一种水下地形匹配定位方法、装置及存储介质

1.本发明涉及水下定位技术领域，尤其涉及一种水下地形匹配定位方法、装置及存储介质。


背景技术：

2.在传统方法中，由于水下通讯的限制，自动潜航器(autonomous underwater vehicle，auv)在水下长时间潜伏航行后需要上浮接受卫星信号进行位置修正，对于大潜深和长航程任务的auv来说无疑增加了时间和能源的消耗。
3.为了降低auv位置修正的时间和能源成本，一些声学定位的修正方法也被用于auv位置修正，但是现有的声学定位方案误差较大。


技术实现要素：

4.鉴于此，本发明的实施例提供了一种水下地形匹配定位方法、装置及存储介质，以消除或改善现有技术中存在的一个或更多个缺陷。
5.本发明的第一方面提供了一种水下地形匹配定位方法，所述方法的步骤包括，
6.接收声呐设备传入的实际深度数据图，所述实际深度数据图中标记有具有经纬度参数和深度参数的测深点；
7.基于预设的第一分辨率将所述实际深度数据图平均划分为多个栅格单元，得到栅格深度图，计算每个所述栅格单元的重心点的位置，基于与重心点相近的第一个数测深点的深度参数计算该重心点的深度参数；
8.将预设的定位区域根据实际深度数据图的尺寸大小划分为多个候选区域图，每个候选区域图均被划分为第一分辨率大小的栅格单元，每个栅格单元的重心点标记有深度参数和经纬度参数；
9.基于经纬度数据的增长方向构建实际深度数据图和候选区域图的二维坐标图，将所述二维坐标图输入到预设的第一模型中，将每个二维坐标图转化为第一向量；
10.基于所述实际深度数据图对应的第一向量与候选区域图对应的第一向量的距离，对多个所述候选区域图进行筛选，将筛选出的候选区域图的范围在定位区域内进行扩展，得到待选区域图；
11.基于预设的邻域大小，获取待选区域图和实际深度数据图中每个栅格单元的协方差矩阵，计算每个协方差矩阵的特征值，基于特征值计算每个栅格单元的线性值、平面度值和散射型值，将线性值、平面度值和散射型值赋予到对应的栅格单元；
12.基于预设的提取窗口，分别在待选区域图和实际深度数据图提取出多个所述提取窗口大小的匹配区域图，所述匹配区域中设置有具有重心的正纵坐标值、深度参数、线性值、平面度值和散射型值的栅格单元；
13.将所述匹配区域图输入到预设的第二模型中，得到每个所述匹配区域图对应的第二向量，基于第二向量计算实际深度数据图的匹配区域图与每个待选区域图的匹配区域图
的距离和，基于距离和匹配待选区域图。
14.采用上述方案，本方案首先通过包括横纵坐标和深度参数的第一向量得到多个候选区域图，并进一步通过协方差矩阵为每个栅格单元增加线性值、平面度值和散射型值三种参数，其中，线性值描述邻域的拉长程度，而平面度值则评估一个平面拟合的程度，散射值对应一个各向同性的球形邻域，通过具有正纵坐标值、深度参数、线性值、平面度值和散射型值的栅格单元进一步得到最终的待选区域图，完成水下的精准定位。
15.在本发明的一些实施方式中，所述方法的步骤还包括：
16.获取实际深度数据图的重心位置的匹配区域图所对应的第二向量；
17.分别计算该第二向量与匹配出的待选区域图中的匹配区域图的第二向量的距离；
18.选取距离值最小的待选区域图中的匹配区域图的位置为实际深度数据图的位置。
19.在本发明的一些实施方式中，接收声呐设备传入的实际深度数据图的步骤之后还包括步骤：
20.获取与每个测深点距离最近的多个测深点，计算该测深点与距离最近的多个测深点的深度参数的平均值；
21.确定该测深点的深度参数与平均值的差的绝对值是否大于预设的第一阈值；
22.若大于，则确定该测深点为异常点，将该测深点的深度参数修改为与该测深点距离最近的多个测深点的深度参数的平均值。
23.在本发明的一些实施方式中，基于与重心点相近的第一个数测深点的深度参数计算该重心点的深度参数的步骤包括：
24.分别计算重心点与第一个数测深点中每个测深点的距离；
25.基于距离的值为第一个数测深点中每个测深点赋予权重，计算第一个数测深点的深度参数的加权平局值，作为该重心点的深度参数。
26.在本发明的一些实施方式中，采用如下公式，计算第一个数测深点的深度参数的加权平局值：
[0027][0028]
s表示加权平局值，n表示第一个数的值，i表示第一个数测深点中的任一个，si表示i测深点的的深度参数，di表示i测深点与重心点的距离。
[0029]
在本发明的一些实施方式中，基于特征值计算每个栅格单元的线性值、平面度值和散射型值的步骤包括：
[0030]
