一种基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法及装置

1.一种基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于，具体步骤包括：S1，对水炮打击区域进行实时录像，以获取水炮打击区域的实时视频帧图像，对实时视频帧图像进行处理，以获得水炮打击区域的实时亮度值、实时波高和实时波频率，并获取水炮平台处的实时空气湿度、实时可见度；S2，建立引入亮度值、波高、波频率、空气湿度和可见度的图像分割模型，并将步骤S1采集的数据输入图像分割模型中，以分割出水柱图像、打击落点图像和需打击目标图像；S3，计算打击落点图像和目标物图像间的交并比，在交并比大于交并比阈值时，则继续以当前炮口角度射击，并在交并比不大于交并比阈值时，进入步骤S4；S4，基于目标跟踪技术获取需打击目标的三维坐标，并对需打击目标的三维坐标和打击落点图像进行处理，生成实物距离偏差，基于船舶姿态预测技术，预测下次水炮打击时的水炮与当前水炮间的水炮距离偏差，结合实物距离偏差和水炮距离偏差，生成综合距离偏差；S5，基于综合距离偏差迭代调整水炮平台的偏航角和俯仰角，直至交并比大于交并比阈值。 2.根据权利要求1所述的基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于：所述步骤S2包括如下步骤；S21，基于deeplabv3+模型建立图像分割模型，选取轻量级网络MobileNetV2作为骨干网络，并在图像分割模型中插入CBAM注意力模块和数据预处理模块；S22，获取历史样本集，历史样本集包括历史视频帧图像、历史亮度值、历史波高、历史波频率、历史空气温度和历史可见度，并将历史样本集随机划分为训练集和测试集，在训练集的历史视频帧图像上对水柱、打击落点和需打击目标进行标注；S23，将历史样本集输入图像分割模型的预处理模块中进行预处理，预处理包括对视频帧图像进行去噪处理，以及对视频帧图像、亮度值、波高、波频率、空气温度和可见度进行归一化处理；S24，基于预处理后的训练集对图像分割模型进行训练，并基于预处理后的测试集对训练后的图像分割模型进行测试，直至得到测试合格的图像分割模型，将步骤S1采集的实时数据输入测试合格的图像分割模型中，以分割出水柱图像、打击落点图像和需打击目标图像。 3.根据权利要求2所述的基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于：使用预处理后的训练集对图像分割模型进行训练的具体逻辑为：1.1，基于深度可分离卷积技术对视频帧图像进行特征提取，以生成第一特征图；1.2，基于预处理后的亮度值、波高、波频率、空气湿度和可见度，生成环境影响值，计算公式如下：其中，E为环境影响值，L,V,RH,H,f分别为预处理后的亮度值、可见度、空气湿度、波高和波频率，V0,RH0分别为可见度阈值、空气湿度阈值，λ1,λ2,λ3,λ4,C1,γ,δ,ω1,ω2均为待定系数，且ω1+ω2＝1；1.3，对第一特征图和环境影响值进行拼接以形成综合特征图，并对综合特征图进行Atrous卷积，以得到第二特征图，所依据的公式如下：其中，I1表示第一特征图，Concat(I1,E)表示将第一特征图和环境影响值进行拼接，Iz表示综合特征图，Iz(x+r*k',y)表示综合特征图中(x+r*k',y)处位置的像素值，r为扩展率，k'为Atrous卷积中所使用卷积核的索引，且k'＝1,2,…,K，K表示Atrous卷积中所使用卷积核的数量，W k' 表示Atrous卷积中第k'个卷积核的权重，I2表示第二特征图，I2(x,y)表示第二特征图中(x，y)处位置的像素值；1.4，基于CBAM注意力模块中的通道注意力机制，对第二特征图进行处理，以生成通道注意力图，所依据的公式如下：其中，F avg (I2)表示经全局平均池化操作后的第二特征图，F max (I2)表示经全局最大池化操作后的第二特征图，σ为sigmoid激活函数，W c 为通道注意力机制中第c个通道所占的权重，且 M为经通道注意力机制处理后得到的通道注意力图；1.5，基于CBAM注意力模块中的空间注意力机制，对综合特征图、通道注意力图和第二特征图进行处理，以生成空间注意力图，所依据的公式如下：M s ＝σ(Conv 7×7 (Concat(M*I2,M*Iz)))其中，Concat(·)表示使用7×7卷积核进行卷积操作，Concat(M*I2,M*Iz)表示将M*I2和M*Iz进行拼接，M s 经空间注意力机制处理后得到的空间注意力图；1.6，结合通道注意力图、空间注意力图和第二特征图，生成分割用特征图，所依据的公式如下：O＝M s *(M*I2)其中，O表示分割用特征图；1.7，将分割用特征图送入图像分割模型的分类层中进行训练，以生成预测分割结果，比较预测分割结果和标注的实际分割结果，基于交叉熵损失函数计算损失函数值，并通过反向传播算法优化分割用特征图生成时所使用的待定数值，通过多次迭代训练以最小化损失函数值，直至完成训练。 