CN111913406B - 面向船舶智能航行与安全的船岸协同仿真*** - Google Patents
面向船舶智能航行与安全的船岸协同仿真*** Download PDFInfo
- Publication number
- CN111913406B CN111913406B CN202010801855.XA CN202010801855A CN111913406B CN 111913406 B CN111913406 B CN 111913406B CN 202010801855 A CN202010801855 A CN 202010801855A CN 111913406 B CN111913406 B CN 111913406B
- Authority
- CN
- China
- Prior art keywords
- module
- information
- ship
- navigation
- shore
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种面向船舶智能航行与安全的船岸协同仿真***,所述***包括模型船体、岸基服务器和在线数据场景驱动模块,所述模型船体上设置有自身状态感知模块、航行环境感知模块、水文信息感知模块、以及运动控制模块;所述线数据场景驱动模块包括场景服务器和显示屏;通过模型船体模拟真实船体在沿海水域中航行,来获取船舶自身状态信息、航行环境信息、水文信息,从而将信息反馈到岸基的岸基服务器上,岸基服务器通过采集大量的通航环境与交通环境数据,在此基础数据上通过场景服务器来建立水域通航环境和交通环境的环境模型;显示屏将环境模型显示在电子海图图像上,通过模型船舶能预先获取沿海水域信息,为船舶航行提供安全保障。
Description
技术领域
本发明涉及船舶航行技术领域,特别是面向船舶智能航行与安全的船岸协同仿真***。
背景技术
随着物联网、云计算、大数据等技术的发展及其在航运领域的扩展应用,我国内河航运智能化信息服务得到了快速发展,与云计算、大数据等创新技术结合的智能服务模式将是未来内河航运的发展趋势。
现有的沿海水域在货物周转量和运输船舶数量增加的同时,沿海水域由于船舶数量众多,船舶交通流复杂,航路狭窄且交织,各种通航、碍航建筑物星罗棋布,是水上交通事故多发水域;需要保障船舶航行安全与提升应急水平。然而现有的水上交通信息服务需求的研究相对较少,以需求为导向的航行信息服务理念也是近几年才提出。船舶智能航行条件下船舶和岸基对异常事件的提取和对危险态势的识别,特别是船舶从常态智能航行到应急状态的触发机制,以及岸基侧的监管***对危险态势的感知和不同阶段的干预手段都需要一个最佳的处理策略。
发明内容
为克服上述问题,本发明的目的是提供面向船舶智能航行与安全的船岸协同仿真***,能实现模型船舶与岸基的信息连接,从而通过模型船舶能预先获取沿海水域信息,为船舶航行提供安全保障。
本发明采用以下方案实现:一种面向船舶智能航行与安全的船岸协同仿真***,所述***包括模型船体、岸基服务器和在线数据场景驱动模块,所述岸基服务器设置于岸基上,所述模型船体内设置有推进电机和舵机模块,所述模型船体上设置有自身状态感知模块、航行环境感知模块、水文信息感知模块、以及运动控制模块;所述线数据场景驱动模块包括用于加载在线数据场景的场景服务器和显示屏;显示屏需要实时显示模型船体视频、雷达以及叠加后的电子海图图像,通过模型船体模拟真实船体在沿海水域中航行,并通过自身状态感知模块、航行环境感知模块、水文信息感知模块获取模块来获取船舶自身状态信息、航行环境信息、水文信息,从而将信息反馈到岸基的岸基服务器上,岸基服务器通过采集大量的通航环境与交通环境数据,在此基础数据上通过场景服务器来建立水域通航环境和交通环境的环境模型;显示屏将环境模型显示在电子海图图像上,并通过场景服务器在显示屏上加载险情或事故场景测试船岸协同应对突发险情或事故,为船舶航行提供安全保障。
进一步的,所述自身状态感知模块包括GPS模块、姿态传感器以及舵角传感器;所述航行环境感知模块包括激光雷达、AIS船舶自动识别***终端、摄像头;所述水文信息感知模块包括:风速风向传感器、温湿度传感器、光照度传感器、以及气压传感器;所述运动控制模块包括电路板,所述电路板设置有STM32F407VET6主芯片、DAC模块和GPRS模块;所述DAC模块、舵机模块、GPS模块、GPRS模块、姿态传感器、舵角传感器、激光雷达、AIS船舶自动识别***终端、摄像头、风速风向传感器、温湿度传感器、光照度传感器、气压传感器均与所述STM32F407VET6主芯片连接,所述推进电机经所述DAC模块与所述STM32F407VET6主芯片连接,所述岸基服务器通过GPRS模块与模型船体进行无线网络通信。