将得到的多个特征值根据数值大小由大到小排序；
[0031]
获取最大的三个特征值，其中特征值一≥特征值二≥特征值三，基于特征值一、特征值二和特征值三计算线性值、平面度值和散射型值。
[0032]
在本发明的一些实施方式中，根据如下公式，基于特征值一、特征值二和特征值三计算线性值、平面度值和散射型值：
[0033][0034]
[0035][0036]
在本发明的一些实施方式中，基于第二向量计算实际深度数据图的匹配区域图与每个待选区域图的匹配区域图的距离和，基于距离和匹配待选区域图的步骤为，
[0037]
分别计算实际深度数据图的匹配区域图与每个待选区域图的匹配区域图的距离和；
[0038]
将实际深度数据图对于每个匹配区域图的距离和相加，得到距离总和，距离总和最小的匹配区域图为最终匹配的待选区域图。
[0039]
本发明的第二方面提供了一种水下地形匹配定位装置，该装置包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现上述方法的步骤。
[0040]
本发明的第三方面提供了一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该计算机程序被处理器执行时以实现上述方法的步骤。
[0041]
本发明的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出并获得。
[0042]
本领域技术人员将会理解的是，能够用本发明实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
[0043]
此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，并不构成对本发明的限定。
[0044]
图1为本发明水下地形匹配定位方法第一种实施方式的示意图；
[0045]
图2为本发明水下地形匹配定位方法第二种实施方式的示意图。
具体实施方式
[0046]
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
[0047]
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
[0048]
应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
[0049]
在此，还需要说明的是，如果没有特殊说明，术语“连接”在本文不仅可以指直接连接，也可以表示存在中间物的间接连接。
[0050]
在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。
[0051]
传统的水下地形匹配定位算法定位精度低，速度慢，对于相似地形常存在误判，容易陷入局部最优而难以准确定位；本技术提供了一种精度高、速度快且能够实现精确定位的水下地形匹配定位方法。
[0052]
为解决以上问题，如图1所示，本发明提出一种水下地形匹配定位方法，所述方法的步骤包括，
[0053]
步骤s100，接收声呐设备传入的实际深度数据图，所述实际深度数据图中标记有具有经纬度参数和深度参数的测深点；
[0054]
在本发明的一些实施方式中，所述声呐设备传入的实际深度数据图，是由声呐设备向水底方向发射声呐波，并接收反馈的声呐波所得到的实际深度数据图。
[0055]
在本发明的一些实施方式中，所述实际深度数据图为包括以多个测深点作为点云，由水面向水底方向投影的二维图像。
[0056]
步骤s200，基于预设的第一分辨率将所述实际深度数据图平均划分为多个栅格单元，得到栅格深度图，计算每个所述栅格单元的重心点的位置，基于与重心点相近的第一个数测深点的深度参数计算该重心点的深度参数；
[0057]
在本发明的一些实施方式中，所述栅格单元的形状可以为矩形或正方形等，优选为正方形，所述预设的第一分辨率为每个栅格的大小，可以为正方形栅格单元的边长，每个栅格单元的范围内可以包括有测深点。
[0058]
步骤s300，将预设的定位区域根据实际深度数据图的尺寸大小划分为多个候选区域图，每个候选区域图均被划分为第一分辨率大小的栅格单元，每个栅格单元的重心点标记有深度参数和经纬度参数；
[0059]
在本发明的一些实施方式中，预设的所述定位区域为远大于实际深度数据图的区域图，所述实际深度数据图的位置处于定位区域的范围内，所述定位区域预先划分为由多个同样大小的栅格单元，并在每个栅格单元的重心点位置标记经纬度参数和深度参数。
