CN117496134B - 船舶目标检测方法、系统、可读存储介质及计算机 - Google Patents
船舶目标检测方法、系统、可读存储介质及计算机 Download PDFInfo
- Publication number
- CN117496134B CN117496134B CN202410004352.8A CN202410004352A CN117496134B CN 117496134 B CN117496134 B CN 117496134B CN 202410004352 A CN202410004352 A CN 202410004352A CN 117496134 B CN117496134 B CN 117496134B
- Authority
- CN
- China
- Prior art keywords
- ship
- point cloud
- data
- cloud data
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 61
- 239000002245 particle Substances 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 abstract description 5
- 238000012067 mathematical method Methods 0.000 abstract description 3
- 238000013519 translation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000256626 Pterygota <winged insects> Species 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种船舶目标检测方法、系统、可读存储介质及计算机,该方法包括:利用两路扫描设备对船舶航道进行实时扫描,以得到船舶航道的三维点云数据流;对三维点云数据流进行点云数据处理,以得到点云处理数据;利用点云处理数据对船舶航道上行使的船舶进行多目标分析,以得到船舶航道上船舶的船舶质点;对每帧的船舶质点进行连续跟踪,若图像数据中连续帧的采样率达到预设阈值,则将连续帧中相邻的质点标记为同一目标在两帧时间内的运动起止点,根据运动起止点获取对应的运动轨迹。本发明通过平面旋转、平移,邻域分析等数学方法进行数据处理和分析,减少了设备安装复杂度,并提高目标检测的科学性和准确性。
Description
技术领域
本发明涉及目标检测技术领域,特别涉及一种船舶目标检测方法、系统、可读存储介质及计算机。
背景技术
现有的船舶目标检测方法,一般采用图像识别+连续波雷达+AIS系统来进行,其原理是船舶通过船载AIS系统主动推送自身身份及位置,图像识别系统负责识别船舶的船牌号目标并与AIS信号进行匹配确定目标,连续波雷达则负责探测目标的位移速度,最终形成船舶的目标检测。
现有的船舶目标检测方法主要存在以下缺点:
1、船牌号的喷涂大小、位置、字体等没有统一规范,图像识别率较低;夜间行船的误差更高;
2、船载AIS报送的位置存在较大误差,并且可以人为关闭导致信息缺失;
3、连续波雷达在雨雪天气工况下,检测误差较大,对多目标的检测存在缺陷;
4、对船舶的尺寸、行驶轨迹货物等信息采集不全面。
发明内容
基于此,本发明的目的是提供一种船舶目标检测方法、系统、可读存储介质及计算机,以至少解决上述技术中的不足。
本发明提出一种船舶目标检测方法,包括:
利用两路扫描设备对船舶航道进行实时扫描,以得到所述船舶航道的三维点云数据流;
对所述三维点云数据流进行点云数据处理,以得到点云处理数据,其中,对所述三维点云数据流进行点云数据处理,以得到点云处理数据的步骤包括:
定义所述两路扫描的同一参照面,并根据所述参照面对所述三维点云数据流进行平面旋转;
将平面旋转后的三维点云数据流进行数据滤波,以得到双路点云数据;
获取所述两路扫描的设备位置关系,根据所述设备位置关系对所述双路点云数据进行平移至相同坐标系,并使用迭代最近点算法拼接所述双路点云数据,以形成所述船舶航道当前的完整点云数据;
利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点;
对每帧的船舶质点进行连续跟踪,若所追踪到的图像数据中连续帧的采样率达到预设阈值,则将所述连续帧中相邻的质点标记为同一目标在两帧时间内的运动起止点,根据所述运动起止点获取对应的运动轨迹。
进一步的,所述平面旋转的计算公式为:
;
式中,α表示绕x轴旋转的角度,β表示绕y轴旋转的角度,x,y,z表示点云处理数据的原始坐标,x’,y’,z’表示点云处理数据经过平面旋转后得到的坐标。
进一步的,所述数据滤波的计算公式为:
;
式中,为数据点的概率密度,σ表示估计的均值的标准差,μ表示均值。
进一步的,利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点的步骤包括:
采用聚类分割算法,对所述点云处理数据进行分割,并根据船舶大小阈值确定各所述船舶所对应的多目标点云数据;
采用OOB包围盒对所述多目标点云数据进行采样,以获取各所述船舶的船舶参数以及船舶质点的位置。
本发明还提出一种船舶目标检测系统,包括:
航道扫描模块,用于利用两路扫描设备对船舶航道进行实时扫描,以得到所述船舶航道的三维点云数据流;
数据处理模块,用于对所述三维点云数据流进行点云数据处理,以得到点云处理数据,其中,所述数据处理模块包括:
