CN106886017B - 基于双频识别声呐的水下目标空间位置计算方法 - Google Patents
基于双频识别声呐的水下目标空间位置计算方法 Download PDFInfo
- Publication number
- CN106886017B CN106886017B CN201710018916.3A CN201710018916A CN106886017B CN 106886017 B CN106886017 B CN 106886017B CN 201710018916 A CN201710018916 A CN 201710018916A CN 106886017 B CN106886017 B CN 106886017B
- Authority
- CN
- China
- Prior art keywords
- target
- sonar
- effective
- effective target
- frequency identification
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于双频识别声呐的水下目标空间位置计算方法,其主要步骤:(1)提取双频识别声呐采集图像中的有效目标,即求取声呐水平视场中目标位置;(2)对不同帧图像中的有效目标进行关联处理;(3)计算有效目标在双频识别声呐垂直视场中的位置;(4)根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系,获取其在声呐探测范围内的三维坐标。由于双频识别声呐探测范围是一个空间几何体,但接收到的数据组成的图像却是一个二维平面图,不能获知目标在声呐探测范围内的三维位置,本发明提供的方法可以有效解决这个问题,实现目标在双频识别声呐波束范围内的空间定位。
Description
技术领域
本发明属于水下目标探测领域,尤其涉及一种基于双频识别声呐的水下目标空间位置计算方法。
背景技术
海洋牧场是一种近海渔业由传统的捕捞和养殖方式向增殖和管理利用方式转变的现代渔业形式。海洋牧场建设就如同陆地农牧业一样的,不仅可以提高对象生物本身的质量和产量,更能在利用海洋资源的同时保护海洋生态系统,实现资源的可持续利用。而鱼群在海洋牧场中的游泳、摄食、生殖、呼吸等行为以及群落分布情况是海洋牧场建设中的重要研究课题。早期的研究主要是通过对实验室中个体目标进行观测来实现,随着电子、水声等学科领域的技术发展,水下摄像仪、水声鱼探仪等设备被用于渔场中的鱼类观测与资源量的评估。水下摄像仪可以通过视频形式记录下水中鱼体的运动情况,但对于昏暗或浑浊的水下情况显得无能为力,水声鱼探仪通过回波积分法可以实现鱼群资源量的分布统计,但难以实现对个体目标的观测与跟踪,因此双频识别声呐的出现为这类问题的解决提供了方案。
双频识别声呐是一种利用声学透镜发射独立波束的多波束系统,它通过向水下发射高频声波信号、接收并判断回波信号来探测水下目标,其探测的范围是一个具有29°水平开角、14°垂直开角的空间几何体,但接收到的数据只能组成一张二维平面图,即只能显示目标在水平视场中的位置,不能确定目标在双频识别声呐探测范围内的三维坐标,对目标的空间定位无能为力。
发明内容
本发明的目的是针对上述不足,提供一种基于双频识别声呐的水下目标空间位置计算方法。
为了达到上述目的,本发明所采用的技术方案如下:一种基于双频识别声呐的水下目标空间位置计算方法,具体包括如下步骤:
步骤一,利用背景去除手法提取双频识别声呐采集图像中的有效目标,即获取有效目标在声呐水平视场中的位置;
步骤二,利用交互式多模型联合概率数据关联算法对不同帧图像中的有效目标进行关联处理;
步骤三,根据不同帧图像中关联后的有效目标联立方程组,计算有效目标在声呐垂直视场中的位置:
步骤四,根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系,获取有效目标在声呐探测范围内的三维坐标。
进一步地,所述双频识别声呐固定在水下,用于采集运动目标数据。
进一步地,所述步骤一的具体过程如下:
(1.1)建立声呐图像的背景模型:
其中I代表声呐图像中某个位置处对应像素点的强度值,代表该位置处对应像素点在连续若干帧图像中的平均强度值,σ、ζ分别代表I的变化幅度及其噪声等级,k是噪声等级系数,ω、t分别代表变化幅度的角频率和时间;
(1.2)声呐图像的背景确定:
当公式(1)中k取值为1,且强度值I在公式(2)规定的范围内时,该强度值所对应的像素点即为声呐图像的背景;
(1.3)目标提取:
(1.4)和σ的更新:
进一步地,所述步骤二的具体过程如下:
(2.1)模型建立:
其中xk、zk是有效目标r在k时刻的状态向量和观测向量,状态向量为 是有效目标的位置量(uk,vk)对应的一阶导数即为速度量,观测向量 是k-1时刻的状态转移矩阵和输入矩阵,是量测矩阵,和是互不相关的零均值高斯白噪声,对应的协方差为和
(2.2)状态估计:
(2.3)关联概率更新:
(2.4)目标采用不同模型时的状态更新:
对于采用模型j的有效目标r进行状态更新,得到状态估计量
(2.5)似然函数更新:
(2.6)模型概率更新:
(2.7)目标状态更新:
其中为有效目标r对应的状态量,对应的误差协方差Pk为:
进一步地,所述步骤三的具体过程如下:
(3.1)计算有效目标r在三帧连续图像中距离坐标原点的距离di:
其中(xi,yi)是有效目标r在声呐水平视场中的坐标;
