一种基于声学和视觉联合的水下爆炸定位方法

1.本发明属于信号处理技术领域，具体涉及一种水下爆炸定位方法。


背景技术：

2.在许多大跨度运动场景中的近自由面水下爆炸的定位方法具有重要的应用意义，到目前为止，该应用背景下的公开方案甚少。目前海上靶场的弹着点定位都是静态状态的水面炸点定位，在该领域的研究主要集中于声学定位或视觉定位方法。
3.声学定位作为传统的目标定位方法，一般采用声阵列对目标进行定位，通过目标到不同阵元的声程差来实现对目标位置测算，但这种方法在大跨度运动场景应用中存在着阵列较大，算法复杂等实用性问题。
4.在大跨度运动场景中，首先，由于观测区域较大，增加了布阵的难度和整个观测系统的定位精度。其次，在海面进行定位时，声学阵列无法大范围移动，所以系统缺乏机动性，无法灵活的根据需要进行移动调整。最后，由于海面波动，大规模阵列的布设精度与多阵元之间的同步对于定位的结果有着严重的影响，故不同定位的结果一致性较差。
5.基于视觉的定位方法主要依靠基于计算机视觉的定位方法和基于光学成像模型的几何光学定位方法。其中计算机视觉主要基于神经网络利用数据集对计算机定位模型进行训练，从而实现对目标位置的估计。该技术主要应用于机器人作业场景，侧重于目标深度估计与环境的重建，实现机器人对目标方位及距离的感知计算。在大跨度视场下，该技术的数据集获取存在难度，并且目标的定位准确性差。几何光学定位是基于摄影测量学的原理，利用成像时刻的相机几何参数，结合光学成像的原理，利用像-镜-物三点共线的基本几何原理对目标进行准确测量。该技术主要应用于测绘场景。这些方案可见的视觉定位一般通过单目或者双目相机就可完成，系统结构简单。
6.视觉方法对于水面的大跨度运动场景应用也有欠缺。目前公布的大部分技术应用都是基于岸基的视觉成像系统，该方法并不适用于海面大跨度运动场景。其次海面环境的复杂变化也给系统带来了一定的干扰。对于水下爆炸而言，海面出现的视觉现象具有随机性，对于未知参数的爆炸所出现的水面视觉形态、出现时间、位置等都具有不确定性，这都给爆炸图像坐标的生成带来了困难。
7.综上，在现有技术与方案中，对于大跨度运动场景下的水面炸点定位方法需要定位系统具有运动的灵活性与识别的可靠性兼具的方案。


技术实现要素：

8.为了克服现有技术的不足，本发明提供了一种基于声学和视觉联合的水下爆炸定位方法，本发明方法中将声学探测模块和视觉定位系统搭载于运动的作业船舶上，其中声学探测模块将持续监测附近可能出现的爆炸信号，并将其监测到的爆炸时刻发送到视觉定位系统；视觉采集设备则搭载在跟随运动舰船的无人机上，将持续采集到的视觉图像与相机内外参数通过无线通信的方式回传给定位系统。视觉定位系统综合利用声学监测到的爆
炸发生时刻与水面炸点的视觉图像完成对水面炸点的定位。本发明方法具备灵活性、可靠性、灵活性，克服了单一的声学定位系统的复杂性以及单一的视觉定位系统的不可靠性。
9.本发明解决其技术问题所采用的技术方案包括如下步骤：
10.步骤1：构建水下爆炸定位系统；
11.所述水下爆炸定位系统包括声学探测模块、视觉定位系统和无人机视觉采集模块；所述视觉定位系统包括水面炸点目标自动化检测模块和水面炸点目标定位模块；所述声学探测模块用于探测水下爆炸发生的时刻；所述无人机视觉采集模块从上方向下采集水面视频；所述水面炸点目标自动化检测模块根据水下爆炸发生时刻，进行水面炸点目标的视觉自动化检测并输出水面炸点目标在视频图像帧中的坐标；所述水面炸点目标定位模块基于水面炸点目标在视频图像帧中的坐标与无人机视觉采集模块姿态数据完成水面炸点目标在大地坐标系中的定位；
