[發明專利]一種基于深度學習的救援落水汽車的自動導航方法

有效

• 申請號: 202011244272.8
• 申請日: 2020-11-09
• 公開（公告）號: CN112232299B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 姜文剛;張帆
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/774;G06V10/82;G06V20/56;G06T7/73;G06T7/62;G06N3/0464;G06N3/08
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 杭行

本發明公開了種基于深度學習的救援落水汽車的自動導航方法，屬于智能控制技術領域。包括三大部分：第一個部分是汽車落水的檢測，利用YOLO?v4深度學習目標檢測框架來對建立的落水汽車圖像的數據集進行訓練，從而訓練成能夠檢測汽車落水的網絡模型，并將監控攝像頭拍攝的圖像放入該網絡中進行訓練，從而檢測是否有汽車落水。第二個部分是自動導航部分，當裝置檢測到有汽車落水后，根據檢測部分生成的檢測框的中心坐標來與攝像頭的中心坐標做對比，從而矯正裝置的前進方向，使得裝置能夠自動導航到落水汽車旁邊并展開救援。本發明的有益效果為：裝置可以自動檢測出是否有汽車落水，裝置可以自動導航到落水汽車。

技術領域

本發明屬于智能控制技術領域，具體涉及一種基于深度學習的救援落水汽車的自動導航方法。

背景技術

汽車落水的事件屢見不鮮，據統計落水后汽車內的人員生存率很低。因此能夠及時發現汽車落水，第一時間報警，從而保證救援人員第一時間來到落水現場，展開救援成為迫切需要解決的問題，隨著救援設備的快速發展，基于智能識別的自動控制救援設備應運而生，其具有自動響應，反應快速的特點，極大的提高了救援的時效性和成功率。然而，其目前在自動識別及自動控制的結合上依然存在諸多的不足，限制了其在救援領域的應用。

發明內容

本發明公開了一種基于深度學習的救援落水汽車的自動導航方法。整個方法共包括三大部分：第一個部分是汽車落水的檢測，利用YOLO-v4深度學習目標檢測框架來對建立的落水汽車圖像的數據集進行訓練，從而訓練成能夠檢測汽車落水的網絡模型，并將監控攝像頭拍攝的圖像放入該網絡中進行訓練，從而檢測是否有汽車落水。第二個部分是自動導航部分，當裝置檢測到有汽車落水后，根據檢測部分生成的檢測框的中心坐標來與攝像頭的中心坐標做對比，從而矯正裝置的前進方向，并根據檢測框面積與整個輸入圖像面積之比，來判斷裝置是否到達落水汽車旁邊，從而使得裝置能夠自動導航到落水汽車旁邊并展開救援。

為達到上述目的，本發明是通過以下技術方案實現的：

本發明所述檢測是否有汽車落水的方法步驟如下：

步驟A1：建立汽車落水的圖像數據集；

步驟A2：將建立好的數據集按照一定的比例進行劃分，從而將整個數據集劃分為訓練集、驗證集和測試集；

步驟A3：利用LabelImg標注工具，對數據集里的圖像中的落水汽車在原始圖像中的位置進行相應的標注，并且以xml的文件格式存儲每張圖片生成的標注信息；

步驟A4：將數據集放到YOLO-v4的深度學習目標檢測網絡中進行相應的訓練，從而能得到最終的檢測汽車落水的網絡模型；

步驟A5：監控攝像頭將拍攝到的圖像輸入到由步驟A1至A4建立的深度學習網絡模型內，從而判斷出該水域里是否有汽車落水，若檢測出有汽車落水，在監控畫面中框選出落水汽車；

步驟A6：救援裝置根據圖像信息導航至汽車落水位置進行救援。

具體的，本發明所述自動導航方法步驟如下：

步驟B1：當裝在裝置上的監控攝像頭將周圍水域的圖像輸入進來后，測出輸入圖像的長度h和寬度w，接著以圖像最右上角為頂點坐標(0,0)，畫出一個長為h和寬為w的矩形框。找到該矩形框的中心坐標點，即(h/2,w/2)，此坐標設置為攝像頭的正方向，而攝像頭的方向則控制著整個裝置的方向，若攝像頭方向為正方向，則裝置前行。

步驟B2：根據步驟A5，當檢測到有汽車落水，會給出落水汽車的檢測框；記錄下此時檢測框的坐標信息(x,y,h1,w1),其中x，y為檢測框的頂點坐標，h1為檢測框的長度，w1為檢測框的寬度。