CN111539413B - 一种软边缘支持向量机仿生偏振光航向解算方法 - Google Patents

一种软边缘支持向量机仿生偏振光航向解算方法 Download PDF

Info

Publication number
CN111539413B
CN111539413B CN202010329354.6A CN202010329354A CN111539413B CN 111539413 B CN111539413 B CN 111539413B CN 202010329354 A CN202010329354 A CN 202010329354A CN 111539413 B CN111539413 B CN 111539413B
Authority
CN
China
Prior art keywords
polarization
support vector
vector machine
edge support
course
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
Application number
CN202010329354.6A
Other languages
English (en)
Other versions
CN111539413A (zh
Inventor
白宏阳
梁华驹
郭宏伟
郑浦
李政茂
周育新
胡珂
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010329354.6A priority Critical patent/CN111539413B/zh
Publication of CN111539413A publication Critical patent/CN111539413A/zh
Application granted granted Critical
Publication of CN111539413B publication Critical patent/CN111539413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种软边缘支持向量机仿生偏振光航向解算系统及方法，系统包括水平仪、像素级偏振相机、数据处理计算机、锂电池和安装架，通过水平仪保证安装架上的像素级偏振相机正对天顶点；通过像素级偏振相机实时采集大气偏振模式得到偏振度和偏振角图像；通过数据处理计算机进行航向解算；该方法步骤为：对偏振相机采集的偏振图片进行阈值分割得到两区域图像；对两区域图像进行连通域检测得到三区域图像；对三区域图像的偏振角取反得到可分类的偏振图像；对可分类的偏振角图像利用软边缘支持向量机进行航向解算得到航向角。本发明将航向解算问题转化为二分类问题并利用软边缘支持向量机求解，抗干扰性强，可在多云和阴天条件下进行航向解算。

