一种基于降维回归的干舷分割船舶载重线识别方法技术

本发明专利技术公开了一种基于降维回归的干舷分割船舶载重线识别方法，包括配置信息采集设备，获取船舶点云数据后以csv格式存入存储服务器；Socket读取点云数据，将点云数据进行带通滤波，分离水面点云和船舶点云；拟合水面点云组成的平面，计算水面的高度；对船舶点云进行体素滤波和统计滤波，消除船舶边的杂散点；对滤波后的船舶点云进行降维回归分割，获取干舷点云；获取干舷点云的高度，对比水面点云，获取船舶吃水深度，判断是否超载，干舷点云分割结果更加准确、干舷点云回归结果更接近于船体中心，计算得到的干舷高度更加准确，对几何结构变化的船舶三维点云干舷分割鲁棒性更强，可以对任意吃水情况的船舶进行准确、可靠的船舶超载识别。超载识别。超载识别。

【技术实现步骤摘要】
一种基于降维回归的干舷分割船舶载重线识别方法


[0001]本专利技术涉及船舶安全的
，尤其涉及一种基于降维回归的干舷分割船舶载重线识别方法。

技术介绍

[0002]我国内陆河水网密集，随着科技进步和社会生产力的发展，航运需求迅速增长，随之而来的是超载事件频繁发生，而水上交通事故中90％以上都与船舶超载运输有关，因此对船舶进行有效的超载监测就显得十分重要。传统监测方案主要利用摄像头识别船舶的干舷，通过是否识别到干舷从而判断船舶是否超载，但摄像受天气干扰较大，并且仅仅以干舷存在为判断依据，测量不够精细，因此基于摄像头的船舶超载吃水判断方案抗环境干扰能力差、测量精度低，并不能为监测船舶超载安全提供有效的保障。近年来随着激光雷达的发展，由于其精度高、受环境影响小等优点，已被逐步应用于船舶超载检测方面。
[0003]基于激光雷达点云的干舷识别技术其核心在于如何从复杂的点云中，将干舷准确的分割识别出来。所以点云分割结果的好坏直接影响了干舷提取结果的可靠性和准确性。目前三维点云的分割算法已经有了很多研究，如基于超体素的区域聚类算法，通过连通域算法和形态学阈值算法来对目标进行有效的识别，通过神经网络来进行点云分割等。
[0004]上述现有算法都是针对特定场景下目标具有稳定特征时的分割算法，却没有考虑到目标点云特征多变的复杂性。随着载重的改变，船舶点云是一个动态变化的点云，这一点是船舶超吃水分割中至关重要的，也是目前分割算法未考虑到的。在实际应用中，船舶点云中干舷点云在侧面看是向下凹的弧形，所以随着吃水深度的增大，船舶三维点云中的干舷点云会有完整干舷点云、间断型干舷点云和完全消失型多种情况，这对船舶干舷特征提取造成了很大的困难，而传统分割算法会在间断型和完全消失型中对干舷进行误提取，出现将分割出的货仓边缘识别为干舷的误判。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述现有船舶超载监测分割方法存在的问题，提出了本专利技术。
[0007]因此，本专利技术解决的技术问题是：解决现有分割方法都是针对特定场景下目标具有稳定特征时的分割方法，却没有考虑到目标点云特征多变的复杂性的问题。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：一种基于降维回归的干舷分割船舶载重线识别方法，包括以下步骤：配置信息采集设备，获取船舶点云数据后以csv格式存入存储服务器；读取所述船舶点云数据，将所述船舶点云数据进行带通滤波，分离成水面点云和船舶点云；利用分离出的所述水面点云，采用RANSAC算法拟合所述水面点云组成的平面，将拟合平面上点的高度求平均值，计算得到水面的高度；对所述船舶点云进行体素滤
波和统计滤波，消除船舶边的杂散点；对滤波后的所述船舶点云进行降维回归分割，获取干舷点云；获取所述干舷点云的高度，对比所述水面点云，获取船舶吃水深度，判断是否超载。
[0009]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：所述信息采集设备为激光雷达。
[0010]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：采用RANSAC算法拟合所述水面点云组成的平面，具体包括，从所述水面点云中选取出4个点，作为点云代表；获取选取出的4个点之间的平面方程，作为初步拟合平面；获取所有所述水面点云到所述初步拟合平面的距离；统计所有距离小于设定阈值的inliners个数；定义inliners个数最多的平面即为拟合出的水面点云平面。
[0011]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：所述设定阈值为0.15m。
