謝 磊, 薛雙飛, 黃 立, 包 竹

(武漢理工大學(xué) 國(guó)家水運(yùn)安全工程技術(shù)研究中心，武漢 430063)

基于輪廓線聚類分析的船舶超吃水檢測(cè)

謝 磊, 薛雙飛, 黃 立, 包 竹

(武漢理工大學(xué) 國(guó)家水運(yùn)安全工程技術(shù)研究中心，武漢 430063)

針對(duì)在船舶吃水檢測(cè)中采用人工登船測(cè)量法工作量大、實(shí)施效率低等問(wèn)題，歸納分析現(xiàn)有的船舶吃水狀態(tài)自動(dòng)檢測(cè)技術(shù)。從檢測(cè)的準(zhǔn)確性和可行性出發(fā)，采用岸基檢測(cè)法獲取船舶激光點(diǎn)云數(shù)據(jù);通過(guò)一種基于聚類分析的船舶水面輪廓重構(gòu)方法剔除激光檢測(cè)產(chǎn)生的大量噪聲點(diǎn)，完成船舶水上部分三維重構(gòu);結(jié)合船舶靜態(tài)信息推算出船舶吃水狀態(tài)。試驗(yàn)結(jié)果證明，該方法能快速準(zhǔn)確地獲取船舶三維重構(gòu)圖，可作為船舶超吃水檢測(cè)手段。

激光點(diǎn)云；吃水檢測(cè)；模糊C-均值聚類；三維重構(gòu)

船舶超吃水航行是引發(fā)擱淺、觸損和沉沒(méi)等水上交通事故的主要原因之一。長(zhǎng)期以來(lái)，一些船舶運(yùn)營(yíng)單位和船舶所有人為追求經(jīng)濟(jì)效益而忽視安全問(wèn)題，不按照航道維護(hù)水深進(jìn)行配載,一旦發(fā)生事故，往往會(huì)造成航道損害乃至船沉人亡的悲劇。對(duì)此,如何準(zhǔn)確有效地判斷船舶吃水情況受到相關(guān)單位的高度重視。目前，海事管理機(jī)構(gòu)主要通過(guò)人工測(cè)量進(jìn)行超吃水檢測(cè),一般采用上船查看水尺、到艙內(nèi)實(shí)際丈量等方法，誤差較大。特別是有些船舶沒(méi)有水尺，或水尺不準(zhǔn)確，致使航道行政管理人員難以掌握船舶的實(shí)際吃水情況，不能取得真實(shí)有效的證據(jù)。

隨著科學(xué)技術(shù)的不斷發(fā)展,技術(shù)融合和新型服務(wù)開(kāi)始產(chǎn)生，航運(yùn)安全監(jiān)管技術(shù)裝備更新?lián)Q代的速度不斷加快。[1]在船舶吃水狀態(tài)自動(dòng)檢測(cè)領(lǐng)域，已有很多學(xué)者進(jìn)行深入研究，提出多種實(shí)用化方法。這里對(duì)這些方法進(jìn)行歸納和分析，提出基于輪廓線聚類分析的船舶吃水檢測(cè)方法，以提高海事管理部門對(duì)船舶載貨狀態(tài)的監(jiān)測(cè)效率。

1 現(xiàn)有船舶吃水狀態(tài)檢測(cè)技術(shù)

國(guó)外對(duì)航道疏浚的投入很大，對(duì)船舶吃水的管理非常嚴(yán)格，一 旦發(fā)現(xiàn)有船舶因違規(guī)而擱淺，將處以重罰,因此國(guó)外的船舶很少出現(xiàn)超吃水現(xiàn)象。而在國(guó)內(nèi)，船舶超吃水的檢測(cè)手段和管理方式仍然比較落后,現(xiàn)有的船舶超吃水檢測(cè)方法大多停留在理論和試驗(yàn)階段，尚未得到全面推廣。按工作位置的不同，可將現(xiàn)有的超吃水檢測(cè)方法分為船基檢測(cè)、水下檢測(cè)和岸基檢測(cè)等3類。

1.1 船基檢測(cè)法

利用水壓力測(cè)量船舶吃水狀態(tài)的方法[2]為：在被測(cè)船舶兩舷的被測(cè)點(diǎn)位置安裝鋼架，在鋼架上固定壓力傳感器;船舶吃水不同，利用壓力傳感器測(cè)得的壓力數(shù)值也不同,這樣就可根據(jù)船舶實(shí)際情況設(shè)置壓力警報(bào)，從而判定船舶是否處于超吃水狀態(tài)。