(3.2)联立方程组计算有效目标r在声呐垂直视场中的位置(x,y):
其中v是目标相对于双频识别声呐的移动速度,Δt是双频识别声呐的数据采样间隔。
进一步地,所述步骤四具体过程如下:
(4.1)计算有效目标r在声呐水平视场中的三角函数:
(4.2)计算有效目标r在声呐垂直视场中的三角函数:
其中(xV,yV)是有效目标r在水平视场中的坐标,γ是点(xV,yV)与坐标原点连线和X轴夹角;
(4.3)计算有效目标r在声呐探测范围内三维坐标(x,y,z):
其中关于θ的三角函数可以通过计算获得。
本发明的有益效果如下:本发明针对双频识别声呐只能记录探测范围内目标二维位置的特点,结合目标关联算法发明了一种计算探测范围内三维位置的方法。本发明通过对声呐图像进行目标提取获取水平视场中的目标位置,利用交互式多模型联合概率数据关联算法对水平视场中的目标进行关联,然后联立方程组求出目标在声呐垂直视场中的位置,最后根据空间几何关系计算出目标的三维坐标。本发明提供的方法可以为水下目标空间位置获取、三维定位及跟踪等提供技术基础。
附图说明
图1是本发明方法的流程图;
图2是本发明中交互式多模型联合概率数据关联算法流程图;
图3(a)是本发明中一个有效目标在双频识别声呐的垂直视场中的示意图,图3(b)是声呐相对于有效目标运动而建立的坐标系图;
图4是本发明中一个有效目标在声呐探测范围内的位置示意图。
具体实施方式
下面结合具体实施例及附图对本发明做进一步详细说明,但本发明不仅局限于次。
本发明通过目标提取、目标关联、垂直视场中目标位置计算等处理,得到目标在双频识别声呐探测范围内的空间位置,主要流程如图1所示,下面针对每一步展开详细说明。
1、背景去除:利用背景去除手法提取双频识别声呐采集图像中的有效目标,即获取有效目标在声呐水平视场中的位置。
首先建立声呐图像的背景模型:
其中I代表声呐图像中某个位置处对应像素点的强度值,代表该位置处对应像素点在连续若干帧图像中的平均强度值,σ、ζ分别代表I的变化幅度及其噪声等级,k是噪声等级系数,ω、t分别代表变化幅度的角频率和时间;
当公式(1)中k取值为1,且强度值I在公式(2)规定的范围内时,该强度值所对应的像素点即为声呐图像的背景:
2、目标关联:利用交互式多模型联合概率数据关联算法对不同帧图像中的同一个有效目标进行关联处理,算法流程如图2所示。
2.1、首先建立运动模型:
其中xk、zk是有效目标r在k时刻的状态向量和观测向量,状态向量为 是有效目标的位置量(uk,vk)对应的一阶导数即为速度量,观测向量 是k-1时刻的状态转移矩阵和输入矩阵,是量测矩阵,和是互不相关的零均值高斯白噪声,对应的协方差为和
2.2、状态估计:
2.3、关联概率更新:
2.4、目标采用不同模型时的状态更新:
2.5、似然函数更新:
2.6、模型概率更新:
2.7、目标状态更新:
目标误差协方差为:
3、垂直视场中目标位置计算:根据不同帧图像中关联后的有效目标联立方程组,计算有效目标在声呐垂直视场中的位置。
假设经过第一步中目标提取后获得的有效目标r在水平视场中的坐标为P(x,y),由于双频识别声呐探测范围的垂直视场为14°,P(x,y)可以对应14°范围内任何一点,如图3(a)所示,所以无法判断出目标在波束范围内准确的三维坐标。水下目标是运动的,双频识别声呐是固定的,根据运动的相对性,假设双频识别声呐相对于水下目标的运动速度为v,并建立如图3(b)所示的坐标系。图3(a)和图3(b)中,β为垂直视场角等于14°,点P(x,y)在线段L上的距离为在时刻t1,点P在L1上的投影为d1;在时刻t2,点P在L2上的投影为d2;在时刻t3,点P在L3上的投影为d3;由此可以计算点P(x,y)对应的目标r在三帧连续图像中距离坐标原点的距离:
其中(xi,yi)是点P(x,y)在三帧声呐水平视场中的坐标。
联立方程组可以计算有效目标r在声呐垂直视场中的位置(x,y):
其中Δt是双频识别声呐的数据采样间隔,为已知量。
4、三维坐标计算:根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系,获取有效目标在声呐探测范围内的三维坐标。
首先建立如图4所示的空间坐标系,图中的扇形锥体即为波束探测范围,点P(x,y,z)为有效目标r对应的三维坐标,点P1、B、A分别为点P在面XOY、面XOZ-、面Z-OY的投影点,点B1、A1分别为点P1在X轴、Y轴的投影点,∠POP1记为γ,∠B1OP1记为θ,∠B1OP记为假设(xH,yH)是有效目标r在水平视场中的坐标,(xV,yV)是有效目标r在水平视场中的坐标,由此可以计算有效目标r在声呐水平视场和垂直视场中的三角函数:
最后可以计算出有效目标r在声呐探测范围内三维坐标(x,y,z):
Claims (6)
1.一种基于双频识别声呐的水下目标空间位置计算方法,其特征在于,包括以下步骤:
步骤一,利用背景去除手法提取双频识别声呐采集图像中的有效目标,即获取有效目标在声呐水平视场中的位置;
步骤二,利用交互式多模型联合概率数据关联算法对不同帧图像中的有效目标进行关联处理;
步骤三,根据不同帧图像中关联后的有效目标联立方程组,计算有效目标在声呐垂直视场中的位置;
步骤四,根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系,获取其在声呐探测范围内的三维坐标。
2.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法,其特征在于,所述双频识别声呐固定在水下,用于采集运动目标数据。
