CN115113630B - 无人船过桥方法、装置、计算机设备及存储介质 - Google Patents

无人船过桥方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN115113630B
CN115113630B CN202211034143.5A CN202211034143A CN115113630B CN 115113630 B CN115113630 B CN 115113630B CN 202211034143 A CN202211034143 A CN 202211034143A CN 115113630 B CN115113630 B CN 115113630B
Authority
CN
China
Prior art keywords
bridge
unmanned ship
picture
angle
gray
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
CN202211034143.5A
Other languages
English (en)
Other versions
CN115113630A (zh
Inventor
程宇威
朱健楠
张丙卓
池雨豪
虞梦苓
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.)
Shaanxi Orca Electronic Intelligent Technology Co ltd
Original Assignee
Shaanxi Orca Electronic Intelligent Technology Co ltd
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 Shaanxi Orca Electronic Intelligent Technology Co ltd filed Critical Shaanxi Orca Electronic Intelligent Technology Co ltd
Priority to CN202211034143.5A priority Critical patent/CN115113630B/zh
Publication of CN115113630A publication Critical patent/CN115113630A/zh
Application granted granted Critical
Publication of CN115113630B publication Critical patent/CN115113630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration by non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Abstract

本发明提供了一种无人船过桥方法、装置、计算机设备及存储介质，方法包括，预设无人船的进桥点的GPS定位信息、无人船的出桥点的GPS定位信息及利用计算进桥点与出桥点的定位信息，计算无人船的进桥角度和出桥角度；控制无人船到达桥梁预设的进桥点，并将无人船的船只角度调整为预设的进桥角度；开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度；根据无人船相对于桥洞中心的方位角度，控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务。本发明的有益效果在于：解决无人船在桥下GNSS定位信息缺失，难以进行自主过桥任务。

Description

无人船过桥方法、装置、计算机设备及存储介质
技术领域
本发明涉及无人船自动驾驶领域，尤其是指一种无人船过桥方法、装置、计算机设备及存储介质。
背景技术
近年来，随着自动驾驶技术的快速发展，水面自动驾驶无人船智能化程度也获得了突飞猛进的发展，多种用途的水面无人驾驶船也在各行各业之中获得广泛的应用。无人驾驶技术的成熟应用也体现了无人船智能化技术的快速发展，无人船智能化过桥技术则是无人船智能化发展的重要体现。当前，户外水面无人船的导航方式主要依靠卫星定位导航、惯性导航等。然而，在桥下往往没有卫星定位信号，同时，当桥梁宽度较长时，惯性导航的方式会出现随着时间增长的偏差，从而依靠GPS定位导航过桥以及依靠船只惯性导航等过桥效果较差。如何在定位信号较弱甚至没有定位信号的情况下、在较长桥梁、弯曲桥梁等桥下环境复杂多样的场景下实现无人船准确可靠的过桥控制是无人船过桥领域的技术难点。
发明内容
本发明所要解决的技术问题是：提供了一种无人船过桥方法、装置、计算机设备及存储介质，以解决过桥场景所遇到的困难。
为了解决上述技术问题，本发明采用的技术方案为：一种无人船过桥方法，包括，
预设无人船的进桥点的GPS定位信息、无人船的出桥点的GPS定位信息及利用计算进桥点与出桥点的定位信息，计算无人船的进桥角度和出桥角度；
控制无人船到达桥梁预设的进桥点，并将无人船的船只角度调整为预设的进桥角度；
开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度；
根据无人船相对于桥洞中心的方位角度，控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务。
进一步的，所述开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度具体包括，
将视觉系统采集的桥洞图片由三通道的RGB 格式图片转为单通道的灰度图片；
对灰度图片进行高斯滤波处理；
对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测；
对阈值检测后的灰度图片进行图片二值化处理；
