CN109934891B - 一种基于无人船的水域岸线构建方法及系统 - Google Patents
一种基于无人船的水域岸线构建方法及系统 Download PDFInfo
- Publication number
- CN109934891B CN109934891B CN201910206862.2A CN201910206862A CN109934891B CN 109934891 B CN109934891 B CN 109934891B CN 201910206862 A CN201910206862 A CN 201910206862A CN 109934891 B CN109934891 B CN 109934891B
- Authority
- CN
- China
- Prior art keywords
- shoreline
- water area
- point
- distance
- water
- 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.)
- Active
Links
Images
Abstract
本发明公开一种基于无人船的水域岸线构建方法及系统。该方法包括:获取无人船所在位置;根据位置下载位置所在区域的卫星地图;提取卫星地图的水域边界,得到初始边界;控制无人船沿初始边界航行,并获取航行中三维激光扫描仪扫描到的激光点云数据和摄像头采集的图片;根据激光点云数据提取水域边界,得到第一水域岸线;根据图片提取水域边界,得到第二水域岸线;将第一水域岸线和第二水域岸线进行耦合,得到构建好的水域岸线。本发明的基于无人船的水域岸线构建方法及系统,能够提高水域岸线构建的准确度。
Description
技术领域
本发明涉及水域岸线领域,特别是涉及一种基于无人船的水域岸线构建方法及系统。
背景技术
在无人船的应用中,水域岸上地形和岸线是重要的基础数据。只有了解准确的岸线数据,操作员才能根据实际情况,设计合理的计划航线。在利用采集的数据完成业内成果时,岸线数据也是必要数据。另外测量水域岸线也是重要地理信息资料,是水文、水务、国土测绘部门重要的日常工作之一。
目前水域岸线的构建方法包括以下两种:
1)利用已有资料或卫星地图勾勒水域岸线。然而水域相较陆地区域资料少、变化多、情况复杂,其岸线更是受潮汐、季节、降水、汛期等多种条件影响,一天内都会有较大变化,因此该方法通常无法准确反映水域当前岸线。
2)现场人工遥控无人船沿岸线环绕一圈。该方法基本上都是以船只的航行轨迹作为岸线,该岸线并不是真实的水域岸线,因此建立的水域岸线的准确度较低。
综上,目前的水域岸线的构建方法存在准确度较低的问题。
发明内容
本发明的目的是提供一种基于无人船的水域岸线构建方法及系统,提高水域岸线构建的准确度。
一种基于无人船的水域岸线构建方法,包括:
获取无人船所在位置;
根据所述位置下载所述位置所在区域的卫星地图;
提取所述卫星地图的水域边界,得到初始边界;
控制所述无人船沿所述初始边界航行,并获取航行中三维激光扫描仪扫描到的激光点云数据和摄像头采集的图片;
根据所述激光点云数据提取水域边界,得到第一水域岸线;
根据所述图片提取水域边界,得到第二水域岸线;
将所述第一水域岸线和所述第二水域岸线进行耦合,得到构建好的水域岸线。
可选的,所述根据所述激光点云数据提取水域边界,得到第一水域岸线,具体包括:
获取水面高度;
从所述激光点云数据中删除高度信息与所述水面高度相差大于第一预设值的激光点云数据,得到初步筛选后的点云数据;
从所述初步筛选后的点云数据中删除分布密度小于预设第二预设值的激光点云数据,得到二次筛选后的点云数据;
根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点;
将所述第一岸线边界点连接成封闭连续的曲线,得到第一水域岸线。
可选的,所述根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点,具体包括:
从所述二次筛选后的点云数据中选取距离所述无人船最近的点作为起点;
从所述二次筛选后的点云数据中选取第i个点时,保证第i个点与第i-1个点的连线的所述无人船的一侧在第一预设区域内包含0个点云数据且第i个点、第i-1个点和第i+1个点所形成的以第i个点为顶点的角大于或等于90度,从而选取出所有符合条件的点,得到第一岸线边界点;i为大于或等于2的正整数。
可选的,所述根据所述图片提取水域边界,得到第二水域岸线,具体包括:
利用Canny检测算子提取每幅所述图片内的边界特征线;
以每幅所述图片对应的无人船的位置为中心,筛选出每幅图片中距离所述无人船最近的边界特征线;
将连续两张图片提取的边界特征线进行匹配和透视变换,得到变换后的边界特征线;
从所述变换后的边界特征线中筛选出与所述无人船最近的封闭连续曲线,得到所述第二水域岸线。
可选的,所述将所述第一水域岸线和所述第二水域岸线进行耦合,得到构建好的水域岸线,具体包括:
判断所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离是否小于第一预设距离,得到第一判断结果;所述射线距离为以无人船的位置为端点向四周发出射线后,位于同一射线上的两条水域岸线上的点之间的距离;
当所述第一判断结果表示是时,则在射线距离小于所述第一预设距离的第一水域岸线上的点与第二水域岸线上的点所连线段之间按预设比例选取最终水域岸线点;
当所述第一判断结果表示否时,则在高射距区域内选取更换检测算子重新确定第三水域岸线;所述高射距区域为所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离大于或等于第一预设距离的区域;
判断所述第一水域岸线和/或所述第二水域岸线与所述第三水域岸线的射线距离是否小于第二预设距离,得到第二判断结果;
