[發明專利]一種基于前視聲納圖像和AUV平臺的水下漁網檢測方法

有效

• 申請號: 202011424627.1
• 申請日: 2020-12-09
• 公開（公告）號: CN112526524B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 秦日霞;何波
• 申請（專利權）人: 青島澎湃海洋探索技術有限公司
• 主分類號: G01S15/89
• 分類號: G01S15/89;G06T3/40;G06T3/60;G06K9/62;G06N3/04
• 代理公司: 青島匯智海納知識產權代理有限公司 37335
• 代理人: 王丹丹;雷斐

本發明公開一種基于前視聲納圖像和AUV平臺的水下漁網檢測方法，通過搭載在AUV上的多波束前視聲納采集并獲取前視聲吶原始數據包；對所獲聲吶原始數據包進行實時解析得到原始聲納數據矩陣，然后對聲納數據進行插值，得到完整的扇形前視聲納圖像；將得到的前視聲納圖像傳輸到AUV平臺，并輸入到提前訓練好的目標檢測模型中實時進行漁網檢測；并將檢測結果轉換成相應的系統指令，反饋給AUV主控模塊，AUV根據檢測結果進行相應的避障決策。本方案解決了現有技術存在的算法實現復雜、檢測準確率低、實時性差等問題，提高了AUV的自主生存能力，使AUV能夠實時掌握前方海域信息，并能夠對水下漁網進行自主檢測與躲避。

技術領域

本發明涉及一種基于前視聲納圖像和AUV平臺的水下漁網檢測方法，屬于前視聲吶圖像目標檢測技術領域。

背景技術

自主式水下機器人(AUV)是人類探索海洋的重要工具。它可以廣泛應用于海洋調查、資源勘探和軍事領域。受人類視覺系統的啟發，水下機器人的視覺系統主要依賴于聲納，前視聲納(FLS)是AUV探測水下目標的主要傳感器之一。前視聲吶探測的場景可以可視化為前視聲納圖像。這樣，AUV就可以從聲納圖像中識別和探測目標，并執行各種海洋任務，如路徑規劃、水下考古、魚類識別等，因此，我們可以讓AUV利用FLS圖像來檢測和定位水下漁網，進而實現漁網躲避，以免對AUV造成不可修復的損害。

基于前視聲吶圖像的水下漁網檢測方法的一般過程可分為聲吶圖像的預處理、特征提取和目標檢測。近年來深度學習在計算機視覺應用中高速發展，針對前視聲吶圖像的目標檢測技術得到了極大的發展，精準的檢測結果給AUV的避障決策帶來了極大的保障。因此，基于前視聲納圖像和AUV平臺的水下漁網檢測方法具有重要研究意義，其中，準確、高效的水下漁網檢測算法使得搭載多波束前視聲吶的AUV具有更高的安全性、智能型和更低的維護成本。

現有技術中，對于AUV的控制一般都是在岸機端，通過按鍵或手柄控制AUV的活動。然而，在岸上控制AUV具有許多弊端：首先，復雜多變的水下環境導致無線電通信變得困難，水下電信號會存在衰減，隨著距離的增加，一些從岸上發出的控制命令很難到達AUV；其次，受傳輸距離及傳輸介質等影響，AUV接收到命令信息時可能會存在延時或偏差等問題，導致AUV不能實時感知前方海域信息，及時做出決策。對于安全性和實時性要求較高的實踐性工作，水下設備交互控制、實現實時性探測的重要性不言而喻。然而，由于上述問題導致交互控制方式以及實時性信息的獲取受到極大限制，現有技術無法滿足技術需要。

另外，盡管目標檢測技術在不斷發展和完善，但大多是針對光學圖像數據集。由于FLS圖像的噪聲復雜多變，目前還沒有一種通用的FLS圖像目標檢測算法。傳統的基于深度學習的目標檢測算法主要分為三個步驟：

第一，對輸入前視聲吶圖像進行預處理(如濾波算法、閾值分割)，抑制圖像中噪聲和混響的干擾；

第二，采用傳統的滑動窗口等方式獲取大量建議框(proposals)，這些建議框將用來進行特征提取和檢測回歸；

第三，利用卷積神經網絡對建議框進行特征提取，并將得到的特征信息輸入到設計好的分類器(如支持向量機、隱馬爾可夫模型、人工神經網絡等)中從而實現對聲納圖像進行分類和回歸。

然而，這些傳統的算法采用的卷積神經網絡大多是由卷積層和池化層簡單堆疊而成，無法提取具有較強表示能力的特征。提取建議框的方法太過費時且需要與特征提取過程分開進行，不能實現端到端的高效的目標檢測網絡?，F有方法在水下這種復雜環境下檢測精度也不高，不適用于具有高精度以及實時性要求的AUV作業。

發明內容

本發明針對于現有目標檢測算法的不足，提出一種適用于前視聲吶圖像并且高效準確的目標檢測算法，該算法能夠嵌入到AUV系統中，克服現有AUV在實時檢測及自主生存能力上的缺陷，在復雜水下環境中能有效提高檢測效率，達到實時性的同時，還具有較高的檢測準確率，從而實現AUV在復雜海域里實時檢測水下漁網，為AUV避障決策提供保障。