一种基于改进的PV-RCNN目标检测算法的智能化无人搜救系统和搜救方法技术方案

本发明专利技术属于海上搜救领域，具体涉及一种基于改进的PV

【技术实现步骤摘要】
一种基于改进的PV
‑
RCNN目标检测算法的智能化无人搜救系统和搜救方法


[0001]本专利技术属于海上搜救领域，尤其涉及一种基于改进的PV
‑
RCNN目标检测算法的智能化无人搜救系统与方法。

技术介绍

[0002]近些年我国的无人船艇技术及应用逐步受到重视并且不断地加速发展。针对水面故障或搁浅无人艇的救援情况，传统的水面无人艇救援要耗费大量的人力，航行的路线也是人为规划，救援成本高，救援工作缺乏系统性。因此，急需一个智能化的系统来实现无人艇在日常测试或者相关赛事的紧急救援任务。此救援系统需要满足搜救艇在全天侯、弱场景上既定路线带有短距离识别目标任务的航控功能。现有的三维目标检测算法包括PV
‑
RCNN算法，但PV
‑
RCNN算法存在着稀疏卷积的方式问题，常见的稀疏卷积包括子流形稀疏卷积和常规稀疏卷积，前者只能在特定大小的感受野下进行特征提取，感受野受限，无法处理不相连的特征，而后者虽有足够大的固定感受野，但其计算量大，GPU内存消耗高。

