(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910120133.5
(22)申请日 2019.02.18
(71)申请人 哈尔滨工程大学
地址 150001 黑龙江省哈尔滨市南岗区南
通大街145号哈尔滨工程大学科技处
知识产权办公室
(72)发明人 盛明伟 金巧园 万磊 秦洪德
王卓 唐松奇 佟鑫
(51)Int.Cl.
G06T 7/00(2017.01)
G06T 7/246(2017.01)
G06N 3/04(2006.01)
(54)发明名称
(57)摘要
本发明属于水面无人平台环境感知和控制
系统交叉技术领域，具体涉及一种基于USV水面
光学目标跟踪的深度学习检测方法：USV装载摄
卡传给USV内部嵌入式计算机，计算机先每隔n帧
选定一个关键帧，再对其进行去模糊化处理，最
后利用卷积神经网络检测出水面目标；本发明在
水面目标检测与定位过程中，加入了基于卷积神
经网络的图像去模糊技术，改善了海水波动、目
标物运动和USV航行造成的目标模糊问题，且基
于24个卷积层和2个全连接层的回归方式检测目
标具有速度快、背景误检率低的优点，使USV目标
检测具有实时性，且不易受海面阳光折射等干
扰。权利要求书2页 说明书10页 附图3页CN 109859202 A 2019.06.07
C N 109859202
A
权 利 要 求 书1/2页CN 109859202 A
1.一种基于USV水面光学目标跟踪的深度学习检测方法，由水面目标检测与定位、关键帧间目标跟踪、USV路径规划和行为控制三个系统组成，其特征在于，包括以下步骤：水面目标检测与定位系统步骤为：
(1.1)USV装载摄像机实时采集视频，并将视频信号通过图像采集卡传给USV内部嵌入式计算机，计算机先每隔n帧选定一个关键帧，再对其进行去模糊化处理，最后利用卷积神经网络检测出水面目标；
(1.2)利用USV上的双目摄像机双目测距方法计算步骤(1.1)中检测到的目标的中心点到左目摄像机的距离，将此距离作为目标相对于摄像机的位置；再根据USV搭载的IMU所测得的USV的纵倾角和横摇角、左目摄像机在USV上的安装位置，通过计算获取目标相对USV的位置和角度信息；
(1.3)用网络通信将包含目标物位置信息的通信协议发送给USV路径规划；
关键帧间目标跟踪系统步骤为：
(2.1)根据步骤(1.1)检测到的目标，提取关键帧目标区域的LBP特征，根据特征子模型的概率密度建立目标模型；
(2.2)计算当前帧候选目标的LBP特征子模型概率密度，并用相似度函数度量目标模型和目标候选模型间的相似度；
(2.3)用Meanshift向量迭代搜索当前帧的目标位置；
(2.4)当目标中心位置的漂移距离小于阈值或迭代次数超过阈值时，输出该帧目标位置；
(2.5)用网络通信将包含目标物位置信息的通信协议发送给USV路径规划；
(2.6)重复步骤(2.2)-(2.5)直至关键帧间跟踪结束，结束后返回步骤(1.1)；
USV路径规划和行为控制系统步骤为：
(3.1)路径规划层循环等待步骤(1.3)、(2.5)发送通信协议，一旦接收，便进行加和校验，通过校验后提取目标物的位置信息；
(3.2)根据步骤(3.1)提取的目标距离、角度等信息，开始进行路径规划，并将结果发送至行为控制层；
(3.3)USV行为控制层根据路径规划层的指令调整艏向角和航行的速度。
2.根据权利要求1所述的一种基于USV水面光学目标跟踪的深度学习检测方法，其特征在于，所述USV装载摄像机实时采集视频，并将视频信号通过图像采集卡传给USV内部嵌入式计算机，计算机先每隔n帧选定一个关键帧，再对其进行去模糊化处理，最后利用卷积神经网络检测出水面目标，包括：
(1.1.1)根据传感器产生模糊图像的原理，在曝光期间捕获的M帧图像，取平均后用相机响应函数映射为模糊图像，以此生产清晰图像和模糊图像对，通过训练卷积神经网络学习图像对的内在函数关系，实现水面目标图像去模糊化；
(1.1.2)提前制作水面目标数据集，端到端训练基于GoogLeNeT的24层卷积神经网络和2个全连接层，将关键帧输入到训练好的神经网络中，输出目标边界框坐标、置信度和类别的预测；
(1.1.3)先剔除置信度小于阈值的输出结果，再对剩余结果进行非极大抑制：对所有边界框按置信度从大到小排序生成序列，选出置信度最高的边界框，若其与任一剩余框的IOU
2
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议