一種船舶輔助泊岸方法和系統的制作方法

一種船舶輔助泊岸方法和系統的制作方法
【專利摘要】本發明提供了一種船舶輔助泊岸方法和系統。該泊岸方法采用日盲紫外光成像法，包括采用至少兩個日盲紫外光成像模塊，根據其從預先在岸上設置的日盲紫外光源陣列所接收的光信號，計算船舶在泊岸過程中，相對于港口泊位岸線的位置和姿態。進一步地，當采用三個以上日盲紫外光成像模塊時，本發明的方法和裝置采用歸一化自相關算法以及數據融合算法，用以提高船舶位置和姿態數據的精度。通過引用本發明所述船舶輔助泊岸方法和系統，能明顯解決現行技術下船舶在霧天靠泊難度大以及現行技術中船舶引航靠泊裝置受天氣、環境等影響大的問題。
【專利說明】
一種船舶輔助泊岸方法和系統
技術領域
[0001] 本發明涉及一種船舶安全航行的方法和裝置。更具體地說，本發明涉及一種船舶 泊岸過程中，準確監控船舶與岸線距離以及船舶姿態的方法和裝置。
【背景技術】
[0002] 船舶安全靠泊是水運領域一直在重點研究的難題。船舶在港口碼頭靠泊過程中需 要嚴格控制好靠泊速度和距離，同時也需要參考船舶的姿態。引航員必須對所在水域的地 理特點、航道、水深、水流、航標設置和當地規章制度了如指掌，并具有熟練的靠離碼頭難度 較高的操縱技術。因此引航員不僅工作強度非常大，還要承擔多種安全風險。
[0003] 在水運領域，惡劣天氣尤其是霧天嚴重影響著水運航道的通暢。海事統計資料表 明，大多數海事事故發生在夜間及能見度不良情況下，其中能見度不良情況下發生的海事 事故又占大多數，而霧則是造成能見度不良最重要的因素之一。船舶在霧航時，由于各種不 確定因素（如船舶動態、駕駛員主觀意圖等）的存在，往往使駕駛員作出錯誤決策，導致海 難事故的發生。目前用于船舶助航的設備主要是雷達導航系統與自動識別系統。
[0004] 就船舶引航而言，霧天會嚴重的影響引航員的目視觀察效果，造成引航員無法判 別船舶相對碼頭泊位的姿態而無法指揮船舶安全靠泊。不同港口和航道的水文條件有所差 另Ij，但是通常能見度小于1海里時船舶要減緩航行，能見度小于1000 m時大型船舶一般會 停止航行。霧天下由于能見度較低，常常發生諸如大型船舶撞毀橋墩等嚴重事故，同時船舶 過壩時也受到霧天的影響，導致霧天時船舶必須停止過壩。因此霧天不僅影響著船舶航行 的安全，也嚴重影響著水運航道和港口物流的通暢。
[0005] 目前船舶在航行靠泊時都會參考一些無線電引航系統，如雷達。但雷達系統在工 作時易受外界因素如氣候、地形、外部干擾的影響，并且考慮到雷達通常架設在船的較高位 置，可以探測到距離船舶較遠處的情況而不易探測到距離船舶較近處的情況，因此在船舶 引航靠泊的過程中雷達系統有很大的局限性。目前通常通過引航員的目視把握和判斷來確 定船舶靠泊方案。為了避免潛在安全事故的發生，人們不得不規定，在惡劣天氣下，船舶應 停航停運。
[0006] 考慮到當今巨大的貨物運輸量、旅客周轉量的實際需要，一些在惡劣天氣條件下 的助航設備，如航海領域中的雷達導航系統、自動識別系統（AIS)等已經被研制出來。這 些助航設備可在一定程度上輔助駕駛人員進行惡劣天氣條件下的駕駛，但受技術、費用、精 度、場地等多方面的影響，仍然存在諸多不足。
[0007] 上述現有技術中的雷達導航系統與自動識別系統（AIS)均為無線電通訊類助航 系統。其中船用雷達導航系統作為船舶助航的常用手段，在定位導航和避碰中發揮著作用， 但其自身也存在不可避免的缺陷。例如，在氣象條件惡劣時（如雨雪風浪天氣），雷達導航 系統容易受海浪和雨雪干擾產生雜波，相同頻率或頻率接近的雷達在近距離時也會產生同 頻雷達干擾雜波。而且，雷達通常存在30-50米的固定盲區，受船上大桅等的影響會產生 扇形陰影區，受復雜情況影響雷達會產生各種假回波，例如多次掃描假回波、二次掃描假回 波、間接反射假回波以及旁瓣回波等假回波。上述所有的這些干擾雜波和假回波在實際使 用時往往會讓操作者難以分辨或影響觀測，進而對航行安全產生錯誤的導向。
[0008] 船舶自動識別系統（AIS)是一種基于衛星定位的設備，通常精度在5-30米。由 于不存在盲區，它的定位精度高于雷達，且不因目標距離和方位變化而變化，其由岸基（基 站）設施和船載設備共同組成，是一種新型的集網絡技術、現代通訊技術、計算機技術、電 子信息顯示技術為一體的數字助航系統和設備。AIS本質上是一個廣播轉發器系統，在海上 移動通信頻道VHF上工作，它能把船舶信息如船名、呼號、海上移動識別碼、位置、航向、航 速等自動發送到其他船上或岸上，以快速的更新率，處理多路通信，并使用自控時分多址聯 接技術來滿足通信的高密度率，保證了船對船和船對岸操作的可靠和實時性能。但是，AIS 也存在諸多局限性。首先，同雷達導航系統一樣，其提供的信息都不是真實的視覺圖像，這 對霧天靠泊導航而言沒有實質性地幫助，由于引航人員看不到周圍環境，船只依舊被迫停 航；再者，其設備精度為5-30米，或許能滿足避碰需求，但對近距離靠泊而言，5m的精度誤 差很容易造成大型船只在最后靠泊的關鍵時刻發生嚴重的與碼頭或駁船的碰撞事故。
[0009] 綜上，現有技術的船用雷達導航系統和船載AIS這兩類助航儀器，在低能見度大 氣條件下進行近距離導航時，仍然不能滿足使船舶安全舶岸的。
[0010] 近年來，現有技術中發展出日盲紫外引航靠泊系統。利用200 - 280nm波段的日 盲紫外現象，在岸上設置日盲紫外光源燈組，在所需引航和泊岸的船舶上設置日盲紫外光 探測器。根據所述探測器所接收的日盲紫外光信號，最終得到所述船舶相對于碼頭的位置， 以利于安全地泊岸。例如，申請號為2012105507102、題目為《基于日盲紫外光信號的引航 靠泊系統》的中國專利申請，公開了一種日盲紫外光輔助泊岸系統。所述系統包括日盲紫外 光源系統、三軸電子羅盤、光學成像模塊和信息處理終端組成。三軸電子羅盤與光學成像模 塊相連，獲取所述光學成像模塊在轉動時的各角度信息；光學成像模塊包括分光鏡、可見光 或紅外光成像通道和日盲紫外光成像通道，其可見光或紅外光成像通道接收可見光信號， 輸出可見光或紅外光視頻信號，其日盲紫外光成像通道接收日盲紫外光信號，輸出日盲紫 外光視頻信號；所述的信息處理終端用于根據兩路視頻的數字信號，計算船舶的航行姿態 數據和輸出合成視頻至顯示系統。在該專利申請中，通過三軸電子羅盤與光學成像模塊相 連，獲取所述光學成像模塊在轉動時的各角度信息，最終得到船舶相對于岸線的角度信息。 不過該系統也有不足之處。例如，在使用三軸電子羅盤時，有時會受到巨大的磁場干擾，使 得到的數據出現誤差，很難得到船體距離靠泊岸線的較準確的距離，使靠泊仍然困難。
