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() 基于可见光偏振成像的无人机地雷目标检测方法及系统技术方案_技高网
当前位置: 首页 > 专利查询>同济大学专利>正文

基于可见光偏振成像的无人机地雷目标检测方法及系统技术方案

技术编号:41705132 阅读:17 留言:0更新日期:2024-06-19 12:36
本发明专利技术公开了一种基于可见光偏振成像的无人机地雷目标检测方法及系统。所述无人机地雷目标检测方法基于挂载于无人机端的可见光偏振成像模块获取的偏振量光强数据,包括获取对应若干偏振角的所述偏振量光强数据、计算相应Stokes矢量以及进一步计算三个表征光波偏振态的参数、将偏振度、偏振角以及椭圆角作为三通道的输入,输入到深度神经网络模型中进行地表地雷目标的自动化检测等步骤。本发明专利技术基于可见光偏振成像并结合深度学习技术,实现对草地、滩涂、沙滩等复杂背景下地表地雷目标的探测,可作为目前无人机综合探雷体系中的一种重要手段。

【技术实现步骤摘要】

本专利技术涉及遥感目标探测与识别,更具体地,涉及一种基于可见光偏振成像的无人机地雷目标检测方法及系统


技术介绍

1、地雷由于其隐蔽性、伪装性、杀伤力,不仅会在战时会造成较大的人员伤亡和车辆毁伤,而且世界各地存在诸多过往战争中遗留的雷场,继续摧毁着人类生命,影响战后和平时期的经济社会发展。通常地雷目标主要位于草地、沙地等复杂背景环境下。传统的地面穿透雷达、微波辐射计和经典的金属探测器、可见光成像地雷探测方法,容易受复杂背景的干扰,造成误检与虚警。

2、偏振是强度、波长和相位之外描述电磁波基本属性的第四个重要的“信息维度”参量,物体反射光或辐射光的偏振特性与其材质、几何形状、纹理结构和表面粗糙度、理化特性等本身性质密切相光。由于光线照射粗糙表面所产生的散射作用,造成不同粗糙面的地雷目标产生不同的偏振度。光线和地雷表面作用时,低反射率的区域即表面光滑区域,单次散射占主要部分,而反射率高的区域即表面粗糙区域,多次散射占主要部分,当反射光以单次散射为主时,偏振度较大,多次散射由于发射光的偏振方向不确定性,偏振度较低。偏振成像可以作为可见光、红外和光谱成像的有效补充,对低信噪比复杂背景环境、强散射环境、低照度环境下的目标具有很好的探测能力。

3、目前,轻小型无人机正以其机动性灵活、成本低廉、受地形条件限制小、无生命代价等显著优势,在军事和民用领域应用越来越广泛。特别是传感器技术和人工智能技术的迅猛发展,使得无人机系统的智能感知、决策和自主能力不断增强,业已成为战场情报、监视和侦察的重要平台和作战武器。然而,目前通过无人机收集可见光偏振成像来对地表多尺度、小目标进行探测的技术尚有缺失。


技术实现思路

1、针对现有技术的上述缺陷,本专利技术提供了一种无人机地雷目标检测方法及系统,基于可见光偏振成像并结合深度学习技术,实现对草地、滩涂、沙滩等复杂背景下地表地雷目标的探测,可作为目前无人机综合探雷体系中的一种重要手段。

2、为实现上述目的,一方面,本专利技术提供一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,基于挂载于无人机端的可见光偏振成像模块获取的偏振量光强数据,包括以下步骤:

3、步骤s101、获取对应若干偏振角的所述偏振量光强数据;

4、步骤s102、计算相应stokes矢量以及进一步计算三个表征光波偏振态的参数:偏振度、偏振角以及椭圆角;

5、步骤s103、将偏振度、偏振角以及椭圆角作为三通道的输入,输入到深度神经网络模型中进行地表地雷目标的自动化检测:所述深度神经网络模型采用基于特征金字塔网络的基础结构,并在所述特征金字塔网络顶层中增加采样感受野增强模块;在所述深度神经网络模型的颈部,使用空间金字塔池分离出最重要的上下文特征并增加感受野,使用路径聚合结构来融合不同特征层的特征;在所述深度神经网络模型的检测头部引入注意力增强模块。

6、进一步地,所述偏振角的所述偏振量光强数据包括场景和目标的0°、45°、90°和135°四个偏振角的偏振量光强数据。

7、进一步地,所述stokes矢量方程为:

8、

9、上式中,i0,i45,i90,i135分别表示光波中0°、45°、90°和135°的线偏振成分的光强,ir和il分别表示光波中右旋圆偏振和左旋圆偏振成分的光强;s0表示光波的总强度,s1表示水平0°和竖直90°方向上线偏振光的强度差,s2表示45°和135°方向上线偏振光的强度差,s3表示右旋与左旋圆偏振光的强度差;ex(t),ey(t)是分布沿x,y方向的电场矢量,δ为电场矢量在x,y方向的相位差。

10、进一步地,所述步骤s102中,利用stokes矢量得到偏振度dop、偏振角aop以及椭圆角ε的公式为:

11、

12、偏振度表达完全偏振光在总光强中的比例,偏振角表达偏振光震动方向与参考方向的x轴的夹角,椭圆角表示偏振椭圆短轴与长轴之比。

13、另一方面,本专利技术提供一种基于可见光偏振成像的无人机地雷目标检测系统,其特征在于,用以实现如上述的无人机地雷目标检测方法,包括有:

14、数据采集模块,获取无人机发回的若干个偏振角的偏振量光强数据;

15、数据预处理模块,计算stokes矢量以及表征光波偏振态的参数:偏振度、偏振角以及椭圆角;