若所述第二判断结果表示所述第一水域岸线或所述第二水域岸线与所述第三水域岸线的射线距离小于所述第二预设距离,则选取与所述第三水域岸线的射线距离小于第二预设距离的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均小于所述第二预设距离,则选取与所述第三水域岸线的射线距离最小的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均大于或等于所述第二预设距离,则在所述高射距区域内从所述第一水域岸线、所述第二水域岸线和所述第三水域岸线中选取距离所述无人船最近的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
依次连接所述最终水域岸线点得到构建好的水域岸线。
本发明还公开一种基于无人船的水域岸线构建系统,包括:
位置获取模块,用于获取无人船所在位置;
地图下载模块,用于根据所述位置下载所述位置所在区域的卫星地图;
初始边界提取模块,用于提取所述卫星地图的水域边界,得到初始边界;
数据获取模块,用于控制所述无人船沿所述初始边界航行,并获取航行中三维激光扫描仪扫描到的激光点云数据和摄像头采集的图片;
第一水域岸线构建模块,用于根据所述激光点云数据提取水域边界,得到第一水域岸线;
第二水域岸线构建模块,用于根据所述图片提取水域边界,得到第二水域岸线;
耦合模块,用于将所述第一水域岸线和所述第二水域岸线进行耦合,得到构建好的水域岸线。
可选的,所述第一水域岸线构建模块包括:
高度获取单元,用于获取水面高度;
初步筛选单元,用于从所述激光点云数据中删除高度信息与所述水面高度相差大于第一预设值的激光点云数据,得到初步筛选后的点云数据;
二次筛选单元,用于从所述初步筛选后的点云数据中删除分布密度小于预设第二预设值的激光点云数据,得到二次筛选后的点云数据;
第一岸线边界点筛选单元,用于根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点;
第一水域岸线连接单元,用于将所述第一岸线边界点连接成封闭连续的曲线,得到第一水域岸线。
可选的,所述第一岸线边界点筛选单元包括:
起点筛选子单元,用于从所述二次筛选后的点云数据中选取距离所述无人船最近的点作为起点;
剩余点筛选子单元,用于从所述二次筛选后的点云数据中选取第i个点时,保证第i个点与第i-1个点的连线的所述无人船的一侧在第一预设区域内包含0个点云数据且第i个点、第i-1个点和第i+1个点所形成的以第i个点为顶点的角大于或等于90度,从而选取出所有符合条件的点,得到第一岸线边界点;i为大于或等于2的正整数。
可选的,所述第二水域岸线构建模块包括:
边界特征检测单元,用于利用Canny检测算子提取每幅所述图片内的边界特征线;
边界特征线筛选单元,用于以每幅所述图片对应的无人船的位置为中心,筛选出每幅图片中距离所述无人船最近的边界特征线;
匹配和变换单元,用于将连续两张图片提取的边界特征线进行匹配和透视变换,得到变换后的边界特征线;
第二水域岸线筛选单元,用于从所述变换后的边界特征线中筛选出与所述无人船最近的封闭连续曲线,得到所述第二水域岸线。
可选的,所述耦合模块包括:
第一判断单元,用于判断所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离是否小于第一预设距离,得到第一判断结果;所述射线距离为以无人船的位置为端点向四周发出射线后,位于同一射线上的两条水域岸线上的点之间的距离;
第一最终选取单元,用于当所述第一判断结果表示是时,则在射线距离小于所述第一预设距离的第一水域岸线上的点与第二水域岸线上的点所连线段之间按预设比例选取最终水域岸线点;
重新检测单元,用于当所述第一判断结果表示否时,则在高射距区域内选取更换检测算子重新确定第三水域岸线;所述高射距区域为所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离大于或等于第一预设距离的区域;
第二判断单元,用于判断所述第一水域岸线和/或所述第二水域岸线与所述第三水域岸线的射线距离是否小于第二预设距离,得到第二判断结果;
第二最终选取单元,用于若所述第二判断结果表示所述第一水域岸线或所述第二水域岸线与所述第三水域岸线的射线距离小于所述第二预设距离,则选取与所述第三水域岸线的射线距离小于第二预设距离的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
第三最终选取单元,用于若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均小于所述第二预设距离,则选取与所述第三水域岸线的射线距离最小的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
第四最终选取单元,用于若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均大于或等于所述第二预设距离,则在所述高射距区域内从所述第一水域岸线、所述第二水域岸线和所述第三水域岸线中选取距离所述无人船最近的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
最终水域岸线点连接单元,用于依次连接所述最终水域岸线点得到构建好的水域岸线。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所公开的一种基于无人船的水域岸线构建方法及系统,首先控制无人船按照卫星地图沿水域边界航行,并在航行过程中采集激光点云数据和图片,利用激光点云数据和图片分别确定水域岸线,最后将两种水域岸线进行耦合确定出最终的水域岸线。本发明通过控制无人船按卫星地图航行,可以实时检测,克服了卫星地图等无法实时跟踪水域岸线的变化导致的检测不准确的缺陷,同时,发明利用激光点云数据和图片同时采集信息,然后分别确定水域岸线并进行融合,避免了检测方式单一导致的准确度不高的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于无人船的水域岸线构建方法实施例所采用的无人船的系统结构图;
