一种基于单波束声纳簇数据处理的船体识别方法技术

本发明专利技术提供了一种基于单波束声纳簇数据处理的船体识别方法，该方法包括以下步骤：1)将单波束声呐簇安装在拱形水下结构表面，排成阵列；2)通过单波束声呐簇采集声呐数据，依据声呐簇排列情况进行编号，提取单波束声呐簇数据图集；3)对单波束声呐簇数据图集预处理，将球面数据转换为平面数据，得到二维声呐数据图集；4)剔除二维声呐数据图集中的水面数据，减少水面数据点对目标船体识别的影响；5)采集大量正常船体的单波束声纳簇数据作为数据训练集和数据验证集，使用SqueezeNet网络作为船体识别模型网络对数据训练集进行训练，得到船体识别模型。本发明专利技术提供一种通过对单波束声纳簇数据进行深度神经网络提取数据特征，船体识别率高。

【技术实现步骤摘要】
一种基于单波束声纳簇数据处理的船体识别方法
本专利技术涉深度神经网络领域，尤其涉及一种基于单波束声纳簇数据处理的船体识别方法。
技术介绍
声呐是进行水下探测、检测的重要设备之一。声呐设备由于受水环境因素影响小、声学性能可靠等优点，成为发展水下目标探测、检测行业的重点研究对象。近年来声呐设备被逐步应用到船舶检测行业，通过在水下结构或者工作船舶上安装声呐对过往船体进行安全检测。如何通过声呐数据识别船体成为首要需被解决的问题。声呐设备主要分为多波束声呐和单波束声呐两大类。使用多波束声呐进行船体探测、检测时，能够得到丰富的声呐图像，但是由于多波束声呐需要在同一时间处理超大量的声波数据，大大限制了多波束声呐图像的精度，从而使探测、检测工作只能定性，而不能定量。这对于安全、反恐等高精度检测作业来说，多波束声呐的性能是远远不够的。相对于多波束声呐来说，单波束声呐具有更高的精度和经济的造价。故基于基于单波束声纳簇数据处理与深度神经网络学习相结合的船体识别方法具有重要的研究价值。
技术实现思路
本专利技术主要针对现有
中的热点问题，提供一种基于单波束声纳簇数据处理的船体识别方法。本专利技术解决相应技术问题的技术方案是：一种基于单波束声纳簇数据处理的船体识别方法，包括以下步骤：1)将单波束声呐簇安装在拱形水下结构表面，排成阵列；2)通过单波束声呐簇采集声呐数据，依据声呐簇排列情况进行编号，提取单波束声呐簇数据图集；3)对单波束声呐簇数据图集预处理，将球面数据转换为平面数据，得到二维声呐数据图集；4)剔除二维声呐数据图集中的水面数据，减少水面数据点对目标船体识别的影响；5)采集大量正常船体的单波束声纳簇数据作为数据训练集和数据验证集，使用SqueezeNet网络作为船体识别模型网络对数据集进行训练，得到船体识别模型。所述步骤1)中将单波束声呐簇安装在拱形水下结构表面，排成阵列具体包括：单波束声呐簇安装在拱面形水下结构上，任意一台的单波束声呐的安装曲率角θn，轴向安装距离ln；单波束声纳簇每列沿径向布置的个数为H，单波束声纳簇沿轴向布置的列数为W。所述步骤2)中通过单波束声呐簇采集声呐数据，依据声呐簇排列情况进行编号，提取单波束声呐簇数据图集具体包括：单波束声呐簇采集更新率为15Hz，波束角5°，测量范围20m，精度1mm±1％量程，单波束声呐的测量数据为水深值depth和回波强度intensity；依据行列顺序对单波束声呐依次编号，从1至n。所述步骤3)对单波束声呐簇数据图集预处理，将球面数据转换为平面数据，得到二维声呐数据图集具体包括：将三维空间中任意一点的位置(θn，ln)投射到了二维坐标系下的一个点的位置(in，jn)，投射关系如下：in＝ln，jn＝depthn·sinθn得到一个尺寸为(H，W，C)单波束声呐簇数据张量V，式中C表示波束声纳簇数据的特征数量，这里为4，4个特征分别为(θn，ln，depthn，intensityn)。