CN114445761A - 一种基于图像识别的雷康状态远程监测方法 - Google Patents
一种基于图像识别的雷康状态远程监测方法 Download PDFInfo
- Publication number
- CN114445761A CN114445761A CN202111445549.8A CN202111445549A CN114445761A CN 114445761 A CN114445761 A CN 114445761A CN 202111445549 A CN202111445549 A CN 202111445549A CN 114445761 A CN114445761 A CN 114445761A
- Authority
- CN
- China
- Prior art keywords
- image
- rakame
- matched
- signal
- template
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于图像识别的雷康状态远程监测方法,包括如下步骤:采集模板图像;对模板图像进行处理,得到雷康模板图像;采集当前雷康图像进行图像处理,得到待匹配图像;将雷康模板图像与待匹配图像进行匹配,得到雷康模板图像的匹配区域在待匹配图像中的坐标值;根据雷康信号的坐标值以及待匹配图像中心点的经纬度计算得到雷康信号的经纬度;将计算得到的雷康信号经纬度值与雷康设备部署信息对照表进行比对,确定雷康目标物并输出雷康目标物的信息。本发明利用已知雷康信号的雷康模板图像,与雷达显示界面进行对比匹配,计算雷康信号的经纬度值,进行非雷康过滤后输出实时信息,实现雷达应答标的位置状态和应答状态的远程监控。
Description
技术领域
本发明涉及一种雷康监测方法,尤其涉及一种基于图像识别的雷康状态远程监测方法。
背景技术
雷康(Racon,又称雷达应答器)是一种被动式的有源雷达信标,它在接收到 船用雷达的发射脉冲后约0.5us便自动发出经编码的回答脉冲信号,故又称为雷达 应答器。其回答的编码脉冲信号被船用雷达接收后显示在屏上,可以测其方位和距 离,以供定位和导航之用。由于回答脉冲是编码的,故便于相互识别,常用的雷康 信号是把脉冲编成莫尔斯(Morse)码。雷康可在整个船用雷达工作频率范围内接 收雷达脉冲信号,而它的回答信号也可被附近同波段雷达所接收。雷康一般探测距 离在十几海里以内。
我国管理水域内通常航路复杂、通航环境恶劣,船舶交通密度大,由此增加了 船舶航行难度及危险系数。并且水域岛礁众多,存在大量跨海大桥、架空线缆、海 产品养殖区域,船舶种类繁杂,使得对该水域不熟悉的船舶有望而却步、寸步难行 的感觉。随着海上雷康设置的不断完善,船舶如果能够充分利用雷康设备反馈的信 息进行导航及风险规避,将对船舶航行安全提供极大帮助。
但是雷康所处水域环境恶劣,会发生信标漂移或者损坏的情况,航标船无法及 时了解情况,只有在近距离巡检中才能发现问题,这样会严重影响其它船舶的安全 航行。
因此,有必要提出一种适用于航标船远程监测雷康状态的方法,远程监测雷康 的定位状态和应答状态,实现无人监控作业,保障船舶的航行安全。
发明内容
本发明要解决的技术问题是提供一种基于图像识别的雷康状态远程监测方法,实现雷康信号的远程监测。
本发明为解决上述技术问题而采用的技术方案是提供一种基于图像识别的雷康状态远程监测方法,包括如下步骤:S1:采集雷康图像作为模板图像;S2:对步骤 S1中采集的模板图像进行处理,得到一组雷康模板图像,并获取雷康模板图像的特 征信息;S3:采集当前雷康图像,并进行图像处理,得到待匹配图像;S4:将步骤 S2中得到的雷康模板图像与步骤S3中得到的待匹配图像进行匹配,得到雷康模板 图像的匹配区域在待匹配图像中的坐标值,即为该雷康模板图像包含的雷康信号在 待匹配图像中的坐标值;S5:根据雷康信号的坐标值以及待匹配图像中心点的经纬 度计算得到雷康信号的经纬度;S6:将步骤S5中计算得到的雷康信号经纬度值与 雷康设备部署信息对照表进行比对,对雷康信号进行过滤,确定雷康目标物,输出 雷康目标物的信息。