Description

一种软边缘支持向量机仿生偏振光航向解算方法
技术领域
本发明属于仿生偏振光导航技术领域，特别是一种软边缘支持向量机仿生偏振光航向解算方法。
背景技术
偏振是光的一种固有属性，反映了光的振动方向随时间的变化规律。无偏的太阳光进入大气时会受到大气中各种粒子的散射、吸收和辐射作用，使其传输方向、光强和偏振状态发生变化，在天空中产生大气偏振模式。生物学家研究发现，许多具有复眼结构的昆虫可以利用复眼探测大气偏振模式，并因此实现导航定位功能。大气偏振模式这种稳定的偏振分布能够很好的作为信息源应用于导航领域。通过研究昆虫的偏振光导航机理，可有效促进仿生偏振光导航的实际应用。
仿生偏振光导航是一种通过模仿沙蚁、蜜蜂等生物所具有的特殊复眼结构，来探测大气偏振模式进行导航定位的方法。仿生偏振光导航很难受人为因素的干扰，并且无累计误差，不受电磁干扰，属被动式导航，隐蔽性好，具有传统导航方法所不具有的优势。然而，仿生偏振光导航所用来导航的大气偏振模式会受到天气变化的干扰和影响，因此，设计出能应对各种复杂天气条件的导航方法至关重要。
但目前已有的偏振光导航方法，主要针对晴朗天气，在理想的晴朗天气下可以获得较好的导航精度。但是当天气情况变得恶劣时，特别是出现云层的干扰时，导航精度会严重下降，甚至无法导航。专利CN201910597332.5公开了一种基于捷联式偏振光罗盘的动态定向方法及系统，但是该方法没有考虑云等恶劣天气的影响。专利 CN201610076299.8公开了一种基于偏振分光棱镜的两通道仿生偏振光导航仪及其方法，但该系统需要两通道并且没有考虑云等恶劣天气的影响。
发明内容
本发明的目的在于提供一种软边缘支持向量机仿生偏振光航向解算方法，以满足晴天以及其他恶劣天气下仿生偏振光导航的实际应用需求。
实现本发明目的的技术解决方案为：一种软边缘支持向量机仿生偏振光航向解算方法，该方法基于软边缘支持向量机仿生偏振光航向解算系统实现，系统包括水平仪、像素级偏振相机、数据处理计算机和锂电池；所述水平仪用于保证像素级偏振相机正对天顶点，所述像素级偏振相机实时采集大气偏振模式，得到偏振度和偏振角图像，并通过网口传输给数据处理计算机；所述数据处理计算机用于处理像素级偏振相机采集到的偏振角图像，进行航向解算；所述锂电池给水平仪、像素级偏振相机和数据处理计算机供电；所述方法包括以下步骤：
步骤1，对偏振相机采集的偏振角图像进行阈值分割得到两区域图像；
步骤2，对两区域图像进行连通域检测得到三区域图像；
步骤3，对三区域图像的偏振角取反得到可分类偏振角图像；
步骤4，通过软边缘支持向量机，对步骤3所述的可分类偏振角图像进行分类，将航向角解算转化为分类问题；
步骤5，通过软边缘支持向量机，对步骤4所述分类问题进行求解；
步骤6，对步骤5所述的软边缘支持向量机进行训练，得到权重向量，从而计算得到太阳航向角；
步骤7，对步骤6得到的太阳方位角进行太阳运动补偿，最终得到航向角；
本发明与现有技术相比，其显著优点为：(1)通过相机像素阵元上直接配备四个不同方向的偏振片，可实时采集大气偏振模式，并且体积小，质量轻；(2)将航向角解算问题转化为二分类问题，并且考虑了云和噪声的干扰，利用软边缘支持向量机进行航向解算，不仅可实现在晴朗天气情况下的仿生偏振光导航，而且可实现在多云、阴天等恶劣天气下的偏振光导航。
附图说明
图1为本发明软边缘支持向量机仿生偏振光航向解算系统的结构示意图。
图2为本发明软边缘支持向量机仿生偏振光航向解算系统的偏振相机构成图。
图3为本发明软边缘支持向量机仿生偏振光航向解算方法流程图。
具体实施方式
结合图1，本发明的一种软边缘支持向量机仿生偏振光航向解算系统，整个系统包括一个水平仪，一个像素级偏振相机，一个数据处理计算机，一个锂电池和安装架；
所述的水平仪保证安装在安装架上的像素级偏振相机正对天顶点，实时采集大气偏振模式；所述的像素级偏振相机实时采集大气偏振模式，得到偏振度(DOP)和偏振角(AOP)图像，并通过网口传输给数据处理计算机；所述的数据处理计算机处理像素级偏振相机采集到的偏振图像，进行航向解算；所述锂电池给水平仪，像素级偏振相机和数据处理计算机供电；所述安装架用于固定水平仪，锂电池和偏振相机。
进一步的，所述的像素级偏振相机在相机像素阵元上直接配备四个不同方向的偏振片，分别为0°偏振片、45°偏振片、90°偏振片、135°偏振片；通过所述的四个不同方向偏振片实现对大气偏振模式的实时采集。
本发明还提供一种基于上述系统的软边缘支持向量机仿生偏振光航向解算方法，针对恶劣天气的干扰，将航向解算问题转化为二分类问题并利用软边缘支持向量机进行求解，具有步骤如下：
步骤1，通过阈值分割将所探测得到的偏振角图像分为两个区域。偏振角大于-T小于T为区域r1，余下的部分为r0区域，其中T是阈值；通过对图像进行腐蚀，为消除噪声的干扰；通过偏振度为0的部分划分到区域r1，消除局部云的干扰；通过区域r1向外膨胀，消除云边界的干扰。
步骤2，通过连通域检测，将步骤1所述的两个区域进行区分，得到有标记三个区域r1，r2，r3的偏振图像。
步骤3，通过对步骤2所述的标记r2区域的偏振角进行取反，标记r3区域的偏振角保持不变，标记r2区域航向角解算时不考虑，得到可分类偏振角图像，其中偏振角大于 0为一类，偏振角小于0为另一类。
步骤4，通过软边缘支持向量机，对步骤3所述的可分类图像进行分类。将航向角解算转化为分类问题。所述的分类问题可表示为
wTx+b＝0
其中，w是权重向量，b是偏置，x是超平面wTx+b＝0的自变量。
步骤5，通过软边缘支持向量机，对步骤4所述分类问题进行求解，其中软边缘支持向量机进一步考虑了噪声和云的干扰，可有效应对恶劣天气；所述软边缘支持向量机可表示为：
Figure GDA0003742424660000031
s.t.dk(wTxk+b)≥1-ξk,k＝1,2,…,n.
ξk≥0,k＝1,2,…,n.
其中，ξk是松弛变量，C是惩罚参数，xk表示第k个训练样本，dk表示xk所属类别，s.t.表示“使得”。
步骤6，通过步骤5所述的软边缘支持向量机对步骤3所述的可分偏置角图像进行训练，得到权重向量w，最终得到太阳航向角
Figure GDA0003742424660000041
其中，θ是太阳航向角，w1和w2分别表示权重向量w的第一个和第二个分量。
步骤7，通过对步骤6所述的太阳方位角进行太阳运动补偿，最终得到航向角。
下面结合附图及具体的实施例对本发明做进一步详细介绍。
实施例1
如图1所示，一种软边缘支持向量机仿生偏振光航向解算系统，由水平仪、像素级偏振相机、数据处理计算机、锂电池以及安装架组成，其中：水平仪保证安装在安装架上的像素级偏振相机正对天顶点；像素级偏振相机在相机像素阵元上直接配备四个不同方向的偏振片，分别为0°偏振片、45°偏振片、90°偏振片、135°偏振片；像素级偏振相机通过网口将偏振图像传输给数据处理计算机；数据处理计算机处理像素级偏振相机采集到的偏振图像，进行航向解算；所述锂电池给水平仪，像素级偏振相机和数据处理计算机供电；所述安装架用于固定水平仪，锂电池和偏振相机。
如图2所示，为本发明软边缘支持向量机仿生偏振光航向解算系统的偏振相机构成图。像素级偏振相机在相机像素阵元上直接配备四个不同方向的偏振片，分别为0°偏振片、45°偏振片、90°偏振片、135°偏振片，通过四个不同方向偏振片实现对大气偏振模式的实时采集。
如图3所示，为软边缘支持向量机仿生偏振光航向解算方法的方法流程图，包括以下步骤：对偏振相机采集的偏振度和偏振角图片进行阈值分割，得到区域r0和r1的两区域图像；通过对两区域图像进行连通域检测得到r1，r2，r3三区域图像；通过r2区域的偏振角进行取反，标记r3区域的偏振角保持不变，标记r2区域航向解算时不考虑，得到可分类偏振角图像；通过可分类的偏振角图像利用软边缘支持向量机进行航向解算，得到航向角。
通过本发明进行大气偏振模式采集和航向角解算，实验地点为：北纬32°1′36″，东经118°51′13″，实验过程中天气为晴转多云转阴，晴朗、多云、阴等，多种天气情况下得到的偏振度(DOP)图像、偏振角(AOP)图像以及航向解算结果如图3所示，本发明可实现在多云、阴天等恶劣天气下的偏振光导航。