[0011] 因此，目前的現有技術無法方便、準確、安全地保證船舶霧天精確定位靠泊引航。

【發明內容】

[0012] 為解決上述技術問題，本發明的目的在于提供一種船舶的泊岸方法，采用日盲紫 外光探測技術，得到船舶相對于岸線和泊位的姿態和相對距離數據，用于船舶安全泊岸。本 發明的另外一個目的是提供一種引導船舶泊岸的系統。
[0013] 根據本發明的一個方面，本發明提供了一種船舶泊岸方法。所述的方法采用日盲 紫外光成像法，確定所述船舶相對于岸線的位置和姿態角，包括在所述船舶上設置至少兩 個日盲紫外光成像模塊，所述日盲紫外光成像模塊接收從預先在岸上設置的日盲紫外光源 陣列所發射的光信號，光信號由信號處理器處理后，得到所述日盲紫外光成像模塊相對于 有關泊位的位置關系，進而得到所述船舶相對于有關泊位岸線的位置關系數據。
[0014] 可以用多種方式來表示所述船舶相對于有關泊位岸線的位置關系。一種方式是， 可以用所述船舶上若干個基準點相對于泊位岸線的位置數據來表示。一種優先的方式是， 利用所述船舶上一個基準點相對于泊位岸線的位置數據，再加上船舶的姿態角來表示。所 述船舶的姿態角，是表示船舶與周圍環境（例如岸邊）關系的角度，例如包括航向角、俯仰 角和橫滾角中的至少一個角度。
[0015] 本發明所述日盲紫外光成像模塊接收預先在岸上設置的日盲紫外光源陣列的光 信號，并把所接收到的光信號轉變為電信號，再發送到一個信號處理器中，信號處理器根據 與所述日盲紫外光成像模塊所接收的光信號相應的電信號，計算所述船舶與有關泊位的位 置關系信息，并確定所述船舶的姿態角。另一種方式是，所述信號處理器被集成在所述日盲 紫外光成像模塊中。事實上，可以利用系統中各種帶有運算功能的部件，來對日盲紫外接收 光進行這樣的處理。
[0016] 具體地說，這些日盲紫外光成像模塊分別接收預先在岸上設置的日盲紫外光源陣 列所發出的日盲紫外光信號，分別得出每個日盲紫外光成像模塊相對于日盲紫外光源陣列 的平移向量，并通過所述的平移向量求出船體與日盲紫外光源陣列的距離。由于預先放置 的日盲紫外光源陣列與有關泊位的位置關系是確定的，由此可得到所述船舶與有關泊位的 位置關系信息。并且，信號處理器根據所接收到的日盲紫外光源陣列所發出的日盲紫外光 信號，計算出該兩個日盲紫外光成像模塊之間的連線在目標點陣坐標系中的矢量表示，并 根據這些日盲紫外光成像模塊在所述船舶上的設置方式，求得船體在目標點陣坐標系的矢 量表示，再根據預先設定或者預先測定的碼頭岸線在目標點陣坐標系中的矢量表示，計算 出船體軸線相對于岸線的姿態角，從而確定所述船舶相對于泊位岸線的位置和姿態。
[0017] 本發明中所稱船舶的姿態角，一般指船舶的航向角、俯仰角和橫滾角中的至少一 個角度。當然也可以指更易于表示所述船舶相對于岸線關于的角度。
[0018] 根據本發明的方法，采用兩個日盲紫外光成像模塊，可以唯一地確定所述船舶相 對于目標泊位及岸線的位置關系。如果采用三個或三個以上的日盲紫外光成像模塊，則一 般來說每兩個日盲紫外光成像模塊都可組成一個獨立的日盲紫外光成像系統，用于確定所 述船舶與目標泊位和岸線的位置關系。
[0019] 當采用三個或三個以上的日盲紫外光成像模塊組成一個獨立的日盲紫外光成像 系統時，可以利用原始數據的冗余性，對這些數據進行整合，得到代表船舶與岸線位置關系 的、更好的數值。
[0020] 優選地，本發明的方法可以采用歸一化自相關算法，對所述多個日盲紫外成像模 塊的接收數據進行處理。采用歸一化自相關處理方法，通過整體誤差分析可以獲得一個由 所有日盲紫外光成像模塊組成的檢測系統的可信度平均值的閾值以及每個日盲紫外光成 像模塊可信度的情況，利用該閾值濾除可信度較低的定位數據，進而獲得最終的每個模塊 的可信度權重，之后利用該可信度權重對每個模塊進行加權平均即可得到最終的數據。所 述的歸一化自相關算法，可以在制備本發明系統時，以硬件（例如IC、ASIC或FPGA)和/或 軟件的方式，固化到系統中，并成為本發明系統的一個組成部分。
[0021] 具體地說，采用歸一化自相關算法，對采用三個或三個以上的日盲紫外光成像模 塊組成一個獨立的日盲紫外光成像系統時的日盲紫外光成像模塊的位置數據和/或角度 數據進行整合處理。在這種方法中，可以用向量P1 (Xl，yi，Z1)表示由N個日盲紫外光成像模 塊返回的N組經角度和空間變換后的定位數據中的第i組定位數據，其中i = 1，2, 3……N， X、y和z分別為N個日盲紫外光成像模塊的三軸坐標值；所述經角度和空間變換后的定位 數據，其獲得方法為：在已知所有日盲紫外光成像模塊的相對位置和船舶姿態角的情況下， 利用空間位置關系與空間幾何變換，將對不同測量模塊的位置測量數據轉化為對同一測 量模塊的位置測量數據；其具體變換方法為：（1)確定一基準點，所述基準點可以是所述日 盲紫外接收模塊中的任一測量模塊的所在位置，也可以是其他某點；（2)測量其他各個測 量模塊到所述基準點的距離與方向角（為光源參考系下參數，須與船姿態角疊加以確定）， 從而得到相應的轉化向量；(3)將各個測量模塊得到的相對位置坐標參數加上轉化向量以 得到變換后的定位數據；
[0022] 采用歸一化自相關系數表示每個子系統返回的、所述船舶上的基準點位置數據的 可信度.I耒伏忒加下：
[0023] ⑴
[0024] j = 1，2, 3,…，N ;這里，所述船舶上的基準點位置可以是日盲紫外接收模塊所在 的位置；
[0025] 對上述原始的定位數據，可以采用多種處理方法。其中一種方式是，設定一個由所 有日盲紫外光成像模塊組成的檢測系統的可信度平均值的閾值G，對所述G值較高的數據 設定較高的權重，表明該數據較為可信；而對所述G值較低的數據設定較高的權重，表明該 數據較為不可信。極端的情況是，設定一個所有系統可信度平均值的閾值G，并根據該閾值 G濾除NCC較低的定位數據，進而獲得最終的系統可信度權重w，表達式如下：
[0026] 12；
[0027] 從而得到最終的擬合定位數據：
[0028]
⑶.
