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】
本专利技术涉及水运业中船舶安全管理和图像ai检测,特别是一种基于视频ai与多模态数据融合的船舶吃水深度检测方法。
技术介绍
1、船舶作为一种重要的水上交通工具,其吃水深度的准确测量对于安全导航、港口管理和货物运输至关重要,它直接关系到船舶在不同水域中的航行能力和载货能力。因此,准确测量和监测船舶的吃水深度对于预防搁浅、碰撞和货物装载的平衡以及保障生产安全至关重要。传统的吃水深度测量方法通常涉及使用航海图表、潮汐表和深度仪来预测吃水深度,但这些方法存在一定的限制,如依赖于人工观测和不适用于即时更新。此外,恶劣天气、复杂水域和航道状况也增加了吃水深度测量的难度。
技术实现思路
1、专利技术目的:针对传统吃水深度测量方法存在的不准确性和不稳定性问题,本专利技术提出一种基于视频ai与多模态数据融合的船舶吃水深度检测方法,通过融合多模态数据,采用目标检测算法获得更为全面的吃水深度信息,有效地降低了计算复杂度,同时提高了吃水深度检测的精度和自动化程度。
2、本专利技术为解决上述技术问题采用以下技术方案:一种基于视频ai与多模态数据融合的船舶吃水深度检测方法,包括如下步骤:
3、(1)视觉传感器分别以固定角度和多角度采集船舶在水中的影像数据;采用超声波方法测得船体四个方向的吃水深度;
4、(2)对所述视觉传感器采集的影像数据进行图像处理,获得用于吃水检测的图像数据;
5、(3)对所述图像数据进行水位线检测,同时利用目标检测算法识别船舶上的水尺数值,
6、(4)采用权重矩阵对多模态吃水深度数据进行融合。
7、在其中一个实施例中,所述步骤(1)利用港口的固定摄像头和/或使用无人机搭载摄像设备拍摄船舶在水中的影像数据。
8、在其中一个实施例中,所述步骤(1)利用超声波传感器和水压传感器测得船体四个方向的吃水深度;
9、定义水压传感器测得的当前水深为,超声波传感器检测得从船底四条边到水底之间的距离,则船体四个方向的吃水深度矢量表示为:
10、<mstyle displaystyle="true" mathcolor="#000000"><msub><mi>x</mi><mn>3</mn></msub><mi>=</mi><msup><mrow><mo>[</mo><mrow><msub><mi>x</mi><mrow><mn>3</mn><mi>,</mi><mn>1</mn></mrow></msub><mi>,</mi><msub><mi>x</mi><mrow><mn>3</mn><mi>,</mi><mn>2</mn></mrow></msub><mi>,</mi><msub><mi>x</mi><mrow><mn>3</mn><mi>,</mi><mn>3</mn></mrow></msub><mi>,</mi><msub><mi>x</mi><mrow><mn>3</mn><mi>,</mi><mn>4</mn></mrow></msub></mrow><mo>]</mo></mrow><mi>t</mi></msup></mstyle>;
11、其中:
12、;
13、k表示船体方向。
14、在其中一个实施例中,所述步骤(2)的图像处理包括帧提取、稳定化、仿射变换中的一种或多种。
15、具体的,所述仿射变换将图像的二维像素坐标转换为新的二维坐标,具体公式如下:
16、<mstyle displaystyle="true" mathcolor="#000000"><mrow><mo>[</mo><mtable columnalign="left"><mtr><mtd><mi>x</mi><mi>'</mi></mtd></mtr><mtr><mtd><mi>y</mi><mi>'</mi></mtd></mtr></mtable><mo>]</mo></mrow><mi>=</mi><mrow><mo>(</mo><mtable><mtr><mtd><msub><mi>p</mi><mn>1</mn></msub></mtd><mtd><msub><mi>q</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>p</mi><mn>2</mn></msub></mtd><mtd><msub><mi>q</mi><mn>2</mn></msub></mtd></mtr></mtable><mo>)</mo></mrow><mrow><mo>[</mo><mtable columnalign="left"><mtr><本文档来自技高网...
【技术保护点】
1.一种基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(1)利用港口的固定摄像头和/或使用无人机搭载摄像设备拍摄船舶在水中的影像数据。
3.根据权利要求1所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(1)利用超声波传感器和水压传感器测得船体四个方向的吃水深度;
4.根据权利要求1所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(2)的图像处理包括帧提取、稳定化、仿射变换中的一种或多种。
5.根据权利要求4所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述仿射变换将图像的二维像素坐标转换为新的二维坐标,具体公式如下:
6.根据权利要求1所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(3)对图像数据的水位线检测包括如下内容:
7.根据权利要求6所述的基于视频AI与多模
8.根据权利要求6所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(3.2)利用YOLOv3进行船舶上的水尺数值识别,具体包括如下内容:
9.根据权利要求3所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(3)使用最小二乘方法去除异常数据,过程如下:
10.根据权利要求1所述的基于视频AI与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(4)采用权重矩阵对多模态吃水深度数据进行融合的过程如下:
...【技术特征摘要】
1.一种基于视频ai与多模态数据融合的船舶吃水深度检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于视频ai与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(1)利用港口的固定摄像头和/或使用无人机搭载摄像设备拍摄船舶在水中的影像数据。
3.根据权利要求1所述的基于视频ai与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(1)利用超声波传感器和水压传感器测得船体四个方向的吃水深度;
4.根据权利要求1所述的基于视频ai与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述步骤(2)的图像处理包括帧提取、稳定化、仿射变换中的一种或多种。
5.根据权利要求4所述的基于视频ai与多模态数据融合的船舶吃水深度检测方法,其特征在于,所述仿射变换将图像的二维像素坐标转换为新的二维坐标,具体公式如下:
【专利技术属性】
技术研发人员:朱冰冰,樊鹏程,李俊,宋宜泽,徐浩森,
申请(专利权)人:中邮建技术有限公司,
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。