进一步地,所述步骤S2包括:S21:将模板图像进行裁剪,保留包含单个雷康 信号的模板图像块;S22:采用Canny算子对模板图像块进行Canny边缘提取,获 取图像边缘,得到特征图像;S23:对特征图像进行多角度和多尺度的变换,得到 图像增强后的特征图像;S24:对图像增强后的特征图像进行除噪和非边缘剔除得 到雷康模板图像,并将边缘信息作为雷康模板图像的特征信息保存。
进一步地,所述步骤S24包括:S241:对图像增强后的特征图像采用高斯平滑 滤波消除噪声,高斯内核为:
其中,size为高斯内核的大小;K为高斯函数离散化后的高斯内核模板;
S242:采用具体的矩阵对平滑滤波后的特征图像A进行卷积运算,得到特征图 像的x方向梯度Gx和y方向梯度Gy:
S243:根据x方向梯度Gx和y方向梯度Gy,得到特征图像A的梯度方向和梯度 大小,其中,梯度大小G为:
S244:通过非极大值抑制,剔除非边缘像素,保留与边缘相连的部分细线条作 为边缘像素,保存边缘信息得到雷康模板图像;设置高阈值和低阈值,将梯度值大 于高阈值的部分作为边缘像素;将梯度值小于低阈值的部分像素直接删除;将介于 两阈值之间且与边缘像素相邻连接的像素作为边缘保留,将介于两阈值之间且与边 缘像素不连接的像素删除。
进一步地,所述步骤S3包括:S31:船用雷达接收雷康信号后显示在屏幕上, 保持本船位置处于屏幕中心点处,截取屏幕得到雷康图像,裁剪图像,保留雷达显 示主界面;S32:采用Canny算子对裁剪后的图像进行Canny边缘提取,获取图像 边缘,得到待匹配图像,并存储待匹配图像边缘信息;S33:采用Sobel算子计算 待匹配图像的x方向梯度和y方向梯度,进而计算得到待匹配图像的梯度大小和梯 度方向。
进一步地,所述步骤S4包括:S41:将雷康模板图像在待匹配图像上从左至 右、从上至下移动,依次计算各雷康模板图像与对应区域的匹配分值;S42:设雷 康模板图像的边缘总数为N,分别计算雷康模板图像每个边缘与待匹配图像对应区 域的边缘的梯度方向的夹角的余弦值,假设N个边缘对应的匹配余弦值分别为 a1,a2,a3-an,则雷康模板图像的匹配分值为:
其中,匹配分值P的取值范围在[0,1]之间,值为1时,表示该雷康模板图像 与待匹配图像匹配度高,值为0时,表示该雷康模板图像与待匹配图像匹配度低;
S43:设定匹配阈值,使得每个雷康模板图像在待匹配图像中的匹配区域唯 一,记录与该雷康模板图像匹配的区域的中心点在待匹配图像中的坐标值;即为该 雷康模板图像对应的雷康信号在待匹配图像中的坐标值。
进一步地,所述步骤S5包括:S51:根据待匹配图像内雷康信号的坐标和待匹 配图像中心点坐标,计算出雷康信号与待匹配图像中心点的距离d、以及与正北方 向的夹角α;待匹配图像中心点坐标(x1,y1),雷康信号坐标(x2,y2);距离d =sqrt(abs(x1-x2)*abs(x1-x2)+abs(y1-y2)*abs(y1-y2));夹角α= atan2((x1-x2),(y2-y1))*(180/PI);S52:根据雷达图像的比例尺和雷康信号 与待匹配图像中心点的距离d,计算出雷康信号与待匹配图像中心点的实际距离 D;实际距离D=距离d*比例尺;S53:待匹配图像中心点即为船舶当前位置, 其经纬度通过船上定位设备获取,通过待匹配图像中心点经纬度、雷康信号与待匹 配图像中心点的实际距离D、以及与正北方向的夹角α,计算出雷康信号的实际经纬 度;
船舶当前经度,纬度=(longS,lngS);
地球半径R=6371000m;
雷康信号纬度lngT=asin(sin(lngS)*cos(D/R)+cos(lngS)*sin (D/R)*cosα);
雷康信号经度longT=longS+atan2(sinα*sin(D/R)*cos(lngS),cos (D/R)-sin(lngS)*sin(lngT))。
进一步地,所述步骤S6包括:
S61:根据雷康设备部署信息对照表,获取管理水域内部署的雷康设备的设置 信息,包括雷康编号、雷达名称、经度、纬度和莫尔斯码信息;
S62:分别以雷康信号实际经纬度以及雷康设备的经纬度为中心,在设定的半 径范围确认是否有交集;
