本技術(shù)涉及船舶碰撞預(yù)警，尤其涉及一種基于雷達檢測的船舶碰撞預(yù)警方法、電子設(shè)備。

背景技術(shù)：

1、航運是國際貿(mào)易的重要組成部分，航運業(yè)是全球貿(mào)易發(fā)展的基礎(chǔ)。沿海港口航道是航運交通的主要干線，其通行能力直接影響到港口的運營效率和經(jīng)濟效益。船舶進出港時，確保安全間距是最為重要的任務(wù)，關(guān)乎船舶和船員安全，還涉及港口的正常運作和服務(wù)質(zhì)量。因此，如何提升船舶的避碰決策能力，降低事故發(fā)生風險以及事故造成的損失，已成為當前研究的重點與難點問題。

2、此外，航行的控制過程是非常復(fù)雜的。如何讓船舶能夠清晰準確認知所處的航行狀態(tài)，準確劃定與其他航行主體的安全區(qū)域，對碰撞危險進行量化，合理的判斷是否需要避碰以及何時進行避碰需要多項技術(shù)協(xié)同配合，從而構(gòu)建安全有效的自主航行決策系統(tǒng)。對于此，國際海事組織制訂了國際海上碰撞避免規(guī)則(international?regulationsforpreventing?collisions?at?sea,colregs)，是一項重要的海事規(guī)則或航行規(guī)章。它給現(xiàn)有的自主航行決策系統(tǒng)極提供了系統(tǒng)性參考。

3、如圖1所示，現(xiàn)有技術(shù)中的自主航行決策系統(tǒng)共分為4個階段：

4、1)航行環(huán)境感知階段。利用多類型傳感器(如雷達、ais、激光雷達、紅外相機、可見光相機等)獲取船舶周圍的環(huán)境，包括船舶本身的位置、速度、航向等動態(tài)信息和靜態(tài)信息，以及環(huán)境信息(如航道、障礙物等)。

5、2)航路規(guī)劃階段。根據(jù)感知到的周圍船舶信息和環(huán)境信息，制定多條本船的航行路徑，以避免與其他船舶和障礙物發(fā)生碰撞。

6、3)決策及控制執(zhí)行階段。從多條本船的航行路徑中選擇最優(yōu)路徑，將最優(yōu)路徑轉(zhuǎn)化為控制指令，通過控制系統(tǒng)控制船舶的航向、速度和航行軌跡，以實現(xiàn)自主航行和避碰。

7、4)反饋與調(diào)整階段。在自主航行過程中，需要對周圍船舶和環(huán)境進行持續(xù)監(jiān)測，以便及時調(diào)整本船的航行策略。同時，對自主航行的效果進行評估，以檢驗避碰決策算法和控制系統(tǒng)的性能和準確性。

8、現(xiàn)有的自主航行決策系統(tǒng)雖然依靠自動雷達標繪儀、船舶交通服務(wù)、綜合船橋系統(tǒng)等輔助設(shè)備，可以較為準確獲取航行環(huán)境，然而依然存在較多問題，如大部分的決策系統(tǒng)并未考慮到設(shè)備受環(huán)境因素與距離條件影響，存在碰撞事故發(fā)生風險高，船舶智能避碰決策能力差等問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種基于雷達檢測的船舶碰撞預(yù)警方法、電子設(shè)備，用于提升船舶碰撞檢測的效率和準確度，及時進行預(yù)警。

2、第一方面，本技術(shù)提供了一種基于雷達檢測的船舶碰撞預(yù)警方法，包括：

3、s1：獲取目標船舶的多源信息，所述多源信息包括運動要素、環(huán)境要素、船舶靜態(tài)要素和周圍船舶影響要素；

4、s2：將所述多源信息進行信息融合處理，構(gòu)建海洋環(huán)境多維立體態(tài)勢圖，執(zhí)行對指定目標的識別；

5、s3：根據(jù)目標識別結(jié)果確定待碰撞威脅障礙，創(chuàng)建待碰撞威脅障礙物對應(yīng)的包圍盒模型；

6、s4：基于全局最鄰近數(shù)據(jù)關(guān)聯(lián)算法和已建立的包圍盒模型，將基于模型的全局最近鄰數(shù)據(jù)關(guān)聯(lián)算法對障礙物數(shù)據(jù)進行關(guān)聯(lián)；