[0029] 也可以根據這些日盲紫外光成像模塊所得到的原始定位數據，計算所述船舶的姿 態角。再進一步地對所述的姿態角進行整合處理。
[0030] 根據本發明的方法，也可以采用歸一化自相關算法，對較為可信的任一姿態角的 方向向量的三個分量Ct、β和Y進行整合處理。具體地說，用向量Q i ( a i, β i, Y i)表示 由N個日盲紫外光成像模塊返回的N組定位數據，其中i = 1，2, 3……N ;采用歸一化自相 關系數表示毎個系統扳冋宙份數據的可信度，其表汰式如下： (4)
[0031] 1 '
[0032] 當所述的姿態角為一個平面角時，只測量此單個姿態角，其方向向量的兩個分量 α、β可以通過對該角度求余弦和正弦得到。求出任一個姿態角為空間角時，需要相應地 測量兩個姿態角，確定表示該姿態角的一條直線，并將該直線在所述空間的三個基準平面 上做投影，相應地求出該直線方向在所述的三個基準平面上的分量。
[0033] 在現實場景中，當氣候條件很差，所述船舶的俯仰和橫滾較大時，可能需要三個姿 態角同時進行歸一化自相關算法，需要將三維坐標系的旋轉用四個變量表示出來。可以用 空間幾何的通用方法來求出這四個變量。
[0034] 在歸一化自相關方法中，可以對閾值G不同的定位數據設定權重，再進行進一步 的處理。一種極端的情況是，設定一個所有系統可信度平均值的閾值G，并根據該閾值G濾 除NCC較低的定位數據，進而獲得最終的系統可信度權重w，表達式如下：
[0035]
(5:)
[0036] 從而得到最終的擬合定位數據：
[0037
(6)
[0038] 并根據N個日盲紫外光成像模塊中任兩個模塊擬合后的坐標，換算出擬合后的船 舶姿態角數據。
[0039] 根據本發明船舶泊岸方法的另一個方面，還可以對初步的坐標數據和姿態角數據 分別進行數據融合。可以采用多種數據融合算法。
[0040] 例如，第一種數據融合算法包括：使用向量P1 (UbZ1)表示由測量同一個量（例 如一組坐標值，或者一組姿態角值）的N個測量子系統模塊所檢測到的N組數據，其中每個 子系統檢測一組數據，并且i = 1，2, 3……N。
[0041] 該算法采用各個子系統測量數據實際計算出來的均方根誤差rmse來判定每個子 系統返回數據的可信度，計算各子系統測量數據的均方根誤差公式為：
[0042] (7)
[0043] 其中，rmse代表均方根誤差，X1代表i時刻對各個測量子系統在X軸坐標的測量 數據，X f代表i時刻對X 1數據的濾波值，η代表測量數據的總數，即子系統的個數。i時刻 的濾波值一般通過卡爾曼濾波方法獲得。
[0044] 確定權值：通過曲線擬合進行權值的分配。
[0045] 根據魯棒統計學理論，數據中的信息可分為三類：有效信息、可利用信息和有害信 息。針對這三類數據，分配不同的權值可以使他們各自發揮不同的作用。因此在分配權值 的時候，可以采用分段式的方法，即對于有效信息在融合的時候可以完全接受，對于可利用 信息，按一定的曲線變化來選取，對于有害信息或無效信息則完全拒絕。數學表達式如下：
[0046]
(S)
[0047] 其中，ω為權值，參數b是判斷野值得最小限度，參數a是有效數值與可利用數值 的界限值。誤差大于b則認為是野值，對應權值為0。誤差小于a則認為是有效值，對應權 值為1，中間的可利用值的權值按照曲線y = f(x)給出。且f(x)必須滿足以下條件：在 (a，b)這個區間上，隨著誤差的增大而迅速減小。f(x)采用的表達式如下：
[0048] (9)
[0049] 其中，μ和〇分別為正態分布的均值和方差。由于正態曲線在χ> μ的區域呈現 遞減函數的特性，因此在這里取μ =〇,實際上運用的是半正態曲線。σ值的選取對權值 分配系數的影響很大，可以根據"3 〇 "法則結合實際情況給出。
[0050] 通過正態曲線擬合權值分配的方法可以通過下式得到：
[_
(IQ)
[0052] 其中，rmsek^7K k時刻第i個系統的均方根誤差，a ki代表k時刻第i個系統的 權值。最終數據融合的結果如下：
[0053]
(11)
[0054] 其中，皇為k時刻的融合值，Xkl表示各子系統k時刻所得到的測量數據。
[0055] 用以上同樣方法，得出Y軸坐標y，以及Z軸的坐標z。
[0056] 另一種數據融合算法包括：
[0057] 當整合的數據為坐標數據時，使用向量P1 (Xl，yi，Z1)表示由N個測量子系統返回的 N組經角度和空間變換后的定位測量數據，其中i = 1，2, 3……N。所述經角度和空間變換 后的定位數據，其獲得方法為在已知所有日盲紫外接收模塊的相對位置和船舶姿態角的情 況下，利用空間位置關系與空間幾何變換，將對不同測量模塊的位置測量數據轉化為對同 一測量模塊的位置測量數據。
[0058] 該算法通過計算N個子系統返回的N組定位數據中每個坐標序列（例如，X坐標 的數據有N個）的標準差（std :standard deviation),作為判定N組數據中各坐標序列中 離群數據（即某個子系統返回的定位數據可靠性較差）的依據。坐標序列標準差計算的表 達式如下：
[0059] (12)
[0060] 其中，indexe (x，y，z)則〇indM代表N組數據中各坐標序列的標準差，Xindex代表 N組測量的數據，每一組測量數據包含一組坐標值（X，y，z)代表N組數據的平均值，即 由各坐標序列平均值組成的一個一維向量。
[0061] 離群數據的判定可通過下式獲得：
[0062]
(13)
[0063] 其中，outliters代表獲得的離群數據，該離群數據的特性為，由X，y, z組成的一 組坐標數據中，只要其中有一個坐標值在其所在的序列中被判為離群數據，則該組坐標值 就被判定為N組坐標數據中的離群數據。Xindrai,:尤1，oindex含義同上。c為常系數,可 根據實驗經驗和需求而定，該常數的確定方法可以是通過大量的測試判斷測試值的波動范 圍，取一以測試值均值為中心的對稱范圍使大量出現的不合理的點在該范圍外，該范圍長 度的一半即為C。
[0064] 然后將離群數據從N組原始測量數據中剔除，則得到新的定位數據序列稱為Γ 維數為N'，之后對Γ進行等權平均數據融合得到最終的融合數據如下：
[0065 ,.. (14)
[0066] 其中，#'為數據融合后的最終的定位數據，其算法流程包括：1)計算定位數據中 每個坐標序列的標準差，2)根據計算出的標準差得到每個坐標序列中的離群數據，3)從原 測量數據中剔除離群點，4)采用平均加權數據融合方法計算出最終的定位數據，最終得到 所述船舶基準點最終的X軸坐標值X。類似地，分別得到Y軸的坐標值y，以及Z軸的坐標 值Z 0
[0067] 采用上述相似的方法，可以對姿態角數據進行融合，得到所述船舶最終的姿態角 數據。
[0068] 根據本發明的另一個方面，本發明提供了一種增強船舶近距離安全泊岸能力的裝 置。該船舶泊岸裝置，采用日盲紫外光成像法，確定所述船舶相對于岸邊的位置和姿態角， 包括：
[0069] 1)至少兩個日盲紫外光成像模塊，分別被設置在所述船舶上，每個日盲紫外光成 像模塊包括日盲紫外光接收器，用于接收預先被設置在岸上的日盲紫外光源陣列的光信 號，并將所述的光信號轉換為相應的電信號
