1.本发明涉及环境感知与路径规划技术领域，特别是一种基于目标检测算法的航道扫测无人船自主航行控制方法及系统。
背景技术：
2.现阶段，航道管理与建设方面，主要依靠工作人员亲自驾驶工程测量船在航道中对各个位置进行水深测量。虽然有极少部分航道局能够使用遥测遥控技术遥控工程测量船在航道中进行水深的测量，但是这部分无人船在自主航行过程中采用的避障方法很简单，基本都是利用超声波传感器检测障碍物进行避障。此外，现有无人船的航线是通过预设的方式，提前输入到船舶控制端，不够灵活。由于超声波传感器的检测距离有限，且无法对障碍物的具体类型做出判断，从而无法针对不同的碍航物做出不同的避让措施。
3.因此，需要一种基于目标检测算法的航道扫测无人船自主航行控制方法及系统。
技术实现要素：
4.有鉴于此，本发明的目的在于提供一种基于目标检测算法的航道扫测无人船自主航行控制方法及系统，该方法利用摄像头采集航道图像检测航道碍航物目标并和激光雷达检测得到碍航物的属性信息，从而采取更为准确的避障措施。
5.为达到上述目的，本发明提供如下技术方案：
6.本发明提供的基于目标检测算法的航道扫测无人船自主航行控制方法，包括以下步骤：
7.通过摄像头获取航道周围环境数据，将航道周围环境数据输入到船舶搭载的gpu嵌入式设备，利用部署的深度学习目标检测算法识别出图像帧中的碍航物类别，并记录该碍航物在图像中的位置；
8.通过激光雷达检测到该碍航物，并记录该碍航物的距离和方位信息，与图像识别结果进行结合分析，得到碍航物的属性信息，根据得到碍航物的属性信息采取无人船航行预设避障措施。
9.进一步，所述碍航物的属性信息包括碍航物类别、碍航物与无人船的距离和方位。
10.进一步，所述预设避障措施按照以下步骤进行：
11.如果碍航物是航标/浮标按照以下方式进行：
12.如果碍航物距离大于10m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持速度不变，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
13.如果碍航物距离大于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持速度不变，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
14.如果碍航物距离小于10米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机增速20％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
15.如果碍航物距离小于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机增速20％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
16.进一步，所述预设避障措施按照以下步骤进行：
17.如果碍航物是灯船按照以下方式进行：
18.如果碍航物距离大于10m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速10％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
19.如果碍航物距离大于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速10％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
20.如果碍航物距离小于10米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速30％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
21.如果碍航物距离小于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速30％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
22.进一步，所述预设避障措施按照以下步骤进行：
23.如果碍航物是货船/邮轮按照以下方式进行：
24.如果碍航物距离大于30m，碍航物方位角为左舷15
°
以内(即碍航物方位角大于左舷0
°
小于左舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶左电机保持增速20％，右电机速度减为0，直到碍航物方位角变为大于左舷30
°
后恢复直航；
25.如果碍航物距离大于30米，该碍航物方位角为右舷15
°
以内(即碍航物方位角大于右舷0
°
小于右舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶右电机保持增速20％，左电机速度减为0，直到碍航物方位角变为大于右舷30
°
后恢复直航；
26.如果碍航物距离小于30米，该碍航物方位角为左舷15
°
以内(即碍航物方位角大于左舷0
°
小于左舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶左电机增速40％，右电机速度减为0，直到碍航物方位角变为大于左舷30
°
后恢复直航；
27.如果碍航物距离小于30米，该碍航物方位角为右舷15
