[发明专利]基于爬壁机器人的船舶水尺识别方法、系统、装置

说明书

本发明属于船舶计量技术领域，具体涉及了一种基于爬壁机器人的船舶水尺识别方法、系统、装置，旨在解决现有水尺识别方法不易近距离进行水尺读数且数据读取不准确的问题。本发明方法包括：对采集的连续k帧水位图像的第t帧、t‑1帧、t+1图像进行刻度定位以及基准标识坐标对齐，获得融合图像；对融合图像的水线离散点进行曲线拟合；获取融合图像参数结合拟合水线计算水面刻度值；采用刻度预测网络，基于k‑2个水面刻度值，获取水面水尺刻度读数。本发明采用爬壁机器人近距离获取视频数据，读取图像水尺刻度，降低危险、节约人力成本，提高了效率及准确性，并实现了系统化管理，易于存储、管理、查找。

技术领域

本发明属于船舶计量技术领域，具体涉及了一种基于爬壁机器人的船舶水尺识别方法、系统、装置。

背景技术

船舶水尺计重是水运大宗干散货常见的一种计量方式。随着我国对外贸易的不断发展，大宗海运散货进口量逐年快速增长，对于水尺计重的精度要求也越来越高。传统水尺是建立在读取待测船舶吃水刻线的基础上，通过对承运船舶的排水量及船用物料的测定，依据船舶的准确图表来计算载运货物重量。

传统水尺识别方法对于船舶在靠岸侧观测相对容易，但是对于船舶靠海一侧不易观测，乘小船或爬软梯下降到水线都有一定风险(船舷到水线最高可到30m)，尤其是风大浪高的天气，风险性非常大，且工作人员在小船或绳索上不够稳定，造成观测准确度不高等问题。

随着无人机、无人船技术的发展，现在水尺计重可采用无人机或无人船的方式进行观测，但这种方法只能适用于相对风平浪静的天气，对于风大浪高的天气不适用，并且即使观测水尺读数的方式相对稳定，但是由于海浪的原因，真正想读准水尺刻度也是一个难题。

水尺刻度观察过程中，无论是人眼观察，还是拍摄回视频后再人眼进行观察，都很难确定准确的水尺刻度读数。因为海浪的原因，很难确定水线的准确位置，因而很难判断水尺刻度读数，尤其是风高浪大时，水尺刻度就更加难以读取和确认。

总的来说，现有的水尺识别方法对于水面环境有着较高的要求，不易近距离进行水尺读数，且数据读取不够准确。

发明内容

为了解决现有技术中的上述问题，即现有水尺识别方法不易近距离进行水尺读数且数据读取不准确的问题，本发明提供了一种基于爬壁机器人的船舶水尺识别方法，该水尺识别方法包括：

步骤S10，通过船舶外壁上爬行的爬壁机器人连续采集k帧水位图像，构建待识别图像集；所述水位图像为带有基准标识的水尺刻度图像；k为大于2的整数；

步骤S20，对所述待识别图像集中第t帧、t-1帧、t+1帧图像分别进行刻度定位，并对该三帧图像进行基准标识对齐后融合，获得对齐融合后的图像t为区间[2，k-1]内的整数；

步骤S30，分别获取所述图像中三条水面曲线的离散点，并进行曲线拟合得到拟合后的水线；获取所述图像中最低数字坐标、最低刻度、基本标识坐标、基本标识刻度，并结合所述拟合后的水线计算水面刻度值；

步骤S40，令t＝t+1，重复执行步骤S20、步骤S30，获得k-2个水面刻度值；

步骤S50，将所述k-2个水面刻度值输入刻度预测模型，获取水面水尺刻度读数；所述刻度预测模型基于机器学习算法构建，并通过预设的训练样本集训练获取。

在一些优选的实施例中，步骤S20中“对所述待识别图像集中第t帧、t-1帧、t+1帧图像分别进行刻度定位，并对该三帧图像进行基准标识对齐后融合，获得对齐融合后的图像其方法为：

步骤S21，分别对所述待识别图像集中第t帧、t-1帧、t+1帧图像进行二值化处理，并采用基于findContours函数的轮廓检索方法，获得水尺刻度图像；

步骤S22，分别依据所述水尺刻度图像的大小，宽高比例，调整所述待识别图像大小，并将三帧图像的基准标识对齐后融合，获得对齐融合后的图像