所述步骤4)剔除二维声呐数据图集中的水面数据，减少水面数据点对目标船体识别的影响具体包括：5.1)抽取步骤4中的所得张量V中的表示声纳水深值的子张量，并将其转换为直角坐标系下的水深值集合，如下：该集合中数据点数量为n；5.2)引入数集最低高度点的平均值LPRdepth，如下：式中numLPR表示选取LPRdepth的数据点数量，取numLPR＝0.5n；选取depthn＞LPRdepth+Thseed，声纳数据点输入水面点云Psow，式中Thseed表示选取水面估计数据点的阈值，Psow表示水面估计数据点集，选取depthn≤LPRdepth+Thseed的声纳数据点归入非水面点云Pnsow；5.3)建立描述水面估计模型，如下nTx＝-d其中n表示水面估计模型的法向量，d表示水面估计模型的偏移量x＝[i，j，depth]T，x∈Psow；引入水面估计数据点集Psow的协方差矩阵，如下：式中是所有数据点的均值；通过对协方差矩阵C进行奇异值分解求解垂直于水面的法向量n，代入直接求得水面估计模型的偏移量d；5.4)求解所有水面数据点，得到步骤3)中的水面估计模型以后，计算水深集合D＝(i，j，depth)，其中每一个点到该平面的正交投影的距离depth_normaln，当depth_normaln＞Thdis时，该数据点属于水面，反之则为非水面点，式中Thdis表示平面距离阈值；5.5)依据步骤5.4)中获得水面点数据位置，剔除张量V中相应的声纳点，得到V′。所述步骤5)中采集大量正常船体的单波束声纳簇数据作为数据训练集和数据验证集，使用SqueezeNet网络作为船体识别模型网络对数据集进行训练，得到船体识别模型具体包括：6.1)采集大量船体的单波束声呐簇数据进行步骤4、5，得到数据训练集S和数据验证集S′，将每幅单波束声呐簇数据打上标签，标识是否是船体数据；6.2)设置SqueezeNet网络CNN模块的固有参数，设置firemodule模块挤压层的通道数为输入张量深度尺寸的1/4，拓展层的通道数为输入张量深度尺寸的1/2；设置firedeconv模块挤压层的通道数为输入张量深度尺寸的1/4，反卷积下采样层的通道系数为2，拓展层的通道数为输入张量深度尺寸的1/2；输入的张量的高度不等于其宽度，通过设置最大池化层层数将输入张量的高度和宽度调整至一致；6.3)采用CRF层消除边界模糊的现象，将CNN模块的输出结果作为CRF模块的输入；根据单波束声呐簇数据张量V′计算两个高斯核，高斯核公式如下：式中P为数据点在球面的曲率角和轴向安装距离，w1，w2，为阈值；通过计算高斯核聚合邻域点的概率，得到概率分布权重矩阵；(高斯核衡量了两点之间特征的差异，两点之间差异越大，高斯核的值就越小，两点之间的相关性也就越小)通过1x1大小的卷积核gcov，去微调每一个点的概率分布权重，使概率分布权重达到最大；6.4)将数据训练集S导入SqueezeNet网络进行训练，得到CNN模块网络参数、CRF模块卷积核gcov和基于单波束声呐簇数据的船体识别模型；6.5)通过数据验证集S′对6.4)中得到的船体识别模型和相关参数进行验证，识别正确率大于等于0.95时停止训练，否则转入步骤6.4)。附图说明下面将结合附图对本专利技术作进一步说明，附图中：图1是本专利技术基于单波束声纳簇数据处理的船体识别方法的流程图；图2是单波束声呐簇的安装立体图；图3是本专利技术所设计的单波束声呐簇数据图集由球面数据转换为平面数据示意图；图4是本专利技术所使用的SqueezeNet网络参数设置图。具体实施方式为了使本专利技术的技术方案、解决问题思路等更加清本文档来自技高网...

