阅读说明：本技术 自动吃水深度勘测 (Automatic draft survey ) 是由 特洛伊·艾斯坎普 雷恩善 乔纳森·泽伦伯格 于 2018-03-19 设计创作，主要内容包括：一种确定船的吃水深度的方法,包括以下步骤：使用至少一个光学成像设备测量船的吃水深度,以提供光学吃水深度测量数据：使用由至少一个GNSS或GPS设备提供的高程数据来测量船的吃水深度,以便提供高程吃水深度测量数据；和使用高程吃水深度测量数据和光学吃水深度测量数据来确定船的吃水深度。(A method of determining the draft of a vessel, comprising the steps of: measuring the draft of the vessel using at least one optical imaging device to provide optical draft measurement data: measuring the draft of the vessel using elevation data provided by at least one GNSS or GPS device to provide elevation draft measurement data; and determining the draft of the vessel using the elevation draft measurement data and the optical draft measurement data.)

具体实施方式

本发明的实施例提供了用于当船停泊在码头装载或卸载时自动测量船的吃水深度的系统和方法。这些实施例可以提供对船吃水深度的光学测量值和全球导航卫星系统(GNSS)测量值。这些系统中任一系统的测量结果可被用于验证另一系统的吃水深度勘测结果。在一个实施例中，使用基于GPS或GNSS的系统来验证由光学系统进行的吃水深度勘测的准确性或误差的可能性。

船的吃水深度是从吃水线到船的船体的底部的距离(如图2所示)。船的吃水深度通常随着船的装载和卸载以及压舱货的变化而变化。

船通常在其船体上标记有吃水深度计300和普林索尔线。吃水深度计300是一系列垂直绘制在船体上的数字，如图3和图4所示。通过读取位于吃水线125处的吃水深度计数字，测量船的吃水深度。船通常在其船体上标记有六个吃水深度计，两个靠近船头130(一个在左舷上，一个在右舷上)，两个靠近船尾135(一个在左舷上，一个在右舷上)，以及两个在船中部(一个在左舷上，一个在右舷上)。

普林索尔线是表示船的最大负载的线。船的侧面可能有若干条普林索尔线，标明船在热带水域、寒冷水域和一年中不同时间的最大负载。

现在参考图1和图2，示出了停泊在码头105的船100。船100具有位于其上甲板的六个GNSS单元115，包括两个靠近船的船头130(一个在左舷上，一个在右舷上)，两个在船中部(一个在左舷上，一个在右舷上)，以及两个靠近船的船尾135(一个靠近左舷上，一个靠近右舷上)。当船到达港口上或船在码头105停泊时，安装GNSS单元115，并操作用于与控制单元155通信GNSS位置数据。GNSS单元适于经由位于船停泊的港口的无线网络与控制单元155通信高程、纬度和经度数据。

在该实施例中，控制单元155远离码头105，并且包括处理器、存储器、操作系统和自动吃水深度勘测程序。控制单元155可以与位于港口处的无线网络通信。

在图1的实施例中，三个光学成像设备110位于码头105上。光学成像设备110位于摇动/倾斜安装单元160上。光学成像设备110和摇动/倾斜安装单元160与控制单元155和自动吃水深度勘测程序通信并由其控制。可选的实施例具有不同数量的光学成像设备110，例如一个或两个光学成像设备。

光学成像设备110安装在码头105上的固定定位中，或者安装在港口处，或者可以相对于码头110和船100是可移动的，并且可以在船停泊后由邻近船的操作员手动定位，或者可以安装在轨道或导轨上，这使得光学成像设备在轨道或导轨上的位置能够由控制单元155控制。

在具有三个光学成像设备110的实施例中，光学成像设备110和摇动/倾斜安装件160位于码头105上或邻近码头105，邻近船上的吃水深度计标记300，一个在船头130处，一个在船中部处，以及一个在船的船尾135处。

控制单元155操作每个光学成像设备110和相对应的摇动/倾斜安装件160，以便捕获吃水深度计300的一个或更多个光学图像。这些图像可以被捕获为视频或被捕获为静止图像，但是通常被捕获为视频。然后，控制单元155使用包括光学字符识别(OCR)软件的图像处理软件(如下面进一步描述的)处理光学图像，以确定邻近吃水线125的吃水深度计标记。这提供了船100在相关位置(即船头、船尾或船中部)处以及在船碰巧邻近码头的一侧(左舷或右舷)上的吃水深度的基于光学的测量。

