CN116303523B - 一种货船自动识别采样方法及系统 - Google Patents
一种货船自动识别采样方法及系统 Download PDFInfo
- Publication number
- CN116303523B CN116303523B CN202211513110.9A CN202211513110A CN116303523B CN 116303523 B CN116303523 B CN 116303523B CN 202211513110 A CN202211513110 A CN 202211513110A CN 116303523 B CN116303523 B CN 116303523B
- Authority
- CN
- China
- Prior art keywords
- cargo ship
- information
- draft
- cargo
- scale
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明货船采集技术领域,具体公开了一种自动识别、跟踪货船拍摄采样方法及系统,所述采样方法包括:S100、通过无人机采集货船的关键特征图像,对关键特征图像进行识别;S200、判断数据库中是否存在该货船型号信息:当数据库中存在该货船型号信息时,执行对应的采样策略来获取货船各位置点吃水深度信息;当数据库中不存在该货船型号信息时,执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息;S300、根据吃水深度信息及货船尺寸信息计算出货船载货量;所述货船尺寸信息通过数据库中对应信息及货船轮廓信息获得;能够自动化的实现对吃水深度数据的采集,准确的判断出该货船的载货量信息。
Description
技术领域
本发明涉及货船采集技术领域,具体为一种自动识别、跟踪货船拍摄采样方法及系统。
背景技术
随着世界经济一体化的发展,国际之间的贸易也越来越频繁,而船舶运输作为国际之间主要的运输方式,其起到了重要的地位,在货船到达港口的泊位后,港口需要对货船的装卸状态进行获取,以确保船不会超载或不稳定,并为其下次航行必须进出的港口留出足够的净空,而在此过程中,需要对货船的吃水深度进行勘测。
传统的吃水深度勘探方式主要采用人工查看水位在船身上的水尺刻度的位置来判断货船的吃水深度,而为了保证获取数值的准确性,避免货船倾斜角度影响装货量的判断,一般需要人工采集船身多个位置的水位刻度,显然,这在操作过程中存在较大的不便;而随着智能技术的不断发展,通过无人机及图像识别技术已经能够实现对多位置水位刻度的智能获取过程,在此过程中,通过驱动无人机绕着货船周向行驶,在货船水尺的所在位置采集图像信息,通过图像信息对货船各个点位的吃水深度进行识别,获取各个点位吃水深度的数值。
而通过无人机采集图像信息来获取吃水深度的方式,在具体的操作过程中依然存在不足,首先,由于不同货船的型号尺寸不同、水尺的位置不同,因此在无人机行驶中,需要人工控制无人机的图像采集位置及行驶轨迹,因此具体的操作过程依然存在较大的繁琐度,其次,由于货船载货量的采样是港口方进行的,因此其不能准确的了解货船的尺寸信息,而在具体的根据各位置点吃水深度信息计算载货量时,缺少准确的货船尺寸信息会导致载货量计算的较大偏差,进而影响对货船装卸状态的准确获取。
发明内容
本发明的目的在于提供一种自动识别、跟踪货船拍摄采样方法及系统,解决以下技术问题:
如何实现货船吃水深度的自动化跟踪识别并提高载货量计算的准确性。
本发明的目的可以通过以下技术方案实现:
一种自动识别、跟踪货船拍摄采样方法,所述采样方法包括:
S100、通过无人机采集货船的关键特征图像,对关键特征图像进行识别;
S200、判断数据库中是否存在该货船型号信息:
当数据库中存在该货船型号信息时,执行对应的采样策略来获取货船各位置点吃水深度信息;
当数据库中不存在该货船型号信息时,执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息;
S300、根据吃水深度信息及货船尺寸信息计算出货船载货量;
所述货船尺寸信息通过数据库中对应信息及货船轮廓信息获得。
于一实施例中,所述初始采样策略为:
在无人机上设置超声波测距装置及摄像装置;
