CN115311900A - 一种基于视觉增强的内河航道船舶辅助目标识别系统和方法 - Google Patents

一种基于视觉增强的内河航道船舶辅助目标识别系统和方法 Download PDF

Info

Publication number
CN115311900A
CN115311900A CN202210931056.3A CN202210931056A CN115311900A CN 115311900 A CN115311900 A CN 115311900A CN 202210931056 A CN202210931056 A CN 202210931056A CN 115311900 A CN115311900 A CN 115311900A
Authority
CN
China
Prior art keywords
information
ship
radar
visual enhancement
ais
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
Application number
CN202210931056.3A
Other languages
English (en)
Inventor
梅涛
王奇云
支家茂
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.)
China Shipping Telecommunication Co ltd
Original Assignee
China Shipping Telecommunication 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 China Shipping Telecommunication Co ltd filed Critical China Shipping Telecommunication Co ltd
Priority to CN202210931056.3A priority Critical patent/CN115311900A/zh
Publication of CN115311900A publication Critical patent/CN115311900A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/937—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of marine craft
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于视觉增强的内河航道船舶辅助目标识别系统和方法。通过综合利用AIS、雷达、视频识别技术，通过目标检测算法获取船舶的实时位置与方向，对内河航道上船舶特别是未安装AIS系统的简易船舶或小型艇船通过特征标注进行预警，实现了对船舶周围各类障碍物及对船舶周围环境实时动态进行数字可视化目标识别。本发明提供了一种精准、实时、可靠的内河航道船舶辅助目标识别系统，能实现船舶辅助目标识别及有效避碰。