控制单元155还从GNSS单元115获得GNSS数据，并处理该数据以确定船体上六个吃水深度位置处的船的吃水深度。为此，控制单元155可以使用来自六个GNSS单元的纬度、经度和高程数据来拟合围绕GNSS单元的船的表面。该表面与来自潮汐传感器140的潮汐数据一起用于船的吃水深度的计算。潮汐传感器140通常位于港口或码头105处，并实时或接近实时地提供关于潮汐相对高程的数据。吃水线125的相对水平面和从六个GNSS单元的位置得出的表面的高程之间的差可用于确定每个吃水深度计附近的水位上方的表面的高度。该信息可以与船的吃水深度的初始光学测量值相结合，以识别对应于在表面和潮汐之间的特定高程差的船的吃水深度。当船被装载或被卸载时，表面和潮汐的高程变化提供了船的吃水深度变化的测量。

随着船的装载或卸载的进行，船的吃水深度基于GNSS的测量可用于验证船的吃水深度的随后的光学测量。可选择地，如果光学测量无法被获得或光学测量被认为不准确或不可靠，船的吃水深度基于GNSS的测量可以替代船吃水深度的光学测量。

控制单元155还可以访问GNSS数据以确定船的横倾角。这最初是由位于船中部的左舷和右舷上的GNSS单元之间的高程差确定的。如图6a和图6b所示，船的右舷和左舷之间的高程差可用于计算船的横倾角。

一旦确定了船中部的GNSS单元之间的高程差，该信息可用于校准位于船前船后的任何GNSS单元之间的高程差。由于位于船前船后的甲板和/或栏杆可能倾斜，因此需要进行校准。甲板或栏杆上任何倾斜的影响是左舷GSSN单元、右舷GNSS单元的不对准可能会提供船的横倾角的不准确数据。通过校正位于船前船后的左舷GSSN单元和右舷GNSS单元的任何高程差，可以使用来自这些GNSS单元的高程数据来确定装载期间船的横倾角。这非常有用，例如，在船的装载期间，位于船中部的一个GNSS单元停止工作时。

船头130处的横倾角和船的在船头附近吃水线处的宽度可用于计算船的海洋侧的船头130附近的吃水深度测量。对于船的海洋侧的每个吃水深度计(即靠近船尾135和船中部的吃水深度计)可以重复这一过程。

通过在整个装载和卸载过程中每隔一定时间重复上述基于光学和GNSS的船的吃水深度测量，可以在装载和卸载期间监测船100的吃水深度。在装载或卸载期间，吃水深度测量值可以至少每分钟获得一次，并且优选地比这更频繁，以便在装载和/或卸载期间提供船的吃水深度的实时或接近实时的测量。

可选的实施例将距离测量设备(例如基于激光的距离测量设备)定位在光学成像设备110和摇动/倾斜单元160附近。激光距离测量设备可以与摇动/倾斜单元160相结合操作，以便扫描船100的船体，并生成船体表面上各点距摇动/倾斜单元160的距离的数据组。该数据可以与摇动和倾斜角度信息相结合，使得船体上各个点距摇动/倾斜单元的距离以及这些点相对于摇动/倾斜单元的预定定位的相对角度是已知的。根据该信息，可以生成船体的表面的三维轮廓的数据组。任何这样的数据组通常具有每平方米船体至少四个扫描点的分辨率。

船体的三维数据组和船体上的扫描点相对于摇动/倾斜单元160(和光学成像设备110)的预定定位的相对角度可以用于变换吃水深度计300的光学图像，从而可以处理图像以确定船的吃水深度。

现在参考图3和图4，图3中示出了位于船100的船头130附近的吃水深度计300。吃水深度计由米标记组成，中间有10厘米的标记。在图3和图4中，吃水深度计的19米和18米标记是可见的，其间的80厘米、60厘米、40厘米和20厘米标记也是可见的。

