CN117710923B - 一种不良视线下汽渡辅助航行方法 - Google Patents
一种不良视线下汽渡辅助航行方法 Download PDFInfo
- Publication number
- CN117710923B CN117710923B CN202311720962.XA CN202311720962A CN117710923B CN 117710923 B CN117710923 B CN 117710923B CN 202311720962 A CN202311720962 A CN 202311720962A CN 117710923 B CN117710923 B CN 117710923B
- Authority
- CN
- China
- Prior art keywords
- image
- thermal
- point cloud
- ferry
- data processing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000007704 transition Effects 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000001931 thermography Methods 0.000 claims abstract description 11
- 206010047531 Visual acuity reduced Diseases 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 6
- 239000003595 mist Substances 0.000 abstract description 3
- 230000004888 barrier function Effects 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 230000007123 defense Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
- G06V10/20—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
- G06V10/70—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及汽渡智能航行技术领域,尤其是一种不良视线下汽渡辅助航行方法,具体:将热成像仪和激光雷达在渡船上安装到位,且进行参数标定;分别借助激光雷达、热成像仪以采集渡船周围目标物的雷达点云图像、热图像;借助于数据处理终端对热图像帧和点云图像帧进行二进制阈值化处理,且执行同时性核准处理;借助于数据处理终端求解出雷达点云图像和热图像联合标定的外参,经坐标表换后的热图像帧与点云图像帧相融合,兼具有方位信息和色彩信息的融合图像得以实时地展现于显示终端上,如此,精准地定位出江面上船舶、码头或障碍物,有效解决了不良视线下特别是突发团雾时汽渡的安全航行问题,给船舶驾驶员以直观的感受。
Description
技术领域
本发明涉及汽渡智能航行技术领域,尤其是一种不良视线下汽渡辅助航行方法。
背景技术
汽渡专门用于渡运汽车、旅客、列车越过河流、港湾、海峡,其特点为首尾两端均有推进器和舵设备,且两端均可靠泊码头。渡口有一系列设施供渡船停靠,主要包括临水岸壁、泊船码头、供车辆和客货上下渡船用的引道、引桥、渡船停泊的水域等。
作为渡运行业而言,安全是一切工作的基础,航行安全更是重中之重,特别是航行中突发团雾的情况,一直未能有行之有效的解决办法,存在较大的安全风险。为了应对此问题,船岸协同预警避碰系统应用而生。虽说在一定程度上解决了航行安全问题,然而,其无线传输信号不稳定、预警水域受限等问题。再者,在不良视线下,特别团雾出现时,驾驶无法看清外部目标和岸线,无法判断自身所在位置和航向指示。而驾驶员仅凭显示终端以明确渡船在江中位置以及与其他船舶之间的相对距离,绝大部分驾驶无法稳定航向并按照拟定的航向航行,容易在航行中发生“迷航”,且有发生碰撞受损的风险。因而,亟待技术人员解决上述问题。
发明内容
故,本发明课题组鉴于上述现有的问题以及缺陷,乃搜集相关资料,经由多方的评估及考量,并经过课题组人员不断实验以及修改,最终导致该不良视线下汽渡辅助航行方法的出现。
为了解决上述技术问题,本发明涉及了一种不良视线下汽渡辅助航行方法,借助于辅助航行系统来实现。辅助航行系统包括一热成像仪、多个激光雷达、一数据终端以及一显示终端。
