基于紅外成像的船舶凈空高度測(cè)量方法

董麗麗， 張 科， 許文海

(大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院，大連 116026)

由于中國(guó)對(duì)于通航水域橋梁防止船舶碰撞法規(guī)和工程技術(shù)規(guī)范仍不完善，部分橋梁對(duì)于船舶碰撞的防護(hù)能力仍并未達(dá)到國(guó)家現(xiàn)行建筑規(guī)范的要求，同時(shí)船舶的大型化導(dǎo)致船舶的撞擊能力增加，部分橋梁對(duì)于船舶碰撞的防護(hù)能力無(wú)法適應(yīng)船舶大型化的要求，超過(guò)橋梁高度的船舶一旦通過(guò)橋梁，輕者將造成船-橋損傷，重者將船毀橋塌，造成重大的人員傷亡、財(cái)產(chǎn)損失以及嚴(yán)重的環(huán)境污染[1]。以2015年廣東肇慶西江大橋吸砂船碰撞事故為例，該事故造成了西江大橋橋梁受損，經(jīng)濟(jì)損失4 000余萬(wàn)元，而此類事故在國(guó)外也時(shí)有發(fā)生。因此，研究一套有效的橋梁防撞系統(tǒng)對(duì)于中外水上交通的安全和發(fā)展有重要意義。

中外學(xué)者針對(duì)船舶撞橋問(wèn)題開(kāi)展研究工作起源于20世紀(jì)60年代末，直到1983年6月，國(guó)際橋梁和結(jié)構(gòu)工程協(xié)會(huì)IABSE第一次在哥本哈根舉行“船撞橋合理設(shè)計(jì)與分析”專題研討會(huì)，使船撞橋研究邁入了一個(gè)快速發(fā)展的時(shí)期[2]。目前，橋梁防撞技術(shù)的研究主要有兩種。一種是被動(dòng)防撞技術(shù)，該防撞技術(shù)通過(guò)改變船舶撞擊力方向、吸收或消散撞擊能、限制及降低由船舶轉(zhuǎn)移到橋墩上的撞擊能等方式保護(hù)橋梁。孫亞軍[3]在2012年提出了剛-聚氨酯夾層結(jié)構(gòu)，提高了橋梁的耐撞性能；金軒慧[4]在2014年設(shè)計(jì)了一種復(fù)合材料防撞套箱，減少船橋碰撞的撞擊能。2018年，彭達(dá)[5]結(jié)合鋼板的剛性和橡膠等材料的塑形變形吸能較大的特性，將鋼板層和橡膠層連接，提出一種軟硬交替的防護(hù)系統(tǒng)。被動(dòng)防船撞技術(shù)僅考慮對(duì)橋梁的防護(hù)，以物理手段降低事故后果的嚴(yán)重性[6]，不能降低事故頻次。第二種為主動(dòng)防撞技術(shù)，近年來(lái)，許多學(xué)者對(duì)主動(dòng)防撞系統(tǒng)進(jìn)行了研究：徐言民[7]在2010年運(yùn)用船舶操縱運(yùn)動(dòng)理論及運(yùn)動(dòng)數(shù)學(xué)模型建立了受控船舶安全航行模型、失控船舶臨界撞橋模型，并據(jù)此建立了橋梁主動(dòng)防船撞系統(tǒng)；張慧哲等[8]在2011年提出了基于視頻監(jiān)控技術(shù)的橋梁防撞系統(tǒng)解決方案，通過(guò)監(jiān)控預(yù)警體系發(fā)現(xiàn)違規(guī)行駛船舶并發(fā)出警告；王淑等[9]在2012年提出了基于光電復(fù)合探測(cè)的橋梁主動(dòng)防船撞系統(tǒng)，該系統(tǒng)主要通過(guò)船舶目標(biāo)航跡預(yù)測(cè)船舶通過(guò)橋梁的位置、到達(dá)時(shí)間等，對(duì)撞橋風(fēng)險(xiǎn)給予準(zhǔn)確的判斷。上述船橋防撞系統(tǒng)都只對(duì)偏離航道或失控船舶進(jìn)行了監(jiān)視和預(yù)防，間接對(duì)船-橋碰撞進(jìn)行預(yù)測(cè)，沒(méi)有直接考慮超高船舶通過(guò)橋梁造成的嚴(yán)重影響。

