(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211125309.4 (22)申请日 2022.09.16 (65)同一申请的已公布的文献号 申请公布号 CN 115205564 A (43)申请公布日 2022.10.18 (73)专利权人 山东辰升科技有限公司 地址 276800 山东省日照市山海天旅游度 假区卧龙山街道太公岛三路教授花园 三期小区南沿河商业 街105-07号商铺 (72)发明人 何冬晓　王栋　李杨　贺伟　 (74)专利代理 机构 郑州知倍 通知识产权代理事 务所(普通 合伙) 41191 专利代理师 邱珍珍 (51)Int.Cl. G06V 10/75(2022.01)G06V 10/44(2022.01) (56)对比文件 CN 10783 3249 A,2018.0 3.23 审查员 孟桓羽 (54)发明名称 基于无人机的船体维护巡 检方法 (57)摘要 本发明公开了基于无人机的船体维护巡检 方法， 涉及图像配准领域。 包括： 获取模板图像和 实时图像； 对实时图像进行不同分辨率的下采 样， 对每组采样图像进行不同程度的模糊处理， 获取差分图像及其对应的掩膜图像； 计算差分图 像中每个像素点的两个模糊损失量； 确定差分图 像中每个像素点的连续程度； 确定实时图像与模 板图像中所有的匹配点及其描述符； 进行角点匹 配并获取调整角度对航线进行调整。 本发明通过 对图像进行边缘识别， 并剔除物体轮廓内部的边 缘线， 保留物体轮廓边缘线， 选取合适的关键点 作为匹配点以保证角点匹配的准确性， 保证巡检 的航线达 到对船体维护的目的。 权利要求书2页 说明书10页 附图3页 CN 115205564 B 2022.12.13 CN 115205564 B 1.基于无 人机的船体维护巡检方法， 其特 征在于， 包括： 获取模板 图像和实时图像， 所述实时图像为行驶过程中船体目标物的图像， 模板 图像 为正常航线上 船体目标物的图像； 对实时图像进行不同分辨率 的下采样得到 组不同分辨率 的采样图像， 再分别对每组 采样图像设置不同的高斯矩阵尺寸， 进行不同程度的模糊处理得到模糊程度由小到大排列 的每组对应的 张模糊图像； 对每组模糊图像中相邻的两张图像进行差分处理， 得到每组中的 张差分图像， 利用每 张差分图像及其对应的两张模糊图像得到 两张掩膜图像； 获取每张差分图像中每个像素点为中心的匹配窗口， 将每个匹配窗口的图像域和尺度 域中的极值像素点作为每个匹配窗口的极值像素点， 得到每张差分图像中所有匹配窗口的 极值像素点； 根据每张差分图像对应的在两张掩膜图像中的每个极值像素点及其邻域像素点的灰 度值， 计算每张差分图像中每 个极值像素点的两个模糊损失量； 所述每张差分图像中每 个极值像素点的两个模糊损失量是按如下 方法确定的： 获取每张差分图像对应的两张模糊图像， 将差分图像对应的两张模糊图像分别与模板 图像相乘得到 两张掩膜图像； 根据每张差分图像对应的两张掩膜图像计算每张掩膜图像中每个极值像素点的模糊 损失量， 计算方法如下： 获取模板图像 中每个极值像素点及其八邻域像素点的灰度值， 计算每个极值像素点与 其八邻域像素点的灰度差值之和， 将得到的和作为模板图像中每个极值像素点相对于邻域 像素点的突出程度； 获取每张掩膜图像中每个极值像素点及其八邻域像素点的灰度值， 计算每个极值像素 点与其八邻域像素点的灰度差值之和， 将得到的和作为掩膜图像中每个极值像素点相对于 邻域像素点的突出程度； 获取模板图像 中每个极值像素点相对于邻域像素点的突出程度， 将差分图像对应的两 张掩膜图像上， 与模板图像中相同位置的像素点相对于邻域像素点的突出程度之差， 作为 差分图像上相同位置的极值像素点的两个模糊损失量， 得到差 分图像上每个极值像素点的 两个模糊损失量； 根据每张差分图像中每个极值像素点及其邻域像素点的灰度值， 