一种用于海洋设备的自主布放回收的方法及系统与流程

1.本发明涉及海洋设备网络技术领域，尤其涉及一种用于海洋设备的自主布放回收的方法及系统。


背景技术：

2.现伴随着陆地资源的减少以及开采成本的增加，人类逐渐把目光转向了水下。对水下资源的开采，成为各个国家新一轮的技术部署关键，但是水下作业环境使得资源的勘探和获取都十分困难，大多数作业任务只能通过水上设备进行。然而水上条件复杂，特别是在海洋作业时设备需要定时的进行布放回收。而海洋环境多变不稳定，使用人工进行布放回收是十分危险和不可靠的。
3.为了保障海洋工作人员的安全，实现对海洋设备的可靠稳定回收，需要在海洋作业船上安装自主布放回收设备。但是，目前这种自主布放回收设备对复杂海况的适应能力不强，且定位精度不足，对于海洋设备的近距离定位大多依靠光学传感器，在海洋鲁棒性不高。此外，多传感器的空间定位上存在数据时延，而且计算量大，各个传感器在空间上的轨迹闭合效果差，位姿累积误差大。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种用于海洋设备的自主布放回收的方法及系统，能够应对复杂恶劣的海洋条件下的布放回收问题，自动化、无人化、可靠高效的对海洋设备进行自动的布放回收。
5.为了解决上述技术问题，本发明第一方面公开了一种用于海洋设备的自主布放回收的方法，所述方法包括：基于预置的跟踪规则获取海洋设备的图像特征点信息；将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息；将海洋设备的无线载波信息和海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值；基于所述海洋设备的定位轨迹预测值控制执行机构对海洋设备进行自主布放回收。
6.在一些实施方式中，所述基于预置的跟踪规则获取海洋设备的图像特征点信息，包括：获取海洋设备的实时图像信息中的第一帧位置信息；利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功；若判断为跟踪成功，则获取所述第一帧位置信息的图像特征点信息，并获取所述第一帧位置信息的下一帧位置信息循环所述基于预置的跟踪规则获取海洋设备的图像特征点信息的步骤。
7.在一些实施方式中，利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功，之后，若判断为跟踪成功，将所述第一帧位置信息的图像特征点信息作为训练样本数据保存，还包括：若判断为跟踪失败，则将所述训练样本数据基于目标检测算法进行训练生成检测模型；将跟踪失败的下一帧位置信息输入到所述检测模型生成再找回图像信息；获取所述再找回图像信息的图像特征点信息。
8.在一些实施方式中，所述将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息，包括：将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行分析生成卡尔曼滤波估计模型；将所述海洋设备的图像特征点信息和海洋设备的惯性测量信息代入所述卡尔曼滤波估计模型，通过卡尔曼滤波对海洋设备进行预测生成海洋设备的位姿信息。
9.在一些实施方式中，将海洋设备的无线载波信息和所述海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值，包括：利用海洋设备的无线载波信息构建误差状态模型；将所述海洋设备的无线载波信息和海洋设备的位姿信息代入所述误差状态模型，通过容积卡尔曼滤波生成海洋设备的定位轨迹预测值。
10.根据本发明的第二个方面，提供了一种用于海洋设备的自主布放回收的系统，所述系统包括：双目摄像头，用于获取海洋设备的图像；图像处理模块，用于基于预置的跟踪规则对所述海洋设备的图像挠性处理生成海洋设备的图像特征点信息；惯性测量模块，用于获取海洋设备的惯性测量信息；第一融合模块，用于将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息；无线载波模块，用于获取海洋设备的无线载波信息；第二融合模块，用于将海洋设备的无线载波信息和所述海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值；执行机构，用于基于所述海洋设备的定位轨迹预测值对海洋设备进行自主布放回收。