[0070] 2)信號處理器，包括數據處理部分以及與外界部件相電聯接的部分，與上述日盲 紫外光成像模塊電氣地連接，并且被設計成用于從所述的日盲紫外光成像模塊接收所述的 電信號并對其進行處理，分別得出所述的每個日盲紫外光成像模塊相對日盲紫外光源陣列 的平移向量，并通過所述的平移向量求出船體與目標點陣的距離，進而根據預設的日盲紫 外光源陣列的坐標值，計算出所述船舶上日盲紫外光成像模塊相對于岸線的位置，得到所 述船舶整體上相對于岸線的位置關系；并且，根據所接收到的、代表日盲紫外光信號的電信 號，計算出該兩個日盲紫外光成像模塊之間的連線在目標點陣坐標系中的矢量表示，根據 這些日盲紫外光成像模塊在所述船舶上的設置方式，求得船體在目標點陣坐標系的矢量表 示，再根據預先設定/測定的碼頭岸線在目標點陣坐標系中的矢量表示，計算出船體軸線 相對于岸線的姿態角。
[0071] 當風浪不大時，船舶的俯仰和晃動比較小，其姿態角中較有意義的僅為船舶軸線 相對于岸線的夾角。也就是說，此時其俯仰角和橫滾角近似于零。為提高測量精度，所述的 這些日盲紫外光成像模塊可以彼此稀疏地布置在船舶上。
[0072] 根據本發明船舶泊岸裝置的進一步的方面，所述信號處理器的軟件和硬件部分被 設計得可以對所得的坐標和/或姿態角數據進行整合處理，以得到更好地代表船舶與岸邊 位置的、相應的坐標數據和/或姿態角數據。當裝置包括三個或三個以上的日盲紫外光成 像模塊，所述的信號處理器的這種處理方式可以提高對船舶坐標和姿態角的測量精度。
[0073] 所述信號處理器可以被設計得采用歸一化自相關算法，對所述船舶的坐標數據以 及姿態角數據進行整合處理，其具體處理方法與上述本發明方法中例舉的歸一化自相關算 法過程相同。
[0074] 進一步地，本發明的船舶泊岸裝置還可以將所述信號處理器設計成采用數據融合 算法，對所述船舶的坐標和姿態角這兩類不同的數據進行整合處理，其具體處理方法與上 述本發明方法中例舉的兩種數據融合算法過程相同。
[0075] 通過引用本發明所述船舶輔助泊岸方法和系統，能明顯解決現行技術下船舶在霧 天靠泊難度大以及現行技術中船舶引航靠泊裝置受天氣、環境等影響大的問題。即使在霧 天，它也能為引航員提供更為直觀、準確、安全的航行信息，便于引航員在霧天對船舶靠泊 進行引航，也解決了霧天水運航道和港口物流的通暢問題。
【附圖說明】
[0076] 本發明用下列附圖來說明發明的一些細節。其中，
[0077] 圖1本發明船舶靠泊導航的系統框圖；
[0078] 圖2設備安裝位置圖；
[0079] 圖3相機標定流程圖；
[0080] 圖4紫外光源陣列和拍攝位置圖；
[0081] 圖5日盲紫外燈陣位置圖；
[0082] 圖6(a)點陣坐標系和（b)相機坐標系；
[0083] 圖7靠泊軟件執行流程圖；
[0084] 圖8船舶和岸線的示意圖；
[0085] 圖9測量模塊位置示意圖；
[0086] 圖10 -種數據融合算法的過程示意圖。
【具體實施方式】
[0087] 根據本發明的一個例子，可以提供一個系統，用于增強船舶近距離導航能力，該系 統能顯示出船舶和岸線的示意圖以及位置信息，引航員通過顯示設備的輸出界面就能夠實 現低能見度條件下的船舶靠泊。
[0088] 為實現上述目的，下面結合附圖和實施例對本發明進一步說明。以下實施例僅為 舉例說明，本發明并不僅限于實施例中的方案，除此之外，本領域技術人員可在現有技術范 圍內進行簡單變換而得到的技術方案都在本發明的保護范圍內。
[0089] 實施例1
[0090] 本實施例如圖1，包括日盲紫外燈組101，2個日盲紫外光成像模塊102和103,信 號處理器104,顯不設備105。
[0091] 兩個日盲紫外光成像模塊102和103分別安裝于船舷同一側，間隔一定的距離，其 中一個日盲紫外光成像模塊102安裝在離船首較近的甲板位置上，其與船首的距離為L lst， 與船尾的距離為Llse;另一個日盲紫外光成像模塊103安裝在離船首較遠的甲板位置上，具 體安裝位置大致如圖2所示。
[0092] 日盲紫外光成像模塊102、信號處理器104、顯TK設備105可集成于一體。信號處 理器包括信息采集模塊、計算模塊和存儲模塊，信息采集模塊實時獲取日盲紫外光成像模 塊102和103的所成圖像信息，并將所有數據傳送至計算模塊。本實施例的主要步驟如下：
[0093] 1、首先對兩個日盲紫外模塊的紫外相機分別進行相機標定，求解內參。相機標定 的方法以及求解內參的算法有很多，此處優先選用傳統定標技術和張正友標定算法，標定 流程如圖3,1-1-1布置紫外光源陣列，1-1-2測量得到紫外光源陣列的幾何信息，1-2用紫 外接收器對紫外光源陣列進行拍攝，紫外光源陣列和拍攝位置詳見圖4。軟件處理包括2-1 獲取指定紫外光源的像面坐標，2-2利用標定算法求解得到相機的內參。得到相機的內參 (f x，fy，cx，cy，kx，1^等）。在后面將示例性地詳細介紹相機的標定方法。
[0094] 2、測量泊位信息：事先測量好靠泊港口所有泊位岸線與正北方向的夾角Θ ;
[0095] 3、布置紫外光源燈陣并測量燈陣相關位置信息：船舶靠泊前半個小時用日盲紫外 燈組101在靠泊泊位布置目標燈陣，目標燈陣的形狀為正方形網格狀，目標燈陣的大小和 燈個數沒有限制，本實施例中采用圖5所示的布置，燈陣大小為8mX8m，每一行的燈間距相 等，行間距相等；本實施例中燈陣基準點距離靠泊尾纜樁的距離布置為L lse，其中Llse為其 中一個日盲紫外光成像模塊102距離船尾的距離，是已知的，設置SL lsjl是為了使船靠泊時 日盲紫外探測器能夠正對著燈陣從而確定船舶相對泊位的X方向，當然也可設置為其他距 離L n，只要知道!^胃與Ln之間的距離即可；布置燈陣時保持燈陣首行和防撞護舷的垂直距 離為L，如圖5。
[0096] 4、計算船舶航向與靠泊岸線姿態、位置信息。具體步驟如下：
[0097] 首先，根據本發明原理，2個日盲紫外光成像模塊102和103可以分別得出各自相 對目標點陣的平移向量，故可求得兩個日盲紫外光成像模塊102和103之間的連線在目標 點陣坐標系中的矢量表示：(X 1, Y1, Z1), (x2, y2, Z2),由于2個日盲紫外光成像模塊102和103 安裝于船舷一側，則（X1^DZ 1), (x2, y2, Z2)即為船體靠泊側舷在目標點陣坐標系的矢量表 示。而碼頭岸線在目標點陣坐標系中的矢量表示可預先測定，其矢量方向與日盲紫外燈組 101的X軸相同，故船舶航向與靠泊岸線夾角Y可知，
[0098] 右停靠，7 = tairl (即船體與碼頭岸線的平行度）；
[0099] 左停靠 ，f = - tan_1 $ - ζ:。
[0100] 由于通常船舶的橫滾角較小，因此本實施例中不計算船舶的橫滾角。
[0101] 在另一實施例中，也可在船上安裝一水平儀用于給出船舶的橫滾角，水平儀可放 在云臺底部，跟船體的水平朝向一致。
[0102] 其次，確定船舶相對岸線的位置信息，此時以距離船首較近的日盲紫外光成像模 塊102為基準，當船距離岸線的距離較近時，日盲紫外光成像模塊能夠清晰識別所有信號， 此時利用信號處理器104對日盲紫外光成像模塊102和103拍攝到的圖像進行圖像處理、 坐標變化，得到日盲紫外光成像模塊102和103在燈陣坐標系中的位置信息X，Y和Z。
[0103]
[0104] 其中R為旋轉矩陣，T為平移向量；
[0105] 以上算法的具體步驟如下：
[0106] 通過相機標定知道了相機內參、目標點陣坐標系（參見圖6)中的點陣坐標以及像 面坐標就可以求出相機在目標點陣坐標系中的坐標以及旋轉方向：
[0107]
[0108] 其中（fx，fy，cx，c y)是內參矩陣參量，R為旋轉矩陣，T為平移向量，（u，V)為像面 坐標（單位為像素），（X，Y，Z)為目標點陣坐標系中的點陣坐標，該公式可簡寫為
[0109]
(2.)