S63:若雷康设备与一个雷康信号有交集,则该雷康信号为雷康目标物,且雷 康信号实际经纬度为该雷康设备的实际经纬度;
S64:若雷康设备与多个雷康信号有交集,选择匹配分值最高的雷康信号为雷 康目标物,则该雷康信号实际经纬度为该雷康设备的实际经纬度;
S65:输出雷康目标物的信息,包括雷康编号、雷达名称、雷康实际经度、雷 康实际纬度、雷康莫尔斯码信息、实际距离D和夹角α。
进一步地,所述步骤S1包括船用雷达接收雷康信号后显示在屏幕上,调整显 示器使本船位置处于屏幕中心点处,截取屏幕得到雷康图像。
本发明对比现有技术有如下的有益效果:本发明提供的基于图像识别的雷康状态远程监测方法,针对雷达显示界面中无法识别雷康信号,利用已知雷康信号的雷 康模板图像,在雷达显示界面进行对比匹配,确认雷康信号在雷达显示界面中的位 置,并通过本船的经纬度值以及雷康信号相对雷达显示界面中心点的位置,精确计 算雷康信号的经纬度值,并通过雷康设备部署信息对照表中雷康设备的经纬度值进 行雷康信号的过滤,确认雷康目标物,并输出实时信息,远程监控雷达应答标的位 置状态和应答状态;实现无人监控作业,提升船舶信息化建设;实时了解雷达应答 标状态,保障船舶的航行安全。
附图说明
图1为本发明实施例中基于图像识别的雷康状态远程监测方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明实施例中基于图像识别的雷康状态远程监测方法流程图。
请参见图1,本发明实施例的基于图像识别的雷康状态远程监测方法,包括如 下步骤:包括如下步骤:
S1:采集雷康图像作为模板图像;实际采集时,船用雷达接收雷康信号后显示 在屏幕上,调整显示器使本船位置处于屏幕中心点处,截取屏幕得到雷康图像。
S2:对步骤S1中采集的模板图像进行处理,得到一组雷康模板图像,并获取 雷康模板图像的特征信息;
S21:将模板图像进行裁剪,保留包含雷康信号的模板图像块;在实际使用时 可以调整图像块大小,使得每个模板图像块仅包含一个雷康信号,且位于图像块的 中心;
S22:采用Canny算子对模板图像块进行Canny边缘提取,获取图像边缘,得 到特征图像;
S23:对特征图像进行多角度和多尺度的变换,得到图像增强后的特征图像; 可以采用如下变换:设一个旋转范围为0-360°,旋转步长为1°,缩放范围为 0.9-1.1倍,变换后得到若干模板图像;
S24:对图像增强后的特征图像进行除噪和非边缘剔除得到雷康模板图像,并 将边缘信息作为雷康模板图像的特征信息保存。
S241:对图像增强后的特征图像采用高斯平滑滤波消除噪声,即将图像增强后 的特征图像与高斯函数进行卷积运算得到平滑处理后的图像,图像为离散化的形 式,因此需要将高斯函数离散化为高斯内核模板,高斯内核为:
其中,size为高斯内核的大小;K为高斯函数离散化后的高斯内核模板;
S242:采用具体的矩阵对平滑滤波后的特征图像A进行卷积运算,得到特征图 像的x方向梯度Gx和y方向梯度Gy:
S243:根据x方向梯度Gx和y方向梯度Gy,得到特征图像A的梯度方向和梯度 大小,其中,梯度大小G为:
梯度方向θ为:
S244:通过非极大值抑制,剔除非边缘像素,保留与边缘相连的部分细线条作 为边缘像素,保存边缘信息得到雷康模板图像;设置高阈值和低阈值,将梯度值大 于高阈值的部分作为边缘像素;将梯度值小于低阈值的部分像素直接删除;将介于 两阈值之间且与边缘像素相邻连接的像素作为边缘保留,将介于两阈值之间且与边 缘像素不连接的像素删除。通过非最大值抑制进行边缘细化,非最大值抑制帮助保 留局部最大梯度而抑制所有其他梯度值。
S3:采集当前雷康图像,并进行图像处理,得到待匹配图像;
S31:船用雷达接收雷康信号后显示在屏幕上,保持本船位置处于屏幕中心点 处,截取屏幕得到雷康图像,裁剪图像,保留雷达显示主界面;雷达显示主界面中 不仅有雷康信号,还有海上目标的信号,比如陆地,岛、大桥等其他干扰信号,使 得雷康信号在主界面中无法识别;
S32:采用Canny算子对裁剪后的图像进行Canny边缘提取,获取图像边缘, 得到待匹配图像,并存储待匹配图像边缘信息;
