【技术实现步骤摘要】
本专利技术涉及水上目标测距，具体为一种基于深度学习和单目视觉的水面多目标测距方法、系统及存储介质。
技术介绍
1、在一些水面观察事件中，我们需要快速地采集水面场景中的位置等信息，并通过与现有环境数据库中的信息进行结合与匹配，获取实时动态的环境信息。现在常用的视觉定位方法多为双目视觉测距，但该方法随着测量距离的增大，精度急速下降，且双目视觉测距在应用中受到左右摄像头光心之间基线长度的限制，若双目摄像头在有限空间内安装，其测量距离从根本上难以突破现有的瓶颈。
2、现有技术中，公开号为“cn110009682b”的一种基于单目视觉的识别定位方法，可以通过单目视觉实现测距和定位，使用深度学习目标检测神经网络进行目标检测与定位，具有识别复杂物体、识别物体类型多的特点，突破了之前单目视觉测距只能识别简单目标物、识别目标物种类有限的限制；基于单目摄像头利用针孔成像原理进行目标测距，相较于双目视觉测距，理论上不受双目视觉视差极限的束缚，在视线范围内可检测到的物体基本可以实现定位测距，可以实现远近不同距离目标物的测距，适用范围广；可以同时检测一张图片上的多个目标物，并结合先验信息同时获取其相对方位，可以非常方便地实现单目摄像头多目标检测与测距定位。
3、但现有技术仍存在较大缺陷，如：现有技术在采用单目视觉技术对目标物进行测距时，仅仅考虑了图像特征，而忽视了外界因素对目标图像的影响，如光照强度、空气湿度、水面波浪强度均会对目标成像产生影响，因此在采用上述技术对水面目标进行测距时，存在测距结果不精准的问题，且在对水面目标先进行
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习和单目视觉的水面多目标测距方法、系统及存储介质，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于深度学习和单目视觉的水面多目标测距方法，包括如下步骤：
4、s1，拍摄水面目标的多张单目视觉图像并基于各个单目视觉图像进行打击，并在单目视觉图像上标注水面目标的真实距离和是否击中水面目标信息，以及获取水面目标所处环境的光照强度、空气湿度、以及波浪强度等级；
5、s2，对光照强度、空气湿度、以及波浪强度等级进行赋值并进行综合评价，以生成单目视觉图像的环境综合评价系数；
6、s3，在单目视觉图像上标注对应的环境综合评价系数，并将单目视觉图像随机划分为训练集和测试集；
7、s4，构建测距模型，并定义测距模型的状态空间、动作空间、以及奖励函数，且状态空间包括水面目标图像特征和水炮姿态信息，且动作空间包括水炮动作信息，且奖励函数的计算公式由真实距离和测距模型输出的预测距离间的绝对差值、环境综合评价系数、以及是否击中水面目标信息组成；
8、s5，确定测距模型的学习算法，以训练集和测试集对测距模型进行训练，并将待测水面目标的单目视觉图像、水炮姿态信息和水炮动作信息输入训练后的测距模型中进行测距。
9、进一步的，对光照强度、空气湿度、以及波浪强度等级进行赋值并进行综合评价，以生成单目视觉图像的环境综合评价系数的具体逻辑为：
10、s21，对光照强度进行赋值以生成位于光照强度影响值，且光照强度影响值位于0-1之间、且随光照强度偏离最佳光照强度区间的程度增大而增大；
11、s22，对空气湿度进行赋值，以生成位于0-1之间、且随空气湿度增大而增大的空气湿度影响值；
12、s23，对波浪强度等级进行赋值，以生成位于0-1之间、且随波浪强度等级增大而增大的波浪强度影响值；
13、s24，结合光照强度影响值、空气湿度影响值、以及波浪强度影响值，生成环境综合评价系数。
14、进一步的，将第i张单目视觉图像所对应的光照强度、空气湿度、波浪强度等级分别标定为ei、rhi、bli，将第i张单目视觉图像所对应的光照强度影响值标定为f(ei)，将第i张单目视觉图像所对应的空气湿度影响值标定为f(rhi)，将第i张单目视觉图像所对应的波浪强度影响值标定为f(bli)，将第i张单目视觉图像所对应的环境综合评价系数标定hjpji，i表示不同单目视觉图像的编号，且i＝1、2、3、……、m，且m表示单目视觉图像的总张数，且m∈n+。
15、进一步的，所述光照强度影响值f(ei)的赋值标准如下：
16、当满足0≤ei<500时，光照强度影响值f(ei)＝0.9；
17、当满足500≤ei<3000时，光照强度影响值f(ei)＝0.5；
18、当满足3000≤ei<20000时，光照强度影响值f(ei)＝0.1；
19、当满足20000≤ei<35000时，光照强度影响值f(ei)＝0.3；
20、当满足ei>35000时，光照强度影响值f(ei)＝0.7。
21、进一步的，所述空气湿度影响值f(rhi)的赋值标准如下：
22、当满足0≤rhi<5时，空气湿度影响值f(rhi)＝0.1；
23、当满足5≤rhi<15时，空气湿度影响值f(rhi)＝0.3；
24、当满足15≤rhi<30时，空气湿度影响值f(rhi)＝0.5；
