公开(公告)号：CN118298100A

公开(公告)日：2024-07-05

申请号：CN202410312218.4

申请日：2024-03-19

Applicant: 哈尔滨工程大学

Inventor： 马丹青 ,  金美慧 ,  李子墨 ,  聂骁健 ,  刘瑜菲 ,  于晓阳 ,  李泉 ,  马靖雯 ,  徐琳彭

IPC: G06T17/00 ,  G06T17/05 ,  G06T5/50 ,  G06T3/4038 ,  G06V10/80 ,  G01S15/89

Abstract: 本发明提供了一种基于融合图像特征的多波束水下三维全景构建方法及系统，涉及水下场景三维构建领域。解决了传统多波束测深系统只关注地形地貌信息，并没有考虑到水体目标信息的问题。本发明提供以下方案，所述方法包括：对水下信息数据进行处理，得到多波束深度数据；将深度数据作为水下地形深度数据并进行存储，从多波束深度数据中去除水下地形深度数据，在剩余数据中提取波束中能量最高点的相应深度作为水体数据；将水下地形深度数据和水体数据进行融合，并绘制在一张图像中；单Ping图像中的水下地形深度数据和水体数据和多Ping声纳数据进行拼接，获得完整的水下三维全景图像；完成水下全景三维在线构建。适用于浅水下情况的大范围自主探测领域。

公开(公告)号：CN116883766A

公开(公告)日：2023-10-13

申请号：CN202310696427.9

申请日：2023-06-13

Applicant: 哈尔滨工程大学

Inventor： 于晓阳 ,  周天 ,  贾昊明 ,  聂骁健 ,  徐超 ,  金美慧

IPC: G06V10/77 ,  G06V10/82 ,  G06V10/774 ,  G06V20/05 ,  G06T7/246 ,  G06N3/0464 ,  G06N3/096 ,  G01S15/66 ,  G01S15/89

Abstract: 本发明提出一种基于深度学习的前视声呐图像水下多目标跟踪方法。所述方法包括：步骤一、需要采集声呐图像，并根据需要构建目标检测模型的数据集。步骤二：在基于YOLOv5s模型的基础上，添加CBAM注意力机制模块，并用SPD‑Conv小目标检测模块替换原网络结构中起下采样作用的卷积层。步骤三：为了训练YOLOv5_cs网络模型并得到预训练模型，利用公开声呐图像数据集，并采用迁移学习的方法。本发明将在YOLOv5_cs模型基础上，使用公开声呐图像数据集进行微调和训练，以使模型适应声呐图像的特点，并提高其在目标跟踪任务中的性能。