4.根据权利要求1所述的基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于：所述交并比的计算公式如下：其中，A l 表示打击落点图像的面积，A m 表示需打击目标图像的面积，A j 表示打击落点图像和需打击目标图像的交集面积。 5.根据权利要求1所述的基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于：所述步骤S4包括如下步骤：S41，基于光电云台的目标跟踪模块实时获取需打击目标的三维坐标，将三维坐标投影到屏幕坐标系上，得到需打击目标的二维坐标，并在同一屏幕坐标系上确定打击落点图像的落点区域中心坐标；其中，将需打击目标的三维坐标投影成二维坐标所采用的投影公式如下：其中，f x ,f y 均为光电云台上相机的焦距，f x 用于表示相机在水平方向上的放大倍数，f y 用于表示相机在垂直方向上的放大倍数，c x ,c y 为主点坐标，X m ,Y m ,Z m 为目标跟踪模块实时获取的需打击目标三维坐标，X m 为需打击目标在相机坐标系上的水平坐标，Y m 为需打击目标在相机坐标系上的垂直坐标，Z m 为需打击目标距离相机的深度坐标，深度坐标用于表示需打击目标在相机前方的距离，x m ,y m 为投影到屏幕坐标系上的二维坐标，x m 为需打击目标在屏幕坐标系上的水平坐标，y m 为需打击目标在屏幕坐标系上的垂直坐标；S42，计算落点区域中心坐标和需打击目标的二维坐标两者间的像素距离偏差，计算公式如下：其中，x l 为落点区域中心在屏幕坐标系上的水平坐标，yl为落点区域中心在屏幕坐标系上的垂直坐标，Δx为水平方向上的像素距离偏差，Δy为垂直方向上的像素距离偏差；S43，基于像素距离偏差计算实物距离偏差，计算公式如下：其中，d x 为水平方向上的实物距离偏差，d y 为垂直方向上的实物距离偏差；S44，结合实物距离偏差和水炮距离偏差，生成综合距离偏差，计算公式如下：其中，dl x 为水平方向上的水炮距离偏差，dl y 为垂直方向上的水炮距离偏差，dz x 为水平方向上的综合距离偏差，dz y 为垂直方向上的综合距离偏差。 6.根据权利要求1所述的基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于：所述步骤S5包括如下步骤：S51，将综合距离偏差转换为角度偏差，所依据的公式具体如下：其中，L为水炮平台到需打击目标的实际距离，θ x 为偏航角角度偏差，θ y 为俯仰角角度偏差；S52，设定偏航角和俯仰角的单次最大调节角度，结合角度偏差和单次最大调节角度对水炮平台的偏航角和俯仰角进行迭代调节，每次调节后重新计算生成交并比，直至交并比大于交并比阈值，并在单次调节过程中，比较偏航角角度偏差和俯仰角角度偏差的绝对值大小，若偏航角角度偏差的绝对值大于俯仰角角度偏差的绝对值，则先调节偏航角，若不是则先调节俯仰角。 7.根据权利要求6所述的基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于：结合角度偏差和单次最大调节角度对水炮平台的偏航角和俯仰角进行调节的具体逻辑为：在偏航角角度偏差的绝对值大于偏航角单次最大调节角度时，根据偏航角单次最大调节角度调节偏航角，并在偏航角角度偏差的绝对值小于偏航角单次最大调节角度时，根据偏航角角度偏差调节偏航角，在俯仰角角度偏差的绝对值大于俯仰角单次最大调节角度时，根据俯仰角单次最大调节角度调节俯仰角，并在俯仰角角度偏差的绝对值小于俯仰角单次最大调节角度时，根据垂直角度偏差调节俯仰角。 8.一种基于射流偏差预测及船舶姿态预测的船载水炮平台调整装置，用于执行上述权利要求1-7任意一项所述的基于射流偏差预测及船舶姿态预测的船载水炮平台调整方法，其特征在于，包括：数据采集模块，用于对水炮打击区域进行实时录像，以获取水炮打击区域的实时视频帧图像，对实时视频帧图像进行处理，以获得水炮打击区域的实时亮度值、实时波高和实时波频率，并获取水炮平台处的实时空气湿度、实时可见度；图像分割模块，用于建立引入亮度值、波高、波频率、空气湿度和可见度的图像分割模型，并将步骤S1采集的数据输入图像分割模型中，以分割出水柱图像、打击落点图像和需打击目标图像；打击判断模块，用于计算打击落点图像和目标物图像间的交并比，在交并比大于交并比阈值时，则继续以当前炮口角度射击，并在交并比不大于交并比阈值时，进入步骤S4；偏差计算模块，用于基于目标跟踪技术获取需打击目标的三维坐标，并对需打击目标的三维坐标和打击落点图像进行处理，生成实物距离偏差，基于船舶姿态预测技术，预测下次水炮打击时的水炮与当前水炮间的水炮距离偏差，结合实物距离偏差和水炮距离偏差，生成综合距离偏差；水炮平台调节模块，用于基于综合距离偏差迭代调整水炮平台的偏航角和俯仰角，直至交并比大于交并比阈值。