平面旋转单元,用于定义所述两路扫描的同一参照面,并根据所述参照面对所述三维点云数据流进行平面旋转;
数据滤波单元,用于将平面旋转后的三维点云数据流进行数据滤波,以得到双路点云数据;
点云处理单元,用于获取所述两路扫描的设备位置关系,根据所述设备位置关系对所述双路点云数据进行平移至相同坐标系,并使用迭代最近点算法拼接所述双路点云数据,以形成所述船舶航道当前的完整点云数据;
目标分析模块,用于利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点;
目标追踪模块,用于对每帧的船舶质点进行连续跟踪,若所追踪到的图像数据中连续帧的采样率达到预设阈值,则将所述连续帧中相邻的质点标记为同一目标在两帧时间内的运动起止点,根据所述运动起止点获取对应的运动轨迹。
进一步的,所述目标分析模块包括:
点云分割单元,用于采用聚类分割算法,对所述点云处理数据进行分割,并根据船舶大小阈值确定各所述船舶所对应的多目标点云数据;
数据采样单元,用于采用OOB包围盒对所述多目标点云数据进行采样,以获取各所述船舶的船舶参数以及船舶质点的位置。
本发明还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的船舶目标检测方法。
本发明还提出一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的船舶目标检测方法。
本发明当中的船舶目标检测方法、系统、可读存储介质及计算机,利用两路扫描设备对船舶航道进行实时扫描并形成双路三维点云数据,对三维点云数据进行数据处理,并通过对所得到的点云处理数据进行多目标分析,从而更加精准地获取航道内船舶的外观尺寸、航行轨迹、航速等数据,达到多目标连续追踪的目标;通过平面旋转、平移,邻域分析等数学方法进行数据处理和分析,减少了设备安装复杂度,并提高目标检测的科学性和准确性。
附图说明
图1为本发明第一实施例中的船舶目标检测方法的流程图;
图2为图1中步骤S102的详细流程图;
图3为图1中步骤S103的详细流程图;
图4为本发明第二实施例中的船舶目标检测系统的结构框图;
图5为本发明第三实施例中的计算机的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图1,所示为本发明第一实施例中的船舶目标检测方法,所述方法具体包括步骤S101至S104:
S101,利用两路扫描设备对船舶航道进行实时扫描,以得到所述船舶航道的三维点云数据流;
在具体实施时,通过架设在岸基两侧(左右各一路)的多线激光系统对航道进行实时连续地扫描,并向目标分析系统实时传输三维点云数据流。
S102,对所述三维点云数据流进行点云数据处理,以得到点云处理数据;
进一步的,请参阅图2,所述步骤S102具体包括步骤S1021~S1023:
S1021,定义所述两路扫描的同一参照面,并根据所述参照面对所述三维点云数据流进行平面旋转;
S1022,将平面旋转后的三维点云数据流进行数据滤波,以得到双路点云数据;
S1023,获取所述两路扫描的设备位置关系,根据所述设备位置关系对所述双路点云数据进行平移至相同坐标系,并使用迭代最近点算法拼接所述双路点云数据,以形成所述船舶航道当前的完整点云数据。
在具体实施时,对两路多线激光系统采集到的点云数据进行旋转、融合及滤波等处理,去除无效数据,为后期分析提供单一、准确、最小必要的点云数据。
由于多线激光系统的安装误差、航道水面本身与水平线形成的夹角等因素,多线激光采集器会与航道在两个轴上产生夹角,因此两路多线激光系统采集到的点云数据必须给根据同一个参照面进行平面旋转,旋转方法为,假设需要绕x轴进行角度α,绕y轴进行角度β进行旋转,则新的坐标为:
;
式中,x,y,z表示点云处理数据的原始坐标,x’,y’,z’表示点云处理数据经过平面旋转后得到的坐标。
进一步的,为减少目标干扰,排除点云数据中的无关部分(例如岸上的物体等),根据航道的现场环境位置的标定一个矩形的直通滤波器,当点云数据的x,y,z值中的任意项在滤波器最小x,y,z值和最大x,y,z值之外,则判定该点云数据为无关数据在直通滤波器之外的点云数据均过滤掉;
另外为了排除在激光扫描中由于水上漂浮物、天气、飞虫、测量误差等因素造成的离群点,根据每个点到邻近点距离的分布进行计算,如果超出一定阈值,则判定为离群点,进行过滤。其方法如下,(其中p(x)为数据点的概率密度,估计的均值,σ 是估计的均值的标准差,当p(x)大于阈值时为离散点):
;
式中,为数据点的概率密度,σ表示估计的均值的标准差,μ表示均值。
进一步的,双路点云数据各自经过旋转和滤波后,再经过两路设备的安装位置关系对点云数据进行平移至相同坐标系,并使用迭代最近点ICP算法拼接两路点云数据形成航道当前的完整点云数据。至此,点云数据的处理工作完毕。
S103,利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点;
进一步的,请参阅图3,所述步骤S103具体包括步骤S1031~S1032:
S1031,采用聚类分割算法,对所述点云处理数据进行分割,并根据船舶大小阈值确定各所述船舶所对应的多目标点云数据;
S1032,采用OOB包围盒对所述多目标点云数据进行采样,以获取各所述船舶的船舶参数以及船舶质点的位置。
在具体实施时,采用聚类分割算法,对点云数据进行分割,聚类分割的原理是考察点云数据点,假设有m个数据,则在m维空间内,定义点与点之间某种性质的亲疏聚类,设m个数据点组成n类,然后将具有最小距离的两类合为一类,并重新计算类与类之间的距离,迭代直到任意两类之间的距离大于指定的阈值。在船舶识别应用中,船舶之间的安全距离/2即可视为上述阈值。为防止将其他物体识别为船只,每个分割得到的子点云数据根据设定的船只大小的阈值判定是否是船只。每个经过分割、判定后的子点云数据即为多个船舶目标的点云数据。