对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标；
计算并输出视觉系统对桥洞相对无人船方向的检测结果。
进一步的，所述对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测包括，
检测灰度图片不同区域的灰度值变化，在图片的第x列上分别检测该列上像素灰度值的变化情况，其中x = 20，40，60，…，w；w为图像分辨率的宽；
检测上一步骤中每一列的像素变化差值；
Figure 708746DEST_PATH_IMAGE001
Figure 893870DEST_PATH_IMAGE002
其中，
Figure 40294DEST_PATH_IMAGE003
为图片中行为y,列为x处的像素点灰度值，h为图片分辨率的高，
Figure 906749DEST_PATH_IMAGE004
为 在第i 列上连续n个像素灰度值的平均值, DIF为相邻长度为n的连续像素灰度值平均值的 差；
计算每列的像素灰度值变化差值，若该列最大像素灰度值变化差值
Figure 605584DEST_PATH_IMAGE005
< 30，则记录下列像素的最大灰度值
Figure 164873DEST_PATH_IMAGE003
；
其中，
Figure 254051DEST_PATH_IMAGE006
，max()为取最大值的函数；
统计所有列的最大灰度值
Figure 658619DEST_PATH_IMAGE003
，并计算得到所有最大灰度值
Figure 884064DEST_PATH_IMAGE003
集合中最大的 灰度值MAX_THRE：
Figure 876903DEST_PATH_IMAGE007
其中，x = 20，40，60，···，w；w为图像分辨率的宽。
进一步的，所述对阈值检测后的灰度图片进行图片二值化处理所采用的公式为：
Figure 453378DEST_PATH_IMAGE008
其中，
Figure 645325DEST_PATH_IMAGE009
为图片像素坐标(x, y)处的像素灰度值，
Figure 476009DEST_PATH_IMAGE010
为上一步骤计算所得最大的灰度值。
进一步的，所述对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标所采用的公式为：
Figure 82544DEST_PATH_IMAGE011
其中，
Figure 897048DEST_PATH_IMAGE012
,
Figure 627106DEST_PATH_IMAGE013
为所有目标像素的坐标信息集合，X, Y为目标像素的中心坐标。
进一步的，所述计算并输出视觉系统对桥洞相对无人船方向的检测结果所采用的公式为：
Figure 92723DEST_PATH_IMAGE014
其中，angle 即为所得桥洞位置与船只朝向的夹角角度，w 为图像分辨率的宽；
Figure 633556DEST_PATH_IMAGE015
为该图片分辨率下相机对应的水平视场角。
本发明还提供了一种无人船过桥装置，包括，
进出桥预设模块，用于预设无人船的进桥点的GPS定位信息、无人船的出桥点的GPS定位信息及利用计算进桥点与出桥点的定位信息，计算无人船的进桥角度和出桥角度；
进桥角度调整模块，用于控制无人船到达桥梁预设的进桥点，并将无人船的船只角度调整为预设的进桥角度；
视觉检测模块，用于开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度；
过桥控制模块，用于根据无人船相对于桥洞中心的方位角度，控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务。
进一步的，所述视觉检测模块具体包括，
图片转换单元，用于将视觉系统采集的桥洞图片由三通道的RGB 格式图片转为单通道的灰度图片；
滤波单元，用于对灰度图片进行高斯滤波处理；
阈值检测单元，用于对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测；
二值化处理单元，用于对阈值检测后的灰度图片进行图片二值化处理；
中心坐标计算单元，用于对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标；
方向计算输出单元，用于计算并输出视觉系统对桥洞相对无人船方向的检测结果。
本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的无人船过桥方法。
本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如上所述的无人船过桥方法。
本发明的有益效果在于：通过预先设置无人船的进桥点、出桥点，在无人船进入桥洞时，开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度，从而控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务；使得无人船过桥更加精准，过桥成功率更高。
附图说明
下面结合附图详述本发明的具体结构。
图1为本发明实施例的无人船过桥方法流程图；
图2为本发明实施例的视觉检测流程图；
图3为本发明实施例的无人船过桥装置框图；
图4为本发明实施例的视觉检测模块框图；
图5为本发明实施例的计算机设备的示意性框图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如图1所示，本发明第一实施例为：一种无人船过桥方法，包括步骤，
S10、预设无人船的进桥点的GPS定位信息、无人船的出桥点的GPS定位信息及利用计算进桥点与出桥点的定位信息，计算无人船的进桥角度和出桥角度；
本步骤中，预先记录无人船在进入桥下时的进桥点P0的GPS定位信息，同时，记录无人船在出桥下时的出桥点P1的GPS定位信息，利用进桥点P0的定位信息与出桥点的定位信息，计算船只金桥角度信息Yaw0，同理计算在出桥点P1处船只的角度信息Yaw1。