[0110] 其中（x，y，z)為相機坐標系（參見圖6)中目標點陣的坐標，因此R與T可理解為 由目標點陣坐標系轉化到相機坐標系的轉化矩陣。
[0111] 在計算相機位于目標點陣坐標系中的坐標時，內參（fx，fy，c x，cy)與目標點陣坐標 系中的點陣坐標（X，Y，Z)為固定值，像面坐標（u，V)由圖像實時獲取，因此可以實時得到 對應同一時刻（u Q，v。）的旋轉矩陣R0、平移向量T0。之后要獲得相機在目標點陣坐標系中 的點陣坐標，只需要將相機坐標系的原點（〇,〇,〇)代入公式2的左邊，求解右邊的（X。，Y。， Z。）即可，可得
[0112]
[0113] 旋轉矩陣的逆矩陣R。1為相機坐標系相對目標點陣坐標系的旋轉，其可以通過變 換簡化為旋轉向量，該向量即為相機相對目標點陣坐標系的旋轉歐拉角。
[0114] 之前計算相機坐標時所提到的固定值中，目標點陣坐標是人為布置后測量得出的 結果，而內參則代表了相機本身的固有參數：f x、fy為分別以水平方向和堅直方向像素數量 為計量單位的焦距值，Cx、 CyS相機鏡頭中心正前方（即理論光軸上的點）在像面上所成像 的像素坐標。
[0115] 設定日盲紫外光成像模塊102和103的連線即船舷與岸線的垂直方向距離為Yffi。 此時，不考慮船舶的橫滾角，Y k = Y-L，其中，L為燈陣首行和防撞護舷距離。設定船首與岸 線垂直方向距尚為Y首，船尾與厗線垂直方向距尚為Y尾，Y首=Y舷 -L船首*sin a ;Y尾=Y舷+L ISJ1*Sin a，其中Llst^P Llse分別為日盲紫外成像模塊102距離船首和船尾的距離，a為船 舶航向與靠泊岸線夾角。
[0116] 得到以上數據后，即可在顯示設備上105上顯示出船舶和岸線的示意圖以及位置 息以便引航員引航，如圖8。
[0117] 9、進行場景模擬，即輸出導航示意圖以及位置坐標信息至顯示設備105中，靠泊 軟件執行流程圖如圖7所示，信號處理器105運行前，輸入靠泊泊位的信息，包括泊位號，船 舶靠泊時與岸線的方向信息即左停靠或者右停靠；輸入日盲紫外光成像模塊在船舶上的位 置信息L lst和Llse，Llst和Llse分別為日盲紫外光成像模塊距離船首和船尾的距離；輸入船 舶的寬度B ;
[0118] 根據船舶在燈陣坐標系中的位置信息X和Y，船舶相對岸線的方向信息Y，日盲紫 外光成像模塊相對船舶的位置信息L lst和Llse，船寬B，可以在顯示設備105上顯示出船舶 和岸線的示意圖以及位置信息Y t和ΥΛ，如圖8所示；引航員通過顯示設備的輸出界面就能 夠實現低能見度條件下的船舶靠泊。
[0119] 當風浪較大時，相對地說，船舶的搖擺和晃動比較大，在計算船舶的姿態角時，航 向角、俯仰角和橫滾角都需要考慮。而當風浪不很大、船體搖擺不很嚴重時，船舶近似為水 平方向，則船舶的航向角就可表示船體相對于岸線的方向，而不必考慮、不必計算俯仰角 和橫滾角。
[0120] 在本實施例中，以距離船首較近的日盲紫外光成像模塊102為標準。若分別以兩 個日盲紫外光成像模塊為標準，令兩個日盲紫外成像模塊102和103相對泊位燈陣坐標系 的坐標分別為A 1 (X1, Y1, Z1)和A2 (X2, Y2, Z2)，日盲紫外光成像模塊103離船首船尾的距離為 L船首'和L船尾'，則以A1J2獲得的距離分別為：
[0121]
[0122]
[0123]
[0124]
[0125] 二者的差值為
[0126]
[0127]
[0128] 其中A,與A 2之間的距離為：
[0129]
(6)
[0130] 而
^AgA2之間的距離，因此Λ Y首和Λ Y尾這兩個誤 差小于（L船首-L船首'）?
測得值之間的誤差；若未測量L船首'，而 是J
與L·共同獲得L船首'和L船尾'，則Λ Y首和Λ Y尾兩個誤差 為零。
[0131] 實施例2
[0132] 當采用一個日盲紫外光成像模塊時，可以測得船舶的一組三維位置坐標值。
[0133] 當采用兩個或兩個以上的日盲紫外光成像模塊時，這些日盲紫外光成像模塊中的 每一個生成一組船舶的坐標數據。這樣就會得到船舶的多組坐標數據。
[0134] 可以采用歸一化自相關算法，對冗余的船舶初步的坐標數據進行整合處理。
[0135] 也可以采用數據融合算法，對冗余的船舶初步的坐標數據進行整合處理。
[0136] 當采用兩個日盲紫外光成像模塊時，可以測得船舶的姿態角。
[0137] 當采用多于兩個日盲紫外光成像模塊時，這些日盲紫外光成像模塊兩兩組合，每 個組合都可得到或生成一組船舶的姿態角數據。這樣就會得到多位船舶的姿態角數據。
[0138] 可以采用歸一化自相關算法對冗余的船舶初步的坐標數據進行整合處理。
[0139] 在進一步的實施例中，示出了由多個日盲紫外光成像模塊得到多組相機位于目標 點陣坐標系中的坐標（X，Υ，Ζ)，如何得到最優定位數據，其算法如下：
[0140] 使用向量P1 (Xl，yi，Z1)表示由N個系統返回的N組經角度和空間變換后的定位數 據，其中i = 1，2,3……N。所述的經角度和空間變換后的定位數據，其獲得方法為在已知 所有日盲紫外接收模塊的相對位置和船舶姿態角的情況下，利用空間位置關系與空間幾何 變換，將對不同測量模塊的位置測量數據轉化為對同一測量模塊的位置測量數據。具體變 換方法為：
[0141] (1)確定一基準點，所述基準點可以是所述日盲紫外接收模塊中的任一測量模塊 的所在位置，也可以是其他某點；
[0142] (2)測量其他各個測量模塊到所述基準點的距離與方向角（為光源參考系下參 數，須與船姿態角疊加以確定），從而得到相應的轉化向量；
[0143] (3)將各個測量模塊得到的相對位置坐標參數加上轉化向量以得到變換后的定位 數據。
[0144] 如圖9,兩測量模塊的測量坐標分別Sp1 (X1, Y1, Z1^P p2, (x2,，y2,，Z2,)，令其中 Kp1為基準，測量的二者之間的距離為L，二者連線的航向角夾角為Θ，俯仰角為* (與XY 平面的夾角），則轉化向量:T= 的計算方法為
[0145] (7)
[0146] 則P2,轉化至基準位置后的坐標為
[0147] 其他測量模塊按照以上相同方法可以得出轉化后的坐標。
[0148] 歸一化自相關算法采用歸一化自相關系數（Normalized Correlation Coefficient)表示每個系統返回定位數據的可信度，其表達式如下：
[0150] 設定閾值為所有系統可信度平均值的80%，閾值G可表示如下：
[0149] (8)
[0151] (9)
[0154] 得到最終的擬合定位數據：
[0152] 根據閾值G濾除NCC較低的定位數據，進而獲得最終的系統可信度權重w，表達式 如下：
[0153] (IQ)
[0155] (11)
[0156] 算法流程如下圖10所示：
[0157] 當整合的數據為方位角數據時，使用向量Q1U1, P1, Y J表示由N個測量子系統 返回的N組姿態角數據，其中i = 1，2, 3……N ;采用所述的歸一化自相關算法同樣計算出 最優的姿態角數據。
[0158] 也可以采用數據融合算法，對船舶初步的坐標和姿態角這兩類數據進行整合處 理。