[0012]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：拟合所述水面点云平面后，计算水面的高度具体包括，获取所述水面点云平面和水平面的夹角；旋转所述水面点云平面至水平面；获取此时的平均高度。
[0013]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：读取所述船舶点云数据，带通滤波分离所述水面点云和所述船舶点云后，还包括，通过所述船舶点云的数量，判断当前点云中是否存在船舶；当存在船舶时，对所述船舶点云进行数据预处理；将预处理后的所述船舶点云投影到水平面上；采用RanSac进行第一次直线提取；将第一条直线回归到三维点云，并对二维点云剩余点进行提取和裁剪；采用RanSac进行第二次直线提取；根据第一条直线的回归结果获取补全因子，而后回归第二条直线；获取两条直线的深度差值；进行超载判断。
[0014]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：获取两条直线的深度差值，进行超载判断具体包括，对比两条直线的深度差值与甲板阈值的大小；当两条直线的深度差值大于甲板阈值时，定义分割结果中出现了误识别，所述船舶点云中无甲板，判定为超载；当两条直线的深度差值小于甲板阈值时，获取深度较小直线的平均高度，比对此时所述水平面的平均高度，并当深度较小直线的平均高度与此时所述水平面的平均高度的差值大于超载阈值时，定义未超载，当深度较小直线的平均高度与此时所述水平面的平均高度的差值小于超载阈值时，定义所述船舶点云中有甲板，但吃水过深，判定超载。
[0015]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：对所述船舶点云进行数据预处理具体包括，旋转、滤波和剪裁。
[0016]作为本专利技术所述的基于降维回归的干舷分割船舶载重线识别方法的一种优选方案，其中：所述甲板阈值为0.3m。
[0017]本专利技术的有益效果：本专利技术提供一种基于降维回归的干舷分割船舶载重线识别方法，针对船舶三维点云几何形态变化复杂的问题，将三维点云边缘提取问题分为降维分割干舷点云、回归识别干舷高度的降维回归两阶段方法，针对雷达点云中船舶附近的杂散点进行了滤波算法的改进，保证滤波后的船舶点云中没有水花引起的杂散点云，进而为点云的准确分割提供保障，通过降维分割的方式，避免了在三维点云中计算法向量，极大地提高了分割识别的速度，满足实时分割的要求，使得干舷点云分割结果更加准确、干舷点云回归
结果更接近于船体中心，计算得到的干舷高度更加准确，对几何结构变化的船舶三维点云干舷分割鲁棒性更强，可以对任意吃水情况的船舶进行准确、可靠的船舶超载识别。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0019]图1为本专利技术提供的基于降维回归的干舷分割船舶载重线识别方法的整体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于降维回归的干舷分割船舶载重线识别方法，其特征在于，包括以下步骤：配置信息采集设备，获取船舶点云数据后以csv格式存入存储服务器；读取所述船舶点云数据，将所述船舶点云数据进行带通滤波，分离成水面点云和船舶点云；利用分离出的所述水面点云，采用RANSAC方法拟合所述水面点云组成的平面，将拟合平面上点的高度求平均值，计算得到水面的高度；对所述船舶点云进行体素滤波和统计滤波，消除船舶边的杂散点；对滤波后的所述船舶点云进行降维回归分割，获取干舷点云；获取所述干舷点云的高度，对比所述水面点云，获取船舶吃水深度，判断是否超载。2.根据权利要求1所述的基于降维回归的干舷分割船舶载重线识别方法，其特征在于：所述信息采集设备为激光雷达。3.根据权利要求2所述的基于降维回归的干舷分割船舶载重线识别方法，其特征在于，采用RANSAC方法拟合所述水面点云组成的平面，具体包括：从所述水面点云中选取出4个点，作为点云代表；获取选取出的4个点之间的平面方程，作为初步拟合平面；获取所有所述水面点云到所述初步拟合平面的距离；统计所有距离小于设定阈值的inliners个数；定义inliners个数最多的平面即为拟合出的水面点云平面。4.根据权利要求3所述的基于降维回归的干舷分割船舶载重线识别方法，其特征在于：所述设定阈值为0.15m。5.根据权利要求4所述的基于降维回归的干舷分割船舶载重线识别方法，其特征在于，拟合所述水面点云平面后，计算水面的高度具体包括：获取所述水面点云平面和水平面的夹角；旋转所述水面点云平面至水平面；获取此时的平均高度。6...

【专利技术属性】
技术研发人员：羊箭锋，张文楷，谢海成，吴彬彬，
申请(专利权)人：苏州星航综测科技有限公司，
类型：发明
国别省市：