在图4中更详细地示出了吃水深度计300，其示出了吃水线125与数字“4”(即40厘米标记)相交，该数字低于吃水深度计的18米标记。在吃水深度计的18米标记上方可以看到吃水深度计上的19米标记。吃水深度计的17米标记看不到，因为它低于吃水线125。低于18米标记的数字“4”附近的吃水线125表示船体的吃水深度为17.4米。穿过18.2米标记的线170代表船的船体颜色的变化。

现在参考图5a、图5b和图5c。在图5a中示出了吃水深度计300的图像，该图像是在光学成像设备110的光轴以不水平且不垂直于码头纵轴的角度放置的情况下拍摄的。

图5b示出了图5a的吃水深度计的变换图像。图5c是为了产生图5b中的图像而对图5a中的图像执行的变换的示意性表示。图5a的图像是在光学成像设备被定位于位置A时拍摄的，其中光学成像设备位于相对于预定定位具有摇动和倾斜角度的定位中。该变换用于调整图像，使其看起来像是当光学成像设备110位于位置B时拍摄的图像。该变换用于产生看起来像是由位于离船的船体无限远的距离的视点处的光学成像设备和具有无限变焦的光学成像设备拍摄的图像。此外，变换可以校正图像中的所有点，使其看起来好像相对于视点等距。

变换的效果是产生一个图像，该图像就好像来自船体表面的构成图像的所有光线都是水平且相互平行的并且从相对于图像的视点等距的点发出。该变换提高了对构成吃水深度计的数字执行的光学字符识别(OCR)处理的可靠性，并且还提高了确定图像中水位的可靠性。该变换还可以保持图像中像素在笛卡尔空间中的相对位置，从而可以确定从任何像素到水面的距离。

换句话说，图像校正算法用于使所有像素的视点直接垂直于码头并以恒定的距离平行于水面。这种变换使得绘制在船体上的吃水深度标记能够在图像中以垂直直线定位，并且具有相同的相对尺寸。水位最终也基本上是水平的，使得水位可以在沿着吃水线的任何点被确定，而平均水位在沿着吃水线的不同位置不会升高或降低。

现在提供实施例的方法和系统的进一步细节。特别地，该系统可以包括各种子系统，包括机器视觉子系统、GNSS子系统；潮汐子系统；吃水深度估计子系统；和用户界面。现在将更详细地描述这些子系统中的每一个。

机器视觉子系统可以包括：

a)传感器组，该传感器组位于码头上每个吃水深度标记附近(通常为3个定位——前、中和后)。每个传感器组可以包括：

i.电动摇动倾斜单元(PTU)

