[发明专利]一种基于机器视觉与多源数据融合的海上船舶检测方法

权利要求书

1.一种基于机器视觉与多源数据融合的海上船舶检测方法,其特征在于,包括步骤：

S1、获取目标船舶的数据，并通过YOLOv5目标检测算法训练得到所需船舶的目标检测模型，训练时采用Pixels-IoU函数来代替YOLOv5目标检测算法中原有的GIoU损失函数；

S2、通过所述目标检测模型得到目标船舶的数据，并用图像坐标表示，得到图像信息；

S3、获取AIS信息和雷达数据，将雷达数据转换为AIS下的同一坐标系，得到数据信息；

S4、根据所述图像信息和数据信息进行融合后对海上船舶进行检测。

2.根据权利要求1所述的基于机器视觉与多源数据融合的海上船舶检测方法，其特征在于，所述的获取目标船舶的数据具体为：

通过传感器采集网络上的目标船舶图片和实船摄像头拍摄的目标船舶图片，并利用labelImg将所有采集的图片标记为yolo格式文件。

3.根据权利要求1所述的基于机器视觉与多源数据融合的海上船舶检测方法，其特征在于，步骤S2具体为：

S21、通过目标检测模型得到目标船舶的数据，所述目标船舶的数据包括目标船舶的类型和位置信息；

S22、将所述目标船舶的位置信息用图像坐标表示，得到图像信息。

4.根据权利要求1所述的基于机器视觉与多源数据融合的海上船舶检测方法，其特征在于，步骤S3具体为：

S31、利用张正友相机标定法对摄像机进行标定，得到所述相机的内参、外参和畸变系数；

S32、通过传感器获取AIS信息和雷达数据进行对准处理，并将所述雷达数据转换为AIS信息的同一坐标系下，得到3D坐标数据集；

S33、根据所述相机的内参、外参、畸变系数和3D坐标数据集求解投影后的2D坐标，并转换到图像坐标系，得到数据信息。

5.根据权利要求1所述的基于机器视觉与多源数据融合的海上船舶检测方法，其特征在于，步骤S4具体为：

对所述图像信息和数据信息分配权重，得到融合后的数据，根据所述融合后的数据对海上船舶进行检测。

6.根据权利要求1所述的基于机器视觉与多源数据融合的海上船舶检测方法，其特征在于，步骤S1还包括：

将由空间注意力和通道注意力共同组成的注意力机制模块添加至YOLOv5目标检测算法的船舶特征提取网络中，对船舶特征向量进行筛选加权。

7.根据权利要求1所述的基于机器视觉与多源数据融合的海上船舶检测方法，其特征在于，所述Pixels-IoU函数具体为：

式中，

S_b∪b′＝w*h+w′*h-S_b∩b′

其中，p(i,j)为图像中的一个像素点，c为OBB框的中心点，w为OBB框的宽度，h为OBB框的高度，t(i,j)为p到box中心线的垂线的交点，p到t的距离记为dh(i,j)，c到t的距离记为dw(i,j)，b为预测框，b'为真实框，F为取两个内核的乘积，w'为真实框b'的宽度，h'为真实框b'的高度，B_b,b'为包围b和b'的最小正方形。