Description

一种基于视觉增强的内河航道船舶辅助目标识别系统和方法
技术领域
本发明涉及内河航道船舶航行目标识别的技术领域，具体涉及一种基于视觉增强的内河航道船舶辅助目标识别系统和方法。
背景技术
由于内河航道窄且多弯曲，内河船舶数量多使航道拥挤，船舶种类繁杂使船舶驾驶员不能很好的判断船舶周围环境信息，特别是不能通过航行辅助系统获取一些简易船只或小型船只的动态信息，使船舶在内河航道航行时往往由于近距离的视野盲区而发生碰撞，发生水上交通事故。而水上交通事故不仅给双方事故船造成经济损失、人员伤亡，还会阻塞河道、影响其他船舶的正常运行，并造成一定程度的环境污染，带来更大的经济损失。
因此为了河道行驶的安全，船舶需要适用于内河航道的精准、可靠的船舶辅助目标识别及避碰系统。
现有的船舶航行辅助目标识别及避碰系统主要有两种方式：
1、通过航行雷达可以识别船只周围的目标，并自动计算分析目标的运行轨迹，但航行雷达的目标识别在内河航道的情况下有两个重要缺点，一是航行并不能很好的显示目标大小，二是航行雷达在近距离范围有盲区。因此不能为内河航道船舶目标识别提供精准、可靠的辅助。
2、通过AIS(船舶自动识别系统)组建的电子海图获取周围船舶信息，AIS可自动交换船位、航速、航向、船名、呼号等重要信息。安装AIS的船体在向外发送这些信息的同时，接收VHF覆盖范围内其他船舶的信息，从而实现了自动应答。但该系统要求双方都安装AIS才可以进行位置交换。在内河航道中有大量的简易船舶，小型艇船等未安装AIS系统，另外使用VHF无线电话进行语音位置交换存在等待响应，不回复等延时情况，实时性存在一定问题。
综上所述，现有技术并不能识别船舶周围所有障碍物，并对船舶周围各类障碍物及对船舶周围环境动态进行数字可视化，提供一种适用于内河航道行驶规则的精准、实时、可靠的船舶辅助目标识别及避碰系统。
发明内容
为了解决上述现有技术不能识别船舶周围所有障碍物，并对船舶周围各类障碍物及对船舶周围环境实时动态进行数字可视化目标识别的技术问题，提供一种适用于内河航道行驶规则的精准、实时、可靠的，基于视觉增强的内河航道船舶辅助目标识别系统，能实现船舶辅助目标识别及有效避碰。综合利用AIS、雷达、视频识别技术，对内河航道上船舶特别是未安装AIS系统的简易船舶或小型艇船通过特征标注进行预警。
本发明的技术方案如下：
一种基于视觉增强的内河航道船舶辅助目标识别系统，包括信息感知单元、数据处理单元、信息应用单元；
所述信息感知单元通过多种信息接收装置接收航道信息和船舶信息，所述信息接收装置包括接收AIS信息的AIS天线、接收实时视频信息的摄像头、接收雷达信息的船载雷达天线、北斗传感定位器、船用电功率表、标定船体倾角的姿态仪、气象水文信息装置、交换机；
所述数据处理单元包括信息接收模块、信息处理模块和储存模块，信息接收模块接收由所述信息感知单元发出的航道信息和船舶信息并传递给信息处理模块，信息处理模块通过算法综合处理并整合信息：包括提取所述AIS信息、所述雷达信息和所述视频信息的近距离航道内障碍物信息和船舶信息整合成视觉增强信息，提取所述AIS信息和所述雷达信息整合成电子海图信息，提取所述北斗定位传感器、船用电功率表、姿态仪、气象水文装置的信息整合为船舶行驶所需的船舶行驶基本信息；所述储存模块储存所述视觉增强信息、所述电子海图信息和所述船舶行驶基本信息；
所述船舶行驶基本信息包括位置、船况、气象水文环境等。
所述信息应用单元包括接收视觉增强信息的视觉增强显示器以及接收电子海图信息和船舶行驶基本信息的电子海图显示器以及近距离报警模块。
所述AIS天线为VHF甚高频天线。
所述雷达天线安装在船舶无反射、波束范围内无较大阴影的位置。
所述摄像头包括目标识别摄像头组和感知摄像头组。所述目标识别摄像头组为三个固定在船舶上方高处的摄像头，所述摄像头安装于船艏并拼接形成船行驶前方的环270度视频图像，并具有在所述视频画面内识别船体的鹰眼功能。所述感知摄像头组为布置在船舶前后的八个摄像头，所述感知摄像头组可获取360度全景视频图像，并可进行不同视角切换。
所述摄像头的标定距离为3公里，3公里以外的较小的目标不进行识别。
所述北斗定位传感器可获取船体经纬度信息，精度可调节，航行精度约为10米以内，靠泊时精度可以达到1分米。
所述交换机用于传岸数据交互，靠泊系统通过交换机获取最新的码头海图信息。
所述电子海图显示器可进行航行辅助决策，包括利用所述电子海图信息和所述船舶行驶基本信息进行航线优化、航段优化、避碰辅助等辅助决策。
一种视觉增强信息的数据处理和储存的方法：
