【技術實現步驟摘要】
本專利技術屬于圖像處理與水下探測領域，涉及一種基于模糊解耦的三維聲納目標檢測方法和裝置。
技術介紹
1、隨著海洋資源勘探需求的不斷增長，水下調查的重要性逐步提升。在這一背景下，3d聲學成像聲納作為最具吸引力的水下技術之一，因其能夠在光學可見范圍之外生成基于點的圖像，已成為業內關注的焦點。近年來，隨著3d成像聲納系統在水下調查中的廣泛應用，涵蓋了環境研究、導航、水下機器人視覺系統以及海洋工程等多個領域。在這些領域中，水下目標檢測系統對于幫助人類更清晰地識別對象發揮著至關重要的作用。
2、基于稀疏陣列成像的3d聲納系統由于其卓越性能，已成為主要的3d聲納成像技術。然而，在這一技術發展過程中，出現了兩個關鍵問題。首先，水下3d聲納成像對象具有多樣的形狀，如魚類和潛水員等移動對象，它們的形狀隱蔽且多變，在水下通常會伴隨大量冒起或呼出的氣泡。這些氣泡中蘊含豐富信息，對于對象識別至關重要，同時也是人類觀察者辨識對象的重要線索。因此，如何有效地利用目標周圍信息成為亟待解決的問題。其次，在基于稀疏陣列的3d聲納成像過程中，散斑噪聲和遠離主瓣的旁瓣上升問題也變得顯著。盡管基于稀疏陣列成像的3d聲納系統能夠有效減少平面陣列中元素的數量，提高成像效率，但這也引發了旁瓣上升的問題，從而在一定程度上降低了成像質量。因此，在高噪聲環境中有效提取目標特征點和獲得高效的回歸提議變得尤為緊迫。
3、另一方面，隨著pointnet的提出以及自動駕駛和家庭機器人領域的研究熱潮，越來越多的學者投入到3d物體檢測的研究中。在陸地上，利用lidar
技術實現思路
1、本專利技術要克服現有技術的上述缺點，提供一種基于模糊解耦的三維聲納目標檢測方法。
2、本專利技術的目的是為了應對3d聲吶成像中移動物體的可變形狀、高噪聲強度和弱異質性帶來的挑戰，本專利技術從模仿人類觀察三維聲納目標的思路，來對網絡進行適應性的改進。
3、本專利技術解決其技術問題所采用的技術方案是：
4、本專利技術的第一個方面提供了一種基于模糊解耦的三維聲納目標檢測方法，包括以下步驟：
5、s1為解決不同設備采集點云圖像可能導致的誤差，對原始點云進行歸一化公式如下：
6、
7、其中pi表示點云中的任意一點的強度，表示預處理后的點云強度，pmin和pmax分別表示整個點云中強度最大和最小的部分。
8、s2為了模仿人類觀察者，提高對目標周圍信息的利用，本專利技術首先基于先驗知識對聲納原始點云進行模糊特征解耦編碼，步驟如下：
9、s21點云數據表示為γ＝{(x,y,z)n}，其中n∈(1,2,3,...,n)，體素分辨率為(vω,vζ,vη)。這里，w,h和l分別表示場景的寬度、高度和長度。在對整個聲納場景進行體素化后，首要步驟是將所有點分配到它們各自的體素中。主要步驟包括建立模糊隸屬函數，將原始點云劃分，并對解耦的點云γ0進行并行模糊編碼轉換為γ1。
10、s22在點云的并行解耦過程中，決策主要基于點云本身的回波強度以及周圍k個最近鄰的信息。一個點的綜合強度定義如下：
11、
12、這里，rk代表代表距離r最近的k個點。
13、s23物體點通常具有較高的回波強度，與噪音和氣泡相關的回波強度較低形成對比。將高于亮點閾值的點分類為“亮點”，而一個點被認為是物體的可能性在亮點閾值以下時與其強度正相關。孿生點云通過一個模糊模型被解耦，由于物體和噪聲的集中，可能會發生局部的雙樣本不平衡，這可能導致雙點云數量的不匹配。為了解決這個問題，根據zadeh為物體點設計的模糊集合，實施了一種動態平衡策略，這個隸屬度函數定義如下：
14、
15、這里，a代表聲納亮點閾值，而α和β代表柯西分布中的調整函數。
16、s24分類后通過計算點云的平均x、y和z坐標，平均x、y和z強度以及三維空間格的物理中心的偏移度，組成兩條，每條共9個指標組成的點云特征編碼。
17、s3通過編碼后的特征分別通過vfe模塊進行特征提取，得到bev特征。vfe模塊的流程如下：
18、s31將如上9個特征的點云輸入到全連接網絡模塊fc(全連接層fc+批量標準化層bn+relu激活函數)得到m維的逐點特征。
19、s32經過最大池化隊上一步得到的m維特征進行逐單元聚合得到局部聚合特征。
20、s33分別拼接逐點特征和局部聚合特征得到聚合特征
21、s34最后聚合特征通過一個最大池化得到最終特征并按照原始點云的位置放置回原位置，得到多重體素特征圖(multi-map-view?features)