图2为本发明基于无人船的水域岸线构建方法实施例的方法流程图;
图3为本发明基于无人船的水域岸线构建系统实施例的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于无人船的水域岸线构建方法实施例所采用的无人船的系统结构图。
参见图1,该无人船系统包括船载系统、电源、通讯单元、舵机、驱动器、电机和推进器,同时该无人船上还设置有三维电子罗盘、全球导航卫星系统(GlobalNavigationSatellite System,GNSS)、摄像头、惯性测量单元、三维激光扫描仪。
电源、通讯单元、舵机、驱动器、三维电子罗盘、GNSS、摄像头、惯性测量单元和三维激光扫描仪均与所述船载系统连接,所述驱动器与所述电机连接,所述电机与所述推进器连接。
所述电源用于供电,所述通讯单元用于实现无人船与远程控制中心的信息交互。所述舵机用于控制转向,所述驱动器用于驱动所述电机,从而带动所述推进器向前推进,实现对无人船启停和速度的控制。所述GNSS用于获取无人船的位置信息,所述通讯单元还用于在获取位置后下载所在区域的卫星地图。三维电子罗盘用于确定方向,惯性测量单元用于测量无人船的姿态,三维激光扫描仪用于获取激光点云数据,摄像头用于获取图片。
惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的,一个惯性测量单元包含了三个单轴的加速度计和三个单轴的陀螺,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。
GNSS的全称是全球导航卫星系统(GlobalNavigation Satellite System),它是泛指所有的卫星导航系统,包括全球的、区域的和增强的,如美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗卫星导航系统,以及相关的增强系统,如美国的WAAS(广域增强系统)、欧洲的EGNOS(欧洲静地导航重叠系统)和日本的MSAS(多功能运输卫星增强系统)等,还涵盖在建和以后要建设的其他卫星导航系统。
本发明的无人船的作业步骤为:
1、布放:将船放入水中,启动无人船;
2、卫星图提取边界:无人船平台根据GNSS定位确定自身位置,下载区域卫星地图,自动识别水域并提取边界。如该区域无卫星地图数据,或地图数据未更新导致平台识别自身区域为陆地,无人船将以任意方向为起始方向,自主寻找边界。
3、作业预报:预估作业区域,作业时长,电池状态,可完成进度等信息。确认后进入作业模式。
4、确认边界:将提取的边界作为初使边界,无人船尝试沿这一边界内检测一周。采集激光点云数据和图片,并利用激光点云数据和图片识别并提取新的边界。
5、完成或中断任务:完成任务后船体将自动回归至布放点,如电量不足以完成任务,系统也会控制无人船回归。
6、显示任务成果及进度:无人船上将显示任务成果及进度,以供工作人员参考,以决定更换电池继续作业或完成任务。
7、上传云平台。
本发明简单便捷、工作模式为全自主作业模式、无需岸基与通讯系统,将船体放入水中即可完成任务,实现真正的无人作业。
本发明将利用卫星地图提取水域初使岸线、利用综合三维避障系统确认岸线、按规则在边界内自动布置作业任务、启动任务、自动避障并记录、完成作业回归并汇报完成情况、确认后数据上传云平台。用户仅启动、确认、关机就可完成一个水域的作业任务。简单快捷。
图2为本发明基于无人船的水域岸线构建方法实施例的方法流程图。
参见图2,该基于无人船的水域岸线构建方法,包括:
步骤101:获取无人船所在位置。位置由GNSS采集。
步骤102:根据所述位置下载所述位置所在区域的卫星地图。卫星地图通过通讯单元下载。
步骤103:提取所述卫星地图的水域边界,得到初始边界。
本发明提取初始边界采用的方法为:利用基于计算机视觉库(Open SourceComputerVision Library,OPENCV)的影像识别算法,识别无人船所在位置的闭合水域,提取特征边,获得初始的岸线地图(由于卫星地图实时性差、精度低,往往不能真实表达当下的水域真实情况,所以这一岸线地图只能作为初步成果,需要进一步测量完善,提高精度)。
OPENCV可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
基于OPENCV的影像识别算法,即初始边界的提取过程为:
使用边缘检测算子Canny算子提取特征边线(Canny算子是一种多级边缘检测算法,属于现有的一种检测算子。主要步骤包括:①降噪滤波:通过增强图片强度的一二阶导数,使用高斯滤波消除图片中噪声对边缘检测的影响;②增强变化:锐化相邻图像点的灰度值,增强像素间灰度梯度;③梯度检测:检测水平、垂直以及对角线方向的梯度变化,存储各方向的卷积结果,标记最大值及边缘方向。④边缘检测,使用上一步用检测出的梯度变化确认边缘,设置滞后阈值,以获取连续曲线)。以船舶当前GNSS位置为中心,保留包含船舶所在位置且与船舶所在位置最近的连续封闭曲线。
步骤104:控制所述无人船沿所述初始边界航行,并获取航行中三维激光扫描仪扫描到的激光点云数据和摄像头采集的图片。
步骤105:根据所述激光点云数据提取水域边界,得到第一水域岸线。
三维激光扫描仪在水域测量中有以下特点:从水体上返回激光点,点数少,高程相近,回波强度弱。本算法利用这一特点采用以下流程进行岸线提取:
获取水面高度;由于GNSS具有厘米级的高程精度,可以首先获取GNSS的高度,然后根据船的结构设计和船吃水,可计算GNSS至水面距离,从而获得水面高度。同时,也可以根据GNSS的位置、三维激光扫描仪相对GNSS的几何位置以及惯性测量单元测出的船的姿态确定三维激光扫描仪的位置。
从所述激光点云数据中删除高度信息与所述水面高度相差大于第一预设值的激光点云数据,得到初步筛选后的点云数据。激光可以获取到地上物体反射回来的信号,从而得到这些反射点的坐标,这些反射点大部分是陆地上的,也会有个别水面反射回来的。水边界或岸线的高程应与水面基本一致,所以先把与水面高程差值大的点去除,从而保留了水体和近岸的反射点。