S1：提取所述AIS天线的近距离航道信息和船舶信息,包括船舶位置，船舶名称，船舶重量，船舶速度，船舶航向，船舶长宽等信号，通过对所述近距离航道信息和船舶信息进行二进制解码，转化为周围船舶的运行数据；将数据按离本船由近及远的顺序进行排序，并存储为当前的数据列表；
S2：提取所述雷达天线的船舶信息包括目标的航行速度，方向等信号，并将雷达目标数据按由近及远的顺序进行排序，并存储为当前的数据列表；
S3：提取所述摄像头的近距离船舶信息并传输至处理图像信息的RTSP推流服务器，通过机器学习各类船舶图片，判断视频识别目标是否为船舶，并通过目标检测算法获取船舶的实时位置与方向，将视频目标中的位置和方向信息与所述AIS，雷达数据列表的目标进行比对，确认AIS、雷达、视频中都可识别的目标为共有目标，以及确认AIS、雷达中无法识别但视频图像可识别的目标为特征目标。
所述目标检测算法为Yolo算法，所述Yolo算法的检测网络包括24个提取图像特征的卷积层和2个预测图像位置和类别概率值的全连接层，主要步骤为：
S1：将输入图像划分为SxS网格。每个网格检测“落入”该网格的对象，如果一个物体的中心位置的坐标被归类到一个网格中，这个网格负责找到这个物体。
S2：每个格子会输出B个bounding box信息，C个物体属于某种类别的概率信息，所述bounding box包含x,y,w,h,confidence等5个数据值，所述x和y是当前网格预测的物体边界框中心位置的坐标，所述w和h是边界框的宽度和高度，所述confidence反映当前bounding box是否包含物体以及物体位置的准确性，计算方式如下：
confidence＝P(object)*IOU
若bounding box包含物体，则P(object)＝1；否则P(object)＝0；
IOU为预测bounding box与物体真实区域的交集面积。
所述Yolo算法进行一次CNN运算，检测速度为30fps。
对所述共有目标将目标的名称，航行数据等通过AIS、雷达获取的信息以标签的方式显示在所述视觉增强显示器上，并对所述特征目标设定为预警船只，在所述视觉增强显示器上用红框标记做预警。当所述红框预警目标离自己1公里以内时，报警系统进行报警。
有益效果
本发明系统和方法综合利用AIS、雷达、视频识别技术，对内河航道上船舶特别是未安装AIS系统的简易船舶或小型艇船通过特征标注进行预警。解决了电子海图不能显示其他障碍，以及船舶目标大小，船舶驾驶员目前只能依靠视频摄像头依照经验，进行直观判断周围船舶信息，并不能准确判断，再与电子海图上的船舶信息进行对比，过程麻烦且有人为误差，不能很好的满足内河航道船舶的航行需求的问题。
本发明利用了Yolo算法，可以实时的识别障碍目标，检测速度可达到30fps，提升了视频识别技术的准确性和实时性，更适用于内河航道船舶的目标识别。
本发明在利用电子海图显示器显示电子海图、气象水文信息、船舶状态等基本信息的基础上，提供航线优化、航段优化、避碰辅助等辅助决策功能。把AIS数据、雷达数据、视频数据综合处理，尤其对AIS和雷达不能识别的目标进行重点标识，以及具有预警功能，不会遗漏周围小型或简易船舶及障碍物信息，通过感知分析，识别航行环境要素并进行动态计算，为航行风险辨识、航行辅助提示及预警提醒提供支持。
附图说明
图1是实施例中一种基于视觉增强的内河航道船舶辅助目标识别系统的流程图。
图2是实施例中摄像头安装位置图。
图3目标检测算法可行性测试分析图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明提供一种基于视觉增强的内河航道船舶辅助目标识别系统，综合利用AIS、雷达、视频识别技术，对内河航道上船舶特别是未安装AIS系统的简易船舶或小型船通过特征标注进行预警。
实施例1：一种基于视觉增强的内河航道船舶辅助目标识别系统。
如图1所示，构建一种基于视觉增强的内河航道船舶辅助目标识别系统，包括信息感知单元、数据处理单元、信息应用单元。
所述信息感知单元通过多种信息接收装置接收航道信息和船舶信息，所述信息接收装置包括接收AIS信息的AIS天线、摄像头、接收雷达信息的船载雷达天线、北斗传感定位器、船用电功率表、标定船体倾角的姿态仪、气象水文信息装置、交换机。
所述数据处理单元包括信息接收模块、信息处理模块和储存模块，信息接收模块接收由所述信息感知单元发出的航道信息和船舶信息并传递给信息处理模块，信息处理模块通过算法综合处理并整合信息：包括提取所述AIS信息、所述雷达信息和所述视频信息的近距离航道内障碍物信息和船舶信息整合成视觉增强信息，提取所述AIS信息和所述雷达信息整合成电子海图信息，提取所述北斗定位传感器、船用电功率表、姿态仪、气象水文装置的信息整合为船舶行驶所需的位置、船况、气象水文环境等船舶行驶基本信息；所述储存模块储存所述视觉增强信息、所述电子海图信息和所述船舶行驶基本信息。
