一种基于多传感器的无人船过闸识别方法技术

本发明专利技术提供了一种基于多传感器的无人船过闸识别方法，包括以下步骤：S1、基于激光雷达的无人船前方障碍物获取方法；S2、基于视觉传感器的无人船前方障碍物获取方法；S3、基于激光雷达与视觉传感器融合的无人船过闸环境感知方法。该方法使用两种传感器分别对无人船前方的有效障碍物进行提取，并通过构建感兴趣区域的方式将两种传感设备获取到的障碍物信息进行融合，从而提升无人船过闸的环境感知能力。力。力。

【技术实现步骤摘要】
一种基于多传感器的无人船过闸识别方法


[0001]本专利技术属于无人船航行图像处理
，尤其涉及一种基于激光雷达和视觉传感器融合的过闸环境感知识别方法。

技术介绍

[0002]随着航运业的高速发展，船舶航行的高效性与安全性已成为研究的热点。无人船驾驶技术的研究与应用能有效地减少人力成本，降低人为失误，因此受到广泛的关注。伴随着海上通讯、协同控制和人工智能等技术的突飞猛进，无人船环境识别作为船舶智能系统研发的重要拓展，在无人船协同航行的研究与应用中已逐渐成为现实。与开放水域不同的是，船舶过闸时水域都非常狭窄，在这些限制过闸水域中，航道允许无人船通过的距离狭小，在航行过程中自适应的调节左右与闸壁的距离，从而保证无人船过闸的安全性，提高航道通航能力。
[0003]无人船环境感知的原始数据来源于船载传感设备，现有的无人船单一环境感知检测技术存在难以满足无人船高速行驶的过程中对船闸环境感知的速度和精度的要求等问题。

