申请/专利权人：河海大学

申请日：2024-03-04

公开（公告）日：2024-04-05

公开（公告）号：CN117826132A

主分类号：G01S7/52

分类号：G01S7/52;G01S15/89

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于侧扫声呐图像的DVL速度野值检测方法，该方法首先获取完整侧扫声呐图像并将图像进行二维经验模态分解滤波降噪处理，然后基于改进的SIFT特征匹配算法提取声呐图像水底轮廓线，接着根据提取出的轮廓线和线特征点提取AUV的侧向速度，最后根据推算出的AUV侧向速度检测DVL速度数据中的野值并剔除。本发明能够解决复杂水底环境以及AUV机动造成DVL速度测量结果中出现的难以检测和剔除的野值粗差的问题，创新性地将水声成像技术和传统惯导相结合，剔除AUV实际作业中DVL测速数据中难以预测的野值，明显提高DVL测速数据的精度，进一步提高AUV的导航定位精度。

主权项：1.一种基于侧扫声呐图像的DVL速度野值检测方法，其特征在于，包括以下步骤：（1）侧扫声呐获取完整的侧扫声呐图像，并针对侧扫声呐图像中存在的噪声进行降噪处理，所述降噪处理使用二维经验模态分解滤波抑制噪声的同时保护图像细节，得到降噪后的侧扫声呐图像；（2）对步骤（1）降噪后处理后的侧扫声呐图像检测特征点：首先构建SIFT尺度空间，然后使用高斯差分算子计算并检测出特征点；（3）通过判断步骤（2）中构建的SIFT尺度空间图像上任一点的曲率DX，判断步骤（2）中检测出的特征点是否在边缘上，采用子像素插值法求解极值点得到所求特征点；（4）利用SIFT算法计算在边缘上的特征点的方向与模值，通过计算特征点邻域内各点的方向与模值，并进行统计，最终求出特征点的主方向，此外，统计特征点邻域范围内各点的方向，记录其他高于80%主方向模值的方向作为辅助方向；（5）通过步骤4将特征点从图像中检测出来，利用方向向量对特征点进行特征描述，使其不受光照变化、视觉变化等的影响，完成特征点匹配，需对两幅图像上各特征向量进行匹配，利用欧氏距离函数作为特征点的相似性度量函数，对两幅图像进行匹配；通过对特征点和对应的各特征向量进行匹配，得到的特征点分布在声呐图像上两条对称的水底线；（6）通过步骤5得到特征匹配完成后的图像，利用特征像素平移量与AUV实际横向位移的比例尺度相关联这一特点，结合声呐侧扫周期可以推算出AUV侧向速度；（7）将求解得到的AUV侧向速度与DVL的原始输出相减得到差值，再反馈到DVL速度中剔除野值，得到无野值的DVL速度。

全文数据：

权利要求：

百度查询： 河海大学 一种基于侧扫声呐图像的DVL速度野值检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD