[发明专利]一种基于深度学习的水下单目视觉目标深度定位融合估计方法

说明书

本发明是一种基于深度学习的水下单目视觉目标深度定位融合估计方法。本发明属于水下单目视觉定位融合估计技术领域，本发明建立水下摄像机的量化坐标系，确定点投影到玻璃下表面的像距离主光轴的距离，建立基于二次投影的水下摄像机成像模型；对基于二次投影的水下摄像机成像模型，进行参数标定；基于几何特征，进行水下单目视觉目标进行深度估计；基于帧差法，进行水下单目视觉目标进行深度估计；采用基于深度学习的SSD300目标检测方法，对水下目标进行检测，基于几何特征和帧差法，进行水下单目视觉目标深度定位融合估计。引入熵权法开展单目视觉目标深度融合估计方法研究，有效减小单一方法深度估计的不稳定性，提高深度估计的准确性。

技术领域

本发明涉及水下单目视觉定位融合估计技术领域，是一种基于深度学习的水下单目视觉目标深度定位融合估计方法。

背景技术

海洋是人类生命的摇篮，其中蕴藏着丰富的能源、生物资源和矿产资源，走向海洋逐渐成为人们的共识，海洋不仅关系到一个国家的兴衰发展，更与人类的生存紧密相连。伴随着海洋开发、海洋军事应用的需要，水下作业技术、作业装备的研究与研发需求日益紧迫。面对水下复杂多变环境带来的作业条件限制，迫切需要一种体积小、可控性好、经济性强、作业风险低的移动载体。在以上需求的推动下，水下机器人逐渐成为目前海洋工程及海洋科学领域的研究热点，并且发展迅速，目前已在海洋开发中发挥着不可替代的作用。

水下机器人在民用及军用领域均有很大的应用前景，其中水下目标的定位是海洋开发中一个不可忽略的重要问题。由于无线电波在水介质中的快速衰减，目前最有效的水下信息载体是声波，基于声学的定位方法也是水下目标定位中的一个重要研究方向，但其在近距离时的定位精度较差，同时声学定位属于主动式量测方法，在一些军用及特殊场合下会暴露自身位置，在应用上也有很大的限制；基于光视觉的定位方法作为水下目标定位的另一个重要研究方向，它弥补了声学定位在近距离时精确度及隐蔽性方面的不足，具有定位精度高、获取信息全面、速度快等优点，在满足定位精度要求的前提下还能获得比较完整的上下文信息，在水下安防、水雷探测、海底地形探测、水下探坝、水下对接等领域具有不可替代的作用。

单目视觉目标定位作为基于光视觉的目标定位的一个重要分支，相对于双目或多目视觉目标定位而言，其具有系统结构简单、设备空间小、安装部署简单、计算量小、经济性好等特点，在水下机器人中应用广泛，尤其在空间成本、经济成本、计算成本受限的水下机器人中应用最为广泛。因此，开展基于单目视觉的水下定位技术研究具有切实的研究意义和工程实用价值。

三维目标点经过摄像机投影后变为平面二维的目标点，在这一过程中，深度信息丢失，在基于视觉的定位及3D重构过程中都离不开对目标的深度信息的恢复。在基于单目视觉定位系统中，如果忽略成像模型的系统误差造成的影响，目标深度(Z向)获取的精确程度是直接影响其他两个维度定位(X与Y向)的精确程度的重要因素。因此，基于单目视觉的定位系统中，目标深度的准确获取至关重要。

发明内容

本发明为有效减小单一方法深度估计的不稳定性，提高深度估计的准确性，本发明提供了一种基于深度学习的水下单目视觉目标深度定位融合估计方法，本发明提供了以下技术方案：

一种基于深度学习的水下单目视觉目标深度定位融合估计方法，包括以下步骤：

步骤1：建立水下摄像机的量化坐标系，并进行水下摄像机成像模型的坐标系转换；

步骤2：建立水下折射模型，确定点投影到玻璃下表面的像距离主光轴的距离，建立基于二次投影的水下摄像机成像模型；

步骤3：对基于二次投影的水下摄像机成像模型，进行参数标定；

步骤4：采用基于深度学习的SSD300目标检测方法，对水下目标进行检测；

步骤5：基于几何特征，进行水下单目视觉目标进行深度估计；基于帧差法，进行水下单目视觉目标进行深度估计；