ii.安装在PTU上的带有电动变焦功能的高清晰度可见光相机。

iii.安装在PTU上并与相机对准的精确激光测距仪(测量装置)。

iv.安装在PTU上并与相机对准的铅笔光束聚光灯。

v.安装支架和硬件，以将传感器附接到PTU，以及将PTU附接到码头。

vi.允许与传感器远程通信的装备。

b)执行软件和算法的中央计算机服务器，包括：

i.能够并行执行复杂机器视觉算法的计算机。

ii.传感器组控制软件，其用于向传感器组发送命令(例如，设置摇动、倾斜和变焦)，并用于从传感器组接收视频和数据。

iii.机器视觉算法软件，其用于检测吃水深度标记的定位，并根据传感器组视频和数据计算吃水深度。

iv.用于存储机器视觉算法的结果的数据库。

GNSS子系统可以包括：

a)安装在船的扶手上靠近每组吃水深度标记(通常为6组吃水深度标记)的移动RTK-GNSS(实时运动学-全球导航卫星系统)传感器。

b)用于在中央计算机服务器和移动GNSS传感器之间通信的无线电网络。

c)执行软件和算法的中央计算机服务器，包括：

i.与移动RTK-GNSS传感器通信的软件

ii.数学模型软件，其用于将GNSS数据和潮汐数据转换成吃水深度和倾斜值。

iii.数据库，其用于存储配置数据和数学模型软件的结果

潮汐子系统可以包括用于实时或接近实时地测量港口和/或码头处的潮位的系统。它可以经由计算机系统和网络向中央计算机服务器提供测量的潮汐值。

吃水深度估计子系统可以包括：

a)从机器视觉子系统和GNSS子系统获取吃水深度测量数据并计算船的估计吃水深度或船的相关吃水深度的软件；和

b)用于存储所产生的估计的吃水深度的数据库。

用户界面子系统可以包括：

a)可在船上携带的移动计算机(例如平板电脑)。

b)在移动计算机上运行的web应用，其实时或接近实时显示：

i.在每个吃水深度标记定位处的估计吃水深度

ii.每个码头侧吃水深度标记定位处的水和吃水深度标记界面的视频，优选地原始和变换的视频图像被显示。

iii.关于船的当前装载状态的信息(例如装载到每个货舱的吨数)。

c)无线网络，其允许移动计算机与web应用和控制计算机服务器通信。

将机器视觉子系统和GNSS子系统相结合，能够测量船的码头侧和海洋侧的吃水深度。

现在参考图7，示出了使用光学吃水深度测量数据和GNSS吃水深度测量数据来确定船在码头侧和海洋侧的吃水深度的过程。具体地：

在步骤701，从由机器视觉子系统获取的对船体的测量结果中生成每组吃水深度标记处的船的宽度和吃水深度的二维数据组；

在步骤702，由机器视觉子系统光学地测量码头侧吃水深度；和

在步骤703，通过针对由GNSS子系统测量的船倾斜校正码头侧的吃水深度和船任一侧在水位处吃水深度标记之间的距离，从而确定海洋侧的吃水深度。

船体上的吃水深度标记的定位的自动检测可以在机器视觉子系统中被提供，以避免或最小化对操作员物理放置或远程控制摇动倾斜单元160或光学成像设备变焦的需要：

现在参考图8，示出了机器视觉子系统自动地检测船体上的吃水深度标记的定位的过程。具体地：

在步骤801，摇动传感器组(即光学成像设备110、摇动倾斜单元160和激光距离测量设备)以检测船的末端；

在步骤802，关于被预期包含吃水深度标记300和吃水线125的船100的水平部分收集图像、摇动倾斜角和距离测量值的数据组；

在步骤803，摇动倾斜角和距离测量值被转换成笛卡尔空间中船体的3D轮廓；

在步骤804，使用船体的3D轮廓(如上所述)，将数据组中的每个图像转换到正前方的视点(等于具有无限变焦的相机，其与船相距无限距离，垂直于码头的长度并水平放置)；

在步骤805，在整个变换过程中跟踪空间中图像的中心，并且每米的像素保持恒定，从而可以计算任何图像中任何像素的笛卡尔位置；

在步骤806，对变换图像执行光学字符识别(OCR)算法，以确定图像中存在吃水深度标记的可能性以及每个图像中吃水深度标记的定位；和

在步骤807，算法利用所有图像中存在吃水深度标记的可能性和吃水深度标记的定位来计算船体的3D表面上的吃水深度标记最可能的总***置。

图像的变换是为了使图像看起来像是从吃水深度标记正前方的视点拍摄的。该变换还可以稳定吃水深度标记在所产生的图像或在连续图像中的定位。这是为了图像的更容易的人类可读性，并且使得机器视觉算法可以用于确定吃水深度测量，而不依赖于光学成像设备110相对于吃水深度标记的角度和船的船体的形状。

现在参考图9，示出了用于校正船体的图像的过程。具体地：

在步骤901，对于船的在吃水深度标记周围的部分收集图像、摇动和倾斜角以及距离测量值的数据组。先前计算的吃水深度标记最有可能的总***置被用作起始点；

在步骤902，摇动和斜角和距离测量值被转换成笛卡尔空间中船的船体的3D轮廓；

在步骤903，使用船体的3D轮廓(如上所述)，将数据组中的每个图像转换到光学成像设备115正前方的视点(等于具有无限变焦的相机，其与船相距无限距离，垂直于码头的长度并水平放置)；