从所述初步筛选后的点云数据中删除分布密度小于预设第二预设值的激光点云数据,得到二次筛选后的点云数据。该步骤的目的是去除水面反射的无效点,这些点与水面高程一致,却是本发明中的无效点。不过由于这些点反射率极低,所以这些点极为稀疏,所以以周边点配上按周边点到这些点的距离权重就可以筛选出这些点,加以剔除,剔除后,将保留水陆交界的反射点。具体方法为:对每个点为圆心在指定半径范围内搜索,计算搜索出的点与圆心点的距离,并求取所有搜索出的点与圆心点间的距离的倒数的和,若和值大于预设值则保留该圆心点,若和值小于或等于预设值则剔除该圆心点。
根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点,具体包括:从所述二次筛选后的点云数据中选取距离所述无人船最近的点作为起点;从所述二次筛选后的点云数据中选取第i个点时,保证第i个点与第i-1个点的连线的所述无人船的一侧在第一预设区域内包含0个点云数据且第i个点、第i-1个点和第i+1个点所形成的以第i个点为顶点的角大于或等于90度,从而选取出所有符合条件的点,得到第一岸线边界点;i为大于或等于2的正整数。即第i个点需满足以下条件:1)下一个点与上一个点的连线的一侧的第一预设区域内不包含点云数据,2)连续三点时,中间点离船舶远,且与两侧的点形成锐角,则不采用中间点。本发明中第一预设区域为以第i个点与第i-1个点的连线作为一条边的矩形或方形。
将所述第一岸线边界点连接成封闭连续的曲线,得到第一水域岸线。
步骤106:根据所述图片提取水域边界,得到第二水域岸线。该步骤106具体包括:
利用Canny检测算子提取每幅所述图片内的边界特征线;所述图片的获取频率为1Hz。
以每幅所述图片对应的无人船的位置为中心,筛选出每幅图片中距离所述无人船最近的边界特征线;
将连续两张图片提取的边界特征线进行匹配和透视变换,得到变换后的边界特征线;
从所述变换后的边界特征线中筛选出与所述无人船最近的封闭连续曲线,得到所述第二水域岸线。不同位置所获取的边界特征线,会有重复,交叉。以中心为射线,同一个射线方向可能会有多个点,不在连续封闭曲线上的特征线和点要剔除。
可选的,还包括第二水域岸线的具体信息确定过程,包括:利用船载GNSS和惯性测量单元记录的位置和姿态信息,及各段边界特征线与实时位置姿态的相对相关性,通过平差得到所提取边界特征线的位置和方向。原理如下:照片是独立坐标系,可以是在任何位置的,只有加上相机所在位置,相机拍照当时的姿态,才能将从照片提取出的边界特征线匹配到真实的地理位置上。
步骤107:将所述第一水域岸线和所述第二水域岸线进行耦合,得到构建好的水域岸线。该步骤107,具体包括:
判断所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离是否小于第一预设距离,得到第一判断结果;所述射线距离为以无人船的位置为端点向四周发出射线后,位于同一射线上的两条水域岸线上的点之间的距离;
当所述第一判断结果表示是时,则在射线距离小于所述第一预设距离的第一水域岸线上的点与第二水域岸线上的点所连线段之间按预设比例选取最终水域岸线点;
当所述第一判断结果表示否时,则在高射距区域内选取更换检测算子重新确定第三水域岸线;所述高射距区域为所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离大于或等于第一预设距离的区域;
判断所述第一水域岸线和/或所述第二水域岸线与所述第三水域岸线的射线距离是否小于第二预设距离,得到第二判断结果;
若所述第二判断结果表示所述第一水域岸线或所述第二水域岸线与所述第三水域岸线的射线距离小于所述第二预设距离,则选取与所述第三水域岸线的射线距离小于第二预设距离的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均小于所述第二预设距离,则选取与所述第三水域岸线的射线距离最小的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均大于或等于所述第二预设距离,则在所述高射距区域内从所述第一水域岸线、所述第二水域岸线和所述第三水域岸线中选取距离所述无人船最近的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
依次连接所述最终水域岸线点得到构建好的水域岸线。
图3为本发明基于无人船的水域岸线构建系统实施例的系统结构图。
参见图3,该基于无人船的水域岸线构建系统,包括:
位置获取模块201,用于获取无人船所在位置;
地图下载模块202,用于根据所述位置下载所述位置所在区域的卫星地图;
初始边界提取模块203,用于提取所述卫星地图的水域边界,得到初始边界;
数据获取模块204,用于控制所述无人船沿所述初始边界航行,并获取航行中三维激光扫描仪扫描到的激光点云数据和摄像头采集的图片;
第一水域岸线构建模块205,用于根据所述激光点云数据提取水域边界,得到第一水域岸线;
第二水域岸线构建模块206,用于根据所述图片提取水域边界,得到第二水域岸线;
耦合模块207,用于将所述第一水域岸线和所述第二水域岸线进行耦合,得到构建好的水域岸线。
可选的,所述第一水域岸线构建模块205包括:
高度获取单元,用于获取水面高度;
初步筛选单元,用于从所述激光点云数据中删除高度信息与所述水面高度相差大于第一预设值的激光点云数据,得到初步筛选后的点云数据;
二次筛选单元,用于从所述初步筛选后的点云数据中删除分布密度小于预设第二预设值的激光点云数据,得到二次筛选后的点云数据;
第一岸线边界点筛选单元,用于根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点;
第一水域岸线连接单元,用于将所述第一岸线边界点连接成封闭连续的曲线,得到第一水域岸线。