具体的,采用OOB包围盒对目标的上述船舶点云数据进行采样,当包围盒与检测范围边缘产生一定距离时,可认为船只已经完全进入视野范围,此时通过OOB包围盒获得船舶的长、宽、出水高及船舶质点的位置。
S104,对每帧的船舶质点进行连续跟踪,若所追踪到的图像数据中连续帧的采样率达到预设阈值,则将所述连续帧中相邻的质点标记为同一目标在两帧时间内的运动起止点,根据所述运动起止点获取对应的运动轨迹。
在具体实施时,对每帧中的船舶质点进行连续跟踪,如果采样率达到5fps以上,连续帧中相邻的质点即为同一目标在两帧时间内的运动起止点。对同一目标的连续运动起止点进行跟踪记录,即可获得船舶在航道中的运动轨迹;
根据速率计算公式,也可获得每个船舶的瞬时速率(帧采样时间差的平均速率):
;
式中, x,y,z表示帧采样中提取质点的三维坐标,t表示帧采样的时间,e表示结束帧, s表示开始帧。
综上,本发明上述实施例当中的船舶目标检测方法,利用两路扫描设备对船舶航道进行实时扫描并形成双路三维点云数据,对三维点云数据进行数据处理,并通过对所得到的点云处理数据进行多目标分析,从而更加精准地获取航道内船舶的外观尺寸、航行轨迹、航速等数据,达到多目标连续追踪的目标;通过平面旋转、平移,邻域分析等数学方法进行数据处理和分析,减少了设备安装复杂度,并提高目标检测的科学性和准确性。
实施例二
本发明另一方面还提出一种船舶目标检测系统,请查阅图4,所述系统包括:
航道扫描模块11,用于利用两路扫描设备对船舶航道进行实时扫描,以得到所述船舶航道的三维点云数据流;
数据处理模块12,用于对所述三维点云数据流进行点云数据处理,以得到点云处理数据;
进一步的,所述数据处理模块12包括:
平面旋转单元,用于定义所述两路扫描的同一参照面,并根据所述参照面对所述三维点云数据流进行平面旋转;
数据滤波单元,用于将平面旋转后的三维点云数据流进行数据滤波,以得到双路点云数据;
点云处理单元,用于获取所述两路扫描的设备位置关系,根据所述设备位置关系对所述双路点云数据进行平移至相同坐标系,并使用迭代最近点算法拼接所述双路点云数据,以形成所述船舶航道当前的完整点云数据。
目标分析模块13,用于利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点;
进一步的,所述目标分析模块13包括:
点云分割单元,用于采用聚类分割算法,对所述点云处理数据进行分割,并根据船舶大小阈值确定各所述船舶所对应的多目标点云数据;
数据采样单元,用于采用OOB包围盒对所述多目标点云数据进行采样,以获取各所述船舶的船舶参数以及船舶质点的位置。
目标追踪模块14,用于对每帧的船舶质点进行连续跟踪,若所追踪到的图像数据中连续帧的采样率达到预设阈值,则将所述连续帧中相邻的质点标记为同一目标在两帧时间内的运动起止点,根据所述运动起止点获取对应的运动轨迹。
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同,在此不再赘述。
本发明实施例所提供的船舶目标检测系统,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,系统实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例三
本发明还提出一种计算机,请参阅图5,所示为本发明第三实施例中的计算机,包括存储器10、处理器20以及存储在所述存储器10上并可在所述处理器20上运行的计算机程序30,所述处理器20执行所述计算机程序30时实现上述的船舶目标检测方法。
其中,存储器10至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器10在一些实施例中可以是计算机的内部存储单元,例如该计算机的硬盘。存储器10在另一些实施例中也可以是外部存储装置,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器10还可以既包括计算机的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
其中,处理器20在一些实施例中可以是电子控制单元 (Electronic ControlUnit,简称ECU,又称行车电脑)、中央处理器(Central Processing Unit, CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器10中存储的程序代码或处理数据,例如执行访问限制程序等。
需要指出的是,图5示出的结构并不构成对计算机的限定,在其它实施例当中,该计算机可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的船舶目标检测方法。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种船舶目标检测方法,其特征在于,包括:
利用两路扫描设备对船舶航道进行实时扫描,以得到所述船舶航道的三维点云数据流;
对所述三维点云数据流进行点云数据处理,以得到点云处理数据,其中,对所述三维点云数据流进行点云数据处理,以得到点云处理数据的步骤包括:
定义所述两路扫描的同一参照面,并根据所述参照面对所述三维点云数据流进行平面旋转;
将平面旋转后的三维点云数据流进行数据滤波,以得到双路点云数据;