根據(jù)目前研究現(xiàn)狀，以預(yù)防超高船舶通過(guò)大橋?yàn)槟康?，以攝像機(jī)針孔模型為原理，以目標(biāo)檢測(cè)算法和高精度船舶輪廓提取算法為基礎(chǔ)，提出了一種基于紅外成像的船舶凈空高度測(cè)量方法。該方法摒棄了傳統(tǒng)的可見(jiàn)光監(jiān)視技術(shù)，采用紅外監(jiān)測(cè)技術(shù)，避免惡劣天氣和夜間情況對(duì)監(jiān)視效果的影響；針對(duì)紅外圖像相不清晰問(wèn)題，重點(diǎn)對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)邊緣檢測(cè)算法進(jìn)行改進(jìn)，提高船舶輪廓的提取精度，以實(shí)現(xiàn)全天時(shí)、全天候測(cè)量，達(dá)到實(shí)時(shí)檢測(cè)、減少通航水域船橋碰撞事故的目的。

1 測(cè)量方案

采用紅外攝像機(jī)完成視頻序列的采集工作。由于紅外成像受外界光照條件的影響弱，穿透煙霧能力強(qiáng)，避免了惡劣天氣(如大霧)和夜間光照弱對(duì)視頻監(jiān)視的影響，可滿足全天候，全天時(shí)的設(shè)計(jì)需求。測(cè)量方法示意圖如圖1所示。

圖1 測(cè)量方法示意圖Fig.1 Schematic of measure method

為了獲取合適的紅外圖像序列，將紅外攝像機(jī)架設(shè)于岸邊的立桿上，俯拍江面船舶，架設(shè)高度和岸邊距離等可根據(jù)實(shí)際情況而定。由于紅外攝像機(jī)視場(chǎng)過(guò)大會(huì)導(dǎo)致計(jì)算精度降低，所以選擇較小視場(chǎng)，但是小視場(chǎng)帶來(lái)的問(wèn)題是小視場(chǎng)不能監(jiān)測(cè)到整個(gè)江面，故可將攝像機(jī)置于可上下旋轉(zhuǎn)的云臺(tái)上，通過(guò)云臺(tái)的轉(zhuǎn)動(dòng)調(diào)節(jié)監(jiān)視視場(chǎng)，達(dá)到監(jiān)測(cè)整個(gè)江面船舶的目的。

船舶凈空高度的測(cè)量整體算法分為三部分，分別為船舶檢測(cè)、高精度船舶輪廓提取、船舶凈空高度的計(jì)算。整體算法方案如圖2所示。

圖2 整體算法結(jié)構(gòu)圖Fig.2 Overall algorithm structure diagram

紅外攝像機(jī)采集紅外視頻序列后，將紅外圖像經(jīng)預(yù)處理作為初始圖像，通過(guò)船舶檢測(cè)算法(視覺(jué)注意力模型目標(biāo)檢測(cè)算法與管道濾波算法相結(jié)合)對(duì)初始紅外圖像進(jìn)行目標(biāo)檢測(cè)，若檢測(cè)到目標(biāo)船舶，則提取船舶精確輪廓，判斷圖像中船舶是否為船舶正側(cè)面圖像，若是直接計(jì)算船舶像素高度，反之通過(guò)透視變換矯正后計(jì)算船舶像素高度。最后根據(jù)攝像機(jī)針孔模型計(jì)算船舶實(shí)際凈空高度，反饋計(jì)算結(jié)果。若發(fā)現(xiàn)超過(guò)橋梁通航高度的船舶則立刻發(fā)出警報(bào)，通知相關(guān)監(jiān)管人員阻止船舶通過(guò)大橋，同時(shí)記錄告警事件和視頻數(shù)據(jù)。

2 算法方案

2.1 船舶檢測(cè)算法

船舶檢測(cè)算法用于從紅外序列圖像中檢測(cè)船舶目標(biāo)，獲取船舶所在的連通域，為船舶輪廓提取部分奠定基礎(chǔ)。

目前常用的目標(biāo)檢測(cè)算法有小波變換法、視覺(jué)注意力模型算法和局部峰值算法。其中小波變換算法對(duì)于紋理方向性較強(qiáng)的干擾(如江水波浪、云層)有很強(qiáng)的抑制效果，適用于弱小目標(biāo)的檢測(cè)，局部峰值算法同樣對(duì)于弱小目標(biāo)有很好的檢測(cè)準(zhǔn)確率。視覺(jué)注意力模型算法能夠?qū)崿F(xiàn)對(duì)圖像中大目標(biāo)以及小目標(biāo)的同時(shí)檢測(cè)。結(jié)合的測(cè)量目標(biāo)主要為大型船舶，視覺(jué)注意力模型檢測(cè)算法能夠更好地實(shí)現(xiàn)檢測(cè)船舶的目的。