所述信息应用单元包括接收视觉增强信息的视觉增强显示器以及接收电子海图信息和船舶行驶基本信息并根据接收到的信息提供航行辅助决策的电子海图显示器以及近距离报警模块。
所述AIS天线为VHF甚高频天线，可与安装AIS系统的船舶交换船舶信息。
所述雷达天线安装在船舶无反射、波束范围内无较大阴影的位置。雷达波束范围内的障碍物会在雷达显示上产生阴影，无法定位与障碍物后的远处目标。减少阴影的措施为加大阵列、去除或减小障碍物尺寸或增加与障碍物间距。如雷达天线邻近大型障碍物，则雷达天线应安装在障碍物前方，让阴影出现在船的正后方。为避免过热废气对天线和电缆的腐蚀，雷达天线应远离烟囱顶部。
如图2所示，箭头所指方向为船艏，所述摄像头包括目标识别摄像头组和感知摄像头组。
所述目标识别摄像头组为三个固定在船舶上方高处的摄像头，所述摄像头安装于船艏中间并拼接形成船行驶前方的环270度视频图像，并具有在所述视频画面内识别船体的鹰眼功能。
所述感知摄像头组为布置在船舶前后的八个摄像头，所述感知摄像头组可获取360度全景视频图像，并可进行不同视角切换。
所述摄像头的标定距离为3公里，3公里以外的较小的目标不进行识别。
所述北斗定位传感器可获取船体经纬度信息，精度可调节，航行精度约为10米以内，靠泊时精度可以达到1分米。
所述交换机用于传岸数据交互，靠泊系统通过交换机获取最新的码头海图信息。
所述航行辅助决策包括利用所述电子海图信息和所述船舶行驶基本信息进行航线优化、航段优化、避碰辅助等辅助决策功能。
实施例2：一种视觉增强信息的数据处理和储存的方法。
所述视觉增强信息的数据处理和储存的方法为：
1)提取所述AIS天线的近距离航道信息和船舶信息,包括船舶位置，船舶名称，船舶重量，船舶速度，船舶航向，船舶长宽等信号，通过对所述近距离航道信息和船舶信息进行二进制解码，转化为周围船舶的运行数据；将数据按离本船由近及远的顺序进行排序，并存储为当前的数据列表；
2)提取所述雷达天线的船舶信息包括目标的航行速度，方向等信号，并将雷达目标数据按由近及远的顺序进行排序，并存储为当前的数据列表；
3)提取所述摄像头的近距离船舶信息并传输至处理图像信息的RTSP推流服务器，通过机器学习各类船舶图片，判断视频识别目标是否为船舶，并通过目标检测算法获取船舶的实时位置与方向，将视频目标中的位置和方向信息与所述AIS，雷达数据列表的目标进行比对，确认AIS、雷达、视频中都可识别的目标为共有目标，以及确认AIS、雷达中无法识别但视频图像可识别的目标为特征目标。
对所述共有目标将目标的名称，航行数据等通过AIS、雷达获取的信息以标签的方式显示在视觉增强显示器上；对所述特征目标设定为预警船只，用红框标记做预警。当所述红框预警目标离自己1公里以内时，报警系统进行报警。
如图3所示，对目标检测算法进行可行性测试分析，AP为精度、FPS为速度即每秒计算的图片张数，当FPS达到30时，满足船舶目标识别实时性的要求，对于AP没有特殊要求，AP越高，算法的效果越好。
由图3可知，Yolo算法在AP和FPS的参数指标中效果最好，即目前选用Yolo算法或相应的改进算法，若其他的目标识别算法可以更好的满足上述可行性测试要求，也可优选其他算法。
Yolo算法的检测网络包括24个提取图像特征的卷积层和2个预测图像位置和类别概率值的全连接层，主要步骤为：
S1：将输入图像划分为SxS网格。每个网格检测“落入”该网格的对象，如果一个物体的中心位置的坐标被归类到一个网格中，这个网格负责找到这个物体。
S2：每个格子会输出B个bounding box信息，C个物体属于某种类别的概率信息，所述bounding box包含x,y,w,h,confidence等5个数据值，所述x和y是当前网格预测的物体边界框中心位置的坐标，所述w和h是边界框的宽度和高度，所述confidence反映当前bounding box是否包含物体以及物体位置的准确性，计算方式如下：
confidence＝P(object)*IOU
若bounding box包含物体，则P(object)＝1；否则P(object)＝0；
IOU为预测bounding box与物体真实区域的交集面积。
所述Yolo算法进行一次CNN运算，检测速度为30fps。
上述实施例仅是为了清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动，仍处于本发明的范围之内。

