[发明专利]基于机器视觉的船舶空重载识别方法

权利要求书

1.基于机器视觉的船舶空重载识别方法，其特征在于，包括如下步骤：

S1：远程控制水上无人机在水面上运动，采集船舶表面的水尺视频数据；

S2：对采集的水尺视频数据进行预处理，截取水尺感兴趣区域；

S3：根据截取水尺感兴趣区域，判定吃水线水平方向上的预测区间；

S4：得到的水平方向上预测区间，计算曲线斜率得到吃水线竖直方向上的预测区间；

S5：根据得到的水平方向上预测区间和竖直方向上预测区间，识别出船舶吃水线及相应字符具体位置，得出船舶当前的空重载量。

2.根据权利要求1所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S1中采集船舶表面的水尺视频数据具体包括船舶的船首、船尾、两侧船舷均设有吃水刻度线，且水尺为白色标记，搭载有摄像头的水上无人机靠近船首、船尾和两侧船舷拍摄。

3.根据权利要求2所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S1中水上无人机包括动力推进模块、摄像模块和无线通信模块，远程控制端控制水上无人机运动和采集水尺视频数据。

4.根据权利要求3所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S1中水上无人机于离船体表面8米范围内，船舶吃水线处采集船舶表面的水尺视频数据，对采集的视频文件进行保存，对拍摄的视频图像按照固定帧数截取得到处理图片。

5.根据权利要求1所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S2中对采集的水尺视频数据进行预处理，包括图像去噪、高斯平滑、直方图均衡化和增强图像对比度。

6.根据权利要求5所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S2中截取水尺感兴趣区域包括如下步骤：

S11：将图片放缩到规定的输入尺寸(960，680)，长宽小于规定尺寸则进行像素值为128的像素填充；

S12：阈值化处理，将图片变为二值图片；

S13：提取二值图片轮廓信息，提取图片上所有连通域的轮廓，对S12得到的二值图片进行处理，通过处理后的二值图片进行颜色聚类，颜色聚类后的图片进行竖直方向上的投影；

S14：对图像在竖直方向上进行直方图投影，在投影图上进行滑动窗口搜索。

7.根据权利要求6所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S12中阈值化处理包括将图片变为二值图片，包括如下步骤：

S21：对采集的船舶水尺图像进行灰度化处理，将图片输入到双边滤波器中，使得保留图片内部边缘并且降低噪声，输出像素的值依赖于邻域像素值的加权值组合：

S22：基于滤波降噪后的图像，根据局部邻域内像素值确定阈值，利用自适应阈值处理得到二值图片。

8.根据权利要求1所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S3中判定吃水线水平方向上的预测区间，包括如下步骤：

S31：在S12中得到的二值图片上进行查找轮廓的操作，得到整张图片中所有轮廓及其坐标位置；

S32：将整张图片的宽度划分为k个区间:len＝width/k；

S33：根据S31得到的轮廓所在坐标位置，以及划分区间，将S31得到的轮廓所在坐标位置划归到对应的区间，记第n个区间内包含的轮廓数为Cn；

S34：从图片左侧开始筛选包含轮廓最大的区间，但要求轮廓数多于50个，并且满足和上一区间轮廓数、下一区间轮廓数相加都不大于300个，则在水平方向上认为该区间为水线范围：Cpmax＝max{Cp}；

S35：拥有符合要求的最大轮廓数Cpmax所在的区间len(p-1,p)被认定为水平方向上的水线范围，将此水平方向上的水线范围作为水平方向上预测区间。

9.根据权利要求7所述的基于机器视觉的船舶空重载识别方法，其特征在于，所述S14中滑动窗口搜索包括如下步骤：

S41：确定滑动搜索框的大小，滑动框大小与检测图片中数字大小相适应，确保滑动框的宽度能比水尺读数部分如包括数字、单位的最大宽度大一些；

S42：确定滑动搜索框的起始点；

S43：确定滑动搜索框的搜索策略，水尺读数区域的像素聚集在某个区域，具有一定的连续性；

S44：确定滑动搜索的终止条件；

S45：根据滑动框滑动区域，截取感兴趣的水尺读数区域。