由于紅外攝像機(jī)采集的紅外圖像中不僅包含船舶目標(biāo)，還可能包含其他背景，所以采用視覺(jué)注意力模型目標(biāo)檢測(cè)算法檢測(cè)到疑似目標(biāo)后，再根據(jù)船舶運(yùn)動(dòng)的特點(diǎn)采用管道濾波多幀判決算法去除干擾，找到真實(shí)船舶目標(biāo)。船舶檢測(cè)算法結(jié)構(gòu)框圖如圖3所示。

圖3 船舶檢測(cè)算法結(jié)構(gòu)框圖Fig.3 Ship target detection algorithm block diagram

傳統(tǒng)視覺(jué)注意力模型目標(biāo)檢測(cè)處理過(guò)程一般分為三步：特征圖提取、顯著圖合成和顯著性區(qū)域提取。由于紅外圖像為灰度圖像，傳統(tǒng)視覺(jué)注意力模型算法在此應(yīng)用中存在以下三點(diǎn)缺陷：①紅外圖像中顏色形態(tài)將無(wú)法應(yīng)用；②計(jì)算背景平滑度時(shí)會(huì)將圖像邊緣區(qū)域顯著性降低導(dǎo)致圖像邊緣地區(qū)的目標(biāo)被漏檢；③檢測(cè)過(guò)程需要人工監(jiān)督，無(wú)法得以工程應(yīng)用。

所以在實(shí)際應(yīng)用中，選用改進(jìn)的視覺(jué)注意力模型算法，改進(jìn)部分分別是基于背景平滑性評(píng)估的原始特征依據(jù)選取、非邊緣衰減的center-surround 差異算子、基于局部顯著性強(qiáng)度的顯著圖并行化閾值處理方法，參看文獻(xiàn)[10]。

單幀的目標(biāo)檢測(cè)中可能包含偽目標(biāo)，為了去除這些偽目標(biāo)，應(yīng)用管道濾波算法。管道濾波算法是依據(jù)目標(biāo)軌跡在圖像序列中的連續(xù)性所構(gòu)造的一種時(shí)空濾波器[11]，它的基本原理是以第一幀圖像中的某個(gè)檢測(cè)目標(biāo)為中心建立一個(gè)沿時(shí)間軸伸展的時(shí)空管道，管道長(zhǎng)度代表連續(xù)檢測(cè)的時(shí)間長(zhǎng)度，管道直徑代表作用范圍[12]。當(dāng)該檢測(cè)目標(biāo)在管道內(nèi)的出現(xiàn)次數(shù)達(dá)到閾值要求時(shí)，判定該檢測(cè)結(jié)果為真實(shí)目標(biāo)，否則將其視作干擾去除。

通過(guò)上述單幀檢測(cè)算法和多幀判決算法，能很好地達(dá)到檢測(cè)船舶的目的，算法檢測(cè)結(jié)果如圖4所示。結(jié)果表明，管道濾波能夠有效去除偽目標(biāo)，如圖4中的橋梁，準(zhǔn)確檢測(cè)到船舶目標(biāo)。

圖4 船舶目標(biāo)檢測(cè)結(jié)果Fig.4 Ship target detection results

2.2 改進(jìn)的PCNN輪廓提取算法

船舶輪廓提取算法是在船舶檢測(cè)算法的基礎(chǔ)上完成，進(jìn)行輪廓提取時(shí)重點(diǎn)關(guān)注目標(biāo)的連通區(qū)域。是否能夠提取較為精確的船舶輪廓信息對(duì)船舶凈空高度測(cè)量模塊的提取精度有直接的影響。

常用的輪廓提取方法有脈沖耦合神經(jīng)網(wǎng)絡(luò)法(PCNN)、Canny邊緣檢測(cè)法等。但當(dāng)船舶的灰度值和背景的灰度值接近的時(shí)候，Canny算法容易受到江面波浪等干擾，無(wú)法將船舶輪廓從背景中提取精確的輪廓PCNN算法能夠結(jié)合局部區(qū)域特性進(jìn)行區(qū)域觸發(fā)，很好地避免了相似灰度級(jí)的背景和雜點(diǎn)的觸發(fā)[13]，所以選擇PCNN算法來(lái)提取船舶輪廓。

