CN102034112A - 一种相控阵三维声学摄像声纳动静目标识别方法 - Google Patents

一种相控阵三维声学摄像声纳动静目标识别方法 Download PDF

Info

Publication number
CN102034112A
CN102034112A CN 201010595072 CN201010595072A CN102034112A CN 102034112 A CN102034112 A CN 102034112A CN 201010595072 CN201010595072 CN 201010595072 CN 201010595072 A CN201010595072 A CN 201010595072A CN 102034112 A CN102034112 A CN 102034112A
Authority
CN
China
Prior art keywords
target
frame
targets
distance
goal set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201010595072
Other languages
English (en)
Other versions
CN102034112B (zh
Inventor
陈耀武
周凡
徐巍军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN2010105950727A priority Critical patent/CN102034112B/zh
Publication of CN102034112A publication Critical patent/CN102034112A/zh
Application granted granted Critical
Publication of CN102034112B publication Critical patent/CN102034112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种相控阵三维声学摄像声纳动静目标识别方法，包括目标聚类步骤、目标特征提取步骤和目标特征匹配步骤。通过遍历声纳数据点，利用数据点之间的距离连通性对目标进行聚类，得到单帧图像中的各个独立目标；对聚类后的各个目标进行三维特征提取，包括目标总点数、目标质心、距离跨度和边界信息等；对相邻两帧中处于重叠区域的目标进行前后帧的特征匹配，通过合理设定各个特征参数的权重值，计算各个特征参数与权重值的累加和，实现动静目标的有效识别。该方法布局严谨、高实时高精度、准确率高、可扩展性强，有效地实现了三维声纳目标动静目标识别功能。

