本發(fā)明涉及無人船應(yīng)用，更具體的說是涉及一種基于自監(jiān)督學習的無人船自主對接碼頭方法及系統(tǒng)。

背景技術(shù)：

1、近年來，無人船在海洋監(jiān)測、環(huán)境監(jiān)測和貨物運輸?shù)阮I(lǐng)域應(yīng)用越來越廣泛。傳統(tǒng)的無人船操作通常需要人工控制，尤其是在任務(wù)完成后的重新停泊過程中。在操作效率和自主性方面，這種依賴基于第一人稱視角的人類控制方法存在限制。特別是對于完全無人化部署而言自主停泊的發(fā)展有望成為提升無人船功能和應(yīng)用范圍的關(guān)鍵進展。

2、自主停泊的主要挑戰(zhàn)在于應(yīng)對動態(tài)和不可預(yù)測的海洋環(huán)境。這些環(huán)境包括復(fù)雜的氣象條件、水流動態(tài)以及各種障礙物，需要復(fù)雜的感知和控制策略。傳統(tǒng)的方法如基于位置的視覺伺服和基于圖像的視覺伺服框架在這些情況下仍然需要大量的人工特征工程、數(shù)據(jù)標注和精確的定位技術(shù)，這仍然需要大量的人力投入。

3、因此，提出一種基于自監(jiān)督學習的無人船自主對接碼頭方法及系統(tǒng)，來解決現(xiàn)有技術(shù)存在的困難，是本領(lǐng)域技術(shù)人員亟需解決的問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于自監(jiān)督學習的無人船自主對接碼頭方法及系統(tǒng)，通過自監(jiān)督學習方法實現(xiàn)了無人船視覺停泊，盡可能減少了人為干預(yù)。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于自監(jiān)督學習的無人船自主對接碼頭方法，包括以下步驟：

4、s1、數(shù)據(jù)獲取步驟：獲取無人船相對碼頭中心的圖像來得到無人船相關(guān)數(shù)據(jù)；

5、s2、數(shù)據(jù)處理步驟：對收集到的相關(guān)數(shù)據(jù)進行數(shù)據(jù)增強，并把數(shù)據(jù)增強處理后的數(shù)據(jù)分為訓(xùn)練集和測試集；

6、s3、模型建立和訓(xùn)練步驟：建立基于深度學習算法的預(yù)測模型，包括編碼網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，將s2中的訓(xùn)練集和測試集輸入預(yù)測模型實現(xiàn)模型的訓(xùn)練和測試；

7、s4、誤差預(yù)測步驟：通過訓(xùn)練好的預(yù)測模型進行無人船的姿態(tài)估計，并預(yù)測無人船相對碼頭移動的相對姿態(tài)位置誤差；

8、s5、無人船控制步驟：根據(jù)預(yù)測的相對姿態(tài)位置誤差對無人船進行姿態(tài)調(diào)整實現(xiàn)無人船的運動閉環(huán)控制。

9、上述的方法，可選的，s1中通過獲取無人船相對碼頭中心的圖像得到的無人船相關(guān)數(shù)據(jù)包括無人船相對對接位置中心的距離、偏向角。

10、上述的方法，可選的，s3中的預(yù)測模型包括編碼網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，編碼網(wǎng)絡(luò)對圖像數(shù)據(jù)進行降采樣，得到隱式表達的特性向量；預(yù)測網(wǎng)絡(luò)將基于隱式表達的特性向量進行位置誤差估計。

11、上述的方法，可選的，s4中的誤差預(yù)測包括：

12、計算待預(yù)測無人船相關(guān)數(shù)據(jù)進行姿態(tài)估計的權(quán)重，根據(jù)權(quán)重對待預(yù)測無人船進行姿態(tài)估計；獲取無人船最新圖像并預(yù)測目標末端執(zhí)行器的姿態(tài)，根據(jù)每個時間步的圖像，在線預(yù)測無人船相對于碼頭移動的相對姿態(tài)位置誤差。

13、上述的方法，可選的，s4中還包括無人船坐標系間的轉(zhuǎn)換關(guān)系如下：

14、δt:＝txv3r9jzsqg＝t{w}{w}txv3r9jzsqg

15、其中，t{w}為一個圖像i和無人船當前姿態(tài)的位置關(guān)系，{w}txv3r9jzsqg為用戶定義的期望初始停靠姿態(tài)，δt為無人船與碼頭之間的相對姿態(tài)。

16、上述的方法，可選的，s5中通過pid控制器進行運動閉環(huán)控制，pid控制器包括外部控制器和內(nèi)部控制器；外部控制器輸入為無人船相對于碼頭移動的相對姿態(tài)位置誤差，輸出為期望速度；內(nèi)部控制器輸入為當前速度與期望速度的誤差，逐步計算并調(diào)整控制信號。

17、上述的方法，可選的，s5中無人船控制還包括：對于具有固定兩個后推進器配置的無人船差分推力，簡化的運動分配模型為：

18、vusv＝α(tr+tl)

19、ωusv＝β(tr-tl)

20、其中，vusv,ωusv分別代表了無人船的線速度和角速度，tr,tl分別代表右發(fā)動機和左發(fā)動機的推力比例，α和β是縮放系數(shù)。

21、一種基于自監(jiān)督學習的無人船自主對接碼頭系統(tǒng)，應(yīng)用上述任一項的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，包括依次連接的數(shù)據(jù)獲取模塊、數(shù)據(jù)處理模塊、模型建立和訓(xùn)練模塊、誤差預(yù)測模塊、無人船控制模塊；其中，

22、數(shù)據(jù)獲取模塊，用于獲取無人船相對碼頭中心的圖像來得到無人船相關(guān)數(shù)據(jù)；

23、數(shù)據(jù)處理模塊，用于對收集到的相關(guān)數(shù)據(jù)進行數(shù)據(jù)增強，并把數(shù)據(jù)增強處理后的數(shù)據(jù)分為訓(xùn)練集和測試集；