7、s5：通過所述障礙物數(shù)據(jù)的關(guān)聯(lián)結(jié)果，對連續(xù)幀的障礙物對象計算其運動特征中的速度參數(shù)，基于速度參數(shù)與包圍盒模型構(gòu)建障礙物運動特征模型；

8、s6：采用局部路徑規(guī)劃算法中的teb算法對構(gòu)建障礙物運動特征模型進行驗證，以完成船舶障礙物檢測與避障。

9、在一種可能的實現(xiàn)方式中，將該多源信息進行信息融合處理，構(gòu)建海洋環(huán)境多維立體態(tài)勢圖，執(zhí)行對指定目標的識別包括：

10、首先將sar與hrrp分別進行特征提取，然后在分類層之前對特征進行拼接融合，將ais單獨進行訓(xùn)練，hrrp和sar的特征提取和分類網(wǎng)絡(luò)同步完成訓(xùn)練并更新網(wǎng)絡(luò)參數(shù)，最后與ais進行決策級融合。

11、在一種可能的實現(xiàn)方式中，根據(jù)目標識別結(jié)果確定待碰撞威脅障礙，創(chuàng)建待碰撞威脅障礙物對應(yīng)的包圍盒模型包括：

12、通過連通組件聚類算法對點云進行分割后，得到了多個由障礙數(shù)據(jù)生成的不同的點云簇，每個簇表示一個障礙物與雷達的相對位置，并展示物體的輪廓特征；利用包圍盒對其進行幾何特征提取并構(gòu)建障礙物的幾何特征模型。

13、在一種可能的實現(xiàn)方式中，根據(jù)目標識別結(jié)果確定待碰撞威脅障礙，創(chuàng)建待碰撞威脅障礙物對應(yīng)的包圍盒模型還包括：

14、采用obb(有向包圍盒)與obec(有向橢圓柱體包圍盒)描述障礙物點云特征；其中采用obb對船只障礙物進行幾何描述；而對其他障礙物，則采用obec對障礙物點云進行幾何描述。

15、在一種可能的實現(xiàn)方式中，采用obb對船只障礙物進行幾何描述包括：

16、將障礙物點云投影到二維平面，再通過pca獲得每個障礙物點云簇的主成分方向，利用obb包圍盒描述障礙物幾何特征；將每一個數(shù)據(jù)點設(shè)為pi＝(xi，yi)，則點云簇就可以看作{p1，p2，p3，…，pn}，n個點組成的數(shù)據(jù)集，首先計算平均數(shù)m：

17、

18、構(gòu)建點云在x方向與y方向上的協(xié)方差矩陣：

19、

20、協(xié)方差矩陣是由以下三個元素組成的對稱矩陣：

21、

22、求出協(xié)方差矩陣c的最大特征值λ1、λ2與其對應(yīng)的特征向量ξ1、ξ2，再將每個特征向量進行正交標準化；最大的特征值對應(yīng)的特征向量λ1即為obb包圍盒的主方向，獲得在主方向下點云的最大值與最小值，進而求得包圍盒長和寬以及中心坐標，如下：

23、l＝x′max-x′min?(6)

24、w＝y(tǒng)′max-y′min?(7)

25、

26、以障礙物點云最高點與最低點的差值為obb包圍盒的z軸高度即可建立與障礙物點云貼合的幾何特征模型。

27、在一種可能的實現(xiàn)方式中，采用obec對障礙物點云進行幾何描述包括：

28、首先進行初始化，設(shè)置初始的權(quán)重向量w，計算加權(quán)平均中心c和加權(quán)協(xié)方差矩陣c：

29、

30、計算每個點到中心c的馬氏距離di：

31、

32、通過迭代調(diào)整權(quán)重來改變橢圓的形狀和大小，直到找到最小的橢圓，包含所有的點，橢圓的長軸方向即障礙物的旋轉(zhuǎn)方向；再將此最小外接橢圓以點云的最大高度差向z軸方向拉伸為橢圓柱體得到obec包圍盒。