[0060]
在本发明的一些实施方式中，所述候选区域的大小与实际深度数据图的大小相等。
[0061]
在本发明的一些实施方式中，将预设的定位区域根据实际深度数据图的尺寸大小划分为多个候选区域图的步骤为，预先构建实际深度数据图的尺寸大小的滑窗，所述滑窗大小可以为a
×
a，所述滑窗在定位区域范围内滑动，每次移动将所述滑窗初始位置所划定的范围和每次移动后划定的范围均作为候选区域图。
[0062]
优选地，所述滑窗由定位区域的左上角滑动至右下角或由右下角滑动至左上角等滑动方式。
[0063]
采用上述方案，所述滑窗移动范围涉及定位区域的全部位置，保证候选区域图包括定位区域的任一位置的图像。
[0064]
步骤s400，基于经纬度数据的增长方向构建实际深度数据图和候选区域图的二维坐标图，将所述二维坐标图输入到预设的第一模型中，将每个二维坐标图转化为第一向量；
[0065]
在本发明的一些实施方式中，为实际深度数据图和候选区域图构建二维坐标图的方法为，将实际深度数据图或候选区域图中经纬度值最小的栅格单元的重心点坐标设置为(0,0)，原点的栅格单元相邻经度大于原点的栅格单元的栅格单元的重心点坐标设置为(0,
1)，......，将实际深度数据图或候选区域图中经纬度值最大的栅格单元的重心点坐标设置为其中a表示实际深度数据图的边长，r表示第一分辨率的大小。
[0066]
在本发明的一些实施方式中，所述第一模型可以为通过imagenet数据集训练得到的mobilenetv3-small模型，将实际深度数据图或候选区域图的二维坐标图输入到mobilenetv3-small模型中，从该模型倒数第三层的池化层得到第一向量。
[0067]
所述二维坐标图中包括每个栅格单元的重心点，每个所述重心点标记有横坐标值、纵坐标值和深度参数值。
[0068]
所述第一向量为576维的向量。
[0069]
步骤s500，基于所述实际深度数据图对应的第一向量与候选区域图对应的第一向量的距离，对多个所述候选区域图进行筛选，将筛选出的候选区域图的范围在定位区域内进行扩展，得到待选区域图；
[0070]
在本发明的一些实施方式中，计算所述实际深度数据图对应的第一向量与每个候选区域图对应的第一向量的距离，取距离较小的m个候选区域图；
[0071]
将筛选出的候选区域图的范围在定位区域内进行扩展的步骤为，将m个候选区域图中每个候选区域图的边长扩展为原来的二倍，扩展方向优选为向上下左右各扩展二分之一倍，若在一个方向上扩展至定位区域的边界，则向另一个方向扩展，得到m个待选区域图。
[0072]
在本发明的一些实施方式中，若未扩展的候选区域大小为a
×
a，则待选区域图的大小为2a
×
2a。
[0073]
采用上述方案，本方案先对候选的区域进行扩大，便于进行粗定位，防止发生定位错误。
[0074]
步骤s600，基于预设的邻域大小，获取待选区域图和实际深度数据图中每个栅格单元的协方差矩阵，计算每个协方差矩阵的特征值，基于特征值计算每个栅格单元的线性值、平面度值和散射型值，将线性值、平面度值和散射型值赋予到对应的栅格单元；
[0075]
在本发明的一些实施方式中，所述邻域可以为向栅格单元的上下左右各扩展1个、2个或10个栅格单元，此处不做具体限定，每个栅格单元的协方差矩阵通过栅格单元本身和该栅格单元的邻域的栅格单元共同计算；
[0076]
进一步地，若在一个方向扩展至边缘，则向另一方向扩展；
[0077]
在本发明的一些实施方式中，将待选区域图和实际深度数据图中每个栅格单元根据重心点的横纵坐标和深度值构成(横坐标，纵坐标，深度值)的重心点向量，基于每个栅格单元以及该栅格单元的邻域的重心点向量构建协方差矩阵。
[0078]
在本发明的一些实施方式中，线性值描述邻域的拉长程度，而平面度值则评估一个平面拟合的程度，散射值对应一个各向同性的球形邻域，增加本方案考虑的维度，提高定位精准度。
[0079]
步骤s700，基于预设的提取窗口，分别在待选区域图和实际深度数据图提取出多个所述提取窗口大小的匹配区域图，所述匹配区域中设置有具有重心的正纵坐标值、深度参数、线性值、平面度值和散射型值的栅格单元；
[0080]
在本发明的一些实施方式中，所述提取窗口大小可以为0.5a
×
0.5a，采取滑窗的方式，将提取窗口每次移动0.05a，将所述提取窗口初始位置所划定的范围和每次移动后划
定的范围均作为匹配区域图。
[0081]
