信息，为预测误差的协方差矩阵；
18、步骤b，求、、通过量测方程的传播；
19、步骤c，将的一步预测状态向量作为迭代的初始值，依据观测方程线性化，计算滤波值，并把结果作为；
20、步骤d，在处重新将观测方程线性化，再一次进行滤波，新估计值作为；
21、步骤e，迭代过程中，当两步状态差值满足，则迭代终止，否则返回步骤d；其中 ε是预先给定的迭代阈值， i代表迭代次数。
22、上述的基于双目立体视觉的水下机器人自主定位方法，所述步骤4中bcf-ppso-esn模型训练具体步骤如下：
23、4.1、用高精度激光雷达实测水下机器人本体的位置、姿态、速度信息，这个高精度雷达测量结果作为标准值；
24、4.2、用北斗导航模块、双目立体视觉测量模块、扭矩力学测量模块测量所得的数据通过无迹卡尔曼滤波算法进行数据融合后得到水下机器人位置、姿态、速度信息，在使用bcf算法获得实际测量误差与无迹卡尔曼滤波算法融合后输出结果之间的关系；
25、4.3、在4.2得到的关系曲线中，选取测量误差结果变化趋势稳定的区间得到测量误差拟合值，使用测量误差的拟合值减去实际测量误差来获得其他组的调整系数，通过调整系数修正全部测量误差，其中实际测量误差为无迹卡尔曼滤波算法输出结果减去高精度激光雷达实测结果；
26、4.4、将修正后的位置信息、姿态信息和速度信息测量误差和无迹卡尔曼滤波算法输出结果代入bcf-ppso-esn神经网络进行训练，无迹卡尔曼滤波算法输出结果作为神经网络的输入，修正后的位置信息、姿态信息和速度信息测量误差作为神经网络的输出，从而训练得到无迹卡尔曼滤波算法输出结果和位置信息、姿态信息和速度信息测量误差之间的最终关系模型。
27、上述的基于双目立体视觉的水下机器人自主定位方法，所述步骤5中slam算法具体包括：进行位姿和地图的初始化，即将水下机器人的任务区域进行栅格化；由于双目立体视觉测量模块、北斗导航模块、扭矩力学测量模块获取数据频率低于导航计算的频率，在没有收到新的定位信息数据时，使用航位推算对水下机器人状态进行时间更新，并通过计算雅可比矩阵预测系统协方差；当定位信息数据更新后，首先通过提取数据中的目标点，将探测到的目标映射为扫描栅格图，并在探测目标的区域内提取栅格子地图；扫描栅格图和栅格子地图通过匹配方式实现水下机器人的位姿估计，估计的水下机器人位姿作为观测量进行系统状态的观测更新；最后系统根据估计的位姿将双目立体视觉测量系统数据重新映射至导航坐标系，从而完成地图的更新。
28、基于双目立体视觉的水下机器人自主定位方法的定位系统，包括水下机器人本体、双目立体视觉测量模块、北斗导航模块、扭矩力学测量模块，所述双目立体视觉测量模块、北斗导航模块、扭矩力学测量模块均搭载在水下机器人本体上，所述双目立体视觉测量模块用于测量水下机器人本体相对水面无人艇的位置和角度；所述北斗导航模块用于创建3d栅格地图，通过水面无人艇作为中转，对水下机器人进行了初步定位；所述扭矩力学测量模块用于测量在水中受海流影响的受力情况，并实时输出推进电机转速、扭矩。
29、本专利技术的有益效果是，本专利技术通过使用双目立体视觉测量模块、扭矩力学测量模块、北斗导航模块等部件和无本文档来自技高网...
【技术保护点】
1.基于双目立体视觉的水下机器人自主定位方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤2中改进的高斯曲面拟合算法计算光斑中心坐标具体为：
3.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤2中改进的高斯曲面拟合算法还包括消除图像光饱和点，具体方法为：在逐行或逐列扫描光条图像时，若检测到两个以上连续像素点的灰度值均饱和，则所有光饱和点都不参与高斯拟合；若检测到唯一像素点灰度值饱和，则该光饱和点参与高斯拟合；确定了滤除的饱和点个数后，以粗算的光斑中心点为中点，在原光斑半径的基础上按比例尺缩小光斑半径；光斑内像素点个数减去滤除光饱和点个数，剩余的像素点保持光斑半径在3-5个像素，并使用灰度重心算法求解中心像素点的值。
4.根据权利要求3所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述灰度重心算法计算的中心坐标计算公式为：
5.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤3无迹卡
6.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤4中BCF-PPSO-ESN模型训练具体步骤如下：
7.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤5中SLAM算法具体包括：进行位姿和地图的初始化，即将水下机器人的任务区域进行栅格化；由于双目立体视觉测量模块、北斗导航模块、扭矩力学测量模块获取数据频率低于导航计算的频率，在没有收到新的定位信息数据时，使用航位推算对水下机器人状态进行时间更新，并通过计算雅可比矩阵预测系统协方差；当定位信息数据更新后，首先通过提取数据中的目标点，将探测到的目标映射为扫描栅格图，并在探测目标的区域内提取栅格子地图；扫描栅格图和栅格子地图通过匹配方式实现水下机器人的位姿估计，估计的水下机器人位姿作为观测量进行系统状态的观测更新；最后系统根据估计的位姿将双目立体视觉测量系统数据重新映射至导航坐标系，从而完成地图的更新。
8.基于权利要求1-7任一项所述的基于双目立体视觉的水下机器人自主定位方法的定位系统，其特征在于，包括水下机器人本体、双目立体视觉测量模块、北斗导航模块、扭矩力学测量模块，所述双目立体视觉测量模块、北斗导航模块、扭矩力学测量模块均搭载在水下机器人本体上，所述双目立体视觉测量模块用于测量水下机器人本体相对水面无人艇的位置和角度；所述北斗导航模块用于创建3D栅格地图，通过水面无人艇作为中转，对水下机器人进行了初步定位；所述扭矩力学测量模块用于测量在水中受海流影响的受力情况，并实时输出推进电机转速、扭矩。
...【技术特征摘要】
1.基于双目立体视觉的水下机器人自主定位方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤2中改进的高斯曲面拟合算法计算光斑中心坐标具体为：
3.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤2中改进的高斯曲面拟合算法还包括消除图像光饱和点，具体方法为：在逐行或逐列扫描光条图像时，若检测到两个以上连续像素点的灰度值均饱和，则所有光饱和点都不参与高斯拟合；若检测到唯一像素点灰度值饱和，则该光饱和点参与高斯拟合；确定了滤除的饱和点个数后，以粗算的光斑中心点为中点，在原光斑半径的基础上按比例尺缩小光斑半径；光斑内像素点个数减去滤除光饱和点个数，剩余的像素点保持光斑半径在3-5个像素，并使用灰度重心算法求解中心像素点的值。
4.根据权利要求3所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述灰度重心算法计算的中心坐标计算公式为：
5.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤3无迹卡尔曼滤波算法具体包括：
6.根据权利要求1所述的基于双目立体视觉的水下机器人自主定位方法，其特征在于，所述步骤4中bcf-ppso-esn模型训练具体步骤如下：
7.根据权利要...
【专利技术属性】
技术研发人员：于振，万俊贺，刘海林，寇磊，李辉，
申请(专利权)人：山东省科学院海洋仪器仪表研究所，
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。