33、在一種可能的實現(xiàn)方式中，基于全局最鄰近數(shù)據(jù)關(guān)聯(lián)算法和已建立的包圍盒模型，將基于模型的全局最近鄰數(shù)據(jù)關(guān)聯(lián)算法對障礙物數(shù)據(jù)進行關(guān)聯(lián)包括：

34、設(shè)σ是從當前幀到先前幀對象集合的一對一映射，σ(i)表示目標i關(guān)聯(lián)到的當前幀對象，則將關(guān)聯(lián)問題形式化成為一個分配問題，即找到一個目標到當前幀對象的映射，以最小化總代價：

35、

36、對每一個有可能的數(shù)據(jù)關(guān)聯(lián)，計算其馬哈拉諾比斯距離并建立代價矩陣；設(shè)先前幀點云數(shù)據(jù)中聚類分割后并建立障礙物幾何特征模型的障礙物有m個，當前幀點云數(shù)據(jù)中有n個，建立關(guān)聯(lián)矩陣：

37、

38、根據(jù)上述矩陣，得到其中最小代價即可實現(xiàn)數(shù)據(jù)關(guān)聯(lián)。

39、在一種可能的實現(xiàn)方式中，通過所述障礙物數(shù)據(jù)的關(guān)聯(lián)結(jié)果，對連續(xù)幀的障礙物對象計算其運動特征中的速度參數(shù)，基于速度參數(shù)與包圍盒模型構(gòu)建障礙物運動特征模型包括：

40、通過前述對幀間障礙物數(shù)據(jù)的關(guān)聯(lián)結(jié)果，對連續(xù)幀的障礙物對象計算其運動特征中的速度參數(shù)，設(shè)當前幀的障礙物速度參數(shù)為

41、

42、其中t為激光雷達的工作周期，δd表示相鄰幀間障礙物對象在坐標系下的相對距離差值；根據(jù)連續(xù)幀間障礙物數(shù)據(jù)，可得到障礙物坐標系下的速度，再依據(jù)移動船舶當前自身速度，可得到障礙物實際速度：

43、

44、通過障礙物在世界坐標下的速度來判斷障礙物是否為靜態(tài)障礙物，如下所示：

45、

46、μvelo為障礙物的速度閾值，當障礙物在t時刻的速度小于速度閾值時，該障礙物被視為靜態(tài)障礙物，不加入動態(tài)障礙物列表，反之視為動態(tài)障礙物，對動態(tài)障礙物列表進行更新；

47、在常規(guī)的航行環(huán)境中，船舶所檢測到的障礙物的運動可以只將其視為在x軸、y軸組成的平面坐標系下的運動，依據(jù)建立的障礙物幾何特征模型，建立障礙物平面表達式；針對obec包圍盒模型，其橢圓的長軸a′obstacle與短軸b′obstacle可分別表示為：

48、

49、其中，θ′obstacle表示obec模式障礙物與y軸的夾角，(xobstacle，yobstacle)表示障礙物中心坐標，xobstacle與yobstacle表示障礙物的兩個變量；

50、針對obb包圍盒模型，障礙物的長寬分別表示為：2a″obstacle與2b″obstacle；在這種情況下，對障礙物可表達為四個線性方程：

51、xobstaclecosθ″obstacle-yobstaclesinθ″obstacle＝-a″obstacle?(18)

52、xobstaclecosθ″obstacle-yobstaclesinθ″obstacle＝a″obstacle?(19)

53、xobstaclesinθ″obstacle+yobstaclecosθ″obstacle＝-b″obstacle?(20)

54、xobstaclesinθ″obstacle+yobstaclecosθ″obstacle＝b″obstacle?(21)

55、θ″obstacle表示obb模型障礙物與y軸的夾角，xobstacle與yobstacle表示障礙物的兩個變量；

56、由此可建立表征船舶和動態(tài)障礙物運動特征的數(shù)學模型；對于動態(tài)特征，一般包括動態(tài)障礙物的位置、速度、加速度等信息，因此動態(tài)障礙物運動特征模型擬用以下函數(shù)來表示：

57、

58、其中(xobstacle(t)，yobstacle(t))表示障礙物中心坐標的位置，與分別表示動態(tài)障礙物的速度矢量與加速度矢量，θobstacle(t)表示障礙物與y軸的夾角。