12.所述声学探测模块、视觉定位系统安装在船舶上，无人机视觉采集模块安装在无人机上；
13.步骤2：水下爆炸定位系统启动；所述声学探测模块开始工作，并持续监测水下的爆炸信号，同时携带视觉采集设备的无人机跟随在舰船后上方同步运动；
14.步骤3：当发生水下爆炸时，声学探测模块检测到爆炸信号同时将爆炸发生的时刻发送至视觉定位系统；
15.所述声学探测模块、视觉定位系统通过gps授时的方式实现时间同步；
16.步骤4：无人机视觉采集模块将持续采集到的水面视频与无人机视觉采集模块的姿态数据通过无线通信的方式传送给水面炸点目标自动化检测模块；
17.步骤5：水面炸点目标自动化检测模块持续接收并存储无人机视觉采集模块传送的水面视频数据、无人机视觉采集模块的姿态数据；
18.步骤6：当水面炸点目标自动化检测模块接收到水下爆炸发生的时刻后，从存储的水面视频数据中提取到水下爆炸发生时刻前后设定时间范围的视频数据，并在提取的视频数据中进行水面炸点目标的检测，检测到水面炸点目标后将水面炸点目标在视频图像帧中的坐标传递给水面炸点目标定位模块；
19.步骤7：水面炸点目标定位模块接收到水面炸点目标在视频图像帧中的坐标和水下爆炸发生的时刻后，根据水下爆炸发生的时刻提取同一时间无人机视觉采集模块的姿态数据；采用基于共线方程的单目视觉定位方法将无人机视觉采集模块所在的倾斜坐标系转换为水平坐标系，得到相机坐标系下的水面炸点目标位置；再将无人机视觉采集模块的gps坐标转换为utm坐标，通过代数运算将水面炸点目标相对无人机视觉采集模块在相机坐标系下的笛卡尔坐标转换为utm坐标，最后将水面炸点目标的utm坐标转换为gps坐标，得到水面炸点目标在大地坐标系的坐标。
20.优选地，所述声学探测模块监测水下爆炸信号的具体方法如下：
21.所述声学探测模块采用基于能量检测的声学探测系统；采用大于25khz的高频带与低于10khz的低频带同时检测的方式；对接收的水声信号进行前置放大后再进行滤波，然后采用多级固定增益放大级联的方式实现对大动态范围水声信号进行每级放大倍数为10倍的三次逐级放大；将放大到不同倍数的水声信号进行数字化采集和存储，采用时域能量检测的方法实现对水下爆炸冲击波信号的初步判断，当判断有信号超过检测门限时，将超
过门限的脉冲信号通过fft变换到频域，在频域判断脉冲信号是否具有爆炸冲击波的频谱特征，当高频与低频的频谱同时满足冲击波的特征时判决脉冲信号为水下爆炸冲击波信号，发送水下爆炸发生的时刻至水面炸点目标自动化检测模块和水面炸点目标定位模块。
22.优选地，所述无人机视觉采集模块为无人机航拍设备，配置单目摄像机、云台、相机姿态传感器、相机水平传感器、机高度传感器和相机位置传感器。
23.优选地，所述水面炸点目标自动化检测模块进行水面炸点目标检测具体过程包括图像预处理和自动化目标检测；
24.所述图像预处理将无人机视觉采集模块采集到的视频图像帧进行：
①
图像矫正：获取获得无人机视觉采集模块的矫正参数后，根据矫正参数进行计算实现图像坐标的矫正，解决相机镜头为非理想凸透镜，导致空间物体在图像中发生畸变影响图像坐标的问题；
②
图像灰度化：将获取到的彩色图像转化为灰度图，只利用图像中的强度信息，采用平均值法进行灰度处理；
③
图像滤波：采用高斯滤波做图像的平滑与降噪，首先根据滤波需求设计高斯核，然后利用高斯核进行滑动卷积，最终求出图像中的每一个像素的值，从而降低非目标对目标检测的干扰；
25.所述自动化目标检测采用固定背景融合帧差算法：选取水下爆炸发生时刻前后设定时间范围的视频数据中水下爆炸发生时刻前的多帧视频图像帧的融合图像作为背景帧，然后对水下爆炸发生时刻后的视频图像帧求差实现对水面炸点目标的检测。