25、当满足30≤rhi<50时，空气湿度影响值f(rhi)＝0.7；
26、当满足ei>50时，空气湿度影响值f(rhi)＝0.9。
27、进一步的，所述波浪强度影响值f(bli)的赋值标准如下：
28、当满足波浪强度等级bli为0级时，波浪强度影响值f(bli)＝0.1；
29、当满足波浪强度等级bli为1级时，波浪强度影响值f(bli)＝0.3；
30、当满足波浪强度等级bli为2级时，波浪强度影响值f(bli)＝0.5；
31、当满足波浪强度等级bli为3级时，波浪强度影响值f(bli)＝0.7；
32、当满足波浪强度等级bli为4级及以上时，波浪强度影响值f(bli)＝0.9。
33、进一步的，所述环境综合评价系数的计算公式如下：
34、hjpji＝τ1*f(ei)+τ2*f(rhi)+τ3*f(bli)
35、其中，τ1、τ2、τ3均为预设比例系数，且τ1+τ2+τ3＝1，且0<τ3<τ2<τ1<1。
36、进一步的，所述奖励函数的计算公式如下：
37、ri＝-λ1*(1+hjpji)*|li'-li|-λ2*f(jzi)
38、其中，ri表示第i张单目视觉图像所对应的奖励函数，li、li'分别表示第i张单目视觉图像所对应的真实距离、测距模型输出的预测距离，将第i张单目视觉图像所对应的是否击中水面目标信息标定为f(jzi)本文档来自技高网...
【技术保护点】
1.一种基于深度学习和单目视觉的水面多目标测距方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：对光照强度、空气湿度、以及波浪强度等级进行赋值并进行综合评价，以生成单目视觉图像的环境综合评价系数的具体逻辑为：
3.根据权利要求1所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：将第i张单目视觉图像所对应的光照强度、空气湿度、波浪强度等级分别标定为Ei、RHi、BLi，将第i张单目视觉图像所对应的光照强度影响值标定为f(Ei)，将第i张单目视觉图像所对应的空气湿度影响值标定为f(RHi)，将第i张单目视觉图像所对应的波浪强度影响值标定为f(BLi)，将第i张单目视觉图像所对应的环境综合评价系数标定HJpji，i表示不同单目视觉图像的编号，且i＝1、2、3、……、m，且m表示单目视觉图像的总张数，且m∈N+。
4.根据权利要求3所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：所述光照强度影响值f(Ei)的赋值标准如下：
5.根据权利要求3所述的基于
6.根据权利要求3所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：所述波浪强度影响值f(BLi)的赋值标准如下：
7.根据权利要求3所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：所述环境综合评价系数的计算公式如下：
8.根据权利要求3所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：所述奖励函数的计算公式如下：
9.一种基于深度学习和单目视觉的水面多目标测距系统，用于上述权利要求1-8任意一项所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于，包括：
10.一种存储介质，其中存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现上述权利要求1-8任意一项所述的基于深度学习和单目视觉的水面多目标测距方法。
...【技术特征摘要】
1.一种基于深度学习和单目视觉的水面多目标测距方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：对光照强度、空气湿度、以及波浪强度等级进行赋值并进行综合评价，以生成单目视觉图像的环境综合评价系数的具体逻辑为：
3.根据权利要求1所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：将第i张单目视觉图像所对应的光照强度、空气湿度、波浪强度等级分别标定为ei、rhi、bli，将第i张单目视觉图像所对应的光照强度影响值标定为f(ei)，将第i张单目视觉图像所对应的空气湿度影响值标定为f(rhi)，将第i张单目视觉图像所对应的波浪强度影响值标定为f(bli)，将第i张单目视觉图像所对应的环境综合评价系数标定hjpji，i表示不同单目视觉图像的编号，且i＝1、2、3、……、m，且m表示单目视觉图像的总张数，且m∈n+。
4.根据权利要求3所述的基于深度学习和单目视觉的水面多目标测距方法，其特征在于：所述...
【专利技术属性】
技术研发人员：陈姚节，刘浩南，郝国柱，林云汉，邓成宇，
申请(专利权)人：武汉船讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。