°
以内(即碍航物方位角大于右舷0
°
小于右舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶右电机增速40％，左电机速度减为0，直到碍航物方位角变为大于右舷30
°
后恢复直航。
28.进一步，所述预设避障措施按照以下步骤进行：
29.如果碍航物是小型漂浮物按照以下方式进行：
30.如果碍航物距离大于10m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速20％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
31.如果碍航物距离大于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速20％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
32.如果碍航物距离小于10米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速30％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
33.如果碍航物距离小于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速30％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
34.进一步，所述预设避障措施按照以下步骤进行：
35.如果碍航物是中大型漂浮物按照以下方式进行：
36.如果碍航物距离大于30m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持
增速20％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
37.如果碍航物距离大于30米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速20％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
38.如果碍航物距离小于30米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速40％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
39.如果碍航物距离小于30米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速40％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
40.本发明提供的基于目标检测算法的航道扫测无人船自主航行控制系统，包括航道检测模块、路由器和嵌入式系统；
41.所述嵌入式系统分别与设置于船体上航道检测模块、路由器连接；
42.所述航道检测模块用于采集航道信息，通过航道信息得到航道上的障碍物信息；
43.所述嵌入式系统，用于处理分析航道图像信息得到碍航物属性信息并根据碍航物属性信息生成用于控制无人船的避障措施，所述避障措施如下：
44.所述航道检测模块通过设置于船体上的扫测系统采集航道上是否存在通航障碍物，如果存在障碍物则计算船体与障碍物的距离，如果距离大于预设安全距离，则无人船自主航行，如果距离小于或等于预设安全距离，则产生报警信号并发送到远端，提醒远端需要对船进行人工控制。
45.进一步，包括船体、远程遥控终端、云服务器端和设置于船体上的电源、动力系统、通信模块；
46.所述动力系统包括电机驱动系统；所述电机设置于船体上，所述电机通过带动螺旋桨推动器来使得无人船运动；
47.所述通信模块设置于船体上，与嵌入式系统通信连接；
48.所述云服务器与通信模块通信连接，用于传输数据；
49.所述远程遥控终端与云服务器通信连接，用于传输控制指令。
50.进一步，所述航道检测模块包括激光雷达、可见光高清网络摄像头；
51.所述激光雷达，用于检测船体周围的碍航物，主要是船体前方的碍航物，所检测到的碍航物的信息包括碍航物相对船舶的距离和方位，并将所检测到的碍航物信息输入到船舶控制系统；
52.所述可见光高清网络摄像头，用于对船体周围的实时环境进行成像，并将形成的图像帧输入到船舶的目标检测检测进行碍航物的类别和位置自动识别，同时对形成的图像帧利用部署在云端的视频流媒体服务进行推流服务，以便在远程手机app端能够实时查看船舶周围的动态。
53.本发明的有益效果在于：
54.本发明提供的基于目标检测算法的航道扫测无人船自主航行控制方法及系统，该船能够利用无人船搭载的高性能gpu嵌入式终端及相应的目标检测算法，实现碍航物具体类型的识别，从而实现更精准的控制，同时，搭载了激光雷达，对碍航物的距离测量更加精准。此外，本发明的船舶航线可以随时在远程控制端进行输入，随时更新航线，结合搭载的姿态仪使得无人船的自主航行更加精准。
55.本发明的无人船具有两种运动模式：自主航行模式和人工控制模式。本发明的远
程监控技术可以实现在远程手机端app上和电脑网页端同时查看船舶当前周围的实时环境。在人工控制模式下，能够在手机端或者电脑端对船舶发送远程控制指令，对船舶进行人工控制航行；在自主航行模式下，船舶能够根据远程手机端或者电脑端发送的预设航线并结合相应的避障措施进行自主航行，预设航线可在手机app端通过地图选点的方式进行各个航路点的选择，选择好各个航路点后，自动形成航线，并通过远程通信发送到船舶端。
