[发明专利]水面漂浮目标自主巡检方法、装置、设备及存储介质

权利要求书

1.一种水面漂浮目标自主巡检方法，其特征在于，包括以下步骤:

接收巡检区域设定请求，设定无人船的待巡检区域；

利用动态规划算法计算出在所述待巡检区域的巡检路线，获取所述无人船在巡检路线自主航行时的路径水面图像信息；

通过视觉目标检测模块实时检测水面漂浮垃圾，利用目标追踪模块对水面漂浮垃圾进行持续追踪；

计算追踪的水面漂浮垃圾与所述无人船的相对位置关系，得到所述水面漂浮垃圾在巡检区域的真实坐标；

将所述真实坐标设为无人船的优先航行点，使所述优先航行点的航行迫切度大于无人船当前巡检路线；

实时检测所述优先航行点水面漂浮垃圾是否被清理，根据检测结果通知所述无人船返回至巡检路线，重复执行上述步骤的一项或多项。

2.根据权利要求1所述的水面漂浮目标自主巡检方法，其特征在于，所述利用动态规划算法计算出在所述待巡检区域的巡检路线的步骤包括，对所述待巡检区域进行区域划分处理，获得宽度小于所述无人船检测数据获取宽度的若干相邻的间隔区域。

3.根据权利要求2所述的水面漂浮目标自主巡检方法，其特征在于，所述对所述待巡检区域进行区域划分处理的步骤包括：

建立关于所述待巡检区域的坐标系，选取所述待巡检区域的边界上的定位点，在所述定位点处利用斜截式方程生成初始直线，为所述初始直线设定斜率参数组，遍历得到所述斜率参数组的数值并作为初始直线的斜率执行以下步骤：

设定截距变化量参数组，遍历所述截距变化量参数组并作为初始直线的增量，产生关于所述初始直线的若干条平行线，直至出现首次与所述待巡检区域无交点的初始直线法向量两端的两条无交集平行线；

统计所述斜率参数组的遍历过程中生成的平行线数量，以数量最少的一组平行线作为所述区域划分处理的划分线组。

4.根据权利要求1所述的水面漂浮目标自主巡检方法，其特征在于，所述通过视觉目标检测模块实时检测水面漂浮垃圾的步骤之前包括，通过采用深度学习的方法建立关于检测水面漂浮垃圾的模型检测文件；

所述通过视觉目标检测模块实时检测水面漂浮垃圾的步骤包括，将水面漂浮物体的图像数据输出至所述模型检测文件，获取所述模型检测文件输出的水面漂浮物体位置信息以及关于水面漂浮物体的检测可信度；

所述通过采用深度学习的方法建立关于检测水面漂浮垃圾的模型检测文件的步骤包括，初始化已经训练成熟的yolov3模型文件，通过预先采集并已经标明了水面漂浮垃圾的图像数据信息进行训练，统计训练过程中的损失函数Loss值，通过所述Loss值来判断整个模型是否完成训练；

所述获取所述模型检测文件输出的水面漂浮物体位置信息以及关于水面漂浮物体的检测可信度的步骤包括：

根据设定的检测可信度阈值对yolov3模型文件预测的水面漂浮物体的位置信息进行选择性输出，生成水面漂浮物体的图像标记框。

5.根据权利要求4所述的水面漂浮目标自主巡检方法，其特征在于，所述利用目标追踪模块对水面漂浮垃圾进行持续追踪的步骤包括，利用所述目标追踪模块接收无人船获取的连续帧图片并通过卷积神经网络提取多帧图片之间的相似度度量特征，运用最大匹配的方式使多帧图片之间的相同相似度度量特征对准，使用卡尔曼滤波器与匈牙利算法结合的方式实现目标追踪轨迹输出。

6.根据权利要求5所述的水面漂浮目标自主巡检方法，其特征在于，所述利用所述目标追踪模块接收无人船获取的连续帧图片的步骤包括，若所述视觉目标检测模块检测某一帧图像数据后得到了图像标记框，则将得到的图像标记框初始化为目标追踪模块中的追踪对象，利用目标追踪模块预先训练的卷积神经网络提取每一个图像标记框的特征,过滤置信度小于所述检测可信度阈值的图像标记框，得到目标追踪模块中需要的追踪对象并标注名称。