获取所述两路扫描的设备位置关系,根据所述设备位置关系对所述双路点云数据进行平移至相同坐标系,并使用迭代最近点算法拼接所述双路点云数据,以形成所述船舶航道当前的完整点云数据;
利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点;
对每帧的船舶质点进行连续跟踪,若所追踪到的图像数据中连续帧的采样率达到预设阈值,则将所述连续帧中相邻的质点标记为同一目标在两帧时间内的运动起止点,根据所述运动起止点获取对应的运动轨迹。
2.根据权利要求1所述的船舶目标检测方法,其特征在于,所述平面旋转的计算公式为:
;
式中,α表示绕x轴旋转的角度,β表示绕y轴旋转的角度,x,y,z表示点云处理数据的原始坐标,x’,y’,z’表示点云处理数据经过平面旋转后得到的坐标。
3.根据权利要求1所述的船舶目标检测方法,其特征在于,所述数据滤波的计算公式为:
;
式中,为数据点的概率密度,σ表示估计的均值的标准差,μ表示均值。
4.根据权利要求1所述的船舶目标检测方法,其特征在于,利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点的步骤包括:
采用聚类分割算法,对所述点云处理数据进行分割,并根据船舶大小阈值确定各所述船舶所对应的多目标点云数据;
采用OOB包围盒对所述多目标点云数据进行采样,以获取各所述船舶的船舶参数以及船舶质点的位置。
5.一种船舶目标检测系统,其特征在于,包括:
航道扫描模块,用于利用两路扫描设备对船舶航道进行实时扫描,以得到所述船舶航道的三维点云数据流;
数据处理模块,用于对所述三维点云数据流进行点云数据处理,以得到点云处理数据,其中,所述数据处理模块包括:
平面旋转单元,用于定义所述两路扫描的同一参照面,并根据所述参照面对所述三维点云数据流进行平面旋转;
数据滤波单元,用于将平面旋转后的三维点云数据流进行数据滤波,以得到双路点云数据;
点云处理单元,用于获取所述两路扫描的设备位置关系,根据所述设备位置关系对所述双路点云数据进行平移至相同坐标系,并使用迭代最近点算法拼接所述双路点云数据,以形成所述船舶航道当前的完整点云数据;
目标分析模块,用于利用所述点云处理数据对所述船舶航道上行使的船舶进行多目标分析,以得到所述船舶航道上船舶的船舶质点;
目标追踪模块,用于对每帧的船舶质点进行连续跟踪,若所追踪到的图像数据中连续帧的采样率达到预设阈值,则将所述连续帧中相邻的质点标记为同一目标在两帧时间内的运动起止点,根据所述运动起止点获取对应的运动轨迹。
6.根据权利要求5所述的船舶目标检测系统,其特征在于,所述目标分析模块包括:
点云分割单元,用于采用聚类分割算法,对所述点云处理数据进行分割,并根据船舶大小阈值确定各所述船舶所对应的多目标点云数据;
数据采样单元,用于采用OOB包围盒对所述多目标点云数据进行采样,以获取各所述船舶的船舶参数以及船舶质点的位置。
7.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4任一项所述的船舶目标检测方法。
8.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,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任一项所述的船舶目标检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004352.8A CN117496134B (zh) | 2024-01-03 | 2024-01-03 | 船舶目标检测方法、系统、可读存储介质及计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004352.8A CN117496134B (zh) | 2024-01-03 | 2024-01-03 | 船舶目标检测方法、系统、可读存储介质及计算机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117496134A CN117496134A (zh) | 2024-02-02 |
CN117496134B true CN117496134B (zh) | 2024-03-22 |
Family
ID=89669494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410004352.8A Active CN117496134B (zh) | 2024-01-03 | 2024-01-03 | 船舶目标检测方法、系统、可读存储介质及计算机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117496134B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200175A (zh) * | 2020-12-09 | 2021-01-08 | 思创数码科技股份有限公司 | 船舶密度观测方法、系统、可读存储介质及计算机设备 |
CN113050121A (zh) * | 2021-03-22 | 2021-06-29 | 上海海事大学 | 一种船舶导航系统和船舶导航方法 |
WO2022126427A1 (zh) * | 2020-12-16 | 2022-06-23 | 深圳市大疆创新科技有限公司 | 点云处理方法、点云处理装置、可移动平台和计算机存储介质 |
-
2024