可选的,所述第一岸线边界点筛选单元包括:
起点筛选子单元,用于从所述二次筛选后的点云数据中选取距离所述无人船最近的点作为起点;
剩余点筛选子单元,用于从所述二次筛选后的点云数据中选取第i个点时,保证第i个点与第i-1个点的连线的所述无人船的一侧在第一预设区域内包含0个点云数据且第i个点、第i-1个点和第i+1个点所形成的以第i个点为顶点的角大于或等于90度,从而选取出所有符合条件的点,得到第一岸线边界点;i为大于或等于2的正整数。
可选的,所述第二水域岸线构建模块206包括:
边界特征检测单元,用于利用Canny检测算子提取每幅所述图片内的边界特征线;
边界特征线筛选单元,用于以每幅所述图片对应的无人船的位置为中心,筛选出每幅图片中距离所述无人船最近的边界特征线;
匹配和变换单元,用于将连续两张图片提取的边界特征线进行匹配和透视变换,得到变换后的边界特征线;
第二水域岸线筛选单元,用于从所述变换后的边界特征线中筛选出与所述无人船最近的封闭连续曲线,得到所述第二水域岸线。
可选的,所述耦合模块207包括:
第一判断单元,用于判断所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离是否小于第一预设距离,得到第一判断结果;所述射线距离为以无人船的位置为端点向四周发出射线后,位于同一射线上的两条水域岸线上的点之间的距离;
第一最终选取单元,用于当所述第一判断结果表示是时,则在射线距离小于所述第一预设距离的第一水域岸线上的点与第二水域岸线上的点所连线段之间按预设比例选取最终水域岸线点;
重新检测单元,用于当所述第一判断结果表示否时,则在高射距区域内选取更换检测算子重新确定第三水域岸线;所述高射距区域为所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离大于或等于第一预设距离的区域;
第二判断单元,用于判断所述第一水域岸线和/或所述第二水域岸线与所述第三水域岸线的射线距离是否小于第二预设距离,得到第二判断结果;
第二最终选取单元,用于若所述第二判断结果表示所述第一水域岸线或所述第二水域岸线与所述第三水域岸线的射线距离小于所述第二预设距离,则选取与所述第三水域岸线的射线距离小于第二预设距离的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
第三最终选取单元,用于若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均小于所述第二预设距离,则选取与所述第三水域岸线的射线距离最小的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
第四最终选取单元,用于若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均大于或等于所述第二预设距离,则在所述高射距区域内从所述第一水域岸线、所述第二水域岸线和所述第三水域岸线中选取距离所述无人船最近的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
最终水域岸线点连接单元,用于依次连接所述最终水域岸线点得到构建好的水域岸线。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所公开的一种基于无人船的水域岸线构建方法及系统,首先控制无人船按照卫星地图沿水域边界航行,并在航行过程中采集激光点云数据和图片,利用激光点云数据和图片分别确定水域岸线,最后将两种水域岸线进行耦合确定出最终的水域岸线。本发明通过控制无人船按卫星地图航行,可以实时检测,克服了卫星地图等无法实时跟踪水域岸线的变化导致的检测不准确的缺陷,同时,发明利用激光点云数据和图片同时采集信息,然后分别确定水域岸线并进行融合,避免了检测方式单一导致的准确度不高的问题。
本发明充分利用了GNSS、三维激光、影像、卫星地图等数据,相较原有方法高精度获取了真实的实时岸线数据,同时还获取了一定范围内的岸上地形数据,准确、精细的反映了岸边水上水下地形地貌。
对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于无人船的水域岸线构建方法,其特征在于,包括:
获取无人船所在位置;
根据所述位置下载所述位置所在区域的卫星地图;
提取所述卫星地图的水域边界,得到初始边界;
控制所述无人船沿所述初始边界航行,并获取航行中三维激光扫描仪扫描到的激光点云数据和摄像头采集的图片;
根据所述激光点云数据提取水域边界,得到第一水域岸线;
根据所述图片提取水域边界,得到第二水域岸线;
将所述第一水域岸线和所述第二水域岸线进行耦合,得到构建好的水域岸线,具体包括:
判断所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离是否小于第一预设距离,得到第一判断结果;所述射线距离为以无人船的位置为端点向四周发出射线后,位于同一射线上的两条水域岸线上的点之间的距离;
当所述第一判断结果表示是时,则在射线距离小于所述第一预设距离的第一水域岸线上的点与第二水域岸线上的点所连线段之间按预设比例选取最终水域岸线点;
当所述第一判断结果表示否时,则在高射距区域内选取更换检测算子重新确定第三水域岸线;所述高射距区域为所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离大于或等于第一预设距离的区域;
判断所述第一水域岸线和/或所述第二水域岸线与所述第三水域岸线的射线距离是否小于第二预设距离,得到第二判断结果;
若所述第二判断结果表示所述第一水域岸线或所述第二水域岸线与所述第三水域岸线的射线距离小于所述第二预设距离,则选取与所述第三水域岸线的射线距离小于第二预设距离的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均小于所述第二预设距离,则选取与所述第三水域岸线的射线距离最小的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均大于或等于所述第二预设距离,则在所述高射距区域内从所述第一水域岸线、所述第二水域岸线和所述第三水域岸线中选取距离所述无人船最近的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
