对航行船舶进行智能化导航是规避其航行风险,确保货物安全运输的有效手段[1-2]。船用智能导航系统界面是实现人机交互的重要载体,是输入、输出信息转换的媒介[3]。
视觉传达是一种通过视觉语言实现信息交流、传递的技术,船用智能导航系统界面的视觉表现力与用户体验感具有紧密的联系,同时,也是判断船用智能导航系统设计是否成功的一个基础条件,船用智能导航系统界面的突出视觉效果不仅会提升用户的体验感与满意度,而且能够对工作效率的改善起到积极作用。因此,本文提出基于视觉传达的船用智能导航系统界面设计研究,提升船舶导航结果的视觉展示效果的同时,增强用户精神愉悦度与体验度。
1 船用智能导航系统界面设计 1.1 基于视觉传达的船用智能导航系统框架图1为基于视觉传达的船用智能导航系统总体框架,该系统包含操作用户、人机交互界面与航行船舶导航硬件3部分内容。导航硬件部分主要由环境信息感知模块、运动控制模块、导航模块、信息交互处理模块、通信模块构成,其中环境信息感知模块主要包括激光雷达、CCD摄像设备等,负责获取舰船航行环境数据信息;运动控制模块用于响应操作用户下达的操控命令,实现舰船航行避障功能;导航模块可实现舰船的实时定位,并进行航行轨迹的规划;人机交互界面与导航硬件部分之间的信息传输与处理分别在2台PC上完成,二者在无线网络下进行互联,利用客户机/服务器模式实现数据传输。人机交互界面通过按钮、语音输入模块获取操作用户的指令信息实现舰船的运行控制,再分别利用语音以及文字、图像输出模块将航行船舶的实际状态、定位信息以及航行环境信息等可视化呈现给操作用户。
![]() |
图 1 基于视觉传达的船用智能导航系统总体框架 Fig. 1 Overall framework of marine intelligent navigation system based on visual communication |
图2为船用智能导航系统界面用户视觉注意力分布图,界面左上方是用户视觉注意力分布最多的位置,其次为左下方,用户对界面右下方的视觉注意力分布最低,故将船用智能导航系统界面的左上方位置作为关键导航信息的展示区域。
![]() |
图 2 船用智能导航系统界面用户视觉注意力分布图 Fig. 2 Distribution of user visual attention on the interface of marine intelligent navigation system |
船用智能导航系统界面布局采用图3所示的“T”字形界面布局形式,在其上端呈现“智能导航系统”字样、菜单项等信息,其下左侧呈现船舶导航信息,右侧是界面操作面板展示区。
![]() |
图 3 智能导航系统界面布局形式 Fig. 3 Interface layout of intelligent navigation system |
智能导航系统界面色彩设计需遵循2个原则:一是色彩属性与船用导航系统特质之间具有较高的匹配度;二是保证界面色彩具有突出协调效果。本文将灰蓝色作为船用智能导航系统界面总色调,为使界面色彩具有协调一致性,尽可能使用更少的色彩以增强视觉层级效果。为提高重要信息的视觉呈现效果,对重点部位进行配色选择,配色与主色调进行搭配后,能够改善界面的辨识度,具有突出辨识度的智能导航系统界面,视觉传达效果得到显著提升,对改善用户操作效率起到有利作用的同时,能够增强用户的精神愉悦感。
1.4 船用智能导航系统界面语音交互流程船用智能导航系统人机交互界面的语音交互流程如图4所示。操作用户启动船用智能导航系统人机交互界面中的语音输入按钮后,人机交互界面需要根据操作用户语音输入内容进行语音识别,设定语音识别时间为10 s,若在规定时间内未完成语音的准确识别,则提示操作用户再次输入语音内容,当第二次语音交互仍未成功,即结束语音交互;反之,当语音交互成功后,即可根据操作用户需求进入船舶导航、海图管理、海图作业、航线设计、航路监控等功能界面中,获取基于视觉传达的界面显示结果。
![]() |
图 4 船用智能导航系统界面语音交互流程 Fig. 4 Voice interaction process of marine intelligent navigation system interface |
船用智能导航系统界面设计的视觉传达效果对操作用户的体验满意度直接相关,为提升用户在导航中的体验感,在获取航行多角度图像后,采用边缘检测算法对其作去噪处理,基于视觉传达理论获取界面需呈现的各图像纹理、颜色等特征,对其作配准处理,依据配准结果构建航行环境模型。通过对环境模型构建结果的交互映射,实现导航结果的可视化呈现。
1.5.1 边缘检测的导航系统界面视觉图像去噪利用边缘检测算法实现船用智能导航系统界面视觉图像的去噪处理,其基本原理是通过中值滤波器对船用智能导航系统界面视觉图像的脉冲噪声分布结果进行确定,以此获得方向算法,将其与中值滤波器进行卷积计算,通过确定的最小绝对值实现图像噪声类别的识别,计算公式描述为:
$ \left\{ \begin{gathered} s\left( {p,q} \right) = \min \left[ {\left| {H\left( {p,q \oplus {R_m}} \right)} \right|} \right] \text{,} \\ m = 1,2,3,4 \text{。} \\ \end{gathered} \right. $ | (1) |
其中:m为通过卷积计算确定的最小绝对值;(p, q)船用智能导航系统界面视觉图像的随机像素点,H为由其构成的集合;
U为阈值,若其高于噪声像素点,且使像素灰度值无较大波动,则可实现船用智能导航系统界面视觉图像去噪,具体公式描述为:
$ z\left( {p,q} \right) = \left\{ \begin{gathered} s\left( {p,q} \right) > U \text{,} \\ 0,{\rm{otherwise}} \text{。} \\ \end{gathered} \right. $ | (2) |
