【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于速度測量領(lǐng)域的一種運動目標(biāo)的速度測量方法，具體涉及了一種基于視覺的水下運動目標(biāo)速度測量方法和系統(tǒng)。
技術(shù)介紹
1、水下運動物體的速度信息，對于水下設(shè)備的導(dǎo)航、定位以及控制，具有重要作用。目前，大型水下運動設(shè)備多采用多普勒效應(yīng)測量物體速度。該方法測量精度高，但存在設(shè)備體積大、造價高的問題。為擺脫上述設(shè)備制約，提供多樣化的水下目標(biāo)測速方法，利用視覺檢測的方式測量水下運動設(shè)備的位移速度是必要的。
2、近年來，水下光學(xué)技術(shù)因其自身特點，廣泛應(yīng)用于水下生物檢測、水下機(jī)器人研究等多個研究方面。當(dāng)前對于水下視覺測量方法的研究，集中在檢測水下目標(biāo)，對水下目標(biāo)的速度測量研究較少。
3、針對地面環(huán)境運動目標(biāo)的視覺測速方法，在環(huán)境復(fù)雜的存在大量水生生物、水體雜質(zhì)的自然水體中，表現(xiàn)較差，缺少對于水下環(huán)境目標(biāo)的針對性適配。
4、綜上所述，針對水下復(fù)雜水體環(huán)境，有必要提出一種基于視覺的水下運動目標(biāo)的速度測量方法。
技術(shù)實現(xiàn)思路
1、為解決現(xiàn)有水下測速設(shè)備所帶來的問題，本專利技術(shù)提供了一種基于視覺的水下運動目標(biāo)速度測量方法和系統(tǒng)，其可以緩解地面視覺測速方法在水下環(huán)境中的表現(xiàn)不足，為水下測速提供多角度的速度測量精確性支撐，提供了多樣化的水下目標(biāo)測速方法。
2、本專利技術(shù)的技術(shù)方案為：
3、一、一種基于視覺的水下運動目標(biāo)速度測量方法
4、s1：獲取水下目標(biāo)運動圖像序列；
5、s2：利用目標(biāo)檢測模塊對水下目標(biāo)運動圖像序列
6、s3：根據(jù)各圖像幀的目標(biāo)區(qū)域，利用目標(biāo)位置提取模塊提取各圖像幀中目標(biāo)的特征及位置；
7、s4：根據(jù)各圖像幀中目標(biāo)的特征及位置，利用測速模塊檢測目標(biāo)的速度，從而完成水下運動目標(biāo)的速度測量。
8、所述s2中，目標(biāo)檢測模塊包括依次相連的圖像特征提取網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，其中所述圖像特征提取網(wǎng)絡(luò)包括第一卷積模塊和多組特征提取模塊，第一卷積模塊與第一組特征提取模塊相連，圖像特征提取網(wǎng)絡(luò)的輸入作為第一卷積模塊的輸入，多組特征提取模塊之間依次相連；除了第一組特征提取模塊，其他組特征提取模塊通過特征融合網(wǎng)絡(luò)與預(yù)測網(wǎng)絡(luò)相連。
9、每組所述特征提取模塊包括相連的第二卷積模塊和注意力特征提取模塊，每組所述特征提取模塊的輸入作為第二卷積模塊的輸入，注意力特征提取模塊的輸出作為每組所述特征提取模塊的輸出；所述注意力特征提取模塊包括第三卷積模塊、瓶頸結(jié)構(gòu)模塊、基于eca注意力機(jī)制的通道特征融合模塊；注意力特征提取模塊的輸入作為第三卷積模塊的輸入，第三卷積模塊的輸出在通道維度進(jìn)行拆分后獲得第一卷積后的特征和第二卷積后的特征，第二卷積后的特征經(jīng)第一瓶頸結(jié)構(gòu)模塊后再與第二瓶頸結(jié)構(gòu)模塊相連，第三卷積模塊的輸入、第一卷積后的特征、第一瓶頸結(jié)構(gòu)模塊的輸出以及第二瓶頸結(jié)構(gòu)模塊的輸出在通道維度進(jìn)行拼接后再輸入到基于eca注意力機(jī)制的通道特征融合模塊中，基于eca注意力機(jī)制的通道特征融合模塊用于進(jìn)行通道維度的特征圖權(quán)重再分配。
10、所述基于eca注意力機(jī)制的通道特征融合模塊包括依次相連的第四卷積模塊和eca注意力機(jī)制模塊。
11、所述圖像特征提取網(wǎng)絡(luò)進(jìn)行位置回歸時，錨框回歸損失采用改進(jìn)siou損失函數(shù)，使得錨框沿對角線方向回歸，公式如下：
12、lsiou-改=1-iou+(△+ω)/2
13、△=2-e^((λ-2)×(cw/cw)2)?-e^((λ-2)×(ch/ch)2)
14、ω=(1-?e^(-(|w-wgt|)/max(w,wgt))θ+?e^(-(|h-hgt|)/max(h,hgt))θ
15、λ=cos(2×arcsin(x+π/4))