不良视线下汽渡辅助航行方法包括以下步骤:
S1、将热成像仪和激光雷达均安装于渡船的顶部,且激光雷达环绕热成像仪进行周向均布。数据终端用来接收热成像仪和激光雷达所采集到的实时数据,经数据处理、运算,且借由显示终端以呈现实时画面;
S2、对热成像仪和激光雷达进行参数标定,并将两者时钟源调至统一,且时间戳一致;
S3、借助于激光雷达对渡船周围目标物进行扫描,并将采集到的雷达点云图像实时传输至数据处理终端。数据处理终端对雷达点云图像执行运算处理,并即时向着热成像仪发出转动动作指令,目标物得以被捕捉、定位,且将其实时热图像数据传回至数据处理终端;
S4、热图像由多个按时顺序播放的热图像帧组成,而雷达点云图像由多个按时顺序播放的点云图像帧组成。借助于数据处理终端对所采集到的热图像帧和点云图像帧进行二进制阈值化处理;
S5、借助于数据处理终端对热图像帧和点云图像帧执行同时性核准处理;
S6、借助于数据处理终端求解出雷达点云图像和热图像联合标定的外参,经坐标表换后的热图像帧与点云图像帧相融合,兼具有方位信息和色彩信息的融合图像得以实时地展现于显示终端上。
作为本发明所公开技术方案的进一步改进,在步骤S1中,渡船借助于智能导向模块行进。在行驶进程中,智能导向模块实时地拟合出渡船的前行轨迹,与此同时,热成像仪和激光雷达分别获取渡船周围目标物的方位信息和热成像信息。
作为本发明所公开技术方案的更进一步改进,智能导向模块包括有电子海图。将码头区域数据化处理以生成电子围栏警示区,且标记于显示终端。渡船正常行驶时,电子海图采用在线网络模式,而当其接近电子围栏警示区时,电子海图切换至离线模式。
作为本发明所公开技术方案的进一步改进,在步骤S2中,假定热图像采取二维坐标系[u,v]T进行标定,而雷达点云图像采取三维坐标系P[X′,Y′,Z′]进行标定。
作为本发明所公开技术方案的进一步改进,在步骤S2中,设定热图像的分辨率为A,则A=L×Q,其中,L为高度方向像素点的数量,Q为水平方向像素点的数量。热图像的生成过程包括以下阶段:热成像仪所采集的图像依序经过形态学滤波处理、阈值分割处理后得到二值图像;以热成像仪的中心作为坐标原点,建立图像坐标系,且将二值图像置于图像坐标系中;遍历二值图像,确定出渡船周围目标物所在的区域,且标定其中心。
作为本发明所公开技术方案的更进一步改进,二值图像的遍历方法为:以图像坐标系为参照,分别沿着第一象限沿Y轴正方向、负方向对二值图像进行遍历,并记录其在Y轴方向的所有边界点,并分别在第一象限沿X轴正方向、负方向对二值图像进行遍历,并记录其在X轴方向的所有边界点。
作为本发明所公开技术方案的进一步改进,在步骤S4中,数据处理终端执行二进制阈值化处理过程中,针对于热图像帧而言,当两相邻像素点之间的距离小于设定的阈值A1时,则合并为簇,且簇设有点大下限值。
作为本发明所公开技术方案的进一步改进,在步骤S6中,根据热图像中各像素点温度值以及各像素点的坐标值进行聚类分析,且借助于数据处理终端以区分出目标物聚类和水域聚类;且对比热图像中各像素点与相邻像素点的聚类类别,获取目标物的边缘轮廓;将边缘轮廓的曲率与预设值进行对比,结合对应热图像中各像素点的温度值及其坐标值,提取目标物的边界框,且结合雷达点云图像以得出目标物的方位信息。
在实际应用中,本发明所公开的不良视线下汽渡辅助航行方法至少取得了以下几方面有益技术效果,具体为:
1)分别借助于热成像仪、激光雷达等设备采集到渡船周围目标物图像信息、雷达点云图像,借进行数据融合计算,以实时地在显示终端注明渡船周围目标物与渡船相对位置(方位和距离)、岸线及目的地(拟到达的码头)的位置,进而精准定位出江面上船舶、码头或障碍物,有效解决了不良视线下特别是突发团雾时汽渡的安全航行问题,给船舶驾驶员以直观的感受,从而利于实现不良视线下的有效避让和安全返航;
2)激光雷达可实现浓雾天气下1~2公里内的目标物进行测距和定位。当激光雷达扫描到渡船周围目标物时,根据返回的距离和位置信息,换算成角度信息,热成像仪得以适应性地转动相应角度,利于实现对渡船周围目标物的精准捕捉和定位;
3)因显示终端可根据热图像帧与点云图像帧融合结果进行智能成像,从而在不良视线的条件下,可自动预警并呈现江面上的其他船舶,并辅助驾驶人员停泊靠岸,从技术范畴为安全渡运增添一道“防护墙”;
4)实现了辅助航行系统由“人防”向“技防”的上技术转变,即便在突发团雾情形下,驾驶人员仍难以出现江中迷航情况,在显示终端的可视化指引下,不但提升汽渡航行过程的安全性,而且还利于实现快捷返航,以尽可能地减少不必要的燃油消耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明中不良视线下汽渡辅助航行方法的人机交互界面。