Description

一种相控阵三维声学摄像声纳动静目标识别方法
技术领域
本发明属于相控阵三维声学摄像声纳技术领域，涉及一种相控阵三维声学摄像声纳动静目标识别方法。
背景技术
由于声波在水中传播相对容易这一特性，水声探测在开发海洋资源的事业中得到了广泛地应用，水声成像技术已成为大规模水下探测的重要手段。相控阵三维声学摄像声纳是国际上最先进的图象声纳，与目前通用的图像声纳(如侧扫声纳、多波束声纳)相比具有图像清晰、实时性好等优点。三维成像声纳能够获得距离、水平、垂直三维空间的目标信息。在相控阵三维声学摄像声纳成像基础上进行实时动静目标识别，具有分辨率高、实时性高、帧率高等优点。在港口实时监视、自动报警系统以及蛙人水下作业保护等方面有广泛应用价值。目前的大多数声学摄像声纳动静目标识别方法在实时性和准确性以及消除噪声干扰上仍然存在一定限制。因此，研究相控阵三维声学摄像声纳动静目标识别方法具有重要的工程实用价值和理论指导意义。
发明内容
本发明提供了一种相控阵三维声学摄像声纳动静目标识别方法，能够实时、准确地进行动静目标的识别。
一种相控阵三维声学摄像声纳动静目标识别方法，包括以下步骤：
(1)目标聚类步骤：依次遍历每帧的所有三角面片，并根据每个三角面片的三个顶点的连接信息进行目标标示，得到每帧图像中的各个独立目标，其中，同一目标上的各点具有连通性，而不同目标上的各点不具有连通性；
(2)目标特征提取步骤：遍历每帧中每个目标的数据点，对聚类后的各个目标进行特征提取，获得目标的特征参数；所述的目标的特征参数包括：总点数、质心坐标、在X、Y、Z三个轴向上的距离跨度信息、外接立方体的中心坐标、以及边界点总数；
所述的总点数为组成每个目标的声纳点的数量；所述的质心坐标为在同一世界坐标系下每个目标质心的三维坐标；所述的X轴向距离跨度为每个目标在X轴向上的距离跨度；所述的Y轴向距离跨度为每个目标在Y轴向上的距离跨度；所述的Z轴向距离跨度为每个目标在Z轴向上的距离跨度；所述的外接立方体中心坐标为在同一世界坐标系下每个目标外接立方体的中心坐标；所述的边界点总数为每个目标的边界声纳点的总数量；
(3)目标特征匹配步骤：通过特征匹配，识别相邻帧中的动静目标；
(3.1)提取相邻两帧的重叠区，后帧中所有处于重叠区的目标组成后帧目标集合，前帧中所有处于重叠区的目标组成前帧目标集合；
(3.2)判断分属于后帧目标集合和前帧目标集合的任意两个目标是否特征匹配：
对各个特征参数进行处理：计算前后两帧总点数的差值的绝对值占后帧总点数的比值；计算前后两帧质心坐标的距离；计算前后两帧X轴向距离跨度的差值的绝对值占后帧X轴向距离跨度的比值；计算前后两帧Y轴向距离跨度的差值的绝对值占后帧Y轴向距离跨度的比值；计算前后两帧Z轴向距离跨度的差值的绝对值占Z轴向距离跨度的比值；计算前后两帧外接立方体中心坐标的距离；计算前后两帧边界点数目的差值的绝对值占后帧边界点总数的比值；
对处理后的各个特征参数赋予一个合理的权重值，计算处理后的各特征参数与权重值乘积的累加和的值；
将得到的累加和的值与设定阈值进行比较，如小于设定阈值，则认为两个目标特征匹配；反之，则两个目标不是特征匹配；
(3.3)根据在后帧目标集合和前帧目标集合中的目标的特征匹配的判断结果，实现动静目标的识别：如果后帧目标集合中的某个目标能够在前帧目标集合中寻找到特征相匹配的目标，则后帧目标集合中的这个目标将被标记为静目标，并将与之特征相匹配的目标从前帧目标集合中移除，继续进行下一个目标的识别；反之，如果后帧目标集合中的某个目标未能在前帧目标集合中寻找到特征相匹配的目标，则后帧目标集合中的这个目标将被标记为动目标。
本发明中，目标聚类依赖于声纳数据单帧重建提供的三角面片连接信息，根据声纳数据连通性对目标进行实时标示。
本发明中，只对处于重叠区内的目标进行动静目标识别。
本发明中，通过遍历声纳数据点，利用数据点之间的距离连通性对目标进行聚类，得到单帧图像中的各个独立目标；对聚类后的各个目标进行三维特征提取，包括目标总点数、目标质心、距离跨度和边界信息等；对相邻两帧中处于重叠区域的目标进行前后帧的特征匹配，通过合理设定各个特征参数的权重值，计算各个特征参数与权重值的累加和，实现动静目标的有效识别。
相对于现有技术，本发明具有以下有益的技术效果：