11.在一些实施方式中，所述图像处理模块包括：帧处理单元，用于获取海洋设备的实时图像信息中的第一帧位置信息；跟踪单元，用于利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功；特征点信息获取单元，用于在判断为跟踪成功，则获取所述第一帧位置信息的图像特征点信息，并获取所述第一帧位置信息的下一帧位置信息循环所述基于预置的跟踪规则获取海洋设备的图像特征点信息的步骤。
12.在一些实施方式中，特征点信息获取单元还将所述第一帧位置信息的图像特征点信息作为训练样本数据保存，所述特征点信息获取单元还用于：在判断为跟踪失败，则将所述训练样本数据基于目标检测算法进行训练生成检测模型；将跟踪失败的第一帧位置信息输入到所述检测模型生成再找回图像信息；获取所述再找回图像信息的图像特征点信息。
13.在一些实施方式中，所述第一融合模块包括：卡尔曼滤波估计模型，通过将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行卡尔曼滤波生成；第一预测单元，用于将所述海洋设备的图像特征点信息和海洋设备的惯性测量信息代入所述卡尔曼滤波估计模型，通过卡尔曼滤波对海洋设备进行预测生成海洋设备的位姿信息。
14.在一些实施方式中，第二融合模块包括：误差状态模型，通过海洋设备的无线载波信息生成，第二预测单元，用于将所述海洋设备的无线载波信息和海洋设备的位姿信息代入所述误差状态模型，通过容积卡尔曼滤波生成海洋设备的定位轨迹预测值。
15.与现有技术相比，本发明的有益效果在于：
16.实施本发明能够针对复杂海况下的近距离定位的实际工程需求，开展基于多个传感器数据融合的海洋设备自主布放回收方法。首先基于水下通信的复杂性和海洋环境的恶劣情况，选择通过对双目摄像头，惯性测量模块，无线载波模块等进行物理模型仿真的数据融合，从而实现了海洋设备的运动位姿可视化。其次，针对布放回收时的动作时延，海洋的环境多变复杂开发了基于多传感器数据融合的物体定位算法，能够对海洋设备的路径进行
预测，由此实现了海洋设备的自主布放回收，具有良好的定位效果和跟踪精度，以及较强的鲁棒性。由此能够应对复杂恶劣的海洋条件下的布放回收问题，自动化、无人化、可靠高效的对海洋设备进行自动的布放回收。
附图说明
17.图1为本发明实施例公开的一种用于海洋设备的自主布放回收的流程示意图；
18.图2为本发明实施例公开的基于预置的跟踪规则获取海洋设备的图像特征点信息的方法流程图；
19.图3为本发明实施例公开的一种用于海洋设备的自主布放回收的系统示意图；
20.图4为本发明实施例公开的一种用于海洋设备的自主布放回收的系统的双目摄像头安装结构示意图；
21.图5为本发明实施例公开的一种用于海洋设备的自主布放回收的系统的无线载波模块示意图；
22.图6为本发明实施例公开的一种用于海洋设备的自主布放回收的系统的执行模块的结构示意图。
具体实施方式
23.为了更好地理解和实施，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
25.本发明实施例公开了一种用于海洋设备的自主布放回收的方法及系统，能够针对复杂海况下的近距离定位的实际工程需求，开展基于多个传感器数据融合的海洋设备自主布放回收方法。首先在考虑到水下通信复杂和恶劣海洋下对海洋设备的多传感器类别进行分析匹配，通过对双目摄像头，惯性测量模块，无线载波模块等进行物理模型仿真的数据融合，从而实现了海洋设备的运动位姿可视化。其次，针对布放回收时的动作时延，海洋的环境多变复杂开发了基于多传感器数据融合的物体定位算法，能够对海洋设备的路径进行预测，由此实现了海洋设备的自主布放回收，具有良好的定位效果和跟踪精度，以及较强的鲁棒性。由此能够应对复杂恶劣的海洋条件下的布放回收问题，自动化、无人化、可靠高效的对海洋设备进行自动的布放回收。