[0159] 實施例3
[0160] 下面給出本發明一種增強船舶近距離導航能力的系統中紫外相機標定、求解內參 的具體步驟：
[0161] 相機標定的方法以及求解內參的算法有很多，此處優先選用傳統定標技術和張正 友標定算法，張正友標定法使用的是一個棋盤格狀的標定模板，將標定模板上每個黑白方 格的連接點作為標定板的特征點。將標定板擺放不同位置，相機同步采集后求得相機的內 外參數。該方法具有較好的魯棒性，并且不需昂貴的儀器設備，操作方便，相對于自標定法 來說，精度有所提高。但滿足本實施例的所有標定方法及求解內參的算法都應包含其中。
[0162] 標定流程如圖3,1-1-1布置紫外光源陣列，1-1-2測量得到紫外光源陣列的幾何 信息，1-2用紫外接收器對紫外光源陣列進行拍攝，軟件處理包括2-1獲取指定紫外光源的 像面坐標，2-2利用標定算法求解得到相機的內參。具體標定步驟如下：
[0163] 1-1-1布置紫外光源陣列，紫外光源陣列采用平面矩形網格狀的紫外光源陣列，紫 外光源陣列和拍攝位置詳見圖4。紫外光源陣列的形狀，大小等幾何特性沒有約束，根據 求解內參的算法而確定，紫外光源陣列可以是平面圖形，也可以是立體圖形；可以是矩形 結構也可以是圓形結構或者其他幾何形狀。
[0164] 1-1-2測量紫外光源陣列幾何信息，測量特定紫外光點在坐標系o-xyz中的坐標 Cw= {X i，Y1, ZJ，{X2, Y2, Z2}…{X3。，Y3。，z3。}，紫外光源陣列的幾何信息指的是特定紫外光點 或者角點在世界坐標系中的坐標。
[0165] 1-2使用日盲紫外光成像模塊104對紫外光源陣列進行拍攝，所選擇的拍攝位置A 應滿足如下條件：不同拍攝位置，不同OA的指向不平行，拍攝η組，該實施例中η應大于3。
[0166] 2-1信號處理器105對拍攝得到的數字圖像進行軟件處理，得到特定紫外光點的 像面坐標組，Ci 1, ci2, ci3··· cin，一共 η 組。
[0167] 2-2利用張正友標定算法對ci i，ci2··· cin?行處理，得到相機的內參 (fx，fy，cx，c y，kx，) 〇
[0168] 張正友標定算法的原理如下：
[0169] 1)標定板的角點與對應像點的對應關系
[0170] 令標定板所在平面的Zlt = 0，因此有：
[0171] (12)
[0172] A由fx、fy、v。、u。、s決定，即為攝像機內部參數，且僅與相機內部結構有關；H稱 為相機外部參數，直接反映攝像機在空間內的位置。圖像坐標系的像素坐標（u，v)，世界坐 標系《X，Y w，Zw)。S 為放大因子，s = -fxC0t Θ，fx= f/μ x，fy= f/μ y，f 為鏡頭的焦距。 [Xw，Yw，Zw，1]τ為空間任意一個物點的世界坐標，[u，v，1]策示該物點在攝像機內成像像點 的像素坐標。
[0173] 平移矩陣T = [Tx，Ty，TJt，為4X4的矩陣；旋轉矩陣R為3X3正交單位矩陣，平 移矩陣T和旋轉矩陣R( rir2r3)稱為外部參數。
[0174]
：
[0175] H = Qi1 h2 h3] = λ AQr1 r2 T] (13)其中λ為任意比例因子，r1正交于r 2,可得 A的兩個約束條件：
[0177] 2)參數求解[0178]
[0176] (14) j
[0179] 由上式可知B為正定對稱矩陣，定義：
[0180] b - [B11 B12 B22 B13 B23 B33] (16)
[0181] 設H的第i列為Ii1，則有：
[0182] h^Bh j= V ,/b (17)
[0183] 且又有：
[0184]
[0185] 于是有：
[0186] (1:9)
[0187] 即：
[0188] Vb = 0 (20)其中V是一個2nX 6的矩陣，當η > 2時，b有唯一解，也就是說至少 要采集三幅圖片。利用Cholesky分解內部參數：
[0192] 3)非線性優化
[0189]
[0190]
[0191]
[0193] 根據最大似然準則進行參數優化，其目標函數為：
[0195] 其中士為Mj點的投影，優化時可使用LM優化算法解決。
[0194](23)
【主權項】
1. 一種船舶泊岸方法，采用日盲紫外光成像法，確定船舶相對于岸線的位置關系，其特 征在于，包括在所述船舶上設置至少兩個日盲紫外光成像模塊，所述日盲紫外光成像模塊 接收預先在岸上設置的日盲紫外光源陣列所發射的光信號，光信號由信號處理器處理后， 得到所述日盲紫外光成像模塊相對于有關泊位的位置關系，進而得到所述船舶相對于有關 泊位岸線的位置關系數據。2. 如權利要求1所述的船舶泊岸方法，其特征在于，該方法進一步包括： 1) 所述日盲紫外光成像模塊分別接收預先在岸上設置的日盲紫外光源陣列所發出的 日盲紫外光信號，測量所述船舶與有關泊位的位置關系信息，分別得出各自相對日盲紫外 光源陣列的平移向量，并通過所述平移向量求出船體與目標點陣的距離；并且， 2) 所述信號處理器根據所接收到的日盲紫外光信號，計算出日盲紫外光成像模塊之間 的連線在目標點陣坐標系中的矢量表示，并根據所有日盲紫外光成像模塊在所述船舶上的 設置方式，求得船體在目標點陣坐標系的矢量表示，再根據預先設定或測定的碼頭岸線在 目標點陣坐標系中的矢量表示，計算出船體軸線相對于岸線的姿態角，從而確定所述船舶 相對于泊位岸線的位置和姿態。3. 如權利要求2所述的船舶泊岸方法，其特征在于：采用不少于Η個日盲紫外光成像 模塊，對各個日盲紫外光成像模塊所測得的船舶相對于泊位的位置和/或角度信息進行整 合處理，W得到代表船舶與岸線位置關系的數值。4. 如權利要求3所述的船舶泊岸方法，其特征在于，信號處理器采用歸一化自相關算 法對所述船舶上的基準點相對于泊位的位置數據或船舶的方位角數據進行整合處理，通過 整體誤差分析獲得一個由所有日盲紫外光成像模塊組成的檢測系統的可信度平均值的闊 值W及每個日盲紫外光成像模塊可信度的情況，利用該闊值濾除可信度較低的定位數據， 進而獲得最終的每個模塊的可信度權重，之后利用該可信度權重對每個模塊進行加權平 均，得到最終的數據。5. 如權利要求4所述的船舶泊岸方法，對所述船舶上的基準點相對于泊位的位置數據 進行整合處理，其特征在于，用向量Pi (Xi，yi，Zi)表示由Ν個日盲紫外光成像模塊檢測子系 統返回的N組經角度和空間變換后的定位數據中的第i組定位數據，其中i = 1，2, 3……N， X、y和Z分別為N個日盲紫外光成像模塊的Η軸坐標值；所述經角度和空間變換后的定位 數據，其獲得方法為：在已知所有日盲紫外光成像模塊的相對位置和船舶姿態角的情況下， 利用空間位置關系與空間幾何變換，將對不同測量模塊的位置測量數據轉化為對同一測量 模塊的位置測量數據； 信號處理器采用歸一化自相關算法的具體步驟為： 采用歸一化自相關系數NCC表示Ν個檢測子系統返回定位數據的可信度：(1) j = 1,2,3, -,Ν； 設定一個由所有日盲紫外光成像模塊組成的檢測系統的可信度平均值的闊值G，并根 據該闊值G濾除NCC較低的定位數據，進而獲得最終的系統可信度權重W，表達式如下：(2) 從而得到關于船舶位置的最終的擬合定位數據：α)。