依次连接所述最终水域岸线点得到构建好的水域岸线。
2.根据权利要求1所述的基于无人船的水域岸线构建方法,其特征在于,所述根据所述激光点云数据提取水域边界,得到第一水域岸线,具体包括:
获取水面高度;
从所述激光点云数据中删除高度信息与所述水面高度相差大于第一预设值的激光点云数据,得到初步筛选后的点云数据;
从所述初步筛选后的点云数据中删除分布密度小于预设第二预设值的激光点云数据,得到二次筛选后的点云数据;
根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点;
将所述第一岸线边界点连接成封闭连续的曲线,得到第一水域岸线。
3.根据权利要求2所述的基于无人船的水域岸线构建方法,其特征在于,所述根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点,具体包括:
从所述二次筛选后的点云数据中选取距离所述无人船最近的点作为起点;
从所述二次筛选后的点云数据中选取第i个点时,保证第i个点与第i-1个点的连线的所述无人船的一侧在第一预设区域内包含0个点云数据且第i个点、第i-1个点和第i+1个点所形成的以第i个点为顶点的角大于或等于90度,从而选取出所有符合条件的点,得到第一岸线边界点;i为大于或等于2的正整数。
4.根据权利要求1所述的基于无人船的水域岸线构建方法,其特征在于,所述根据所述图片提取水域边界,得到第二水域岸线,具体包括:
利用Canny检测算子提取每幅所述图片内的边界特征线;
以每幅所述图片对应的无人船的位置为中心,筛选出每幅图片中距离所述无人船最近的边界特征线;
将连续两张图片提取的边界特征线进行匹配和透视变换,得到变换后的边界特征线;
从所述变换后的边界特征线中筛选出与所述无人船最近的封闭连续曲线,得到所述第二水域岸线。
5.一种基于无人船的水域岸线构建系统,其特征在于,包括:
位置获取模块,用于获取无人船所在位置;
地图下载模块,用于根据所述位置下载所述位置所在区域的卫星地图;
初始边界提取模块,用于提取所述卫星地图的水域边界,得到初始边界;
数据获取模块,用于控制所述无人船沿所述初始边界航行,并获取航行中三维激光扫描仪扫描到的激光点云数据和摄像头采集的图片;
第一水域岸线构建模块,用于根据所述激光点云数据提取水域边界,得到第一水域岸线;
第二水域岸线构建模块,用于根据所述图片提取水域边界,得到第二水域岸线;
耦合模块,用于将所述第一水域岸线和所述第二水域岸线进行耦合,得到构建好的水域岸线,包括:
第一判断单元,用于判断所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离是否小于第一预设距离,得到第一判断结果;所述射线距离为以无人船的位置为端点向四周发出射线后,位于同一射线上的两条水域岸线上的点之间的距离;
第一最终选取单元,用于当所述第一判断结果表示是时,则在射线距离小于所述第一预设距离的第一水域岸线上的点与第二水域岸线上的点所连线段之间按预设比例选取最终水域岸线点;
重新检测单元,用于当所述第一判断结果表示否时,则在高射距区域内选取更换检测算子重新确定第三水域岸线;所述高射距区域为所述第一水域岸线上的点与对应的所述第二水域岸线的上的点的射线距离大于或等于第一预设距离的区域;
第二判断单元,用于判断所述第一水域岸线和/或所述第二水域岸线与所述第三水域岸线的射线距离是否小于第二预设距离,得到第二判断结果;
第二最终选取单元,用于若所述第二判断结果表示所述第一水域岸线或所述第二水域岸线与所述第三水域岸线的射线距离小于所述第二预设距离,则选取与所述第三水域岸线的射线距离小于第二预设距离的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
第三最终选取单元,用于若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均小于所述第二预设距离,则选取与所述第三水域岸线的射线距离最小的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
第四最终选取单元,用于若所述第二判断结果表示所述第一水域岸线以及所述第二水域岸线分别与所述第三水域岸线的射线距离均大于或等于所述第二预设距离,则在所述高射距区域内从所述第一水域岸线、所述第二水域岸线和所述第三水域岸线中选取距离所述无人船最近的水域岸线作为所述高射距区域内的最终岸线,所述最终岸线在所述高射距区域内的点为最终水域岸线点;
最终水域岸线点连接单元,用于依次连接所述最终水域岸线点得到构建好的水域岸线。
6.根据权利要求5所述的基于无人船的水域岸线构建系统,其特征在于,所述第一水域岸线构建模块包括:
高度获取单元,用于获取水面高度;
初步筛选单元,用于从所述激光点云数据中删除高度信息与所述水面高度相差大于第一预设值的激光点云数据,得到初步筛选后的点云数据;
二次筛选单元,用于从所述初步筛选后的点云数据中删除分布密度小于预设第二预设值的激光点云数据,得到二次筛选后的点云数据;
第一岸线边界点筛选单元,用于根据点云数据与所述无人船的距离从所述二次筛选后的点云数据中筛选出第一岸线边界点;
第一水域岸线连接单元,用于将所述第一岸线边界点连接成封闭连续的曲线,得到第一水域岸线。
7.根据权利要求6所述的基于无人船的水域岸线构建系统,其特征在于,所述第一岸线边界点筛选单元包括:
起点筛选子单元,用于从所述二次筛选后的点云数据中选取距离所述无人船最近的点作为起点;
