[发明专利]一种面向水下机器人搜寻探摸的目标定位方法

权利要求书

1.一种面向水下机器人搜寻探摸的目标定位方法，其特征在于，包括以下步骤：

S1.通过水下机器人的前视声呐采集的声纳图像提取水下目标的A-KAZE特征点；

S2.将带有A-KAZE特征的声呐图像输入卷积神经网络方法识别声呐图像中目标的A-KAZE特征点；

S3.运用目标特征点与前置声呐的几何关系测算水下目标相对于水下机器人的二维方位；

S4.将水下目标特征点二维方位和水下机器人的姿态结合测算目标的仰角θ，通过得到的仰角θ测算水下目标相对于水下机器人的三维方位；

S5.修正目标的仰角θ，进而修正水下目标点相对于水下机器人的三维方位。

2.根据权利要求1所述的面向水下机器人搜寻探摸的目标定位方法，其特征在于，所述步骤S1中提取水下目标的A-KAZE特征点包括以下步骤：

S101.定义一组演化时间构建非线性尺度空间；

S102.将像素单位中的离散集转换为时间单位；

S103.给定输入图像和对比度因子，使用快速显式扩散方法；

S104.将快速显式扩散方法嵌入从粗到细的金字塔方法中；

S105.为每个声呐图像计算海森行列式；

S106.使用级联沙尔滤波器计算二阶导数。

3.根据权利要求1所述的面向水下机器人搜寻探摸的目标定位方法，其特征在于，所述步骤S2的具体实现包括以下子步骤：

S201.使用GoogLeNet架构在声呐图像数据集上训练卷积神经网络。

4.根据权利要求3所述的面向水下机器人搜寻探摸的目标定位方法，其特征在于：所述GoogLeNet架构包括五层，第一层和第二层为卷积层和最大池化层，第三层为inception层，第四层为特征层，是完全连接的层，第四层将先前的输出映射到Dim×1向量，第五层是完全连接的层，第五层将先前的特征层映射为3×1向量，并将映射为3×1向量的特征层与使用欧式损失的位置标签进行比较。

5.根据权利要求1所述的面向水下机器人搜寻探摸的目标定位方法，其特征在于，所述步骤S3的具体实现包括以下子步骤：

S301.局部笛卡尔声呐坐标系与球面参数坐标系相互转化。

6.根据权利要求1所述的面向水下机器人搜寻探摸的目标定位方法，其特征在于，所述步骤S4的具体实现包括以下子步骤：

S401.将水下目标特征点和水下机器人的姿态公式化为非线性最小二乘因子图优化，对于每个姿态X_t，包含以下6个参数(x_o，y_o，z_o，yaw，pitch，roll)，对于每个特征点，包含以下3个参数(x，y，z)；

S402.将因子图求解为非线性优化；

S403.将特征点l_j＝(x，y，z)转换为声呐帧，获得局部坐标(x_s，y_s，z_s)的方位角和距离；

S404.利用对数函数的单调性，通过声呐测量值的反投影找到特征点的初始估计；

S405.将未知仰角θ设置为0，然后使用水下机器人姿态X_t将点从声纳直角坐标(x_s，y_s，z_s)转换为世界直角坐标(x，y，z)，用作初始猜测特征点的三维方位；

S406.根据基本姿态X_b，相应的方位和距离的测量值m_b计算目标点的仰角θ。

7.根据权利要求1所述的面向水下机器人搜寻探摸的目标定位方法，其特征在于：所述步骤S5中，采用约束不足或约束充足的特征点迭代计算修正目标仰角θ，进而修正水下目标点相对于水下机器人的三维方位。