一种基于编队位置智能变换的无人船识别目标方法和装置制造方法及图纸

本发明专利技术提供了一种基于编队位置智能变换的无人船识别目标方法和装置，所述方法包括：获得待识别目标的姿态角、距离信息、环境信息及图像信息；构建识别分类器模型；利用姿态角、距离信息、环境信息以及图像信息样本集，对识别分类器模型进行训练；将待识别目标的姿态角、距离信息、环境信息与图像信息作为训练后的识别分类器模型的输入项，得到分类结果向量；根据分类结果向量，获得待识别目标的最佳姿态角，进而计算无人船编队的队形位置，智能变换无人船成员的编队队形位置之后，通过训练后的识别分类器模型，获得待识别目标的识别结果。通过最佳姿态角，以最短路径动态变换位置，达到优化编队协同感知策略、有效提高目标识别正确率的技术效果。正确率的技术效果。正确率的技术效果。

【技术实现步骤摘要】
一种基于编队位置智能变换的无人船识别目标方法和装置


[0001]本专利技术涉及海上机动目标自动识别
，尤其涉及一种基于编队位置智能变换的无人船识别目标方法和装置。

技术介绍

[0002]目前，编队目标协同感知方法为综合利用编队目标的多传感器进行综合识别，得到优于单目标感知的识别策略，综合识别大致可分为两类，一类是基于统计经验策略的识别方法，一类是基于深度学习的识别方法，相比较而言，基于深度学习的识别方法具有较高的准确率和应用前景，已逐渐成为研究方向。
[0003]但本申请专利技术人在实现本申请实施例中技术方案的过程中，发现上述现有技术至少存在如下技术问题：
[0004]现有方法中，由于未将无人船识别目标的光电、运动、环境等特征作为一条整体事件输入，且未考虑无人船不同编队队形位置的综合识别性能不同，从而无法根据无人船多传感器感知信息智能调整无人船编队队形位置，导致无人船海上机动目标识别正确率较低的技术问题。

技术实现思路

[0005]本专利技术实施例提供了一种基于编队位置智能变换的无人船识别目标方法和装置，解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于编队位置智能变换的无人船识别目标方法，其特征在于，所述方法包括：通过雷达传感器，获得待识别目标的姿态角与距离信息；获得所述待识别目标的环境信息；通过光学传感器，获得所述待识别目标的图像信息，其中，所述图像信息与所述姿态角、所述距离信息、所述环境信息为一一对应关系；构建识别分类器模型；获得姿态角、距离信息、环境信息以及图像信息样本集；利用所述姿态角、距离信息、环境信息以及图像信息样本集，对所述识别分类器模型进行训练，得到训练后的识别分类器模型；将所述待识别目标的姿态角、距离信息、环境信息与图像信息作为所述训练后的识别分类器模型的输入项，得到分类结果向量；根据所述分类结果向量，获得所述待识别目标的最佳姿态角；根据所述最佳姿态角，计算无人船编队的队形位置；根据所述队形位置，智能动态变换无人船成员的编队队形位置；在无人船成员变换编队队形位置之后，通过所述训练后的识别分类器模型，获得所述待识别目标的识别结果。2.如权利要求1所述的方法，其特征在于，所述通过雷达传感器，获得待识别目标的姿态角与距离信息，包括：通过雷达传感器，获得所述待识别目标的运动方向；获得所述待识别目标与无人船编队第一成员的位置信息；根据所述待识别目标与无人船编队第一成员的位置信息，得到所述待识别目标与所述无人船编队第一成员的连线方向；计算所述运动方向与所述连线方向的夹角，得到所述待识别目标的姿态角。3.如权利要求2所述的方法，其特征在于，所述获得所述待识别目标的运动方向，包括：通过所述雷达传感器，获得所述待识别目标的第一位置信息；通过所述雷达传感器，获得所述待识别目标的第二位置信息；根据所述第一位置信息与所述第二位置信息，获得所述待识别目标的运动方向。4.如权利要求1所述的方法，其特征在于，所述获得所述待识别目标的环境信息，包括：通过情报信息接收器，获得情报信息；根据所述情报信息，获得所述待识别目标的环境信息，其中，所述环境信息包括光照、海洋风力、海况信息。5.如权利要求1所述的方法，其特征在于，所述构建识别分类器模型，包括：卷积池化层，所述卷积池化层用于对若干个并联的所述待识别目标图像信息进行卷积池化处理，形成第一一维向量，其中，所述待识别目标图像信息数量为无人船编队的成员数量；二进制编码层，所述二进制编码层用于将所述待识别目标的姿态角、距离信息及环境信息转化成二进制数组，形成第二一维向量；全连接层，所述全连接层的输入结点由所述第一一维向量与所述第二一维向量串联组成；
输出结点层，所述输出结点层的结点个数为所述待识别目标的目标类型数量。6.如权利要求1所述的方法，其特征在于，所述根据所述分类结果向量，获得所述待识别目标的最佳姿态角，包括：对所述分类结果向量进行归一化处理，得到若干个归一化后的所述分类结果向量；根据每一个所述归一化后的分类结果向量，得到向量中最大值元素对应的目标类型，即获得所述待识别目标的目标类型；根据所述待识别目标的目标类型，获得所述待识别目标的目标类型最优解向量，其中，设定所述目标类型对应的向量元素为1，其他目标类型对应的向量元素为0；计算所述目标类型最优解向量与每个所述归一化后的分类结果向量之间的欧式距离；计算若干个所述欧式距离的最小值；根据所述最小欧式距离的分类向量结果，获得所述待识别目标的最佳姿态角，其中，所述最佳姿态角与所述最小欧式距离的分类向量结果为一一对应关系。7.如权利要求1所述的方法，其特征在于，所述根据所述最佳姿态角，计算无人船编队的队形位置，包括：获得所述无人船编队第一成员与所述待识别目标的当前姿态角；计算所述当前姿态角与所述最佳姿态角的角度差；根据所述角度差与所述距离信息，计算所述无人船编队第一成员到所述最佳姿态角方向的垂点方向和垂点距离；根据所述垂点方向和垂点距...

【专利技术属性】
技术研发人员：郭强，王海鹏，刘颢，唐田田，
申请(专利权)人：郭强，
类型：发明
国别省市：