[发明专利]一种基于点云图像的船舶识别方法及装置

权利要求书

1.一种基于点云图像的船舶识别方法，其特征在于，包括以下步骤：

构建船舶点云图像数据集，对所述船舶点云图像数据集中每一点云图像进行船舶标定类别标签；

将所述船舶点云图像数据集中点云图像转换为三维体素网格图像，以所述三维体素网格图像作为样本数据对三维卷积神经网络进行训练，得到分类模型；

利用所述分类模型对待识别点云图像进行分类识别。

2.根据权利要求1所述的基于点云图像的船舶识别方法，其特征在于，构建船舶点云图像数据集，具体为：

获取各类船舶的三维模型，从所述三维模型采样得到单个视角的点云图像；

通过三维仿射变换对所述点云图像进行扩容，得到所述船舶点云图像数据集。

3.根据权利要求2所述的基于点云图像的船舶识别方法，其特征在于，通过三维仿射变换对所述点云图像进行扩容，具体为：

通过三维放射变换对每一所述点云图像进行旋转变换，每旋转设定角度得到一幅新增的点云图像；

对旋转变换后得到的每一点云图像进行平移变换，每平移一设定距离得到一幅新增的点云图像。

4.根据权利要求2所述的基于点云图像的船舶识别方法，其特征在于，获取各类船舶的三维模型，具体为：

从PASCAL3D+数据集中获取船舶的三维模型。

5.根据权利要求1所述的基于点云图像的船舶识别方法，其特征在于，将所述船舶点云图像数据集中点云图像转换为三维体素网格图像，具体为：使用密度网格法将所述点云图像转换为三维体素网格图像；

分别计算所述三维体素网格图像中每个网格的命中状态和穿透状态：

其中，表示坐标为(i,j,k)的网格被射线命中的命中状态，表示坐标为(i,j,k)的网格被射线穿透的穿透状态，和的值为1，t表示初始3D射线参量，t＝1；

根据所述命中状态和穿透状态计算网格的后验平均值：

其中，为后验平均值；

判断所述后验平均值是否大于设定阈值，如果大于，则网格被占用，否则网格没有被占用：

将被占用的网格的值设为1得到所述三维体素网格图像。

6.根据权利要求1所述的基于点云图像的船舶识别方法，其特征在于，以所述三维体素网格图像作为样本数据对三维卷积神经网络进行训练，得到分类模型，具体为：

依次将每一所述三维体素网格图像输入所述三维卷积神经网络，提取不同类型船舶的图像特征，利用Softmax函数根据所述图像特征得到预测类别标签，利用损失函数计算所述预测类别标签与所述标定类别标签之间的误差，根据所述误差调整所述三维卷积神经网络的权值和偏差，得到所述分类模型。

7.根据权利要求6所述的基于点云图像的船舶识别方法，其特征在于，利用损失函数计算所述预测类别标签与所述标定类别标签之间的误差，具体为：

其中，J(θ)为误差，m为进行训练的三维体素网格图像的数量，x⁽ⁱ⁾为样本数据，i＝1,2,…,m，y⁽ⁱ⁾为标定类别标签，h_θ(x⁽ⁱ⁾)是针对每一船舶类别估算出概率值的假设函数，j为船舶类别编号，j＝1,2，…，k，k为船舶类型的数量，1{true}＝1，1{false}＝0；

θ为模型参数：

所述假设函数为：

其中，p(y＝j|x)针对第j类船舶估算的概率值。

8.根据权利要求6所述的基于点云图像的船舶识别方法，其特征在于，根据所述误差调整所述三维卷积神经网络的权值和偏差，得到所述分类模型，具体为：

采用Adam优化算法求解损失函数的最小值，得到优化后的所述分类模型。