驱动无人机绕货船飞行,且通过超声波测距装置使无人机与货船始终保持特定距离及使无人机与水面始终保持特定高度;
通过无人机上的摄像装置采集货船上的水位刻度图像信息,通过对水位刻度图像信息识别获得货船各水位刻度的位置信息及吃水深度信息;
记录无人机绕货船的飞行轨迹信息,根据飞行轨迹信息获得货船轮廓信息。
于一实施例中,当数据库中不存在该货船型号信息时,所述货船尺寸信息获得的步骤为:
将货船轮廓信息与数据库中各货船型号对应的轮廓信息进行重合度比对,根据重合度最高的货船型号对应的尺寸信息作为该货船的货船尺寸信息。
于一实施例中,所述重合度比对的过程为:
将货船轮廓分别与各货船型号对应的轮廓进行中心点及中心线重合;
在货船轮廓的外周选择若干个均匀分布的测试点,通过公式计算出轮廓差值L,其中,/>为各测试点距各货船型号对应的轮廓的最短距离,N为测试点的数量;
选取最小的轮廓差值L对应的货船型号为重合度最高的货船型号。
于一实施例中,所述水位刻度图像信息识别的过程为:
通过水位刻度图像信息识别出位于刻度上方的两处刻度数值,及两者之间的间隔刻度数,根据两处刻度数值及间隔刻度数计算出所有刻度的推算数值;
识别出靠近水面的刻度数值并将其与该刻度位置对应的推算数值进行比较:
若相同,则根据该刻度数值及其与水面相距的间隔刻度数获得该位置点的吃水深度值;
否则,将该刻度数值上方相邻刻度数值的识别结果与对应的推算数值进行比对:
若相同,则根据推算数值及其与水面相距的间隔刻度数获得该位置点的吃水深度值;
否则,以识别结果及其与水面相距的间隔刻度数获得该位置点的吃水深度值。
于一实施例中,所述吃水深度信息的获取方式为:
获取单个位置点至少3张水位刻度图像,分别识别出每张水位刻度图像对应的吃水深度值;
通过公式计算出识别吃水深度值D,将识别吃水深度值D作为该位置点的吃水深度信息;
其中,为吃水深度值最大值,/>为吃水深度值最小值。
于一实施例中,所述采样方法还包括:
S400、对水位刻度图像信息进行水尺标准度核查,核查内容包括字体标识清晰度及颜色对比度。
于一实施例中,所述字体标识清晰度的核查方法为:
将识别出的刻度数值与该刻度位置点对应的推算数值进行比对:
若相同的数量大于预设阈值,则判断清晰度良好;
否则,判断清晰度良好较差。
于一实施例中,所述颜色对比度的核查方法为:
通过水位刻度图像信息识别出船身的颜色及字体的颜色;
根据船身颜色的RGB数值及字体颜色的RGB数值分别判断其所属色系,所述色系包括浅色系及深色系;
若船身颜色与字体颜色所属色系相同,则判断颜色对比度不符合要求;
否则判断颜色对比度符合要求。
一种自动识别、跟踪货船拍摄采样系统,所述系统包括:
图像采集模块,用于采集货船的关键特征图像及采集货船上的水位刻度图像信息;
图像识别模块,用于识别关键特征图像获取货船型号信息,及识别水位刻度图像信息获取吃水深度信息,
数据库,用于存储货船型号信息及对应的货船尺寸信息;
分析模块,用于将识别到的货船型号信息与数据库进行比对,选择对应执行策略;
当数据库中存在该货船型号信息时,执行对应的采样策略来获取货船各位置点吃水深度信息;
当数据库中不存在该货船型号信息时,执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息;
及根据吃水深度信息及货船尺寸信息计算出货船载货量。
本发明的有益效果:
(1)本发明通过将识别出的船舶编码与数据库中的数据进行比对,当数据库中存在该货船型号信息时,能够自动化的实现对吃水深度数据的采集,准确的判断出该货船的载货量信息;当数据库中不存在该货船型号信息时,通过执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息,通过采集到的货船轮廓信息来进行货船载货量的计算,能够在无货船相关资料的情况下实现载货量的准确计算。
(2)本发明中的初始采样策略能够使得无人机相对货船船身及水面的位置距离统一,提高水位刻度图像信息识别的准确度,还能够使得无人机行驶的路径与船身的结构相对应,进而保证无人机行驶的路径与船身的轮廓的对应关系,提高船身轮廓判断及载货量计算的准确性。
(3)本发明通过将货船轮廓信息与数据库中各货船型号对应的轮廓信息进行重合度比对,选用重合度最高的货船型号对应的尺寸信息作为该货船的货船尺寸信息,能够保证尺寸信息的准确性。
(4)本发明通过水位刻度图像信息识别的具体过程,能够避免单一识别方式造成的识别偏差,保证了识别的准确度。