利用单帧重建生成的声纳数据点之间的连通性信息进行目标聚类，避免了聚类过程中的大量连通性计算，算法更加高效，更能满足本方法对实时性的要求。
目标特征匹配采用各特征值相对运算结果与该特征相应权重值乘积的累加和作为判定依据。采用特征参数的相对比较结果，具有较高的适应性和准确性，同时各特征参数在匹配算法中具有不同的权重，匹配算法更加合理、高效。
该方法简单，实时性强、准确率高、可扩展性强，能够实时、准确地进行动静目标的识别，结构简单、高实时、高准确率、有效地实现了三维声纳目标动静目标识别功能。
附图说明
图1为本发明相控阵三维声学摄像声纳动静目标识别方法的流程图。
具体实施方式
下面结合实施例和附图来详细说明本发明，但本发明并不仅限于此。
如图1所示，一种相控阵三维声学摄像声纳动静目标识别方法，包括：
目标聚类步骤100，通过声纳数据连通性对目标进行实时标示；
目标特征提取步骤200，对聚类后的各个目标进行特征提取，从而为后续的目标特征匹配提供特征参数。
目标特征匹配步骤300，通过特征匹配，识别相邻帧中的动静目标。
其中，目标聚类步骤100通过声纳数据连通性对目标进行实时标示。目标聚类依赖于声纳数据单帧重建提供的三角面片连接信息101。目标聚类步骤100中，需要建立空链表集合，每个目标都有自己的链表，每张链表用于维护属于该目标的所有点。同一目标上的各点具有连通性，而不同目标上的各点不具有连通性。依次遍历每帧的所有三角面片，对每个三角面片的三个顶点的连接信息进行分析，维护链表集合，实现目标标示102，得到每个单帧图像中的各个独立目标：如果有新目标出现，则新建一张链表并将点集加入链表；如果多个目标(至多三个)存在连通性，则融合这几个目标所在的链表。
其中，目标特征提取步骤200对聚类后的各个目标进行特征提取，以便为后续的目标特征匹配步骤提供目标的特征参数。通过遍历各个目标的数据点，得到每个目标的总点数201，每个目标的质心坐标202和在X、Y、Z三个轴向上的距离跨度信息(203、204、205)以及每个目标外接立方体的中心坐标206，同时还获取每个目标的边界点总数207。
上述所述特征参数的具体提取过程为：
1)总点数201。统计组成每个目标的声纳点的数量。
2)质心坐标202。计算在同一世界坐标系下每个目标质心的三维坐标。
3)X轴向距离跨度203。计算每个目标在X轴向上的距离跨度。
4)Y轴向距离跨度204。计算每个目标在Y轴向上的距离跨度。
5)Z轴向距离跨度205。计算每个目标在Z轴向上的距离跨度。
6)外接立方体中心坐标206。计算在同一世界坐标系下每个目标外接立方体的中心坐标。
7)边界点总数207。统计每个目标边界声纳点的总数量。
其中，目标特征匹配步骤300通过特征匹配，识别相邻帧中的动静目标。
首先提取相邻两帧的重叠区，后帧中所有处于重叠区的目标组成后帧目标集合302，前帧中所有处于重叠区的目标组成前帧目标集合301；接下来只对处于重叠区内的目标进行动静目标识别。
然后判断分属于后帧目标集合302和前帧目标集合301的任意两个目标是否特征匹配：
对各个特征参数进行处理：计算前后两帧总点数的差值的绝对值占后帧总点数的比值；计算前后两帧质心坐标的距离；计算前后两帧X轴向距离跨度的差值的绝对值占后帧X轴向距离跨度的比值；计算前后两帧Y轴向距离跨度的差值的绝对值占后帧Y轴向距离跨度的比值；计算前后两帧Z轴向距离跨度的差值的绝对值占Z轴向距离跨度的比值；计算前后两帧外接立方体中心坐标的距离；计算前后两帧边界点数目的差值的绝对值占后帧边界点总数的比值；
对处理后的各个特征参数赋予一个合理的权重值，计算处理后的各特征参数与权重值乘积的累加和的值；
将得到的累加和的值与设定阈值进行比较，如小于设定阈值，则认为两个目标特征匹配；反之，则两个目标不是特征匹配；
最后，根据在后帧目标集合302和前帧目标集合301中的目标的特征匹配的判断结果，实现动静目标的识别：如果后帧目标集合302中的某个目标能够在前帧目标集合301中寻找到特征相匹配的目标，则后帧目标集合302中的这个目标将被标记为静目标，并将与之特征相匹配的目标从前帧目标集合301中移除，继续进行下一个目标的识别；反之，如果后帧目标集合302中的某个目标未能在前帧目标集合301中寻找到特征相匹配的目标，则后帧目标集合302中的这个目标将被标记为动目标。

