[發(fā)明專利]一種面向水下機器人搜尋探摸的目標定位方法

在審

• 申請?zhí)枺?/td>: 202011065672.2
• 申請日: 2020-09-30
• 公開（公告）號: CN111983620A
• 公開（公告）日: 2020-11-24
• 發(fā)明（設計）人: 馬杰;余逸飛;尉浩然
• 申請（專利權）人: 武漢理工大學
• 主分類號: G01S15/06
• 分類號: G01S15/06;G01S15/89;G01S7/539;G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

1.一種面向水下機器人搜尋探摸的目標定位方法，其特征在于，包括以下步驟：

S1.通過水下機器人的前視聲吶采集的聲納圖像提取水下目標的A-KAZE特征點；

S2.將帶有A-KAZE特征的聲吶圖像輸入卷積神經(jīng)網(wǎng)絡方法識別聲吶圖像中目標的A-KAZE特征點；

S3.運用目標特征點與前置聲吶的幾何關系測算水下目標相對于水下機器人的二維方位；

S4.將水下目標特征點二維方位和水下機器人的姿態(tài)結合測算目標的仰角θ，通過得到的仰角θ測算水下目標相對于水下機器人的三維方位；

S5.修正目標的仰角θ，進而修正水下目標點相對于水下機器人的三維方位。

2.根據(jù)權利要求1所述的面向水下機器人搜尋探摸的目標定位方法，其特征在于，所述步驟S1中提取水下目標的A-KAZE特征點包括以下步驟：

S101.定義一組演化時間構建非線性尺度空間；

S102.將像素單位中的離散集轉換為時間單位；

S103.給定輸入圖像和對比度因子，使用快速顯式擴散方法；

S104.將快速顯式擴散方法嵌入從粗到細的金字塔方法中；

S105.為每個聲吶圖像計算海森行列式；

S106.使用級聯(lián)沙爾濾波器計算二階導數(shù)。

3.根據(jù)權利要求1所述的面向水下機器人搜尋探摸的目標定位方法，其特征在于，所述步驟S2的具體實現(xiàn)包括以下子步驟：

S201.使用GoogLeNet架構在聲吶圖像數(shù)據(jù)集上訓練卷積神經(jīng)網(wǎng)絡。

4.根據(jù)權利要求3所述的面向水下機器人搜尋探摸的目標定位方法，其特征在于：所述GoogLeNet架構包括五層，第一層和第二層為卷積層和最大池化層，第三層為inception層，第四層為特征層，是完全連接的層，第四層將先前的輸出映射到Dim×1向量，第五層是完全連接的層，第五層將先前的特征層映射為3×1向量，并將映射為3×1向量的特征層與使用歐式損失的位置標簽進行比較。

5.根據(jù)權利要求1所述的面向水下機器人搜尋探摸的目標定位方法，其特征在于，所述步驟S3的具體實現(xiàn)包括以下子步驟：

S301.局部笛卡爾聲吶坐標系與球面參數(shù)坐標系相互轉化。

6.根據(jù)權利要求1所述的面向水下機器人搜尋探摸的目標定位方法，其特征在于，所述步驟S4的具體實現(xiàn)包括以下子步驟：

S401.將水下目標特征點和水下機器人的姿態(tài)公式化為非線性最小二乘因子圖優(yōu)化，對于每個姿態(tài)X_t，包含以下6個參數(shù)(x_o，y_o，z_o，yaw，pitch，roll)，對于每個特征點，包含以下3個參數(shù)(x，y，z)；

S402.將因子圖求解為非線性優(yōu)化；

S403.將特征點l_j＝(x，y，z)轉換為聲吶幀，獲得局部坐標(x_s，y_s，z_s)的方位角和距離；

S404.利用對數(shù)函數(shù)的單調(diào)性，通過聲吶測量值的反投影找到特征點的初始估計；

S405.將未知仰角θ設置為0，然后使用水下機器人姿態(tài)X_t將點從聲納直角坐標(x_s，y_s，z_s)轉換為世界直角坐標(x，y，z)，用作初始猜測特征點的三維方位；

S406.根據(jù)基本姿態(tài)X_b，相應的方位和距離的測量值m_b計算目標點的仰角θ。

7.根據(jù)權利要求1所述的面向水下機器人搜尋探摸的目標定位方法，其特征在于：所述步驟S5中，采用約束不足或約束充足的特征點迭代計算修正目標仰角θ，進而修正水下目標點相對于水下機器人的三維方位。