进一步的,所述GPS模块获取模型船体的位置信息,姿态传感器获取模型船体的三维姿态方位数据,舵角传感器获取模型船体的舵角信息或者螺旋桨角度信息;激光雷达提供分辨率高、测距远、抗干扰能力强的场景实时三维激光点云,通过对三维激光点云的处理获得场景内障碍目标状态,能为智能船舶提供通航环境感知手段;AIS船舶自动识别***终端能实时传递及接收船舶对船舶、船舶对港口之间航行与安全相关的数据和消息;所述摄像头捕获船舶航行的图像信息;所述风速风向传感器、温湿度传感器、光照度传感器、气压传感器分别获取水面航行的风速风向信息、水面的温湿度信息、光照度信息以及气压信息。
进一步的,所述电路板上还设置有RS485模块、RS232模块、ADC模块、PWM模块、以及DC-DC电源模块;所述RS485模块、RS232模块、ADC模块、PWM模块、DC-DC电源模块均与所述STM32F407VET6主芯片连接。
进一步的,所述***还包括设置于STM32F407VET6主芯片上的模型船控制单元、设置于岸基服务器上的通航环境建模单元、设置于场景服务器上的在线数据场景驱动单元;所述模型船控制单元基于TCP/IP协议设置用于船岸通信的状态发送和指令接收子程序;根据自身状态感知模块、航行环境感知模块、水文信息感知模块中的各种传感器的数据协议设置数据解析子程序;基于反馈控制原理设置主机和舵角的反馈控制子程序;
所述通航环境建模单元,根据激光雷达、摄像头和AIS各自的数据协议设置信息采集程序;基于栅格和模型法设置三维激光点云数据处理程序;基于深度学习方法设置视频图像处理程序;同时设置绘图程序将雷达和图像目标识别信息、AIS信息在电子海图上进行叠加显示;
所述在线数据场景驱动单元,基于虚实结合的方式设置场景驱动程序框架;基于虚拟仿真技术设置雷达、AIS和视频数据的重构和增广程序;最后通过岸端显示屏进行场景显示。
进一步的,所述激光雷达采用以太网接口与STM32F407VET6主芯片连接,其中三维激光点云的采集、处理、传输以及设备连接、待机、发射、量程调节的控制操作均通过激光雷达控制协议实现,在采集到三维激光点云数据后,可通过对点云进行滤波、栅格化处理,得到包含障碍物信息的栅格图像;在此基础上进行目标识别与跟踪处理,来获得障碍物大小、方位以及相对速度的动静态信息;三维激光点云包含了周围航行环境障碍物反射点的距离、方位、反射率的数据,通过对三维激光点云进行处理,能得到目标的轮廓、位置和速度信息;其中,目标识别一般包括点云分割和识别两个过程;所述目标识别采用两种方法来实现障碍目标识别,方法一:栅格法是将三维激光点云投影到具有网络的平面,通过判断网格内是否有点云来识别障碍目标;方法二:模型法通过模型拟合的方式来实现对目标的识别。
本发明的有益效果在于:本发明通过模型船体模拟真实船体在沿海水域中航行,并通过自身状态感知模块、航行环境感知模块、水文信息感知模块获取模块来获取船舶自身状态信息、航行环境信息、水文信息,从而将信息反馈到岸基的岸基服务器上,岸基服务器通过采集大量的通航环境与交通环境数据,在此基础数据上通过场景服务器来建立水域通航环境和交通环境的环境模型;显示屏将环境模型显示在电子海图图像上,并通过场景服务器在显示屏上加载险情或事故场景测试船岸协同应对突发险情或事故,为船舶航行提供安全保障。实现船岸协同下智能船舶的安全航行与智能避碰算法的验证,推动面向智能船舶应用的航海保障技术体系的发展。实现了船舶和岸基的信息连接,可达到高效沟通、提高工作效率、降低成本的目的。
附图说明
图1是本发明***的结构原理图。
图2是本发明模型船体内涉及的电路结构示意图。
图3是本发明中电路板设计示意图。
图4是本发明软件的设计原理框图。
图5是本发明一实施例的栅格地图。
图6是本发明一实施例的障碍栅格分割结果示意图。
图7是本发明一实施例的二叉树实现支持向量机的多分类原理图。
具体实施方式
下面结合附图对本发明做进一步说明。