S20、控制无人船到达桥梁预设的进桥点P0，并将无人船的船只角度调整为预设的进桥角度Yaw0；
S30、开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度；
S40、根据无人船相对于桥洞中心的方位角度，控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务。
本方案通过视觉检测系统，不断修正无人船的方位角度，使得无人船能够从预设的出桥点按照预设的出桥角度出桥。
如图2所示，步骤S30、开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度具体包括，
S31、将视觉系统采集的桥洞图片由三通道的RGB 格式图片转为单通道的灰度图片，图片的分辨率为w=640，h=480；
S32、对灰度图片进行高斯滤波处理；
S33、对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测；
S34、对阈值检测后的灰度图片进行图片二值化处理；
S35、对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标；
S36、计算并输出视觉系统对桥洞相对无人船方向的检测结果。
进一步的，步骤S33、对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测包括，
S331、检测灰度图片不同区域的灰度值变化，在图片的第x列上分别检测该列上像素灰度值的变化情况，其中x = 20，40，60，…，w；w为图像分辨率的宽；
S332、检测上一步骤中每一列的像素变化差值；
Figure 653465DEST_PATH_IMAGE001
Figure 452794DEST_PATH_IMAGE002
其中，
Figure 523649DEST_PATH_IMAGE003
为图片中行为y,列为x处的像素点灰度值，h为图片分辨率的高，
Figure 281390DEST_PATH_IMAGE004
为 在第i 列上连续n个像素灰度值的平均值, DIF为相邻长度为n的连续像素灰度值平均值的 差；
S333、计算每列的像素灰度值变化差值，若该列最大像素灰度值变化差值
Figure 788594DEST_PATH_IMAGE005
<30，则记录下列像素的最大灰度值
Figure 608258DEST_PATH_IMAGE003
；
其中，
Figure 782888DEST_PATH_IMAGE006
，max()为取最大值的函数；
S334、统计所有列的最大灰度值
Figure 649212DEST_PATH_IMAGE003
，并计算得到所有最大灰度值
Figure 909293DEST_PATH_IMAGE003
集合中 最大的灰度值MAX_THRE：
Figure 269998DEST_PATH_IMAGE007
其中，x = 20，40，60，···，w；w为图像分辨率的宽。
进一步的，步骤S34中，对阈值检测后的灰度图片进行图片二值化处理所采用的公式为：
Figure 299134DEST_PATH_IMAGE016
其中，
Figure 867518DEST_PATH_IMAGE009
为图片像素坐标(x, y)处的像素灰度值；
Figure 896785DEST_PATH_IMAGE017
为二值化后的像素灰度 值，
Figure 841608DEST_PATH_IMAGE018
为上一步骤计算所得最大的灰度值。
进一步的，步骤S35中，对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标所采用的公式为：
Figure 475982DEST_PATH_IMAGE011
其中，
Figure 684110DEST_PATH_IMAGE012
,
Figure 653203DEST_PATH_IMAGE013
为所有目标像素的坐标信息集合，X, Y为目标像素的中心坐标。
进一步的，步骤S36中，计算并输出视觉系统对桥洞相对无人船方向的检测结果所采用的公式为：
Figure 604978DEST_PATH_IMAGE014
其中，angle 即为所得桥洞位置与船只朝向的夹角角度，w 为图像分辨率的宽；
Figure 356509DEST_PATH_IMAGE015
为该图片分辨率下相机对应的水平视场角。
本实施例中，通过预先设置无人船的进桥点、出桥点，在无人船进入桥洞时，开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度，从而控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务；使得无人船过桥更加精准，过桥成功率更高。
如图3所示，本发明的另一实施例为一种无人船过桥装置，包括，
进出桥预设模块10，用于预设无人船的进桥点的GPS定位信息、无人船的出桥点的GPS定位信息及利用计算进桥点与出桥点的定位信息，计算无人船的进桥角度和出桥角度；
进桥角度调整模块20，用于控制无人船到达桥梁预设的进桥点，并将无人船的船只角度调整为预设的进桥角度；
视觉检测模块30，用于开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度；
过桥控制模块40，用于根据无人船相对于桥洞中心的方位角度，控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务。
如图4所示，所述视觉检测模块30具体包括，
图片转换单元31，用于将视觉系统采集的桥洞图片由三通道的RGB 格式图片转为单通道的灰度图片；
滤波单元32，用于对灰度图片进行高斯滤波处理；
