申请/专利权人：航天时代(青岛)海洋装备科技发展有限公司

申请日：2021-12-29

公开（公告）日：2024-05-14

公开（公告）号：CN114445572B

主分类号：G06T17/05

分类号：G06T17/05;G06T7/73;G06T7/90

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2022.07.01#实质审查的生效;2022.05.06#公开

摘要：本发明公开了基于DeeplabV3+的陌生海域中障碍物即时定位与地图构建方法，首先基于激光雷达坐标系与可见光相机坐标系的转换关系，将激光点云投影到图像上，得到图像坐标系中的激光点云投影坐标，再基于Deeplabv3+语义分割网络模型对图像进行分割预测，获得分割后的类别图像，并利用障碍物类别制作障碍物掩膜，得到障碍物对应的激光点云，最后根据激光雷达坐标系与IMU坐标系的转换关系，障碍物对应的激光点云在激光雷达坐标系中的坐标以及IMU获取的无人艇姿态信息构建以无人艇作为地图中心的周围障碍物地图。本发明利用Deeplabv3+语义分割网络模型实现了预知及不可预知障碍物轮廓信息的准确提取，联合可见光相机与激光雷达实现海上预知与不可预知障碍物的准确探测与定位。

主权项：1.一种基于DeeplabV3+的陌生海域中障碍物即时定位与地图构建方法，其特征在于，包括如下步骤：S1通过激光雷达与可见光相机联合标定，得到激光雷达坐标系与可见光相机坐标系的转换关系；S2基于激光雷达坐标系与可见光相机坐标系的转换关系将激光点云在激光雷达坐标系中的坐标转换为可见光相机坐标系中的坐标，根据激光点云在可见光相机坐标系中的坐标以及可见光相机的投影模型，将激光雷达的激光点云投影到可见光相机所得图像上，得到可见光相机图像坐标系中的激光点云投影坐标；S3构建Deeplabv3+语义分割网络模型，并对Deeplabv3+语义分割网络模型进行训练；S4基于训练得到的Deeplabv3+语义分割网络模型对图像进行分割预测，获得分割后的类别图像；所述类别图像包括天空、海洋、鸟以及障碍物4种类型；S5利用类别图像中的障碍物制作障碍物掩膜，通过障碍物掩膜对图像坐标系中的激光点云投影坐标进行处理，得到障碍物对应的激光点云，滤除非障碍物对应的激光点云；S6通过激光雷达与IMU联合标定，得到激光雷达坐标系与IMU坐标系的转换关系；S7基于激光雷达坐标系与IMU坐标系的转换关系，IMU坐标系与东北天坐标系的转换关系，障碍物对应的激光点云在激光雷达坐标系中的坐标，以及IMU获取的无人艇姿态信息，计算障碍物在东北天坐标系的位置坐标，构建以无人艇作为地图中心的周围障碍物地图；所述步骤S3的具体方法为：S3.1利用可见光相机采集训练样本，得到训练样本集，将每个训练样本标注为天空、海洋、鸟和障碍物4种类型；S3.2选取不同时段和不同天气的n幅图像作为目标图像，利用颜色迁移算法将每个训练样本转换为与n幅目标图像颜色相似的n个训练样本，所述n个训练样本与原训练样本共同组成新的训练样本集；n≥6；S3.3利用图像增强技术，对步骤S3.2所得新的训练样本集进行数据增强，得到增强后的训练样本集；S3.4构建包含编码模块与解码模块的Deeplabv3+语义分割网络模型；S3.5加载预训练模型权重，利用步骤S3.3所得训练样本集，对DeeplabV3+语义分割网络模型进行训练；训练过程中首先冻结网络模型前358层进行迭代训练，迭代50次后进行解冻，继续迭代训练，最大迭代次数不少于100次；所述步骤S3.4中，编码模块由主干网络Xception和与其级联的空洞空间金字塔池化模块ASPP组成；所述空洞空间金字塔池化模块ASPP包含1×1卷积层，级联的空洞卷积模块和平均池化层；所述级联的空洞卷积模块包括空洞卷积率分别为6，12，18的3个空洞卷积层；解码模块包括一个1×1卷积层、一个3×3卷积层以及两个4倍双线性插值上采样模块。

全文数据：

权利要求：

百度查询： 航天时代(青岛)海洋装备科技发展有限公司 一种基于DeeplabV3+的陌生海域中障碍物即时定位与地图构建方法

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