(5)本发明通过在单个位置点上采集多张水位刻度图像,根据多张水位刻度图像来进行判断,能够降低水位波动造成的识别数值偏差。
(6)本发明利用吃水深度信息识别过程中的水位刻度图像信息,能够同时实现水尺标准度核查的过程。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明自动识别、跟踪货船拍摄采样方法的步骤流程图;
图2是本发明自动识别、跟踪货船拍摄采样系统的概要框结构图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,在一个实施例中,提供了一种自动识别、跟踪货船拍摄采样方法,所述采样方法包括:
S100、通过无人机采集货船的关键特征图像,对关键特征图像进行识别;
S200、判断数据库中是否存在该货船型号信息:
当数据库中存在该货船型号信息时,执行对应的采样策略来获取货船各位置点吃水深度信息;
当数据库中不存在该货船型号信息时,执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息;
S300、根据吃水深度信息及货船尺寸信息计算出货船载货量;
所述货船尺寸信息通过数据库中对应信息及货船轮廓信息获得。
通过上述技术方案,利用无人机对货船的关键特征图像进行采集,其中,关键特征图像指的是该货船船舶编码的图像,通过将识别出的船舶编码与数据库中的数据进行比对,进而能够判断数据库中是否存储有该船舶编码对应的船舶,其中,数据库可采集劳氏船舶档案中的数据,通过船舶编码的识别进而能够确定该船舶是否能够在数据库中查询到,显然,当数据库中存在该货船型号信息时,根据该货船对应的采样策略来获取货船各位置点的吃水深度信息,能够自动化的实现对吃水深度数据的采集,再根据该货船对应的尺寸信息,进而能够准确的判断出该货船的载货量信息,而当数据库中不存在该货船型号信息时,本实施例通过执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息,通过采集到的货船轮廓信息来进行货船载货量的计算,能够在无货船相关资料的情况下实现载货量的准确计算。
上述技术方案中,对货船关键特征图像识别的方式可采用现有技术中机器学习的训练模型实现,具体过程不作进一步说明。
作为本发明的一种实施方式,所述初始采样策略为:
在无人机上设置超声波测距装置及摄像装置;
驱动无人机绕货船飞行,且通过超声波测距装置使无人机与货船始终保持特定距离及使无人机与水面始终保持特定高度;
通过无人机上的摄像装置采集货船上的水位刻度图像信息,通过对水位刻度图像信息识别获得货船各水位刻度的位置信息及吃水深度信息;
记录无人机绕货船的飞行轨迹信息,根据飞行轨迹信息获得货船轮廓信息。
通过上述技术方案,本实施例提供了一种初始采样策略的实现方式,通过在无人机上设置超声波测距装置,通过超声波测距装置使无人机与货船始终保持特定距离及使无人机与水面始终保持特定高度,再通过摄像装置采集水位刻度图像信息并识别出吃水深度信息,并记录无人机绕货船的飞行轨迹信息,根据飞行轨迹信息获得货船轮廓信息,此种设定一方面能够使得无人机相对货船船身及水面的位置距离统一,提高水位刻度图像信息识别的准确度,另一方面,此种设定能够使得无人机行驶的路径与船身的结构相对应,进而保证无人机行驶的路径与船身的轮廓的对应关系,提高船身轮廓判断及载货量计算的准确性。
上述技术方案中,超声波测距装置实现无人机相对船身及水面距离恒定的方式采用现有技术,通过超声波发出时间及接收时间的时间差来判断距离,通过在纵向及周向上布置超声波发出器及接收器,即能实现相对水面距离及相对船身距离的控制,其具体结构不作进一步说明。
作为本发明的一种实施方式,当数据库中不存在该货船型号信息时,所述货船尺寸信息获得的步骤为:
将货船轮廓信息与数据库中各货船型号对应的轮廓信息进行重合度比对,根据重合度最高的货船型号对应的尺寸信息作为该货船的货船尺寸信息。
通过上述技术方案,本实施例提供了一种货船尺寸信息获得的步骤,通过将货船轮廓信息与数据库中各货船型号对应的轮廓信息进行重合度比对,显然,重合度越高,说明该货船与数据库中的货船型号一致的概率越大,因此选用重合度最高的货船型号对应的尺寸信息作为该货船的货船尺寸信息,能够保证尺寸信息的准确性。
作为本发明的一种实施方式,所述重合度比对的过程为:
将货船轮廓分别与各货船型号对应的轮廓进行中心点及中心线重合;
在货船轮廓的外周选择若干个均匀分布的测试点,通过公式计算出轮廓差值L,其中,/>为各测试点距各货船型号对应的轮廓的最短距离,N为测试点的数量;
选取最小的轮廓差值L对应的货船型号为重合度最高的货船型号。
进一步地,本实施例提供了一种重合度对比的具体方式,首先将货船轮廓分别与各货船型号对应的轮廓进行中心点及中心线重合,其中,中心线为货船纵向方向的中分线,中心点则为货船纵向方向中分线与货船横向方向中分线的交点,之后在货船轮廓的外周选择若干个均匀分布的测试点,通过公式计算出轮廓差值L,显然,/>值越小说明货船轮廓与货船型号对应的轮廓重合度越高,因此选取轮廓差值L最小值对应的货船型号为重合度最高的货船型号,能够保证轮廓的相近度,进而提高尺寸信息的准确性。
作为本发明的一种实施方式,所述水位刻度图像信息识别的过程为:
通过水位刻度图像信息识别出位于刻度上方的两处刻度数值,及两者之间的间隔刻度数,根据两处刻度数值及间隔刻度数计算出所有刻度的推算数值;
识别出靠近水面的刻度数值并将其与该刻度位置对应的推算数值进行比较:
若相同,则根据该刻度数值及其与水面相距的间隔刻度数获得该位置点的吃水深度值;
否则,将该刻度数值上方相邻刻度数值的识别结果与对应的推算数值进行比对:
若相同,则根据推算数值及其与水面相距的间隔刻度数获得该位置点的吃水深度值;
否则,以识别结果及其与水面相距的间隔刻度数获得该位置点的吃水深度值。
通过上述技术方案,本实施例提供了一种采集吃水深度的方式,首先,通过水位刻度图像信息识别出位于刻度上方的两处刻度数值,及两者之间的间隔刻度数,由于船舶在行驶过程中,其表面的刻度值会存在部分的遮挡会腐蚀,因此会影响识别的准确度,而位于上方的刻度数值由于与水接触的时间较少,因此其较为清晰,因此根据两处刻度数值及间隔刻度数计算出所有刻度的推算数值,并与实际识别的数值比对判断出吃水深度值,当识别出的数值与推算数值相同时,说明该识别数值识别准确度较高,因此将该识别数值作为检测的吃水深度,当不相同时,将该刻度数值上方相邻刻度数值的识别结果与对应的推算数值进行比对,若相同,说明上一识别数值出现错误,因此以推算数值及其与水面相距的间隔刻度数获得该位置点的吃水深度值,否则说明推算数值出现了较大的误差,因此以识别结果及其与水面相距的间隔刻度数获得该位置点的吃水深度值,通过上述吃水深度的判断过程,能够避免单一识别方式造成的识别偏差,保证了识别的准确度。
对上述方案中推算数值的推算方式进行进一步说明,在一个实施例中,先识别出刻度上方的两处刻度数值20m、19m及两数值间隔刻度数5,依次每个间隔代表0.2m,依次类推,根据间隔刻度数的数目,进而能够判断每个刻度对应的数值。
作为本发明的一种实施方式,所述吃水深度信息的获取方式为:
获取单个位置点至少3张水位刻度图像,分别识别出每张水位刻度图像对应的吃水深度值;
通过公式计算出识别吃水深度值D,将识别吃水深度值D作为该位置点的吃水深度信息;
其中,为吃水深度值最大值,/>为吃水深度值最小值。
上述技术方案中,通过在单个位置点上采集多张水位刻度图像,根据多张水位刻度图像来进行判断,能够降低水位波动造成的识别数值偏差,具体的,通过公式计算出识别吃水深度值D,将识别吃水深度值D作为该位置点的吃水深度信息;其中,/>为吃水深度值最大值,/>为吃水深度值最小值,因此,计算出的吃水深度值D能够更加准确的体现该位置点的实际吃水深度。
作为本发明的一种实施方式,所述采样方法还包括:
S400、对水位刻度图像信息进行水尺标准度核查,核查内容包括字体标识清晰度及颜色对比度。
由于国际公约及国内法规均对船舶的水尺标注进行了约束,因此,本实施例在识别吃水深度的同时还对水位刻度图像信息进行水尺标准度核查,核查内容包括字体标识清晰度及颜色对比度,因此利用吃水深度信息识别过程中的水位刻度图像信息,能够同时实现水尺标准度核查的过程。
作为本发明的一种实施方式,所述字体标识清晰度的核查方法为:
将识别出的刻度数值与该刻度位置点对应的推算数值进行比对:
若相同的数量大于预设阈值,则判断清晰度良好;
否则,判断清晰度良好较差。
进一步地,对字体标识清晰度的核查方法为,将识别出的刻度数值与该刻度位置点对应的推算数值进行比对,显然,识别出的刻度数值与该刻度位置点推算数值相同的数量越多,说明识别准确度正确的数量越多,因此当相同的数量大于预设阈值,则判断清晰度良好,当相同的数量≤预设阈值,则判断清晰度良好较差,因此通过此种对比方式,能够准确的判断出刻度数值的清晰度。