基本的PCNN算法存在一定的缺陷：①根據(jù)經(jīng)驗(yàn)選取初始閾值的不合理性；②由于船舶所處環(huán)境的特殊性，江面形成的倒影與船舶灰度值接近，雖然PCNN對(duì)雜點(diǎn)的觸發(fā)有很好的抑制作用，但輪廓提取結(jié)果仍然存在少量冗余點(diǎn)。

針對(duì)以上缺點(diǎn)，做了兩點(diǎn)改進(jìn)，分別是基于大律法的最佳閾值選取，形態(tài)學(xué)運(yùn)算去除冗余點(diǎn)。改進(jìn)的PCNN輪廓提取算法結(jié)構(gòu)如圖5所示。

圖5 輪廓提取算法結(jié)構(gòu)框圖Fig.5 Contour extraction algorithm block diagram

2.2.1 基于大律法的PCNN輪廓提取

由于PCNN模型中初始閾值的設(shè)定常依賴于經(jīng)驗(yàn)，而不合理的設(shè)置會(huì)抑制PCNN的優(yōu)勢(shì)[14]，所以初始閾值的選取對(duì)PCNN輪廓提取效果有著重要影響。結(jié)合船舶紅外圖像的灰度分布信息，選擇大律法對(duì)PCNN初始閾值的選取進(jìn)行優(yōu)化。

大律法基于圖像的統(tǒng)計(jì)特性實(shí)現(xiàn)閾值的自動(dòng)選取，其基本思想是用某一假定的灰度將圖像分成兩組，當(dāng)兩組的類間方差最大時(shí)，目標(biāo)和背景的方差最大，這就意味著圖像目標(biāo)和背景的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或背景錯(cuò)分為目標(biāo)時(shí)都會(huì)導(dǎo)致方差值減小，因此大律法可以使圖像分割出錯(cuò)的概率最小。

由大律法得到最佳初始閾值后，進(jìn)入PCNN輪廓提取算法。PCNN處理灰度圖像時(shí)模型如圖6所示。

Fjk、Ljk分為反饋輸入和連接輸入；Ujk為神經(jīng)元內(nèi)部活動(dòng)項(xiàng)；θjk為動(dòng)態(tài)閾值；Yjk為輸出項(xiàng)；β為連接連接強(qiáng)度系數(shù)；α為閾值比例系數(shù)，調(diào)節(jié)閾值大小；Vθ為閾值幅度系數(shù)圖6 PCNN模型結(jié)構(gòu)示意圖Fig.6 Structure of PCNN model

PCNN處理灰度圖像時(shí)，將圖像中的每個(gè)像素點(diǎn)的灰度和以該像素點(diǎn)為中心周圍像素點(diǎn)灰度加權(quán)和作為輸入部分；通過(guò)連接系數(shù)β將兩者耦合內(nèi)部活動(dòng)項(xiàng)，作為調(diào)制部分；最后將內(nèi)部活動(dòng)項(xiàng)和動(dòng)態(tài)閾值θ進(jìn)行比較，若大于閾值，則該神經(jīng)元為激發(fā)態(tài)(俗稱點(diǎn)火)，輸出Y置1，反之為未激發(fā)態(tài)，輸出Y置0，通過(guò)這樣反復(fù)迭代循環(huán)，就會(huì)將原始圖像分割成一幅二值圖像。再應(yīng)用最大香農(nóng)熵法則對(duì)分割結(jié)果進(jìn)行最佳分割的判斷，若符合最佳判定標(biāo)準(zhǔn)則分割結(jié)束。

使用大律法最佳閾值為PCNN初始閾值輪廓提取結(jié)果如圖7所示。

圖7 改進(jìn)PCNN輪廓提取算法結(jié)果Fig.7 Improved PCNN contour extraction algorithms

由圖7(b)可知，根據(jù)經(jīng)驗(yàn)選取初始閾值造成了船舶輪廓的部分缺失，而圖7(c)中通過(guò)大律法最佳閾值自動(dòng)選取避免了船舶底部部分被劃分為背景的錯(cuò)誤分割現(xiàn)象，提取的輪廓較為完整。通過(guò)計(jì)算，圖7(b)、圖7(c)船舶像素高度差為18像素，這意味著由于輪廓提取不準(zhǔn)確會(huì)導(dǎo)致船舶凈空高度計(jì)算誤差增大1.8 m。可以看出，基于大律法的 PCNN 輪廓提取比較精確，但該算法提取得到的輪廓周圍仍不可避免地存在少量較小的冗余點(diǎn)，故加入了形態(tài)學(xué)運(yùn)算去除冗余點(diǎn)，達(dá)到高精度輪廓提取的目的，提高船舶凈空高度計(jì)算精度。

