一种适用于极地无人艇的目标识别方法

本发明涉及目标识别，具体而言，涉及一种适用于极地无人艇的目标识别方法。

背景技术：

1、极地无人艇是指在极地环境中执行科学研究、资源勘探、环境监测、搜索与救援等任务的无人艇，其在极地环境自主航行时，需要对周围环境进行目标识别，以保证安全航行和完成指定任务。

2、在现有技术中，无人艇一般采用图像识别算法对周围环境进行目标识别，但由于极地环境复杂，存在浮冰阻碍、过曝、雾现象等恶劣环境，对图像数据影响较大，导致图像识别算法对周围环境进行目标识别的精度低。

技术实现思路

1、本发明解决的问题是如何提高目标识别的精度。

2、为解决上述问题，第一方面，本发明提供了一种适用于极地无人艇的目标识别方法，包括：

3、获取极地无人艇目标区域的图像数据和环境数据，其中，所述环境数据包括气象数据和障碍数据；

4、提取所述图像数据的客观指标，并根据所述气象数据、所述障碍数据和所述客观指标，确定识别影响参数；

5、根据所述识别影响参数，分割所述图像数据，生成至少一个缺陷图像和至少一个正常图像；

6、根据所述识别影响参数，确定每个所述缺陷图像的缺陷类型，其中，所述缺陷类型包括遮挡缺陷和清晰度缺陷；

7、对于所述遮挡缺陷，采用图像定位技术，确定所述遮挡缺陷的空间定位，根据所述空间定位和所述障碍数据，确定图像采集点位，并根据所述图像采集点位，获取遮挡补偿图像；

8、对于所述清晰度缺陷，获取与清晰度缺陷空间对应的多源信息数据，并采用多模态融合技术，将所述多源信息数据整合为清晰度补偿图像，其中，所述清晰度缺陷空间为所述目标区域内与所述清晰度缺陷对应的空间；

9、根据各个所述缺陷图像对应的所述遮挡补偿图像和/或所述清晰度补偿图像，以及所有所述正常图像，生成待识别图像数据，并根据所述待识别图像数据，采用目标识别技术，生成目标识别结果。

10、可选地，所述根据所述气象数据、所述障碍数据和所述客观指标，确定识别影响参数，包括：

11、分割所述图像数据，得到至少一个子图像数据，其中，每个所述子图像数据的尺寸均为第一预设尺寸；

12、根据所述客观指标和预设客观阈值，确定每个所述子图像数据的第一识别影响参数；

13、根据所述气象数据和所述障碍数据，采用影响公式，确定第二识别影响参数，所述影响公式包括：

14、；

15、其中， i为所述第二识别影响参数，，，，和均为归一化系数，，，和均为常数， v为所述气象数据的能见度数据， l为所述气象数据的光照强度数据，为所述障碍数据，为所述气象数据的风速数据，为所述气象数据的风向数据；

16、整合所述第一识别影响参数和所述第二识别影响参数，确定每个所述子图像数据的所述识别影响参数。

17、可选地，所述根据所述识别影响参数，分割所述图像数据，生成至少一个缺陷图像和至少一个正常图像，包括：

18、根据所述识别影响参数和对应的所述子图像数据，提取所述识别影响参数大于或等于预设影响阈值的所述子图像数据，生成影响图像；提取所述识别影响参数小于所述预设影响阈值的所述子图像数据，生成无影响图像；

19、联结相邻的所述影响图像，生成至少一个总缺陷图像，并分割所述总缺陷图像，生成至少一个所述缺陷图像，其中，每个所述缺陷图像的尺寸均为第二预设尺寸；

20、联结相邻的所述无影响图像，生成至少一个所述正常图像。

21、可选地，所述整合所述第一识别影响参数和所述第二识别影响参数，确定每个所述子图像数据的所述识别影响参数，包括：

22、根据所述第一识别影响参数和所述第二识别影响参数，采用加权公式，生成所述识别影响参数，所述加权公式包括：

23、 e＝ a*h＋ b*i；

24、其中，e为所述识别影响参数， a为第一权重，b为第二权重，h为所述第一识别影响参数，i为所述第二识别影响参数。

25、可选地，所述根据所述识别影响参数，确定每个所述缺陷图像的缺陷类型，包括：

26、对所述缺陷图像进行灰度处理，得到缺陷灰度图像；

27、根据所述缺陷灰度图像，采用清晰度评估公式，得到清晰度评分，所述清晰度评估公式包括：

28、；

29、其中，为第ｉ个所述缺陷图像的清晰度评分， m为第ｉ个所述缺陷图像的像素点总数，为第ｉ个所述缺陷图像中像素点的所述缺陷灰度图像的灰度值，为第ｉ个所述缺陷图像中所述像素点的所述缺陷灰度图像经过高斯处理的灰度值；

