【技术实现步骤摘要】
本专利技术涉及海上设施维护，特别是一种基于无人船多传感器融合感知的海上设施探伤方法。
技术介绍
1、随着陆地上资源开采力度趋于饱和，我国对海上资源的开发力度不断加大，相应资源勘测、开采的平台数目也是逐年递增，例如海上石油钻探平台、海上风电场等等。但是海上设施的增加与海上特殊环境导致设施的运营和维护相关问题凸显出来，如何实现准确、快速、便捷的设施检测是海上资源开发利用必须解决的一个难题。
技术实现思路
1、本专利技术为了有效的解决上述
技术介绍
中的问题，提出了一种基于无人船多传感器融合感知的海上设施探伤方法。
2、具体技术方案如下：
3、一种基于无人船多传感器融合感知的海上设施探伤方法，包括以下步骤：
4、步骤一、基于多传感器融合感知的海上设施3d模型构建；通过在无人船上搭载传感器有深度相机、imu、gps多种传感器进行数据采集，实现改进后orb-slam3算法运行；
5、步骤二、基于yolov8的设施结构探伤识别；
6、步骤三、海上设施损伤缺陷定位；基于相机成像模型，通过分析四种坐标系得到像素坐标与现实坐标之间的转换关系，计算得到设施损伤的相对位置；
7、步骤四、通过wgs84下经纬度高度和空间直角坐标的关系，计算得到设施损伤的绝对位置。
8、优选地，步骤一包括以下步骤：
9、(1)orb特征点角点提取
10、
11、i(i)表示p点的圆周上第i个像素点的灰度值，对
12、(2)深度相机获取像素深度
13、
14、其中，s0表示两次快门中较早的快门期间收集的电荷量，s1表示较晚的快门收集的电荷量，c为光速，tp为光脉冲的持续时间。
15、优选地，步骤二包括以下步骤：
16、(1)数据增强
17、增加高斯噪声：其概率密度函数p(z)为
18、
19、其中，z表示图像像素的灰度值，μ表示像素值的期望值，σ表示像素标准差；增加椒盐噪声：其概率密度函数p(z)为
20、
21、pa和pb指向图像中增加的两种噪声对应灰度值，分别为a、b，概率为pa和pb；
22、(2)评价指标
23、精度和召回率的计算公式如下：
24、
25、其中tp表示检测框内样本的真实类别和模型预测结果都是正确的，即成功检测到目标且分类正确，即检测目标和检测结果均为同一种损伤；tn表示检测框内样本的真实类别和模型预测结果都是错误的，即正确地未检测到目标且分类错误；fp表示检测框内样本的真实类别是错误的，但模型预测结果是正确的，即错误地将非目标误认为目标；fn表示检测框内样本的真实类别是正确的，但模型预测结果是错误的，即检测目标是某一类损伤，但是检测结果未检测出或检测误认其他类型损伤；
26、
27、f1置信曲线是面对精确率、召回率无法做到双高的情况下的一个综合考虑，f1分数同时考虑精确率和准确率，取二者的调和平均数为指标对其进行评价。
28、优选地，步骤三包括以下步骤：
29、(1)世界坐标系转换像素坐标系；
30、(2)目标损伤相对于相机光心为原点的世界坐标系的的相对方位；
31、(3)坐标系旋转。
32、与现有技术相比，本专利技术的有益效果是：本专利技术基于无人船多传感器数据融合感知构建了一种针对海上设施的损伤自动识别、分类及定位的方法。基于orb-slam3算法使用深度相机添加稠密建图线程，使用深度相机直接获取每个像素对应深度值，结合算法得到的相机位姿对每帧获得的点云进行拼接，并通过rgb图像与深度图时间同步、内容匹配等方法，实现海上设施的三维模型重建。基于数据增强的yolov8算法改进，有效扩大了数据集样本数，并提高模型鲁棒性。在本地对网络模型进行训练后将权重文件赋予树莓派使用，实验表明损伤识别置信度在0.78以上，损伤类型分类正确率达到100％，实现了较好的预测结果。基于相机成像模型，通过分析四种坐标系得到像素坐标与现实坐标之间的转换关系，计算得到设施损伤的相对位置，便于维运人员对损伤紧急性进行正确决策评估；再通过wgs84下经纬度高度和空间直角坐标的关系，计算得到设施损伤的绝对位置，供快速确定损伤位置。
本文档来自技高网...【技术保护点】
1.一种基于无人船多传感器融合感知的海上设施探伤方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于无人船多传感器融合感知的海上设施探伤方法，其特征在于：步骤一包括以下步骤：
3.根据权利要求1所述的基于无人船多传感器融合感知的海上设施探伤方法，其特征在于：步骤二包括以下步骤：
4.根据权利要求1所述的基于无人船多传感器融合感知的海上设施探伤方法，其特征在于：步骤三包括以下步骤：
【技术特征摘要】
1.一种基于无人船多传感器融合感知的海上设施探伤方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于无人船多传感器融合感知的海上设施探伤方法，其特征在于：步骤一包括以下步骤：
3....
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。