System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于垃圾回收及机器视觉的,具体涉及一种基于机器视觉的海陆两域垃圾回收规划方法。
技术介绍
1、随着人类对于海洋资源的开发,近海处的环境受到了严重的污染,海滩和海洋上存在的垃圾会受海浪的影响而移动,使得近海处的垃圾具有海陆两域交替出现的特性。人类产生在海滩上的垃圾也会被卷到近海处,近海处的海洋垃圾也会拍到海岸上,造成垃圾在海陆两域动态共存,为近海两域的垃圾清理造成了极大困难。而现有技术大多仅以单一海域或者陆地(海滩)为主的垃圾回收策略,涉及到海陆两域垃圾回收决策的方案较少,并且较难适应近海垃圾在海陆两域动态移动的特性。此外对于生物安全、近海曝光影响的考虑仍然较少,没有考虑垃圾危险性对于生物的影响,最后对于一些较为模糊的概念,如海浪的距离远近、当前装置速度快慢等,现有技术较难做出很好的决策规划。
技术实现思路
1、本专利技术的主要目的在于克服现有技术的缺点与不足,提供一种基于机器视觉的海陆两域垃圾回收规划方法,考虑海浪干扰、垃圾危险性及生物因素的影响,通过计算海浪干扰度、作业风险度实现对海陆两域垃圾的回收规划,准确控制垃圾回收装置,提高回收效率,减少对生物的影响。
2、为了达到上述目的,本专利技术采用以下技术方案:
3、一种基于机器视觉的海陆两域垃圾回收规划方法,包括下述步骤:
4、控制无人机在待规划区域使用目标检测算法检测垃圾数据,使用热成像和数字图像分割算法检测识别生物数据;再根据垃圾数据和生物数据使用slam建模技术对待规划区域进行地
5、获取待规划区域中垃圾处理装置数量及其坐标,并进行垃圾回收路径预规划;所述垃圾处理装置部署有目标检测算法;
6、各垃圾处理装置按照垃圾回收路径预规划执行垃圾回收任务;
7、执行垃圾回收任务时,根据海浪到垃圾之间的距离l1、垃圾处理装置到垃圾的距离l2及垃圾处理装置的当前移动速度vf计算海浪干扰度o,根据海浪干扰度o及垃圾处理装置的当前移动速度vf构建模糊关系矩阵,并根据检测的生物情况输出对应的控制移动速度;所述海浪干扰度o的计算公式为:
8、o=(w2l2-w1l1)×w3vf,
9、其中,l1为海浪到垃圾之间的距离,如果没有检测到海浪,则l1为0;w1、w2、w3均为权重系数;
10、当垃圾处理装置靠近垃圾时,根据垃圾危险度识别垃圾危险等级d,并统计垃圾处理装置视觉范围内的生物数量b,结合垃圾处理装置的当前作业速度vw计算作业风险度r;根据作业风险度r及当前作业速度vw构建模糊关系矩阵并输出控制作业速度;所述作业风险度r的计算公式为:
11、r = (w4d+w5b) ×w6vw,
12、其中,b为垃圾周围的生物数量,当检测到垃圾周围没有生物时b=0;w4、w5、w6均为权重系数;
13、记录各垃圾处理装置每次垃圾回收任务的数据,并使用优化算法优化参数设置。
14、作为优选的技术方案,所述目标检测算法通过搭载有滤光片的无人机采集待规划区域的垃圾数据集训练神经网络得到;
15、所述滤光片在太阳大曝光时候使用;
16、所述进行垃圾回收路径预规划,具体为:
17、将垃圾处理装置数量作为两域地图中垃圾的聚类个数,使用聚类算法对垃圾数据进行聚类分析,得出各个聚类的中心坐标;
18、按照聚类结果,在两域地图上划分各垃圾处理装置的负责区域;
19、在各垃圾处理装置的负责区域内,以垃圾处理装置自身位置为起点,生物为障碍物,负责区域内的垃圾为终点使用路径规划算法进行垃圾回收路径预规划;
20、所述路径规划算法的目标为避开生物且以最短路径完成负责区域内所有垃圾的回收。
21、作为优选的技术方案,所述根据海浪干扰度o及垃圾处理装置的当前移动速度vf构建模糊关系矩阵,具体为:
22、定义海浪干扰度模糊矩阵的论域为{0,1,2,3},隶属度函数为:
23、,
24、构建海浪干扰度o的模糊矩阵,表示为:
25、,
26、其中,oo表示无海浪干扰,os代表海浪干扰弱,om代表海浪干扰一般,ol代表海浪干扰强;
27、定义垃圾处理装置的当前移动速度模糊矩阵的论域为{0,3,6,9},隶属度函数为:
28、,
29、构建垃圾处理装置的当前移动速度的模糊矩阵,表示为:
30、,
31、其中,fo表示垃圾处理装置当前静止,fs表示垃圾处理装置当前慢速前进,fm表示垃圾处理装置当前正常速度前进,fl表示垃圾处理装置当前快速前进;
32、基于当前移动速度和海浪干扰度的模糊矩阵,构建当前移动速度与海浪干扰度的模糊关系矩阵m1:
33、。
34、作为优选的技术方案,垃圾处理装置移动过程中,首先根据模糊关系矩阵m1输出垃圾处理装置的控制移动速度=vf×m1;
35、然后,依据垃圾处理装置检测的生物情况,使用最大隶属度法根据控制移动速度更新垃圾处理装置的当前移动速度vf,包括:
36、当垃圾处理装置在视觉范围内检测到生物时,垃圾处理装置的当前移动速度vf=÷ln(e+b),其中e为自然指数;
37、当垃圾处理装置在视觉范围内没有检测到生物时,垃圾处理装置的当前移动速度vf=;
38、所述控制移动速度的隶属度函数为:
39、。
40、作为优选的技术方案,所述垃圾危险度根据目标检测算法进行识别分类,包括危险度无、危险度弱、危险度一般及危险度高;所述垃圾危险等级是对垃圾危险度进行量化得到d={0,1,2,3},即危险度无为0、危险度弱为1、危险度一般为2、危险度高为3;
41、将作业风险度r和垃圾处理装置的当前作业速度vw进行模糊化处理,构建对应的模糊矩阵,具体为:
42、定义作业风险度模糊矩阵的论域为{0,1,2,3},隶属度函数为:
43、,
44、构建作业风险度r的模糊矩阵,表示为:
45、,
46、其中,ro表示作业无风险,rs表示作业风险弱,rm表示作业风险一般,rl表示作业风险高;
47、定义垃圾处理装置的当前作业速度模糊矩阵的论域为{0,1,2,3},隶属度函数为:
48、,
49、构建垃圾处理装置的当前作业速度的模糊矩阵,表示为:
50、,
51、其中,wl表示垃圾处理装置快速作业,wm表示垃圾处理装置正常作业,ws表示垃圾处理装置慢速作业,wo表示垃圾处理装置停止作业。
52、作为优选的技术方案,所述输出控制作业速度,具体为:
53、构建垃圾处理装置的当本文档来自技高网...
【技术保护点】
1.基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述目标检测算法通过搭载有滤光片的无人机采集待规划区域的垃圾数据集训练神经网络得到;
3.根据权利要求1所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述根据海浪干扰度O及垃圾处理装置的当前移动速度VF构建模糊关系矩阵,具体为:
4.根据权利要求3所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,垃圾处理装置移动过程中,首先根据模糊关系矩阵M1输出垃圾处理装置的控制移动速度=VF×M1;
5.根据权利要求1所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述垃圾危险度根据目标检测算法进行识别分类,包括危险度无、危险度弱、危险度一般及危险度高;所述垃圾危险等级是对垃圾危险度进行量化得到D={0,1,2,3},即危险度无为0、危险度弱为1、危险度一般为2、危险度高为3;
6.根据权利要求5所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述
7.根据权利要求1所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述无人机和垃圾处理装置上还部署有去雾算法和夜视算法;
8.根据权利要求7所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述优化算法为两种时,根据垃圾回收任务的数据量使用对应的优化算法进行优化,具体为:
9.根据权利要求8所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述使用遗传算法优化参数设置具体为:
10.根据权利要求8所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述使用机器学习算法优化参数设置具体为:
...【技术特征摘要】
1.基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述目标检测算法通过搭载有滤光片的无人机采集待规划区域的垃圾数据集训练神经网络得到;
3.根据权利要求1所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述根据海浪干扰度o及垃圾处理装置的当前移动速度vf构建模糊关系矩阵,具体为:
4.根据权利要求3所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,垃圾处理装置移动过程中,首先根据模糊关系矩阵m1输出垃圾处理装置的控制移动速度=vf×m1;
5.根据权利要求1所述的基于机器视觉的海陆两域垃圾回收规划方法,其特征在于,所述垃圾危险度根据目标检测算法进行识别分类,包括危险度无、危险度弱、危险度一般及危险度高;所述垃圾危险等级是对垃圾...
【专利技术属性】
技术研发人员:谢泽文,刘长红,柯镇宇,陈奎庚,张成云,邹涛,
申请(专利权)人:广州大学,
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。