26.本发明的有益效果如下：
27.本发明在传统的声学定位中可靠性高的优势基础上，加入了视觉定位的优势：在爆炸没有产生喷射流等水柱现象时也可以通过空中拍摄到的气泡团观察到；其次无人机具有容易控制、空中姿态更容易保持稳定的优点，无人机可以与舰船随动，实时的检测周围可能出现的炸点的区域，从而降低了传统定位系统的复杂度，并抱着了设备工作的安全性。
28.近自由面水下爆炸的定位对于许多大跨度运动场景都具有重要的实用意义，特别是在对于海上靶场、海洋实验等大跨度运动场景具有重要的实用优势；且水下爆炸的快速高效定位对于爆炸的合理应用也具有重要作用。在海上打靶训练中，对于弹着点进行实时准确的测量，提高了训练的效率；在对于海洋环境的研究调查中，研究人员为了测量海洋声道、海底地壳结构等海洋特性时，通常采用价格低廉且可以远距离投放的爆炸物作为测量的声源，进而根据声源释放的强水声信号来换算相应的声学参数，在各种方法的参数估计中，都必须获得炸点的位置坐标，本发明可快速给出炸点的位置坐标。尤其是在特定应用场景下的特殊舰船，对于某些水下爆炸物的快速准确定位具有重要的意义，可根据水下爆炸的位置坐标推算出某些特定应用场景下的规律、策略，提高并优化了特殊场景下的舰船工作效率。
附图说明
29.图1为本发明方法的框架图。
30.图2为本发明水下爆炸定位系统构成示意图。
31.图3为本发明固定背景融合帧差算法框图。
32.图4为本发明坐标系统转换法流程图。
33.图5为原始水面炸点图像。
具体实施方式
34.下面结合附图和实施例对本发明进一步说明。
35.水下爆炸的冲击波声信号十分强，远大于海洋背景噪声，这使得声学监测爆炸是否存在的方法具有很高的可靠性。在大跨度运动场景下，将视觉定位设备搭载在与运动舰船随动的无人机上进行，使得视觉定位方案的实现复杂度低于声学定位。
36.本发明给出大跨度运动应用场景中具有灵活性与可靠性的声学与视觉联合的定位方法。
37.如图1所示，一种基于声学和视觉联合的水下爆炸定位方法，包括如下步骤：
38.步骤1：构建水下爆炸定位系统；
39.如图2所示，所述水下爆炸定位系统包括声学探测模块、视觉定位系统和无人机视觉采集模块；所述视觉定位系统包括水面炸点目标自动化检测模块和水面炸点目标定位模块；所述声学探测模块用于探测水下爆炸发生的时刻；所述无人机视觉采集模块从上方向下采集水面视频；所述水面炸点目标自动化检测模块根据水下爆炸发生时刻，进行水面炸点目标的视觉自动化检测并输出水面炸点目标在视频图像帧中的坐标；所述水面炸点目标定位模块基于水面炸点目标在视频图像帧中的坐标与无人机视觉采集模块姿态数据完成水面炸点目标在大地坐标系中的定位；
40.所述声学探测模块、视觉定位系统安装在船舶上，无人机视觉采集模块安装在无人机上；
41.步骤2：水下爆炸定位系统启动；所述声学探测模块开始工作，并持续监测水下的爆炸信号，同时携带视觉采集设备的无人机跟随在舰船后上方同步运动；
42.步骤3：当发生水下爆炸时，声学探测模块检测到爆炸信号同时将爆炸发生的时刻发送至视觉定位系统；
43.所述声学探测模块、视觉定位系统通过gps授时的方式实现时间同步；
44.步骤4：无人机视觉采集模块将持续采集到的水面视频与无人机视觉采集模块的姿态数据通过无线通信的方式传送给水面炸点目标自动化检测模块；
45.步骤5：水面炸点目标自动化检测模块持续接收并存储无人机视觉采集模块传送的水面视频数据、无人机视觉采集模块的姿态数据；
