水下机器人深度学习自适应数据处理方法及系统技术方案

本发明专利技术公开了水下机器人深度学习自适应数据处理方法及系统，涉及深度学习技术领域，本发明专利技术通过收集水下环境的声纳数据、视觉图像和机器人运动状态；利用卷积神经网络增强视觉图像清晰度，标注自主移动元素并构建二维坐标系完成初步定位；基于声纳数据的像素值和时间延迟计算元素深度，融合二维坐标构建三维坐标系；在三维空间中统一轨迹，计算元素与机器人距离并规划移动路线和速度。系统包括数据采集、视觉处理、声学融合和路径规划模块，实现多源数据整合、三维定位和路径规划。本发明专利技术通过视觉与声学数据融合及深度学习模型，提升水下环境立体感知精度和路径规划效率，增强水下机器人在复杂水域的适应性与作业安全性。

【技术实现步骤摘要】

本专利技术涉及深度学习，具体是水下机器人深度学习自适应数据处理方法及系统。

技术介绍

1、随着全球对海洋资源开发的深入，传统人工潜水作业受深度、时长和安全性限制，难以满足深海作业需求。水下机器人成为延伸人类探测和作业能力的关键工具，但水下机器人在复杂多变的水域环境中，存在因水体干扰导致环境感知不精准，无法有效的规划水下机器人移动路线和速度的问题。

技术实现思路

1、本专利技术的目的在于提供水下机器人深度学习自适应数据处理方法及系统，以解决现有技术中提出的问题。

2、为实现上述目的，本专利技术提供如下技术方案：水下机器人深度学习自适应数据处理方法，自适应数据处理方法包括以下步骤：

3、步骤s1、收集水下环境的声纳数据、视觉图像和机器人运动状态并根据收集顺序进行排序形成原始数据集合；

4、步骤s2、提取原始数据集合中的视觉图象，采用基于深度学习的图像修复模型，对视觉图像进行图像处理，利用深度学习模型将视觉图像中的自主移动元素进行标注，构建二维坐标系，将视觉图像的元素在二维坐标系本文档来自技高网...

【技术保护点】

1.水下机器人深度学习自适应数据处理方法，其特征在于：所述自适应数据处理方法包括以下步骤：

2.根据权利要求1所述的水下机器人深度学习自适应数据处理方法，其特征在于：在步骤S1中，所述声纳数据用于感知水下环境的深度信息和障碍物轮廓，所述机器人运动状态包括水下机器人位置、速度和航向角；所述收集顺序具体为以采集时间为键，将数据按序列排列，形成带时序标签的原始数据集。

3.根据权利要求2所述的水下机器人深度学习自适应数据处理方法，其特征在于：所述步骤S2的具体步骤如下：

4.根据权利要求3所述的水下机器人深度学习自适应数据处理方法，其特征在于：所述步骤S3的...

【技术特征摘要】

1.水下机器人深度学习自适应数据处理方法，其特征在于：所述自适应数据处理方法包括以下步骤：

2.根据权利要求1所述的水下机器人深度学习自适应数据处理方法，其特征在于：在步骤s1中，所述声纳数据用于感知水下环境的深度信息和障碍物轮廓，所述机器人运动状态包括水下机器人位置、速度和航向角；所述收集顺序具体为以采集时间为键，将数据按序列排列，形成带时序标签的原始数据集。

3.根据权利要求2所述的水下机器人深度学习自适应数据处理方法，其特征在于：所述步骤s2的具体步骤如下：

4.根据权利要求3所述的水下机器人深度学习自适应数据处理方法，其特征在于：所述步骤s3的具体步骤如下：

5.根据权利要求4所述的水下机器人深度学习自适应数据处理方法，其特征在于：将自主移动元素的预测轨迹与机器人...

【专利技术属性】
技术研发人员：熊亚威，王皓，顾晓稚，钟元昊，李庆朋，潘昱杉，罗亦鸣，
申请(专利权)人：常州智感科技有限公司，
类型：发明
国别省市：