26.请参阅图1，图1为本发明实施例公开的一种用于海洋设备的自主布放回收的方法的流程示意图。其中，该用于海洋设备的自主布放回收的方法可以应用在海洋设备的监测、管理、回收等多种应用系统，对于该方法的应用本发明实施例不做限制。如图1所示，该用于海洋设备的自主布放回收的方法可以包括以下操作：
27.101、基于预置的跟踪规则获取海洋设备的图像特征点信息。
28.为了对海洋设备进行准确定位，该海洋设备可以实现为、自主式水下航行器auv、水下缆控机器人rov等。首先利用母船的双目摄像头获取海洋设备的图像，该摄像头可以实现为双目摄像头，可以设置在执行机构的末端，由此能够探取到海洋设备的光学实时图像，其中，在实际处理过程中，可以利用人工自动在所获取的实时图像上选择出待布放回收的海洋设备进行记录。
29.具体地，如图2所示，为基于预置的跟踪规则获取海洋设备的图像特征点信息的方法流程图，包括：获取海洋设备的实时图像信息中的第一帧位置信息，该第一帧位置信息可以实现为海洋设备当前时刻的二维定位，之后利用区域建设孪生网络跟踪算法即siamrpn跟踪算法对第一帧位置信息进行跟踪，获取下一帧位置信息可以实现为海洋设备下一时刻的二维定位，并通过设定经验阈值判断跟踪是否成功，判断的以及可以人工判断还可以利用对该海洋设备的信号是否断连实现。
30.若判断为跟踪成功，则直接利用图像处理对获取第一帧位置信息提取出图像特征点信息，此时还触发下一帧位置信息变成第一帧位置信息，这样能够循环这一步骤，对海洋设备实现长时的跟踪和锁定。此外，还将第一帧位置信息的图像特征点信息作为训练样本数据保存。
31.若判断为跟踪失败，则将训练样本数据基于目标检测算法，在本实施例采用yolov5检测算法，进行训练生成检测模型，该检测模型的设计方式可以根据海洋设备的型号特点、信号响应特点进行yolov5的检测，将上述成功定位跟踪的多个第一帧位置信息作为训练样本就能够得到智能化的检测模型。之后，就可以将跟踪失败的下一帧位置信息输入到该检测模型生成再找回图像信息，获取再找回图像信息的图像特征点信息，从而实现对短时跟踪丢失后的海洋设备进行再找回操作。
32.作为一种优选实施方式，还通过ncc相关性检测算法与将所得到的再找回图像与训练样本数据进行对比确保检测到海洋设备的准确性。该相关性检测公式(1)如下，
[0033][0034]
其中，p为目标海洋设备的标号即代表再找回图像，wp为窗口区域，i1(x,y)为历史跟踪图像(即训练样本数据)的像素值，i
′1(p
x
,py)为历史跟踪图像的像素均值，i2(x,y)为目标图像的像素值,i
′2(p
x
,py)为目标图像匹配窗口像素均值。若ncc＝-1，则表示两个匹配窗口完全不相关，相反，若ncc＝1时，表示两个匹配窗口相关程度非常高。由此，通过对再找回图像进行相关性检测能够进一步提高海洋设备跟踪的鲁棒性。能够解决在海洋设备的外型不常见或者在检测时发生突变的情况下鲁棒性较低，可以实现对海洋设备进行长时跟踪。
[0035]
102、将海洋设备的惯性测量信息和海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息。
[0036]
进一步地，获取海洋设备的惯性测量信息，可以通过海洋设备自带的惯性测量传感器读取海洋设备的当前惯性测量信息，该惯性测量信息包括海洋设备的重力、偏差、与行驶轨迹等相关的参数等。通过获取到的惯性测量信息，可以利用这些惯性测量信息和所获取的海洋设备的图像特征点信息通过卡尔曼滤波获得海洋设备的估计定位，并发布最新的
海洋设备位姿信息，该发布的海洋设备位姿信息可以实现为发布里程计的形式。具体地，可以将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行分析，生成卡尔曼滤波估计模型，再利用该卡尔曼滤波估计模型对海洋设备进行预测生成海洋设备的位姿信息，该位姿信息能够反馈出所拍摄的海洋设备的图像中的定位数据。
[0037]
