【技术实现步骤摘要】
本专利技术涉及信息，尤其涉及一种基于改进式slam算法的无人船水域监测方法。
技术介绍
1、随着全球海洋活动的增加和海洋资源利用的扩展，无人船在海洋监测、科研、资源勘探等领域发挥着越来越重要的作用。尤其是在复杂和多变的海洋环境中，高效、准确的海洋监测成为确保海洋活动安全和提高资源利用效率的关键。然而，无人船的自主导航和障碍物避让能力仍面临诸多挑战。首先，现有的无人船导航系统在复杂的海洋环境下，尤其是在多障碍物环境中，难以准确预测和避让动态和静态障碍物。传统的避障方法通常基于预设规则和静态环境模型，难以应对多变的海洋环境和未知障碍物的出现。其次，无人船的能量效率问题是另一个重要的技术挑战。无人船通常依赖有限的电力或燃料，因此优化能源使用，延长航程和执行更多任务成为重要的考虑因素。现有技术在动态调整航速和航线以提高能量效率方面存在不足。此外，无人船在复杂海域环境中的环境适应性也是一个关键问题。海洋环境变化莫测，包括天气、海流、浪高等因素，这些都对无人船的航行安全和效率产生影响。现有技术在实时感知环境变化和据此调整航行策略方面还有待提高。再者，现有的声纳系统虽然能在一定程度上识别海下障碍物，但在区分海洋生物和非生物障碍物，以及处理复杂海洋声场中的噪声干扰方面仍存在局限。这限制了无人船在生物多样性丰富的海域中的应用。最后，多源数据的融合与分析是现有技术中的一个短板。无人船需要结合gps、声纳、视觉等多种感测数据来实现更准确的环境感知和障碍物识别，但如何有效整合这些异质数据，以及如何从中提取有用信息以指导航行，仍是一个挑战。因此，现有的无
技术实现思路
1、本专利技术提供了一种基于改进式slam算法的无人船水域监测方法，主要包括：
2、使用无人船的声纳系统检测障碍物，提取障碍物特征，确定障碍物类型及其动态特性，并计算无人船的最短安全距离或调整航线；根据声纳回声数据提取的障碍物特征，对比目标识别结果与历史数据，判断障碍物的常见行为模式；如果障碍物为动态物体，分析其速度和方向，构建障碍物位置预测模型，预测未来位置，调整避障策略以缩短避障时间；根据动态障碍物的特征数据和无人船的操作特性，确定无人船预期位置，规划新航线；根据无人船的gps定位和声纳数据确定潜在碰撞点，进行动态航线规划，并通过对比实际避障时间与预计避障时间，评估航线调整策略的效果；根据声纳系统检测的障碍物数据，使用决策树算法对障碍物进行风险评估，并根据计算的避障时间与任务预定时间的对比，调整无人船的航线规划确保任务安全和任务效率；根据障碍物监测和环境分析，应用障碍物位置预测模型进行障碍物动态路径图生成和避障策略优化；根据避障策略和航线规划的调整，评估无人船的任务执行进度，若预计可能延误，则优化航线规划确保无人船任务执行的最佳效率。
3、在一些实施例中，所述使用无人船的声纳系统检测障碍物，提取障碍物特征，确定障碍物类型及其动态特性，并计算无人船的最短安全距离或调整航线，包括：
4、使用无人船的声纳系统检测周围环境，获取声纳回声数据；当无人船的声纳系统检测到固定障碍物时，获取gps数据，并基于gps和声纳数据，确定无人船的初始位置和方向以及障碍物的位置；采用快速傅里叶变换，从声纳回声数据中提取障碍物特征，包括基于回声强度和持续时间估计障碍物的大小和形态、通过声波在不同材料中的传播速度和衰减特性，推断障碍物的可能材质、根据回声信号的多普勒变化，确定障碍物的运动速度和方向；使用slam算法，结合声纳和gps数据，以无人船当前位置为中心，构建包含障碍物位置和特征的slam地图；利用迭代最近点算法对连续扫描的数据进行配准，精确映射障碍物位置；根据提取的障碍物的运动速度，判断障碍物是固定还是动态物体；若障碍物为固定物体，根据无人船当前位置和目标点，计算无人船与障碍物之间的最短安全距离，确定绕过障碍物的最优角度；若障碍物为动态物体，实时更新障碍物位置和速度信息；还包括：利用slam算法，根据声纳数据和gps数据，实时构建slam地图并计算无人船与固定障碍物的最短安全距离。
5、所述利用slam算法，根据声纳数据和gps数据，实时构建slam地图并计算无人船与固定障碍物的最短安全距离，具体包括：
6、使用slam算法，结合声纳和gps数据，构建周围环境的实时slam地图，地图中包含精确定位固定障碍物的位置和尺寸。通过slam算法，实时更新无人船相对于障碍物的位置和方向。通过连续的数据更新，使用slam算法追踪障碍物相对于无人船的移动。基于slam地图和无人船的动态数据，包括速度、转向半径，结合无人船在紧急情况下的停止距离和操控能力，使用slam算法计算无人船与障碍物之间的最短安全距离。根据无人船与障碍物之间的最短安全距离，确定绕过障碍物的最优角度。