确定每 张差分图像中每 个极值像素点的连续 程度； 所述确定每张差分图像中每 个极值像素点的连续 程度的过程如下： 设置滑窗大小， 以极值像素点 为初始点， 以初始点 为中心点进行滑窗遍历； 遍历方法为： 以从左往右， 自上而下的方式移动滑窗中心点， 每当中心点的邻域内像素 点存在灰度值大于0的像素点时， 初始点的连续程度加1， 当中心点的邻域像素点的灰度值 皆为0时， 停止遍历， 此时遍历过的所有极值像素点的连续 程度相同； 更换差分图像 中未遍历过的极值像素点为初始点， 对差分图像中未遍历过的像素点根 据遍历方法进行遍历， 得到差分图像中每个极值像素点的连续程度； 根据每张差分图像每 个极值像素点的连续程度和模糊损失量 获取每个极值像素点的权重值， 根据所有差 分图像 中每个极值像素点的权 重值确定实时图像中所有的匹配点；权　利　要　求　书 1/2 页 2 CN 115205564 B 2所述获取每 个极值像素点的权 重值的方法为： 获取差分图像上每个极值像素点的两个模糊损失量以及连续程度， 计算每个极值像素 点的连续程度的二倍与两个模糊损失量之和的商， 对得到的商进行归一化处理， 将归一化 处理后的值作为每 个极值像素点的权 重值； 设置描述符窗口的大小， 以每个匹配点为中心点的描述符窗口内的所有像素点的梯度 信息构建每 个匹配点的描述符， 同理得到模板图像中每 个匹配点的描述符； 利用获取实时图像中所有匹配点及该匹配点的描述符的方法获取模板图像中的所有 匹配点及该匹配点的描述符， 计算模板图像中与实时图像中描述符相同的匹配点之 间的欧 式距离； 根据匹配点之间的欧式距离对模板图像和实时图像进行角点匹配， 获取匹配后的实时 图像相对于模板图像的位置角度作为调整角度， 根据调整角度对航线 进行调整。 2.根据权利要求1所述的基于无人机的船体维护巡检方法， 其特征在于， 所述确定实时 图像中所有的匹配点的方法如下： 设置匹配 阈值， 保留实时图像中权重值大于匹配 阈值的极值像素点作为目标灰度图像 中的匹配点， 确定实时图像中所有的匹配点。 3.根据权利要求1所述的基于无人机的船体维护巡检方法， 其特征在于， 所述构建每个 匹配点的描述符的过程 为： 以匹配点为中心获取描述符窗口， 获取描述符窗口中每个像素点的梯度信息， 将描述 符窗口以匹配点 为中心划分为四个种子点； 统计每个种子点在 八个方向上的梯度信 息总量， 将得到的每个种子点的梯度信 息总量 作为匹配点的描述符， 得到每 个匹配点的描述符。 4.根据权利要求1所述的基于无人机的船体维护巡检方法， 其特征在于， 所述根据调整 角度对航线 进行调整的过程 为： 获取匹配后的模板图像和实时图像， 提取实时图像中每个像素点相对于模板图像 中像 素点的位置角度， 将提取的位置角度作为调整角度； 根据调整角度对船体的行驶轨 迹进行调整， 使调整后的行驶轨 迹与航线重合。 5.根据权利要求1所述的基于无人机的船体维护巡检方法， 其特征在于， 所述根据匹配 点之间的欧式距离对 模板图像和实时图像进行角点匹配的过程如下： 获取模板图像和实时图像中每个匹配点及其描述符， 将模板图像中与实时图像中匹配 点的描述符相同的匹配点进行连接， 根据匹配点的描述符中的向量值计算相互匹配的匹配 点之间的欧式距离， 计算方法为： 获取模板图像和实时图像中描述符相同的匹配点的描述 符， 对描述符中每个维度的向量值差值之和的算术平方根作为模板图像和实时图像中描述 符相同的匹配点的欧式距离； 设置距离阈值， 在模板图像中为实时图像中的每个匹配点选出欧式距离的最近距离和 次近距离对应的两个匹配点， 当最近距离与次近距离的比值小于等于距离阈值时， 选取距 离最近的匹配点与实时图像中的匹配点匹配成功并进 行连线； 当最近距离与次近距离的比 值大于距离阈值时， 将实时图像中该匹配点筛除， 继续下一个匹配点的匹配。权　利　要　求　书 2/2 页 3 CN 115205564 B 3