在步骤904，在整个变换过程中跟踪空间中图像的中心，并且每米的像素保持恒定，从而可以容易地计算任何图像中任何像素的笛卡尔位置；

在步骤905，对变换图像执行光学字符识别(OCR)算法，以确定吃水深度标记定位和值。记录吃水深度标记相对于船体的3D轮廓的位置；

在步骤906，使用3D轮廓、当前潮汐和对吃水深度的最后估计来计算正确捕获图像中的吃水线125所需的摇动、倾斜和变焦；

在步骤907，使用船体的3D轮廓，水和吃水深度标记界面视频图像(即吃水线125视频图像)被变换到相机110正前方的视点；

在步骤908，对变换图像执行光学字符识别(OCR)算法，以确定吃水深度标记定位和值。

在步骤909，通过使用吃水深度标记检测定位到预期定位的变化来校正变换中的任何残差；和

在步骤910，在连续图像之间跟踪吃水深度标记的定位，以允许变换图像稳定(即，使得图像中的吃水深度标记定位不会随着船在海里移动而移动)。

关于步骤903中图像变换的更多细节在以下步骤903a-903d中进行描述：

903a)在笛卡尔空间中沿着一个X轴(水平码头)和一个Z轴(垂直)创建点的网格，使得网格比以原始图像的笛卡尔中心为中心的原始图像的视场稍大(以米计)。

903b)使用在步骤902中生成的3D轮廓计算关于在步骤903a)中生成的网格点沿着Y轴(水平和垂直于码头前缘)的点的值，从而创建一组3D点。拟合的多维多项式被用作3D轮廓。

903c)步骤903b)中的3D点使用标准3D到2D投影被变换成一组2D点，其中到观察者的距离使用从相机到图像的距离(基于激光数据)，以及旋转角度使用相机相对于码头的前缘的水平和垂直角度。

903d)使用步骤903a)中生成的点以及使用图像的每米的像素(这是已知的，因为相机的视场角是已知的，并且从相机到船的船体上的各个点的距离是已知的)来计算以像素为单位计的一组固定2D点。固定2D点代表变换图像中的点。

在下面的步骤904a-904g中描述了在步骤904中指定的像素跟踪的进一步细节。

904a)使用在903d)中计算的2D点来计算以像素单位计的一组移动的2D点。移动的2D点代表固定点在原始图像中的位置。

904b)生成两个多维多项式，其从移动点映射到固定点。一个用于水平像素定位，一个用于垂直像素定位。

904c)904b)的多项式用于创建两个2D阵列(一个用于水平像素定位，一个用于垂直像素定位)，其从变换图像映射到原始图像。例如，假设两个阵列的位置(1，1)处的值是(23，45)，那么要放在变换图像中的(1，1)处的像素是原始图像中的(23，45)的像素。

904d)在904c)中创建的映射阵列用于确定原始图像中的中心像素在变换图像中的位置。

904e)904d)的原始图像中心像素在变换图像中的位置被用作重复步骤904c)的中心点，使得原始图像的中心在变换图像的中心。这使得变换图像中任何像素的(X，Z)笛卡尔坐标可以基于其到图像中心的距离以及步骤903d)和904b)中使用的每米缩放的像素来确定。

904F)然后将在904e中创建的映射阵列与所有1的图像一起使用。这是为了创建具有其中在原始图像中有用于变换图像的像素1和其中没有用于相对应的像素的0的掩码图像。变换图像中可能有超出原始图像的边界的像素。该掩码用于确保变换图像的在原始图像中没有对应部分的部分被机器视觉算法的其余部分忽略。

904g)然后使用在904e)中创建的映射阵列来根据原始图像创建变换图像。

吃水深度标记值可以通过选择具有最高可能性总和的标记序列来确定，该序列中的每个吃水深度标记是根据其在序列中的定位识别的值；并且基于吃水深度标记的已知图案。这使得即使某些吃水深度标记值不是个人可读的，也可以正确地确定吃水深度标记值。

