基于数据驱动的AUV海底目标识别与路径规划方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114137546A(43)申请公布日2022.03.04(21)申请号202111440252.2(22)申请日2021.11.30(71)申请人青岛澎湃海洋探索技术有限公司地址266000山东省青岛市海口路257号，蔚蓝海岸世纪大厦6层(72)发明人于菲何波(74)专利代理机构青岛汇智海纳知识产权代理有限公司37335代理人王丹丹(51)Int.Cl.G01S15/89(2006.01)G06V10/44(2022.01)G06T3/40(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书13页附图2页(54)发明名称基于数据驱动的AUV海底目标识别与路径规划方法(57)摘要本发明提出一种基于数据驱动的AUV海底目标识别与路径规划方法，首先基于声呐数据收集模块采集并获取声呐原始数据流，最终得到二维海底地形地貌的声学图；然后基于高性能计算模块对所获声呐原始数据流进行存储，同时融合来自主控系统发送的姿态角和经纬度信息，并将声呐原始数据流、姿态角和经纬度信息整合成声呐数据包，进行声呐数据处理，实时解析和识别数据，并在识别的过程中计算目标点的经纬度；最后将识别的结果和目标点的经纬度打包成数据包指令，发送给AUV主控系统，通过AUV主控系统解析识别，实现对AUV实时的路径规划；本方案采用的实施路径规划算法能够减少浪费时间，在线优化与目标无关的路径，减少作业时间，实现高效率的海洋勘测。CN114137546ACN114137546A权利要求书1/2页1.基于数据驱动的AUV海底目标识别与路径规划方法，其特征在于，包括以下步骤：步骤一、基于声呐数据收集模块采集并获取声呐原始数据流；步骤二、基于高性能计算模块对步骤一所获得声呐原始数据流进行存储，高性能计算机模块包括声呐数据存/发模块和声呐数据处理模块；所述数据存发模块搭载一单板计算机，用以融合AUV主控系统发送的姿态角和经纬度信息，将声呐原始数据流、姿态角和经纬度信息整合成声呐数据包；所述声呐数据处理模块用以对声呐数据包进行实时解析和识别，并在识别的过程中得到目标点的经纬度；步骤三、将步骤二识别的结果和目标点的经纬度打包成数据包发送给AUV主控系统，AUV主控系统解析识别数据包后，根据识别的结果对AUV进行实时的路径规划。2.根据权利要求1所述的基于数据驱动的AUV海底目标识别与路径规划方法，其特征在于：所述步骤二中，所述声呐数据处理模块的解析和识别过程如下：步骤21、解析声呐数据包：将解析后的声强信息转换成像素值信息，并对像素值信息进行归一化处理，并将处理好的数据转换成图像格式，得到侧扫声呐图像；步骤22、基于限制对比度自适应直方图均衡化方法进行图像预处理，用以改善图像对比度；步骤23、实时识别并计算目标点的经纬度：构建深度卷积神经网络模型，基于改进型的神经网络R‑MoblieNetV2实现对侧扫声呐图像的识别；(1)首先，将经步骤S22处理后的侧扫声呐图像作为输入，经过一层卷积层，对侧扫声呐图像进行特征提取；(2)然后，将提取的特征输入到串行的七组线性瓶颈块中，每个线性瓶颈块包含了卷积核为1*1的卷积、卷积核为3*3的深度可分离卷积、卷积核为1*1的线性变换卷积；(3)对七组线性瓶颈块的输出进行线性激活，并经过池化层后做残差，得到最终的侧扫声呐识别结果：yl+1＝xl+F(xl,wl)其中，xl为R‑MobileNetV2的第l层的输入，也是上一时刻的输出；(i,j)代表了第k个特征在循环卷积神经网络上的映射；为第t时刻的输出；和分别是卷积神经模块和循环卷积神经模块的第k个特征映射的权重；bk为偏置，F(xl,wl)为循环卷积神经网络的输出；yl+1为最终R‑MobileNetV2的输出。3.根据权利要求2所述的基于数据驱动的AUV海底目标识别与路径规划方法，其特征在于：所述步骤22中，具体采用以下方式实现图像预处理：(1)计算声呐图像的均值a其中，pij为声呐图像的像素点，i,j为像素点坐标，n为声呐图像的尺寸；2CN114137546A权利要求书2/2页(2)将a作为声呐图像的阈值，提取声呐图像中高于均值a的像素值，构成集合B：B∈{∑pij}pij＞a(3)将集合B中的每一个元素b都设为均值a，其中元素b高于均值a的部分进行求和得到参量c：B＝{a,…a}其中，m为B中元素的个数；(4)参量c除以256得到d，将d加在每一个灰度等级下，得到像素值A：其中，A为图像预处理后的像素值。4.根据权利要求2所述的基于数据驱动的AUV海底目标识别与路径规划方法，其特征在于：所述步骤23中，所述深度卷积神经网络模型的构建过程如下：(1)获取训练样本，并对训练样