【技術實現步驟摘要】
本專利技術屬于無人艇導航，特別地涉及基于粗糙集數據融合的無人艇海上障礙物環境建模方法。
技術介紹
1、無人艇作為一種新興的水面無人系統，廣泛應用于海洋探測、環境監測和海上監視等領域。在實際應用中，準確地感知環境中的障礙物是保障無人艇安全航行的關鍵。然而，傳統的障礙物檢測技術通常依賴單一傳感器數據，難以滿足復雜海洋條件下的需求。為此，多傳感數據融合技術應運而生。多傳感數據融合是指將來自不同傳感器（如激光雷達、毫米波雷達、視覺等）的數據進行綜合處理，以獲得更加全面和準確的環境信息，以充分利用各類傳感器的優勢，提高障礙物檢測的準確性和魯棒性。
2、隨著人工智能和機器學習技術的發展，基于深度學習的方法也被廣泛應用于障礙物檢測，然而，這些方法通常需要大量標注數據，且在動態環境中容易出現誤判。
3、粗糙集作為一種有效的知識表示和處理工具，能夠在不確定性和模糊性較強的環境中進行信息分析。通過粗糙集的屬性約簡與數據分類，可以有效提取關鍵特征，降低數據的維度，從而提高數據處理效率。專利cn?107180432?a公開了一種導航的方法和設備，該專利是通過圖像灰度模糊特性分析以及粗糙集結合otsu方法實現圖像區域分割，其不能準確感知前方場景中的深度信息，存在精度不高的問題。
技術實現思路
1、針對上述技術問題，本專利技術提供基于粗糙集數據融合的無人艇海上障礙物環境建模方法，基于粗糙集多傳感器數據融合，實現更高精度的無人艇海上障礙物環境建模。
2、本專利技術是通過以下技
3、基于粗糙集數據融合的無人艇海上障礙物環境建模方法，所述方法包括以下步驟：
4、（1）以無人艇位置為中心構建二維柵格地圖；
5、（2）無人艇配備有 m個不同類型的障礙物傳感器， m為大于或等于2的整數，按照各障礙物傳感器檢測能力的不同，將所述二維柵格地圖分成 n個區域；
6、（3）針對所述二維柵格地圖中的 n個區域，分區域建立 n個區域對應的 n個信息表；
7、（4）利用信息表中決策屬性對各條件屬性的依賴程度，對所述二維柵格地圖中 n個區域的信息表進行條件屬性約簡，去掉冗余的條件屬性信息，得到 n個簡化的信息表；
8、（5）分別利用所述二維柵格地圖中 n個簡化的信息表，按照不同條件屬性分類歸納出柵格是否為障礙物區域的決策融合規則；
9、（6）根據實際獲取各障礙物傳感器數據和決策融合規則判斷各個柵格是否為障礙物區域，完成無人艇海上障礙物環境模型構建。
10、進一步地，步驟（2）中，按照各障礙物傳感器檢測能力的不同，將所述二維柵格地圖分成 n個區域，分別用 r1,? r2,…,? r n表示，分成的 n個區域包括： m個障礙物傳感器均能感知到的區域、 m-1個障礙物傳感器能感知到的區域、……、1個障礙物傳感器能感知到的區域和沒有感知數據的區域。
11、步驟（3）中，用區域的信息表表示論域 u與條件屬性 c、決策屬性 d之間的映射關系。
12、進一步地，論域 u為對象的有限集合，所述二維柵格地圖中第 n個區域的論域表示為，其中 l表示論域集合中對象的數量；條件屬性 c為各傳感器數據，傳感器如果有測量數據，則用1表示，如果沒有測量數據，則用0表示；決策屬性 d表示柵格是否為障礙物區域，柵格如果是障礙物區域，則用1表示，如果是可通行區域，則用0表示。
13、進一步地，步驟（4）中，決策屬性 d對各個條件屬性 c的依賴程度通過以下公式計算得到：
14、；
15、其中，為決策屬性 d對條件屬性 c的依賴程度，表示論域 u按照決策屬性 d的分類，表示集合 x對于條件屬性 c的下近似，表示對集合進行取模運算。
16、進一步地，步驟（4）中，所述去掉冗余的條件屬性信息，具體是：
17、當決策屬性 d對條件屬性 c的依賴程度的公式計算為0時，將相應的條件屬性作為無依賴條件屬性；
18、在信息表中，將所述無依賴條件屬性對應的信息作為冗余的條件屬性信息，
19、去掉冗余的條件屬性信息后，得到簡化的信息表。
20、進一步地，步驟（5）中，對于 n個區域中某一個區域的柵格是否為障礙物區域的決策融合規則的確定方法包括：
