一种基于水声换能器及侧扫声呐的无人潜航器探测方法技术

本发明专利技术公开了一种基于水声换能器及侧扫声呐的无人潜航器探测方法，通过搭载在水下机器人上的水声换能器和侧扫声纳，所述水声换能器的声源级大于140db，频率400

【技术实现步骤摘要】
一种基于水声换能器及侧扫声呐的无人潜航器探测方法


[0001]本专利技术涉及水下探测
，尤其涉及一种基于水声换能器及侧扫声呐的无人潜航器探测方法。

技术介绍

[0002]随着智能化技术发展和保护国土安全的需要，如何检测水下机器人日益受到国内外研究人员的重视。而现有的水下检测技术多采用光学声学图像配合机器视觉系统形式，这种方式更多只能判断静态目标，存在分辨仿鱼型机器人和移动式无人潜航器成功率低的问题。采用高清摄像头探测的方法需要进行近距离观察识别，检测范围小，费时费力。如若需要较大范围监视水下动态环境中是否存在可能的未知无人潜航器，需要布设规模庞大水下探测网络，而这种方法很难适用于内河流域等日常生活中的水域环境。

技术实现思路

[0005]本专利技术提出的一种基于水声换能器及侧扫声呐的无人潜航器探测方法，解决了现有的问题，通过定向驱离鱼类并且配合侧扫声纳所传回的水下图像，通过生物鱼群和水下潜航器不同的反应状态，结合机器视觉识别方法，提高分辨仿鱼型机器人的成功率。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：
[0007]一种基于水声换能器及侧扫声呐的无人潜航器探测方法，包括如下步骤：
[0008]步骤1、设置选定的超声波频率，水声换能器工作，通过驱鱼器进行驱鱼作业；
[0009]步骤2、开启侧扫声呐，获得当前时刻的声视觉图像；
[0010]步骤3、基于声视觉系统的处理，利用原有声纳图像进行数据增广，并且得到训练和测试模型所需要的样本集，通过声波驱鱼原理导致的鱼群和无人潜航器不同反应对样本集中鱼群和仿鱼机器人进行人工标注，并且进行划分，获得测试和训练模型所需要的标签图；
[0011]步骤4：对声纳图像进行处理分析，包括利用中值滤波去除噪声点；利用Canny边缘检测算法在保留图像特征的前提下减少数据规模并通过霍夫变换提取特征；利用K
‑
Means聚类分析算法提取出声纳图像中所有可疑移动目标物，此时的可疑目标仍包括鱼群和无人潜航器；随后利用卡尔曼滤波算法结合目标检测器对可疑目标物进行跟踪；对跟踪的物体进行判断，由于鱼群会定向远离发出超声波的水声换能器，提取出可疑目标；最后携带有高清摄像头的探测机器通过卷积神经网络CNN进行目标识别，进一步判断可疑目标是否为水下未知无人潜航器。
[0012]优选的，所述步骤1中驱鱼器由水生换能器组成，设置特定的频率产生超声波，利用不同鱼群对特定超声波频率敏感的特性，实现驱散鱼群。
[0013]优选的，所述步骤2中声视觉图像的获取基于侧扫声呐装置，声视觉系统的任务是获取二维声学图像以进行第三步的后期处理。
[0014]优选的，所述步骤3中还利用中值滤波去除噪声点；具体采用3*3的掩模避免滤波
带来的模糊效应，在处理平滑脉冲噪声的同时可以保护图像中较为尖锐的边缘，步骤为在图像中依次移动3*3的模板，读取对应像素点的灰度值并升序排列，将中值赋值给模板中心对应的像素点；
[0015]利用Canny边缘检测算法在保留图像特征的前提下减少数据规模并通过霍夫变换提取特征；首先通过高斯滤波平滑图像，消除噪声点，然后利用Sabel算子处理图像梯度和方向，梯度越大越有可能是边缘，随后进行非极大值抑值处理，确定某一像素点是否为边界，再利用双阈值检测进一步确定边界，最后使用霍夫变换提取直线，所提取直线簇的表达式为：
[0016]r＝x0cosθ+y0sinθ。
[0017]优选的，所述步骤4中还利用K
‑
Means聚类分析算法提取出声纳图像中所有可疑移动目标物，包括鱼群和无人潜航器；步骤是：预将数据分为2组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心；聚类中心以及分配给它们的对象就代表一个聚类；每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算；这个过程将不断重复直到满足某个终止条件；终止条件可以是没有或最小数目对象被重新分配给不同的聚类，没有或最小数目聚类中心再发生变化，误差平方和局部最小；在本例中，分出的两组分别是，可疑移动目标包括鱼群和水下无人潜航器，其他静态检测物包括地形，水底沉积物，后续跟踪目标只需要针对可疑移动目标进行；
[0018]随机选取k个聚类质心点为μ1，μ2，...，μ
k
∈R
n
；
[0019]重复下面过程直到收敛；
[0020]对于每一个样例i，计算其应该属于的类
[0021][0022]对于每一个类j，重新计算该类的质心