56.本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
57.为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
58.图1为一种基于目标检测算法的航道扫测无人船示意图。
59.图2为整个无人船的组成及基本原理图。
60.图3为自主航行控制算法流程图。
61.图4为掩膜处理的yolov3目标检测网络模型。
62.图5为船舶实施相应的运动控制示意图。
63.图6为人工控制工作流程图。
64.图7为预设避障措施中的远距离相遇或追越左转状态示意图。
65.图8为预设避障措施中的远距离相遇或追越右转状态示意图。
66.图9为预设避障措施中的近距离相遇或追越左转状态示意图。
67.图10为预设避障措施中的近距离相遇或追越右转状态示意图。
68.图中，1-激光雷达、2-前高清网络摄像头、3-右高清网络摄像头、4-左高清网络摄像头、5-4/5g路由器、6-太阳能光伏板蓄电池、7-jetson nano嵌入式板、8-右电机、9-左电机。
具体实施方式
69.下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
70.如图1和图2所示，本实施例提供的基于目标检测算法的航道扫测无人船，包括船体、电源、航道检测模块、路由器、嵌入式系统、动力系统，所述嵌入式系统分别与设置于船体上航道检测模块、路由器和动力系统连接；所述电源分别与嵌入式系统、路由器和动力系统连接；所述航道检测模块用于采集航道信息，通过航道信息得到航道上的障碍物信息；
71.所述航道检测模块包括激光雷达、可见光高清网络摄像头；
72.所述激光雷达，用于检测船体周围的碍航物，主要是船体前方的碍航物，所检测到的碍航物的信息包括碍航物相对船舶的距离和方位，并将所检测到的碍航物信息输入到船舶控制系统；
73.所述可见光高清网络摄像头，用于对船体周围的实时环境进行成像，并将形成的
图像帧输入到船舶的目标检测检测进行碍航物的类别和位置自动识别，同时对形成的图像帧利用部署在云端的视频流媒体服务进行推流服务，以便在远程手机app端能够实时查看船舶周围的动态；
74.本实施例还提供了多普勒测深仪，用于对船体所航行的水域进行水深检测，并将所检测到的水深点数据输入到船舶通信系统；
75.所述嵌入式系统采用高性能gpu嵌入式终端，用于部署碍航物目标检测算法从而对船体前方的碍航物目标进行自动检测以及部署通信系统从而接收远程手机app端的控制指令和发送报警信息、船体位置信息到远程手机app端，同时将采集到的航道水深点数据上传到云端数据库，以及用于部署本船的控制系统并根据输入的各个传感器信息对船舶进行航行控制。
76.所述动力系统包括电机驱动系统；所述电机设置于船体上，所述电机通过带动螺旋桨推动器来使得无人船运动；
77.所述航道检测模块通过设置于船体上的扫测系统采集航道上是否存在通航障碍物，如果存在障碍物则计算船体与障碍物的距离，如果距离大于预设安全距离，则无人船自主航行，如果距离小于或等于预设安全距离，则产生报警信号并发送到远端，提醒远端需要对船进行人工控制；
78.本实施例中的无人船还包括通信模块、远程遥控终端、云服务器端；
79.所述通信模块设置于船体上，与嵌入式系统通信连接；
80.所述云服务器与通信模块通信连接，用于传输数据；
81.所述远程遥控终端与云服务器通信连接，用于传输控制指令；
82.本实施例中对于无人船本身而言，
83.激光雷达安装在船体前端中央区域，数量为1台；
84.可见光高清网络摄像头数量为3个，分别安装在船体前端、左侧和右侧，用于获取无人船的前方视野、左侧视野和右侧视野；
85.高性能gpu嵌入式终端数量为1个，用于整个无人船的数据处理及控制，相当于该船的大脑；
86.4g/5g路由器数量为1个，用于构建无人船局域网，同时与外界进行通信；
87.电机和电机驱动分别都是2个，用于驱动无人船运动；
88.电源为蓄电池，且使用太阳能光伏板为之蓄能；
89.本实施例提供的无人船的控制模块有两种工作模式，具体如下：
90.在自主航行模式时主要依托摄像头传感器、激光雷达传感器以及部署在gpu嵌入式终端的目标检测检测算法，对船舶周围的环境进行智能感知，然后根据感知结果对船舶实施自动控制；
91.在人工模式时，根据接收到的远程控制指令对船舶实施人工控制。
92.高性能gpu嵌入式终端以及3个高清网络摄像头以网络方式分别与4g/5g路由器相连，激光雷达、多普勒测深仪分别与串口的方式与高性能gpu嵌入式终端相连，同时，高性能gpu嵌入式终端与电机驱动相连，而电机驱动与电机相连，所有这些设备都是使用太阳能光伏板蓄电池进行供电。
93.所述远程遥控终端为安卓手机端app；
94.对于远程遥控终端，其形式为安卓手机app软件，用于查看无人船周围的实时环境以及无人船的实时gps位置，同时还可以给该无人船预设航线，让无人船根据提供的航线进行航道的扫测，此外，还可以对无人船发送远程控制指令，在无人船遇到紧急情况时可以远程控制船舶，保证其安全。
95.对于云服务器端，主要为无人船和远程遥控终端提供视频流服务、控制信号中转服务、报警信息的发送服务以及存储水深点数据。
96.本实施例中无人船中的嵌入式系统还设置有智能感知模块、自动控制模块；所述智能感知模块，用于对船体周围的环境进行自动获取，具体包括对船体前方碍航物的类别、距离和方位的自动获取，所采用的传感器包括高清摄像头和激光雷达，所采用的算法包括改进的yolov3目标检测算法；
