【技术实现步骤摘要】
本专利技术涉及智慧航运与激光雷达，尤其涉及大流量航道中基于激光雷达的多船舶监测方法和系统。
技术介绍
1、水路运输是国民经济、对外贸易、社会发展的重要支撑，与公路运输和航空运输相比，水路运输凭借其覆盖范围广、航道投资小、运输能力强、占地少、成本低的优势，在现代货物运输中具有不可替代的地位。准确的水运交通量数据，不仅是建设智慧航道、推动水路运输智慧化发展的基础数据，同时也是经济形势的重要考量。
2、目前在航道监测领域，传统的方式如人工统计、视频监控、红外传感、ais等方式存在成本高、效率低、受天候影响大、缺少距离信息、统计误差大等突出问题。而激光雷达技术具有探测距离远、穿透性强(不受天气影响)、精度高、可以全天候监测等突出优点，并且可以直接获取被测物体的三维信息，是实现航道监测的首选设备。
3、另外，在实际航道检测工作中，水运交通量大的复杂航道场景，通常存在多船舶监测误差大、计算量大等问题。因此，针对大流量航道中基于激光雷达技术的多船舶监测方法是迫切的研究方向。
技术实现思路
1、为了解决现有技术缺点，本专利技术提供了一种基于激光雷达的大流量航道监测方法和系统。首先，采用激光雷达技术替代传统方式实现监测，克服了传统方法的缺陷；同时，针对实际工作中大流量航道多船舶监测的应用场景，实现了准确快速的船舶检测、识别和计算方法，为后续航运交通数据的分析提供坚实的基础。
2、为实现以上目的，本专利技术实施例提供了一种基于激光雷达的大流量航道监测方法和系统。具体
3、s1：使用激光雷达部署在水运交通量较大、船舶通行情况复杂的内河航道上，设备架设于桥上或航道卡口处，实时采集航道点云数据；
4、s2：根据航道坐标与激光反射强度等特点，使用基于航道点云特征的三维背景滤除方法对点云数据进行背景滤除；
5、s3：对于滤除后留下的点云，提取特定激光线束上的点云数据进行聚类，划分出该线束上属于不同船舶的点云类簇，建立船舶类簇信息集；
6、s4：通过每一帧检测类簇集与船舶信息集的匹配，将当前帧线束上所检测类簇和已存在的船舶类簇信息集中的类簇相匹配，最终在该线束上实现同一艘船点云信息的聚合；
7、s5：利用每艘船聚合信息中点云出现与消失的时间戳进行判断，实现船舶通行数量与航向的检测；
8、s6：结合每艘船点云聚合信息中的三维特征完成船舶尺寸计算，同时通过出水面甲板高度实现船舶空重载判断。
9、进一步地，所述步骤s1中基于激光雷达的大流量航道监测方法和系统包括传感单元、边缘计算单元、通信单元等部分。传感单元采用32线激光雷达，垂直视场角为-55°～+15°，通过结构安装架设于桥外或航道卡口处，实时采集航道点云数据。边缘计算单元接收点云数据信息进行计算，通信单元用于传输计算结果。
10、进一步地，所述步骤s2中基于航道点云特征的三维背景滤除方法。激光雷达水平视场角为360°，在激光雷达获得的回波信号中，背景点云主要由桥梁/闸口、岸侧地面、植被与水面噪声点构成。由于激光雷达的固定部署，首先基于空间坐标进行背景滤除，选取点云数据的兴趣范围，只保留航道空间中的点云数据。同时，根据回波点云的反射光强度的特点准确区分出水面噪声点和船舶点云，实现了较好的背景滤除。
11、进一步地，所述步骤s3中提取特定激光线束上的点云数据进行聚类。首先根据航道船舶通行的特点，选择两条合适的激光雷达线束l1、l2作为船舶检测线。经过步骤s2后，当无船舶通过时，检测线上没有点云。接着，当船舶从上至下或从下至上通过任一条检测线时，检测线上开始出现船舶的点云，此时采用dbscan算法对检测线上的点云进行聚类，划分出当前帧该线束上属于不同船舶的点云类簇。设第t帧线束l上划分的类簇集合为cl，t，则cl，t可描述为
12、cl,t＝{cl,t,1，cl,t,2，...cl,t,n}，
13、当t＝1时，尚未存在船舶类簇信息集。cl，1＝{cl，1，1，cl，1，2，...cl，1，n}，因此建立船舶信息集ml，
14、
15、其中m1表示此时集合中的船舶数。t时刻时，
16、
17、进一步地，所述步骤s4中通过帧与帧之间类簇的匹配实现同一艘船点云信息的聚合。为方便描述，将每一帧检测类簇集称dets，当前存在的船舶信息集称ships。由步骤s3，t时刻时，dets＝cl，t＝{cl,t,1，cl,t,2，...cl,t,n}，n个检测类簇与mt-1个船舶信息相互匹配，实现同一艘船点云信息的聚合。
18、进一步地，通过适当的匹配算法，完成所述步骤s4中检测类簇与船舶类簇信息集的匹配。具体而言，每一个类簇代表一组点云，计算每组点云x坐标构成的集合与集合之间的交并比作为代价矩阵，并且采用匈牙利算法完成代价矩阵的计算。
19、进一步地，所述s5中实现船舶通行数量的检测。经过步骤s4，可得到通过检测线的船舶信息。对于船舶a，设其到达检测线l的时间t1，离开检测线l的时间t2。则船舶a的信息集为