对上述技术方案的说明,上述方案中存在推算数值序列错误导致相同数量较低的问题,但此种状态依然说明处于较高位置的刻度数值依然存在不清晰的问题,因而说明整体的刻度数值清晰度较差。
作为本发明的一种实施方式,所述颜色对比度的核查方法为:
通过水位刻度图像信息识别出船身的颜色及字体的颜色;
根据船身颜色的RGB数值及字体颜色的RGB数值分别判断其所属色系,所述色系包括浅色系及深色系;
若船身颜色与字体颜色所属色系相同,则判断颜色对比度不符合要求;
否则判断颜色对比度符合要求。
为了清楚显目的显示水尺刻度,本实施例通过识别出船身的颜色及字体的颜色,通过其各自对应的RGB数值来确定其所述色系,其中色系包括浅色系及深色系,因此当船身颜色与字体颜色所属色系相同,则不能突出的显示水尺刻度,因此判断颜色对比度不符合要求,当船身颜色与字体颜色所属色系不相同时,则不同色系的对比能够清晰的显目的显示水尺刻度。
请参阅图2所示,在一个实施例中,一种自动识别、跟踪货船拍摄采样系统,所述系统包括:
图像采集模块,用于采集货船的关键特征图像及采集货船上的水位刻度图像信息;
图像识别模块,用于识别关键特征图像获取货船型号信息,及识别水位刻度图像信息获取吃水深度信息,
数据库,用于存储货船型号信息及对应的货船尺寸信息;
分析模块,用于将识别到的货船型号信息与数据库进行比对,选择对应执行策略;
当数据库中存在该货船型号信息时,执行对应的采样策略来获取货船各位置点吃水深度信息;
当数据库中不存在该货船型号信息时,执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息;
及根据吃水深度信息及货船尺寸信息计算出货船载货量。
通过上述技术方案,利用图像采集模块对货船的关键特征图像进行采集,其中,关键特征图像指的是该货船船舶编码的图像,通过将识别出的船舶编码与数据库中的数据进行比对,进而能够判断数据库中是否存储有该船舶编码对应的船舶,其中,数据库可采集劳氏船舶档案中的数据,通过船舶编码的识别进而能够确定该船舶是否能够在数据库中查询到,显然,当数据库中存在该货船型号信息时,根据该货船对应的采样策略来获取货船各位置点的吃水深度信息,能够自动化的根据图像识别模块实现对吃水深度数据的采集,再根据该货船对应的尺寸信息,进而能够准确的判断出该货船的载货量信息,而当数据库中不存在该货船型号信息时,通过执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息,通过采集到的货船轮廓信息来进行货船载货量的计算,能够在无货船相关资料的情况下实现载货量的准确计算。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (6)
1.一种货船自动识别采样方法,其特征在于,所述采样方法包括:
S100、通过无人机采集货船的关键特征图像,对关键特征图像进行识别;
S200、判断数据库中是否存在该货船型号信息:
当数据库中存在该货船型号信息时,执行对应的采样策略来获取货船各位置点吃水深度信息;
当数据库中不存在该货船型号信息时,执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息;
S300、根据吃水深度信息及货船尺寸信息计算出货船载货量;
所述货船尺寸信息通过数据库中对应信息及货船轮廓信息获得;
所述初始采样策略为:
在无人机上设置超声波测距装置及摄像装置;
驱动无人机绕货船飞行,且通过超声波测距装置使无人机与货船始终保持特定距离及使无人机与水面始终保持特定高度;
通过无人机上的摄像装置采集货船上的水位刻度图像信息,通过对水位刻度图像信息识别获得货船各水位刻度的位置信息及吃水深度信息;
记录无人机绕货船的飞行轨迹信息,根据飞行轨迹信息获得货船轮廓信息;
当数据库中不存在该货船型号信息时,所述货船尺寸信息获得的步骤为:
将货船轮廓信息与数据库中各货船型号对应的轮廓信息进行重合度比对,根据重合度最高的货船型号对应的尺寸信息作为该货船的货船尺寸信息;
所述重合度比对的过程为:
将货船轮廓分别与各货船型号对应的轮廓进行中心点及中心线重合;