此外，在实际应用中，可以将海洋设备的惯性测量信息赋予海洋设备的相机，因为二者是绑定在一起的，而且相机的轨迹获取相较于海洋设备整理的测量更方便准确。
[0038]
103、将海洋设备的无线载波信息和海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值。
[0039]
针对于海洋特殊视觉条件恶劣的，当视觉无法对获取物体准确定位的情况时，可以利用海洋设备的无线载波信息和海洋设备的位姿信息构建误差状态模型，之后将海洋设备的位姿信息和无线载波信息带入到误差状态模型，通过容积卡尔曼生成海洋设备的定位轨迹预测值。具体地：
[0040]
首先通过海洋设备如船上的uwb无线载波基站接受待测标签发出的脉冲信号，该uwb无线载波基站为两个设置在不同位置的基站，通过对该脉冲信号进行分析，求取该脉冲信号到达角度，通过公式(2)：
[0041][0042]
sinα为脉冲信号到达的角度值，l为两个无线载波的天线与天线之间的间距，δt为脉冲信号到达不同天线的时间差，c为信号的速度即光速。
[0043]
之后，求取待测标签位置，通过公式(3)：
[0044][0045]
其中，设定无线载波基站的坐标分别为(xa，ya)，(xb，yb)，将待测位置设为(x,y)，脉冲信号到达角度β1，β2。
[0046]
由uwb无线载波基站实时获取海洋设备的无线载波信息，即海洋设备的定位信息，使用误差状态容积卡尔曼滤波，假设k时刻uwb无线载波基站定位的观测值与海洋设备的位姿信息的时间戳对齐，那么此时位置坐标为(xk,yk)、速度为则状态向量(4)如下为：
[0047][0048]
其中x
′k为预测值，为δxk为误差值
[0049]
构建系统的误差状态模型如下式(5)(6)(7)(8)：
[0050][0051][0052][0053]
[0054]
其中t是系统的采样间隔；和代表第k-1时刻组合系统在x方向和y方向上的加速度。
[0055]
以接收到海洋设备的位姿信息即定位数据为状态向量预测值x
′k，之后进行误差状态更新。对k时刻误差状态及协方差的预测如式(9)(10)中所示：
[0056]
δx
k|k-1
＝fδx
k-1
+w
k-1
ꢀꢀ
(9)
[0057]mk|k-1
＝fm
k-1
+q
k-1
ꢀꢀ
(10)
[0058]
其中f为系统的状态矩阵，w
k-1
为系统的噪声向量，m
k-1
为k-1时刻误差状态协方差的最优估计；q
k-1
为k-1时刻的噪声协方差。f,w
k-1
且可定义如下式(11)
[0059][0060]
由此根据上述的uwb无线载波基站定位的观测值与海洋设备的位姿信息即定位数据得出的定位信息差值作为该系统的观测向量yk如下式(12)：
[0061]
yk＝hδxk+vkꢀꢀ
(12)
[0062]
其中vk为观测噪声：yk和h值如下式(13)：
[0063][0064]
在上述基础上，容积卡尔曼滤波步骤分为状态更新，测量更新和状态估计三部分，具体步骤如下：首先是误差状态更新部分，包括计算误差状态量预测值δx
′
k+1|k
，误差协方差预测值p
k+1|k
。具体方程式如下式(14)(15)(16)(17)：
[0065][0066][0067][0068][0069]
上式其中sk由球面积分定义，ξi为容积点集，uk为系统输入，n为状态向量维数
[0070]
然后是测量更新部分，包括计算测量预测值y
′
k+1|k
，测量误差协方差互协方差具体方程式如下式(18)(19)(20)(21)(22)：
[0071][0072]
[0073][0074][0075][0076]
最后是状态估计部分，包括计算卡尔曼增益k
k+1
，误差状态量估计值δx
′
k+1
，误差协方差估计值p
k+1
。具体方程式如下式(23)(24)(25):
[0077][0078]
δx
′
k+1
＝δx
′
k+1|k
+k
k+1
(y
k+1-y
′
k+1
)
ꢀꢀ
(24)
[0079][0080]
而后可根据误差状态量估计值δx
′
k+1
得到k+1时刻真实状态的最优估计值xk＝x
