基于RGB-D融合与状态空间网络的水面漂浮物检测方法

本发明涉及水面目标检测，主要是涉及一种水面漂浮物检测方法。

背景技术：

1、水面漂浮物的动态监测是保障水域设施运行与水面通航环境安全的重要技术手段。随着无人船平台的普及，将视觉感知系统部署于移动平台进行自主巡检成为了当前的发展趋势。这种移动感知方式相较于固定视角的监控，能够扩展监测的物理覆盖范围，并在复杂多变的水域环境中提供实时的动态视觉反馈，对于提升水面目标的连续追踪与空间定位能力具有关键的技术价值。

2、当前的视觉检测方案多依赖于提取单一的可见光图像特征，并在常规的卷积神经网络框架下进行目标识别。在实际部署中，这类仅依赖二维纹理的感知模型容易受到环境光线的干扰。一方面，水面固有的镜面反光及高频波纹会导致图像局部特征失真，使得漂浮物的物理边缘轮廓与动态水体背景产生混淆。另一方面，在无人船持续移动的视角下，画面呈现出剧烈的尺度突变与背景拖影。现有网络在处理这种伴随大范围动态背景变化的图像流时，受限于单一的局部感受野或二次方的全局计算复杂度，难以在资源受限的边缘计算设备上实现兼顾实时性与环境抗干扰能力的稳定输出。

3、综上可见，现有的水面目标检测方法在复杂物理工况下的鲁棒性和环境适应性仍有不足。特别是在高反光、强动态的水面背景干扰下，模型对移动视角中多变尺度目标的几何边界分辨能力待提升，极易产生特征混淆与漏检误检。因此，有必要研究一种能够提升移动感知平台在复杂水面场景下数据处理鲁棒性与特征提取稳定性的方法。

技术实现思路

1、发明目的，提供一种基于rgb-d融合与状态空间网络的水面漂浮物检测方法，以期解决现有技术的上述问题。

2、技术方案，一种基于rgb-d融合与状态空间网络的水面漂浮物检测方法，包括：

3、获取水面监测区域的原始彩色图像和原始深度图像；

4、对所述原始深度图像进行数值动态范围校正与环境噪声置信度加权预处理，得到有效深度图；

5、将所述原始彩色图像与所述有效深度图进行通道拼接，构建多通道输入张量；

6、将所述多通道输入张量输入至预先训练的水面漂浮物检测模型中，利用深度梯度驱动的选择性状态空间机制进行跨模态上下文特征建模，提取所述水面监测区域的多尺度特征；

7、基于所述多尺度特征，输出所述水面监测区域内水面漂浮物的类别与边界框定位结果。

8、有益效果，针对水面高反光导致的深度测距失效以及动态波纹引入的高频噪声干扰问题，通过构建基于物理特性的逐像素深度置信度评估机制，并与原始图像执行加权融合，能够有效抑制了镜面反射盲区与几何伪影，提升了水面真实的三维空间测度。

9、面对移动感知视角下由于船体持续运动引发的深度分布整体漂移难题，引入了帧级自适应时序平滑修正机制对归一化基准进行动态迭代，使得系统能够平稳追踪视场深度的宏观偏移，降低了目标绝对距离信息的丢失。

10、此外，为解决多变水体背景与漂浮物在空间边缘处的视觉特征混淆瓶颈，提取物理几何层面的连续深度梯度作为控制驱动，生成空间可变衰减门控因子来硬性干预状态空间网络的时序传递过程，在深度突变边界处有效阻隔了错误背景上下文的跨域渗透，降低了目标的误检率。

1.一种基于rgb-d融合与状态空间网络的水面漂浮物检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，对原始深度图像进行数值动态范围校正与环境噪声置信度加权预处理，得到有效深度图，包括：

3.根据权利要求2所述的方法，其特征在于，对所述原始深度图像执行自适应归一化操作，得到归一化深度图，包括：

4.根据权利要求2所述的方法，其特征在于，基于所述原始深度图像的空间几何测度信息特征，计算逐像素的深度置信度图，包括：

5.根据权利要求1所述的方法，其特征在于，所述提取所述水面监测区域的多尺度特征，包括：

6.根据权利要求1所述的方法，其特征在于，所述利用深度梯度驱动的选择性状态空间机制进行跨模态上下文特征建模，包括：

7.根据权利要求6所述的方法，其特征在于，预设扫描方向包括水平正反向与垂直正反向四个方向；

8.根据权利要求1所述的方法，其特征在于，预先训练的水面漂浮物检测模型是通过两阶段解耦定位增强训练方法预先构建的，预先构建过程包括：

9.根据权利要求8所述的方法，其特征在于，在约束色彩空间扰动和增加边界框定位惩罚偏置的条件下进行定位增强微调，包括：

10.根据权利要求7所述的方法，其特征在于，在将所述空间可变衰减门控因子作用于状态空间网络的状态递推过程的同时，方法还包括：