具体实施方式
下面结合具体实施例,对本发明所公开的内容做进一步的详细说明。不良视线下汽渡辅助航行方法,借助于辅助航行系统来实现。辅助航行系统包括一热成像仪、多个激光雷达、一数据终端以及一显示终端。数据终端用来接收借助于热成像仪、激光雷达所采集到的渡船周围目标物图像信息、雷达点云图像,经数据处理、运算后,且借由显示终端以呈现实时画面。
不良视线下汽渡辅助航行方法包括以下步骤:
S1、将热成像仪和激光雷达均安装于渡船的顶部,且激光雷达环绕热成像仪进行周向均布;
S2、对热成像仪和激光雷达进行参数标定,并将两者时钟源调至统一,且时间戳一致;
S3、借助于激光雷达对渡船周围目标物进行扫描,并将采集到的雷达点云图像实时传输至数据处理终端。数据处理终端对雷达点云图像执行运算处理,并即时向着热成像仪发出转动动作指令,目标物得以被捕捉、定位,且将其实时热图像数据传回至数据处理终端;
S4、热图像由多个按时顺序播放的热图像帧组成,而雷达点云图像由多个按时顺序播放的点云图像帧组成。借助于数据处理终端对所采集到的热图像帧和点云图像帧进行二进制阈值化处理;
S5、借助于数据处理终端对热图像帧和点云图像帧执行同时性核准处理;
S6、借助于数据处理终端求解出雷达点云图像和热图像联合标定的外参,经坐标表换后的热图像帧与点云图像帧相融合,兼具有方位信息和色彩信息的融合图像得以实时地展现于显示终端上。
根据热图像中各像素点温度值以及各像素点的坐标值进行聚类分析,且借助于数据处理终端以区分出目标物聚类和水域聚类;且对比热图像中各像素点与相邻像素点的聚类类别,获取目标物的边缘轮廓;将边缘轮廓的曲率与预设值进行对比,结合对应热图像中各像素点的温度值及其坐标值,提取目标物的边界框,且结合雷达点云图像以得出目标物的方位信息。
在实际应用中,本发明所公开的不良视线下汽渡辅助航行方法至少取得了以下几方面有益技术效果,具体为:
1)分别借助于热成像仪、激光雷达等设备采集到江面上的目标物图像信息、雷达点云图像,借进行数据融合计算,以实时地在显示终端注明渡船周围目标物与渡船相对位置(方位和距离)、岸线及目的地(拟到达的码头)的位置,进而精准定位出江面上船舶、码头或障碍物,有效解决了不良视线下特别是突发团雾时汽渡的安全航行问题,给船舶驾驶员以直观的感受,从而利于实现不良视线下的有效避让和安全返航;
2)激光雷达可实现浓雾天气下1~2公里内的目标物进行测距和定位。当激光雷达扫描到渡船周围目标物时,根据返回的距离和位置信息,换算成角度信息,热成像仪得以适应性地转动相应角度,利于实现对渡船周围目标物的精准捕捉和定位;
3)因显示终端可根据热图像帧与点云图像帧融合结果进行智能成像,从而在不良视线的条件下,可自动预警并呈现江面上的其他船舶,并辅助驾驶人员停泊靠岸,从技术范畴为安全渡运增添一道“防护墙”;
4)实现了辅助航行系统由“人防”向“技防”的上技术转变,即便在突发团雾情形下,驾驶人员仍难以出现江中迷航情况,在显示终端的可视化指引下,不但提升汽渡航行过程的安全性,而且还利于实现快捷返航,以尽可能地减少不必要的燃油消耗。
在确保汽渡具有可视化避让功能的前提下,出于减轻驾驶员的工作强度,汽渡亦可引入智能导向模块。且在行驶进程中,智能导向模块实时地拟合出渡船的前行轨迹,在航行进程中,热成像仪和激光雷达分别实时地获取渡船周围目标物的方位信息和热成像信息。
智能导向模块包括有电子海图。将码头区域数据化处理以生成电子围栏警示区,且标记于显示终端。渡船正常行驶时,电子海图采用在线网络模式,而当其接近电子围栏警示区时,电子海图切换至离线模式。
在执行步骤S2时,已知,根据公知常识,可以采取多种方式、方法以实现对热成像仪和激光雷达的参数标定,不过,在此推荐一种数据运算总量小,成像质量高,且噪点极少的实施方案,具体为:假定热图像采取二维坐标系[u,v]T进行标定,而雷达点云图像采取三维坐标系P[X′,Y′,Z′]进行标定;设定热图像的分辨率为A,则A=L×Q,其中,L为高度方向像素点的数量,Q为水平方向像素点的数量。热图像的生成过程包括以下阶段:热成像仪所采集的图像依序经过形态学滤波处理、阈值分割处理后得到二值图像;以热成像仪的中心作为坐标原点,建立图像坐标系,且将二值图像置于图像坐标系中;遍历二值图像,确定出渡船周围目标物所在的区域,且标定其中心。