阈值检测单元33，用于对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测；
二值化处理单元34，用于对阈值检测后的灰度图片进行图片二值化处理；
中心坐标计算单元35，用于对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标；
方向计算输出单元36，用于计算并输出视觉系统对桥洞相对无人船方向的检测结果。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述无人船过桥装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述无人船过桥装置可以实现为一种计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。
请参阅图5，图5是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端，也可以是服务器，其中，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图5，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504 。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种无人船过桥方法。
该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种无人船过桥方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如上所述的无人船过桥方法。
应当理解，在本申请实施例中，处理器502可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如上所述的无人船过桥方法。
所述存储介质可以是U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，终端，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种无人船过桥方法，其特征在于：包括，
预设无人船的进桥点的GPS定位信息、无人船的出桥点的GPS定位信息及利用计算进桥点与出桥点的定位信息，计算无人船的进桥角度和出桥角度；
控制无人船到达桥梁预设的进桥点，并将无人船的船只角度调整为预设的进桥角度；
开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度；
根据无人船相对于桥洞中心的方位角度，控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务；
所述开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度具体包括，
将视觉系统采集的桥洞图片由三通道的RGB 格式图片转为单通道的灰度图片；
对灰度图片进行高斯滤波处理；
对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测；
对阈值检测后的灰度图片进行图片二值化处理；
对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标；
计算并输出视觉系统对桥洞相对无人船方向的检测结果；
所述对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测包括，
检测灰度图片不同区域的灰度值变化，在图片的第x列上分别检测该列上像素灰度值的变化情况，其中x = 20，40，60，…，w；w为图像分辨率的宽；
检测上一步骤中每一列的像素变化差值；
Figure 684255DEST_PATH_IMAGE001
Figure 526440DEST_PATH_IMAGE002
其中，
Figure 501349DEST_PATH_IMAGE003
为图片中行为y,列为x处的像素点灰度值，h为图片分辨率的高，
Figure 514305DEST_PATH_IMAGE004
在第x 列上连续n行像素灰度值的平均值, DIF为相邻长度为n的连续像素灰度值平均值的差；
计算每列的像素灰度值变化差值，若该列最大像素灰度值变化差值
Figure 662389DEST_PATH_IMAGE005
<30，则 记录下列像素的最大灰度值；
其中，
Figure 90572DEST_PATH_IMAGE006
，max()为取最大值的函数；
统计所有列的最大灰度值，并计算得到所有最大灰度值的集合中最大的灰度值MAX_THRE：
Figure 501962DEST_PATH_IMAGE007
其中，x = 20，40，60，···，w；w为图像分辨率的宽。
2.如权利要求1所述的无人船过桥方法，其特征在于：所述对阈值检测后的灰度图片进行图片二值化处理所采用的公式为：
Figure 205476DEST_PATH_IMAGE008
其中，
Figure 953989DEST_PATH_IMAGE009
为图片像素坐标(x, y)处的像素灰度值，
Figure 692138DEST_PATH_IMAGE010
为二值化后的像素灰度值，
Figure 8850DEST_PATH_IMAGE011
为上一步骤计算所得最大的灰度值。
3.如权利要求2所述的无人船过桥方法，其特征在于：所述对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标所采用的公式为：
Figure 199659DEST_PATH_IMAGE012
其中，
Figure 768175DEST_PATH_IMAGE013
,
Figure 32934DEST_PATH_IMAGE014
为所有目标像素的坐标信息集合，X, Y为目标像素的中心坐标。