97.所述自动控制模块，用于根据感知模块所获取到的碍航物信息实施船舶的运动控制，即根据获取到的船舶周围信息对船舶进行精准的控制，使船舶安全航行；
98.如图3所示，图3为自主航行控制算法流程，本实施例提供的基于目标检测算法的航道扫测无人船的工作过程如下：
99.将该航道扫测无人船放置江边，所有设备上电，处于待航状态，远程遥控终端手机app上即可查看该无人船周围的实时环境，同时还可以查看该无人船的实时gps位置。
100.在自主航行模式下，无人船开航前，先通过远程遥控终端给无人船设置航线，并将该航线发送至无人船，无人船接收到预设航线后，即可启动自主航行，并开始执行航道的扫测任务。所测量的水深数据可自动通过嵌入式终端上传到云服务器数据库。当无人船在自主航行时执行航道扫测任务过程中遇到航线上有碍航物，无人船可以自己采取避障措施，通过激光雷达以及高清摄像头确认安全后，能够自行回归到预设的航线上继续航行。该无人船采取的避障功能主要依靠搭载的激光雷达和高清摄像头以及部署在高性能gpu嵌入式设备里面的深度学习目标检测算法自动完成的，整个过程无需人为干预。其中，具体流程如下：
101.通过高清摄像头采集航道图像；
102.对航道图像进行图像处理得到航道目标类别；
103.通过激光雷达采集航道激光图像；
104.对航道激光图像进行处理得到航道碍航物及其碍航物的方位角和距离；
105.判断检测得到目标是否存在，如果否，则无人船进行直航；
106.如果是，则判断目标或碍航物的类型，并分别按照碍航物类型执行预设避障措施，本实施例提供的预设避障措施中按照以下步骤进行：
107.所述目标类型包括航标/浮标、灯船、货船/邮轮、小型漂浮物、中大型漂浮物中的任一种或多种组合：
108.如果碍航物是航标/浮标按照以下方式进行：
109.如果碍航物距离大于10m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持速度不变，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
110.如果碍航物距离大于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持速度不变，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
111.如果碍航物距离小于10米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机增
速20％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
112.如果碍航物距离小于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机增速20％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
113.本实施例提供的预设避障措施中如果碍航物是灯船按照以下方式进行：
114.如果碍航物距离大于10m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速10％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
115.如果碍航物距离大于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速10％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
116.如果碍航物距离小于10米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速30％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
117.如果碍航物距离小于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速30％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
118.本实施例提供的预设避障措施中如果碍航物是货船/邮轮按照以下方式进行：
119.如果碍航物距离大于30m，碍航物方位角为左舷15
°
以内(即碍航物方位角大于左舷0
°
小于左舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶左电机保持增速20％，右电机速度减为0，直到碍航物方位角变为大于左舷30
°
后恢复直航；
120.如果碍航物距离大于30米，该碍航物方位角为右舷15
°
以内(即碍航物方位角大于右舷0
°
小于右舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶右电机保持增速20％，左电机速度减为0，直到碍航物方位角变为大于右舷30
°
后恢复直航；
121.如果碍航物距离小于30米，该碍航物方位角为左舷15
°
以内(即碍航物方位角大于左舷0
°
小于左舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶左电机增速40％，右电机速度减为0，直到碍航物方位角变为大于左舷30