6. 如權利要求4所述的船舶泊岸方法，其特征在于，對任一個姿態角的方向向量的Η 個分量α、目和Υ進行整合處理義用歸一化自相關算法，用向量qi(a i,目i, Yi)表不由Ν 個日盲紫外光成像模塊檢測子系統返回的N組向量角度數據，其中i = 1，2, 3……N;采用 歸一化自相關系數表示每個日盲紫外光成像模塊系統返回定位數據的可信度，其表達式如 下：(4) 設定一個由所有日盲紫外光成像模塊組成的檢測系統的可信度平均值的闊值G，并根 據該闊值G濾除NCC較低的定位數據，進而獲得最終的系統可信度權重W，表達式如下：并根據N個日盲紫外光成像模塊中任兩個模塊擬合后的坐標，換算出擬合后的船舶姿 態角數據。7. 如權利要求3所述的船舶泊岸方法，其特征在于，所述信號處理器采用數據融合法， 分別用于整合定位數據或者姿態角數據；所述數據融合法具體步驟包括： (一）當整合的數據為定位數據時，使用向量Pi (Xi，yi，Zi)表示由N個日盲紫外光成像 模塊檢測子系統返回的N組經角度和空間變換后的定位數據，其中i = 1，2, 3……N;所述 經角度和空間變換后的定位數據，其獲得方法為：在已知所有日盲紫外光成像模塊的相對 位置和船舶姿態角的情況下，利用空間位置關系與空間幾何變換，將對不同測量模塊的位 置測量數據轉化為對同一測量模塊的位置測量數據； a)采用各個子系統測量數據實際計算出來的均方根誤差rmse來判定每個子系統返回 數據的可信度，計算各子系統測量數據的均方根誤差公式為：(巧 其中，rmse代表均方根誤差，代表i時刻對各個測量子系統在X軸坐標的測量數據， Xf代表i時刻對X 1數據的濾波值，η代表測量數據的總數，即子系統的個數；i時刻的濾波 值通過卡爾曼濾波方法獲得； b)確定權值；采用分段法，通過曲線擬合進行權值的分配：(8) 其中，ω為權值，參數b是判斷野值的最小限度，參數a是有效數值與可利用數值的界 限值；誤差大于b則認為是野值，對應權值為0 ;誤差小于a則認為是有效值，對應權值為1， 中間的可利用值的權值按照曲線y = f (X)給出，且f (X)必須滿足W下條件：在（a，b)送個 區間上，隨著誤差的增大而迅速減小，f(x)采用的表達式如下：19) 其中，μ和σ分別為正態分布的均值和方；由于正態曲線在χ〉μ的區域呈現遞減函 數的特性，因此在送里取μ =0,實際上運用的是半正態曲線，表達式進一步變為如下：(10) ，根據3 0法則給出σ值，通過正態曲線擬合權值分配的方法可W通過下式得到：(11) 并且其中，rmseki表示k時刻第i個系統的均方根誤差，aw代表k時刻第i 個系統的權值； C)最終數據融合的結果為：(1巧 其中，乂 .為k時刻的融合值，Xki表示各子系統k時刻所得到的測量數據； d)通過W上與步驟a)-C)相同方法，計算出Y軸坐標值y W及Z軸坐標值Z的數據融 合最終結果； (二）當整合的數據為姿態角數據時，使用向量diUi，目1，Yi)表示由N個日盲紫外光 成像模塊檢測子系統返回的N組姿態角數據，其中i = 1，2, 3……N;然后采用與步驟（一） 相同的方法，計算出整合后的姿態角數據。8.如權利要求3所述的船舶泊岸方法，其特征在于，所述信號處理器采用數據融合法， 分別用于整合定位數據或者姿態角數據；所述數據融合法具體步驟包括： (一）當整合的數據為定位數據時，使用向量Pi (Xi，yi，Zi)表示由N個日盲紫外光成像 模塊檢測子系統返回的N組經角度和空間變換后的定位數據，其中i = 1，2,3……N，所述 的經角度和空間變換后的定位數據，其獲得方法為在已知所有日盲紫外光成像模塊的相對 位置和船舶姿態角的情況下，利用空間位置關系與空間幾何變換，將對不同測量模塊的位 置測量數據轉化為對同一測量模塊的位置測量數據； a) 計算定位數據中每個坐標序列的標準差：通過計算N個日盲紫外光成像模塊檢測子 系統返回的N組定位數據中每個坐標序列的標準差，作為判定N組數據中各坐標序列中離 群數據的依據；所述坐標序列標準差為：(13) 其中，indeχE(x，y，z)則σi。dM代表N組數據中各坐標序列的標準差，Xi。d。/代表N組 測量的數據，每一組包含坐標值（X，y，Z)，粟,代表N組數據的平均值，即由各坐標序列平 均值組成的一個一維向量； b) 根據計算出的標準差得到每個坐標序列中的離群數據，離群數據的判定可通過下式 獲得：(14) 其中，outliters代表獲得的離群數據，由X，y，Z組成的一組坐標數據中，只要其中有 一個坐標值在其所在的序列中被判為離群數據，則該組坐標值就被判定為N組坐標數據中 的離群數據；C為常系數，根據實驗經驗和需求而定，該常數的確定方法可W是通過大量的 測試判斷測試值的波動范圍，取一 W測試值均值為中必的對稱范圍使大量出現的不合理的 點在該范圍外，該范圍長度的一半即為C ; C)將離群數據從N組原始測量數據中剔除，則得到新的定位數據序列稱為X'維數為 Ν'，之后對X'進行等權平均數據融合得到最終的融合數據如下：U5) 其中，1'為數據融合后的最終的定位數據； d)通過W上與步驟a)-C)相同方法，計算出Υ軸坐標值y W及Ζ軸坐標值Ζ的數據融 合最終結果； (二）當整合的數據為姿態角數據時，使用向量diUi，目1，Yi)表示由N個日盲紫外光 成像模塊檢測子系統返回的N組姿態角數據，其中i = 1，2, 3……N;然后采用與步驟（一） 相同的方法，計算出整合后的姿態角數據。9. 一種船舶泊岸裝置，采用日盲紫外光成像法，確定所述船舶相對于岸邊的位置和姿 態角，預先在岸上設置有日盲紫外光源陣列，其特征在于，該裝置包括： 至少兩個日盲紫外光成像模塊，分別被設置在所述船舶上，每個日盲紫外光成像模塊 包括日盲紫外光接收器，用于接收預先被設置在岸上的日盲紫外光源陣列的光信號，并將 所述的光信號轉換為相應的電信號， 信號處理器，包括數據處理部分W及與有關外部設備的連接部分，與上述日盲紫外光 成像模塊電氣地連接，用來接收從所述日盲紫外光成像模塊傳送來的電信號，并對所述電 信號進行處理，分別得出每個日盲紫外光成像模塊相對日盲紫外光源陣列的平移向量，進 一步通過平移向量求出船體與目標點陣的距離，進而根據預設的日盲紫外光源陣列的坐標 值，計算出所述船舶上每個日盲紫外光成像模塊相對于岸線的位置；W及根據所接收到的、 代表日盲紫外光信號的電信號，計算出日盲紫外光成像模塊之間的連線在目標點陣坐標系 中的矢量表示，根據所有日盲紫外光成像模塊在所述船舶上的設置方式，求得船體在目標 點陣坐標系的矢量表示，再根據預先設定或測定的碼頭岸線在目標點陣坐標系中的矢量表 示，計算出船體軸線相對于岸線的姿態角。10. 如權利要求9所述的船舶泊岸裝置，其特征在于，包括至少Η個日盲紫外光成像模 塊，并且所述信號處理器被設計得對所得的坐標和/或姿態角數據進行整合處理，W得到 更好地代表船舶與岸邊位置的、相應的坐標數據和/或姿態角數據。11. 