现在参考图10，示出了用于确定船的吃水线处吃水深度标记值的过程。

具体地：

在步骤1001，使用OCR算法来识别图像中可能的吃水深度标记字符，并识别它们在图像中的定位；

在步骤1002，识别并分配一个值给每个可能的吃水深度标记字符，该值指示它是吃水深度计的一部分的可能性；

在步骤1003，检查所识别的吃水深度标记的定位，以查看是否缺失任何吃水深度标记；

在步骤1004，缺失的吃水深度标记被添加到被识别为缺失吃水深度标记的定位；

在步骤1005，给图像中船体上最高定位的吃水深度标记每个可能的值；

在步骤1006，为吃水深度计中的每个其他吃水深度标记分配一个值，该值由所述每个其他吃水深度标记相对于最高定位的吃水深度标记的定位确定。

在步骤1007，对分配给最高定位的吃水深度标记的每个可能值重复步骤1006；

在步骤1008，对于每个可能的吃水深度标记序列，将每个吃水深度标记是该序列所需的吃水深度标记字符的可能性求和；和

在步骤1009，具有可能性最高总和的值序列被确定为正确序列。

该算法用于确定10厘米标记和米标记。

对于米标记，图10的过程可以应用于不同摇动倾斜角的图像，从而允许在水和吃水深度标记界面(水位125)处确定正确的米标记值，即使米标记在水和吃水深度标记界面处不是个人可读的。这是唯一可能的，因为每个米标记的笛卡尔位置可以经由上述方法识别。

现在提供被指定用于确定水位处的吃水深度标记值的过程中步骤1001和步骤1002的更多细节。

关于步骤1001：

1001a)卷积边缘滤波器被应用于变换图像。这将创建一个灰度图像，其中变换图像中的任何边缘都将具有更高的数值。

1001b)将卷积滤波器(以不同吃水深度标记号的模板作为核心)应用于步骤1001a)中创建的图像。这些模板举例说明了如果卷积边缘滤波器应用于它们，良好形成的吃水深度标记将会是什么样子。这些模板被缩放到不同大小的预期的吃水深度标记尺寸(更小、相同和更大)。该步骤的输出是一组“图像”，其值等于边缘图像的区域与模板匹配的程度。

1001c)将局部最大值算法应用于步骤1001b)的输出，其在小(吃水深度标记尺寸)区域中输出步骤1001b)的输出的最大值和那些最大值的定位。

1001d)基于步骤1001c)中生成的卷积输出生成可能的吃水深度标记列表。

关于步骤1002：

搜索步骤1001d)的可能吃水深度标记的列表，以找到所有重叠的吃水深度标记。重叠的吃水深度标记被组合成列表中的单个吃水深度标记，每个可能的数值将具有不同的分数或“可能性”。例如，如果得分为0.3的“2”，得分为0.15的另一个“2”和得分为0.8的“4”重叠，它们将被组合成得分为0.3值为2和得分为0.8值为4的单个吃水深度标记。

船的吃水深度可以通过两种不同的方法来确定。在第一种方法中，通过将来自包含吃水深度标记的视频图像的OCR数据与距离测量值和精确潮汐测量值相结合来确定船的吃水深度。这种方法不需要在图像中检测水位(这种方法被称为OLT方法—OCR、激光距离和潮汐)。

现在参考图11，更详细地示出了确定船的吃水深度的OLT方法。具体地：

在步骤1101，来自吃水深度标记的视频的图像被变换，并且应用如上所定义的OCR算法，使得吃水深度标记的定位和值被检测，并且图像上每米有恒定的像素，并且图像的中心在笛卡尔空间中的位置是已知的；

在步骤1102，选择吃水深度标记，并使用所选吃水深度标记到图像的中心的垂直像素距离、图像的每米的像素、和图像的中心的笛卡尔高度来计算所选吃水深度标记的笛卡尔垂直定位；

在步骤1103，获得潮汐测量数据

在步骤1104，将潮汐测量数据改变为与上述步骤2中选择的吃水深度标记的垂直定位的笛卡尔原点相同的坐标；

在步骤1105，从在步骤1102选择的吃水深度标记的笛卡尔高度中减去潮汐测量值；

在步骤1106，通过从步骤2中选择的吃水深度标记的吃水深度值中减去步骤1105中计算的结果来确定船的吃水深度；和

在步骤1107，对一段时间(例如10秒)内的多个图像计算在步骤1106中获得的吃水深度测量值，并且将被测量的吃水深度计的吃水深度值被确定为在该一段时间内计算的吃水深度值的平均值。

现在参考图12，示出了用于确定船的吃水深度的第二种方法。具体而言，机器视觉算法在图12中被示出，其可用于通过确定哪些吃水深度标记在水下来确定图像中的水位125(且从而确定船的吃水深度)。具体地：