【技术保护点】
1.一种基于单波束声纳簇数据处理的船体识别方法，其特征在于：/n1)将单波束声呐簇安装在拱形水下结构表面，排成阵列；/n2)通过单波束声呐簇采集声呐数据，依据声呐簇排列情况进行编号，提取单波束声呐簇数据图集；/n3)对单波束声呐簇数据图集预处理，将球面数据转换为平面数据，得到二维声呐数据图集；/n4)剔除二维声呐数据图集中的水面数据，减少水面数据点对目标船体识别的影响；/n5)采集大量正常船体的单波束声纳簇数据作为数据训练集和数据验证集，使用SqueezeNet网络作为船体识别模型网络对数据集进行训练，得到船体识别模型。/n

【技术特征摘要】
1.一种基于单波束声纳簇数据处理的船体识别方法，其特征在于：
1)将单波束声呐簇安装在拱形水下结构表面，排成阵列；
2)通过单波束声呐簇采集声呐数据，依据声呐簇排列情况进行编号，提取单波束声呐簇数据图集；
3)对单波束声呐簇数据图集预处理，将球面数据转换为平面数据，得到二维声呐数据图集；
4)剔除二维声呐数据图集中的水面数据，减少水面数据点对目标船体识别的影响；
5)采集大量正常船体的单波束声纳簇数据作为数据训练集和数据验证集，使用SqueezeNet网络作为船体识别模型网络对数据集进行训练，得到船体识别模型。


2.根据权利要求1所述的基于单波束声纳簇数据处理的船体识别方法，其特征在于，所述步骤1)中将单波束声呐簇安装在拱形水下结构表面，排成阵列具体包括：
单波束声呐簇安装在拱面形水下结构上，任意一台的单波束声呐的安装曲率角θn，轴向安装距离ln；
单波束声纳簇每列沿径向布置的个数为H，单波束声纳簇沿轴向布置的列数为W。


3.根据权利要求1所述的基于单波束声纳簇数据处理的船体识别方法，其特征在于，所述步骤2)中通过单波束声呐簇采集声呐数据，依据声呐簇排列情况进行编号，提取单波束声呐簇数据图集具体包括：单波束声呐簇采集更新率为15Hz，波束角5°，测量范围20m，精度1mm±1％量程，单波束声呐的测量数据为水深值depth和回波强度intensity；
依据行列顺序对单波束声呐依次编号，从1至n。


4.根据权利要求1所述的基于单波束声纳簇数据处理的船体识别方法，其特征在于，所述步骤3)对单波束声呐簇数据图集预处理，将球面数据转换为平面数据，得到二维声呐数据图集具体包括：
将三维空间中任意一点的位置(θn，ln)投射到了二维坐标系下的一个点的位置(in，jn)，投射关系如下：
in＝ln，jn＝depthn·sinθn
得到一个尺寸为(H，W，C)单波束声呐簇数据张量V，式中C表示波束声纳簇数据的特征数量，这里为4，4个特征分别为(θn，ln，depthn，intensityn)。


5.根据权利要求1所述的基于单波束声纳簇数据处理的船体识别方法，其特征在于，所述步骤4)剔除二维声呐数据图集中的水面数据，减少水面数据点对目标船体识别的影响具体包括：
5.1)抽取步骤4中的所得张量V中的表示声纳水深值的子张量，并将其转换为直角坐标系下的水深值集合，如下：



该集合中数据点数量为n；
5.2)引入数集最低高度点的平均值LPRdepth，如下：



式中numLPR表示选取LPRdepth的数据点数量，取numLPR＝0.5n；
选取depthn＞LPRdepth+Thseed，声纳数据点输入水面点云Psow，式中Ths...

【专利技术属性】
技术研发人员：周家海，宁文龙，唐泽林，陈庆为，李静，孙健锐，肖玉华，朱旺峰，
申请(专利权)人：交通运输部水运科学研究所，
类型：发明
国别省市：北京;11