24、模型建立和訓(xùn)練模塊，用于建立基于深度學習算法的預(yù)測模型，包括編碼網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，將訓(xùn)練集和測試集輸入預(yù)測模型實現(xiàn)模型的訓(xùn)練和測試；

25、誤差預(yù)測模塊，用于通過訓(xùn)練好的預(yù)測模型進行無人船的姿態(tài)估計，并預(yù)測無人船相對碼頭移動的相對姿態(tài)位置誤差；

26、無人船控制模塊，用于根據(jù)預(yù)測的相對姿態(tài)位置誤差對無人船進行姿態(tài)調(diào)整實現(xiàn)無人船的運動閉環(huán)控制。

27、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明公開提供了一種基于自監(jiān)督學習的無人船自主對接碼頭方法及系統(tǒng)，具有以下有益效果：

28、(1)本發(fā)明通過自監(jiān)督學習方法實現(xiàn)了無人船視覺停泊，盡可能減少了人為干預(yù)；研究旨在確定自監(jiān)督學習在復(fù)雜和多變的海洋環(huán)境中實現(xiàn)精確和可靠的自主停泊的可行性；通過自監(jiān)督的數(shù)據(jù)收集、最小的人為標簽干預(yù)和自監(jiān)督碼頭姿態(tài)估計器，這些技術(shù)能夠在不損失準確性的情況下提高操作效率。本發(fā)明的貢獻在于將機器人學習技術(shù)轉(zhuǎn)移到現(xiàn)實世界的應(yīng)用和操作中，隨著技術(shù)的不斷進步，我們預(yù)期未來的無人船將更加智能化和自主化，能夠在更加復(fù)雜和動態(tài)的環(huán)境中準確自主執(zhí)行?？咳蝿?wù)。

29、(2)本發(fā)明旨在通過基于自監(jiān)督學習的方法提高無人船的自主對接精度；該方法包括數(shù)據(jù)收集、模型訓(xùn)練以及使用神經(jīng)對接姿態(tài)估計器進行準確的對接姿態(tài)預(yù)測。所提出的框架不需要手動標注和相機校準的需求，使其在實際水域環(huán)境中高效且可靠。

技術(shù)特征：

1.一種基于自監(jiān)督學習的無人船自主對接碼頭方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，其特征在于，s1中通過獲取無人船相對碼頭中心的圖像得到的無人船相關(guān)數(shù)據(jù)包括無人船相對對接位置中心的距離、偏向角。

3.根據(jù)權(quán)利要求1所述的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，其特征在于，s3中的預(yù)測模型包括編碼網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，編碼網(wǎng)絡(luò)對圖像數(shù)據(jù)進行降采樣，得到隱式表達的特性向量；預(yù)測網(wǎng)絡(luò)將基于隱式表達的特性向量進行位置誤差估計。

4.根據(jù)權(quán)利要求1所述的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，其特征在于，s4中的誤差預(yù)測包括：

5.根據(jù)權(quán)利要求3所述的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，其特征在于，s4中還包括無人船坐標系間的轉(zhuǎn)換關(guān)系如下：

6.根據(jù)權(quán)利要求1所述的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，其特征在于，s5中通過pid控制器進行運動閉環(huán)控制，pid控制器包括外部控制器和內(nèi)部控制器；外部控制器輸入為無人船相對于碼頭移動的相對姿態(tài)位置誤差，輸出為期望速度；內(nèi)部控制器輸入為當前速度與期望速度的誤差，逐步計算并調(diào)整控制信號。

7.根據(jù)權(quán)利要求6所述的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，其特征在于，s5中無人船控制還包括：對于具有固定兩個后推進器配置的無人船差分推力，簡化的運動分配模型為：

8.一種基于自監(jiān)督學習的無人船自主對接碼頭系統(tǒng)，其特征在于，應(yīng)用權(quán)利要求1-7任一項所述的一種基于自監(jiān)督學習的無人船自主對接碼頭方法，包括依次連接的數(shù)據(jù)獲取模塊、數(shù)據(jù)處理模塊、模型建立和訓(xùn)練模塊、誤差預(yù)測模塊、無人船控制模塊；其中，

技術(shù)總結(jié)
本發(fā)明公開了一種基于自監(jiān)督學習的無人船自主對接碼頭方法及系統(tǒng)，應(yīng)用于無人船應(yīng)用技術(shù)領(lǐng)域。本發(fā)明包括：S1、獲取無人船相對碼頭中心的圖像來得到無人船相關(guān)數(shù)據(jù)；S2、對收集到的相關(guān)數(shù)據(jù)進行數(shù)據(jù)增強，并把數(shù)據(jù)增強處理后的數(shù)據(jù)分為訓(xùn)練集和測試集；S3、建立基于深度學習算法的預(yù)測模型，包括編碼網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，將訓(xùn)練集和測試集輸入預(yù)測模型實現(xiàn)模型的訓(xùn)練和測試；S4、通過訓(xùn)練好的預(yù)測模型進行無人船的姿態(tài)估計，并預(yù)測無人船相對碼頭的相對姿態(tài)位置誤差；S5、根據(jù)預(yù)測的相對姿態(tài)位置誤差對無人船進行姿態(tài)調(diào)整實現(xiàn)無人船的運動閉環(huán)控制。本發(fā)明通過自監(jiān)督學習方法實現(xiàn)了無人船視覺停泊，盡可能減少了人為干預(yù)。

技術(shù)研發(fā)人員：褚一杰,吳子牛,岳勇,朱曉輝
受保護的技術(shù)使用者：西交利物浦大學
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10