[发明专利]基于深度强化神经网络的内河船舶干舷检测方法

权利要求书

1.一种基于深度强化神经网络的内河船舶干舷检测方法，其特征在于，包括如下步骤：

步骤1，将激光雷达与联动云台设立在内河岸边的高杆上，每类船舶场景内设定相应的激光雷达检测参数调整区域，针对不同类型的内河场景选择激光雷达布设位置，由联动云台带动激光雷达调整检测高度和朝向角，对船舶的一侧进行扫描，通过激光雷达现场采集船舶点云信息；

步骤2，卷积神经网络N_L的训练阶段：根据历史数据整理相关的船舶线轮廓图像样本，训练卷积神经网络N_L使其能识别船舶外轮廓的激光扫描点云数据，识别并提取船舶干舷位置，解算船舶干舷的真实高度，并给出相应的置信度；

步骤3，强化学习神经网络N_Q训练阶段：该阶段以卷积神经网络N_L所识别的船舶干舷所在位置信息及其置信度为输入数据，通过联动云台对激光雷达布设高度、朝向角的反复调整和强化学习，获取激光雷达最佳的布设参数，以确保卷积神经网络识别结果的置信度最优；

步骤4，实时数据预处理阶段：通过激光雷达现场采集每一帧船舶点云信息，预处理成线轮廓图像；

步骤5，现场船舶吃水情况判别阶段：将步骤4中的线轮廓图像经过训练好的卷积神经网络进行干舷识别，给出置信度数据，然后由训练好的强化学习网络对置信度进行处理，以判断激光雷达的布设高度和朝向角是否需要微调，并借助联动云台实现微调，直到卷积网络的给出置信度达到最优，最终得到船舶的吃水情况。

2.如权利要求1所述的一种基于深度强化神经网络的内河船舶干舷检测方法，其特征在于：步骤2中训练卷积神经网络N_L阶段，具体步骤如下，

(2-1)采集激光雷达点云数据，设置对应的分类标签，建立样本集G；

(2-2)对样本集G中的各组点云信息进行坐标转换，获取该轮廓线在二维直角坐标系下的线轮廓图像；

(2-3)将所有步骤(2-2)中直角坐标系下的线轮廓图像信息存入一个新建的样本集，该样本集作为卷积神经网络训练样本集；

(2-4)构建卷积神经网络中的线轮廓图像特征提取网络，该网络包括输入层、卷积层C1、下采样层S2、卷积层C3、下采样层S4、额外卷积特征输出层；其中，卷积层、下采样层用于原始图像的特征提取，将输入的线轮廓图像转换成多维度的特征表示，从而得到特征图；额外卷积特征输出层是一种特征选择策略，用小卷积滤波器来预测特征图上船舶干舷的位置，并传递该检测结果的置信度E；

(2-5)利用步骤(2-4)构建的线轮廓图像特征提取网络提取步骤(2-3)中训练样本图像的特征矩阵，建立分类标签样本集，确保原始图像、船舷样本图像以及相应的标签均一一对应；

(2-6)利用步骤(2-5)得到的样本图像特征矩阵与对船舷位置的预测，生成针对强化神经网络N_Q的置信度E。