[发明专利]一种自主航行中智能船舶外部目标的自动检测方法及系统

说明书

本发明公开了一种自主航行中智能船舶外部目标的自动检测方法及系统，所述方法包括：采集智能船舶周边的外部图像；提取外部图像的一级分类特征和二级分类特征，所述一级分类特征为代表性颜色特征和纹理特征，二级分类特征为几何特征、Hu不变矩特征和仿射不变矩特征组成的组合特征；将一级分类特征和二级分类特征输入预先训练好的障碍物目标检测模型，实现智能船舶周边的障碍物检测。本发明的方法基于图像提取特征进行障碍物以及周边船舶的检测，并对周边船舶进行定位，误差率低于10％。

技术领域

本发明涉及自主航行领域，具体涉及一种自主航行中智能船舶外部目标的自动检测方法及系统。

背景技术

无人船的发展已是当今航运领域发展的必然趋势。随着大数据、人工智能、传感器、物联网等新型技术的迅速发展，无人船已进入高速发展阶段，作为无人船的主要关键技术之一，自主航行功能的实现对于无人船则是重中之重。

在无人船的自主航行中，对周围是否存在其它船只或障碍物的检测非常关键，能够有效指导船只航线的规划和驾驶行为的决策。但是目前还未有有效的检测手段。

发明内容

本发明的目的在于克服上述技术缺陷，提出了一种自主航行中智能船舶外部目标的自动检测方法，该方法能够根据图像获取有效的信息，例如船航行时周围的障碍物、船只以及船的自身位置等。

为实现上述目的，本发明提出了一种自主航行中智能船舶外部目标的自动检测方法，所述方法包括：

采集智能船舶周边的外部图像；

提取外部图像的一级分类特征和二级分类特征，所述一级分类特征为代表性颜色特征和纹理特征，二级分类特征为几何特征、Hu不变矩特征和仿射不变矩特征组成的组合特征；

将一级分类特征和二级分类特征输入预先训练好的障碍物目标检测模型，实现智能船舶周边的障碍物检测。

作为上述方法的一种改进，所述障碍物目标检测模型采用Faster R-CNN，该模型使用感兴趣区域池化层，用以提取特征层上各个候选框的固定维度的特征表示；使用SoftMax非线性分类器，以多任务学习的方式同时进行分类和回归；通过构建区域建议网络提取候选框，采用区域提名、分类、回归操作一起共用的卷积特征。

作为上述方法的一种改进，所述方法还包括：对所述障碍物目标检测模型进行训练的步骤，具体包括：

建立训练样本集；所述训练样本集包括若干张带有标签的智能船舶周边的外部图片；

提取所有图片的一级分类特征和二级分类特征，所述一级分类特征为代表性颜色特征和纹理特征，二级分类特征为几何特征、Hu不变矩特征和仿射不变矩特征组成的组合特征；

以一级分类特征和二级分类特征为模型的输入，以该图片的标签为预期的输出，对模型进行训练。

作为上述方法的一种改进，所述方法还包括：当检测到障碍物目标为船舶时，采用双目摄像机对该船舶进行定位。

作为上述方法的一种改进，所述方法还包括：当检测到障碍物目标为船舶时，采用单目摄像机，结合视觉反馈出的障碍物的方向，通过雷达数据中获取智能船舶与障碍物的距离，实现周边船舶定位。

本发明还提供了一种自主航行中智能船舶外部目标的自动检测系统，所述系统包括：船只障碍物检测模型、特征提取模块和检测模块

所述特征提取模块，用于采集智能船舶周边的外部图像；提取外部图像的一级分类特征和二级分类特征，所述一级分类特征为代表性颜色特征和纹理特征，二级分类特征为几何特征、Hu不变矩特征和仿射不变矩特征组成的组合特征；

所述检测模块，用于将一级分类特征和二级分类特征输入预先训练好的目标检测模型，实现智能船舶周边的障碍物检测。