如權利要求10所述的船舶泊岸裝置，其特征在于，所述信號處理器被設計得采用 歸一化自相關算法，用向量Pi (xi，yi，zi)表示由Ν個日盲紫外光成像模塊檢測子系統返回的 N組經角度和空間變換后的定位數據中的第i組定位數據，其中i = 1，2, 3......N，x、y和Z 分別為N個日盲紫外光成像模塊的Η軸坐標值；所述經角度和空間變換后的定位數據，其 獲得方法為；在已知所有日盲紫外光成像模塊的相對位置和船舶姿態角的情況下，利用空 間位置關系與空間幾何變換，將對不同測量模塊的位置測量數據轉化為對同一測量模塊的 位置測量數據； 信號處理器采用歸一化自相關算法的具體步驟為： 采用歸一化自相關系數NCC表示Ν個檢測子系統返回定位數據的可信度：(16) j = 1,2,3, -,Ν； 設定一個由所有日盲紫外光成像模塊組成的檢測系統的可信度平均值的闊值G，并根 據該闊值G濾除NCC較低的定位數據，進而獲得最終的系統可信度權重W，表達式如下：(17) 從而得到關于船舶位置的最終的擬合定位數據：α另')12. 如權利要求10所述的船舶泊岸裝置，其特征在于，所述的信號處理器被設計得采 用歸一化自相關算法，對任一個姿態角的方向向量的Η個分量α、目和Υ進行整合處理采 用歸一化自相關算法，用向量(11(〇1，目1，Yi)表示由Ν個日盲紫外光成像模塊返回的Ν組 向量角度數據，其中i = 1，2, 3……N;采用歸一化自相關系數表示每個日盲紫外光成像模 塊檢測子系統返回定位數據的可信度，其表達式如下：(巧） 設定一個由所有日盲紫外光成像模塊組成的檢測系統的可信度平均值的闊值G，并根 據該闊值G濾除NCC較低的定位數據，進而獲得最終的系統可信度權重W，表達式如下：(20) 從而得到最終的擬合定位數據：巧1) 并根據N個日盲紫外光成像模塊中任兩個模塊擬合后的坐標，換算出擬合后的船舶姿 態角數據。13.如權利要求10 - 12中任一權利要求所述的船舶泊岸裝置，其特征在于，所述信號 處理器被設計得采用數據融合算法對所述船舶的坐標和/或姿態角數據進行整合處理，所 述數據融合法具體步驟包括： (一）當整合的數據為定位數據時，使用向量Pi (Xi，yi，Zi)表示由N個日盲紫外光成像 模塊檢測子系統返回的N組經角度和空間變換后的定位數據，其中i = 1，2, 3……N;所述 經角度和空間變換后的定位數據，其獲得方法為：在已知所有日盲紫外光成像模塊的相對 位置和船舶姿態角的情況下，利用空間位置關系與空間幾何變換，將對不同測量模塊的位 置測量數據轉化為對同一測量模塊的位置測量數據； a) 采用各個子系統測量數據實際計算出來的均方根誤差rmse來判定每個子系統返回 數據的可信度，計算各子系統測量數據的均方根誤差公式為：纖 其中，rmse代表均方根誤差，代表i時刻對各個測量子系統在X軸坐標的測量數據， Xf代表i時刻對X 1數據的濾波值，η代表測量數據的總數，即子系統的個數；i時刻的濾波 值通過卡爾曼濾波方法獲得； b) 確定權值；采用分段法，通過曲線擬合進行權值的分配：(23) 其中，ω為權值，參數b是判斷野值的最小限度，參數a是有效數值與可利用數值的界 限值；誤差大于b則認為是野值，對應權值為0 ;誤差小于a則認為是有效值，對應權值為1， 中間的可利用值的權值按照曲線y = f (X)給出，且f (X)必須滿足W下條件：在（a，b)送個 區間上，隨著誤差的增大而迅速減小，f(x)采用的表達式如下：(24) 其中，μ和σ分別為正態分布的均值和方；由于正態曲線在χ〉μ的區域呈現遞減函 數的特性，因此在送里取μ =0,實際上運用的是半正態曲線，表達式進一步變為如下：(毀) ，根據3 0法則給出σ值，通過正態曲線擬合權值分配的方法可W通過下式得到：鏈的 并且其中，rmsew表示k時刻第i個系統的均方根誤差，a ki代表k時刻第 i個系統的權值； C)最終數據融合的結果為：127) 其中，.1?為k時刻的融合值，Xki表示各子系統k時刻所得到的測量數據； d)通過W上與步驟a)-C)相同方法，計算出Y軸坐標值y W及Z軸坐標值Z的數據融 合最終結果； (二）當整合的數據為姿態角數據時，使用向量diUi，目1，Yi)表示由N個日盲紫外光 成像模塊檢測子系統返回的N組姿態角數據，其中i = 1，2, 3……N;然后采用與步驟（一） 相同的方法，計算出整合后的姿態角數據。14.如權利要求10-12所述的船舶泊岸裝置，其特征在于，所述信號處理器被設計得數 據融合算法，對所述船舶的坐標和/或姿態角數據進行整合處理，具體步驟包括： (一）當整合的數據為定位數據時，使用向量Pi (Xi，yi，Zi)表示由N個日盲紫外光成像 模塊檢測子系統返回的N組經角度和空間變換后的定位數據，其中i = 1，2,3……N，所述 的經角度和空間變換后的定位數據，其獲得方法為在已知所有日盲紫外光成像模塊的相對 位置和船舶姿態角的情況下，利用空間位置關系與空間幾何變換，將對不同測量模塊的位 置測量數據轉化為對同一測量模塊的位置測量數據； a)計算定位數據中每個坐標序列的標準差：通過計算N個日盲紫外光成像模塊檢測子 系統返回的N組定位數據中每個坐標序列的標準差，作為判定N組數據中各坐標序列中離 群數據的依據；所述坐標序列標準差為：(28) 其中，indeχE(x，y，z)則σi。dM代表N組數據中各坐標序列的標準差，Xi。d。/代表N組 測量的數據，每一組包含坐標值（X，y，Z)，玄《。代表N組數據的平均值，即由各坐標序列平 均值組成的一個一維向量； b)根據計算出的標準差得到每個坐標序列中的離群數據，離群數據的判定可通過下式 獲得：(29) 其中，outliters代表獲得的離群數據，由X，y，Z組成的一組坐標數據中，只要其中有 一個坐標值在其所在的序列中被判為離群數據，則該組坐標值就被判定為N組坐標數據中 的離群數據；C為常系數，根據實驗經驗和需求而定，該常數的確定方法可W是通過大量的 測試判斷測試值的波動范圍，取一 W測試值均值為中必的對稱范圍使大量出現的不合理的 點在該范圍外，該范圍長度的一半即為C ; C)將離群數據從N組原始測量數據中剔除，則得到新的定位數據序列稱為X'維數為 Ν'，之后對X'進行等權平均數據融合得到最終的融合數據如下：(30) 其中，方為數據融合后的最終的定位數據； d)通過W上與步驟a)-C)相同方法，計算出Υ軸坐標值y W及Ζ軸坐標值Ζ的數據融 合最終結果； (二）當整合的數據為姿態角數據時，使用向量diUi，目1，Yi)表示由N個日盲紫外光 成像模塊檢測子系統返回的N組姿態角數據，其中i = 1，2, 3……N;然后采用與步驟（一） 相同的方法，計算出整合后的姿態角數據。15.如權利要求10-12之一所述的船舶泊岸系統，其特征在于，所述船舶的動力控制系 統接受所述信號處理器發來的泊岸距離信號，并據此自動地調整船舶的姿態，進行泊岸。
【文檔編號】G01C3/00GK105841688SQ201510021342
【公開日】2016年8月10日
【申請日】2015年1月15日
【發明人】朱曦, 李媛媛, 閆鋒, 李想, 曹汛, 潘巍松, 丁健文, 王繼斌, 王軍, 陳辰, 李大鵬, 李偉, 王文佇
【申請人】江蘇南大五維電子科技有限公司