System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于模式识别,尤其涉及一种无人机视角海岸目标感知方法、系统、电子设备及存储介质。
技术介绍
1、无人机目标检测技术是无人机执行侦查、打击任务中所需的关键技术,可见光相机的特点是特征丰富,但容易受到云雾遮挡、低光照等影响,红外光相机特点是与目标本身红外特性有关,可以穿透云层,且暗光条件下针对发热的目标也可以成像,无人机平台的特点是载荷有限,通常只能提供有限的算力用于目标感知。
2、以上技术问题亟待解决。
技术实现思路
1、为解决上述技术问题,本专利技术提出一种无人机视角海岸目标感知方法的技术方案,以解决上述技术问题。
2、本专利技术第一方面公开了一种无人机视角海岸目标感知方法,所述方法包括:
3、步骤s1、获取可见光图像与红外光图像,并对可见光图像进行地形分割,得到海岸地形区块分类;
4、步骤s2、基于卷积网络分别对可见光图像与红外光图像进行特征提取,得到可见光特征图与红外光特征图,将可见光特征与红外光特征融合得到融合特征图;
5、步骤s3、将所述海岸地形区块分类和融合特征图输入faster r-cnn的rpn网络,得到融合特征roi;
6、步骤s4、将所述融合特征roi输入分类回归网络进行分类,得到融合目标分类结果;基于所述海岸地形区块分类与融合目标分类结果进行综合判断,得到优化后的融合目标检测结果。
7、根据本专利技术第一方面的方法,在所述步骤s1中,所述对可见光图像进行地形分割,得到海
8、将所述可见光图像转化到ycbcr色彩空间,得到ycbcr可见光图像,将所述ycbcr可见光图像使用k-means聚类进行地形分割,得到海岸地形区块分类;
9、所述k-means聚类的类别数k可设为3,则海岸地形区块分类为海面区块a、陆地区块b和陆地上建筑区块c。
10、根据本专利技术第一方面的方法,在所述步骤s2中,所述基于卷积网络分别对可见光图像与红外光图像进行特征提取,得到可见光特征图与红外光特征图,将可见光特征与红外光特征融合得到融合特征图的方法包括:
11、使用图像金字塔对可见光图像和红外光图像同时缩放至m*n,得到可见光缩放图像与红外光缩放图像;使用cnn网络分别对所述可见光缩放图像与红外光缩放图像进行特征提取操作,得到可见光特征图和红外光特征图;将所述可见光特征图与红外光特征图的灰度值加权平均,得到融合特征图。
12、根据本专利技术第一方面的方法,在所述步骤s4中,所述基于所述海岸地形区块分类与融合目标分类结果进行综合判断,得到优化后的融合目标检测结果的方法包括:
13、对所述融合目标分类结果依次进行遍历,取阈值,针对每个分类结果中各分类的最后计算得分中的最高值,若其小于所述阈值,且处在指定海岸地形区块,根据预定义规则分析所述最高值类别是否能出现在所述指定海岸地形区块。
14、本专利技术第二方面公开了一种无人机视角海岸目标感知系统,所述系统包括:
15、第一处理模块,被配置为,获取可见光图像与红外光图像,并对可见光图像进行地形分割,得到海岸地形区块分类;
16、第二处理模块,被配置为,基于卷积网络分别对可见光图像与红外光图像进行特征提取,得到可见光特征图与红外光特征图,将可见光特征与红外光特征融合得到融合特征图;
17、第三处理模块,被配置为,将所述海岸地形区块分类和融合特征图输入faster r-cnn的rpn网络,得到融合特征roi;
18、第四处理模块,被配置为,将所述融合特征roi输入分类回归网络进行分类,得到融合目标分类结果;基于所述海岸地形区块分类与融合目标分类结果进行综合判断,得到优化后的融合目标检测结果。
19、根据本专利技术第二方面的系统,所述对可见光图像进行地形分割,得到海岸地形区块分类的方法包括:
20、将所述可见光图像转化到ycbcr色彩空间,得到ycbcr可见光图像,将所述ycbcr可见光图像使用k-means聚类进行地形分割,得到海岸地形区块分类;
21、所述k-means聚类的类别数k可设为3,则海岸地形区块分类为海面区块a、陆地区块b和陆地上建筑区块c。
22、根据本专利技术第二方面的系统,所述基于卷积网络分别对可见光图像与红外光图像进行特征提取,得到可见光特征图与红外光特征图,将可见光特征与红外光特征融合得到融合特征图的方法包括:
23、使用图像金字塔对可见光图像和红外光图像同时缩放至m*n,得到可见光缩放图像与红外光缩放图像;使用cnn网络分别对所述可见光缩放图像与红外光缩放图像进行特征提取操作,得到可见光特征图和红外光特征图;将所述可见光特征图与红外光特征图的灰度值加权平均,得到融合特征图。