59、在一種可能的實現(xiàn)方式中，采用局部路徑規(guī)劃算法中的teb算法對構(gòu)建障礙物運動特征模型進行驗證，以完成船舶障礙物檢測與避障包括：

60、通過全局路徑規(guī)劃算法獲取從起點到目標點的初始路徑，在初始路徑上插入一系列控制點，構(gòu)成彈性帶；每個控制點包含船舶在該點的位置和預(yù)計到達該點的時間；其次對彈性帶進行多目標優(yōu)化，目標包括最小化路徑長度、避障、符合速度與加速度約束、以及滿足非完整運動學約束等；優(yōu)化過程通過調(diào)整控制點的位置和時間信息來實現(xiàn)；通過引入懲罰函數(shù)形式的約束來處理速度、加速度限制和避障需求，以及非完整運動學約束；

61、算法中船舶的每一個控制點的位置與角度如下所示：

62、

63、其中(xi，yi)代表移動船舶第i個控制點的坐標，βi代表移動船舶第i個控制點的航向角。相鄰控制點之間的時間間隔為δti代表移動船舶從一個控制點移動到下一個控制點所需的時間；

64、其優(yōu)化過程目標是以最小化總代價函數(shù)f(b)找到最優(yōu)的位姿序列q＝{s0，s1，...，sn}和時間間隔序列τ＝{δt0，δt1，...，δtn-1}，其中b表示路徑和時間序列的組合，其中b＝(q，τ)；

65、teb對船舶位置和時間變量的優(yōu)化是通過多個約束條件實現(xiàn)的，針對本實施例的船舶路徑規(guī)劃主要考慮兩個約束：全局路徑跟隨與避障約束和速度與加速度約束；

66、全局路徑跟隨與避障約束包括：設(shè)dmin，j為第j個控制點與船舶之間的最短距離，rpmax為偏離全局規(guī)劃路徑的最遠距離，dmin，k為第k個障礙物與船舶之間的最短距離，romin為障礙物與船舶之間的最短安全距離，則目標函數(shù)可表示為：

67、fpath＝f(dmin，j，rp?max)?(24)

68、fobstacle＝f(-dmin，k，ro?min)?(25)

69、速度與加速度約束包括：兩個相鄰控制點之間，通過時間間隔δti可以得到船舶的平移速度：

70、

71、平移速度的約束函數(shù)為：

72、fv＝fv，i(xi，xi+1，δti)?(27)

73、船舶的加速度為：

74、

75、加速度的約束函數(shù)為：

76、fa＝fa，i(xi，xi+1，xi+2，δti，δti+1)?(29)。

77、第二方面，本技術(shù)實施例提供了一種電子設(shè)備，該電子設(shè)備包括：一個或多個處理器和存儲器；所述存儲器與所述一個或多個處理器耦合，所述存儲器用于存儲計算機程序代碼，所述計算機程序代碼包括計算機指令，所述一個或多個處理器調(diào)用所述計算機指令以使得所述電子設(shè)備執(zhí)行如第一方面以及第一方面中任一可能的實現(xiàn)方式描述的方法。

78、第三方面，本技術(shù)實施例提供一種計算機可讀存儲介質(zhì)，包括指令，當上述指令在電子設(shè)備上運行時，使得上述電子設(shè)備執(zhí)行如第一方面以及第一方面中任一可能的實現(xiàn)方式描述的方法。

79、本技術(shù)實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

80、本技術(shù)將多源信息進行信息融合處理，構(gòu)建海洋環(huán)境多維立體態(tài)勢圖，執(zhí)行對指定目標的識別，可以獲得更全面的信息、提高準確性和可靠性、增加決策的可信度、促進創(chuàng)新和發(fā)現(xiàn),并且可以彌補單一信息源的局限性。同時本技術(shù)將優(yōu)化了多源傳感器數(shù)據(jù)預(yù)處理方法，基于點云構(gòu)建了多特征融合的動態(tài)障礙物模型，并基于建立的模型對動態(tài)障礙物進行跟蹤和位置預(yù)測，實現(xiàn)對動態(tài)障礙物的避障。