[发明专利]一种基于点云图像的船舶识别方法及装置

说明书

本发明涉及船舶识别技术领域，公开了一种基于点云图像的船舶识别方法及装置，其中方法包括以下步骤：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。本发明具有识别功能不受光照影响的技术效果。

技术领域

本发明涉及船舶识别技术领域，具体涉及一种基于点云图像的船舶识别方法及装置。

背景技术

船舶识别技术在军事领域和民用领域已经广泛应用，比如海上交通监控、海上搜救以及海洋污染监控等方面。船舶图像的主要类型有合成孔径雷达图像、红外图像、可见光图像以及激光雷达点云图像等。合成孔径雷达图像可以使用雷达全天候获取，但其分辨率低，并且雷达的价格比较高。红外图像通过热成像进行监控，也可全天候获取，但其边缘模糊，信噪比差，一般作为可见光图像的补充信息进行船舶识别。使用摄像机采集的可见光图像分辨率高，能够提供丰富的视觉信息，但容易受到光照强度、天气因素的影响。激光雷达点云图像属于三维图像，包含船舶的所有空间信息，并且受光照因素的影响较小。

目前的船舶识别方法主要有两大类，一类是基于传统手工特征的船舶识别方法，另一类是基于深度学习的船舶识别方法。传统方法提取的特征有较大局限性，不仅依赖专家知识，而且需要耗费大量人力和时间。基于深度学习的船舶识别方法将特征提取和分类器训练整合在一起，可以自动获取结构信息，具有强大的特征提取能力，克服了传统方法面临的手工设计特征的问题。在图像识别领域，主要使用深度学习中的卷积神经网络方法进行处理。基于卷积神经网络的可见光船舶识别方法已经取得了较好的识别效果，但在光照较差或极端天气情况等影响下摄像机无法获得可见光图像。

发明内容

本发明的目的在于克服上述技术不足，提供一种基于点云图像的船舶识别方法及装置，解决现有技术中船舶图像识别受到光照影响无法进行准确识别的技术问题。

为达到上述技术目的，本发明的技术方案提供一种基于点云图像的船舶识别方法，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。

本发明还提供一种基于点云图像的船舶识别装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述基于点云图像的船舶识别方法。

与现有技术相比，本发明的有益效果包括：本发明首先获取船舶的点云图像构建船舶点云图像数据集，由于点云图像的获取不会受到光照条件差的影响，因此本发明中船舶识别不会受到光照的影响。由于点云图像是非结构化数据，因此将其先转换为规则的三维体素网格图像后再输入三维卷积神经网络进行训练，最后得到分类模型，从而实现船舶的自动分类识别，将点云图像转换为三维体素网格图像后再进行训练，可以加快训练速度，提高分类模型的识别准确率。

附图说明

图1是本发明提供的基于点云图像的船舶识别方法一实施方式的流程图；

图2是本发明提供的几种不同类别船舶的点云图一实施方式的点云图像样本图；

图3是本发明提供的三维卷积神经网络一实施方式的网络结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。