请参阅图1所示,本发明提供了一种面向船舶智能航行与安全的船岸协同仿真***,所述***包括模型船体、岸基服务器和在线数据场景驱动模块,所述岸基服务器设置于岸基上,所述模型船体内设置有推进电机和舵机模块,所述模型船体上设置有自身状态感知模块(未图示)、航行环境感知模块(未图示)、水文信息感知模块(未图示)、以及运动控制模块(未图示);所述线数据场景驱动模块包括用于加载在线数据场景的场景服务器和显示屏;显示屏需要实时显示模型船体视频、雷达以及叠加后的电子海图图像,通过模型船体模拟真实船体在沿海水域中航行,并通过自身状态感知模块、航行环境感知模块、水文信息感知模块获取模块来获取船舶自身状态信息、航行环境信息、水文信息,从而将信息反馈到岸基的岸基服务器上,岸基服务器通过采集大量的通航环境与交通环境数据,在此基础数据上通过场景服务器来建立水域通航环境和交通环境的环境模型;显示屏将环境模型显示在电子海图图像上,并通过场景服务器在显示屏上加载险情或事故场景测试船岸协同应对突发险情或事故,为船舶航行提供安全保障。
如图2所示,所述自身状态感知模块包括GPS模块、姿态传感器以及舵角传感器;所述航行环境感知模块包括激光雷达、AIS船舶自动识别***终端、摄像头;所述水文信息感知模块包括:风速风向传感器、温湿度传感器、光照度传感器、以及气压传感器;所述运动控制模块包括电路板,所述电路板设置有STM32F407VET6主芯片、DAC模块和GPRS模块;所述DAC模块、舵机模块、GPS模块、GPRS模块、姿态传感器、舵角传感器、激光雷达、AIS船舶自动识别***终端、摄像头、风速风向传感器、温湿度传感器、光照度传感器、气压传感器均与所述STM32F407VET6主芯片连接,所述推进电机经所述DAC模块与所述STM32F407VET6主芯片连接,所述岸基服务器通过GPRS模块与模型船体进行无线网络通信。在实际应用中,所述舵机模块采用SG90舵机模块。所述DAC模块采用双运算放大器LMV358。
其中,模型船体含有三个水密室,舱室内设置了配重空间,模型船满载吃水0.2m,排水量272Kg;
所述GPS模块选用UBLOX公司的NEO-M8N GPS芯片模块,具有高灵敏度、低功耗、尺寸小等优点。该GPS模块采用3.3V电压供电,在保证常规定位精度和RF射频信号的同时实现了1.5s的短时间热启动和10HZ的位置更新频率。
所述姿态传感器,结合航向跟踪精度要求,选用北微传感的BW-AH200模块。该模块采用高质量和可靠性的MEMS加速度计、陀螺仪和磁力计,其航向测量精度为1度,分辨率为0.01度,姿态参数俯仰1度,分辨率0.01度。
所述舵角传感器,模型船的舵角测量精度要求较高,选用霍尔式非接触0-360°全角度传感器,供电电压为5V,角度传感器精度为0.088°。
在考虑船模航行阻力的基础上,采用额定功率800W的直流无刷电机作为推进电机,其额定转速为3000rpm。
为满足智能船舶通航环境的准确感知需求,选取型号为Velodyne VLP16的16线三维激光雷达作为主要感知设备;
AIS船舶自动识别***终端采用武汉中原电子提供的ZY-1000-6B船载自动识别***;
摄像头选择海康威视DS-2CD3T45DP1-I型摄像头;
所述风速风向传感器、温湿度传感器、光照度传感器、以及气压传感器分别为威海精讯畅通的JXBS-3001-FSFX型超声波风速风向仪、JXBS-3001-TH型温湿度传感器、JXBS-3001-GZ型光照度传感器、JXBS-3001-QY型气压变送器。这些传感器均采用RS485协议进行数据通信,12V DC供电。
GPRS模块选用较小的GL868-V3芯片,采用表面粘贴式封装技术,用于电路板与岸基服务器之间的数据通信。其能耗较小,休眠时的电流为1.5mA,工作时的电流为21mA,发射时的电流为360mA。
RS485模块采用MAX3485模块,接口保护选用SMBJ7.5CA和共模电感保护。
RS232模块采用MAX3232,接口保护选用SMBJ15CA和磁珠保护。用于控制板与工控机之间的通信,以及控制板程序的在线调试。
ADC模块采用精密电阻分压,PESD3.3V保护后接入到STM32ADC接口。用于采集工作电压、工作电流以及舵机角度等参数。
DAC模块采用LMV358放大隔离0-5V输出,用于控制主推进电机。
DC-DC电源模块采用LM2596DC-DC模块将12V降至5V,为***供电。
电源保护方面,在电源接口处接单双向15V的瞬变电压二极管和1mh共模电感用于防止脉冲电流,并且采用ss34肖特基二极管防止电源反接。在电源入口处串接2A的自恢复保丝,用于过流保护。在自恢复保险丝后串接1个1mH的环形电感,并接1个1000uF/35V的大电容,用于抑制正向脉冲电流。
在硬件方面,为了保证通信***的可靠性,***总体通信架构选用2.4G+4G的多模通信方式,其中2.4G采用一体式定向天线无线网桥基站,有效通信距离可达到500m,通过组网形式,可实现实验区域的信号全覆盖;船载4G通信和无线通信模块,可以低功耗实现数据信息的传输,保证模型船与岸基在线数据场景驱动***的有效连接。无线网桥基站由网桥天线和基站组成,防水等级为IP67级,采用POE网线供电,天线频率在2.4G下增益大小为14dBi,覆盖范围可达400米。
