(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210792672.5 (22)申请日 2022.07.05 (71)申请人 哈尔滨工程大 学 地址 150001 黑龙江省哈尔滨市南岗区南 通大街145号哈尔滨工程大学科技处 知识产权办公室 (72)发明人 周佳加　宋甘琳　陈涛　李娟　 邢文　 (51)Int.Cl. G06V 20/05(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种UUV水下障碍物轮廓构建方法 (57)摘要 本发明公开了一种UUV水下障碍物轮廓构建 方法， 通过前视声呐探测得到障碍物与UUV之间 的距离和方位夹角信息， UUV获得当前自身位置 信息； 经过坐标变换得到障碍物各点在全局坐标 系下的坐标， 构成数据集； 采用支持向量聚类将 数据集划分成集群， 得到描述集群轮廓的支持向 量； 利用邻接矩阵将数据集进行类别划分并分配 类别标号； 去除划分类别后的任意集群异常数据 点， 然后确定各类别集群聚类中心； 构建RBF神经 网络并设定参数， 对神经网络进行训练， 得到训 练后的神经网络； 将去除异常数据点后的聚类数 据输入到训练好的RBF神经网络中， 得到障碍物 轮廓边界点。 本发明能够有效的将某种障碍物的 数据聚类在一 起， 从而获取障碍物的整体 轮廓。 权利要求书3页 说明书7页 附图3页 CN 115170937 A 2022.10.11 CN 115170937 A 1.一种UUV水下障碍物轮廓构建方法， 其特 征在于， 包括以下步骤： 步骤1、 UUV通过前视声呐探测得到障碍物与UUV之间的距离和方位夹角信息， UUV利用 惯性导航定位系统获得当前自身位置信息； 经过坐标变换得到障碍物各点在全局坐标系下 的坐标， 构成数据集{x1,x2,…,xn}， xj,j＝1,…,n， 是二维向量， 包括数据点横轴坐标和纵 轴坐标； 步骤2： 采用支持向量聚类将步骤1得到 的数据集{x1,x2,…,xn}划分成若干集群， 得到 描述每个数据集群 轮廓的支持向量； 步骤3： 利用邻接矩阵将数据集{x1,x2,…,xn}按照步骤2的集群进行类别划分， 对划 分 后的集群分配 类别标号； 步骤4： 去 除步骤3中划分类别后的任意集群的异常数据点， 然后确定各类别集群的聚 类中心； 步骤5： 构建RBF神经网络， 设定RBF神经网络参数， 对RBF神经网络进行训练， 得到训练 后的神经网络； 步骤6： 将步骤4中去除异常数据点后的聚类数据输入到训练好的RB F神经网络中， 得到 障碍物轮廓边界点。 2.根据权利要求1所述的一种 UUV水下障碍物轮廓构建方法， 其特征在于： 步骤2所述采 用支持向量聚类将步骤1得到的数据集{x1,x2,…,xn}划分成若干集群， 得到描述每个数据 集群轮廓的支持向量包括： 将数据集{x1,x2,…,xn}通过非线 性变换H＝{Φ(xj)|1≤j≤n}映射到高维空间中， 然后 寻找半径R最小的包围超球 体， 即找到函数mi n R2的最优解； 各数据点到球心a的距离与半径R之间满足的关系为： 式中： ξj≥0为调节球半径的大小的松弛变量， | |·||为欧几里 得范数； 引入拉格朗日函数： 式中： βj≥0, μj≥0为拉格朗日乘子， CΣξj为惩罚项， C为设定的调节集群划分情况的超 参数； 将拉格朗日函数对R,a, ξj求导并使导数为 零得到： βj＝C‑μj 由KKT条件得到： ξjμj＝0 (R2+ξj‑||Φ(xj)‑a||2)βj＝0 然后对数据集{x1,x2,…,xn}中数据点进行判定：权　利　要　求　书 1/3 页 2 CN 115170937 A 2若 ξj＞0, βj＝C， 该点 位于超球 体外部， 属于异常数据点； 若 ξj＝0,0＜βj＜C， 该点 位于超球 体表面， 属于支持向量； 若 ξj＝0, βj＝0， 该点 位于超球 体内部， 属于聚类内部的点； 将拉格朗日函数转 化为Wolfe对偶形式： s.t.0＜βj＜C,j＝1, …,n 式中： K(xi,xj)＝exp(‑q·||xi‑xj||2)， q为设定的调节集群划分情况的尺度参数； 任意一点x在特征空间中的像到球心的距离为： 超球体的最小半径结果 为： 式中： xi为支持向量， N 为支持向量的个数。 3.根据权利要求2所述的一种 UUV水下障碍物轮廓构建方法， 其特征在于： 步骤3所述利 用邻接矩阵将数据集{x1,x2,…,xn}按照步骤2的集群进行划分包括： 邻接矩阵表示 为A＝(Aij)n×n， 定义为： 式中： seg(xi,xj)是任意点xi和xj之间的连接线； 在seg(xi,xj)上随机取a个点， 将a个点分别代入函数R2(x)， 若函数值均小于超球体最 小半径， 则判定seg(xi,xj)全部位于超球体内部时， 则认为xi和xj属于同一集群， 数据集群 的轮廓边界由支持向量 来表示。 4.根据权利要求3所述的一种 UUV水下障碍物轮廓构建方法， 其特征在于： 步骤4所述去 除步骤3中划分类别后的任意 集群的异常数据点， 然后确定各类别集群的聚类中心包括： 认定集群中ξj＞0, βj＝C的点是异常数据点， 将其舍去； 集群中ξj＝0,0＜βj＜C和 ξj＝0, βj＝0的点认定为该类别边 缘点和内部点， 求 其均值， 作为该类别的聚类中心。 5.根据权利要求1所述的一种UUV水下障碍物轮廓构建方法， 其特征在于： 所述神经网 络由三层构成： 第一层为输入层， 接 收输入数据； 第二层为隐含层， 对输入数据进行非线性 转化， 转化时使用的函数称为径向基函数； 第三层为输出层， 将隐含层处理完的数据进行输 出。 6.根据权利 要求1所述的一种UUV水下障碍物轮廓构 建方法， 其特征在于： 设定RBF神经 网络参数包括： 所述参数包括径向基函数的中心与宽度、 隐含层神经元与输出层神经元之间的连接权 值； 所述径向基函数为Gaus s函数：权　利　要　求　书 2/3 页 3 CN 115170937 A 3