二值图像的遍历方法为:以图像坐标系为参照,分别沿着第一象限沿Y轴正方向、负方向对二值图像进行遍历,并记录其在Y轴方向的所有边界点,并分别在第一象限沿X轴正方向、负方向对二值图像进行遍历,并记录其在X轴方向的所有边界点。
在确保热图像和雷达点云图像成像质量、精度的前提下,出于尽可能地降低数据预算量,进而以缩短数据处理终端的运算时长方面考虑,作为上述技术方案的进一步优化,在步骤S4中,数据处理终端执行二进制阈值化处理过程中,相邻像素点在设定规则下进行合并。针对于热图像帧而言,当两相邻像素点之间的距离小于设定的阈值A1时,则合并为簇,且该簇设有点大下限值。针对于点云图像帧而言,当两相邻像素点之间的距离小于设定的阈值A2时,则合并为簇,且该簇设有点大下限值。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种不良视线下汽渡辅助航行方法,借助于辅助航行系统来实现,其特征在于,所述辅助航行系统包括一热成像仪、多个激光雷达、一数据终端以及一显示终端;
所述不良视线下汽渡辅助航行方法包括以下步骤:
S1、将所述热成像仪和所述激光雷达均安装于渡船的顶部,且所述激光雷达环绕所述热成像仪进行周向均布;所述数据终端用来接收所述热成像仪和所述激光雷达所采集到的实时数据,经数据处理、运算,且借由所述显示终端以呈现实时画面;
S2、对所述热成像仪和所述激光雷达进行参数标定,并将两者时钟源调至统一,且时间戳一致;
S3、借助于所述激光雷达对渡船周围目标物进行扫描,并将采集到的雷达点云图像实时传输至所述数据处理终端;所述数据处理终端对所述雷达点云图像执行运算处理,并即时向着所述热成像仪发出转动动作指令,目标物得以被捕捉、定位,且将其实时热图像数据传回至所述数据处理终端;
S4、所述热图像由多个按时顺序播放的热图像帧组成,而所述雷达点云图像由多个按时顺序播放的点云图像帧组成;借助于所述数据处理终端对所采集到的所述热图像帧和所述点云图像帧进行二进制阈值化处理;
S5、借助于所述数据处理终端对所述热图像帧和所述点云图像帧执行同时性核准处理;
S6、借助于所述数据处理终端求解出所述雷达点云图像和所述热图像联合标定的外参,经坐标表换后的所述热图像帧与所述点云图像帧相融合,兼具有方位信息和色彩信息的融合图像得以实时地展现于所述显示终端上。
2.根据权利要求1所述的不良视线下汽渡辅助航行方法,其特征在于,在步骤S1中,渡船借助于智能导向模块行进;在行驶进程中,所述智能导向模块实时地拟合出渡船的前行轨迹,与此同时,所述热成像仪和所述激光雷达分别获取渡船周围目标物的方位信息和热成像信息。
3.根据权利要求2所述的不良视线下汽渡辅助航行方法,其特征在于,所述智能导向模块包括有电子海图;将码头区域数据化处理以生成电子围栏警示区,且标记于所述显示终端;渡船正常行驶时,所述电子海图采用在线网络模式,而当其接近所述电子围栏警示区时,所述电子海图切换至离线模式。
4.根据权利要求1所述的不良视线下汽渡辅助航行方法,其特征在于,在步骤S2中,假定所述热图像采取二维坐标系[u,v]T进行标定,而所述雷达点云图像采取三维坐标系P[X′,Y′,Z′]进行标定。
5.根据权利要求1所述的不良视线下汽渡辅助航行方法,其特征在于,在步骤S2中,设定所述热图像的分辨率为A,则A=L×Q,其中,L为高度方向像素点的数量,Q为水平方向像素点的数量;所述热图像的生成过程包括以下阶段:所述热成像仪所采集的图像依序经过形态学滤波处理、阈值分割处理后得到二值图像;以所述热成像仪的中心作为坐标原点,建立图像坐标系,且将所述二值图像置于所述图像坐标系中;遍历所述二值图像,确定出渡船周围目标物所在的区域,且标定其中心。
6.根据权利要求5所述的不良视线下汽渡辅助航行方法,其特征在于,所述二值图像的遍历方法为:以所述图像坐标系为参照,分别沿着第一象限沿Y轴正方向、负方向对所述二值图像进行遍历,并记录其在Y轴方向的所有边界点,并分别在第一象限沿X轴正方向、负方向对所述二值图像进行遍历,并记录其在X轴方向的所有边界点。
7.根据权利要求1所述的不良视线下汽渡辅助航行方法,其特征在于,在步骤S4中,所述数据处理终端执行二进制阈值化处理过程中,针对于所述热图像帧而言,当两相邻像素点之间的距离小于设定的阈值A1时,则合并为簇,且簇设有点大下限值。
