一种基于AUV的侧扫声呐图像识别方法技术

本发明专利技术公开了一种基于AUV的侧扫声呐图像识别方法，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；对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；将实时解析后的图像输入到提前训练好的深度网络模型之中，实时进行识别，并且在识别的过程中计算目标点的经纬度；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。本发明专利技术解决了现有技术存在的实现过程繁琐、实时性差，识别精度低等问题，提高了AUV作业效率，使处于测绘区域的AUV对选择继续探索未知区域的海底环境能力增强，并能够做出智能化的决策，具有较高的实际应用价值。

A side scan sonar image recognition method based on AUV

The invention discloses a side scan sonar image recognition method based on AUV. The sonar original data stream is collected and acquired by the side scan sonar image recognition system mounted on the AUV; the obtained sonar original data stream is analyzed in real time, and then the analyzed data is spliced and corrected; the real-time analyzed image is input into the trained in advance In the depth network model, real-time recognition is carried out, and the longitude and latitude of the target point are calculated in the recognition process; the recognition results and the longitude and latitude of the target point are converted into corresponding system instructions, which are fed back to the AUV, and the AUV makes corresponding decisions on the recognition results. The invention solves the problems of complicated implementation process, poor real-time performance and low recognition accuracy existing in the prior art, improves the operation efficiency of AUV, enhances the ability of AUV in surveying and mapping area to select and continue to explore the seabed environment of unknown area, and can make intelligent decision, which has high practical application value.

【技术实现步骤摘要】
一种基于AUV的侧扫声呐图像识别方法
本专利技术涉及一种基于AUV的侧扫声呐图像识别方法，属于侧扫声呐图像识别

技术介绍
声学成像传感器能提供海底回波信号形成的高分辨率声图像，侧扫声呐是海底地形地貌探测的主要传感器之一，近年来，声呐探测技术的发展极大的拓展了人类对海洋的认知，其中高分辨率侧扫声呐在海底勘探、地质分类、水下目标探测等方面得到重要应用。基于侧扫声呐图像的水下目标探测与识别方法的一般过程可分为声呐图像的预处理、特征提取和目标识别，其中高效、精准的识别算法可确保目标识别的效率和精度。近年来深度学习在计算机视觉应用中高速发展，侧扫声呐图像的识别技术得到了极大的发展，识别结果给AUV的决策带来了极大的保障。因此，基于AUV的侧扫声呐图像识别系统具有重要研究意义，其中，快速、高效的海底目标识别技术使得搭载侧扫声呐的AUV具有更高的安全性、智能型和更低的维护成本。现有技术中，对于AUV的控制一般都是在岸机端，通过按键或手柄控制AUV的活动。然而，在岸上控制AUV具有较大的缺陷：1、水下环境使得声学和无线电通信变本文档来自技高网...

【技术保护点】
1.一种基于AUV的侧扫声呐图像识别方法，具体步骤如下：/n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；/n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；/n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；/n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。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：何波，于菲，李凯歌，王淇，武玫含，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37