[發明專利]一種基于嵌入式平臺的雷達圖像智能識別方法和系統

有效

• 申請號: 202210738557.X
• 申請日: 2022-06-28
• 公開（公告）號: CN114821346B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 蔣曉鈞;黃鈺琳;石玉柱;李炫昊;王俊
• 申請（專利權）人: 深圳安德空間技術有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06N3/04;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 深圳市錕劍恒富知識產權代理有限公司 44769
• 代理人: 溫玉珍

本發明提供一種基于嵌入式平臺的雷達圖像智能識別方法及系統，包括：步驟S1，針對RK35系列嵌入式平臺制作多通道地下病害數據集；步驟S2，通過知識蒸餾獲取輕量化模型，并根據預設設置調整輸出損失權重、特征損失的權重以及模型訓練參數；步驟S3，對所述輕量化模型進行RK35系列嵌入式平臺的適配，在通過中間格式完成模型轉換之后，進行部署；步驟S4，輸出數據處理和推理結果。本發明能夠很好地滿足探地雷達道路地下隱患智能識別的要求，可以在具有低成本、低功耗和高可靠性等優點的邊緣設備上實現雷達數據智能識別，并且無需高密度CPU和GPU資源，還能滿足特殊場景探地雷達數據脫敏的需求，靈活程度和安全可控性高。

技術領域

本發明涉及一種雷達圖像智能識別方法，尤其涉及一種基于國產瑞芯微RK35系列芯片的嵌入式平臺的雷達圖像智能識別方法，并進一步設計采用了該嵌入式平臺的雷達圖像智能識別方法的系統。

背景技術

探地雷達是解決城市地面坍塌的主要方法。傳統的基于人工的探地雷達識別存在對人員素質要求高、效率低下等缺點。近年來隨著機器學習特別是深度學習技術的成熟，一大批基于各類2D、3D卷積神經網絡的特征提取和識別算法在精度、速度等指標上超越了傳統的基于模式識別路線通過手工提取特征和設計算法的方案，成為了近期的熱點，并逐步成為物探工程師的良好助手。但是這些方法有賴于服務器或者高性能計算機提供的密集CPU和GPU計算資源，在計算資源有限的環境中難以正常工作，不能滿足實時、便攜、低功耗的應用需求。

隨著探地雷達技術應用的深入，在一些限制區域和特殊場景，對自主可控和數據脫敏的要求使得探地雷達需要具備較高的智能化水平和離線工作能力，對邊緣計算和自主可控的需求較為強烈。而現有地下隱患車載實時處理系統則基于由高性能Intel CPU和專業圖形加速卡構成的車載平臺，成本高功耗高難以提升系統集成度。

因此，急需提供可運行于嵌入式平臺的輕量化的智能識別方法和系統，以提升系統的靈活性，并且還需要進一步提供基于國產嵌入式硬件平臺的雷達圖像智能識別軟件以滿足自主可控和數據安全性的要求。但是，目前并沒有這種能夠適應國產嵌入式硬件平臺且針對并基于嵌入式平臺定制的探地雷達圖像智能化識別方法和系統。

發明內容

本發明所要解決的技術問題是需要提供一種基于國產瑞芯微RK35系列芯片的嵌入式平臺的雷達圖像智能識別方法，以滿足輕量級、靈活、低成本以及安全可控等雷達探地需求，在此基礎上，還進一步設計采用了該嵌入式平臺的雷達圖像智能識別方法的系統。

對此，本發明提供一種基于嵌入式平臺的雷達圖像智能識別方法，包括：

步驟S1，針對RK35系列嵌入式平臺制作多通道地下病害數據集；

步驟S2，通過知識蒸餾獲取輕量化模型，并根據預設設置調整輸出損失權重、特征損失的權重以及模型訓練參數；

步驟S3，對所述輕量化模型進行RK35系列嵌入式平臺的適配，在通過中間格式完成模型轉換之后，進行部署；

步驟S4，輸出數據處理和推理結果。

本發明的進一步改進在于，所述步驟S1包括以下子步驟：

步驟S101，篩選并建立基于三維雷達B-SCAN灰度雷達圖像的圖片集，并對所有通道的所有目標進行標注形成單通道數據集；

步驟S102，遍歷步驟S101的單通道數據集，以當前樣本灰度垂剖圖作為第一通道特征自動生成第一通道特征圖；

步驟S103，提取第一通道特征圖在單通道數據及其兩個相鄰通道灰度垂剖圖，并進行融合后作為第二增強特征圖；

步驟S104，通過特征增強處理突出目標細節特征，生成第三增強特征圖；