[发明专利]一种多波束前视声呐水下障碍物鲁棒检测方法有效
申请号: | 202010035712.2 | 申请日: | 2020-01-14 |
公开(公告)号: | CN111208521B | 公开(公告)日: | 2021-12-07 |
发明(设计)人: | 陈德山;周鹏;刘衡睿 | 申请(专利权)人: | 武汉理工大学 |
主分类号: | G01S15/89 | 分类号: | G01S15/89;G01S15/93 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 黎扬鹏 |
地址: | 430063 湖北省*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 波束 声呐 水下 障碍物 检测 方法 | ||
1.一种多波束前视声呐水下障碍物鲁棒检测方法,其特征在于,包括:
获取一组不含障碍物的第一数据,以及获取一组包含前景障碍物的第二数据;
根据所述第一数据构建结构化噪声模型,并根据所述结构化噪声模型确定多帧结构化噪声图像上各点的概率;
根据所述第二数据构建障碍物模型,并根据所述障碍物模型确定多帧障碍物声呐图像上各点的概率;
对所述多帧障碍物声呐图像进行图像配准处理,得到多帧配准障碍物图像;
将所述多帧结构化噪声图像和多帧配准障碍物图像进行声呐图像信息融合,得到完整的前景,并确定障碍物;
其中,所述根据所述第一数据构建结构化噪声模型,并根据所述结构化噪声模型确定多帧结构化噪声图像上各点的概率,包括:
根据第一数据中声呐图像各点连续时间序列对应的像素值的分布情况,建立初始化的结构化噪声模型;
根据所述初始化的结构化噪声模型对第一数据进行训练,确定第一拟合参数组;
根据所述第一拟合参数组,确定优化后的结构化噪声模型;
对所述结构化噪声模型进行离散归一化处理,确定声呐图像连续帧的各点是背景的概率;
所述根据所述第二数据构建障碍物模型,并根据所述障碍物模型确定多帧障碍物声呐图像上各点的概率这一步骤,包括:
根据声波衰减公式和距离补偿公式,确定增益方程;
根据增益方程确定分割阈值;
根据分割阈值构建障碍物模型;
根据所述障碍物模型对声呐图像中障碍物各像素点对应的概率进行归一化处理,确定多帧障碍物声呐图像上各点的概率;
所述声波衰减公式为:
所述距离补偿公式为:
所述增益方程为:
所述分割阈值为:
T*=Teθ*d=Tγ;
所述障碍物模型为:
其中,I表示声波衰减强度,I*表示距离补偿声强,即声呐图像像素值,θ0和θ1分别表示衰减系数和补偿系数,d表示声波传播距离,γ表示增益方程,θ*表示增益系数,p(xij,t)为各点前景概率,为横向伸缩参数,T为初始分割阈值,T*为改进后的分割阈值。
2.根据权利要求1所述的一种多波束前视声呐水下障碍物鲁棒检测方法,其特征在于,所述获取一组不含障碍物的第一数据,以及获取一组包含前景障碍物的第二数据后,还包括:
将所述第一数据和第二数据转换成灰度图像;
按照时间序列对所述第一数据和第二数据进行标注;
对第一数据中声呐图像的像素进行归一化处理。
3.根据权利要求1所述的一种多波束前视声呐水下障碍物鲁棒检测方法,其特征在于,所述将所述多帧结构化噪声图像和多帧配准障碍物图像进行声呐图像信息融合,得到完整的前景,并确定障碍物,包括:
将所述多帧结构化噪声图像和多帧配准障碍物图像进行声呐图像信息融合;
将融合结果使用中值滤波处理,得到完整的前景并检测出障碍物。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010035712.2/1.html,转载请声明来源钻瓜专利网。