′k+δx
′
k+1
。实现当前时刻目标的海洋设备受到遮挡或运动突变时，仍能通过前一时刻递推出的结果对当前时刻的目标海洋设备的状态进行估计，提高了整体定位的鲁棒性。而且，通过上述的两个步骤的数据融合处理，能够提高海洋设备的各个传感器在空间上的轨迹闭合效果。
[0081]
104、基于海洋设备的定位轨迹预测值控制执行机构对海洋设备进行自主布放回收。
[0082]
在获取了获取海洋设备的定位轨迹预测值后，就可以将这两组数据存储为能够用于执行机构读取的控制数据组，该执行机构可以实现为机械臂，利用机械臂运动控制的逆运动学对该控制数据组进行分析，获取到机械臂的各关节控制力矩和旋转角度，由此能够通过pid算法实现对执行机构的控制。
[0083]
请参阅图3，图3为本发明实施例公开的一种用于海洋设备的自主布放回收的系统示意图。如图3所示，该用于海洋设备的自主布放回收的系统包括：
[0084]
双目摄像头1、图像处理模块2、惯性测量模块3、第一融合模块4、无线载波模块5、第二融合模块6和执行机构7。
[0085]
双目摄像头1用于获取海洋设备的图像。在实际应用中，该双目摄像头的结构如图4所示，包括左目摄像头11，右目摄像头12和照明系统13部分组成。安装在执行机构7的末端。通过该双目摄像头1可以获取亮度适宜，光线均匀，物体突出的光学图像。
[0086]
图像处理模块2用于基于预置的跟踪规则对所述海洋设备的图像挠性处理生成海洋设备的图像特征点信息。其中，该图像处理模块2包括帧处理单元21、跟踪单元22和特征点信息获取单元23。帧处理单元21用于获取海洋设备的实时图像信息中的第一帧位置信息。跟踪单元22用于利用区域建设孪生网络跟踪算法对所述第一帧位置信息进行跟踪，并判断跟踪是否成功。特征点信息获取单元23用于在判断为跟踪成功，则获取第一帧位置信息的图像特征点信息，并获取所述第一帧位置信息的下一帧位置信息循环基于预置的跟踪规则获取海洋设备的图像特征点信息的步骤。具体地，帧处理单元21获取海洋设备的实时图像信息中的第一帧位置信息，该第一帧位置信息可以实现为海洋设备当前时刻的二维定位，之后跟踪单元22利用区域建设孪生网络跟踪算法即siamrpn跟踪算法对第一帧位置信息进行跟踪，获取获取下一帧位置信息可以实现为海洋设备下一时刻的二维定位，并通过
设定经验阈值判断跟踪是否成功。，判断的以及可以人工判断还可以利用对该海洋设备的信号是否断连实现。
[0087]
若判断为跟踪成功，则直接利用图像处理对获取下一帧位置信息提取出图像特征点信息，此时还触发下一帧位置信息变成第一帧位置信息，这样能够循环这一步骤，对海洋设备实现长时的跟踪和锁定。此外，还将第一帧位置信息的图像特征点信息作为训练样本数据保存。
[0088]
进一步地，特征点信息获取单元23还将第一帧位置信息的图像特征点信息作为训练样本数据保存，特征点信息获取单元还用于：在判断为跟踪失败，则将训练样本数据基于目标检测算法进行训练生成检测模型，将跟踪失败的下一帧位置信息输入到检测模型生成再找回图像信息，获取再找回图像信息的图像特征点信息。具体地：若判断为跟踪失败，则将训练样本数据基于目标检测算法，在本实施例采用yolov5检测算法，进行训练生成检测模型，该检测模型的设计方式可以根据海洋设备的型号特点、信号响应特点进行yolov5的检测，将上述成功定位跟踪的多个第一帧位置信息作为训练样本就能够得到智能化的检测模型。之后，就可以将跟踪失败的下一帧位置信息输入到该检测模型生成再找回图像信息，获取再找回图像信息的图像特征点信息，从而实现对短时跟踪丢失后的海洋设备位置信息进行再找回操作。
[0089]
作为一种优选实施方式，还通过ncc相关性检测算法与将所得到的再找回图像与训练样本数据进行对比确保检测到海洋设备的准确性。该相关性检测公式(1)如下，
[0090][0091]
其中，p为目标海洋设备的标号即代表再找回图像，wp为窗口区域，i1(x,y)为历史跟踪图像(即训练样本数据)的像素值，i
′1(p
x
,py)为历史跟踪图像的像素均值，i2(x,y)为目标图像的像素值,i
′2(p
x