S33:采用Sobel算子计算待匹配图像的x方向梯度和y方向梯度,还可以采 用与步骤S242相同的方法计算x方向梯度和y方向梯度,进而计算得到待匹配图 像的梯度大小和梯度方向。
S4:将步骤S2中得到的雷康模板图像与步骤S3中得到的待匹配图像进行匹 配,得到雷康模板图像的匹配区域在待匹配图像中的坐标值,即为该雷康模板图像 包含的雷康信号在待匹配图像中的坐标值;
S41:将雷康模板图像在待匹配图像上从左至右、从上至下依次移动,移动步 长可以设置为一个像素,计算各雷康模板图像与对应区域的匹配分值;
S42:设雷康模板图像的边缘总数为N,分别计算雷康模板图像每个边缘与待匹 配图像对应区域的边缘的梯度方向的夹角的余弦值,假设N个边缘对应的匹配余弦 值分别为a1,a2,a3-an,则雷康模板图像的匹配分值为:
其中,匹配分值P的取值范围在[0,1]之间,值为1时,表示该雷康模板图像 与待匹配图像匹配度高,值为0时,表示该雷康模板图像与待匹配图像匹配度低;
S43:设定匹配阈值,使得每个雷康模板图像在待匹配图像中的匹配区域唯 一,记录与该雷康模板图像匹配的区域的中心点在待匹配图像中的坐标值;即为该 雷康模板图像对应的雷康信号在待匹配图像中的坐标值。
S5:根据雷康信号的坐标值以及待匹配图像中心点的经纬度计算得到雷康信号的经纬度;
S51:根据待匹配图像内雷康信号的坐标和待匹配图像中心点坐标,计算出雷 康信号与待匹配图像中心点的距离d(单位:像素)、以及与正北方向的夹角α;
待匹配图像中心点坐标(x1,y1),雷康信号坐标(x2,y2);
距离d=sqrt(abs(x1-x2)*abs(x1-x2)+abs(y1-y2)*abs(y1-y2));
夹角α=atan2((x1-x2),(y2-y1))*(180/PI);
S52:根据雷达图像的比例尺和雷康信号与待匹配图像中心点的距离d(单位: 像素),计算出雷康信号与待匹配图像中心点的实际距离D;
实际距离D(米)=距离d(像素)*比例尺;
比例尺可以选择1:50000,即1cm=500m;
S53:待匹配图像中心点即为船舶当前位置,其经纬度通过船上定位设备获 取,通过待匹配图像中心点经纬度、雷康信号与待匹配图像中心点的实际距离D、 以及与正北方向的夹角α,计算出雷康信号的实际经纬度;
船舶当前经度,纬度=(longS,lngS);
地球半径R=6371000米;
雷康信号纬度lngT=asin(sin(lngS)*cos(D/R)+cos(lngS)*sin (D/R)*cosα);
雷康信号经度longT=longS+atan2(sinα*sin(D/R)*cos(lngS),cos (D/R)-sin(lngS)*sin(lngT))。
S6:将步骤S5中计算得到的雷康信号经纬度值与雷康设备部署信息对照表进 行比对,对雷康信号进行过滤,确定雷康目标物,输出雷康目标物的信息。
S61:根据雷康设备部署信息对照表,获取管理水域内部署的雷康设备的设置 信息,包括雷康编号、雷达名称、经度、纬度和莫尔斯码信息;
S62:分别以雷康信号实际经纬度以及雷康设备的经纬度为中心,在设定的半 径范围确认是否有交集;考虑到雷康的漂移、图像像素的误差,可以将半径设置为 100米;
S63:若雷康设备与一个雷康信号有交集,则该雷康信号为雷康目标物,且雷 康信号实际经纬度为该雷康设备的实际经纬度;
S64:若雷康设备与多个雷康信号有交集,选择匹配分值最高的雷康信号为雷 康目标物,则该雷康信号实际经纬度为该雷康设备的实际经纬度;
S65:输出雷康目标物的信息,包括雷康编号、雷达名称、雷康实际经度、雷 康实际纬度、雷康莫尔斯码信息、实际距离D和夹角α。
综上所述,本发明实施例的基于图像识别的雷康状态远程监测方法,针对雷达 显示界面中无法识别雷康信号,利用已知雷康信号的雷康模板图像,在雷达显示界 面进行对比匹配,确认雷康信号在雷达显示界面中的位置,并通过本船的经纬度值 以及雷康信号相对雷达显示界面中心点的位置,精确计算雷康信号的经纬度值,并 通过雷康设备部署信息对照表中雷康设备的经纬度值进行雷康信号的过滤,确认雷 康目标物,并输出实时信息,远程监控雷达应答标的位置状态和应答状态;实现无 人监控作业,提升船舶信息化建设;实时了解雷达应答标状态,保障船舶的航行安 全。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域 技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发 明的保护范围当以权利要求书所界定的为准。
