[发明专利]船载摄像头的单目水面目标分割及单目测距方法

权利要求书

1.一种船载摄像头的单目水面目标分割及单目测距方法，其特征在于，至少包括如下步骤：

S1、从船载摄像头拍摄的视频流中按帧读取图像；

S2、从步骤S1中抽取关键帧，针对抽取的关键帧，对所有出现在视觉范围内的环境进行目标检测，从中筛选出目标；

S3、基于筛选出的目标和实际的应用场景，进行二维边界框框定和图像分割，获取当前视频帧中目标信息；

S4、根据激光测距获取的摄像头到目标底部的距离数据以及步骤S3获取的目标信息，计算目标对应的传感器系数；

S5、建立几何关系测距模型，根据几何关系测距模型，并利用步骤S4得到的目标对应的传感器系数，计算目标与单目摄像头之间的水平距离；

S6、根据步骤S5得到的目标与单目摄像头之间的水平距离，建立视场角优化模型进行视场角优化，获得目标与单目摄像头之间的距离。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，所述船载摄像头的安装位置固定，其视场角和俯仰角可自由调整。

3.根据权利要求1所述的方法，其特征在于，步骤S2中，采用基于深度卷积神经网络的目标检测算法Faster R-CNN处理图像，其网络结构包括RPN和Fast R-CNN两个部分，其中，RPN用于预测输入图像中可能包含目标的候选区域，Fast R-CNN用于分类RPN预测的候选区域。

4.根据权利要求3所述的方法，其特征在于，步骤S2中，通过基于深度卷积神经网络的目标检测算法Faster R-CNN进行目标检测的步骤包括：

1)采用预训练网络模型初始化RPN网络参数，通过随机梯度下降算法和反向传播算法微调RPN网络参数；

2)采用预训练网络模型初始化Faster R-CNN目标检测网络参数，并用步骤1)中的RPN网络提取候选区域，训练目标检测网络；

3)采用步骤2)中训练好的目标检测网络重新初始化并微调RPN网络参数，得到新的RPN网络；

4)采用步骤3)中的RPN网络提取候选区域，并对步骤2)中训练好的目标检测网络参数进行微调；

5)重复步骤3)和步骤4)，直至达到最大迭代次数或网络收敛。

5.根据权利要求1所述的方法，其特征在于，步骤S3中，采用实例分割网络进行图像分割，即基于区域协方差引导的卷积神经网络算法。

6.根据权利要求5所述的方法，其特征在于，基于区域协方差引导的卷积神经网络算法包括如下步骤：

1)以像素为单元提取关键帧的低级特征；

2)以多维特征向量为基础构造区域协方差；

3)以协方差矩阵为训练样本构造卷积神经网络模型；

4)基于局部和全局对比度原则计算图像显著性；

5)框出显著的目标，获取目标信息。

7.根据权利要求5或6所述的方法，其特征在于，步骤S4中，根据实例分割网络获取的目标信息，进行坐标系转换后，再结合激光测距获取的距离数据从而计算出目标对应的传感器系数。

8.根据权利要求1所述的方法，其特征在于，步骤S5中，目标与单目摄像头之间的水平距离计算过程包括如下：

1)获取所述船载摄像头离水平面的高度H和所述船舶摄像头的焦距f；

2)获取所述船载摄像头拍摄目标时的俯仰角pitch；

3)获取所述船载摄像头测量目标在图像中的高度的像素大小h；

4)通过下述公式(1)计算确定所述船载摄像头与目标之间的水平距离：

其中，k为步骤S4中所述的传感器系数。