°
后恢复直航；
122.如果碍航物距离小于30米，该碍航物方位角为右舷15
°
以内(即碍航物方位角大于右舷0
°
小于右舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶右电机增速40％，左电机速度减为0，直到碍航物方位角变为大于右舷30
°
后恢复直航。
123.本实施例提供的预设避障措施中如果碍航物是小型漂浮物按照以下方式进行：
124.如果碍航物距离大于10m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速20％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
125.如果碍航物距离大于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速20％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
126.如果碍航物距离小于10米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速30％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
127.如果碍航物距离小于10米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速30％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
128.本实施例提供的预设避障措施中如果碍航物是中大型漂浮物按照以下方式进行：
129.如果碍航物距离大于30m，碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速20％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
130.如果碍航物距离大于30米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速20％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航；
131.如果碍航物距离小于30米，该碍航物方位角为左舷15
°
以内；则执行船舶左电机保持增速40％，右电机速度减为0，直到碍航物方位角增大到左舷30
°
后恢复直航；
132.如果碍航物距离小于30米，该碍航物方位角为右舷15
°
以内；则执行船舶右电机保持增速40％，左电机速度减为0，直到碍航物方位角增大到右舷30
°
后恢复直航。
133.本实施例提供的满足国际船舶避碰规则的船舶避障措施可以按照以下方式实施：
134.如果碍航物距离大于30m，碍航物方位角为左舷15
°
以内(即碍航物方位角大于左舷0
°
小于左舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶左电机保持增速20％，右电机速度减为0，直到碍航物方位角变为大于左舷30
°
后恢复直航；如图7所示。
135.如果碍航物距离大于30米，该碍航物方位角为右舷15
°
以内(即碍航物方位角大于右舷0
°
小于右舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶右电机保持增速20％，左电机速度减为0，直到碍航物方位角变为大于右舷30
°
后恢复直航；如图8所示；
136.如果碍航物距离小于30米，该碍航物方位角为左舷15
°
以内(即碍航物方位角大于左舷0
°
小于左舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶左电机增速40％，右电机速度减为0，直到碍航物方位角变为大于左舷30
°
后恢复直航；如图9所示。
137.如果碍航物距离小于30米，该碍航物方位角为右舷15
°
以内(即碍航物方位角大于右舷0
°
小于右舷15
°
，此情况为正面相遇状态或追越状态)；则执行船舶右电机增速40％，左电机速度减为0，直到碍航物方位角变为大于右舷30
°
后恢复直航；如图10所示。
138.如图4所示，图4为掩膜处理的yolov3目标检测网络模型，具体的，部署在高性能gpu嵌入式设备里面的深度学习目标检测算法，为一种融合了transformer结构的yolov3目标检测网络模型，该模型能够自动快速准确的检测出船舶前方常见类型的碍航物类别，本实施例中的嵌入式系统还设置有改进的yolov3目标检测网络模型，所述改进的yolov3目标检测网络模型按照以下步骤进行：
139.本实施例提供的改进的yolov3目标检测网络模型步骤如下：
140.获取航道拍摄的航道图像数据；
141.对图像进行预处理得到若干图像块；
142.使用掩膜方法对所有图像块以均匀分布函数进行遮蔽处理，所述遮蔽处理中遮蔽的图像块数量占所有图像块数量根据预设值进行确定，一般选择为20％-50％之间；
143.将经过掩膜方法处理后的图像数据输入到骨干网络进行特征提取，在特征提取过程中采用原yolov3网络模型的方法，获取不同尺度的特征，最终得到航道碍航物目标。
