[发明专利]一种基于点云机器学习的水下物体自动识别系统和方法

权利要求书

1.一种基于点云机器学习的水下物体自动识别方法，其特征在于，包括如下步骤：

S02：接收多波束测量设备扫描的点云数据，当接收到的数据量达到某一阈值，则将扫描的数据进行统计滤波处理；

S04：将滤波后的数据照垂直投影到二维图像上，并按照高程赋色，形成扫描区域的二维图像；

S06：采用canny算子对二维图像进行边缘检测，获取物体边界，并对边界求凸包以保证物体边界为封闭边界；

S08：对获得的物体边界进行拓扑检测，将存在重叠的物体合并；

S10：利用边界对点云数据进行选择，同一个边界内的点云数据即为构成同一个物体的点云数据；

S12：根据构成同一个物体的点云数据计算所述同一个物体的基本特征参数，按照设置的条件以及计算出的所述基本特征参数对所述构成同一个物体的点云数据进行过滤；

S14：将过滤后的点云数据传递给利用PointNet++神经网络已训练完成的点云分类模型中，对过滤后的点云数据进行分类。

2.根据权利要求1所述的基于点云机器学习的水下物体自动识别方法，其特征在于，还包括在步骤S02之前的连接多波束测量设备步骤。

3.根据权利要求1所述的基于点云机器学习的水下物体自动识别方法，其特征在于，所述接收多波束测量设备扫描的点云数据还包括根据船的姿态数据和潮位数据对点云数据进行修正，接收到的点云数据是修正后的点云数据。

4.根据权利要求1所述的基于点云机器学习的水下物体自动识别方法，其特征在于，所述当接收到的数据量达到某一阈值包括多次接收数据，每次接收的数据包括上一次接收的数据的尾部数据以及新增数据。

5.根据权利要求1所述的基于点云机器学习的水下物体自动识别方法，其特征在于，所述滤波处理包括计算每个点到其最近的k个点平均距离并求出平均值和方差，点云中所有点的距离应构成高斯分布，根据均值与方差，可剔除方差之外的点。

6.根据权利要求1所述的基于点云机器学习的水下物体自动识别方法，其特征在于，所述按照高程赋色根据识别区域起伏情况自动调整颜色与高程对应关系。

7.根据权利要求1所述的基于点云机器学习的水下物体自动识别方法，其特征在于，所述基本特征参数包括面积、高度以及长宽。

8.根据权利要求6所述的基于点云机器学习的水下物体自动识别方法，其特征在于，所述多波束测量设备可通过两个多波束测量探头组成双探头同时测量。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有程序，所述程序能执行权利要求1-8中任一项所述的基于点云机器学习的水下物体自动识别方法。

10.一种基于点云机器学习的水下物体自动识别系统，其特征在于，所述系统能执行权利要求1-8中任一项所述的基于点云机器学习的水下物体自动识别方法。