Claims (8)
1.一种基于图像识别的雷康状态远程监测方法,其特征在于,包括如下步骤:
S1:采集雷康图像作为模板图像;
S2:对步骤S1中采集的模板图像进行处理,得到一组雷康模板图像,并获取雷康模板图像的特征信息;
S3:采集当前雷康图像,并进行图像处理,得到待匹配图像;
S4:将步骤S2中得到的雷康模板图像与步骤S3中得到的待匹配图像进行匹配,得到雷康模板图像的匹配区域在待匹配图像中的坐标值,即为该雷康模板图像包含的雷康信号在待匹配图像中的坐标值;
S5:根据雷康信号的坐标值以及待匹配图像中心点的经纬度计算得到雷康信号的经纬度;
S6:将步骤S5中计算得到的雷康信号经纬度值与雷康设备部署信息对照表进行比对,对雷康信号进行过滤,确定雷康目标物,输出雷康目标物的信息。
2.如权利要求1所述的基于图像识别的雷康状态远程监测方法,其特征在于,所述步骤S2包括:
S21:将模板图像进行裁剪,保留包含单个雷康信号的模板图像块;
S22:采用Canny算子对模板图像块进行Canny边缘提取,获取图像边缘,得到特征图像;
S23:对特征图像进行多角度和多尺度的变换,得到图像增强后的特征图像;
S24:对图像增强后的特征图像进行除噪和非边缘剔除得到雷康模板图像,并将边缘信息作为雷康模板图像的特征信息保存。
3.如权利要求2所述的基于图像识别的雷康状态远程监测方法,其特征在于,所述步骤S24包括:
S241:对图像增强后的特征图像采用高斯平滑滤波消除噪声,高斯内核为:
其中,size为高斯内核的大小;K为高斯函数离散化后的高斯内核模板;
S242:采用具体的矩阵对平滑滤波后的特征图像A进行卷积运算,得到特征图像的x方向梯度Gx和y方向梯度Gy:
S243:根据x方向梯度Gx和y方向梯度Gy,得到特征图像A的梯度方向和梯度大小,其中,梯度大小G为:
梯度方向θ为:
S244:通过非极大值抑制,剔除非边缘像素,保留与边缘相连的部分细线条作为边缘像素,保存边缘信息得到雷康模板图像;设置高阈值和低阈值,将梯度值大于高阈值的部分作为边缘像素;将梯度值小于低阈值的部分像素直接删除;将介于两阈值之间且与边缘像素相邻连接的像素作为边缘保留,将介于两阈值之间且与边缘像素不连接的像素删除。
4.如权利要求3所述的基于图像识别的雷康状态远程监测方法,其特征在于,所述步骤S3包括:
S31:船用雷达接收雷康信号后显示在屏幕上,保持本船位置处于屏幕中心点处,截取屏幕得到雷康图像,裁剪图像,保留雷达显示主界面;
S32:采用Canny算子对裁剪后的图像进行Canny边缘提取,获取图像边缘,得到待匹配图像,并存储待匹配图像边缘信息;
S33:采用Sobel算子计算待匹配图像的x方向梯度和y方向梯度,进而计算得到待匹配图像的梯度大小和梯度方向。
5.如权利要求4所述的基于图像识别的雷康状态远程监测方法,其特征在于,所述步骤S4包括:
S41:将雷康模板图像在待匹配图像上从左至右、从上至下依次移动,计算各雷康模板图像与对应区域的匹配分值;
S42:设雷康模板图像的边缘总数为N,分别计算雷康模板图像每个边缘与待匹配图像对应区域的边缘的梯度方向的夹角的余弦值,假设N个边缘对应的匹配余弦值分别为a1,a2,a3-an,则雷康模板图像的匹配分值为:
其中,匹配分值P的取值范围在[0,1]之间,值为1时,表示该雷康模板图像与待匹配图像匹配度高,值为0时,表示该雷康模板图像与待匹配图像匹配度低;
S43:设定匹配阈值,使得每个雷康模板图像在待匹配图像中的匹配区域唯一,记录与该雷康模板图像匹配的区域的中心点在待匹配图像中的坐标值;即为该雷康模板图像对应的雷康信号在待匹配图像中的坐标值。
6.如权利要求5所述的基于图像识别的雷康状态远程监测方法,其特征在于,所述步骤S5包括:
S51:根据待匹配图像内雷康信号的坐标和待匹配图像中心点坐标,计算出雷康信号与待匹配图像中心点的距离d、以及与正北方向的夹角α;
待匹配图像中心点坐标(x1,y1),雷康信号坐标(x2,y2);
距离d=sqrt(abs(x1-x2)*abs(x1-x2)+abs(y1-y2)*abs(y1-y2));
夹角α=atan2((x1-x2),(y2-y1))*(180/PI);
S52:根据雷达图像的比例尺和雷康信号与待匹配图像中心点的距离d,计算出雷康信号与待匹配图像中心点的实际距离D;
实际距离D=距离d*比例尺;
S53:待匹配图像中心点即为船舶当前位置,其经纬度通过船上定位设备获取,通过待匹配图像中心点经纬度、雷康信号与待匹配图像中心点的实际距离D、以及与正北方向的夹角α,计算出雷康信号的实际经纬度;
船舶当前经度,纬度=(longS,lngS);
地球半径R=6371000m;
雷康信号纬度lngT=asin(sin(lngS)*cos(D/R)+cos(lngS)*sin(D/R)*cosα);
雷康信号经度longT=longS+atan2(sinα*sin(D/R)*cos(lngS),cos(D/R)-sin(lngS)*sin(lngT))。
7.如权利要求6所述的基于图像识别的雷康状态远程监测方法,其特征在于,所述步骤S6包括:
S61:根据雷康设备部署信息对照表,获取管理水域内部署的雷康设备的设置信息,包括雷康编号、雷达名称、经度、纬度和莫尔斯码信息;
S62:分别以雷康信号实际经纬度以及雷康设备的经纬度为中心,在设定的半径范围确认是否有交集;
S63:若雷康设备与一个雷康信号有交集,则该雷康信号为雷康目标物,且雷康信号实际经纬度为该雷康设备的实际经纬度;
S64:若雷康设备与多个雷康信号有交集,选择匹配分值最高的雷康信号为雷康目标物,则该雷康信号实际经纬度为该雷康设备的实际经纬度;
S65:输出雷康目标物的信息,包括雷康编号、雷达名称、雷康实际经度、雷康实际纬度、雷康莫尔斯码信息、实际距离D和夹角α。
8.如权利要求1所述的基于图像识别的雷康状态远程监测方法,其特征在于,所述步骤S1包括船用雷达接收雷康信号后显示在屏幕上,调整显示器使本船位置处于屏幕中心点处,截取屏幕得到雷康图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111445549.8A CN114445761A (zh) | 2021-11-30 | 2021-11-30 | 一种基于图像识别的雷康状态远程监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111445549.8A CN114445761A (zh) | 2021-11-30 | 2021-11-30 | 一种基于图像识别的雷康状态远程监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114445761A true CN114445761A (zh) | 2022-05-06 |
Family
ID=81363908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111445549.8A Pending CN114445761A (zh) | 2021-11-30 | 2021-11-30 | 一种基于图像识别的雷康状态远程监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114445761A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186850A (zh) * | 2022-09-06 | 2022-10-14 | 中天科技海缆股份有限公司 | 一种海底电缆运行环境的动态监测方法及系统 |
-
2021