Claims (8)

1.一种软边缘支持向量机仿生偏振光航向解算方法，其特征在于，该方法基于软边缘支持向量机仿生偏振光航向解算系统实现，系统包括水平仪、像素级偏振相机、数据处理计算机和锂电池；所述水平仪用于保证像素级偏振相机正对天顶点，所述像素级偏振相机实时采集大气偏振模式，得到偏振度和偏振角图像，并通过网口传输给数据处理计算机；所述数据处理计算机用于处理像素级偏振相机采集到的偏振角图像，进行航向解算；所述锂电池给水平仪、像素级偏振相机和数据处理计算机供电；所述方法包括以下步骤：
步骤1，对偏振相机采集的偏振角图像进行阈值分割得到两区域图像；
步骤2，对两区域图像进行连通域检测得到三区域图像；
步骤3，对三区域图像的偏振角取反得到可分类偏振角图像；
步骤4，通过软边缘支持向量机，对步骤3所述的可分类偏振角图像进行分类，将航向角解算转化为分类问题；
步骤5，通过软边缘支持向量机，对步骤4所述分类问题进行求解；
步骤6，对步骤5所述的软边缘支持向量机进行训练，得到权重向量，从而计算得到太阳航向角；
步骤7，对步骤6得到的太阳方位角进行太阳运动补偿，最终得到航向角。
2.根据权利要求1所述的软边缘支持向量机仿生偏振光航向解算方法，其特征在于，所述像素级偏振相机在相机每个像素阵元上配备四个不同方向的偏振片，分别为0°偏振片、45°偏振片、90°偏振片、135°偏振片；通过四个不同方向的偏振片实现对大气偏振模式的实时采集。
3.根据权利要求1所述的软边缘支持向量机仿生偏振光航向解算方法，其特征在于，系统还包括安装架，用于固定水平仪、锂电池和偏振相机。
4.根据权利要求1所述的软边缘支持向量机仿生偏振光航向解算方法，其特征在于，步骤1具体为：通过阈值分割将所探测得到的偏振角图像分为两个区域；偏振角大于-T小于T为区域r1，余下的部分为r0区域，其中T是阈值；对图像进行腐蚀，将偏振度为0的部分划分到区域r1，将区域r1向外膨胀。
5.根据权利要求4所述的软边缘支持向量机仿生偏振光航向解算方法，其特征在于，步骤2通过连通域检测，将步骤1所述的r1、r0两个区域进行区分，得到有标记的三个区域r1，r2，r3的偏振图像；
步骤3通过对步骤2所述的标记r2区域的偏振角进行取反，标记r3区域的偏振角保持不变，标记r2区域航向解算时不考虑，得到可分类偏振角图像，其中偏振角大于0为一类，偏振角小于0为另一类。
6.根据权利要求5所述的软边缘支持向量机仿生偏振光航向解算方法，其特征在于，步骤4所述的分类问题为线性二分类问题，表示为
wTx+b＝0
其中，w是权重向量，b是偏置，x是超平面wTx+b＝0的自变量。
7.根据权利要求6所述的软边缘支持向量机仿生偏振光航向解算方法，其特征在于，步骤5所述软边缘支持向量机表示为
Figure FDA0003742424650000021
s.t.dk(wTxk+b)≥1-ξk,k＝1,2,…,n.
ξk≥0,k＝1,2,…,n.
其中，ξk是松弛变量，C是惩罚参数，xk表示第k个训练样本，dk表示xk所属类别，s.t.表示“使得”。
8.根据权利要求7所述的软边缘支持向量机仿生偏振光航向解算方法，其特征在于，步骤6通过对步骤5所述的软边缘支持向量机进行训练，得到权重向量w，得到太阳航向角：
Figure FDA0003742424650000022
其中，θ是太阳方位角，w1和w2分别表示权重向量w的第一个和第二个分量。
CN202010329354.6A 2020-04-23 2020-04-23 一种软边缘支持向量机仿生偏振光航向解算方法 Active CN111539413B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010329354.6A CN111539413B (zh) 2020-04-23 2020-04-23 一种软边缘支持向量机仿生偏振光航向解算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010329354.6A CN111539413B (zh) 2020-04-23 2020-04-23 一种软边缘支持向量机仿生偏振光航向解算方法

