[发明专利]一种基于AUV的侧扫声呐图像识别方法

权利要求书

1.一种基于AUV的侧扫声呐图像识别方法，具体步骤如下：

步骤一、通过搭载在AUV上的侧扫声呐图像识别系统采集并获取声呐原始数据流；

步骤二、对步骤一中所获声呐原始数据流进行实时解析，然后将解析后的数据进行声呐图像的拼接，并对其进行矫正；

步骤三、将步骤二实时解析后的图像输入到提前训练好的深度卷积神经网络模型之中，实时进行识别，并且在识别的过程中计算目标点的经纬度；

步骤四、将识别的结果和目标点的经纬度转换成相应的系统指令，反馈给AUV，AUV对于识别的结果进行相应的决策。

2.根据权利要求1所述的基于AUV的侧扫声呐图像识别方法，其特征在于：所述步骤一中，采集依据的准则是：在AUV左右各安装一条侧扫声纳的换能器，首先发射一个短促的声脉冲，声波按球面波方式向外传播，碰到海底或水中物体会产生散射，其中的反向散射波会按原传播路线返回，被换能器接收，经换能器转换成一系列电脉冲，而后将每一发射周期的接收数据一线接一线地纵向排列，显示在显示器上，构成二维海底地貌声图，声图平面和海底平面成逐点映射关系，声图的亮度包涵了海底的特征。

3.根据权利要求1所述的基于AUV的侧扫声呐图像识别方法，其特征在于：所述步骤二主要包括以下几步：

一、将每一数据包的原始声强信号转换成像素值，将像素值进行归一化；

二、将处理好的数据转成图片格式，每5秒处理一次；

三、上述的数据进行裁剪，然后进行双线性插值，处理成深度卷积神经网络所需要的数据大小，作为神经网络的输入。

4.根据权利要求1所述的基于AUV的侧扫声呐图像识别方法，其特征在于：所述搭载在AUV上的侧扫声呐图像识别系统包括侧扫声纳数据采集单元、在线解析原始数据单元、声呐图像识别单元和AUV执行机构。

所述侧扫声纳数据采集单元通过侧扫声呐传感器采集声呐数据，侧扫声呐传感器逐条扫描海底，将每条扫描线记录为一个数据包，通过转换模块将采集到的数据转变成通用的原始数据流，并将AUV执行机构的控制模块发送的AUV当前位置和姿态角整合到每一数据包的数据流中；

所述在线解析原始数据单元将所获声呐原始数据流进行实时解析，将解析后的数据进行声呐图像的拼接，并对其进行矫正；

所述声呐图像识别单元包含了图像分割模块和自导模块，用基于此两个模块的深度神经网络提前将侧扫声纳采集的数据进行训练，得到泛化能力较好的模型，将此模型载入到声呐图像识别单元，当AUV行进过程中采集到声呐数据后，声呐图像识别单元会实时进行识别，并且在识别的过程中计算目标点的经纬度；

将声呐识别结果以及目标点对应的经纬度转换成相应的系统指令，输送至所述AUV执行机构的控制模块，AUV执行机构针对识别结果进行决策，获取更丰富和精准的海底信息，进行下一步路径规划。

5.根据权利要求1所述的基于AUV的侧扫声呐图像识别方法，其特征在于：所述步骤三中，深度卷积神经网络模型其构建步骤如下：

步骤1、获取训练样本集，并对其依据不同声呐图像类别设定标签，所述声呐图像类别包括沙波、珊瑚礁、渔网，训练样本集主体来自步骤一、二获取的数据；

步骤2、对训练样本集进行预处理：

(1)图像尺寸处理，采集的侧扫声呐数据包括沙波、珊瑚礁、渔网，将沙波和珊瑚礁的数据尺寸设置为500像素×500像素，将渔网的数据尺寸设置为224像素×224像素，这三组数据均为RGB图像；

(2)样本集图像数据扩充，采用旋转变换、缩放变换、水平和垂直翻转变换以及随机改变亮度、对比度和颜色对样本集图像进行数据增强，由数据增强对图像样本进行数据扩充；

(3)对处理好的数据进行打标签处理，按照不同声呐图像类别将采集的图像分别保存，从而构建深度学习集，三种数据集的标签分别设为1、2、3，背景设为0，按照标签类别分类保存图像；

步骤3、将经处理后获得的训练数据集图像作为训练样本，构建深度卷积神经网络模型；所述网络模型包括分割模块，自导模块，两个模块依次相连构成整体网络结构。