30、采用边缘检测技术，提取所述缺陷图像内的边缘点，并根据所述缺陷灰度图像、所述边缘点和遮挡评估公式，得到遮挡评分，所述遮挡评估公式包括：

31、；

32、其中，为第ｉ个所述缺陷图像的遮挡评分，为调节参数，为第ｉ个所述缺陷图像中边缘点的所述缺陷灰度图像的灰度值，为所述边缘点邻近区域的平均灰度值；

33、根据所述清晰度评分和所述遮挡评分，确定所述缺陷类型。

34、可选地，所述根据所述清晰度评分和所述遮挡评分，确定所述缺陷类型，包括：

35、当所述清晰度评分大于预设倍数的所述遮挡评分时，确定所述缺陷类型为所述清晰度缺陷；

36、当所述清晰度评分小于所述预设倍数的所述遮挡评分时，确定所述缺陷类型为所述遮挡缺陷。

37、可选地，所述根据所述空间定位和所述障碍数据，确定图像采集点位，包括：

38、根据所述空间定位和所述障碍数据，提取障碍物三维坐标；

39、根据所述目标区域的坐标范围和所述障碍物三维坐标，采用粒子群寻优算法，得到所述图像采集点位。

40、可选地，所述根据所述图像采集点位，获取遮挡补偿图像，包括：

41、根据所述图像采集点位，采集补偿图像；

42、分别提取所述补偿图像的第一特征点和与所述补偿图像对应的所述缺陷图像的第二特征点；

43、根据所述第一特征点和所述第二特征点，采用特征匹配算法，确定补偿匹配点对，其中，所述补偿匹配点对包括相互对应的所述第一特征点和所述第二特征点；

44、根据所述补偿匹配点对中的所述第一特征点裁剪所述补偿图像，生成匹配图像，并采用所述补偿匹配点对估计相似变换矩阵；

45、根据所述相似变换矩阵，对所述匹配图像进行相似变换，生成所述遮挡补偿图像。

46、可选地，所述多源信息数据包括rgb图像和点云数据，所述采用多模态融合技术，将所述多源信息数据整合为清晰度补偿图像，包括：

47、基于point-fusion网络，分别提取所述rgb图像的图像特征和所述点云数据的点云特征；

48、对所述图像特征和所述点云特征顺次进行裁剪、下采样和叠加操作，生成所述清晰度补偿图像。

49、可选地，所述根据所述待识别图像数据，采用目标识别技术，生成目标识别结果，包括：

50、将所述待识别图像数据输入到多尺度特征提取网络中，生成第一尺度特征、第二尺度特征以及第三尺度特征，其中，所述第一尺度特征、所述第二尺度特征和所述第三尺度特征的尺度依次减小；

51、通过darknet53网络，分别提取所述第一尺度特征、所述第二尺度特征以及所述第三尺度特征的第一尺度深度特征、第二尺度深度特征以及第三尺度深度特征；

52、将所述第一尺度深度特征、所述第二尺度深度特征以及所述第三尺度深度特征输入到yolo目标检测网络中，生成所述目标识别结果。

53、第二方面，本发明提供了一种适用于极地无人艇的目标识别装置，包括：

54、获取模块，用于获取极地无人艇目标区域的图像数据和环境数据，其中，所述环境数据包括气象数据和障碍数据；

55、影响模块，用于提取所述图像数据的客观指标，并根据所述气象数据、所述障碍数据和所述客观指标，确定识别影响参数；

56、分割模块，用于根据所述识别影响参数，分割所述图像数据，生成至少一个缺陷图像和至少一个正常图像；

57、缺陷模块，用于根据所述识别影响参数，确定每个所述缺陷图像的缺陷类型，其中，所述缺陷类型包括遮挡缺陷和清晰度缺陷；

58、遮挡模块，用于对于所述遮挡缺陷，采用图像定位技术，确定所述遮挡缺陷的空间定位，根据所述空间定位和所述障碍数据，确定图像采集点位，并根据所述图像采集点位，获取遮挡补偿图像；

59、清晰模块，用于对于所述清晰度缺陷，获取与清晰度缺陷空间对应的多源信息数据，并采用多模态融合技术，将所述多源信息数据整合为清晰度补偿图像，其中，所述清晰度缺陷空间为所述目标区域内与所述清晰度缺陷对应的空间；

60、识别模块，用于根据各个所述缺陷图像对应的所述遮挡补偿图像和/或所述清晰度补偿图像，以及所有所述正常图像，生成待识别图像数据，并根据所述待识别图像数据，采用目标识别技术，生成目标识别结果。

61、第三方面，本发明提供了一种电子设备，包括存储器和处理器；

62、所述存储器，用于存储计算机程序；

63、所述处理器，用于当执行所述计算机程序时，实现如第一方面所述的适用于极地无人艇的目标识别方法。

64、第四方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如第一方面所述的适用于极地无人艇的目标识别方法。

65、本发明的适用于极地无人艇的目标识别方法的有益效果是：

66、通过获取极地无人艇目标区域的图像数据和环境数据，可便于根据图像数据的客观指标以及气象数据和障碍数据，确定环境数据对图像数据进行目标识别任务的识别影响参数，再通过分割图像，区分出有问题的区域和没有问题的区域，即缺陷图像和正常图像，有助于后续集中处理有问题的部分，然后根据识别影响参数，确定每个缺陷图像的缺陷类型是遮挡缺陷还是清晰度缺陷，以便采用针对性的策略改善缺陷部分，消除极地环境对图像质量的影响，从而提高目标识别的精度。当缺陷类型为遮挡缺陷时，通过图像定位技术得到的空间定位和障碍数据相结合，使极地无人艇能够重新规划图像采集位置，从而避开遮挡物，在新的图像采集点位采集遮挡补偿图像。当缺陷类型为清晰度缺陷时，采集与缺陷图像空间位置对应的不同信息源的数据，即多源信息数据，再通过多模态融合技术，融合不同信息源的数据为清晰度补偿图像。通过对不同环境因素对图像数据造成的影响进行针对性的补偿，不仅可以改善图像质量，还可以使极地无人艇可以应对极地各种复杂的环境，提高了适应能力和鲁棒性。然后通过遮挡补偿图像和/或清晰度补偿图像对缺陷部分进行补偿修复，消除极地环境对图像的影响，并结合所有的正常图像，就可得到能反馈最真实目标区域的待识别图像数据，最后由目标识别技术进行目标识别，得到高精度的目标识别结果。此外，由于本发明仅针对缺陷图像进行补偿，不需要对整个图像数据进行补偿，减少了不必要的计算资源消耗，提高了系统的整体效率。