4.如权利要求3所述的无人船过桥方法，其特征在于：所述计算并输出视觉系统对桥洞相对无人船方向的检测结果所采用的公式为：
Figure 582864DEST_PATH_IMAGE015
其中，angle 即为所得桥洞位置与船只朝向的夹角角度，w 为图像分辨率的宽；
Figure 323287DEST_PATH_IMAGE016
为该 图片分辨率下相机对应的水平视场角。
5.一种无人船过桥装置，其特征在于：包括，
进出桥预设模块，用于预设无人船的进桥点的GPS定位信息、无人船的出桥点的GPS定位信息及利用计算进桥点与出桥点的定位信息，计算无人船的进桥角度和出桥角度；
进桥角度调整模块，用于控制无人船到达桥梁预设的进桥点，并将无人船的船只角度调整为预设的进桥角度；
视觉检测模块，用于开启视觉检测系统对桥梁的桥洞进行视觉检测，检测出无人船相对于桥洞中心的方位角度；
过桥控制模块，用于根据无人船相对于桥洞中心的方位角度，控制无人船从预设的出桥点按照预设的出桥角度出桥，完成过桥任务；
所述视觉检测模块具体包括，
图片转换单元，用于将视觉系统采集的桥洞图片由三通道的RGB 格式图片转为单通道的灰度图片；
滤波单元，用于对灰度图片进行高斯滤波处理；
阈值检测单元，用于对高斯滤波处理的灰度图片进行桥洞灰度值阈值检测；
二值化处理单元，用于对阈值检测后的灰度图片进行图片二值化处理；
中心坐标计算单元，用于对二值化图片做轮廓检测，获得所有目标像素的坐标信息集合，可得到目标像素的中心坐标；
方向计算输出单元，用于计算并输出视觉系统对桥洞相对无人船方向的检测结果；
所述阈值检测单元具体用于：
检测灰度图片不同区域的灰度值变化，在图片的第x列上分别检测该列上像素灰度值的变化情况，其中x = 20，40，60，…，w；w为图像分辨率的宽；
检测上一步骤中每一列的像素变化差值；
Figure 616865DEST_PATH_IMAGE001
Figure 267290DEST_PATH_IMAGE002
其中，
Figure 535591DEST_PATH_IMAGE003
为图片中行为y,列为x处的像素点灰度值，h为图片分辨率的高，
Figure 700993DEST_PATH_IMAGE004
在第x 列上连续n行像素灰度值的平均值, DIF为相邻长度为n的连续像素灰度值平均值的差；
计算每列的像素灰度值变化差值，若该列最大像素灰度值变化差值
Figure 470366DEST_PATH_IMAGE005
<30，则 记录下列像素的最大灰度值；
其中，
Figure 37614DEST_PATH_IMAGE006
，max()为取最大值的函数；
统计所有列的最大灰度值，并计算得到所有最大灰度值的集合中最大的灰度值MAX_THRE：
Figure 726084DEST_PATH_IMAGE007
其中，x = 20，40，60，···，w；w为图像分辨率的宽。
6.一种计算机设备，其特征在于：所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的无人船过桥方法。
7.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如权利要求1至4中任一项所述的无人船过桥方法。
CN202211034143.5A 2022-08-26 2022-08-26 无人船过桥方法、装置、计算机设备及存储介质 Active CN115113630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211034143.5A CN115113630B (zh) 2022-08-26 2022-08-26 无人船过桥方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211034143.5A CN115113630B (zh) 2022-08-26 2022-08-26 无人船过桥方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN115113630A CN115113630A (zh) 2022-09-27
CN115113630B true CN115113630B (zh) 2022-12-09

Family

ID=83336088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211034143.5A Active CN115113630B (zh) 2022-08-26 2022-08-26 无人船过桥方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN115113630B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115616610B (zh) * 2022-12-19 2023-03-21 陕西欧卡电子智能科技有限公司 船舶通过桥梁的检测方法、装置、计算机设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527043A (zh) * 2009-03-16 2009-09-09 江苏银河电子股份有限公司 基于运动目标轮廓信息的视频对象分割方法
WO2012010818A1 (en) * 2010-07-22 2012-01-26 Auto Ranging And Bearing Solutions Llp Improvements in proximity detection
CN102663724A (zh) * 2012-03-03 2012-09-12 西安电子科技大学 基于自适应差异图的遥感图像变化检测方法
CN110046584A (zh) * 2019-04-19 2019-07-23 上海海事大学 一种基于无人机巡检的道路裂纹检测装置及检测方法