,py)为目标图像匹配窗口像素均值。若ncc＝-1，则表示两个匹配窗口完全不相关，相反，若ncc＝1时，表示两个匹配窗口相关程度非常高。由此，通过对再找回图像进行相关性检测能够进一步提高海洋设备跟踪的鲁棒性。能够解决在海洋设备的外型不常见或者在检测时发生突变的情况下鲁棒性较低，可以实现对海洋设备进行长时跟踪。
[0092]
惯性测量模块3用于获取海洋设备的惯性测量信息，该模块可以装配于海洋设备，通过海洋设备的脉冲通信信号，获取海洋设备的基本运动信息和姿态即惯性测量信息。
[0093]
第一融合模块4用于将海洋设备的惯性测量信息和所述海洋设备的图像特征点信息进行数据融合生成海洋设备的位姿信息。具体地，第一融合模块包括：卡尔曼滤波估计模型41，通过将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行卡尔曼滤波生成；第一预测单元42，将海洋设备的图像特征点信息和海洋设备的惯性测量信息代入所述卡尔曼滤波估计模型，通过卡尔曼滤波对海洋设备进行预测生成海洋设备的位姿信息。具体地，获取海洋设备的惯性测量信息，可以通过海洋设备自带的惯性测量传感器读取海洋设备的当前惯性测量信息，该惯性测量信息包括海洋设备的重力、偏差、与行驶轨迹等相关的参数等。通过获取到的惯性测量信息，可以利用这些惯性测量信息和所获取的海洋设备的图像特征点信息通过卡尔曼滤波获得海洋设备的估计定位，并发布最新的海洋设备位姿
信息，该发布的海洋设备位姿信息可以实现为发布里程计的形式。具体地，可以将海洋设备的图像特征点信息和海洋设备的惯性测量信息进行分析，生成卡尔曼滤波估计模型，再利用该卡尔曼滤波估计模型对海洋设备进行预测生成海洋设备的位姿信息，该位姿信息能够反馈出所拍摄的海洋设备的图像中的定位数据。
[0094]
无线载波模块5用于获取海洋设备的无线载波信息。如图5所示，该无线载波模块5可以为2个设置于母船(也可以为一种海洋设备)的两侧，如图5中的51和52。
[0095]
第二融合模块6用于将海洋设备的无线载波信息和海洋设备的位姿信息进行数据融合生成海洋设备的定位轨迹预测值。具体地，第二融合模块包括：误差状态模型61，通过海洋设备的无线载波信息构建误差状态模型，并通过误差状态模型容积卡尔曼滤波估计模型生成最优估计轨迹模型；第二预测单元62，用于将海洋设备的位姿信息和无线载波信息带入到误差状态模型，通过容积卡尔曼生成海洋设备的定位轨迹预测值。对于该第二融合模块6的具体实现方式请参照上述步骤103的实现方式，在此不进行赘述。
[0096]
执行机构7用于基于海洋设备的定位轨迹预测值对海洋设备进行自主布放回收。具体地，如图6所示，为执行模块的结构图。可见，该执行机构7实现为机械臂，包括可回转的固定底座71、立柱72、变幅油缸73、旋转臂74、伸缩主臂75、伸缩油缸76、伸缩从臂77、水下对接装置78部分。在获取海洋设备的定位轨迹预测值后，就可以将这组数据存储为能够用于执行机构读取的控制数据组，利用机械臂运动控制的逆运动学对该控制数据组进行分析，获取到机械臂的各关节控制力矩和旋转角度，由此能够通过pid算法实现对机械臂的各个部件的控制。
[0097]
本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行所描述的用于海洋设备的自主布放回收方法。
[0098]
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行所描述的用于海洋设备的自主布放回收方法。
[0099]
以上所描述的实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0100]
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够
用于携带或存储数据的计算机可读的任何其他介质。
[0101]
最后应说明的是：本发明实施例公开的一种用于海洋设备的自主布放回收方法及系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。