144.本实施例提供的yolov3目标检测网络模型具体过程是：输入获取高清摄像头所拍摄的船舶前方视野图，经过图像预处理后尺寸变为416*416像素点，然后将预处理后的图像划为16*16个等大的图像块，使用掩膜方法对所有图像块以均匀分布函数进行遮蔽处理，遮蔽的图像块数量占所有图像块数量的50％，获取采用掩膜方法处理后的图像对应的3通道的特征图，输入到骨干网络(backbone)进行特征提取，在特征提取过程中采用原yolov3网络模型的方法，获取3种不同尺度的特征，提高小型目标的检测能力。本实施例中提供的改进的yolov3目标检测模型是在原yolov3模型的基础上采用了掩膜方法，改进后的yolov3目标检测模型能够减少过拟合，增强模型的鲁棒性，提高目标检测的精度。具体的掩膜方法描述如下：
145.将输入的图像进行区域划分，划分后，原图像即分为了多个等大的小图像块，然后
对这些图像块以均匀分布函数进行遮蔽处理，遮蔽的图像块数量占所有图像块数量的比例可以为20％、30％、或者50％，例如遮蔽比例为50％的话，那么原图像就有一半区域不可见。由于航行在水面上的船舶所采集的图像大部分背景面积都是水和天空，碍航物目标只占据整个图像的小部分，而水的特征基本相似，且天空的特征也基本相似，也就是说，大部分的水所在的图像块和天空所在的图像块都是冗余特征，因此，经过掩膜方法处理后的图像，可以大大降低网络所提取特征的冗余性，减少过拟合，最终提高碍航物目标的检测精度。
146.当该无人船遇到碍航物时，能够通过高清摄像头获取周围环境，然后相应的视频帧输入到船舶搭载的gpu嵌入式设备，利用部署的深度学习目标检测算法自动识别出图像帧中的碍航物类别，并记录该碍航物在图像中的位置，同时，搭载的激光雷达能够自动检测到该碍航物，并记录该碍航物的距离和方位信息，自动与图像识别结果进行结合分析，激光雷达仅用于测量碍航物相对本船的距离和方位，而利用目标检测算法对摄像头的图像进行识别的结果中包含了图像中碍航物的具体类别以及碍航物在图像中的具体坐标位置，根据该坐标位置，再与激光雷达的方位信息进行比对，即可实现碍航物信息的准确识别，达到准确判断该碍航物的属性(具体属性包括：该碍航物的类别、该碍航物与本船的距离和方位)，从而精准控制船舶实施相应的避障措施。
147.具体精准控制船舶避障的控制算法的伪代码如下：
148.149.[0150][0151]
此控制算法的优点在于：算法针对性强，简单准确。
[0152]
与原始yolov3目标检测算法相比，本实施例中掩膜处理的yolov3目标检测算法在原来输入图像上进行了掩膜处理，如上所示，在训练该模型时，对输入图像进行区块划分，将原始输入图像划分为多个等大的区块，然后以一定比例对这些图像块进行随机遮蔽处理，然后将遮蔽后的图像输入backbone进行进一步的处理。这样大大增加了模型的鲁棒性，提高模型的精度。尤其是对于水面上的目标检测，由于航行在水面上的无人船，其视野图像大部分背景部分都是水和天空，这些背景部分在模型的前向传播过程中存在严重的特征冗余，因此，经过本实施例改进的yolov3算法后，可以大大提高模型的鲁棒性。
[0153]
当无人船在依靠其自身的避障措施仍然无法保证航行安全时，会自动向远程控制终端发送警报信息，提醒远程控制终端的工作人员接手控制无人船，工作人员在收到警报信息后，可通过远程遥控终端查看该无人船周围的实时环境，和实时gps位置，并通过远程控制功能给无人船发送控制指令，操作船舶，使船舶处于安全环境。
[0154]
上述过程中无人船接收手机app端发送的预设航线以及发送警报信息到手机app端，所采用的远程通信技术为基于mqtt协议和云服务器设计的一种远程通信方法。在人工模式时，从手机app端发送控制指令到无人船也是通过这种远程通信方法。该方法不仅实时性高，而且稳定可靠，只要无人船航行的水域有4g/5g信号，该远程通信方法都可用。当无人船自主航行执行任务航行到没有4g/5g信号的地方时，可以根据无人船控制板上预设的航线和自主航行能力自己航行。
[0155]
如图5所示，人工模式时，在远程手机app端可对无人船上的两个电机发送相应的速度控制指令，船端根据接收到的远程控制指令对船舶实施相应的运动控制，具体的，远程控制模块总共包括五种操作：左电机无级调速(位于图上的下端控制部分的左边进度条)、右电机无级调速(位于图上的下端控制部分的右边进度条)、两个电机同时无级调速(位于图上的下端控制部分的中间进度条)、启动、倒车、停车。通过这五种操作控制，可以以各种速度灵活实现船舶的左转、右转、直行、倒车、停车。
[0156]
如图6所示，具体的人工控制工作流程图如下：
[0157]
当无人船在依靠其自身的避障措施仍然无法保证航行安全时，会自动向远程控制终端发送警报信息，提醒远程控制终端的工作人员接手控制无人船，工作人员在收到警报信息后，可通过远程遥控终端查看该无人船周围的实时环境，和实时gps位置，并通过远程控制功能给无人船发送控制指令，操作船舶，使船舶处于安全环境。
[0158]
本实施例的无人船具有两种运动模式：自主航行模式和人工控制模式。本实施例的远程监控技术可以实现在远程手机端app上和电脑网页端同时查看船舶当前周围的实时环境。在人工控制模式下，能够在手机端或者电脑端对船舶发送远程控制指令，对船舶进行
人工控制航行；在自主航行模式下，船舶能够根据远程手机端或者电脑端发送的预设航线并结合相应的避障措施进行自主航行，其中，预设航线可在手机app端通过地图选点的方式进行各个航路点的选择，选择好各个航路点后，自动形成航线，并通过远程通信发送到船舶端。
[0159]
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。