8.根据权利要求2所述的不良视线下汽渡辅助航行方法,其特征在于,在步骤S6中,根据所述热图像中各像素点温度值以及各像素点的坐标值进行聚类分析,且借助于所述数据处理终端以区分出目标物聚类和水域聚类;且对比所述热图像中各像素点与相邻像素点的聚类类别,获取目标物的边缘轮廓;将所述边缘轮廓的曲率与预设值进行对比,结合对应所述热图像中各像素点的温度值及其坐标值,提取目标物的边界框,且结合所述雷达点云图像以得出目标物的方位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311720962.XA CN117710923B (zh) | 2023-12-14 | 2023-12-14 | 一种不良视线下汽渡辅助航行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311720962.XA CN117710923B (zh) | 2023-12-14 | 2023-12-14 | 一种不良视线下汽渡辅助航行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117710923A CN117710923A (zh) | 2024-03-15 |
CN117710923B true CN117710923B (zh) | 2024-05-03 |
Family
ID=90152879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311720962.XA Active CN117710923B (zh) | 2023-12-14 | 2023-12-14 | 一种不良视线下汽渡辅助航行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117710923B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118351482B (zh) * | 2024-04-15 | 2024-09-20 | 江苏镇扬汽渡有限公司 | 一种基于图像识别的载客人数统计方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10408939B1 (en) * | 2019-01-31 | 2019-09-10 | StradVision, Inc. | Learning method and learning device for integrating image acquired by camera and point-cloud map acquired by radar or LiDAR corresponding to image at each of convolution stages in neural network and testing method and testing device using the same |
CN112083437A (zh) * | 2020-07-10 | 2020-12-15 | 南京智慧水运科技有限公司 | 一种船用激光雷达与视频联合目标捕捉系统及方法 |
CN112101158A (zh) * | 2020-09-04 | 2020-12-18 | 四川智海联科技有限公司 | 一种基于深度学习和视觉slam的船舶航行辅助系统与方法 |
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 |
CN115620559A (zh) * | 2022-09-23 | 2023-01-17 | 杭州云栖慧联技术有限公司 | 一种基于智能感知的船舶安全管理方法、系统及设备 |
-
2023
- 2023-12-14 CN CN202311720962.XA patent/CN117710923B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10408939B1 (en) * | 2019-01-31 | 2019-09-10 | StradVision, Inc. | Learning method and learning device for integrating image acquired by camera and point-cloud map acquired by radar or LiDAR corresponding to image at each of convolution stages in neural network and testing method and testing device using the same |