Claims (1)

1.一种相控阵三维声学摄像声纳动静目标识别方法，其特征在于，包括：
(1)目标聚类步骤：依次遍历每帧的所有三角面片，并根据每个三角面片的三个顶点的连接信息进行目标标示，得到每帧图像中的各个独立目标，其中，同一目标上的各点具有连通性，而不同目标上的各点不具有连通性；
(2)目标特征提取步骤：遍历每帧中每个目标的数据点，对聚类后的各个目标进行特征提取，获得目标的特征参数；所述的目标的特征参数包括：总点数、质心坐标、在X、Y、Z三个轴向上的距离跨度信息、外接立方体的中心坐标、以及边界点总数；
所述的总点数为组成每个目标的声纳点的数量；所述的质心坐标为在同一世界坐标系下每个目标质心的三维坐标；所述的X轴向距离跨度为每个目标在X轴向上的距离跨度；所述的Y轴向距离跨度为每个目标在Y轴向上的距离跨度；所述的Z轴向距离跨度为每个目标在Z轴向上的距离跨度；所述的外接立方体中心坐标为在同一世界坐标系下每个目标外接立方体的中心坐标；所述的边界点总数为每个目标的边界声纳点的总数量；
(3)目标特征匹配步骤：通过特征匹配识别相邻帧中的动静目标，包括：
(3.1)提取相邻两帧的重叠区，后帧中所有处于重叠区的目标组成后帧目标集合，前帧中所有处于重叠区的目标组成前帧目标集合；
(3.2)判断分属于后帧目标集合和前帧目标集合的任意两个目标是否特征匹配：
对各个特征参数进行处理：计算前后两帧总点数的差值的绝对值占后帧总点数的比值；计算前后两帧质心坐标的距离；计算前后两帧X轴向距离跨度的差值的绝对值占后帧X轴向距离跨度的比值；计算前后两帧Y轴向距离跨度的差值的绝对值占后帧Y轴向距离跨度的比值；计算前后两帧Z轴向距离跨度的差值的绝对值占Z轴向距离跨度的比值；计算前后两帧外接立方体中心坐标的距离；计算前后两帧边界点数目的差值的绝对值占后帧边界点总数的比值；
对处理后的各个特征参数赋予一个合理的权重值，计算处理后的各特征参数与权重值乘积的累加和的值；
将得到的累加和的值与设定阈值进行比较，如小于设定阈值，则认为两个目标特征匹配；反之，则两个目标不是特征匹配；
(3.3)根据在后帧目标集合和前帧目标集合中的目标的特征匹配的判断结果，实现动静目标的识别：如果后帧目标集合中的某个目标能够在前帧目标集合中寻找到特征相匹配的目标，则后帧目标集合中的这个目标将被标记为静目标，并将与之特征相匹配的目标从前帧目标集合中移除，继续进行下一个目标的识别；反之，如果后帧目标集合中的某个目标未能在前帧目标集合中寻找到特征相匹配的目标，则后帧目标集合中的这个目标将被标记为动目标。
CN2010105950727A 2010-12-17 2010-12-17 一种相控阵三维声学摄像声纳动静目标识别方法 Active CN102034112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010105950727A CN102034112B (zh) 2010-12-17 2010-12-17 一种相控阵三维声学摄像声纳动静目标识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010105950727A CN102034112B (zh) 2010-12-17 2010-12-17 一种相控阵三维声学摄像声纳动静目标识别方法

Publications (2)

Publication Number Publication Date
CN102034112A true CN102034112A (zh) 2011-04-27
CN102034112B CN102034112B (zh) 2012-04-04

Family

ID=43886975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010105950727A Active CN102034112B (zh) 2010-12-17 2010-12-17 一种相控阵三维声学摄像声纳动静目标识别方法

Country Status (1)

Country Link
CN (1) CN102034112B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109766953A (zh) * 2019-01-22 2019-05-17 中国人民公安大学 对象识别方法及装置
CN111123274A (zh) * 2019-12-27 2020-05-08 苏州联视泰电子信息技术有限公司 一种水下声呐成像系统目标检测方法
CN114740448A (zh) * 2022-06-10 2022-07-12 南京隼眼电子科技有限公司 用于车载雷达的目标状态估计方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1979576A (zh) * 2005-12-07 2007-06-13 浙江工业大学 基于全方位视觉传感器的火灾监控装置
CN101127887A (zh) * 2007-08-28 2008-02-20 湖南大学 智能视觉监控方法和装置
CN101713824A (zh) * 2009-11-02 2010-05-26 杭州瑞声海洋仪器有限公司 相控阵三维声学摄像声纳的阵处理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1979576A (zh) * 2005-12-07 2007-06-13 浙江工业大学 基于全方位视觉传感器的火灾监控装置
CN101127887A (zh) * 2007-08-28 2008-02-20 湖南大学 智能视觉监控方法和装置
CN101713824A (zh) * 2009-11-02 2010-05-26 杭州瑞声海洋仪器有限公司 相控阵三维声学摄像声纳的阵处理方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109766953A (zh) * 2019-01-22 2019-05-17 中国人民公安大学 对象识别方法及装置
CN109766953B (zh) * 2019-01-22 2021-07-13 中国人民公安大学 对象识别方法及装置
CN111123274A (zh) * 2019-12-27 2020-05-08 苏州联视泰电子信息技术有限公司 一种水下声呐成像系统目标检测方法
CN111123274B (zh) * 2019-12-27 2021-12-28 苏州联视泰电子信息技术有限公司 一种水下声呐成像系统目标检测方法
CN114740448A (zh) * 2022-06-10 2022-07-12 南京隼眼电子科技有限公司 用于车载雷达的目标状态估计方法、装置及存储介质
CN114740448B (zh) * 2022-06-10 2022-09-02 南京隼眼电子科技有限公司 用于车载雷达的目标状态估计方法、装置及存储介质