- 2024-01-03 CN CN202410004352.8A patent/CN117496134B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200175A (zh) * | 2020-12-09 | 2021-01-08 | 思创数码科技股份有限公司 | 船舶密度观测方法、系统、可读存储介质及计算机设备 |
WO2022126427A1 (zh) * | 2020-12-16 | 2022-06-23 | 深圳市大疆创新科技有限公司 | 点云处理方法、点云处理装置、可移动平台和计算机存储介质 |
CN113050121A (zh) * | 2021-03-22 | 2021-06-29 | 上海海事大学 | 一种船舶导航系统和船舶导航方法 |
Non-Patent Citations (2)
Title |
---|
Research on ship 3D target detection method based on LiDAR point clouds;Wen, Y等;《International Conference on Mechanisms and Robotics》;20221231;全文 * |
基于船载三维激光扫描系统的航道沿岸大比例尺测图;陈尚登;杨俊凯;杨振林;于峰;钱健;;水运工程;20171125(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117496134A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
Marzougui et al. | A lane tracking method based on progressive probabilistic Hough transform | |
Fefilatyev et al. | Detection and tracking of ships in open sea with rapidly moving buoy-mounted camera system | |
CN109001757B (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
Daigavane et al. | Road lane detection with improved canny edges using ant colony optimization | |
US9031285B2 (en) | Detection of floating objects in maritime video using a mobile camera | |
CN112464994B (zh) | 基于PointNet网络的船艇尾浪识别与去除方法 | |
CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
CN111488808B (zh) | 基于交通违法图像数据的车道线检测方法 | |
CN113963330A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
US20220171975A1 (en) | Method for Determining a Semantic Free Space | |
CN116168028A (zh) | 低可见度下基于边缘滤波的高铁原始图像处理方法和系统 | |
CN113740874A (zh) | 一种道路边沿检测方法、电子设备及车辆 | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
CN117496134B (zh) | 船舶目标检测方法、系统、可读存储介质及计算机 | |
Cullen et al. | Detection and summarization of salient events in coastal environments | |
CN116189116A (zh) | 一种交通状态感知方法及系统 | |
Oniga et al. | A fast ransac based approach for computing the orientation of obstacles in traffic scenes | |
CN114662600A (zh) | 一种车道线的检测方法、装置和存储介质 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN113589288A (zh) | 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 | |
CN115601435B (zh) | 车辆姿态检测方法、装置、车辆及存储介质 | |
CN112686136A (zh) | 一种对象检测方法、装置及系统 | |
KR101723028B1 (ko) | 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템 | |
US20240134009A1 (en) | Method and apparatus of filtering dynamic objects in radar-based ego-emotion estimation |
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 |