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】
本专利技术涉及水下测绘分析,具体为基于ai的水下测绘实时分析方法及系统。
技术介绍
1、水下测绘分析是指对水下环境进行采集、处理和分析数据的过程,它涉及一系列技术和方法,用于获取和解释水下地形、水下物体分布和其他水下特征的信息;水下测绘分析可以通过不同的技术手段来实现,比如声纳测深仪、多波束声呐、激光扫描仪等,这些工具能够发射声波或光束,并根据反弹回来的信号来测量水下地形、探测水下物体,以及获取其他有关水下环境的信息;在水下测绘分析过程中,还需要进行数据处理和分析,这包括数据清洗、去噪、配准、特征提取、目标识别等步骤,通过对数据的处理和分析,可以提取出有用的信息,进行地图制作、模型构建、目标识别和分类等应用。
2、现有申请公布号为cn117408536a,名称为基于ai的水下测绘实时分析系统,系统包括数据流处理模块、多源数据融合模块、实时分析与识别模块、路径优化与规划模块、风险评估与管理模块、动态学习与预测模块、决策支持与优化模块、环境模拟与测试模块。本专利技术中,卷积神经网络整合多传感器数据,提高数据准确性和全面性,实时分析采用支持向量机和增量学习,提高地形特征分析和目标识别精度,蚁群优化算法优化路径规划,提高测绘效率和安全性,贝叶斯网络风险评估增强操作安全,长短期记忆网络动态学习准确预测环境和地形变化,优化任务准备,决策支持与环境模拟验证策略可靠性和实用性,但其无法针对水下不同障碍物的情景作出调整或分析操作。
3、结合上述文件和现有技术,在采用ai算法对水下进行测绘分析时,不仅需要考虑静态的障碍物,例
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了基于ai的水下测绘实时分析方法及系统,通过组合算法的方式可以应对水下测绘时不同类型的障碍物,同时针对检测结果综合考虑到各个方面因素,继而生成一个能够综合、准确反映使用对应组合算法下得到的测绘效果评估值,该测绘效果评估值越大则表示测绘效果越佳,同时还考虑到分析耗时的因素,在确保不同组合算法效果相同的情况下,选取耗时较少的方案能够进一步提高水下测绘工作的效率,同时也能够保证测绘工作的准确性和稳定性,解决了
技术介绍
中提出的问题。
3、(二)技术方案
4、为实现以上目的,本专利技术通过以下技术方案予以实现:
5、基于ai的水下测绘实时分析系统,包括:
6、水下情况分析模块,识别和分析待测绘水域下的动态障碍物和静态障碍物;
7、算法组合筛选模块,针对水下不同的情况选择组合的ai算法,组合的ai算法包括计算机视觉算法和深度学习的目标检测算法,且计算机视觉算法包括haar特征和hog+svm,深度学习的目标检测算法包括yolo和faster r-cnn;
8、测绘效果评估模块,依次运行不同组合的ai算法,得到检测结果后对检测结果进行分析,分析后计算得出评估参数,依据经过预处理后的评估参数,搭建数据分析模型,生成对应组合ai算法下的测绘效果评估值;
9、实时分析选定模块,对比不同组合算法下对应的测绘效果评估值,对各个测绘效果评估值按照从大到小的顺序进行排序,得到排序表,提取排序表中第一和第二个测绘效果评估值,并将第一和第二个测绘效果评估值的差值与预设标准阈值eyz进行对比,在差值未超过标准阈值eyz时,发出警示信号,并触发选定策略。
10、进一步的,对待测绘水域下的水下情况进行分析以确定存在的动态障碍物和静态障碍物时,采取的步骤如下:
11、s101、根据水下环境的不同选择不同的探测工具,包括声呐、激光扫描仪以及摄像机;
12、s102、使用选定的水下探测工具对水下区域进行数据采集,且采集到的数据包括声呐数据、激光扫描数据以及摄像数据;
13、s103、对采集到的数据进行处理与分析,对于声呐数据通过波形分析来识别障碍物,对于激光扫描数据和摄像数据,使用图像处理技术进行物体检测和识别;
14、s104、通过分析数据中的运动特征以确定是否存在动态障碍物;
15、s105、通过对采集到的数据进行空间分析以确定是否存在静态障碍物,利用激光扫描数据或摄像数据的三维信息,进行物体的构建与分割,识别出水下的物体结构和形状;
16、s106、对不同水下探测工具采集到的数据进行交叉验证。
17、进一步的,组合的ai算法类型包括:haar特征和yolo组合并标记为1,haar特征和faster r-cnn组合并标记为2,hog+svm和yolo组合并标记为3,hog+svm和faster r-cnn组合并标记为4。
18、进一步的,若是水下只是存在动态障碍物,则选择深度学习的目标检测算法中的任一种,若是水下只是存在静态障碍物,则选择计算机视觉算法中的任一种,若是水下同时存在动态障碍物和静态障碍物,则选择深度学习的目标检测算法与计算机视觉算法的组合算法。
19、进一步的,评估参数包括检测准确率、定位精度值以及多目标处理能力值,且对评估参数进行预处理的过程为:进行数据清洗和无量纲化处理。
20、进一步的,检测准确率是通过计算检测到的目标与真实目标之间的重叠程度来评估,重叠程度使用iou度量,即检测框和真实框的交集区域与并集区域的比值;定位精度值是通过计算检测到的目标位置与真实位置之间的距离来评估,使用到距离度量,即欧氏距离;多目标处理能力值表示为组合算法成功检测并标记的障碍物数量与真实障碍物数量之间的比例。
21、进一步的,生成对应组合ai算法下的测绘效果评估值所依据的公式如下:
22、;
23、式中,中的k表示对应组合算法的标记编号,中t=1、2、…n,n为正整数,且t表示预设时间周期t中的时刻,表示时间周期t中各个时刻检测准确率的平均值,表示定位精度值,表示多目标处理能力值,a1、a2、a3分别为时间周期t中各个时刻检测准确率的平均值、定位精度值以及多目标处理能力值的影响因子,a1>a2>a3>0,g为常数修正系数,e是自然对数函数的底数。
24、进一步的,在差值未超过标准阈值eyz时触发的选定策略为:在两个组合算法效果相同且均适用的前提下,需要考虑系统响应时长,比较两个组合算法所对应的响应时长,选取响应时长少的组合算法进行后续的水下测绘分析处理。
25、进一步的,若是该差值超过标准阈值eyz,则直接选定排序表中第一的测绘效果评估值所对应的组合算法进行水下策略分析作业;该差值为第一和第二个测绘效果评估值的差值,本文档来自技高网...