22、s4提取到完整特征后，通過主干網絡回歸熱力圖，及最終目標的三維框在bev視圖上的投影，熱力圖的中心點即為目標的中心點，同時預測三維框的長寬高和中心點的高度組成一階段的預測。基于高斯熱力圖的損失函數定義如下:
23、s41這里生成用于某個類別的高斯熱圖的數值用sigmoid函數顯示。此外，該方法將高斯半徑設定為如下：
24、
25、這里，rgaussian是熱圖中每個類別的高斯半徑，是最小允許的高斯半徑。在這項研究中，設置w和l分別是包圍框的寬度和長度，λ是高斯半徑函數。最后，通過解碼預測的高斯熱圖并將其與檢測頭部的輸出(w,h,l)和中心點的高度結合，得到了目標的3d包圍框。
26、s42本專利技術的一階段損失定義如下:
27、
28、這里，α和β是超參數，k是地面真實值中正目標的數量。在這項研究中，α＝2，β＝4。因子用于通過控制正負樣本來共享總損失的權重。α越大，越小，負樣本的權重就越有效地減少，而正樣本的權重相對增加。對于其他目標屬性，將各種變量合并成地面真實值的特征向量：gt＝(ug,vg,dg,wg,hg,lg)和檢測到的真值：dt＝(ud,vd,dd,wd,hd,ld)。因此，lossreg被定義如下：
29、
30、s43最終第一階段的損失表示如下:
31、
32、這里，l和損失權重，它們是自適應權重。在這個方法中，l＝1，
33、s5最后在第二階段利用馬爾可夫預測，從原始點云中提取額外點云后，通過s2步驟提取特征，并通過一個多頭感知機回歸得到最終提案。
34、s51第二階段根據第一階段sonarpoint的預測結果，預測邊界框的得分和精細化。本專利技術使用如下所示的分數υ:
35、υ＝min(1,max(0.2·本文檔來自技高網...
【技術保護點】
1.一種基于模糊解耦的三維聲納目標檢測方法；，包括以下步驟：
2.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟S1中對原始點云進行歸一化公式如下：
3.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟S2包括：
4.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟S3；包括：
5.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟S4；中基于高斯熱力圖的損失函數定義如下:
6.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟S5；包括：
7.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于：步驟S2中的基于先驗知識的模糊解耦編碼，第一，對點云場景進行體素級劃分并通過S23中定義的模糊隸屬度函數進行模糊劃分，第二，對解耦后的點云進行編碼，組成網格內獨特的點云編碼特征；；
8.一種基于模糊解耦的三維聲納目標檢測方法裝置，其特征在于，包括存儲器和一個或多
9.一種計算機可讀存儲介質，其特征在于，其上存儲有程序，該程序被處理器執行時，實現權利要求1-7中任一項所述的一種基于模糊解耦的三維聲納目標檢測方法。
...【技術特征摘要】
1.一種基于模糊解耦的三維聲納目標檢測方法；，包括以下步驟：
2.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟s1中對原始點云進行歸一化公式如下：
3.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟s2包括：
4.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟s3；包括：
5.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟s4；中基于高斯熱力圖的損失函數定義如下:
6.如權利要求1所述的一種基于模糊解耦的三維聲納目標檢測方法，其特征在于，步驟s5；包括：
7.如權利要...
【專利技術屬性】
技術研發人員：趙冬冬，蔡天誠，陳朋，黨源杰，
申請(專利權)人：浙江工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。