46.步骤6：当水面炸点目标自动化检测模块接收到水下爆炸发生的时刻后，从存储的水面视频数据中提取到水下爆炸发生时刻前后设定时间范围的视频数据，并在提取的视频数据中进行水面炸点目标的检测，检测到水面炸点目标后将水面炸点目标在视频图像帧中的坐标传递给水面炸点目标定位模块；
47.步骤7：水面炸点目标定位模块接收到水面炸点目标在视频图像帧中的坐标和水下爆炸发生的时刻后，根据水下爆炸发生的时刻提取同一时间无人机视觉采集模块的姿态数据；采用基于共线方程的单目视觉定位方法将无人机视觉采集模块所在的倾斜坐标系转换为水平坐标系，得到相机坐标系下的水面炸点目标位置；再将无人机视觉采集模块的gps坐标转换为utm坐标，通过代数运算将水面炸点目标相对无人机视觉采集模块在相机坐标系下的笛卡尔坐标转换为utm坐标，最后将水面炸点目标的utm坐标转换为gps坐标，得到水面炸点目标在大地坐标系的坐标。
48.优选地，所述声学探测模块监测水下爆炸信号的具体方法如下：
49.所述声学探测模块采用基于能量检测的声学探测系统；采用大于25khz的高频带与低于10khz的低频带同时检测的方式；对接收的水声信号进行前置放大后再进行滤波，然后采用多级固定增益放大级联的方式实现对大动态范围水声信号进行每级放大倍数为10倍的三次逐级放大；将放大到不同倍数的水声信号进行数字化采集和存储，采用时域能量检测的方法实现对水下爆炸冲击波信号的初步判断，当判断有信号超过检测门限时，将超过门限的脉冲信号通过fft变换到频域，在频域判断脉冲信号是否具有爆炸冲击波的频谱特征，当高频与低频的频谱同时满足冲击波的特征时判决脉冲信号为水下爆炸冲击波信号，发送水下爆炸发生的时刻至水面炸点目标自动化检测模块和水面炸点目标定位模块。
50.优选地，所述无人机视觉采集模块为无人机航拍设备，配置单目摄像机、云台、相机姿态传感器、相机水平传感器、机高度传感器和相机位置传感器。
51.优选地，所述水面炸点目标自动化检测模块进行水面炸点目标检测具体过程包括图像预处理和自动化目标检测；
52.所述图像预处理将无人机视觉采集模块采集到的视频图像帧进行：
①
图像矫正：获取获得无人机视觉采集模块的矫正参数后，根据矫正参数进行计算实现图像坐标的矫正，解决相机镜头为非理想凸透镜，导致空间物体在图像中发生畸变影响图像坐标的问题；
②
图像灰度化：将获取到的彩色图像转化为灰度图，只利用图像中的强度信息，采用平均值法进行灰度处理；
③
图像滤波：采用高斯滤波做图像的平滑与降噪，首先根据滤波需求设计高斯核，然后利用高斯核进行滑动卷积，最终求出图像中的每一个像素的值，从而降低非目标对目标检测的干扰；
53.所述自动化目标检测采用固定背景融合帧差算法：选取水下爆炸发生时刻前后设定时间范围的视频数据中水下爆炸发生时刻前的多帧视频图像帧的融合图像作为背景帧，然后对水下爆炸发生时刻后的视频图像帧求差实现对水面炸点目标的检测。
54.具体实施例：
55.1：系统启动，在船舶上布防的声学探测系统启动工作，并持续监测水下的爆炸信号，同时启动携带视觉采集设备的无人机跟随在舰船后上方同步运动。
56.2：检测到爆炸信号则通过通信设备将爆炸时刻发送至视觉定位系统。
57.3：定位系统持续的接收并存储视觉采集设备所回传的视频数据、视觉采集设备姿态数据和位置数据。
58.4：当定位系统接收到爆炸时刻，首先进行水面炸点目标的自动化检测。根据爆炸的发生时刻，从存储的视频数据中取到爆炸发生时刻前后的视频数据，进行爆炸目标的检测，检测到目标后输出图像坐标与帧时刻给水面炸点定位模块。
59.5：水面炸点定位模块接收到数据后，首先根据爆炸时候提取对应的视觉采集设备的姿态数据，从而将无人机的姿态数据与爆炸图像的帧时刻进行匹配，结合检测出的图像坐标进行目标定位，最后将定位结果转换成大地坐标系，并输出此结果。