在货船轮廓的外周选择若干个均匀分布的测试点,通过公式计算出轮廓差值L,其中,Li为各测试点距各货船型号对应的轮廓的最短距离,N为测试点的数量;
选取最小的轮廓差值L对应的货船型号为重合度最高的货船型号;
所述水位刻度图像信息识别的过程为:
通过水位刻度图像信息识别出位于刻度上方的两处刻度数值,及两者之间的间隔刻度数,根据两处刻度数值及间隔刻度数计算出所有刻度的推算数值;
识别出靠近水面的刻度数值并将其与该刻度位置对应的推算数值进行比较:
若相同,则根据该刻度数值及其与水面相距的间隔刻度数获得该位置点的吃水深度值;
否则,将该刻度数值上方相邻刻度数值的识别结果与对应的推算数值进行比对:
若相同,则根据推算数值及其与水面相距的间隔刻度数获得该位置点的吃水深度值;
否则,以识别结果及其与水面相距的间隔刻度数获得该位置点的吃水深度值。
2.根据权利要求1所述的一种货船自动识别采样方法,其特征在于,所述吃水深度信息的获取方式为:
获取单个位置点至少3张水位刻度图像,分别识别出每张水位刻度图像对应的吃水深度值;
通过公式计算出识别吃水深度值D,将识别吃水深度值D作为该位置点的吃水深度信息;
其中,Dmax为吃水深度值最大值,Dmin为吃水深度值最小值。
3.根据权利要求1所述的一种货船自动识别采样方法,其特征在于,所述采样方法还包括:
S400、对水位刻度图像信息进行水尺标准度核查,核查内容包括字体标识清晰度及颜色对比度。
4.根据权利要求3所述的一种货船自动识别采样方法,其特征在于,所述字体标识清晰度的核查方法为:
将识别出的刻度数值与该刻度位置点对应的推算数值进行比对:
若相同的数量大于预设阈值,则判断清晰度良好;
否则,判断清晰度良好较差。
5.根据权利要求3所述的一种货船自动识别采样方法,其特征在于,所述颜色对比度的核查方法为:
通过水位刻度图像信息识别出船身的颜色及字体的颜色;
根据船身颜色的RGB数值及字体颜色的RGB数值分别判断其所属色系,所述色系包括浅色系及深色系;
若船身颜色与字体颜色所属色系相同,则判断颜色对比度不符合要求;
否则判断颜色对比度符合要求。
6.一种货船自动识别采样系统,其特征在于,所述系统用于执行如权利要求1-5任一项的货船自动识别采样方法,所述系统包括:
图像采集模块,用于采集货船的关键特征图像及采集货船上的水位刻度图像信息;
图像识别模块,用于识别关键特征图像获取货船型号信息,及识别水位刻度图像信息获取吃水深度信息,
数据库,用于存储货船型号信息及对应的货船尺寸信息;
分析模块,用于将识别到的货船型号信息与数据库进行比对,选择对应执行策略;
当数据库中存在该货船型号信息时,执行对应的采样策略来获取货船各位置点吃水深度信息;
当数据库中不存在该货船型号信息时,执行初始采样策略来获取货船各位置点吃水深度信息及货船轮廓信息;
及根据吃水深度信息及货船尺寸信息计算出货船载货量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211513110.9A CN116303523B (zh) | 2022-11-30 | 2022-11-30 | 一种货船自动识别采样方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211513110.9A CN116303523B (zh) | 2022-11-30 | 2022-11-30 | 一种货船自动识别采样方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116303523A CN116303523A (zh) | 2023-06-23 |
CN116303523B true CN116303523B (zh) | 2023-10-17 |
Family
ID=86785693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211513110.9A Active CN116303523B (zh) | 2022-11-30 | 2022-11-30 | 一种货船自动识别采样方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116303523B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7325328B1 (en) * | 2006-09-28 | 2008-02-05 | Morton Paul E | Methods and apparatus to determine vessel draft and amount of cargo loaded in a vessel |