2.2.2 形態(tài)學(xué)運(yùn)算

PCNN輪廓提取算法在應(yīng)用背景中存在輪廓邊緣多余像素點(diǎn)的問(wèn)題，形態(tài)學(xué)運(yùn)算可以通過(guò)二值化圖像和結(jié)構(gòu)元素相互作用的運(yùn)算使圖像質(zhì)量得到改善[15]，其中形態(tài)學(xué)開(kāi)運(yùn)算通常用于去除較小的明亮細(xì)節(jié)，并且圖像的整體外部輪廓基本不會(huì)發(fā)生變化，故選擇形態(tài)學(xué)開(kāi)運(yùn)算去除冗余點(diǎn)。

通過(guò)上述基于大律法初始閾值選取和形態(tài)學(xué)運(yùn)算去除冗余點(diǎn)PCNN算法的改進(jìn)，PCNN輪廓提取效果得到了較大的提升。

改進(jìn)的PCNN最終輪廓提取結(jié)果如圖8所示。

圖8 輪廓提取結(jié)果Fig.8 Contour extraction results

由圖8可知，改進(jìn)后的輪廓提取算法可以很好地提取船舶輪廓，為后續(xù)船舶凈空高度的計(jì)算奠定良好的基礎(chǔ)。

2.3 透視變換矯正

透視變換用于矯正船舶檢測(cè)到的不同角度的大型船舶圖像。由于攝像機(jī)拍攝的紅外圖像中，船舶可能處于不同角度(分為正投影圖像和斜投影圖像)，同時(shí)攝像機(jī)的成像特性和與光學(xué)原理所產(chǎn)生的透視效果會(huì)導(dǎo)致圖像中的目標(biāo)產(chǎn)生透視畸變[16]，從而影響船舶凈空高度測(cè)量精度，故需要對(duì)紅外攝像機(jī)獲取的斜投影圖像進(jìn)行二次投影變換得到正投影圖像，同時(shí)矯正透視畸變。

透視變換是通過(guò)坐標(biāo)變換將圖像投影到一個(gè)新的視平面，也稱投影映射。它基于3×3矩陣的變換，計(jì)算式如式(1)所示:

(1)

式(1)中：(u，v)為原始圖像像素坐標(biāo)；(x，y，z)為其次坐標(biāo)，透視變換后得到的圖像像素坐標(biāo)為(x′，y′)，則：

(2)

(3)

由式(2)、式(3)可知，透視變換方程組有8個(gè)未知數(shù)，故求解需要找到四組映射點(diǎn)。對(duì)于斜投影的船舶紅外圖像，可以根據(jù)圖像中船舶的傾斜角度繪制船舶外接四邊形，分別以此外接四邊形四個(gè)角點(diǎn)的坐標(biāo)為四組映射點(diǎn)，由此可求解得到透視變換矩陣，從而得到透視變換矯正后圖像。矯正前后圖像如圖9所示。

圖9 透視變換矯正Fig.9 Perspective transformation correction image

2.4 船舶凈空高度測(cè)量方法

船舶凈空高度測(cè)量方法主要基于攝像機(jī)針孔模型原理。將攝像機(jī)假設(shè)為一個(gè)簡(jiǎn)單的攝像機(jī)針孔模型，如圖10所示。此模型中，假設(shè)光線從場(chǎng)景或很遠(yuǎn)的物體發(fā)射過(guò)來(lái)，此時(shí)目標(biāo)在圖像平面上被聚焦[17]。以針孔的點(diǎn)為投影中心，攝像機(jī)與遠(yuǎn)處目標(biāo)大小相關(guān)的參數(shù)為焦距f。

圖10 攝像機(jī)針孔模型示意圖Fig.10 Schematic diagram of camera pinhole model

圖10中，Z為攝像機(jī)到船舶的距離，m；Y為船舶實(shí)際高度，m；y為船舶在圖像平面上的像素高度，px。根據(jù)相似三角形，可得到物體實(shí)際高度的計(jì)算公式:

(4)

式(4)中：船舶到攝像機(jī)的距離Z可由攝像機(jī)GPS位置信息與系統(tǒng)接收到的船舶GPS數(shù)據(jù)計(jì)算；船舶在圖像平面上的像素高度y由第2.2節(jié)闡述的算法獲得。