CN110232713A (zh) * 2019-06-13 2019-09-13 腾讯数码（天津）有限公司 一种图像目标定位修正方法及相关设备
CN111968144A (zh) * 2020-09-07 2020-11-20 北京凌云光技术集团有限责任公司 一种图像边缘点获取方法及装置
CN113406961A (zh) * 2021-07-12 2021-09-17 陕西欧卡电子智能科技有限公司 一种无人船过桥控制方法、装置、电子设备及存储介质
CN114596536A (zh) * 2022-05-07 2022-06-07 陕西欧卡电子智能科技有限公司 无人船沿岸巡检方法、装置、计算机设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770581B (zh) * 2010-01-08 2011-12-07 西安电子科技大学 高分辨率城区遥感图像中道路中心线的半自动检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527043A (zh) * 2009-03-16 2009-09-09 江苏银河电子股份有限公司 基于运动目标轮廓信息的视频对象分割方法
WO2012010818A1 (en) * 2010-07-22 2012-01-26 Auto Ranging And Bearing Solutions Llp Improvements in proximity detection
CN102663724A (zh) * 2012-03-03 2012-09-12 西安电子科技大学 基于自适应差异图的遥感图像变化检测方法
CN110046584A (zh) * 2019-04-19 2019-07-23 上海海事大学 一种基于无人机巡检的道路裂纹检测装置及检测方法
CN110232713A (zh) * 2019-06-13 2019-09-13 腾讯数码（天津）有限公司 一种图像目标定位修正方法及相关设备
CN111968144A (zh) * 2020-09-07 2020-11-20 北京凌云光技术集团有限责任公司 一种图像边缘点获取方法及装置
CN113406961A (zh) * 2021-07-12 2021-09-17 陕西欧卡电子智能科技有限公司 一种无人船过桥控制方法、装置、电子设备及存储介质
CN114596536A (zh) * 2022-05-07 2022-06-07 陕西欧卡电子智能科技有限公司 无人船沿岸巡检方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于机器视觉联合模糊控制的船舶桥区避障研究;第8期;《机械工程师》;20181231(第8期);第1节，第2.1节，及图2 *

Also Published As

Publication number Publication date
CN115113630A (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
CN110866871A (zh) 文本图像矫正方法、装置、计算机设备及存储介质
CN110766095B (zh) 基于图像灰度特征的缺陷检测方法
US20080205769A1 (en) Apparatus, method and program product for matching with a template
CN115113630B (zh) 无人船过桥方法、装置、计算机设备及存储介质
CN110046619B (zh) 无人探鱼艇全自动鱼群检测方法及系统、无人探鱼艇与存储介质
CN109461133B (zh) 桥梁螺栓脱落检测方法及终端设备
CN112465871B (zh) 一种视觉跟踪算法准确性的评价方法及系统
CN110008833B (zh) 基于光学遥感图像的目标船只检测方法
CN115409881A (zh) 图像处理方法、装置及设备
WO2017113692A1 (zh) 一种图像匹配方法及装置
CN112652020A (zh) 一种基于AdaLAM算法的视觉SLAM方法
CN113781511B (zh) 传送带边缘磨损检测方法、装置、计算机设备及存储介质
CN111354047A (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN110880003B (zh) 一种图像匹配方法、装置、存储介质及汽车
CN115330657B (zh) 一种海洋探测图像的处理方法、装置和服务器
CN111445513A (zh) 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质
CN113763376B (zh) 传送带偏移检测方法、装置、计算机设备及存储介质
CN114862866A (zh) 标定板的检测方法、装置、计算机设备和存储介质
CN110717890B (zh) 一种对接环识别方法及介质
RU2697822C2 (ru) Способ определения координат объектов по их цифровым изображениям
CN113160318B (zh) 基于单目相机的空中加油锥套位姿测量方法
CN117456542B (zh) 图像匹配方法、装置、电子设备及存储介质
CN114820599B (zh) 一种基于计算机视觉的注塑件卡扣缺陷检测方法及装置
CN117474915B (zh) 一种异常检测方法、电子设备及存储介质
US20240144624A1 (en) Measurement apparatus, measurement system, and measurement method

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