7、在一些实施例中，所述根据声纳回声数据提取的障碍物特征，对比目标识别结果与历史数据，判断障碍物的常见行为模式，包括：
8、获取从声纳回声数据中提取的障碍物特征，将当前障碍物特征与历史数据中记录的障碍物特征进行对比；若当前障碍物特征与历史数据中的障碍物特征匹配，则提取该障碍物的行为模式数据，包括移动速度、路径、停留时间；将行为模式数据整合到地图的数据结构中，更新slam地图中的障碍物信息；通过对比新旧数据，检查数据的逻辑一致性的操作，对更新后的slam地图进行校验，确保信息的准确性和一致性。
9、在一些实施例中，所述如果障碍物为动态物体，分析其速度和方向，构建障碍物位置预测模型，预测未来位置，调整避障策略以缩短避障时间，包括：
10、根据从声纳回声数据中提取的障碍物的运动速度，判断障碍物是否为动态物体；根据障碍物的历史速度和位置数据，利用arima算法进行模型训练，构建障碍物位置预测模型，预测障碍物未来位置；根据预测的位置，设计初步避障策略并进行路线规划；执行路线规划后，监测实际避障时间是否符合预期，若实际避障时间大于预设阈值，则重新进行障碍物位置预测，并调整障碍物位置预测模型的参数；根据调整后的位置预测，重新规划避障路线；对新的避障路线进行模拟，验证避障效率和安全性；若模拟结果显示新航线满足安全要求，则固化避障路线，并在系统中更新避障策略；在避障策略部署后，持续监控实时数据以确保在变化的环境条件下避障路线仍然有效。
11、在一些实施例中，所述根据动态障碍物的特征数据和无人船的操作特性，确定无人船预期位置，规划新航线，包括：
12、根据当前动态障碍物的特征数据，使用障碍物位置预测模型，获得障碍物的预测位置和移动轨迹；根据无人船当前位置和速度、无人船的操作特性、障碍物的预测位置和轨迹数据，计算无人船和障碍物在不同时间点的预期位置，得到无人船和障碍物之间的最小距离，并评估在紧急情况下所需的最小反应距离，无人船的操作特性包括制动距离和转向半本文档来自技高网...
【技术保护点】
1.一种基于改进式SLAM算法的无人船水域监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述使用无人船的声纳系统检测障碍物，提取障碍物特征，确定障碍物类型及其动态特性，并计算无人船的最短安全距离或调整航线，包括:
3.根据权利要求1所述的方法，其中，所述根据声纳回声数据提取的所述障碍物特征，对比目标识别结果与历史数据，判断障碍物的常见行为模式，包括:
4.根据权利要求1所述的方法，其中，所述如果障碍物为动态物体，分析其速度和方向，构建障碍物位置预测模型，预测未来位置，调整避障策略以缩短避障时间，包括:
5.根据权利要求1所述的方法，其中，所述根据动态障碍物的特征数据和无人船的操作特性，确定无人船预期位置，规划新航线，包括:
6.根据权利要求1所述的方法，其中，所述根据无人船的GPS定位和声纳数据确定潜在碰撞点，进行动态航线规划，并通过对比实际避障时间与预计避障时间，评估航线调整策略的效果，包括:
7.根据权利要求1所述的方法，其中，所述根据声纳系统检测的障碍物数据，使用决策树算法对
8.根据权利要求1所述的方法，其中，所述根据障碍物监测和环境分析，应用障碍物位置预测模型进行障碍物动态路径图生成和避障策略优化，包括:
9.根据权利要求1所述的方法，其中，所述根据避障策略和航线规划的调整，评估无人船的任务执行进度，若预计可能延误，则优化航线规划确保无人船任务执行的最佳效率，包括:
...【技术特征摘要】
1.一种基于改进式slam算法的无人船水域监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其中，所述使用无人船的声纳系统检测障碍物，提取障碍物特征，确定障碍物类型及其动态特性，并计算无人船的最短安全距离或调整航线，包括:
3.根据权利要求1所述的方法，其中，所述根据声纳回声数据提取的所述障碍物特征，对比目标识别结果与历史数据，判断障碍物的常见行为模式，包括:
4.根据权利要求1所述的方法，其中，所述如果障碍物为动态物体，分析其速度和方向，构建障碍物位置预测模型，预测未来位置，调整避障策略以缩短避障时间，包括:
5.根据权利要求1所述的方法，其中，所述根据动态障碍物的特征数据和无人船的操作特性，确定无人船预期位置，规划新航线，包括:
<...【专利技术属性】
技术研发人员：封斌，吕志胜，赵江涛，冯宝祥，
申请(专利权)人：广州粤嵌通信科技股份有限公司，
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。