Claims (15)

1.一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，包括信息感知单元、数据处理单元、信息应用单元；
所述信息感知单元通过多种信息接收装置接收航道信息和船舶信息，所述信息接收装置包括接收AIS信息的AIS天线、接收实时视频信息的摄像头、接收雷达信息的船载雷达天线、北斗传感定位器、船用电功率表、标定船体倾角的姿态仪、气象水文信息装置、交换机；
所述数据处理单元包括信息接收模块、信息处理模块和储存模块，信息接收模块接收由所述信息感知单元发出的航道信息和船舶信息并传递给信息处理模块，信息处理模块通过算法综合处理并整合信息：包括提取所述AIS信息、所述雷达信息和所述视频信息的近距离航道内障碍物信息和船舶信息整合成视觉增强信息，提取所述AIS信息和所述雷达信息整合成电子海图信息，提取所述北斗定位传感器、船用电功率表、姿态仪、气象水文装置的信息整合为船舶行驶所需的船舶行驶基本信息；所述储存模块储存所述视觉增强信息、所述电子海图信息和所述船舶行驶基本信息；
所述信息应用单元包括接收视觉增强信息的视觉增强显示器以及接收电子海图信息和船舶行驶基本信息的电子海图显示器以及近距离报警模块。
2.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述AIS天线为VHF甚高频天线。
3.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述雷达天线安装在船舶无反射、波束范围内无较大阴影的位置。
4.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述摄像头包括目标识别摄像头组和感知摄像头组。
5.由权利要求4所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述目标识别摄像头组为三个固定在船舶上方高处的摄像头，所述摄像头安装于船艏并拼接形成船行驶前方的环270度视频图像，并具有在所述视频画面内识别船体的鹰眼功能。
6.由权利要求4所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述感知摄像头组为布置在船舶前后的八个摄像头，所述感知摄像头组可获取360度全景视频图像，并可进行不同视角切换。
7.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述摄像头的标定距离为3公里，3公里以外的较小的目标不进行识别。
8.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述北斗定位传感器可获取船体经纬度信息，精度可调节，航行精度约为10米以内，靠泊时精度可以达到1分米。
9.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述交换机用于传岸数据交互，靠泊系统通过交换机获取最新的码头海图信息。
10.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统，其特征是，所述电子海图显示器可进行航行辅助决策，包括利用所述电子海图信息和所述船舶行驶基本信息进行航线优化、航段优化、避碰辅助等辅助决策。
11.由权利要求1所述的一种基于视觉增强的内河航道船舶辅助目标识别系统中一种视觉增强信息的数据处理和储存的方法，其特征是：
S1：提取所述AIS天线的近距离航道信息和船舶信息,包括船舶位置，船舶名称，船舶重量，船舶速度，船舶航向，船舶长宽等信号，通过对所述近距离航道信息和船舶信息进行二进制解码，转化为周围船舶的运行数据；将数据按离本船由近及远的顺序进行排序，并存储为当前的数据列表；
S2：提取所述雷达天线的船舶信息包括目标的航行速度，方向等信号，并将雷达目标数据按由近及远的顺序进行排序，并存储为当前的数据列表；
S3：提取所述摄像头的近距离船舶信息并传输至处理图像信息的RTSP推流服务器，通过机器学习各类船舶图片，判断视频识别目标是否为船舶，并通过目标检测算法获取船舶的实时位置与方向，将视频目标中的位置和方向信息与所述AIS，雷达数据列表的目标进行比对，确认AIS、雷达、视频中都可识别的目标为共有目标，以及确认AIS、雷达中无法识别但视频图像可识别的目标为特征目标。
12.由权利要求11所述的一种视觉增强信息的数据处理和储存的方法，其特征是，所述目标检测算法为Yolo算法，所述Yolo算法的检测网络包括24个提取图像特征的卷积层和2个预测图像位置和类别概率值的全连接层，主要步骤为：
S1：将输入图像划分为SxS网格。每个网格检测“落入”该网格的对象，如果一个物体的中心位置的坐标被归类到一个网格中，这个网格负责找到这个物体；
S2：每个格子会输出B个bounding box信息，C个物体属于某种类别的概率信息，所述bounding box包含x,y,w,h,confidence等5个数据值，所述x和y是当前网格预测的物体边界框中心位置的坐标，所述w和h是边界框的宽度和高度，所述confidence反映当前bounding box是否包含物体以及物体位置的准确性，计算方式如下：
confidence＝P(object)*IOU
若bounding box包含物体，则P(object)＝1；否则P(object)＝0；
IOU为预测bounding box与物体真实区域的交集面积。
13.由权利要求11所述的一种视觉增强信息的数据处理和储存的方法，其特征是，所述Yolo算法进行一次CNN运算，检测速度为30fps。
14.由权利要求11所述的一种视觉增强信息的数据处理和储存的方法，其特征是，对所述共有目标将目标的名称，航行数据等通过AIS、雷达获取的信息以标签的方式显示在所述视觉增强显示器上，并对所述特征目标设定为预警船只，在所述视觉增强显示器上用红框标记做预警。
15.由权利要求11所述的一种视觉增强信息的数据处理和储存的方法，其特征是，当所述红框预警目标离自己1公里以内时，报警系统进行报警。
CN202210931056.3A 2022-08-04 2022-08-04 一种基于视觉增强的内河航道船舶辅助目标识别系统和方法 Pending CN115311900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210931056.3A CN115311900A (zh) 2022-08-04 2022-08-04 一种基于视觉增强的内河航道船舶辅助目标识别系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210931056.3A CN115311900A (zh) 2022-08-04 2022-08-04 一种基于视觉增强的内河航道船舶辅助目标识别系统和方法

