[发明专利]一种无人机和无人船协同的水面漂浮垃圾清除装备及运行方法

权利要求书

1.一种无人机和无人船协同的水面漂浮垃圾清除装备，其特征在于：它包括无人机和无人船；

所述无人机对目标水域建图，并对水面垃圾进行识别，地面工作站将垃圾坐标信息传送给各艘无人船，无人船对自己负责水域进行全局路径规划到达垃圾点，通过机械臂对垃圾拾取；

还包括控制系统，所述控制系统分为三层：管理层、通讯层、控制执行层；管理层为地面工作站，用于无人机整体结构和无人船整体结构的控制，可视化，运行状态；通讯层主要通过WIFI数传，传送无人机无人船的运行状态给地面工作站；控制层主要是获取环境数据，接收管理层控制指令；

所述无人机上搭载有机载计算机（103）、第一深度相机（104）、第一激光雷达（105）、GPS模块（101）、PX4开源飞控、WIFI数传和充放电装置；

所述机载计算机（103）接收第一深度相机（104）和第一激光雷达（105）信息，以及控制指令；第一深度相机（104）获取水面漂浮垃圾信息，包括垃圾类别和位置信息；第一激光雷达（105）获取周围环境信息，配合SLAM算法进行定位建图；GPS模块（101）实现无人机的定位；WIFI数传用于无人机整体结构与无人船整体结构之间通讯；

所述无人船上搭载有机械臂（201）、垃圾存储装置、驱动装置、WIFI数传、高精度惯性导航模块、第二激光雷达（203）、GPS模块、机载计算机和第二深度相机（204）；

机械臂（201）对垃圾进行拾取；高精度惯性导航模块和GPS模块通过扩展的卡尔曼滤波松耦合方式进行位置和速度的融合，其中高精度惯性导航模块包括速度加速度、角速度、偏航角通过惯性系统解算得出位置、速度，GPS模块通过导航系统解算出位置、速度，通过扩展的卡尔曼滤波进行数据融合，最后输出结果通过反馈校正后输出位置、速度；第二激光雷达（203）获取周围环境信息，配合SLAM算法进行定位导航；GPS模块为无人船提供定位；深度相机识别垃圾信息，包括垃圾类别和位置信息；

无人机的定位建图和垃圾识别包括：无人机通过SLAM技术进行建图定位，采用基于图优化的SLAM框架Cartographer算法建立目标水域二维栅格地图，建图过程中，使用深度学习YOLOV3算法对水域漂浮垃圾进行识别，对识别框内点云信息计算XYZ坐标，将其转换到世界坐标系，通过工作站发送给无人船；

无人机与无人船的坐标转换，无人机的运动为三维空间刚性运动，将无人机第一深度相机（104）坐标转化到无人机的基座标下，最后将其转换到世界坐标系下；无人船在平面内的运动可以看作刚体运动，通过齐次坐标变换转换到世界坐标系下，无人机无人船都处于世界坐标系下；

无人机、无人船与工作站的通信，在这个通信系统中无人机、无人船和工作站构成，工作站属于主控机，无人机和无人船作为从机，三者之间通过WIFI局域网连接，主控机负责控制无人机和无人船，主要实现：无人机与无人船运动参数的传输和运动命令的控制，无人机与无人船实现图像的传输，实现二者环境信息的交互；

无人船的定位，主要获取无人船在地图中的位置，由于无人船在水面航行，受到风速波浪的影响，导致无人船的定位发生偏移，采用高精度惯性导航模块和GPS模块组合来进行全局定位，采用扩展的卡尔曼滤波松耦合方式来估计惯性导航和GPS模块的状态误差通过状态误差的估计通过反馈去校正各个导航系统，提升定位的精度；

无人船的路径规划，地面工作站将二维栅格地图，区域划分，获取各艘无人船的世界坐标系，通过坐标变换获得无人船负责水域的垃圾坐标关系；无人船根据接收自己负责水域的垃圾坐标信息，按照由近及远进行路径规划，在导航中，使用A*算法进行全局路径规划，并计算无人船到目标位置的最优路线。

2.根据权利要求1所述的一种无人机和无人船协同的水面漂浮垃圾清除装备，其特征在于：机械臂的垃圾拾取，主要包括到达位置后使用第二深度相机（204）生成的点云，对水面漂浮垃圾进行目标检测，计算识别框内点云坐标，将获取垃圾坐标转换到机械臂坐标系下，机械臂开始运动规划抓取。

3.权利要求1-2任意一项所述一种无人机和无人船协同的水面漂浮垃圾清除装备的运行方法，其特征在于，包括以下步骤：

S1为开始；

S2为无人机无人船到达目标水域；

S3为无人机无人船静停，与地面工作站建立无线通讯；

S4为按照拟定航线对目标水域SLAM建图，并进行垃圾识别；

S5为无人机返回；

S6为地面站按照无人船数量对目标水域划分，其中一艘船负责一片水域；

S7为将识别到的垃圾坐标，每艘船的坐标转换到世界坐标系下；

S8为对每艘船负责水域的垃圾坐标遍历，进行全局路径规划；

S9为无人船到达目标点；

S10为识别垃圾如果没识别到原地旋转搜索目标；

S11为机械臂抓取；

S12为前往未扫描区域；

S13为结束；

所述S2具体过程：

步骤A1：无人船无人机到达目标水域；

步骤A2：查看目标水域周边环境；

所述S3具体过程：

步骤B1：无人船、无人机 、地面工作站开机；

步骤B2：检查设备运行状况；

步骤B3：输入IP地址通过WIFI数传建立三者之间通讯；

所述S4具体过程：

步骤C1：无人机竖直升到合适高度；

步骤C2：开始SLAM建图，采用Cartographer算法建立二维栅格地图；

步骤C3：在建图的同时，使用深度学习YOLOV3算法，通过第一深度相机识别水面漂浮垃圾；

所述S5具体过程：

步骤D1：无人机携带采集的垃圾坐标信息和二维地图返回地面工作站；

所述S6具体过程：

步骤E1：处理无人机建立的二维地图和垃圾坐标信息；

步骤E2：根据地图、船只数量、水域环境进行合理划分每艘船的负责水域；

所述S7具体过程：

步骤F1：地面工作站将无人机计算得到的垃圾坐标转换到世界坐标系；

步骤F2：地面工作站将无人船的坐标系转换到世界坐标系；

步骤F3：将每块区域下的垃圾坐标传给负责该区域的无人船；

所述S8具体过程：

步骤G1：无人船接收在世界坐标系下的垃圾坐标信息；

步骤G2：根据垃圾坐标信息，由近到远设置航点；

步骤G3：根据栅格地图进行全局路径规划，通过A*算法找出最优路径；

所述S9具体过程：

步骤H1：无人船按照S8得到的规划路线，依次前往各个垃圾所在区域；

所述S10具体过程：

步骤I1：当无人船到达水面漂浮垃圾所在区域后，无人船使用YOLOV3目标识 别算法对垃圾识别；

步骤I2：如果没识别到垃圾，无人船原地旋转搜索目标；

所述S11具体过程：

步骤J1：识别到目标，处理识别框内的点云信息，获取垃圾坐标信息，通过坐标转换算出垃圾相对于机械臂的坐标；

步骤J2：采用Moveit规划机械臂运动路线，机械臂夹爪运动到达垃圾位置，进行抓取；

所述S12具体过程：

步骤K1：当该区域工作完成后，携带无人船无人机前往下一子区域进行工作 ，重复S3-S11步骤；

步骤K2：若所有区域的清理工作均已完成，则进行S13，工作结束。