[发明专利]基于机器视觉以及雷达的港口船体识别方法在审

专利信息
申请号: 202111659233.9 申请日: 2021-12-30
公开(公告)号: CN114332784A 公开(公告)日: 2022-04-12
发明(设计)人: 黄剑翔;王明明;汪宗洋 申请(专利权)人: 江苏集萃深度感知技术研究所有限公司
主分类号: G06V20/54 分类号: G06V20/54;G06V10/762;G06V10/774;G06V10/74;G06V10/80;G06K9/62;G01S13/58;G01S13/08;G01S13/86;G01S17/58;G01S17/08;G01S17/86
代理公司: 无锡知更鸟知识产权代理事务所(普通合伙) 32468 代理人: 张涛
地址: 214135 江苏省无锡市新*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 机器 视觉 以及 雷达 港口 船体 识别 方法
【说明书】:

发明涉及一种基于机器视觉以及雷达的港口船体识别方法。其包括:构建基于机器视觉的港口船体目标检测模型,以利用所构建的港口船体检测模型能得到港口船体图像中的船体目标检测框信息;建立基于雷达的港口船体识别装置,利用所述港口船体识别装置能得到港口船体雷达检测信息;将利用港口船体目标检测模型输出的当前船体目标检测框信息以及利用港口雷达船体识别装置得到的当前港口船体雷达检测信息通过匈牙利匹配方法进行融合匹配,以得到并输出所识别港口船体的速度信息、距离信息以及类别信息。本发明利用机器视觉以及雷达同时对港口船体识别,提高港口船体识别的精度以及可靠性。

技术领域

本发明涉及一种港口船体识别方法,尤其是一种基于机器视觉以及雷达的港口船体识别方法。

背景技术

由古至今,水上运输一直都是一条重要的交通线,船只是水上重要的交通运输工具。由此,做好港口船只的有效管控是实现水上运输安全、和谐发展的重要途径,为此有必要做好港口船只船身、运行状况的精准检测和监管。

目前,很多港口对船体的目标检测方法多数是依靠机器视觉或者雷达图像,但利用机器视觉或雷达单独检测的缺点十分明显。机器视觉相比雷达而言,具备超大的探测范围、丰富的原始信息、能够精确测量角度、目标分类能力强等优点而受到更多人的选择,但单独使用机器视觉传感器会导致在大雾等极端天气的检测效果不好,这是由于这种极端天气会严重干扰视觉图像的有效获取。单独使用雷达进行目标检测时,虽然在目标检测的同时能够测量出目标的速度,但是会导致角度分辨率低,信号损失大,目标分类能力差。因此,无论选择哪一种目标检测方式都不是最好的选择,在很大程度上限制了船体检测识别能力,无法适应目前对港口船体识别的需求。

发明内容

本发明的目的是克服现有技术中存在的不足,提供一种基于机器视觉以及雷达的港口船体识别方法,其利用机器视觉以及雷达同时对港口船体识别,提高港口船体识别的精度以及可靠性。

按照本发明提供的技术方案,一种基于机器视觉以及雷达的港口船体识别方法,所述港口船体识别方法包括:

构建基于机器视觉的港口船体目标检测模型,以利用所构建的港口船体检测模型能得到港口船体图像中的船体目标检测框信息;

建立基于雷达的港口船体识别装置,利用所述港口船体识别装置能得到港口船体雷达检测信息;

将利用港口船体目标检测模型输出的当前船体目标检测框信息以及利用港口雷达船体识别装置得到的当前港口船体雷达检测信息通过匈牙利匹配方法进行融合匹配,以得到并输出所识别港口船体的速度信息、距离信息以及类别信息。

构建基于机器视觉的港口船体目标识别模型为基于YOLOv4的目标检测模型时,所述构建基于机器视觉的港口船体目标检测模型包括如下步骤:

步骤1.1、制作用于训练基于YOLOv4的目标检测模型的目标检测模型数据集,其中,目标检测模型数据集内的数据图像为至少包含港口船体图像;

步骤1.2、将上述制作的目标检测模型数据集划分为检测模型训练集、检测模型验证集以及检测模型测试集,配置基于YOLOv4的目标检测模型的目标检测模型损失函数以及目标检测模型训练终止条件,利用检测模型训练集对基于YOLOv4的目标检测模型训练,直至满足目标检测模型训练终止条件,以构建得到用于对港口船体目标检测的目标检测模型。

采用基于基于YOLOv4的目标检测模型构建基于机器视觉的港口船体目标识别模型时,所述目标检测框信息包括类别、类别的置信度以及目标检测框的坐标信息。

对基于雷达的港口船体识别装置,所述雷达包括毫米波雷达或激光雷达;

港口船体识别装置输出的港口船体雷达检测信息包括目标船体的速度、目标船体与雷达间的距离以及目标船体的类别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏集萃深度感知技术研究所有限公司,未经江苏集萃深度感知技术研究所有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111659233.9/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top