其中:z(p, q)为去噪处理后的船用智能导航系统界面视觉图像。
1.5.2 导航结果显示在获得去噪后的船用智能导航系统界面视觉图像
$ {E^*}\left( \chi \right) = \frac{{r\left( {p,q} \right) \cdot z\left( {p,q} \right)}}{{{\alpha _w} \cdot \left( {{w_{\left[ q \right]}},{w_{\left[ h \right]}}} \right)}} \otimes \frac{{\omega \left( u \right) \cdot \varsigma \left( k \right)}}{{v*\left( D \right)}} \text{。}$ | (3) |
其中:
$ {\partial ^*}\left( \partial \right) = \frac{{\lambda \left( k \right) \cdot \delta \left( k \right)}}{{\varepsilon \left( k \right) \oplus E\left( R \right)}} \cdot \mu \left( e \right)\left[ {\omega \left( \xi \right)} \right]\text{。} $ | (4) |
其中:
设导航系统界面视觉图像的纹理分布规则用
$ {Q^*}\left( a \right) = \frac{{{{\left( {p,q} \right)}^{\rm T}} \oplus \delta \left( j \right)}}{{S\left( \lambda \right) \cdot \mu \left( W \right)}} \otimes \delta \left( \partial \right) \cdot \alpha \left( \lambda \right) \cdot \omega \left( \mu \right) \text{。}$ | (5) |
其中:对于船舶航行环境,
以某航行船舶为研究对象,该船智能导航系统人机交互界面参数如表1所示。在对该船导航过程中,通过分析船舶导航显示结果验证本文方法的实际应用性。
![]() |
表 1 智能导航系统人机交互界面参数 Tab.1 Human-computer interaction interface parameters of intelligent navigation system |
船用智能导航系统界面的视觉传达效果直接影响用户体验感与满意度。受采集设备以及船舶航行环境等因素的影响,获取的船舶导航视觉原始图像难以达到人机交互界面视觉质量要求,因此需对人机交互界面所用的原始图像进行处理。图5为该船舶智能导航系统界面视觉原始图像,采用本文方法对图像进行处理,通过对比分析处理前后船舶导航视觉图像质量,验证本文方法的处理性能,实验结果如图6所示。由图5可以看出,该船舶智能导航系统获取的视觉原始图像存在色彩暗淡、纹理模糊问题,而且视觉图像中含有大量噪声,使得视觉图像质量受到严重影响。由图6可以看出,采用本文方法对该图像进行处理后,原始视觉图像所含噪声得以去除,图像清晰度、色彩饱和度均得到增强,图像纹理细节丰富,图像质量获得明显提升。实验结果表明,本文方法具有导航视觉图像增强作用,图像视觉效果突出。
![]() |
图 5 船舶导航视觉原始图像 Fig. 5 Original visual image of ship navigation |
![]() |
图 6 处理后的船舶导航视觉图像 Fig. 6 Processed visual image of ship navigation |
设定该船从A位置起航,B点为其中途靠泊点,C位置为其目的地,以0.8m/s速度航行,A至B点之间的障碍物数量为6个,B、C点间的障碍物数量为5个。从出发地向目的地航行过程中,应用本文设计的智能导航系统界面展示导航结果,通过对导航结果进行分析,验证本文智能导航系统界面的应用性能,实验结果如图7所示。分析图7可知,通过智能导航系统界面可实现船舶实际航行定位结果、偏航角等导航信息的展示。同时,能够成功检测航行海域障碍物目标,并对其进行标记,可根据船舶实际航行环境设计出合理的航行线路,并将航线设计结果可视化呈现给操作用户,导航界面中展示的船舶导航结果视觉效果突出,满足视觉传达设计要求。智能导航系统界面色调协调性显著,界面布局满足人眼视觉焦点要求。实验结果表明,本文设计的船用智能导航系统界面具有实际应用性能。
![]() |
图 7 船舶导航结果展示 Fig. 7 Display of ship navigation results |
设计船用智能导航系统界面,将其应用到某船舶实际导航测试中,对比分析处理前后智能导航系统界面图像的视觉效果以及导航结果展示效果,结果表明:
1)处理后的船舶导航系统界面图像色彩饱和度好、纹理细节丰富,视觉效果突出。
2)可实现航行环境障碍物目标的识别与标注,能够将其与船舶导航定位结果、航线设计结果等进行可视化呈现;界面色调协调、布局满足人眼视觉焦点要求。
[1] |
贺雪梅, 匡胤, 杨志鹏, 等. 基于深度强化学习的AGV智能导航系统设计[J]. 计算机应用研究, 2022, 39(5): 1501-1504+1509. |
[2] |
韩成浩, 马吉林, 刘佳仑, 等. 基于虚拟仿真测试平台的船舶智能航行系统设计及应用[J]. 中国航海, 2023, 46(1): 148-154. |
[3] |
徐玮瞳, 孙远. 基于任务场景分析的机载导航页面人机界面设计过程研究[J]. 航空电子技术, 2020, 51(4): 20-25. |