Also Published As

Publication number Publication date
CN102034112B (zh) 2012-04-04

Similar Documents

Publication Publication Date Title
KR102198724B1 (ko) 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치
US12067173B2 (en) Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data
CN111832655B (zh) 一种基于特征金字塔网络的多尺度三维目标检测方法
CN113156421A (zh) 基于毫米波雷达和摄像头信息融合的障碍物检测方法
CN103761748B (zh) 异常行为检测方法和装置
CN103454288A (zh) 用于识别对象材料的方法和设备
CN110826428A (zh) 一种高速的sar图像中船只检测方法
CN109919247B (zh) 危化品堆垛双目测距中特征点匹配方法、系统和设备
CN109697428B (zh) 基于rgb_d和深度卷积网络的无人机识别定位系统
CN110580705B (zh) 一种基于双域图信号滤波检测建筑物边缘点的方法
CN102034112B (zh) 一种相控阵三维声学摄像声纳动静目标识别方法
CN106886017B (zh) 基于双频识别声呐的水下目标空间位置计算方法
CN108802725A (zh) 一种浅层穿透雷达合成孔径成像方法
CN114882222A (zh) 改进YOLOv5目标检测模型构建方法及用于茶嫩芽识别与采摘点定位方法
Kalyan et al. A random finite set based detection and tracking using 3D LIDAR in dynamic environments
CN109508673A (zh) 一种基于棒状像素的交通场景障碍检测与识别方法
CN115272403A (zh) 一种基于图像处理技术的破片飞散特性测试方法
CN114842340A (zh) 一种机器人双目立体视觉障碍物感知方法与系统
CN104166836A (zh) 一种基于多特征建模的分块多尺度工程车识别方法及系统
CN104134213B (zh) 一种数字图像中的目标定位方法以及装置
Zou et al. Sonar Image Target Detection for Underwater Communication System Based on Deep Neural Network.
Giosan et al. Superpixel-based obstacle segmentation from dense stereo urban traffic scenarios using intensity, depth and optical flow information
Wang et al. A moving target detection and localization strategy based on optical flow and pin-hole imaging methods using monocular vision
Wang Research on the computer vision cracked eggs detecting method
CN106355576A (zh) 基于mrf图像分割算法的sar图像配准方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent for invention or patent application
CB03 Change of inventor or designer information

Inventor after: Zhou Fan

Inventor after: Chen Yaowu

Inventor after: Wang Pengjun

Inventor after: Xu Weijun

Inventor before: Chen Yaowu

Inventor before: Zhou Fan

Inventor before: Xu Weijun

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: CHEN YAOWU ZHOU FAN XU WEIJUN TO: ZHOU FAN CHEN YAOWU WANG PENGJUN XU WEIJUN

C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20110427

Assignee: Zhejiang Shuangyuan Technology Development Co., Ltd.

Assignor: Zhejiang University

Contract record no.: 2015330000090

Denomination of invention: Method for identifying moving and static targets by using phased array three-dimensional acoustic image pickup sonar

Granted publication date: 20120404

License type: Common License

Record date: 20150505

LICC Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model
EC01 Cancellation of recordation of patent licensing contract
EC01 Cancellation of recordation of patent licensing contract

Assignee: ZHEJIANG SHUANGYUAN TECHNOLOGY DEVELOPMENT Co.,Ltd.

Assignor: ZHEJIANG University

Contract record no.: 2015330000090

Date of cancellation: 20210225