剩余点筛选子单元,用于从所述二次筛选后的点云数据中选取第i个点时,保证第i个点与第i-1个点的连线的所述无人船的一侧在第一预设区域内包含0个点云数据且第i个点、第i-1个点和第i+1个点所形成的以第i个点为顶点的角大于或等于90度,从而选取出所有符合条件的点,得到第一岸线边界点;i为大于或等于2的正整数。
8.根据权利要求5所述的基于无人船的水域岸线构建系统,其特征在于,所述第二水域岸线构建模块包括:
边界特征检测单元,用于利用Canny检测算子提取每幅所述图片内的边界特征线;
边界特征线筛选单元,用于以每幅所述图片对应的无人船的位置为中心,筛选出每幅图片中距离所述无人船最近的边界特征线;
匹配和变换单元,用于将连续两张图片提取的边界特征线进行匹配和透视变换,得到变换后的边界特征线;
第二水域岸线筛选单元,用于从所述变换后的边界特征线中筛选出与所述无人船最近的封闭连续曲线,得到所述第二水域岸线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206862.2A CN109934891B (zh) | 2019-03-19 | 2019-03-19 | 一种基于无人船的水域岸线构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206862.2A CN109934891B (zh) | 2019-03-19 | 2019-03-19 | 一种基于无人船的水域岸线构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934891A CN109934891A (zh) | 2019-06-25 |
CN109934891B true CN109934891B (zh) | 2023-02-24 |
Family
ID=66987607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910206862.2A Active CN109934891B (zh) | 2019-03-19 | 2019-03-19 | 一种基于无人船的水域岸线构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934891B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110515091B (zh) * | 2019-08-28 | 2022-11-11 | 珠海达伽马科技有限公司 | 一种用于无人船自动驾驶的水面区域探测方法及装置 |
CN112381026A (zh) * | 2020-11-23 | 2021-02-19 | 武汉理工大学 | 航道岸线检测方法、系统、装置和存储介质 |
CN113693494B (zh) * | 2021-02-10 | 2023-11-14 | 北京石头创新科技有限公司 | 地图绘制方法及装置、介质及电子设备 |
CN112950610A (zh) * | 2021-03-18 | 2021-06-11 | 河海大学 | 一种裂流监测和预警方法及系统 |
CN113607175B (zh) * | 2021-07-24 | 2024-03-26 | 诚邦测绘信息科技(浙江)有限公司 | 测绘用无人船路线规划方法、系统、存储介质及智能终端 |
CN114266796B (zh) * | 2021-11-05 | 2022-09-13 | 广东省国土资源测绘院 | 基于激光点云数据与平均大潮高潮面的自然岸线自动获取方法、设备、介质 |
CN115571290B (zh) * | 2022-11-09 | 2023-06-13 | 传仁信息科技(南京)有限公司 | 一种船舶吃水自动检测系统及其方法 |
CN117540257B (zh) * | 2024-01-08 | 2024-03-29 | 武汉华测卫星技术有限公司 | 一种基于无人船的崩岸识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005148906A (ja) * | 2003-11-12 | 2005-06-09 | Mitsubishi Space Software Kk | 岸線抽出装置及び岸線抽出方法及びプログラムを記録したコンピュータ読み取り可能な記録媒体及びプログラム |
US20110013841A1 (en) * | 2009-01-21 | 2011-01-20 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Boundary Extraction Method |
CN103303452A (zh) * | 2013-05-29 | 2013-09-18 | 武汉楚航测控科技有限公司 | 一种无舵自动走航的无人船 |
CN104050474A (zh) * | 2014-06-10 | 2014-09-17 | 上海海洋大学 | 一种基于LiDAR数据的海岛岸线自动提取方法 |
CN106875479A (zh) * | 2015-12-12 | 2017-06-20 | 星际空间(天津)科技发展有限公司 | 一种数字高程模型自动置平方法 |
-
2019
- 2019-03-19 CN CN201910206862.2A patent/CN109934891B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005148906A (ja) * | 2003-11-12 | 2005-06-09 | Mitsubishi Space Software Kk | 岸線抽出装置及び岸線抽出方法及びプログラムを記録したコンピュータ読み取り可能な記録媒体及びプログラム |
US20110013841A1 (en) * | 2009-01-21 | 2011-01-20 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Boundary Extraction Method |