步骤s800，将所述匹配区域图输入到预设的第二模型中，得到每个所述匹配区域图对应的第二向量，基于第二向量计算实际深度数据图的匹配区域图与每个待选区域图的匹配区域图的距离和，基于距离和匹配待选区域图。
[0082]
在本发明的一些实施方式中，所述第二模型可以为pn-net模型，基于预设的训练数据集，以triplet loss作为损失函数对pn-net模型进行训练。
[0083]
在本发明的一些实施方式中，输入到第二模型的匹配区域图中包括对应每个栅格单元的横坐标值、纵坐标值、深度参数、线性值、平面度值和散射型值。
[0084]
在本发明的一些实施方式中，所述第二模型输出的第二向量为256维向量。
[0085]
在本发明的一些实施方式中，所述第一向量间的距离或者第二向量间的距离均可以通过余弦距离公式进行计算。
[0086]
采用上述方案，本方案首先通过包括横纵坐标和深度参数的第一向量得到多个候选区域图，并进一步通过协方差矩阵为每个栅格单元增加线性值、平面度值和散射型值三种参数，其中，线性值描述邻域的拉长程度，而平面度值则评估一个平面拟合的程度，散射值对应一个各向同性的球形邻域，通过具有正纵坐标值、深度参数、线性值、平面度值和散射型值的栅格单元进一步得到最终的待选区域图，完成水下的精准定位。
[0087]
如图2所示，在本发明的一些实施方式中，所述方法的步骤还包括步骤s900：
[0088]
获取实际深度数据图的重心位置的匹配区域图所对应的第二向量；
[0089]
分别计算该第二向量与匹配出的待选区域图中的匹配区域图的第二向量的距离；
[0090]
选取距离值最小的待选区域图中的匹配区域图的位置为实际深度数据图的位置。
[0091]
采用上述方案，进一步将实际深度数据图在待选区域图中进行定位，实现粗定位后的精准定位，完成两阶段的水下地形匹配定位策略，即粗定位和精准定位，提高定位精确度，便于定位具体位置。
[0092]
在本发明的一些实施方式中，接收声呐设备传入的实际深度数据图的步骤之后还包括步骤：
[0093]
获取与每个测深点距离最近的多个测深点，计算该测深点与距离最近的多个测深点的深度参数的平均值；
[0094]
确定该测深点的深度参数与平均值的差的绝对值是否大于预设的第一阈值；
[0095]
若大于，则确定该测深点为异常点，将该测深点的深度参数修改为与该测深点距离最近的多个测深点的深度参数的平均值。
[0096]
在本发明的一些实施方式中，若不大于，则不更改该测深点的深度参数。
[0097]
在本发明的一些实施方式中，所述第一阈值基于预设的环境误差δ确定，可以为5δ。
[0098]
采用上述方案，由于水下生物如鱼类等的存在，声呐波可能被水下生物遮挡，因而造成异常点，本技术基于该测深点的深度参数与平均值的差的绝对值，确定异常点，防止异常点的数据影响本技术后续的地形的匹配，进而影响定位精准度。
[0099]
在本发明的一些实施方式中，基于与重心点相近的第一个数测深点的深度参数计算该重心点的深度参数的步骤包括：
[0100]
分别计算重心点与第一个数测深点中每个测深点的距离；
[0101]
基于距离的值为第一个数测深点中每个测深点赋予权重，计算第一个数测深点的深度参数的加权平局值，作为该重心点的深度参数。
[0102]
在本发明的一些实施方式中，采用如下公式，计算第一个数测深点的深度参数的加权平局值：
[0103][0104]
s表示加权平局值，n表示第一个数的值，i表示第一个数测深点中的任一个，si表示i测深点的的深度参数，di表示i测深点与重心点的距离。
[0105]
采用上述方案，为实际深度数据图中每个栅格单元的重心点计算出深度参数。
[0106]
在本发明的一些实施方式中，基于特征值计算每个栅格单元的线性值、平面度值和散射型值的步骤包括：
[0107]
将得到的多个特征值根据数值大小由大到小排序；
[0108]
获取最大的三个特征值，其中特征值一≥特征值二≥特征值三，基于特征值一、特征值二和特征值三计算线性值、平面度值和散射型值。
[0109]
在本发明的一些实施方式中，每个协方差矩阵可计算出多个特征值。
[0110]
在本发明的一些实施方式中，根据如下公式，基于特征值一、特征值二和特征值三计算线性值、平面度值和散射型值：
[0111][0112][0113][0114]
在本发明的一些实施方式中，基于第二向量计算实际深度数据图的匹配区域图与每个待选区域图的匹配区域图的距离和，基于距离和匹配待选区域图的步骤为，
[0115]
分别计算实际深度数据图的匹配区域图与每个待选区域图的匹配区域图的距离和；