浮子式船舶吃水檢測(cè)法也能達(dá)到上述效果。在該方法中,檢測(cè)腔底部與船舶外部水連通形成連通器，浮子開(kāi)關(guān)懸吊在連通器內(nèi)，其高度與船舶載重線的高度相同。浮子通過(guò)電路與外部的電源連接形成閉合回路，若船舶的載重量超過(guò)標(biāo)準(zhǔn)，浮子隨著連通器水位的上升而上升，觸發(fā)判斷單元工作，一旦判斷出導(dǎo)電計(jì)時(shí)器達(dá)到計(jì)時(shí)要求,即認(rèn)定船舶超吃水。[3]

1.2 水下檢測(cè)法

利用多波束聲吶對(duì)船舶超吃水進(jìn)行檢測(cè)，首先需在航道兩側(cè)水底對(duì)稱布放2臺(tái)多波束聲吶設(shè)備,對(duì)航行的船舶進(jìn)行波束掃描[4];然后對(duì)船體回波進(jìn)行接收和計(jì)算，得出船舶的吃水深度及船體的形狀特性;最后通過(guò)對(duì)比船舶最大吃水深度判斷船舶是否超吃水。陳德山等[5]通過(guò)收放纜繩來(lái)控制載有多波束聲吶探測(cè)設(shè)備的鋁合金桁架的放置姿態(tài)，使聲吶始終保持向上仰角的姿態(tài)，克服船舶吃水深度不同造成的船舶吃水狀態(tài)測(cè)量困難。

超聲檢測(cè)又可分為單點(diǎn)檢測(cè)和陣列檢測(cè)。在單點(diǎn)檢測(cè)中，分別將單波束聲波發(fā)射器和聲波接收器安裝在河岸兩側(cè)，當(dāng)船舶經(jīng)過(guò)時(shí)，收發(fā)器可沿著導(dǎo)軌上下往復(fù)運(yùn)動(dòng)并收發(fā)聲波。根據(jù)聲波接收器所輸出聲強(qiáng)的大小即可推斷測(cè)量裝置與船舶位置的遮擋關(guān)系，進(jìn)而得出船舶底部輪廓線。[6]浙江湖州市港航管理局研究的“船舶超載量化檢測(cè)系統(tǒng)”[7]首先利用布置于航道兩側(cè)及底部的超聲波陣列掃描過(guò)往的船舶，其次應(yīng)用三維重建技術(shù)獲得船舶水下部分的三維輪廓圖案，最后根據(jù)船舶重建形體特征推斷過(guò)閘船舶的超吃水情況。

1.3 岸基檢測(cè)法

利用計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別水尺也能實(shí)現(xiàn)船舶吃水檢測(cè)。該方法首先利用攝像機(jī)獲取船舶水尺圖像，然后對(duì)該圖像進(jìn)行識(shí)別和處理，進(jìn)而得到吃水深度。然而，由于現(xiàn)場(chǎng)場(chǎng)景復(fù)雜，所得圖像中并不一定包含水尺線。因此，一些研究者[8]提出基于類Haar特征和Gentle Adaboost算法的吃水線、船舷線檢測(cè)方法，在手動(dòng)標(biāo)定某一位置的標(biāo)準(zhǔn)船舶載重干舷之后，通過(guò)將該位置的實(shí)際干舷值與標(biāo)準(zhǔn)載重干舷值相比較來(lái)判斷船舶是否超吃水。

激光測(cè)量一般將激光雷達(dá)作為吃水檢測(cè)的核心設(shè)備，將激光雷達(dá)布置在橋梁等便于測(cè)量的位置，對(duì)在航船舶的舷側(cè)進(jìn)行測(cè)繪并快速獲取其3D圖像數(shù)據(jù)。通過(guò)軟件處理之后與船舶基礎(chǔ)數(shù)據(jù)相比對(duì)，判定船舶是否超吃水。[9]

2 現(xiàn)有船舶吃水狀態(tài)檢測(cè)方法分析

針對(duì)上述檢測(cè)方法，對(duì)各自的優(yōu)點(diǎn)和缺點(diǎn)進(jìn)行比較,結(jié)果見(jiàn)表1。

表1 船舶吃水狀態(tài)檢測(cè)方法比較

由表1可知，檢測(cè)設(shè)備的位置對(duì)實(shí)施過(guò)程和檢測(cè)效果都有很大影響?；诖白陨淼某运疇顟B(tài)檢測(cè)方法雖然原理簡(jiǎn)單、實(shí)施容易，但由于安裝在待測(cè)船舶上，除了需經(jīng)常檢修以外，利益相關(guān)方還可能對(duì)測(cè)量數(shù)據(jù)進(jìn)行篡改，進(jìn)而使設(shè)備失效。