Publications (2)

Publication Number Publication Date
CN111539413A CN111539413A (zh) 2020-08-14
CN111539413B true CN111539413B (zh) 2022-09-13

Family

ID=71977196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010329354.6A Active CN111539413B (zh) 2020-04-23 2020-04-23 一种软边缘支持向量机仿生偏振光航向解算方法

Country Status (1)

Country Link
CN (1) CN111539413B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115062770B (zh) * 2022-08-04 2022-11-08 中国人民解放军国防科技大学 基于广义仿生偏振光导航模型及求解的导航方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651951A (zh) * 2016-12-20 2017-05-10 南京理工大学 一种大气偏振模式检测及航向解算系统及方法
CN109975823A (zh) * 2017-12-27 2019-07-05 英特尔公司 对lidar信号进行编码以避免干扰

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10113910B2 (en) * 2014-08-26 2018-10-30 Digimarc Corporation Sensor-synchronized spectrally-structured-light imaging

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651951A (zh) * 2016-12-20 2017-05-10 南京理工大学 一种大气偏振模式检测及航向解算系统及方法
CN109975823A (zh) * 2017-12-27 2019-07-05 英特尔公司 对lidar信号进行编码以避免干扰

Also Published As

Publication number Publication date
CN111539413A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN107024216B (zh) 引入全景地图的智能车辆融合定位系统及方法
CN107063170B (zh) 复杂环境下基于大气偏振角模式的航向角估计方法
CN115439424A (zh) 一种无人机航拍视频图像智能检测方法
CN114266977B (zh) 基于超分辨可选择网络的多auv的水下目标识别方法
CN111340855A (zh) 一种基于轨迹预测的道路移动目标检测方法
CN101493322A (zh) 基于视频中太阳影子轨迹的经纬度估计方法
Chawan et al. Automatic detection of flood using remote sensing images
CN111539413B (zh) 一种软边缘支持向量机仿生偏振光航向解算方法
CN115062527B (zh) 一种基于深度学习的静止卫星海温反演方法及系统
CN109443354B (zh) 基于萤火虫群优化pf的视觉-惯性紧耦合组合导航方法
CN114429428A (zh) 基于注意力机制的偏振图像去噪方法
CN105698819B (zh) 一种用于多相机偏振光传感器的标定方法
CN114877898B (zh) 基于水下偏振姿态与折射耦合反演的太阳动态跟踪方法
CN111738071B (zh) 一种基于单目摄像机的运动变化的逆透视变换方法
Wu et al. Robust orientation method based on atmospheric polarization model for complex weather
CN113819904B (zh) 一种基于天顶点矢量的偏振/vio三维姿态确定方法
Varjo et al. Image based visibility estimation during day and night
CN116258940A (zh) 一种多尺度特征及自适应权重的小目标检测方法
CN111429378A (zh) 基于深度神经网络和偏振成像的浑浊水下灰度图像复原方法
Gkanias et al. Celestial compass sensor mimics the insect eye for navigation under cloudy and occluded skies
CN110211148B (zh) 一种基于目标状态预估的水下图像预分割方法
CN110927765B (zh) 激光雷达与卫星导航融合的目标在线定位方法
US20240185595A1 (en) Method for evaluating quality of point cloud map based on matching
US11483485B2 (en) Device for collecting photos of field surface feature and information measurement and calculation method
CN115830140A (zh) 一种海上近程光电监控方法、系统、介质、设备及终端

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