16、其中，lsiou-改為錨框回歸損失，iou為預(yù)測框與實際框的交并比，θ為錨框回歸損失對形狀損失的關(guān)注程度，△為中心點的距離損失，ω為錨框形狀損失，λ為回歸角度損失，w,h,wgt,hgt分別為預(yù)測框的寬、高及實際框的寬、高，cw,ch為預(yù)測框與實際框中心點距離在x軸、y軸方向上的分量，cw,?ch為預(yù)測框與實際框的最小外接矩形的寬和高，x為兩框中心點間角度，|?|為取絕對值，^表示冪次方。
17、所述目標(biāo)位置提取模塊包括依次相連的邊緣輪廓提取模塊、異常值剔除模塊、質(zhì)心坐標(biāo)計算模塊。
18、所述邊緣輪廓提取模塊包括依次相連的灰度圖轉(zhuǎn)化模塊、自適應(yīng)二值化模塊和基于suzuki-abe方法的條紋邊緣提取模塊。
19、所述異常值剔除模塊中，首先對邊緣輪廓提取模塊輸出的初始邊緣輪廓進(jìn)行異常值檢測，獲得異常邊緣點；然后分別計算每個目標(biāo)區(qū)域的異常值占比，對于異常值占比小于預(yù)設(shè)閾值的目標(biāo)區(qū)域，剔除異常邊緣點后再利用線性插值方式補(bǔ)全目標(biāo)邊緣，若目標(biāo)區(qū)域的異常值占比大于預(yù)設(shè)閾值，則剔除該目標(biāo)區(qū)域中的整條目標(biāo)邊緣；最后，將最終的目標(biāo)邊緣輪廓發(fā)送給質(zhì)心坐標(biāo)計算模塊。
20、所述s4具體為：
21、s41：對各圖像幀中每個目標(biāo)的特征位置進(jìn)行排序，獲得每個目標(biāo)對應(yīng)的特征位置序列；
22、s42：對每個目標(biāo)的特征進(jìn)行匹配后，獲得每個目標(biāo)的特征匹配結(jié)果；
23、s43：利用單目相機(jī)標(biāo)定方法將每個目標(biāo)的特征位置序列中的每個位置從像素坐標(biāo)系依次轉(zhuǎn)換為世界坐標(biāo)系，從而獲得每個目標(biāo)的實際距離序列；
24、s44：計算每個目標(biāo)的實際距離序列中相鄰兩個位置之間的位移，根據(jù)位移剔除每個目標(biāo)的實際距離序列中異常的實際距離，從而獲得處理后的實際距離序列；
25、s45：基于每個目標(biāo)的特征匹配結(jié)果，若處理后的實際距離序列中由同一特征的連續(xù)n幀的實際距離組成，則計算多組間隔k幀的位移并求均值后再作為當(dāng)前目標(biāo)的運動速度；若處理后的實際距離序列中包含不同特征且同一特征出現(xiàn)的幀號間隔l幀，則根據(jù)每個目標(biāo)的特征間隔，計算超出相機(jī)區(qū)域的特征所在的實際距離，再結(jié)合該特征的多個實際距離計算當(dāng)前目標(biāo)的運動速度。
26、二、一種基于視覺的水下運動目標(biāo)速度測量系統(tǒng)
27、圖像采集模塊，用于獲取水下目標(biāo)運動圖像序列；
28、目標(biāo)檢測模塊，用于對水下目標(biāo)運動圖像序列中的各圖像幀進(jìn)行目標(biāo)檢測，獲得各圖像幀對應(yīng)的目標(biāo)區(qū)域；
29、目標(biāo)位置提取模塊，用于根據(jù)各圖像幀的目標(biāo)區(qū)域提取各圖像幀中目標(biāo)的特征及位置；
30、測速模塊，用于根據(jù)各圖像幀中目標(biāo)的特征及位置檢測目標(biāo)的速度，從而完成水下運動目標(biāo)的速度測量。
31、三、一種計算機(jī)設(shè)備
32、所述計算機(jī)設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)所述基于視覺的水下運動目標(biāo)速度測量方法的步驟。
33、四、一種計算機(jī)可讀存儲介質(zhì)
34、所述計算機(jī)可讀存儲介質(zhì)上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)所述基于視覺的本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述S2中，目標(biāo)檢測模塊包括依次相連的圖像特征提取網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，其中所述圖像特征提取網(wǎng)絡(luò)包括第一卷積模塊和多組特征提取模塊，第一卷積模塊與第一組特征提取模塊相連，圖像特征提取網(wǎng)絡(luò)的輸入作為第一卷積模塊的輸入，多組特征提取模塊之間依次相連；除了第一組特征提取模塊，其他組特征提取模塊通過特征融合網(wǎng)絡(luò)與預(yù)測網(wǎng)絡(luò)相連。
3.根據(jù)權(quán)利要求2所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，每組所述特征提取模塊包括相連的第二卷積模塊和注意力特征提取模塊，每組所述特征提取模塊的輸入作為第二卷積模塊的輸入，注意力特征提取模塊的輸出作為每組所述特征提取模塊的輸出；所述注意力特征提取模塊包括第三卷積模塊、瓶頸結(jié)構(gòu)模塊、基于ECA注意力機(jī)制的通道特征融合模塊；注意力特征提取模塊的輸入作為第三卷積模塊的輸入，第三卷積模塊的輸出在通道維度進(jìn)行拆分后獲得第一卷積后的特征和第二卷積后的特征，第二卷積后的特征經(jīng)第一瓶頸