采用水下檢測(cè)方法能直接測(cè)得船舶的吃水狀況，但設(shè)備安裝地點(diǎn)受到很大限制，大多只能安裝在港口、人工河道等相對(duì)空間較小的區(qū)域，某些方案還需滑軌電機(jī)等輔助設(shè)備，給檢測(cè)和維修帶來(lái)很大困難。

相對(duì)而言，采用岸基檢測(cè)法雖然不能直接得出船舶吃水狀態(tài)，但可獲取船舶水上部分的高度，再結(jié)合船舶靜態(tài)參數(shù)即可推測(cè)出該船的吃水狀態(tài)。計(jì)算機(jī)視覺(jué)法則高度依賴于圖像質(zhì)量。在船舶航行過(guò)程中，時(shí)常遇到陰天、大霧等能見(jiàn)度較低的情況,此時(shí)拍攝效果較差，會(huì)對(duì)目標(biāo)識(shí)別產(chǎn)生影響。[11]

本文采用基于激光數(shù)據(jù)的岸基檢測(cè)法，提出一種基于聚類分析的船舶水面輪廓重構(gòu)方法，能快速消除激光測(cè)量帶來(lái)的噪聲點(diǎn)，從而為船舶超吃水檢測(cè)提供準(zhǔn)確的數(shù)據(jù)支持。

3 基于輪廓線聚類分析的船舶吃水激光檢測(cè)

3.1 檢測(cè)方案

將激光傳感器放置在橋梁下方A點(diǎn)處，同時(shí)將船舶自動(dòng)識(shí)別系統(tǒng)(Automatic Identification System,AIS)船載終端安裝在船上的F區(qū)。在沒(méi)有船舶通過(guò)時(shí)，激光向下掃描得到水面數(shù)據(jù)；在有船舶經(jīng)過(guò)時(shí)，掃描到的數(shù)據(jù)分為3段，BC段和DE段仍是水面數(shù)據(jù)，而CD段是船舶的水上輪廓數(shù)據(jù)。激光傳感器將船舶水上輪廓數(shù)據(jù)送至處理中心，處理中心結(jié)合AIS船載終端主動(dòng)發(fā)送的船長(zhǎng)、船寬、型深及吃水等船舶靜態(tài)數(shù)據(jù)，即可估算出船舶的吃水情況，整個(gè)檢測(cè)方案見(jiàn)圖1。

圖1 激光掃描檢測(cè)示意

3.2 基于聚類分析的船舶輪廓提取方法

通過(guò)聚類分析，可從激光掃描數(shù)據(jù)中準(zhǔn)確提取出船舶的輪廓線，并剔除其中的噪聲。

聚類分析以數(shù)據(jù)間的相似性為基礎(chǔ)，采用統(tǒng)計(jì)分析方法研究數(shù)據(jù)的分類問(wèn)題。聚類算法分為硬聚類算法和軟聚類算法2種，本文采用軟聚類算法中的模糊C均值聚類算法[12-13]，即FCM算法(Fuzzy C-Means Algorithm)。

FCM算法是一種比較典型的模糊聚類算法，可將多維數(shù)據(jù)空間分布的數(shù)據(jù)點(diǎn)分成特定數(shù)目的類。[14]該算法可通過(guò)優(yōu)化目標(biāo)函數(shù)得到各樣本點(diǎn)對(duì)所有類中心的隸屬度，從而決定樣本點(diǎn)的類屬,進(jìn)而達(dá)到自動(dòng)對(duì)樣本數(shù)據(jù)進(jìn)行分類的目的。

在利用FCM算法時(shí),首先需確定聚類的數(shù)目m，要求0≤m≤n，其中n為數(shù)據(jù)點(diǎn)總數(shù)。對(duì)船舶吃水檢測(cè)而言，一般可取m=2。設(shè)P(b)為初始對(duì)象聚類模型，b為迭代計(jì)數(shù)，ε為迭代閾值。

(1)

(2)

然后計(jì)算矩陣P(b+1)，有

(3)

采用FCM算法，需確定每個(gè)數(shù)據(jù)點(diǎn)歸屬于某個(gè)聚類的隸屬度函數(shù)，一般用U=[uij]表示，其中:ui0為該點(diǎn)屬于船舶的隸屬度；ui1為該點(diǎn)屬于水面的隸屬度。隸屬度函數(shù)定義為

(4)