所述GPS模块获取模型船体的位置信息,姿态传感器获取模型船体的三维姿态方位数据,舵角传感器获取模型船体的舵角信息或者螺旋桨角度信息;激光雷达提供分辨率高、测距远、抗干扰能力强的场景实时三维激光点云,通过对三维激光点云的处理获得场景内障碍目标状态,能为智能船舶提供通航环境感知手段;AIS船舶自动识别***终端能实时传递及接收船舶对船舶、船舶对港口之间航行与安全相关的数据和消息;所述摄像头捕获船舶航行的图像信息;所述风速风向传感器、温湿度传感器、光照度传感器、气压传感器分别获取水面航行的风速风向信息、水面的温湿度信息、光照度信息以及气压信息。
请参阅图3所示,所述电路板上还设置有RS485模块、RS232模块、ADC模块、PWM模块、以及DC-DC电源模块;所述RS485模块、RS232模块、ADC模块、PWM模块、DC-DC电源模块均与所述STM32F407VET6主芯片连接。
如图4所示,所述***还包括设置于STM32F407VET6主芯片上的模型船控制单元、设置于岸基服务器上的通航环境建模单元、设置于场景服务器上的在线数据场景驱动单元;所述模型船控制单元基于TCP/IP协议设置用于船岸通信的状态发送和指令接收子程序;根据自身状态感知模块、航行环境感知模块、水文信息感知模块中的各种传感器的数据协议设置数据解析子程序;基于反馈控制原理设置主机和舵角的反馈控制子程序;
所述通航环境建模单元,根据激光雷达、摄像头和AIS各自的数据协议设置信息采集程序;基于栅格和模型法设置三维激光点云数据处理程序;基于深度学习方法设置视频图像处理程序;同时设置绘图程序将雷达和图像目标识别信息、AIS信息在电子海图上进行叠加显示;
所述在线数据场景驱动单元,基于虚实结合的方式设置场景驱动程序框架;基于虚拟仿真技术设置雷达、AIS和视频数据的重构和增广程序;最后通过岸端显示屏进行场景显示。
另外,所述激光雷达采用以太网接口与STM32F407VET6主芯片连接,其中三维激光点云的采集、处理、传输以及设备连接、待机、发射、量程调节的控制操作均通过激光雷达控制协议实现,在采集到三维激光点云数据后,可通过对点云进行滤波、栅格化处理,得到包含障碍物信息的栅格图像;在此基础上进行目标识别与跟踪处理,来获得障碍物大小、方位以及相对速度的动静态信息;三维激光点云包含了周围航行环境障碍物反射点的距离、方位、反射率的数据,通过对三维激光点云进行处理,能得到目标的轮廓、位置和速度信息;其中,目标识别一般包括点云分割和识别两个过程;所述目标识别采用两种方法来实现障碍目标识别,方法一:栅格法是将三维激光点云投影到具有网络的平面,通过判断网格内是否有点云来识别障碍目标;方法二:模型法通过模型拟合的方式来实现对目标的识别。
1)基于栅格的点云目标识别方法
基于栅格的点云目标识别包括坐标转换与校正、噪声点去除和栅格表示和点云分割等过程。
(1)坐标转换与校正
点云数据处理涉及3个坐标系,即LiDAR坐标系、无人艇坐标系和全局坐标系。在LiDAR坐标系中,三维激光雷达的点云数据通常以球坐标形式(ρ,α,ω)保存,需要将点云坐标转换为无人艇坐标系,即笛卡尔坐标系形式(x,y,z),转换公式如下:
其中,ρ,α,ω分别为球坐标中的球径、方位角和高度角。
在进行坐标转换后,需要将点云LiDAR坐标换算到全局坐标系,以保证点云障碍物目标的统一描述。考虑到无人艇坐标系与全局坐标系的转换与无人艇姿态角相关,因此点云需要经过无人艇姿态角校正才能得到全局坐标系下的真实坐标。大地坐标系(X,Y,Z)与无人艇坐标系的转换关系如下式所示:
其中,u,v,w分别为无人艇坐标系x,y,z方向的速度,φ,θ,ψ分别为无人艇横倾角、纵倾角和方位角。
(2)噪声点去除
激光点云数据中通常存在噪声点,采用中值滤波法进行去除。借鉴数字图像去噪声的处理方式,将点云的数据点看作一个具有灰度值的像素点,即将点云数据点的z值作为图像中像素点的灰度值。假设某数据点(x,y,z)邻域点的高度平均值为zm,设置中值滤波阈值为Th,如果|z-zm|>Th,则该数据点为噪声点,高度值z由zm替代;否则,该点为信号点,高度值保持不变。
(3)栅格表示
VLP-16激光雷达每秒最多产生30万个数据点,在目标检测时如果对每个点都进行处理,会导致计算量过大,实时性变差,因此需要将点云三维数据转换为栅格地图来处理。根据激光雷达检测范围建立二维栅格地图,无人艇始终为栅格地图的原点,如图5所示:
其中,R为激光雷达的检测范围,栅格大小与船长有关,通常一个栅格里包含有若干个激光扫描点。栅格属性包括栅格坐标、有无激光返回点(1-有,0-无)、栅格包括的点数量、平均高度值和最大高度差等;图5中的黑点{(2,1),1,20,5,3}其中,(2,1)表示栅格坐标,1表示有无返回点,20表示点数量,5表示平均高度值,3表示最大高度差。
(4)点云分割
利用八邻域膨胀的快速区域标记方式实现点云分割。在示例中,对栅格进行分割后获得的障碍栅格结果如下图所示,障碍物“1”、“2”、“3”为分割后的障碍物目标,如图6所示。
2)基于模型的点云目标识别方法
基于模型的点云目标识别包括点云特征提取和点云目标分类。
(1)特征提取
对聚类后的障碍目标进行特征提取,提取的障碍物特征包括网格数量、网格形状、网格平均高度、网格高度差、网格平均回波强度等。
a)“虚假”目标特征提取。船舶尾浪、浮藻、漂浮物等“虚假”目标共同的特点是它们的高度与水面接近,高度差较小,点云较稀疏。因此,可以将障碍物目标的平均高度、高度差、点数量作为特征,来判断这些目标是否为“虚假”目标。
b)大型船舶局部轮廓特征提取。大型船舶不同角度、距离得到的局部点云轮廓都不相同,在进行特征提取时应获取大型船舶的轮廓线特征,包括矩形度(rectangularity)、细长度(elongatedness)、紧凑度(compactness)等形状特征以及平均高度、点数量等其他特征。
c)其他目标特征提取。航标船、岸基、桥墩等目标的检测也需要提取相应的特征来实现,比如航标船栅格的点数量、平均高度均较小;岸基栅格的返回点回波强度一般较弱,且轮廓线较长;桥墩栅格平均高度较高。因此,在进行特征提取时应充分提取栅格的各种特征,以提高目标分类的精度。
(2)目标分类
采用支持向量机(SVM)实现对目标的精确分类。支持向量机基于统计学***面,解决线性条件不可分的分类问题。SVM一般解决的是二分类问题,本项目激光雷达目标实现显然是多分类问题,即将目标分为船舶、桥墩、岸基等多类,因此,需要提出一种多分类的支持向量机分类方法。在进行分类时,一般会遇到配错(mismatch)问题,所以在分类的结果中应增加一个“其他分类”类型,保证所有障碍物目标均会被分类。本项目采用比较简单、可靠的二叉树思想来实现支持向量机的多分类,为实现6类目标的分类,共需要设计5个分类器,即SVM1、SVM2、SVM3、SVM4和SVM5,具体实现原理如图7所示。图7中标记说明:1-“虚拟”目标,2-“小艇”目标,3-岸基目标,4-桥墩目标,5-大型船舶目标;6-其他目标。
本发明的工作原理如下:
本发明通过模型船体模拟真实船体在沿海水域中航行,并通过自身状态感知模块、航行环境感知模块、水文信息感知模块获取模块来获取船舶自身状态信息、航行环境信息、水文信息,从而将信息反馈到岸基的岸基服务器上,其中,GPS模块获取模型船体的位置信息,姿态传感器获取模型船体的三维姿态方位数据,舵角传感器获取模型船体的舵角信息或者螺旋桨角度信息;激光雷达可以提供分辨率高、测距远、抗干扰能力强的场景实时三维点云,通过对三维点云的处理可以获得场景内障碍目标状态,可为智能船舶提供可靠的通航环境感知手段。AIS船舶自动识别***终端能实时传递及接收船舶对船舶、船舶对港口之间航行与安全相关的数据和消息;摄像头捕获船舶航行的图像信息;风速风向传感器、温湿度传感器、光照度传感器、气压传感器分别获取水面航行的风速风向信息、水面的温湿度信息、光照度信息以及气压信息。岸基服务器通过采集大量的通航环境与交通环境数据,在此基础数据上通过场景服务器来建立水域通航环境和交通环境的环境模型;显示屏将环境模型显示在电子海图图像上,并通过场景服务器在显示屏上加载险情或事故场景测试船岸协同应对突发险情或事故,为船舶航行提供安全保障。实现船岸协同下智能船舶的安全航行与智能避碰算法的验证,推动面向智能船舶应用的航海保障技术体系的发展。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (5)