【技术保护点】
1.基于AI的水下测绘实时分析系统,其特征在于,包括:
2.根据权利要求1所述的基于AI的水下测绘实时分析系统,其特征在于:对待测绘水域下的水下情况进行分析以确定存在的动态障碍物和静态障碍物时,采取的步骤如下:
3.根据权利要求2所述的基于AI的水下测绘实时分析系统,其特征在于:组合的AI算法类型包括:Haar特征和YOLO组合并标记为1,Haar特征和Faster R-CNN组合并标记为2,HOG+SVM和YOLO组合并标记为3,HOG+SVM和Faster R-CNN组合并标记为4。
4.根据权利要求3所述的基于AI的水下测绘实时分析系统,其特征在于:若是水下只是存在动态障碍物,则选择深度学习的目标检测算法中的任一种,若是水下只是存在静态障碍物,则选择计算机视觉算法中的任一种,若是水下同时存在动态障碍物和静态障碍物,则选择深度学习的目标检测算法与计算机视觉算法的组合算法。
5.根据权利要求4所述的基于AI的水下测绘实时分析系统,其特征在于:评估参数包括检测准确率、定位精度值以及多目标处理能力值,且对评估参数进行预处理的过程为:进
6.根据权利要求5所述的基于AI的水下测绘实时分析系统,其特征在于:检测准确率是通过计算检测到的目标与真实目标之间的重叠程度来评估,重叠程度使用IoU度量,即检测框和真实框的交集区域与并集区域的比值;定位精度值是通过计算检测到的目标位置与真实位置之间的距离来评估,使用到距离度量,即欧氏距离;多目标处理能力值表示为组合算法成功检测并标记的障碍物数量与真实障碍物数量之间的比例。
7.根据权利要求6所述的基于AI的水下测绘实时分析系统,其特征在于:生成对应组合AI算法下的测绘效果评估值所依据的公式如下:
8.根据权利要求7所述的基于AI的水下测绘实时分析系统,其特征在于:在差值未超过标准阈值Eyz时触发的选定策略为:在两个组合算法效果相同且均适用的前提下,需要考虑系统响应时长,比较两个组合算法所对应的响应时长,选取响应时长少的组合算法进行后续的水下测绘分析处理。
9.根据权利要求8所述的基于AI的水下测绘实时分析系统,其特征在于:若是该差值超过标准阈值Eyz,则直接选定排序表中第一的测绘效果评估值所对应的组合算法进行水下策略分析作业;该差值为第一和第二个测绘效果评估值的差值,且该差值的计算过程为:用排序第一的测绘效果评估值减去排序第二的测绘效果评估值,并将得到的值进行绝对值计算,继而得到所需的差值。
10.基于AI的水下测绘实时分析方法,使用权利要求1至9中的任一种所述系统,其特征在于:包括如下步骤:
...【技术特征摘要】
1.基于ai的水下测绘实时分析系统,其特征在于,包括:
2.根据权利要求1所述的基于ai的水下测绘实时分析系统,其特征在于:对待测绘水域下的水下情况进行分析以确定存在的动态障碍物和静态障碍物时,采取的步骤如下:
3.根据权利要求2所述的基于ai的水下测绘实时分析系统,其特征在于:组合的ai算法类型包括:haar特征和yolo组合并标记为1,haar特征和faster r-cnn组合并标记为2,hog+svm和yolo组合并标记为3,hog+svm和faster r-cnn组合并标记为4。
4.根据权利要求3所述的基于ai的水下测绘实时分析系统,其特征在于:若是水下只是存在动态障碍物,则选择深度学习的目标检测算法中的任一种,若是水下只是存在静态障碍物,则选择计算机视觉算法中的任一种,若是水下同时存在动态障碍物和静态障碍物,则选择深度学习的目标检测算法与计算机视觉算法的组合算法。
5.根据权利要求4所述的基于ai的水下测绘实时分析系统,其特征在于:评估参数包括检测准确率、定位精度值以及多目标处理能力值,且对评估参数进行预处理的过程为:进行数据清洗和无量纲化处理。
6.根据权利要求5所述的基于ai的水下测绘实时分析系统,其特征在于:检测准确率是通过计算检测到的目标与真实目标之间...
【专利技术属性】
技术研发人员:郝海娜,汪修勇,周培栋,
申请(专利权)人:山东省物化探勘查院,
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。