本技术公开了一种基于深度学习的淡水障碍物识别方法和系统,涉及深度学习技术领域。该方法包括:将声呐、激光和摄像设备集成在同一检测设备进行障碍物探测;采集原始样本数据并基于深度学习进行模型训练以生成障碍物识别模型;检测淡水环境并获取水体参数;采集实时检测数据,获取障碍物的实际参数和障碍物信息;利用检测设备获取识别验证数据对障碍物的位置进行验证并校正。本发明采用摄像技术对淡水中的障碍物进行形状成像与类型识别,并通过深度学习排除了水下环境对成像及图像识别的影响,通过结合多种深度学习技术提高水下障碍物识别的精度和效率;还采用声呐与激光探测对障碍物的位置进行定位和校正,提高障碍物识别及定位的精确度。
背景技术
障碍物识别是通过传感器和算法检测来识别环境中的障碍物,通常用于自动驾驶、机器人导航等领域,以帮助系统避开障碍物,确保安全和有效的操作。而淡水障碍物识别是将障碍物识别技术应用于淡水环境中,在淡水环境中(如河流、湖泊)识别水下障碍物的过程,这种识别通常依靠声呐、雷达、摄像头等传感器,帮助船只、无人潜水器等设备避开水下障碍物,确保安全航行或操作。
但由于水下环境复杂,水中的光线被折射和吸收会导致水下图像模糊,不易识别细节,而水的浑浊程度、浮游物质则会影响可见性,增加障碍物检测的难度,并且水流、波浪和沉积物等自然环境因素也可能会改变障碍物的形状或位置,导致障碍物的识别和定位出现偏差,因此在淡水环境下进行障碍物识别依然存在诸多亟待解决的问题。
实现思路