20、
21、其中cl,t,a(t)是t时刻和船舶匹配成功的检测类簇，a(t)用来表示t时刻该检测类簇在检测类簇集cl，t中的位置。若a通行时间大于通行时间判断阈值tacross且信息集点云大于判断阈值pts，则船舶数量增加。
22、进一步地，所述s5中实现船舶航向的检测。经过步骤s4，可得到船舶a通过两条检测线l1、l2的船舶信息。根据船舶通行的时间差判断船a的航行方向。
23、进一步地，所述s6中船舶尺寸计算，包括船舶空满载判断。由步骤五，船舶a的信息集
24、
25、通过信息集a可还原船舶通过检测线l1、l2时的三维点云，从而求取船舶的尺寸特征。同时，提取边缘甲板点云计算甲板出水面高度，判断船舶载重情况。
26、本专利技术提供的一种基于激光雷达的大流量航道监测方法和系统具有以下优点：
27、1、建立了完善的航道船舶数据监测系统，充分利用激光雷达主动感知、高精测距、稳定可靠的特点，克服了传统方式的缺陷。系统可拓展性强，可完成全天候、全自动实时监测任务。
28、2、提出了创新性的航道船舶监测方法，通过数据采集、背景滤除、聚类与匹配等流程，实现了快速、准确的数据处理与计算。相比于传统数据处理算法，其优势主要在于：(1)同一时刻只对检测线上的点云进行处理，数据计算量大大减少；(2)在大流量多船舶航行环境下，每艘船舶信息完备准确。
29、3、本专利技术能在大流量航道实时点云数据中快速精准识别多艘船舶，并利用识别结果实现了复杂场景下多船舶的监测工作。
本文档来自技高网...【技术保护点】
1.一种基于激光雷达的大流量航道监测方法和系统，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤S1中，包括：所述激光雷达部署的地点为航道上，激光雷达架设于桥上或航道卡口处，向下方航道实时采集船舶点云数据。
3.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤S2中，包括：通过航道监测中点云数据的特性，首先确定相应航道场景下航道空间在激光雷达坐标系中的坐标，选取点云数据的兴趣范围，只保留航道空间中的点云数据。
4.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤S2中，包括：所述三维背景滤除方法根据回波点云的反射光强度区分水面噪声点和船舶点云，滤除水面噪声点。
5.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤S3中，包括：
6.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤S4中，包括：对于检测线上划分出的类簇使用帧间匹配
7.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤S5中，包括：
8.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤S6中，包括：根据两条检测线上提取的船舶通过时的三维坐标值信息计算船舶的尺寸信息，通过计算出的船舶甲板出水面高度判断船舶空满载。
9.一种基于激光雷达的大流量航道监测系统，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种基于激光雷达的大流量航道监测方法和系统，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤s1中，包括：所述激光雷达部署的地点为航道上，激光雷达架设于桥上或航道卡口处，向下方航道实时采集船舶点云数据。
3.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤s2中，包括：通过航道监测中点云数据的特性，首先确定相应航道场景下航道空间在激光雷达坐标系中的坐标，选取点云数据的兴趣范围，只保留航道空间中的点云数据。
4.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤s2中，包括：所述三维背景滤除方法根据回波点云的反射光强度区分水面噪声点和船舶点云，滤除水面噪声点。
5.根据权利要求1所述的一种基于激光雷达的大流量航道监测方法和系统，其特征在于，步骤s3中，包括：
6.根据权利要求1所述的一种基于激光...
【专利技术属性】
技术研发人员：郑建颖，朱天杭，罗永，杜恩年，陈小玉，姜皓，李志恒，
申请(专利权)人：苏州城市学院，
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。