[0116]
将实际深度数据图对于每个匹配区域图的距离和相加，得到距离总和，距离总和最小的匹配区域图为最终匹配的待选区域图。
[0117]
在本发明的一些实施方式中，所述实际深度数据图包括多个匹配区域图，对应第二向量分别为a1、b1和c1；匹配出的待选区域图包括多个匹配区域图，对应第二向量分别为a2、b2、c2、d2和e2；
[0118]
计算a1与a2、b2、c2、d2和e2的距离，相加即为a1距离和；
[0119]
计算b1与a2、b2、c2、d2和e2的距离，相加即为b1距离和；
[0120]
计算c1与a2、b2、c2、d2和e2的距离，相加即为c1距离和；
[0121]
将a1距离和、b1距离和、c1距离和相加，为距离总和；
[0122]
匹配出的待选区域图与其他待选区域图相比，计算出的距离总和在所有待选区域图中最小。
[0123]
本发明的第二方面提供了一种水下地形匹配定位装置，该装置包括计算机设备，
所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现上述方法的步骤。
[0124]
本发明的第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现前述水下地形匹配定位方法的步骤。该计算机可读存储介质可以是有形存储介质，诸如随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、软盘、硬盘、可移动存储盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质。
[0125]
针对以往地形匹配定位算法精度低的问题，首先以预存的水下地形数据的第一分辨率为基础，对声呐测深数据进行栅格化处理，其中包括去噪、插值、归并等操作，然后采用两阶段的地形匹配定位策略，通过大范围粗定位获取大体的位置信息，然后通过小范围精准定位获取精确位置信息。针对以往地形匹配算法运行效率低的问题，采用预训练深度神经网络和预存地形区域块运算结果的方式提高定位算法的运行效率。该定位算法可采用离线或在线的方式运行，通过面向深度学习的服务器或者边缘计算设备，保证了水下地形匹配定位算法运行的实时性。
[0126]
本方案采用基于深度学习的特征提取与匹配定位的策略，无须人工设定特征提取模式，通过预训练的深度神经网络自动化提取高层次特征，这样做可以避免传统人工设定特征提取模式而可能由于环境、设备等因素而导致算法失效的情况。采用两阶段的定位方式可以在运行效率和定位精度中做出折中，在保证精确定位的情况下实现快速定位。采用基于栅格的水下地形数据匹配与处理方式，可以充分利用网络坐标寻找空间邻域，通过修正和栅格化地形数据可以提高地形匹配定位的精度。本算法的参数可以根据采集设备精度、预存地形分辨率、运行时间限制和定位精度需求等做出调整。
[0127]
本方案的改进包括：
[0128]
1.两阶段的水下地形匹配定位策略，即粗定位和精准定位；
[0129]
2.采用预训练深度神经网络处理预存的局部地形区域数据，将提取得到的特征向量提前存储以提高运算效率；
[0130]
3.采用栅格化的数据处理和匹配定位方式。
[0131]
两步搜索和匹配方案是多数精度兼顾效率的算法步骤，可以改进的方面包括：
[0132]
参数调整采用更加灵活的方式，包括部分自适应算法、机器学习算法等；
[0133]
粗定位和精准定位用到的特征提取和匹配网络可以继续改进，以提升算法执行效果。
[0134]
本领域普通技术人员应该可以明白，结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法，能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。
[0135]
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，做出各种改变、修改和添加，或者改变步骤之间的顺序。
[0136]
本发明中，针对一个实施方式描述和/或例示的特征，可以在一个或更多个其它实施方式中以相同方式或以类似方式使用，和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
[0137]
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。