3.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法,其特征在于,所述步骤一的具体过程如下:
(1.1)建立声呐图像的背景模型:
其中I代表声呐图像中某个位置处对应像素点的强度值,代表该位置处对应像素点在连续若干帧图像中的平均强度值,σ、ζ分别代表I的变化幅度及其噪声等级,k是噪声等级系数,ω、t分别代表变化幅度的角频率和时间;
(1.2)声呐图像的背景确定:
当公式(1)中k取值为1,且强度值I在公式(2)规定的范围内时,该强度值所对应的像素点即为声呐图像的背景;
(1.3)目标提取:
4.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法,其特征在于,所述步骤二的具体过程如下:
(2.1)模型建立:
其中xk、zk是有效目标r在k时刻的状态向量和观测向量,状态向量为 是有效目标的位置量(uk,vk)对应的一阶导数即为速度量,观测向量 是k-1时刻的状态转移矩阵和输入矩阵,是量测矩阵,和是互不相关的零均值高斯白噪声,对应的协方差为和
(2.2)状态估计:
(2.3)关联概率更新:
(2.4)目标采用不同模型时的状态更新:
对于采用模型j的有效目标r进行状态更新,得到状态估计量
对应的误差协方差
(2.5)似然函数更新:
(2.6)模型概率更新:
(2.7)目标状态更新:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710018916.3A CN106886017B (zh) | 2017-01-11 | 2017-01-11 | 基于双频识别声呐的水下目标空间位置计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710018916.3A CN106886017B (zh) | 2017-01-11 | 2017-01-11 | 基于双频识别声呐的水下目标空间位置计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106886017A CN106886017A (zh) | 2017-06-23 |
CN106886017B true CN106886017B (zh) | 2020-02-07 |
Family
ID=59176340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710018916.3A Expired - Fee Related CN106886017B (zh) | 2017-01-11 | 2017-01-11 | 基于双频识别声呐的水下目标空间位置计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106886017B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728150A (zh) * | 2017-09-26 | 2018-02-23 | 江苏省水利科学研究院 | 调查湖泊沉水植物的方法 |
CN108444481B (zh) * | 2018-03-25 | 2019-08-06 | 哈尔滨工程大学 | 一种基于辅助决策系统的水下潜器路径规划方法 |
CN110133663B (zh) * | 2019-05-08 | 2023-03-10 | 西安联丰迅声信息科技有限责任公司 | 一种分布式声像联合校准定位方法 |
CN112308876B (zh) * | 2020-10-28 | 2024-05-10 | 西北工业大学 | 一种主动声呐回波图中小目标运动状态估计方法 |
CN112529072A (zh) * | 2020-12-07 | 2021-03-19 | 中国船舶重工集团公司七五0试验场 | 一种基于声呐图像处理的水下沉埋物识别与定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243302A (zh) * | 2011-04-15 | 2011-11-16 | 东南大学 | 一种水声目标辐射噪声的线谱时间累积特征提取方法 |
CN103901422A (zh) * | 2014-03-21 | 2014-07-02 | 哈尔滨工程大学 | 一种水下目标回波几何亮点结构特征提取方法 |
CN104777474A (zh) * | 2015-04-29 | 2015-07-15 | 中国科学院声学研究所 | 一种用于水下目标识别的回波相位特征提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3018611B1 (fr) * | 2014-03-14 | 2016-02-26 | Thales Sa | Sonar a antenne synthetique et procede de formation de voies d'antenne synthetique |
-
2017
- 2017-01-11 CN CN201710018916.3A patent/CN106886017B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243302A (zh) * | 2011-04-15 | 2011-11-16 | 东南大学 | 一种水声目标辐射噪声的线谱时间累积特征提取方法 |