- 2021-11-30 CN CN202111445549.8A patent/CN114445761A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186850A (zh) * | 2022-09-06 | 2022-10-14 | 中天科技海缆股份有限公司 | 一种海底电缆运行环境的动态监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10424205B2 (en) | Auxiliary berthing method and system for vessel | |
US10378905B2 (en) | Auxiliary berthing method and system for vessel | |
Aarsæther et al. | Estimating navigation patterns from AIS | |
CN102081801B (zh) | 多特征自适应融合船舶跟踪和航迹检测方法 | |
CN101214851B (zh) | 船舶行驶智能型全天候主动安全预警系统及其预警方法 | |
CN104535066B (zh) | 一种船载红外视频图像中的海上目标与电子海图的叠加方法及系统 | |
KR101334804B1 (ko) | 선박 통합모니터링을 위한 위성정보 및 선박정보의 통합방법 | |
CN106710313A (zh) | 基于激光三维成像技术的桥区船舶主动避碰方法及系统 | |
CN106980319A (zh) | 基于无人机一体化避障系统的无人船 | |
CN103398710B (zh) | 一种夜雾天况下的舰船进出港导航系统及其构建方法 | |
CN111536962B (zh) | 智能船舶的航线规划方法及装置、存储介质、计算机设备 | |
EP4082890A1 (en) | Administrative server in ship navigation assistance system, ship navigation assistance method, and ship navigation assistance program | |
JP6349607B2 (ja) | 岸壁又は堤防の空洞探査方法及び危険性評価方法 | |
CN109144060A (zh) | 一种船舶航线的危险识别方法及系统 | |
CA2905810C (en) | Method for tracking and forecasting marine ice bodies | |
JP5152913B2 (ja) | 洋上監視システムおよび方法 | |
EP3926364A1 (en) | Ship target object detection system, method of detecting ship target object and reliability estimating device | |
CN115127510A (zh) | 一种水陆空三栖立体无人化多平台联动滑坡智能巡防系统 | |
Naus et al. | Precision in determining ship position using the method of comparing an omnidirectional map to a visual shoreline image | |
CN114445761A (zh) | 一种基于图像识别的雷康状态远程监测方法 | |
KR102376927B1 (ko) | 해상용 지능형 cctv 관제 방법 | |
CN107430004A (zh) | 用于计算至少一艘船的水面速的方法和用于推导在该船的路径上每个点处的漂移向量的方法 | |
Meireles et al. | Real time visual SLAM for underwater robotic inspection | |
KR101155602B1 (ko) | 선박용 충돌회피 시스템을 위한 항해 장비 시뮬레이터 | |
CN111626129A (zh) | 基于卫星ais与红外相机的舰船目标联合探测方法 |
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 |