16、深度神经网络检测器,将所述偏振度、偏振角以及椭圆角输入深度神经网络模型,进行地表地雷目标的自动化检测;

17、所述深度神经网络模型采用基于特征金字塔网络的基础结构,并在所述特征金字塔网络顶层中增加采样感受野增强模块;在所述深度神经网络模型的颈部,使用空间金字塔池分离出最重要的上下文特征并增加感受野,使用路径聚合结构作为连接模块来融合不同特征层的特征;在所述深度神经网络模型的检测头部引入注意力增强模块。

18、进一步地,所述无人机包括机载的可见光偏振成像探测模块,所述可见光偏振成像探测模块包括可见光偏振相机系统和机载微型计算机;所述机载计算机实现对偏振相机成像参数调整和自动控制,获取并存储相应的偏振数据。

19、进一步地,所述数据采集模块位于地面端,获取所述机载计算机存储若干个偏振角的偏振量光强数据。

20、进一步地,所述特征金字塔网络为5层结构。

21、进一步地,所述采样感受野增强模块先通过一个步长为2的3×3卷积层,在减小特征图尺寸的同时增加通道数,使后续的卷积核能获取到更大空间范围的信息;然后通过简单的近邻插值进行上采样,恢复到原有尺寸,并采用1×1卷积层减小通道数后与此模块输入的特征图进行通道维度上的堆叠;最后再通过3×3卷积对特征细化、融合。

22、进一步地,所述注意力增强模块根据输入的不同特征的重要性动态地学习权重,并利用以下公式计算权重信息:

23、

24、其中,是注意力加权后的特征图,f是输入的特征图(feature maps),fatt(·;θatt)是注意力权重计算子网络,θatt是该子网络的参数,表示元素相乘。

25、与现有技术相比,本专利技术具有以下技术效果:

26、(1)本专利技术集成现有可见光偏振工业相机,设计了一种可挂载于无人机载的可见光偏振成像探测模块,实现无人机对地面目标的可见光偏振成像探测。

27、(2)本专利技术设计了一种可见光偏振特征深度学习的地雷目标检测系统,提出了感受野增强的基础网络结构,来增强对不同尺度和小目标的检测识别能力,并且设计了注意力机制来减弱背景杂波对目标干扰。

28、(3)本专利技术可实现对地表地雷目标的有效探测,可作为目前无人机综合探雷体系中的一种重要手段。

本文档来自技高网...

【技术保护点】

1.一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,基于挂载于无人机端的可见光偏振成像模块获取的偏振量光强数据,包括以下步骤:

2.根据权利要求1所述的一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,所述偏振角的所述偏振量光强数据包括场景和目标的0°、45°、90°和135°四个偏振角的偏振量光强数据。

3.根据权利要求2所述的一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,所述Stokes矢量方程为:

4.根据权利要求3所述的一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,所述步骤S102中,利用Stokes矢量得到偏振度DoP、偏振角AoP以及椭圆角ε的公式为:

5.一种基于可见光偏振成像的无人机地雷目标检测系统,其特征在于,用以实现如权利要求1至4任一项所述的无人机地雷目标检测方法,包括有:

6.根据权利要求5所述的一种基于可见光偏振成像的无人机地雷目标检测系统,其特征在于,所述无人机包括机载的可见光偏振成像探测模块,所述可见光偏振成像探测模块包括可见光偏振相机系统和机载微型计算机;所述机载计算机实现对偏振相机成像参数调整和自动控制,获取并存储相应的偏振数据。

7.根据权利要求6所述的一种基于可见光偏振成像的无人机地雷目标检测系统,其特征在于,所述数据采集模块位于地面端,获取所述机载计算机存储若干个偏振角的偏振量光强数据。

8.根据权利要求5或6所述的一种基于可见光偏振成像的无人机地雷目标检测系统,其特征在于,所述特征金字塔网络为5层结构。

9.根据权利要求5或6所述的一种可见光偏振成像的无人机地雷目标检测系统,其特征在于,所述采样感受野增强模块先通过一个步长为2的3×3卷积层,在减小特征图尺寸的同时增加通道数,使后续的卷积核能获取到更大空间范围的信息;然后通过简单的近邻插值进行上采样,恢复到原有尺寸,并采用1×1卷积层减小通道数后与此模块输入的特征图进行通道维度上的堆叠;最后再通过3×3卷积对特征细化、融合。

10.根据权利要求5或6所述的一种可见光偏振成像的无人机地雷目标检测系统,其特征在于,所述注意力增强模块根据输入的不同特征的重要性动态地学习权重,并利用以下公式计算权重信息:

...

【技术特征摘要】

1.一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,基于挂载于无人机端的可见光偏振成像模块获取的偏振量光强数据,包括以下步骤:

2.根据权利要求1所述的一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,所述偏振角的所述偏振量光强数据包括场景和目标的0°、45°、90°和135°四个偏振角的偏振量光强数据。

3.根据权利要求2所述的一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,所述stokes矢量方程为:

4.根据权利要求3所述的一种基于可见光偏振成像的无人机地雷目标检测方法,其特征在于,所述步骤s102中,利用stokes矢量得到偏振度dop、偏振角aop以及椭圆角ε的公式为:

5.一种基于可见光偏振成像的无人机地雷目标检测系统,其特征在于,用以实现如权利要求1至4任一项所述的无人机地雷目标检测方法,包括有:

6.根据权利要求5所述的一种基于可见光偏振成像的无人机地雷目标检测系统,其特征在于,所述无人机包括机载的可见光偏振成像探测模块,所述可见光偏振成像探测模块包括可见光偏振相机...

【专利技术属性】
技术研发人员:郭炜炜罗朝鹏姜和俊李红吕荣其
申请(专利权)人:同济大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1