[发明专利]应用于无人船感知系统的目标检测方法及装置

说明书

本发明公开了一种应用于无人船感知系统的目标检测方法，包括以下步骤，步骤一：收集图像数据；步骤二：进行预处理；步骤三：搭建神经网络结构；步骤四：将预处理后的图像数据进行优化运算；步骤五：经由判断模块对步骤四中优化运算的数据进行准确率测试，根据测试结果，将低于预设准确率的数据返回至步骤三重新处理，将高于预设准确率的数据传送至步骤六；步骤六：将数据进行封装；步骤七：通过显示模块将封装数据进行可视化显示；步骤八：根据可视化界面中对环境的识别分析，通过调节模块调控无人船的行驶状态。本发明能够通过大量的训练数据，使得神经网络能够按照“经验”对拍摄的图片进行分类，从而使识别准确率高、实时性好、鲁棒性好。

技术领域

本发明涉及无人船感知领域，尤其涉及一种应用于无人船感知系统的目标检测方法及装置。

背景技术

无人船是继无人机和无人车后，无人技术领域又一重大研究方向。无人船是在没有人的干预下，使船体能够自动躲避障碍，完成水上的采样检测、测绘等作业的一项技术。

无人船的一个技术难题就是视觉感知系统的构建，目前由于深度学习在图像分类和检测上取得了突破性的成果，由深度学习主导的无人船环境感知系统的研究以其极佳的检测效果成为当今主要的研究方向。公开号为CN105799872A名称为《水面垃圾无人自动搜索船》的专利，使用摄像头和平板电脑，使用阈值化的方法进行目标检测。公开号为CN205539467U名称为《一种无人船舶航行环境障碍物识别装置》的专利中，用于采集图像的摄像头采集图像并通过传统的方法进行检测和分类。然而，以上的无人船的环境感知系统中，使用的目标检测方法均应用传统的图形学检测方法，其精度和准确率比较低、实时性差，以致其感知系统检测效果比较差。

发明内容

为解决上述问题，本发明采用的技术方案在于，提供一种应用于无人船感知系统的目标检测方法，包含以下步骤：

步骤一：通过数据采集模块收集图像数据；

步骤二：通过图像信息预处理模块，将数据采集模块收集的图像数据进行预处理；

步骤三：通过卷积神经网络模块搭建神经网络结构；

步骤四：将预处理后的图像数据经过卷积神经网络模块搭建的神经网络结构进行优化运算；

步骤五：经由判断模块对步骤四中优化运算的数据进行准确率测试，根据测试结果，将低于预设准确率的数据返回至步骤三重新处理，将高于预设准确率的数据传送至步骤六；

步骤六：通过输出模块将步骤五中传送过来的数据进行封装；

步骤七：通过显示模块将封装数据进行可视化显示；

步骤八：根据可视化界面中对环境的识别分析，通过调节模块调控无人船的行驶状态。

进一步的，所述步骤一中，对所述图像数据的采集使用带有夜视功能的相机拍摄船只四周的环境图片，将相机安装在可360度旋转的支撑物上，所述支撑物由数据采集模块控制旋转面。

进一步的，所述图像数据包括：水面数据、路面数据集、岸边数据集、障碍物、其他船只数据集和其他数据集。

进一步的，所述步骤三中，通过卷积神经网络模块搭建神经网络结构，具体步骤为：

所述第一层为卷积层，将224×224的输入数据进行卷积操作，使用32个大小为3×3的卷积核进行卷积，输出数据大小为224×224；

第二层为最大池化层，使用的卷积核大小为2×2，移动步长为2，输出数据大小为112×112；

第三层为卷积层，使用64个大小为3×3的卷积核进行卷积，输出数据大小为112×112；

第四层为最大池化层，使用的卷积核大小为2×2，移动步长为2，输出数据大小为56×56；