在步骤1201，根据上面讨论的方法，包含船的吃水线125的视频图像被变换成使得视点在光学成像设备110的正前方；

在步骤1202，使用OCR算法来确定视频的第一图像中吃水深度标记的定位和值；

在步骤1203，基于不在水下的吃水深度标记的定位和值来估计在水下的吃水深度标记的定位和值；

在步骤1204，在视频中从一个图像到另一个图像跟踪吃水深度标记的定位；

在步骤1205，分析每个图像，以确定每个吃水深度标记字符的顶部或底部是否在水下(要注意的是，吃水深度标记的顶部和底部被使用，因为这是图像中存在水或不存在水这两种情况之间变化最大的位置，即使在非常清澈的水的情况下)；

在步骤1206，在水下(或不在水下)的吃水深度标记顶部和底部被用于确定图像中水位应该在的可能范围(即，接近吃水深度标记顶部或底部离开水并且吃水深度标记顶部或底部在水下)；

在步骤1207，分析视频的图像之间的差异以确定水位的位置。可以基于使用吃水深度标记顶部和底部检测到的可能的范围对算法应用加权；和

在步骤1208，将吃水深度测量值作为在一段时间(例如10秒)内为每个图像计算的吃水深度的平均值。

现在参考图13，示出了用于组合基于GNSS的吃水深度、基于机器视觉的OLT吃水深度和基于机器视觉的水位吃水深度以计算实时吃水深度估计的过程。具体地：

在步骤1301，以及对于船上的每个码头侧吃水深度计，根据图11的过程在沿着吃水深度标记的多个(例如7个)不同垂直定位处获取初始OLT吃水深度读数。算法用于确定初始OLT吃水深度是否有效，并为每一个吃水深度计计算单个初始OLT吃水深度值；

在步骤1302，以及对于船上的每个码头侧吃水深度计，根据图12的过程的初始水位吃水深度的有效性是通过将其与初始OLT吃水深度进行比较来确认的；

在步骤1303，验证的初始水位吃水深度被用于初始化基于GNSS的吃水深度值；

在步骤1304，通过使用位于船上的六个GNSS传感器的高度变化来对船在吃水深度标记处相对于初始吃水深度的吃水深度变化建模，从而在整个装载过程中计算基于GNSS的吃水深度值；

在步骤1305，在整个装载过程中进行根据图11的水位125视频OLT测量和根据图12的水位吃水深度测量；

在步骤1306，将每个水位吃水深度测量值与OLT吃水深度测量值和基于GNSS的吃水深度测量值进行比较，以验证水位吃水深度测量值；和

在步骤1307，基于当前和先前验证的水位吃水深度和基于GNSS的吃水深度来确定船的吃水深度测量值。

在图13的过程中，基于GNSS的吃水深度的初始化根据经验证的水位吃水深度持续进行校正，并且如果当前经验证的水位吃水深度无法被计算，则自动吃水深度勘测系统的输出将设置为基于GNSS的吃水深度。

与只有一种方法相比，三种测量吃水深度的方法的相互验证显著提高了完整性、鲁棒性和准确性。

以下段落提供了关于步骤1301的进一步细节。

步骤1301中的算法使用在所有OLT吃水深度读数的中值的可配置范围内的OLT吃水深度读数的中值。如果在可配置范围内没有足够的读数，那么它将被认为是无效的；

这种方法允许丢弃所有带有错误米标值的读数，而不影响结果。这是因为常见的故障模式是错误地确定米值，因为相比于大约有10个10厘米标记，图像中通常只有3个米标记。

应当理解，在本说明书中，如果在本文中提及任何现有技术的出版物，则这样的引用并不构成该出版物在澳大利亚或任何其它国家中形成本领域的通用知识的一部分的承认。

在权利要求和本发明的前述描述中，除非上下文因明确语言或必要暗示另有要求之外，词语“包括(comprise)”或诸如“包括(comprises)”或“包括(comprising)”的变型是包含性意义的使用，即，指定所陈述特征的存在，但不排除在本发明的各种实施例中存在或添加其他特征。