CN103901422A (zh) * | 2014-03-21 | 2014-07-02 | 哈尔滨工程大学 | 一种水下目标回波几何亮点结构特征提取方法 |
CN104777474A (zh) * | 2015-04-29 | 2015-07-15 | 中国科学院声学研究所 | 一种用于水下目标识别的回波相位特征提取方法 |
Non-Patent Citations (2)
Title |
---|
Danxiang Jing et al..Dense multiple-target tracking based on dual frequency identification sonar (DIDSON) image.《2006 IEEE》.2006,第1-5页. * |
基于DIDSON的鱼群检测及鬼影抑制方法;简夏等;《计算机应用与软件》;20160331;第33卷(第3期);第176-178、183页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106886017A (zh) | 2017-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106886017B (zh) | 基于双频识别声呐的水下目标空间位置计算方法 | |
Chuang et al. | Underwater fish tracking for moving cameras based on deformable multiple kernels | |
Lim et al. | Radar and camera early fusion for vehicle detection in advanced driver assistance systems | |
JP6745861B2 (ja) | リアルタイム超音波イメージングのトリプレーン画像の自動セグメント化 | |
CN107561545B (zh) | 一种鱼群探测方法、装置及探测器 | |
CN105572676A (zh) | 一种基于水平鱼探仪影像的围网目标鱼群追踪方法 | |
WO2019232247A1 (en) | Biomass estimation in an aquaculture environment | |
CN103454288B (zh) | 用于识别对象材料的方法和设备 | |
CN105182311B (zh) | 全向雷达数据处理方法及系统 | |
CN104808211A (zh) | 一种用于测量鱼游动轨迹的探测器 | |
CN110006444B (zh) | 一种基于优化混合高斯模型的抗干扰视觉里程计构建方法 | |
Shortis et al. | Progress in the automated identification, measurement, and counting of fish in underwater image sequences | |
CN110827321B (zh) | 一种基于三维信息的多相机协同的主动目标跟踪方法 | |
CN110675341B (zh) | 一种单目光视觉引导的水下机器人与海底平台对接方法 | |
Huang et al. | Fish tracking and segmentation from stereo videos on the wild sea surface for electronic monitoring of rail fishing | |
Li et al. | CMFTNet: Multiple fish tracking based on counterpoised JointNet | |
JPWO2019198611A1 (ja) | 特徴推定装置および特徴推定方法 | |
Rodriguez et al. | Fish monitoring and sizing using computer vision | |
CN116724964A (zh) | 基于灯光诱集的鱼类检测系统及方法 | |
Ramos et al. | Quantifying ecological constraints on motion signaling | |
CN110412583B (zh) | 基于多rov协同的水下不明运动目标侦测系统 | |
CN116699592A (zh) | 一种慢旋空间目标在轨姿态及旋转参数反演方法 | |
CN112862677B (zh) | 一种同平台异源声呐的声学图像拼接方法 | |
Fujioka et al. | Three-dimensional trajectory construction and observation of group behavior of wild bats during cave emergence | |
Jing et al. | Dense multiple-target tracking based on dual frequency identification sonar (DIDSON) image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200207 Termination date: 20210111 |