式(4)中:H為水面到激光傳感器的距離;h為所有掃描數(shù)據(jù)中距離激光傳感器最近的點(diǎn)。當(dāng)hi=H時(shí)，ui0=0，ui1=1，該數(shù)據(jù)點(diǎn)隸屬于水面；當(dāng)hi=h時(shí)，ui0=1，ui1=0，該數(shù)據(jù)點(diǎn)隸屬于船舶；當(dāng)h≤hi≤H時(shí)，ui0，ui1∈[0，l]。

在所有的激光掃描數(shù)據(jù)中，始終將水面數(shù)據(jù)的聚類中心設(shè)定為H點(diǎn)，而船舶數(shù)據(jù)的聚類中心初始點(diǎn)為h點(diǎn)。當(dāng)有一個(gè)新的數(shù)據(jù)點(diǎn)被判斷隸屬于船舶數(shù)據(jù)之后，船舶數(shù)據(jù)新的聚類中心即為該點(diǎn)與初始點(diǎn)間的中點(diǎn)；當(dāng)又有一個(gè)新的數(shù)據(jù)點(diǎn)被判斷隸屬于船舶數(shù)據(jù)之后，按照相同的方法繼續(xù)迭代，直到計(jì)算出聚類中心矩陣為V={v1,v2,…,vn}，再根據(jù)式(5)計(jì)算目標(biāo)函數(shù)。

(5)

目標(biāo)函數(shù)可視為聚類中所有數(shù)據(jù)點(diǎn)到聚類中心的加權(quán)距離的平方和。當(dāng)該目標(biāo)函數(shù)收斂到一個(gè)極小值時(shí)，即可認(rèn)為已得到這些有效數(shù)據(jù)點(diǎn)的一個(gè)最優(yōu)的C-均值聚類劃分。

取艏部的一幀激光掃描數(shù)據(jù)作為樣本，對(duì)其進(jìn)行模糊C-均值聚類，將代表水面的數(shù)據(jù)點(diǎn)和代表船舶輪廓的數(shù)據(jù)點(diǎn)分開(kāi)。通過(guò)對(duì)FMC算法的聚類中心進(jìn)行不斷迭代，最終確定2個(gè)最優(yōu)的聚類中心見(jiàn)圖2。

圖2 聚類中心分布

分別取艏部、舯部及駕駛臺(tái)的單幀數(shù)據(jù)進(jìn)行聚類處理，可得到處理效果見(jiàn)圖3。

a)艏部

b)舯部

c)駕駛臺(tái)

3.3 船舶三維建模及吃水檢測(cè)

三維重構(gòu)技術(shù)[15]是指對(duì)三維物體建立適合計(jì)算機(jī)表示和處理的數(shù)學(xué)模型，既是在計(jì)算機(jī)環(huán)境下對(duì)其進(jìn)行處理和操作并分析其性質(zhì)的基礎(chǔ)，也是在計(jì)算機(jī)中建立表達(dá)客觀世界的虛擬現(xiàn)實(shí)的關(guān)鍵技術(shù)。

本文基于激光掃描得到的點(diǎn)云數(shù)據(jù)，根據(jù)點(diǎn)云數(shù)據(jù)自身的特征，對(duì)點(diǎn)云進(jìn)行三角化，實(shí)現(xiàn)對(duì)目標(biāo)輪廓影像的再生，最終得到某采砂船的三維模型見(jiàn)圖4。

a)b)

圖4 某采砂船的三維重構(gòu)效果

采用同樣的處理方法可獲取其他類型船舶的三維重構(gòu)效果圖。圖5為某空載貨船的三維重構(gòu)效果。

結(jié)合上述2艘貨船的AIS靜態(tài)信息，可得檢測(cè)結(jié)果見(jiàn)表2。

由上述檢測(cè)結(jié)果可知,這些船舶的測(cè)量水上高度比理論水上高度略小，這可能是由水面波動(dòng)影響造成的。測(cè)量結(jié)果基本上能反映實(shí)際情況，有較高的參考價(jià)值。

a)b)

圖5 某空載貨船的三維重構(gòu)效果

4 結(jié)束語(yǔ)

本文歸納總結(jié)了現(xiàn)有船舶吃水自動(dòng)檢測(cè)技術(shù)，分析了各方法的優(yōu)劣，最終確定采用將激光傳感器放置在橋梁下方掃描過(guò)往船舶的測(cè)量方法。針對(duì)激光檢測(cè)設(shè)備容易產(chǎn)生大量噪聲點(diǎn)的問(wèn)題，提出基于聚類分析的船舶輪廓提取方法。對(duì)經(jīng)該方法處理的激光點(diǎn)云數(shù)據(jù)進(jìn)行三角化處理，即可實(shí)現(xiàn)對(duì)目標(biāo)輪廓影像的再生，得到船舶水上部分三維模型。最后，結(jié)合船舶靜態(tài)信息計(jì)算出船舶吃水狀態(tài)。

經(jīng)實(shí)際驗(yàn)證，利用本文方法可準(zhǔn)確得到船舶的水上高度，從而推斷目標(biāo)船是否違規(guī)裝載。該方法可提高海事監(jiān)管效率，減少船舶安全事故發(fā)生。

[1] 孫星,吳勇,初秀民. 船-標(biāo)-岸協(xié)同下智能長(zhǎng)江航運(yùn)及其發(fā)展展望[J]. 交通信息與安全,2010(6):48-52.