21、根據步驟（4）對各區域的信息表的條件屬性約簡結果，獲得每個區域中和決策屬性有依賴關系的單一條件屬性或組合條件屬性，將有依賴關系的單一條件屬性或組合條件屬性的檢測數據作為有效障礙物檢測數據；
22、判斷區域中的每個柵格中是否存在有效障礙物檢測數據；如果柵格中存在有效障礙物檢測數據，則判斷相應柵格為障礙物區域，如果不存在有效障礙物檢測數據，則判斷相應柵格為可通行區域。
23、本專利技術的有益技術效果：
24、本專利技術提供的基于粗糙集數據融合的無人艇海上障礙物環境建模方法能夠充分利用各障礙物傳感器的互補信息，降低誤檢率和漏檢率，提高無人艇海上障礙物環境模型構建的準確性和可靠性。
25、本專利技術提供的方法采用粗糙集，粗糙集的模型具有較好的適應性，可以在較少的樣本情況下，依然保持較高的檢測精度；本專利技術將粗糙集與多傳感數據融合結合，能夠在復雜海洋環境下實現對無人艇海面障礙物的準確檢測，為無人艇的海上障礙物環境建模提供了一種新思路，不僅能夠提高檢測精度，還能增強系統的穩定性和可靠性，為無人艇的安全航行提供有力支持。
本文檔來自技高網...【技術保護點】
1.基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，步驟（2）中，按照各障礙物傳感器檢測能力的不同，將所述二維柵格地圖分成n個區域，分別用R1,?R2,…,?Rn表示，分成的n個區域包括：m個障礙物傳感器均能感知到的區域、m-1個障礙物傳感器能感知到的區域、……、1個障礙物傳感器能感知到的區域和沒有感知數據的區域。
3.根據權利要求1所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，步驟（3）中，用區域的信息表表示論域U與條件屬性C、決策屬性D之間的映射關系。
4.根據權利要求3所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，論域U為對象的有限集合，所述二維柵格地圖中第n個區域的論域表示為，其中l表示論域集合中對象的數量；條件屬性C為各傳感器數據，傳感器如果有測量數據，則用1表示，如果沒有測量數據，則用0表示；決策屬性D表示柵格是否為障礙物區域，柵格如果是障礙物區域，則用1表示，如果是可通行
5.根據權利要求1所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，步驟（4）中，決策屬性D對各個條件屬性C的依賴程度通過以下公式計算得到：
6.根據權利要求5所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，步驟（4）中，所述去掉冗余的條件屬性信息，具體是：
7.根據權利要求1所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，步驟（5）中，對于n個區域中某一個區域的柵格是否為障礙物區域的決策融合規則的確定方法包括：
...【技術特征摘要】
1.基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，步驟（2）中，按照各障礙物傳感器檢測能力的不同，將所述二維柵格地圖分成n個區域，分別用r1,?r2,…,?rn表示，分成的n個區域包括：m個障礙物傳感器均能感知到的區域、m-1個障礙物傳感器能感知到的區域、……、1個障礙物傳感器能感知到的區域和沒有感知數據的區域。
3.根據權利要求1所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，步驟（3）中，用區域的信息表表示論域u與條件屬性c、決策屬性d之間的映射關系。
4.根據權利要求3所述基于粗糙集數據融合的無人艇海上障礙物環境建模方法，其特征在于，論域u為對象的有限集合，所述二維柵格...
【專利技術屬性】
技術研發人員：劉德慶，張杰，金久才，馬毅，
申請(專利權)人：自然資源部第一海洋研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。