买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜华南理工大学申请的专利一种海洋网箱栏杆视觉追踪与定位方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119295550B 。

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411815659.2，技术领域涉及：G06T7/73；该发明授权一种海洋网箱栏杆视觉追踪与定位方法及系统是由陈建霖;梁凌宇设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种海洋网箱栏杆视觉追踪与定位方法及系统在说明书摘要公布了：本发明公开了一种海洋网箱栏杆视觉追踪与定位方法及系统。所述方法包括以下步骤：对单目RGB摄像头采集的图像进行预处理；在预处理后的图像中识别海洋网箱栏杆，采用基于深度学习的目标检测算法初步检测海洋网箱栏杆的位置，结合特征匹配方法进一步确认海洋网箱栏杆的位置；对已识别的海洋网箱栏杆进行持续追踪，采用卡尔曼滤波预测栏杆的运动状态，并结合meanshift目标跟踪、时序信息融合、运动补偿技术，实现对栏杆目标的稳定锁定；根据已识别和追踪到的海洋网箱栏杆，利用单目视觉以及尺度信息估计无人船与海洋网箱之间的距离。本发明基于经济实用的单目摄像头，实现对海洋网箱栏杆的精准识别、稳定追踪和距离估计。

本发明授权一种海洋网箱栏杆视觉追踪与定位方法及系统在权利要求书中公布了：1.一种海洋网箱栏杆视觉追踪与定位方法，其特征在于，包括以下步骤：S1、对单目RGB摄像头采集的图像进行预处理；S2、在预处理后的图像中识别海洋网箱栏杆，采用基于深度学习的目标检测算法初步检测海洋网箱栏杆的位置，然后结合特征匹配方法进一步确认海洋网箱栏杆的位置；S3、对已识别的海洋网箱栏杆进行持续追踪，采用卡尔曼滤波预测栏杆的运动状态，并结合meanshift目标跟踪、时序信息融合、运动补偿技术，实现对栏杆目标的锁定；具体包括以下步骤：S3.1、构建卡尔曼滤波预测模型，采用卡尔曼滤波预测模型进行预测；具体包括：首先，定义包括海洋网箱栏杆中心坐标,和速度,的状态向量，和分别为海洋网箱栏杆在和方向上的速度；然后，基于短时间内匀速运动假设，构建状态转移矩阵和观测矩阵具体过程：状态转移矩阵表示为： 其中为相邻两帧之间的时间间隔；观测矩阵表示为： ；接着，根据实际情况设置过程噪声和观测噪声的协方差矩阵，具体过程如下：过程噪声协方差矩阵反映状态预测的不确定性；使用连续时间白噪声加速度模型来设置： 其中，为过程噪声强度；最后利用构建的卡尔曼滤波模型对海洋网箱栏杆的运动状态进行预测，具体包括：状态预测和协方差预测： 其中，为时刻的系统状态向量；为状态转移矩阵，描述时刻到时刻状态的线性关系；为时刻的系统状态向量；为控制输入矩阵，描述控制向量如何影响状态；为时刻的控制向量；为过程噪声，服从均值为0，协方差矩阵为的高斯分布；为时刻的观测向量；为观测矩阵，描述状态向量和观测向量之间的线性关系；为观测噪声，服从均值为0，协方差矩阵为的高斯分布；计算卡尔曼增益、进行状态更新和误差协方差更新，得到最优的状态估计：计算卡尔曼增益： 其中，为卡尔曼增益，它决定了应该多大程度上信任观测值；为预测步骤中得到的先验误差协方差；为观测矩阵，将状态空间映射到观测空间；为观测噪声协方差矩阵；为观测矩阵的转置；进行状态更新和协方差更新： 其中，是更新后的状态估计；是预测步骤中得到的先验状态估计；是实际观测值；称为创新或残差，表示实际观测值与预测观测值之间的差异；这个公式将先验估计与加权后的创新相结合，得到更新后的状态估计； 其中，是更新后的误差协方差矩阵；是单位矩阵；S3.2、结合meanshift目标跟踪算法，通过建模目标区域的颜色直方图，在新的图像中寻找与目标最相似的区域，实现对栏杆目标的持续锁定；S3.3、对连续多帧检测到的海洋网箱栏杆位置进行加权平均融合，得到最终的融合位置，提高追踪的稳定性和抗干扰能力；离当前帧越近的位置赋予越大的权重,远离当前帧的位置权重越小；加权平均融合数学表达式如下： 其中指最终的融合位置；是第帧检测到的海洋网箱栏杆位置，是对应第帧的权重，应用指数衰减形式计算，具体公式为： 其中，是帧的索引，=1~，是当前帧的索引，是衰减率；S3.4、在追踪时，根据无人船和海洋网箱的运动状态，利用现有的运动补偿标准算法，包括基于光流的运动补偿算法，对追踪区域进行补偿，确保能持续锁定栏杆目标；S4、根据已识别和追踪到的海洋网箱栏杆，利用单目视觉以及尺度信息估计无人船与海洋网箱之间的距离；具体包括：S4.1、尺寸-距离多项式回归模型建模：通过设定数量的实测数据，建立海洋网箱栏杆在不同距离下的尺寸模型，即栏杆尺寸与距离之间的映射关系；S4.2、尺度不变特征匹配：利用SIFT尺度不变特征，从图像中提取栏杆的尺度信息，并与尺寸-距离多项式回归模型进行匹配，估算出当前的距离；SIFT算法中的尺度空间由高斯核与输入的海洋网箱栏杆图像卷积得到： 其中，高斯核函数为： SIFT特征描述子通过计算关键点周围的梯度方向直方图获得，为高斯核的尺度参数；，为像素的位置坐标；S4.3、时序滤波：将连续多帧的距离估计结果进行时序滤波，削减由于水面波动因素导致的距离抖动，最终得到无人船与海洋网箱之间的距离。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。