技术实现思路

[0003]针对现有技术中存在的问题和不足，本专利技术的目的旨在提供一种基于改进的PV
‑
RCNN目标检测算法的智能化无人搜救系统与方法。
[0004]为实现专利技术目的，本专利技术采用的技术方案如下：
[0005]本专利技术第一方面提供一种基于改进的PV
‑
RCNN算法检测水面无人艇的方法，包括以下步骤：
[0006](1)用激光雷达扫描待检测水面场景，获得原始点云；对获得的原始点云进行体素化处理，形成多个体素，将每个体素内的原始点云的特征取平均值作为该体素的体素特征，再将体素特征通过Multi
‑
View方法提取点云的侧视特征，得到侧视特征图；
[0007](2)对步骤(1)得到的体素特征进行自适应性稀疏卷积处理，得到信息交流体素特征；对所述信息交流体素特征进行下采样操作，得到不同尺度的多层特征；
[0008](3)将步骤(2)得到的多层特征中的采用最高采样倍数得到的特征在高度上进行特征压缩，得到俯视特征图；
[0009](4)对所述俯视特征图和所述侧视特征图均进行下采样和上采样操作，得到不同尺度的俯视特征图和侧视特征图，将相同尺度的俯视特征图、侧视特征图进行拼接，得到多个尺度的拼接特征图，再将多个尺度的拼接特征图进行拼接，得到最终拼接特征图；
[0010](5)将最终拼接特征图采用锚框的方法生成建议框；
[0011](6)对步骤(2)得到的多层特征中的采用最高采样倍数得到的进行集合抽象操作，再增大其中的前景点的权重，最后对前景点进行最远点采样，得到关键点；
[0012](7)使用RoI网格池化模块将步骤(6)中的关键点汇总到具有多个感受野的RoI网格对建议框内的特征进行分类和回归，完成目标检测的任务。
[0013]根据所述的方法，优选地，步骤(2)中所述对步骤(1)得到的体素特征进行自适应性稀疏卷积处理的操作为：将体素特征中的点云数量与设定阈值进行比较，当体素特征中的点云数量大于设定阈值时，将体素特征作为信息交流体素特征。所述设定阈值由点云的稀疏程度确定；点云越稀疏，设定阈值越小。
[0014]根据所述的方法，优选地，步骤(1)中所述用激光雷达扫描待检测水面场景，获得原始点云的过程为：以水面无人艇船体的船头到船尾的中轴线为标准线，以激光雷达与无人艇船体中心的连线为检测线，定义当检测线与标准线的夹角为20
°
～160
°
时，激光雷达检测到的点云信息为无人艇的侧面点云。其他角度范围内的点云信息为船头或船尾点云；当激光雷达检测到无人艇的船尾或船头时，检测艇可以自适应运动到适当位置进行侧面数据的提取。
[0015]根据所述的方法，优选地，步骤(6)中采用以下公式增大其中的前景点的权重：
[0016][0017]其中为前景点权重，()是一个三层的多层感知机，f是前景点p位置下第i层的特征。
[0018]根据所述的方法，优选地，步骤(2)中所述下采样操作是对步骤(1)获得的体素特征进行1x、2x、4x、8x的下采样操作，得到不同尺度的多层特征。
[0019]根据所述的方法，优选地，步骤(4)中所述再将多个尺度的拼接特征图进行拼接的方式是按通道进行拼接。
[0020]根据所述的方法，优选地，步骤(1)中所述用激光雷达扫描待检测水面场景，获得原始点云的过程为：
[0021]本专利技术第二方面提供一种基于激光雷达和PV
‑
RCNN检测方法的智能化无人搜救系统，所述系统包括主控台和搜救艇本艇，所述搜救艇本艇上设置有通信模块、航控模块、感知模块、救援模块与工控模块；所述主控台用于接收搜救任务并获取被搜救艇的尺寸大小和GPS信息，并将被搜救艇的尺寸大小和GPS信息通信给搜救艇以实时更新被搜救艇的位置信息；所述航控模块用于导航搜救艇自主航空行驶至事故地点；所述感知模块用于确认被搜救艇的身份和检测被搜救艇的位置；所述感知模块包括激光雷达，所述激光雷达通过发射激光束获取点云数据，并采用第一方面所述的方法对点云数据进行处理，完成被搜救艇位置检测的任务；
[0022]所述救援模块包括控制机箱和电磁铁，搜救艇通过电磁铁将被搜救艇拉出后与搜救艇并行安全返航，所述工控台用于协调多个被搜救艇与搜救艇的任务分配与信息传递。
[0023]根据所述的智能化无人搜救系统，优选地，所述的航控模块包括GPS、IMU和电子地图，并采用GPS定位、惯性定位和电子地图匹配定位的复合定位方法。
[0024]本专利技术第三方面提供一种第二方面所述的智能化无人搜救系统的搜救方法，包括以下步骤：
[0025]S1：主控台通过通信模块给搜救艇发出命令；
[0026]S2：搜救艇收到任务信息离岸；
[0027]S3：搜救艇通过航控模块前往目标位置，通过激光雷达和第一方面所述的基于PV
‑
RCNN算法的检测方法检测被搜救艇的具体位置；
[0028]S4：搜救艇通过救援模块与被搜救艇相连；
[0029]S5：搜救艇与被搜救艇通过航控模块规划路线进行返航，期间通过激光雷达进行避障；
[0030]S6：搜救艇与被搜救艇靠岸。
[0031]根据所述的搜救方法，优选地，步骤1的具体过程为：当水面有无人艇发生事故时，被搜救艇发出求救信息，该信息主要包括被搜救艇的GPS信息以及基本外形型号信息，主控台接收到被搜救艇的求救信息后，通过通信模块给搜救艇发出命令，给出被搜救艇的GPS信息并且以一定频率实时更新。
[0032]根据所述的搜救方法，优选地，步骤2的具体过程为搜救艇接收到实时更新的被搜救艇信息，搭载有激光雷达的搜救艇感知周围环境后离岸。
[0033]根据所述的搜救方法，优选地，步骤3的具体过程为：
[0034]3.1搜救艇离岸后，航控模块根据被搜救艇的GPS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的PV
‑
RCNN算法检测水面无人艇的方法，其特征在于，包括以下步骤：（1）用激光雷达扫描待检测水面场景，获得原始点云；对获得的原始点云进行体素化处理，形成多个体素，将每个体素内的原始点云的特征取平均值作为该体素的体素特征，再将体素特征通过Multi
‑
View方法提取点云的侧视特征，得到侧视特征图；（2）对步骤（1）得到的体素特征进行自适应性稀疏卷积处理，得到信息交流体素特征；对所述信息交流体素特征进行下采样操作，得到不同尺度的多层特征；（3）将步骤（2）得到的多层特征中的采用最高采样倍数得到的特征在高度上进行特征压缩，得到俯视特征图；（4）对所述俯视特征图和所述侧视特征图均进行下采样和上采样操作，得到不同尺度的俯视特征图和侧视特征图，将相同尺度的俯视特征图、侧视特征图进行拼接，得到多个尺度的拼接特征图，再将多个尺度的拼接特征图进行拼接，得到最终拼接特征图；（5）将最终拼接特征图采用锚框的方法生成建议框；（6）对步骤（2）得到的多层特征中的采用最高采样倍数得到的进行集合抽象操作，再增大其中的前景点的权重，最后对前景点进行最远点采样，得到关键点；（7）使用RoI网格池化模块将步骤（6）中的关键点汇总到具有多个感受野的RoI网格对所述建议框内的特征进行分类和回归，完成目标检测的任务。2.根据权利要求1所述的方法，其特征在于，步骤（2）中所述对步骤（1）得到的体素特征进行自适应性稀疏卷积处理的操作为：将体素特征中的点云数量与设定阈值进行比较，当体素特征中的点云数量大于设定阈值时，将体素特征作为信息交流体素特征。3.根据权利要求2所述的方法，其特征在于，步骤（1）中所述用激光雷达扫描待检测水面场景，获得原始点云的过程为：以水面无人艇船体的船头到船尾的中轴线为标准线，以激光雷达与无人艇船体中心的连线为检测线，定义当检测线与标准线的夹角为20
o
～160
o
时，激光雷达检测到的点云信息为无人艇的侧面点云。4.根据权利要求3所述的方法，其特征在于，步骤（6）中采用以下公式增大其中的前景点的权重：其中为前景点权重，（ ）是一个三层的多层感知机，f是前景点p位置下第i层的特征。5. 根据权利要求4所述的方法，其特征在于，所述下采样操作是对步骤（1）获得的...

【专利技术属性】
技术研发人员：周洋，陈光涛，李政霖，彭艳，谢少荣，罗均，
申请(专利权)人：上海大学，
类型：发明
国别省市：