4.根據(jù)權(quán)利要求3所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述基于ECA注意力機(jī)制的通道特征融合模塊包括依次相連的第四卷積模塊和ECA注意力機(jī)制模塊。
5.根據(jù)權(quán)利要求2所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述圖像特征提取網(wǎng)絡(luò)進(jìn)行位置回歸時，錨框回歸損失采用改進(jìn)SIoU損失函數(shù)，使得錨框沿對角線方向回歸，公式如下：
6.根據(jù)權(quán)利要求1所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述目標(biāo)位置提取模塊包括依次相連的邊緣輪廓提取模塊、異常值剔除模塊、質(zhì)心坐標(biāo)計算模塊。
7.根據(jù)權(quán)利要求6所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述邊緣輪廓提取模塊包括依次相連的灰度圖轉(zhuǎn)化模塊、自適應(yīng)二值化模塊和基于Suzuki-Abe方法的條紋邊緣提取模塊。
8.根據(jù)權(quán)利要求6所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述異常值剔除模塊中，首先對邊緣輪廓提取模塊輸出的初始邊緣輪廓進(jìn)行異常值檢測，獲得異常邊緣點；然后分別計算每個目標(biāo)區(qū)域的異常值占比，對于異常值占比小于預(yù)設(shè)閾值的目標(biāo)區(qū)域，剔除異常邊緣點后再利用線性插值方式補(bǔ)全目標(biāo)邊緣，若目標(biāo)區(qū)域的異常值占比大于預(yù)設(shè)閾值，則剔除該目標(biāo)區(qū)域中的整條目標(biāo)邊緣；最后，將最終的目標(biāo)邊緣輪廓發(fā)送給質(zhì)心坐標(biāo)計算模塊。
9.根據(jù)權(quán)利要求1所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述S4具體為：
10.一種基于視覺的水下運動目標(biāo)速度測量系統(tǒng)，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，所述s2中，目標(biāo)檢測模塊包括依次相連的圖像特征提取網(wǎng)絡(luò)、特征融合網(wǎng)絡(luò)和預(yù)測網(wǎng)絡(luò)，其中所述圖像特征提取網(wǎng)絡(luò)包括第一卷積模塊和多組特征提取模塊，第一卷積模塊與第一組特征提取模塊相連，圖像特征提取網(wǎng)絡(luò)的輸入作為第一卷積模塊的輸入，多組特征提取模塊之間依次相連；除了第一組特征提取模塊，其他組特征提取模塊通過特征融合網(wǎng)絡(luò)與預(yù)測網(wǎng)絡(luò)相連。
3.根據(jù)權(quán)利要求2所述的一種基于視覺的水下運動目標(biāo)速度測量方法，其特征在于，每組所述特征提取模塊包括相連的第二卷積模塊和注意力特征提取模塊，每組所述特征提取模塊的輸入作為第二卷積模塊的輸入，注意力特征提取模塊的輸出作為每組所述特征提取模塊的輸出；所述注意力特征提取模塊包括第三卷積模塊、瓶頸結(jié)構(gòu)模塊、基于eca注意力機(jī)制的通道特征融合模塊；注意力特征提取模塊的輸入作為第三卷積模塊的輸入，第三卷積模塊的輸出在通道維度進(jìn)行拆分后獲得第一卷積后的特征和第二卷積后的特征，第二卷積后的特征經(jīng)第一瓶頸結(jié)構(gòu)模塊后再與第二瓶頸結(jié)構(gòu)模塊相連，第三卷積模塊的輸入、第一卷積后的特征、第一瓶頸結(jié)構(gòu)模塊的輸出以及第二瓶頸結(jié)構(gòu)模塊的輸出在通道維度進(jìn)行拼接后再輸入到基于eca注意力機(jī)制的通道特征融合模塊中，基于eca注意力機(jī)制的通道特征融合模塊用于進(jìn)行通道維度的特征圖權(quán)重再分配。
4.根據(jù)權(quán)利要求3所述的一種基于視覺的水下運...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：鐘杰，孫嘉騏，李韜，
申請(專利權(quán))人：湖州點彩智能科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。