[2] 嚴(yán)奇,陳衛(wèi)民,汪偉. 貨運(yùn)船舶超載報(bào)警系統(tǒng)儀的研制[J]. 儀器儀表學(xué)報(bào),2006(S1):228-229.

[3] 姜賓彬,魏海軍,鄭慧敏. 基于浮子式船舶超載遠(yuǎn)程監(jiān)控系統(tǒng)的研究[J]. 科技致富向?qū)?2014(15):202-203.

[4] 黃其培. 基于多波束聲納的船舶超載檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 艦船電子工程,2016(10):126-131.

[5] 陳德山,朱劍華,李吉祥,等. 基于多波束仰掃的內(nèi)河船舶吃水檢測(cè)技術(shù)[J]. 水運(yùn)工程,2016(1):152-157.

[6] 吳俊,丁甡奇,余葵,等. 船舶底部縱剖輪廓線掃描測(cè)量方法[J]. 交通運(yùn)輸工程學(xué)報(bào),2014(2):62-67.

[7] 吳顯德,閔雪明,黃啟春. 內(nèi)河船舶超載量化檢測(cè)系統(tǒng)設(shè)計(jì)探討[J]. 工業(yè)控制計(jì)算機(jī),2009(6):55-56.

[8] 王炎龍,陶青川. 基于計(jì)算機(jī)視覺(jué)的運(yùn)砂船超載狀態(tài)檢測(cè)[J]. 現(xiàn)代計(jì)算機(jī)(專業(yè)版),2014(32):49-54.

[9] 王茹軍,陳俊,熊輝,等. 船舶超載吃水監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 交通科技,2015(2):157-160.

[10] SEDEK M, SERWA A. Development of New System for Detection of Bridges Construction Defects Using Terrestrial Laser Remote Sensing Technology[J]. The Egyptian Journal of Remote Sensing and Space Science, 2016(19): 273-283.

[11] 李祎承,胡釗政,初秀民. 基于圖像處理的內(nèi)河船舶目標(biāo)提取與特征值計(jì)算[J]. 交通信息與安全,2015(3):1-8.

[12] KESEMEN O, TEZEL ?, ?ZKUL E. Fuzzy C-Means Clustering Algorithm for Directional Data (FCM4DD) [J]. Expert Systems with Applications, 2016, 58:76-82.

[13] REYES-GALAVIZ O F, PEDRYCZ W. Enhancement of the Classification and Reconstruction Performance of Fuzzy C-Means with Refinements of Prototypes[J]. Fuzzy Sets and Systems, 2016.

[14] 王璇,翁小雄. 基于模糊C均值聚類的快速路交通流相態(tài)劃分[J]. 交通信息與安全,2009(1):149-152.

[15] ZHANG T, LIU Jianhua, LIU Shaoli, et al. A 3D Reconstruction Method for Pipeline Inspection Based on Multi-Vision[J]. Measurement, 2017, 98: 35-48.

DraughtMonitoringBasedonContourClusterAnalysis

XIELei,XUEShuangfei,HUANGLi,BAOZhu

(National Engineering Research Center for Water Transport Safety, Wuhan University of Technology, Wuhan 430063, China)

Manually checking the draught of a ship can be inconvenient and inefficient. The automatic monitoring technology based on contour analysis is proposed which produces 3D image of the hull with the point cloud from the laser scanner. With the image the system can find the draught of the ship through checking the contour of the above water part of the hill against its drawing. The cluster algorithm is used for getting rid of measurement noises. Tests prove that the design works satisfactory with high accuracy and quick response.

laser point cloud； draught monitoring； fuzzy c-means algorithm； 3D reconstruction

2017-10-25

國(guó)家自然科學(xué)基金(51479158);交通運(yùn)輸部應(yīng)用基礎(chǔ)研究項(xiàng)目(2013329811220)

謝 磊(1975—)，男，遼寧海城人，副教授，博士，研究方向?yàn)樗辖煌ㄐ畔⒏兄c控制技術(shù)。E-mail：xielei@whut.edu.cn

1000-4653(2018)01-0060-04

U665.26

A