技术实现思路

[0004]针对上述问题，本专利技术的目的在于提出一种基于激光雷达和视觉传感器融合的环境感知方法，该方法使用两种传感器分别对无人船前方的有效障碍物进行提取，并通过构建感兴趣区域的方式将两种传感设备获取到的障碍物信息进行融合，从而提升无人船过闸的环境感知能力。
[0005]为了实现上述的技术特征，本专利技术的目的是这样实现的：一种基于多传感器的无人船过闸识别方法，包括以下步骤：
[0006]S1、基于激光雷达的无人船前方障碍物获取方法；
[0007]S2、基于视觉传感器的无人船前方障碍物获取方法；
[0008]S3、基于激光雷达与视觉传感器融合的无人船过闸环境感知方法。
[0009]所述S1中基于激光雷达的无人船前方障碍物获取方法的具体检测方法为：
[0010]S1.1：激光雷达点云数据获取与检测目标船闸之间距离和夹角信息，将所得信息进行点云预处理：
[0011]首先将点云坐标转化为二维坐标，再进行滤波处理去除杂波对所采集点云产生的噪点，采用统计滤波和直通滤波两种滤波进行处理，通过统计滤波去除稀疏离群噪声点，由于检测船闸整体相对于无人船而言距离较远，由于测量会引入噪点，而通过直通滤波过滤掉不在指定维度方向上的点；
[0012]在数据处理时，首先需将激光雷达原始点云从球坐标形式(ρ,α,ω)转换为无人艇坐标系下的笛卡尔坐标(x,y,z)：
[0013][0014]S1.2：由于目标船闸多采用低碳合金钢板，比起其余障碍物采集的激光点云数据更多，由反射强度值筛选和点云密度筛选两个步骤进行船闸和非目标障碍物筛选；
[0015]S1.3：经过步骤S1.1和S1.2后的点云数据量会大幅度减少，只剩下需要处理的有用的点云数据，以及一些用反射强度筛选值和点云密度值筛选不掉的数据；将处理后的数据通过RANSAC算法不停迭代进行平面提取，RANSAC算法是一种迭代方法，用于从一组包含异常值的观察数据中估计数学模型的参数，此时异常值不会对估计值产生影响。
[0016]所述S1.2中反射强度值筛选具体方法为：
[0017]由于水面波浪会产生一定的激光回波，但其反射强度通常较低，经多数据分析，由于水面或水上遮挡物反射特殊的原因，强度值过低的数据均不是所需检测目标，强度值过低的点云数据反映的是水面点，将强度值的数据归一化使其范围为0
‑
100，所以根据水面反射值特征，留下强度值为70
‑
100的点云数据，作为进一步处理的数据。
[0018]所述S1.2中点云密度筛选具体方法为：
[0019]由于激光雷达采集数据范围较大，存在很多无效区域，为了后续方便计算处理，通过直通滤波分别减去数据坐标X、Y的最小值和最大值进行坐标处理，使平面坐标的中心点位于点云数据上，坐标海拔高度Z方向不需要改变；首先根据点云数据将三维点云转化为以水面为基准的二维栅格地图表示，从而将点云数据表示成多块高度无约束的栅格区域，统计每个小方块表示的栅格区域内的点云数目，因为水面波浪反射的点云为离散点，而船闸反射率较高则获取的整体点云数量也较多，若每个小方块内的点云数据小于一定数值的，均不是所需检测目标。
[0020]所述S1.3中RANSAC算法具体实现过程为，根据自适应公式，计算出迭代次数的最优解，即可提取出该数据集中满足要求的所有平面，公式如下：
[0021]令p：RANSAC算法在运行后提供至少一个有用结果的期望概率；
[0022]令w：满足模型的点/检测到的所有点；
[0023]令n：满足当前模型的点的个数；
[0024]则1
‑
p＝(1
‑
w
n
)
k
；
[0025]即
[0026]根据自适应公式，计算出迭代次数的最优解，即可提取出该数据集中满足要求的所有平面；
[0027]将提取的平面分别标记为P
i
(i＝1,2,3
…
n)，由于激光雷达测量远距离目标性能有限，利用直通滤波将坐标海拔高度Z方向低于2m的聚类平面去除，将在剩余每个平面内搜索垂直于地面的左右两端点直线分别为P
i(left)
、P
i(right)
，分别检查每一个平面的两端点直线，若没有重合则继续查找，若P
i
两端点直线和P
i+1
两端点直线中有一条重合，用PCA主成分分析法提取P
i(left)
、P
i(right)
两平面的法向量转化为平面夹角θ，若平面夹角θ在140
°±
10
°
浮动，则将其识别为船闸。
[0028]所述S2中基于视觉传感器的无人船前方障碍物获取方法的具体方法为：
[0029]步骤S2.1：建立视觉传感器的坐标系并与世界坐标系进行转换，要得到三维环境中的目标物信息，首先要找到这个二维平面的位置，即摄像头的成像面。然后根据测距原理，推算出图像上的二维点所对应的三维坐标，并采用张正友平面标定法对摄像头进行标定；
