[发明专利]一种基于深度学习的无人艇环境智能感知方法

说明书

本发明涉及一种基于深度学习的无人艇环境智能感知方法，包括：步骤1：获取训练图像数据集和测试图像数据集；步骤2：构建无人艇环境感知模型；步骤3：使用训练图像数据集训练无人艇环境感知模型；步骤4：使用测试图像数据集测试无人艇环境感知模型的精度，判断无人艇环境感知模型是否达到预设精度，若是，则执行步骤5，否则，返回步骤3；步骤5：获取无人艇视线范围内实时图像，输入无人艇环境感知模型对无人艇周围环境进行实时的目标识别、定位以及前方可行方向的分割。与现有技术相比，本发明具有同时实现目标识别和可行航道分割、输入图像大小不受约束、兼顾实时性和精确度等优点。

技术领域

本发明涉及无人艇环境感知技术领域，尤其是涉及一种基于深度学习的无人艇环境智能感知方法。

背景技术

海上无人系统作为一种颠覆性技术，将在未来社会中占有重要地位，是当前产业界和学术界的热点。目前，海上智能无人系统已成为产业发展的必然趋势，将重新定义船舶装备产业规则。传统船舶行业，手动遥控占比或70％以上，需要人工根据传感器信息实时操控。此外由于船舶控制的滞后性以及海况的复杂性，往往需要具备一定的航行经验才能胜任船长一职，在某些需要精准操控的动力定位场景，需要有经验、受过专业训练的DPO方可操控。传统船舶智能化、无人化应用场景广泛，可大大提升传统船舶行业的精准性、安全性，提升生产效率。

目前针对无人艇的目标识别技术的研究不断进行，例如中国专利CN107609601A中公开了一种基于多层卷积神经网络的舰船目标识别方法，该方法仅适用多层卷积神经网络实现舰船目标的识别，该方法虽然目标识别的精度较高，但该方法仅能对舰船目标进行识别，无法实现对航行方向上的可行航道分割。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种同时实现目标识别和可行航道分割、输入图像大小不受约束、兼顾实时性和精确度的基于深度学习的无人艇环境智能感知方法。

本发明的目的可以通过以下技术方案来实现：

一种基于深度学习的无人艇环境智能感知方法，用于实现无人艇周围环境目标识别与定位以及前方可行方向的分割，包括：

步骤1：获取训练图像数据集和测试图像数据集；

步骤2：构建无人艇环境感知模型；

步骤3：使用训练图像数据集训练无人艇环境感知模型；

步骤4：使用测试图像数据集测试无人艇环境感知模型的精度，判断无人艇环境感知模型是否达到预设精度，若是，则执行步骤5，否则，返回步骤3；

步骤5：获取无人艇视线范围内实时图像，输入无人艇环境感知模型对无人艇周围环境进行实时的目标识别、定位以及前方可行方向的分割。

优选地，所述的无人艇环境感知模型包括编码器结构和解码器结构；

所述的编码器结构和解码器结构相连；

所述的编码器结构的输入信号为训练图像数据集中的训练图像、测试图像数据集中的测试图像或无人艇视线范围内实时图像。

更加优选地，所述的编码器结构具体为深度卷积神经网络；所述的编码器结构包括依次相连的第一卷积层、第一池化层、第二池化层、第三池化层、第四池化层和第五池化层；所述的第一池化层、第二池化层、第三池化层、第四池化层和第五池化层均为2×2池化层。

更加优选地，所述的解码器结构包括检测解码单元、分类解码单元和分割解码单元；

所述的检测解码单元的输入信号包括第四池化层的输出信号和第五池化层的输出信号；

所述的分类解码单元的输入信号为第五池化层的输出信号；