2.5 報(bào)警模塊

報(bào)警模塊在本系統(tǒng)的作用為當(dāng)測(cè)量得到超過(guò)通航高度的船舶則立刻發(fā)出報(bào)警信息通知相關(guān)人員。

通過(guò)2.2～2.4節(jié)對(duì)中紅外圖像中船舶的檢測(cè)和對(duì)船舶凈空高度的計(jì)算，可以檢測(cè)得到船舶目標(biāo)并對(duì)其凈空高度進(jìn)行預(yù)算。當(dāng)報(bào)警系統(tǒng)接收到超過(guò)橋梁通航高度的船舶的信息，系統(tǒng)自動(dòng)產(chǎn)生告警信息，包括地理位置、實(shí)測(cè)凈空高度、限制凈空高度等信息。系統(tǒng)將報(bào)警系統(tǒng)與有關(guān)管理部門的信息系統(tǒng)連接，一旦發(fā)現(xiàn)超高船舶的警告信息，海事管理人員可通過(guò)適當(dāng)?shù)耐ㄐ欧绞?，如VHF通話、撥打船舶電話等，及時(shí)向船舶提供預(yù)警信息。

3 實(shí)驗(yàn)驗(yàn)證及結(jié)果

為了驗(yàn)證系統(tǒng)的可行性與可靠性，進(jìn)行實(shí)驗(yàn)驗(yàn)證，采集大量紅外圖像對(duì)船舶凈空高度測(cè)量方法進(jìn)行試驗(yàn)和分析。實(shí)驗(yàn)應(yīng)用分辨率為640×512，焦距為228.671 mm，像元大小為15 μm的紅外攝像機(jī)，架設(shè)于高度約為30 m，距離江邊約60 m，俯拍江面船舶(租用)。為了方便測(cè)量船舶在江面時(shí)實(shí)際凈空高度，實(shí)驗(yàn)前人工測(cè)量船頂?shù)酱线吘壍母叨?，?shí)驗(yàn)過(guò)程中分別測(cè)量紅外攝像機(jī)到船舶不同距離處船水交界線到船舶上邊緣的高度，并記錄，同時(shí)在軟件平臺(tái)接收、記錄船舶的GPS位置信息。

以現(xiàn)場(chǎng)拍攝到的5張典型紅外圖像為例進(jìn)行分析計(jì)算，如圖11所示，原圖1、原圖2為正側(cè)面圖像，所以矯正前后不變，原圖3～原圖5為斜側(cè)面圖像。圖11中矩形框?yàn)榇暗恼饨泳匦?。船舶矯正前后凈空高度計(jì)算結(jié)果如表1所示，誤差計(jì)算結(jié)果如表2所示。表1中，距離表示紅外攝像機(jī)到船舶的距離。

圖11 實(shí)驗(yàn)圖像Fig.11 Experimental image

表1 船舶凈空高度計(jì)算Table 1 Calculation of ship clearance height

表2 誤差計(jì)算

由表2可知，圖11(a)～圖11(c)的誤差較小，表明船舶輪廓提取算法的精確度較高，但圖11(e)、圖11(g)、圖11(j)的結(jié)果表明當(dāng)船舶為斜投影時(shí)，直接提取輪廓計(jì)算船舶凈空高度導(dǎo)致誤差較大。表2中，圖11(f)、圖11(h)、圖11(j)數(shù)據(jù)表明，通過(guò)透視變換矯正后能夠有效的減小計(jì)算誤差。

通過(guò)實(shí)驗(yàn)驗(yàn)證與分析，提出的船舶凈空高度測(cè)量方法可行，當(dāng)檢測(cè)最大作用距離為6 km時(shí)測(cè)量精度可優(yōu)于1.5 m。

4 結(jié)論

從主動(dòng)防撞的角度出發(fā)，基于攝像機(jī)針孔模型，提出了一種船舶凈空高度測(cè)量方法。

(1)應(yīng)用了紅外攝像機(jī)，避免了可見(jiàn)光相機(jī)夜間拍攝效果差，容易受天氣(如大霧)影響的缺點(diǎn)。

(2)提出改進(jìn)的PCNN算法，加入大律法自動(dòng)化初始閾值的選取和形態(tài)學(xué)運(yùn)算處理冗余點(diǎn)，提高了船舶輪廓提取的精確度，解決了船舶凈空高度測(cè)量的精度問(wèn)題。

利用實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了方法的可行性，結(jié)果表明基于紅外成像的船舶凈空高度測(cè)量方法有良好的測(cè)量性能。