[发明专利]基于视觉与GPS的目标船融合定位方法

说明书

本发明属于海洋测绘技术领域，具体涉及一种基于视觉与GPS的目标船融合定位方法，包括以下步骤：步骤1：基于YOLOv5和Deep Sort算法的目标船识别跟踪；步骤2：相机成像模型及坐标转换；步骤3：构建相对坐标的测量模型；步骤4：相机与GPS空间频率同步；步骤5：利用DTW算法对视觉轨迹和GPS轨迹进行匹配；步骤6：基于EKF算法的视觉感知与GPS融合定位。本发明所提出的视觉定位方法具有被动式、高精度测量的优点。

技术领域

本发明属于海洋测绘技术领域，具体涉及一种基于视觉与GPS的目标船融合定位方法。

背景技术

目前，对于水面目标船的探测和定位方式较为单一，往往依赖于单一传感器，无法实现精准定位，比如视觉定位、雷达、GPS等全球导航定位系统等，GPS具有覆盖范围广的优势，但定位精度不够高，存在较大的偶然误差与系统误差；雷达存在一定的盲区，且探测精度容易收到恶劣海况、海杂波等的影响；而基于相机的视觉定位，其定位精度受限于环境光线强度和相机成像质量等。综上可知，利用单个传感器完成对目标船的探测很难保证其稳定性和准确性，利用多传感进行融合定位已经成为目标探测技术的一个发展趋势。

基于相机和GPS信息融合的技术方案很好的结合了两种传感器的优势，其中相机可以获取物标更多的颜色和纹理信息，方便对物标的识别和跟踪，但对于远距离小目标的定位误差较大；而对于GPS定位而言，其定位精度高，但易受天气和位置的影响，如天气不佳、卫星数较少、卫星分布较差的区域，GPS定位精度也随之变差。

发明内容

本发明的目的在于提供一种基于视觉与GPS的目标船融合定位方法，以解决背景技术中存在的问题。

为实现上述目的，本发明提供如下技术方案：一种基于视觉与GPS的目标船融合定位方法，包括以下步骤：

步骤1：基于YOLOv5和Deep Sort算法的目标船识别跟踪；

步骤2：相机成像模型及坐标转换；

步骤3：构建相对坐标的测量模型；

步骤4：相机与GPS空间频率同步；

步骤5：利用DTW算法对视觉轨迹和GPS轨迹进行匹配；

步骤6：基于EKF算法的视觉感知与GPS融合定位。

优选地，步骤1中，利用训练好的YOLOv5网络模型对输入视频进行检测，YOLOv5算法会分析输入视频一个输入帧，识别该帧图像中的目标信息，输出该目标的类别(ID)，以及归一化后的边界框信息(U，V，W，H)，接着for循环依次读取输入视频的每一帧，依次输出检测的结果，将检测结果作为Deep Sort算法的输入；Deep Sort算法将前一帧的轨迹信息经卡尔曼滤波算法进行预测，得到不确定态轨迹信息，将前一帧的预测轨迹信息与当前帧输入的检测框信息之间的马氏距离及基于外观特征向量的余弦距离，采用线性加权的方式得到联合匹配信息，最后利用匈牙利算法进行匹配，采用级联匹配算法更新跟踪结果。

优选地，步骤2中，相机的成像模型在理想状态下是一种中心投影的线性模型，目标定位是基于小孔成像模型，所以建立像素坐标系与世界坐标系之间的关系很重要，两者之间的转换是利用相机坐标系和图像坐标系进行的。

优选地，所述步骤2中，包括四中坐标系，分别为世界坐标系、相机坐标系、图像坐标系和像素坐标系。

优选地，所述步骤2中，从像素坐标系转成世界坐标系需要进行三次转换，

1)从世界坐标系转换成相机坐标系