[0030]步骤S2.2：由于无人船在水面上航行检测船闸环境复杂，水浪的波动引起无人船不平稳导致摄像头采集图像的过程中存在一部分干扰信息，这部分信息会覆盖图像的原始数据，导致图像数据丢失；为了降低外部环境对采集图像的干扰，需要进行图像预处理以简化数据，增强目标图像的可检测性；图像预处理方法包括图像增强以及图像平滑；
[0031]步骤S2.3：在复杂的水上航行环境下，大型船舶航行和桥墩障碍物都会影响对船闸的正确检测识别，有效的图像分割将船闸目标区域和非目标区域独立划分是十分必要的，采用K
‑
means分割算法对采集的障碍物图像进行分割。
[0032]所述步骤S2.2中图像预处理方法具体操作为：
[0033]首先通过灰度转换、灰度拉伸、直方图均衡化对图像进行增强处理，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器的无人船过闸识别方法，包括以下步骤：S1、基于激光雷达的无人船前方障碍物获取方法；S2、基于视觉传感器的无人船前方障碍物获取方法；S3、基于激光雷达与视觉传感器融合的无人船过闸环境感知方法。2.根据权利要求1所述一种基于多传感器的无人船过闸识别方法，其特征在于，所述S1中基于激光雷达的无人船前方障碍物获取方法的具体检测方法为：S1.1：激光雷达点云数据获取与检测目标船闸之间距离和夹角信息，将所得信息进行点云预处理：首先将点云坐标转化为二维坐标，再进行滤波处理去除杂波对所采集点云产生的噪点，采用统计滤波和直通滤波两种滤波进行处理，通过统计滤波去除稀疏离群噪声点，由于检测船闸整体相对于无人船而言距离较远，由于测量会引入噪点，而通过直通滤波过滤掉不在指定维度方向上的点；在数据处理时，首先需将激光雷达原始点云从球坐标形式(ρ,α,ω)转换为无人艇坐标系下的笛卡尔坐标(x,y,z)：S1.2：由于目标船闸多采用低碳合金钢板，比起其余障碍物采集的激光点云数据更多，由反射强度值筛选和点云密度筛选两个步骤进行船闸和非目标障碍物筛选；S1.3：经过步骤S1.1和S1.2后的点云数据量会大幅度减少，只剩下需要处理的有用的点云数据，以及一些用反射强度筛选值和点云密度值筛选不掉的数据；将处理后的数据通过RANSAC算法不停迭代进行平面提取，RANSAC算法是一种迭代方法，用于从一组包含异常值的观察数据中估计数学模型的参数，此时异常值不会对估计值产生影响。3.根据权利要求2所述一种基于多传感器的无人船过闸识别方法，其特征在于，所述S1.2中反射强度值筛选具体方法为：由于水面波浪会产生一定的激光回波，但其反射强度通常较低，经多数据分析，由于水面或水上遮挡物反射特殊的原因，强度值过低的数据均不是所需检测目标，强度值过低的点云数据反映的是水面点，将强度值的数据归一化使其范围为0
‑
100，所以根据水面反射值特征，留下强度值为70
‑
100的点云数据，作为进一步处理的数据。4.根据权利要求2所述一种基于多传感器的无人船过闸识别方法，其特征在于，所述S1.2中点云密度筛选具体方法为：由于激光雷达采集数据范围较大，存在很多无效区域，为了后续方便计算处理，通过直通滤波分别减去数据坐标X、Y的最小值和最大值进行坐标处理，使平面坐标的中心点位于点云数据上，坐标海拔高度Z方向不需要改变；首先根据点云数据将三维点云转化为以水面为基准的二维栅格地图表示，从而将点云数据表示成多块高度无约束的栅格区域，统计每个小方块表示的栅格区域内的点云数目，因为水面波浪反射的点云为离散点，而船闸反射率较高则获取的整体点云数量也较多，若每个小方块内的点云数据小于一定数值的，均不是所需检测目标。
5.根据权利要求2所述一种基于多传感器的无人船过闸识别方法，其特征在于，所述S1.3中RANSAC算法具体实现过程为，根据自适应公式，计算出迭代次数的最优解，即可提取出该数据集中满足要求的所有平面，公式如下：令p：RANSAC算法在运行后提供至少一个有用结果的期望概率；令w：满足模型的点/检测到的所有点；令n：满足当前模型的点的个数；则1
‑
p＝(1
‑
w
n
)
k
；即根据自适应公式，计算出迭代次数的最优解，即可提取出该数据集中满足要求的所有平面；将提取的平面分别标记为P
i
(i＝1,2,3
…
n)，由于激光雷达测量远距离目标性能有限，利用直通滤波将坐标海拔高度Z方向低于2m的聚类平面去除，将在剩余每个平面内搜索垂直于地面的左右两端点直线分别为P
i(left)
、P
i(right)
，分别检查每一个平面的两端点直线，若没有重合则继续查找，若P
i
两端点直线和P
i+1
两端点直线中有一条重合，用PCA主成分分析法提取P
i(left)
、P
i(right)
两平面的法向量转化为平面夹角θ，若平面夹角θ在140
°±
10
°
浮动，则将其识别为船闸。6.根据权利...

【专利技术属性】
技术研发人员：周引平，柳晨光，初秀民，周建武，郭珏菡，张康，梁锴，张杰，胡朔，尚桦，林博文，林贤，
申请(专利权)人：长江三峡通航管理局，
类型：发明
国别省市：