CN103303452A (zh) * | 2013-05-29 | 2013-09-18 | 武汉楚航测控科技有限公司 | 一种无舵自动走航的无人船 |
CN104050474A (zh) * | 2014-06-10 | 2014-09-17 | 上海海洋大学 | 一种基于LiDAR数据的海岛岸线自动提取方法 |
CN106875479A (zh) * | 2015-12-12 | 2017-06-20 | 星际空间(天津)科技发展有限公司 | 一种数字高程模型自动置平方法 |
Non-Patent Citations (2)
Title |
---|
一种基岩海(岛)岸线自动提取新方法;沈蔚 等;《上海海洋大学学报》;20151115;第24卷(第6期);975-980 * |
基于遥感影像的海岸线提取技术研究进展;李雪红 等;《海洋测绘》;20160725;第36卷(第4期);第2-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN109934891A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934891B (zh) | 一种基于无人船的水域岸线构建方法及系统 | |
CN110779498B (zh) | 基于无人机多视点摄影的浅水河流水深测绘方法及系统 | |
CN107850449B (zh) | 用于生成及使用定位参考数据的方法及系统 | |
CN103575267B (zh) | 使图像与用于导航的地形高程地图相关的方法 | |
CN104932515B (zh) | 一种自主巡航方法以及巡航设备 | |
Bruno et al. | Underwater augmented reality for improving the diving experience in submerged archaeological sites | |
US8077913B2 (en) | Method and device for determining the actual position of a geodetic instrument | |
EP2588882B1 (en) | Method for producing a digital photo wherein at least some of the pixels comprise position information, and such a digital photo | |
Leedekerken et al. | Mapping complex marine environments with autonomous surface craft | |
ZA200005640B (en) | Method of tracking and sensing position of objects. | |
Menna et al. | A photogrammetric approach to survey floating and semi-submerged objects | |
US20220392211A1 (en) | Water non-water segmentation systems and methods | |
CN115343745A (zh) | 三维激光雷达辅助的高精度卫星定位方法 | |
RU2571300C2 (ru) | Способ дистанционного определения абсолютного азимута целевой точки | |
KR101380250B1 (ko) | 로봇 및 로봇 위치 인식 방법 | |
Cho et al. | Autonomous positioning of the unloading auger of a combine harvester by a laser sensor and GNSS | |
CN114077249A (zh) | 一种作业方法、作业设备、装置、存储介质 | |
Bao et al. | Vehicle self-localization using 3D building map and stereo camera | |
Yin et al. | Study on underwater simultaneous localization and mapping based on different sensors | |
Maki et al. | Navigation of an autonomous underwater vehicle for photo mosaicing of shallow vent areas | |
Leedekerken et al. | Mapping complex marine environments with autonomous surface craft | |
JP2019148436A (ja) | 森林地域での立木の評価方法、及びこの評価方法における評価対象エリアの特定に適した境界線測量方法 | |
Del Pizzo et al. | Assessment of shoreline detection using UAV | |
KR101380247B1 (ko) | 로봇 및 방향 인식 방법 | |
Łubczonek et al. | Analysis of the accuracy of shoreline mapping in inland navigational charts (Inland ENC) using photogrammetric and sonar images |
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 |