Publications (1)

Publication Number Publication Date
CN115311900A true CN115311900A (zh) 2022-11-08

Family

ID=83857914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210931056.3A Pending CN115311900A (zh) 2022-08-04 2022-08-04 一种基于视觉增强的内河航道船舶辅助目标识别系统和方法

Country Status (1)

Country Link
CN (1) CN115311900A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880950A (zh) * 2023-02-27 2023-03-31 中国船舶集团有限公司第七一九研究所 一种船舶自动识别系统数据处理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880950A (zh) * 2023-02-27 2023-03-31 中国船舶集团有限公司第七一九研究所 一种船舶自动识别系统数据处理方法

Similar Documents

Publication Publication Date Title
KR102005559B1 (ko) 이미지 세그멘테이션을 이용한 주변 환경 감지 방법
KR102049371B1 (ko) 선박 보조 도킹 방법과 시스템
JP6507437B2 (ja) 船舶補助ドッキング方法およびシステム
KR101805564B1 (ko) 선박 충돌 방지용 경보 시스템 및 방법
EP3710858A1 (en) Real-time monitoring of surroundings of marine vessel
WO2005125209A1 (en) Method and system for surveillance of vessels
CN113050121A (zh) 一种船舶导航系统和船舶导航方法
JP2008514483A (ja) 海上乗物用衝突防止警報装置および衝突防止解析方法
KR102112000B1 (ko) 레이더 기반 해상교량 및 해안시설물 충돌 경보 시스템
CN112562417A (zh) 一种船舶应急指挥管理系统和方法
KR20210044197A (ko) 이미지 세그멘테이션을 이용한 자율 운항 방법
WO2008114955A1 (en) Electronic vessel guide method and system for harbor and narrow channel
CN115620559A (zh) 一种基于智能感知的船舶安全管理方法、系统及设备
CN115311900A (zh) 一种基于视觉增强的内河航道船舶辅助目标识别系统和方法
EP1536393A1 (en) Automatic guide apparatus for public transport
CN113820705A (zh) 船舶用物标检测系统及方法、可信度推定装置、以及程序
KR102283968B1 (ko) 이미지 학습 기반 시정 관측 정보 생성 및 공유 시스템과 그 방법
KR101920707B1 (ko) 영상정보 기반의 스마트 항적 정보 생성 장치 및 그 생성방법
KR101186952B1 (ko) Ｖｔｓ와 연계한 지능형 영상 객체 인식 선박 관제 정보시스템
KR102421242B1 (ko) 레이더 장비와 연동되는 전자해도 기반 해안감시 모니터링 시스템
KR20140137233A (ko) 3차원 공간계를 이용한 선박 견시 시스템 및 방법
CN116312062A (zh) 一种船舶航行预警方法、装置、设备及存储介质
CN115936190A (zh) 一种智能航行作业风险预警方法
CN116009534A (zh) 一种基于岛礁-无人船平台的海上应急突发搜救处置方法
US10958846B2 (en) Method, device and system for configuration of a sensor on a moving object

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