24、根据本专利技术第二方面的系统,所述基于所述海岸地形区块分类与融合目标分类结果进行综合判断,得到优化后的融合目标检测结果的方法包括:
25、对所述融合目标分类结果依次进行遍历,取阈值,针对每个分类结果中各分类的最后计算得分中的最高值,若其小于所述阈值,且处在指定海岸地形区块,根据预定义规则分析所述最高值类别是否能出现在所述指定海岸地形区块。
26、本专利技术第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本公开第一方面中任一项的一种无人机视角海岸目标感知方法中的步骤。
27、本专利技术第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本公开第一方面中任一项的一种无人机视角海岸目标感知方法中的步骤。
28、综上,本专利技术提出的方案能够利用两种不同的成像传感器之间的特性差异,互补工作,提升目标检测的可靠性,可为目标检测后的威胁评估、毁伤评估、火力打击提供可靠的信息;利用不同平台算力差异的不同分配任务,可以使算力的利用最大化。
本文档来自技高网...【技术保护点】
1.一种无人机视角海岸目标感知方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种无人机视角海岸目标感知方法,其特征在于,在所述步骤S1中,所述对可见光图像进行地形分割,得到海岸地形区块分类的方法包括:
3.根据权利要求1所述的一种无人机视角海岸目标感知方法,其特征在于,在所述步骤S2中,所述基于卷积网络分别对可见光图像与红外光图像进行特征提取,得到可见光特征图与红外光特征图,将可见光特征与红外光特征融合得到融合特征图的方法包括:
4.根据权利要求1所述的一种无人机视角海岸目标感知方法,其特征在于,在所述步骤S4中,所述基于所述海岸地形区块分类与融合目标分类结果进行综合判断,得到优化后的融合目标检测结果的方法包括:
5.一种用于无人机视角海岸目标感知系统,其特征在于,所述系统包括:
6.根据权利要求5所述的用于无人机视角海岸目标感知系统,其特征在于,所述对可见光图像进行地形分割,得到海岸地形区块分类的方法包括:
7.根据权利要求5所述的用于无人机视角海岸目标感知系统,其特征在于,所述基于卷积网络分别
8.根据权利要求5所述的用于无人机视角海岸目标感知系统,其特征在于,所述基于所述海岸地形区块分类与融合目标分类结果进行综合判断,得到优化后的融合目标检测结果的方法包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至4中任一项所述的一种无人机视角海岸目标感知方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至4中任一项所述的一种无人机视角海岸目标感知方法中的步骤。
...【技术特征摘要】
1.一种无人机视角海岸目标感知方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种无人机视角海岸目标感知方法,其特征在于,在所述步骤s1中,所述对可见光图像进行地形分割,得到海岸地形区块分类的方法包括:
3.根据权利要求1所述的一种无人机视角海岸目标感知方法,其特征在于,在所述步骤s2中,所述基于卷积网络分别对可见光图像与红外光图像进行特征提取,得到可见光特征图与红外光特征图,将可见光特征与红外光特征融合得到融合特征图的方法包括:
4.根据权利要求1所述的一种无人机视角海岸目标感知方法,其特征在于,在所述步骤s4中,所述基于所述海岸地形区块分类与融合目标分类结果进行综合判断,得到优化后的融合目标检测结果的方法包括:
5.一种用于无人机视角海岸目标感知系统,其特征在于,所述系统包括:
6.根据权利要求5所述的用于无人机视角海岸目标感知系统,其特征在于,所述对可见光图像进行地形...
【专利技术属性】
技术研发人员:赵旌,苏润从,李东宸,江坤,田佳旺,刘凯,董方晨,骈学超,侯雪剑,张萌,缪国春,张博勋,刘佳,黄智,张建强,许长彬,刘恩昊,管子懿,朱书豪,白若雯,温利鑫,李嘉楠,
申请(专利权)人:中国船舶集团有限公司系统工程研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。