[0023][0024]利用卡尔曼滤波算法对可疑目标物进行跟踪；传统的目标追踪算法通过对图像的不同区域进行分割，并且对分割出的区域进行类别划分，然后在相邻图像中使用目标的模板进行区域匹配实现目标跟踪的基于区域的跟踪，由于基于特征点法不适用于噪声多、分辨率低的声呐图像，基于区域法匹配效果较差，所以选用卡尔曼滤波器方法实现目标跟踪；
[0025]通过计算图像中的像素点来锁定所有跟踪目标的可疑目标，首先记录在水声换能器工作之前的图像检测到所有可疑目标像素点数，并记录到数组aim[]中，水声换能器工作后，连续声学图像进行逐帧扫描，跟踪所有目标并计算其像素点的数量和aim[]数组中的数值进行比对，像素点减少数量达到40％且保持一定时间后将被认定为鱼群，不再继续进行追踪，检测时间t过后仍被追踪的目标将标记为可疑目标；
[0026]最后通过卷积神经网络CNN对具体的可疑目标的视觉图像进行目标识别与分类。
[0027]优选的，所述卷积神经网络模型选择利用pytorch来搭建卷积神经网络，从下到上的顺序，首先是输入的图片image，经过一层卷积层convolution，然后在用池化pooling方式处理卷积的信息，这里使用的是maxpooling的方式，然后在经过一次同样的处理，把得到
的第二次处理的信息传入两层全连接的神经层fullyconnected，这也是一般的两层神经网络层，最后再接上一个分类器classifier进行分类预测。
[0028]与现有技术相比，本专利技术的有益效果为：
[0029]本方法可以广泛应用于可移动式水下仿鱼型机器人的检测与识别，使得AUV能自主感知周围的环境；
[0030]利用检测与超声波驱鱼融合的整体装置实现大范围的对于水下运动或静止的仿鱼型机器人的检测与识别，该融合框架不仅可以实现对鱼类生物的驱赶，保证没有生物对检测过程的干扰，而且使用了侧扫声呐图像和视觉图像结合的方式实现对仿鱼型机器人的检测与识别；
[0031]本方法提出了基于水声换能器及侧扫声呐装置的水下机器人检测方法，通过定向驱离鱼类并且配合侧扫声纳所传回的水下图像，通过生物鱼群和水下潜航器不同的反应状态，定位可疑目标，结合机器视觉识别方法，训练神经网络，对范围内的可疑目标进一步筛查，提高分辨仿鱼型机器人的成功率。
附图说明
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于水声换能器及侧扫声呐的无人潜航器探测方法，其特征在于，包括如下步骤：步骤1、设置选定的超声波频率，水声换能器工作，通过驱鱼器进行驱鱼作业；步骤2、开启侧扫声呐，获得当前时刻的声视觉图像；步骤3、基于声视觉系统的处理，利用原有声纳图像进行数据增广，并且得到训练和测试模型所需要的样本集，通过声波驱鱼原理导致的鱼群和无人潜航器不同反应对样本集中鱼群和仿鱼机器人进行人工标注，并且进行划分，获得测试和训练模型所需要的标签图；步骤4：对声纳图像进行处理分析，包括利用中值滤波去除噪声点；利用Canny边缘检测算法在保留图像特征的前提下减少数据规模并通过霍夫变换提取特征；利用K
‑
Means聚类分析算法提取出声纳图像中所有可疑移动目标物，此时的可疑目标仍包括鱼群和无人潜航器；随后利用卡尔曼滤波算法结合目标检测器对可疑目标物进行跟踪；对跟踪的物体进行判断，由于鱼群会定向远离发出超声波的水声换能器，提取出可疑目标；最后携带有高清摄像头的探测机器通过卷积神经网络CNN进行目标识别，进一步判断可疑目标是否为水下未知无人潜航器。2.根据权利要求1所述的一种基于水声换能器及侧扫声呐的无人潜航器探测方法，其特征在于，所述步骤1中驱鱼器由水生换能器组成，设置特定的频率产生超声波，利用不同鱼群对特定超声波频率敏感的特性，实现驱散鱼群。3.根据权利要求1所述的一种基于水声换能器及侧扫声呐的无人潜航器探测方法，其特征在于，所述步骤2中声视觉图像的获取基于侧扫声呐装置，声视觉系统的任务是获取二维声学图像以进行第三步的后期处理。4.根据权利要求1所述的一种基于水声换能器及侧扫声呐的无人潜航器探测方法，其特征在于，所述步骤3中还利用中值滤波去除噪声点；具体采用3*3的掩模避免滤波带来的模糊效应，在处理平滑脉冲噪声的同时可以保护图像中较为尖锐的边缘，步骤为在图像中依次移动3*3的模板，读取对应像素点的灰度值并升序排列，将中值赋值给模板中心对应的像素点；利用Canny边缘检测算法在保留图像特征的前提下减少数据规模并通过霍夫变换提取特征；首先通过高斯滤波平滑图像，消除噪声点，然后利用Sabel算子处理图像梯度和方向，梯度越大越有可能是边缘，随后进行非极大值抑值处理，确定某一像素点是否为边界，再利用双阈值检测进一步确定边界，最后使用霍夫变换提取直线，所提取直线簇的表达式为：r＝x0cosθ+y0sinθ。5.根据权利要求1所述的一种基于水声换能器及侧扫声呐的无人潜航器探测方法，其特征在于，所述步骤4中还利用K<...

【专利技术属性】
技术研发人员：邹屹祁，徐弈新，葛旺，汪子淇，何健超，符恒，梁思怡，庄迪，张家琪，常永瑞，刘梦瑶，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：