1.一种面向船舶智能航行与安全的船岸协同仿真***,其特征在于:所述***包括模型船体、岸基服务器和在线数据场景驱动模块,所述岸基服务器设置于岸基上,所述模型船体内设置有推进电机和舵机模块,所述模型船体上设置有自身状态感知模块、航行环境感知模块、水文信息感知模块、以及运动控制模块;所述线数据场景驱动模块包括用于加载在线数据场景的场景服务器和显示屏;显示屏需要实时显示模型船体视频、激光雷达的采集信息以及叠加后的电子海图图像,通过模型船体模拟真实船体在沿海水域中航行,并通过自身状态感知模块、航行环境感知模块、水文信息感知模块获取模块来获取船舶自身状态信息、航行环境信息、水文信息,从而将信息反馈到岸基的岸基服务器上,岸基服务器通过采集大量的通航环境与交通环境数据,在此基础数据上通过场景服务器来建立水域通航环境和交通环境的环境模型;显示屏将环境模型显示在电子海图图像上,并通过场景服务器在显示屏上加载险情或事故场景测试船岸协同应对突发险情或事故,为船舶航行提供安全保障;
所述***还包括设置于STM32F407VET6主芯片上的模型船体控制单元、设置于岸基服务器上的通航环境建模单元、设置于场景服务器上的在线数据场景驱动单元;所述模型船控制单元基于TCP/IP协议设置用于船岸通信的状态发送和指令接收子程序;根据自身状态感知模块、航行环境感知模块、水文信息感知模块中的各种传感器的数据协议设置数据解析子程序;基于反馈控制原理设置主机和舵角的反馈控制子程序;
所述通航环境建模单元,根据激光雷达、摄像头和AIS各自的数据协议设置信息采集程序;基于栅格和模型法设置三维激光点云数据处理程序;基于深度学习方法设置视频图像处理程序;同时设置绘图程序将激光雷达的采集信息和图像目标识别信息、AIS信息在电子海图上进行叠加显示;
所述在线数据场景驱动单元,基于虚实结合的方式设置场景驱动程序框架;基于虚拟仿真技术设置激光雷达、AIS和视频数据的重构和增广程序;最后通过岸端的显示屏进行场景显示。
2.根据权利要求1所述的面向船舶智能航行与安全的船岸协同仿真***,其特征在于:所述自身状态感知模块包括GPS模块、姿态传感器以及舵角传感器;所述航行环境感知模块包括激光雷达、AIS船舶自动识别***终端、摄像头;所述水文信息感知模块包括:风速风向传感器、温湿度传感器、光照度传感器、以及气压传感器;所述运动控制模块包括电路板,所述电路板设置有STM32F407VET6主芯片、DAC模块和GPRS模块;所述DAC模块、舵机模块、GPS模块、GPRS模块、姿态传感器、舵角传感器、激光雷达、AIS船舶自动识别***终端、摄像头、风速风向传感器、温湿度传感器、光照度传感器、气压传感器均与所述STM32F407VET6主芯片连接,所述推进电机经所述DAC模块与所述STM32F407VET6主芯片连接,所述岸基服务器通过GPRS模块与模型船体进行无线网络通信。
3.根据权利要求2所述的面向船舶智能航行与安全的船岸协同仿真***,其特征在于:所述GPS模块获取模型船体的位置信息,姿态传感器获取模型船体的三维姿态方位数据,舵角传感器获取模型船体的舵角信息或者螺旋桨角度信息;激光雷达提供分辨率高、测距远、抗干扰能力强的场景实时三维激光点云,通过对三维激光点云的处理获得场景内障碍目标状态,能为智能船舶提供通航环境感知手段;AIS船舶自动识别***终端能实时传递及接收船舶对船舶、船舶对港口之间航行与安全相关的数据和消息;所述摄像头捕获船舶航行的图像信息;所述风速风向传感器、温湿度传感器、光照度传感器、气压传感器分别获取水面航行的风速风向信息、水面的温湿度信息、光照度信息以及气压信息。
4.根据权利要求2所述的面向船舶智能航行与安全的船岸协同仿真***,其特征在于:所述电路板上还设置有RS485模块、RS232模块、ADC模块、PWM模块、以及DC-DC电源模块;所述RS485模块、RS232模块、ADC模块、PWM模块、DC-DC电源模块均与所述STM32F407VET6主芯片连接。
5.根据权利要求1所述的面向船舶智能航行与安全的船岸协同仿真***,其特征在于:所述激光雷达采用以太网接口与STM32F407VET6主芯片连接,其中三维激光点云的采集、处理、传输以及设备连接、待机、发射、量程调节的控制操作均通过激光雷达控制协议实现,在采集到三维激光点云数据后,可通过对点云进行滤波、栅格化处理,得到包含障碍物信息的栅格图像;在此基础上进行目标识别与跟踪处理,来获得障碍物大小、方位以及相对速度的动静态信息;三维激光点云包含了周围航行环境障碍物反射点的距离、方位、反射率的数据,通过对三维激光点云进行处理,能得到目标的轮廓、位置和速度信息;其中,目标识别包括点云分割和识别两个过程;所述目标识别采用两种方法来实现障碍目标识别,方法一:栅格法是将三维激光点云投影到具有网络的平面,通过判断网格内是否有点云来识别障碍目标;方法二:模型法通过模型拟合的方式来实现对目标的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801855.XA CN111913406B (zh) | 2020-08-11 | 2020-08-11 | 面向船舶智能航行与安全的船岸协同仿真*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801855.XA CN111913406B (zh) | 2020-08-11 | 2020-08-11 | 面向船舶智能航行与安全的船岸协同仿真*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111913406A CN111913406A (zh) | 2020-11-10 |