60.系统由四个主要功能模块构成：声学探测模块、无人机视觉采集模块、水面炸点目标自动化检测模块、水面炸点目标定位模块。其中声学探测模块用于研判爆炸发生的时刻；无人机视觉采集模块从上方向下采集水面的视觉图像；水面炸点目标自动化检测模块结合爆炸发生时间，进行水面炸点目标的视觉自动化检测并输出在图像中的坐标；水面炸点目标定位模块基于目标的图像坐标与相机外参数完成对目标在大地坐标下的定位。
61.模块1：声学探测模块
62.本模块采用了基于能量检测的声学探测系统。利用冲击波在高频带与低频带具有明显特征的特点，采用大于25khz的高频带与低于10khz的低频带同时检测的方式，首先对接收的水声信号进行预处理，并对输入信号进行前放后再进行滤波，最大程度降低带外噪声的干扰。然后采用多级固定增益放大级联的方式实现对大动态范围信号进行每级放大倍数为10倍的三次逐级放大，可分析80db的动态范围以内的冲击波信号的特征，满足大跨度运动场景下对冲击波信号检测的幅度范围需求。最后将放大后的信号进行数据的采集、存储和时域能量检测。将放大到不同倍数的输入信号进行数字化采集和存储，以便后续对幅度适合的某路数据进行后续的数字信号处理，并采用多路同步采集与脉冲比较触发结合的方案，利用脉冲比较触发捕获短脉冲信号并给出满足幅度要求的信号通道，然后在频域判决信号是否为冲击波信号。最后采用时域能量检测的方法实现对冲击波信号的初步判断，当判决有信号超过检测门限时，发送触发脉冲给爆炸脉冲识别系统，获取到短脉冲信号后，将脉冲信号通过fft变换到频域，在频域判决接收信号是否具有爆炸冲击波的频谱特征，当高频与低频的频谱同时满足冲击波的特征时判决短脉冲为冲击波信号，发送触发时刻给定位系统。
63.模块2：无人机视觉采集模块
64.无人机视觉采集模块实时采集水面的视觉图像信息和相机的外参数。采用一套无人机航拍设备，配置单目摄像机、云台、相机姿态传感器、相机水平传感器、机高度传感器和相机位置传感器。
65.模块3：水面炸点目标自动化检测模块
66.水面炸点目标的自动化检测是通过处理视觉图像的方式来进行的，自动化检测主要包含两个步骤：图像预处理、自动化目标检测算法。
67.图像预处理将采集到的图像进行：
①
图像矫正：在获得相机的矫正参数后，对图像坐标进行计算即可实现图像坐标的矫正，解决相机镜头为非理想凸透镜，导致空间物体在图像中发生畸变影响图像坐标的问题。
②
图像灰度化：将获取到的彩色图像转化为灰度图，只利用图像中的强度信息，采用平均值法进行灰度处理。
③
图像滤波：采用高斯滤波做图像的平滑与降噪，首先根据滤波需求设计高斯核，然后利用高斯核进行滑动卷积，最终求出图像中的每一个像素的值，从而降低非目标对目标检测的干扰。
68.自动化目标检测采用了固定背景融合帧差算法。选取爆炸目标出现时刻前的多帧视觉图像的融合图像作为背景帧，然后对其余图像帧求差来实现对突发炸点目标的检测，固定背景融合帧差算法的流程如图3所示。
69.模块4：水面炸点目标定位模块
70.在得到了水面炸点的视觉图像坐标后，结合云台姿态数据等外部参数即可进行炸点目标的定位。采用基于共线方程的单目视觉定位方法来进行视觉定位，通过将倾斜的坐标系转换为水平的坐标系，结合相机外参数与图像坐标，得到相机坐标系下的目标位置，再将相机的gps坐标转换为utm坐标，通过代数运算将目标相对相机的笛卡尔坐标转换为utm坐标，最后将目标的utm坐标转换为gps坐标，实现目标的相对位置坐标到大地坐标的转换。基本流程如图4所示，原始炸点图像如图5所示。