CN112083437A (zh) * | 2020-07-10 | 2020-12-15 | 南京智慧水运科技有限公司 | 一种船用激光雷达与视频联合目标捕捉系统及方法 |
CN112101158A (zh) * | 2020-09-04 | 2020-12-18 | 四川智海联科技有限公司 | 一种基于深度学习和视觉slam的船舶航行辅助系统与方法 |
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 |
CN115620559A (zh) * | 2022-09-23 | 2023-01-17 | 杭州云栖慧联技术有限公司 | 一种基于智能感知的船舶安全管理方法、系统及设备 |
Non-Patent Citations (1)
Title |
---|
激光雷达的船舶航行障碍物识别方法;金君;;舰船科学技术;20200523(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117710923A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109283538B (zh) | 一种基于视觉和激光传感器数据融合的海上目标大小检测方法 | |
CN101894271B (zh) | 汽车偏离车道线角度和距离的视觉计算及预警方法 | |
EP3418943B1 (en) | Object detecting apparatus, object detecting method, and computer-readable medium | |
CN106909152B (zh) | 一种车用环境感知系统及汽车 | |
EP3885794A1 (en) | Track and road obstacle detecting method | |
CN117710923B (zh) | 一种不良视线下汽渡辅助航行方法 | |
CN110745140B (zh) | 一种基于连续图像约束位姿估计的车辆换道预警方法 | |
Wu et al. | Applying a functional neurofuzzy network to real-time lane detection and front-vehicle distance measurement | |
CN110065494B (zh) | 一种基于车轮检测的车辆防碰撞方法 | |
KR20220155559A (ko) | 이미지 세그멘테이션을 이용한 자율 운항 방법 | |
CN111098815B (zh) | 一种基于单目视觉融合毫米波的adas前车碰撞预警方法 | |
CN110738121A (zh) | 一种前方车辆检测方法及检测系统 | |
CN106324618B (zh) | 实现基于激光雷达检测车道线系统的方法 | |
CN104129389A (zh) | 一种有效判别车辆行驶状态的方法及其装置 | |
Wu et al. | An algorithm for automatic vehicle speed detection using video camera | |
JP2006184276A (ja) | 視覚検知による全天候障害物衝突防止装置とその方法 | |
KR102466804B1 (ko) | 이미지 세그멘테이션을 이용한 자율 운항 방법 | |
CN113050121A (zh) | 一种船舶导航系统和船舶导航方法 | |
EP2012211A1 (en) | A system for monitoring the surroundings of a vehicle | |
CN109910955B (zh) | 基于应答器信息传输的轨道交通隧道障碍物检测系统及方法 | |
CN107462223A (zh) | 一种公路转弯前行车视距自动测量装置及测量方法 | |
CN113085896B (zh) | 一种现代有轨清洁车辅助自动驾驶系统及方法 | |
CN110020504A (zh) | 基于后侵入和碰撞时间的无人车行驶环境复杂度量化方法 | |
CN107229906A (zh) | 一种基于可变部件模型算法的汽车超车预警方法 | |
Kim et al. | Artificial intelligence vision-based monitoring system for ship berthing |
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 |