CN111913406B true CN111913406B (zh) | 2022-04-15 |
Family
ID=73284093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801855.XA Active CN111913406B (zh) | 2020-08-11 | 2020-08-11 | 面向船舶智能航行与安全的船岸协同仿真*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111913406B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113009909A (zh) * | 2021-02-03 | 2021-06-22 | 武汉理工大学 | 船岸协同单船自主靠系泊***及其控制方法 |
CN113516874B (zh) * | 2021-04-12 | 2023-01-17 | 武汉理工大学 | 水路运输*** |
CN113296506B (zh) * | 2021-05-20 | 2023-12-26 | 珠海市美丰船务有限公司 | 一种船舶锚泊控制***及方法 |
CN113552304A (zh) * | 2021-07-21 | 2021-10-26 | 闽江学院 | 一种渔港水域水质环境监测可视分析*** |
CN113942623A (zh) * | 2021-09-18 | 2022-01-18 | 武汉理工大学 | 一种智慧航行平台和航行方法 |
KR102399267B1 (ko) * | 2021-12-02 | 2022-05-18 | 한국해양과학기술원 | 자유항주 모형시험을 이용한 선박 충돌사고 재현 시스템 및 방법 |
CN114936332A (zh) * | 2022-05-31 | 2022-08-23 | 集美大学 | 一种风电场水域船舶交通流分析的方法、装置和存储介质 |
CN114721298A (zh) * | 2022-06-09 | 2022-07-08 | 中国海洋大学 | 一种小型无人船的虚拟仿真控制*** |
CN115329857B (zh) * | 2022-08-04 | 2024-02-09 | 武汉理工大学 | 内河通航水域等级划分方法、装置、电子设备及存储介质 |
CN116384255B (zh) * | 2023-05-11 | 2023-08-11 | 四川新迎顺信息技术股份有限公司 | 一种基于多源数据融合的园区危险态势感知方法及*** |
CN116935699B (zh) * | 2023-09-15 | 2023-12-12 | 天津港(集团)有限公司 | 一种海港智慧航道一体化监测***和方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059910A (zh) * | 2007-05-24 | 2007-10-24 | 大连海事大学 | 一种近岸船舶移动视频监控*** |
CN105676871B (zh) * | 2016-01-19 | 2019-04-30 | 武汉理工大学 | 基于模型船的欠驱动无人船自主航行控制仿真***及方法 |
CN105676844B (zh) * | 2016-01-19 | 2019-01-18 | 武汉理工大学 | 基于模型船的欠驱动无人船编队结构 |
CN111191348B (zh) * | 2019-12-17 | 2023-04-28 | 青岛科技大学 | 一种智能船舶的船岸交互通讯模块的仿真测试方法 |
-
2020