CN101145200A (zh) * | 2007-10-26 | 2008-03-19 | 浙江工业大学 | 多视觉传感器信息融合的内河船舶自动识别系统 |
CN103661837A (zh) * | 2013-12-27 | 2014-03-26 | 天津海洋数码科技有限公司 | 一种利用吃水传感器测量船舶装载的装置及方法 |
CN104697483A (zh) * | 2015-03-24 | 2015-06-10 | 京杭运河江苏省交通运输厅苏北航务管理处 | 一种过闸船舶自动化测量系统及船舶外形测量方法 |
CN107886051A (zh) * | 2017-10-19 | 2018-04-06 | 中国电子科技集团公司第二十八研究所 | 基于图像的船舶身份识别方法 |
CN111361700A (zh) * | 2020-03-23 | 2020-07-03 | 南京畅淼科技有限责任公司 | 基于机器视觉的船舶空重载识别方法 |
CN113277028A (zh) * | 2021-07-26 | 2021-08-20 | 浙江船家宝科技有限公司 | 一种船舶监测方法、装置、系统及计算机存储介质 |
CN114782905A (zh) * | 2022-06-17 | 2022-07-22 | 长江信达软件技术(武汉)有限责任公司 | 一种基于视频监控的船舶吃水深度检测方法 |
CN115165027A (zh) * | 2022-09-07 | 2022-10-11 | 广东广宇科技发展有限公司 | 基于无人机的水位尺监测方法、系统、电子设备、介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9196044B2 (en) * | 2014-02-26 | 2015-11-24 | Raytheon Company | False alarm rejection for boat detection candidates |
CN107818571B (zh) * | 2017-12-11 | 2018-07-20 | 珠海大横琴科技发展有限公司 | 基于深度学习网络和均值漂移的船只自动跟踪方法及系统 |
KR102031151B1 (ko) * | 2019-03-20 | 2019-10-15 | 씨벤티지 주식회사 | 선박의 효율 운항을 위한 항로 안내 방법 |
-
2022
- 2022-11-30 CN CN202211513110.9A patent/CN116303523B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7325328B1 (en) * | 2006-09-28 | 2008-02-05 | Morton Paul E | Methods and apparatus to determine vessel draft and amount of cargo loaded in a vessel |
CN101145200A (zh) * | 2007-10-26 | 2008-03-19 | 浙江工业大学 | 多视觉传感器信息融合的内河船舶自动识别系统 |
CN103661837A (zh) * | 2013-12-27 | 2014-03-26 | 天津海洋数码科技有限公司 | 一种利用吃水传感器测量船舶装载的装置及方法 |
CN104697483A (zh) * | 2015-03-24 | 2015-06-10 | 京杭运河江苏省交通运输厅苏北航务管理处 | 一种过闸船舶自动化测量系统及船舶外形测量方法 |
CN107886051A (zh) * | 2017-10-19 | 2018-04-06 | 中国电子科技集团公司第二十八研究所 | 基于图像的船舶身份识别方法 |
CN111361700A (zh) * | 2020-03-23 | 2020-07-03 | 南京畅淼科技有限责任公司 | 基于机器视觉的船舶空重载识别方法 |