- 2020-08-11 CN CN202010801855.XA patent/CN111913406B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111913406A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111913406B (zh) | 面向船舶智能航行与安全的船岸协同仿真*** | |
CN107748561B (zh) | 一种基于多传感参数的无人船局部避障***及方法 | |
US11988513B2 (en) | Imaging for navigation systems and methods | |
US12013243B2 (en) | Passage planning and navigation systems and methods | |
JP7371907B2 (ja) | 船舶の航行支援システムにおける管理サーバ、船舶の航行支援方法、及び船舶の航行支援プログラム | |
CN113124864A (zh) | 一种采用机器视觉和惯导融合的水面导航方法 | |
Guo et al. | Reactive path planning for autonomous sailboat using an omni-directional camera for obstacle detection | |
CN112558642A (zh) | 一种适用于异构多无人***的海空联合围捕方法 | |
Friebe et al. | A marine research ASV utilizing wind and solar power | |
CN115686021A (zh) | 一种海洋云雾观测无人艇 | |
WO2023064384A1 (en) | Context-dependent generation of navigational chart comprising hazards | |
CN110580045A (zh) | 一种无人艇避障方法 | |
CN111949034B (zh) | 一种无人船自主航行*** | |
KR102269386B1 (ko) | 선박 운항 지원 시스템 및 이를 포함하는 선박 | |
CN212624425U (zh) | 一种航行安全的船岸协同仿真*** | |
CN114898594B (zh) | 一种可搭载无人机的通感算控一体化智能灯船控制*** | |
CN108287538A (zh) | 一种基于rtk技术无人驾驶船*** | |
CN216351954U (zh) | 一种小型船舶智能控制*** | |
CN207367390U (zh) | 海上拖带***ais虚拟警戒标标示*** | |
Zhou et al. | A real-time algorithm for visual detection of high-speed unmanned surface vehicle based on deep learning | |
CN114445572A (zh) | 一种基于DeeplabV3+的陌生海域中障碍物即时定位与地图构建方法 | |
CN113589314A (zh) | 一种基于激光视觉的水面目标检测增稳***及增稳方法 | |
CN111752286B (zh) | 一种小型无人船艇自动停泊方法 | |
CN115743467B (zh) | 动态测试用船端数据采集*** | |
KR102428892B1 (ko) | 선박 운항 지원 시스템 및 이를 포함하는 선박 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221219 Address after: Zone A-2708, 15/F, Comprehensive Building, Fuzhou Free Trade Zone, 350000, Fujian Province (within the pilot free trade zone) Patentee after: Fujian Zhongke Zhongxin Intelligent Technology Co.,Ltd. Address before: 350100 No. 200 Xiyuan Gong Road, Shangjie Town, Minhou County, Fuzhou City, Fujian Province Patentee before: MINJIANG University |
|
TR01 | Transfer of patent right |