CN113277028A (zh) * | 2021-07-26 | 2021-08-20 | 浙江船家宝科技有限公司 | 一种船舶监测方法、装置、系统及计算机存储介质 |
CN114782905A (zh) * | 2022-06-17 | 2022-07-22 | 长江信达软件技术(武汉)有限责任公司 | 一种基于视频监控的船舶吃水深度检测方法 |
CN115165027A (zh) * | 2022-09-07 | 2022-10-11 | 广东广宇科技发展有限公司 | 基于无人机的水位尺监测方法、系统、电子设备、介质 |
Non-Patent Citations (2)
Title |
---|
Accurate ship segmentation via ship contour prediction;Xiaowu Xiao 等;《2020 39th Chinese Control Conference (CCC)》;第7402-7405页 * |
内河船舶目标图像识别技术研究;李祎承;《中国优秀硕士学位论文全文数据库 信息科技辑》(第4期);第I138-766页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116303523A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109725310B (zh) | 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 | |
CN100538723C (zh) | 多视觉传感器信息融合的内河船舶自动识别系统 | |
CN110619329B (zh) | 基于机载视觉的铁路货运敞车车厢编号及装载状态识别方法 | |
CN108873904B (zh) | 矿用车辆无人驾驶停靠方法、设备及可读存储介质 | |
CN113221889B (zh) | 一种芯片字符抗干扰识别方法及装置 | |
CN104535066A (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 | |
CN111767780A (zh) | 一种ai与视觉结合的智能集卡定位方法和系统 | |
CN112183470B (zh) | 一种船舶水尺识别方法、设备及存储介质 | |
CN111598952A (zh) | 一种多尺度合作靶标设计与在线检测识别方法及系统 | |
CN110610165A (zh) | 一种基于yolo模型的船舶行为分析方法 | |
CN115995165A (zh) | 一种船舶航行风险管理方法和系统 | |
CN110712720A (zh) | 一种用于船舶吃水测量的系统及其使用方法 | |
CN112541591A (zh) | 一种泊位识别方法、平台 | |
CN116303523B (zh) | 一种货船自动识别采样方法及系统 | |
CN112991820B (zh) | 套牌船识别方法及系统 | |
CN113988213A (zh) | 一种船舶在坞修理识别方法及系统 | |
CN114926817B (zh) | 识别车位的方法、装置、电子设备和计算机可读存储介质 | |
CN115457563A (zh) | 一种零漏检兼低误识的船体水尺读取方法 | |
CN112818987B (zh) | 一种公交电子站牌屏显内容识别纠正方法及系统 | |
CN115578653A (zh) | 一种基于深度学习的无人机重识别方法 | |
CN114663964A (zh) | 船舶远程驾驶行为状态监测预警方法、系统及存储介质 | |
JPH0950484A (ja) | コンテナ認識システム | |
Ivanovskii | The Concept of Automated Draught Survey System for Marine Ships | |
CN116384597B (zh) | 基于地理信息系统的渔港船舶进出港动态预测方法及系统 | |
CN117095388B (zh) | 一种用于堆区内的集卡作业号识别核对方法与系统 |
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 |