AUV的水下目標(biāo)檢測(cè)與跟蹤方法研究.pdf

1、海洋是生命的起源地，是人類生存的重要空間，蘊(yùn)含著廣闊的自然資源。由于海洋環(huán)境的特殊性，單靠人力已難以實(shí)現(xiàn)海洋的探索和開(kāi)發(fā)，為此，各種水下機(jī)器人應(yīng)運(yùn)而生。智能水下機(jī)器人（以下簡(jiǎn)稱AUV）利用水下視覺(jué)系統(tǒng)感知外部環(huán)境，為機(jī)器人規(guī)劃決策系統(tǒng)提供環(huán)境信息。本課題結(jié)合工信部“海洋探測(cè)智能潛水器工程化技術(shù)研究項(xiàng)目”，研究了水下聲光圖像的處理方法、基于信息融合的目標(biāo)檢測(cè)算法和水下管道檢測(cè)、識(shí)別和定位方法，并在前面研究方法的基礎(chǔ)上，構(gòu)建了一套基于視覺(jué)的

2、水下管道檢測(cè)與跟蹤系統(tǒng)。本文主要的研究?jī)?nèi)容包括：
　?。?）針對(duì)水下目標(biāo)檢測(cè)中圖像處理算法內(nèi)容，分析了水下光學(xué)圖像和聲學(xué)圖像特征，針對(duì)水下圖像的特點(diǎn)，從濾波、增強(qiáng)、分割以及形態(tài)學(xué)處理四方面進(jìn)行了研究。在圖像增強(qiáng)中，改進(jìn)了傳統(tǒng)的模糊增強(qiáng)算法，有效地克服了傳統(tǒng)算法中參數(shù)多，灰度級(jí)損失以及低計(jì)算效率的缺陷，并且更好地保留目標(biāo)和背景的特征信息；在圖像分割中，針對(duì)目標(biāo)和背景灰度級(jí)重疊、對(duì)比度低的水下圖像，建立了基于圖像梯度信息的二維Abut

3、aleb最大熵和改進(jìn)粒子群優(yōu)化算法（SPSO）結(jié)合的分割算法，該方法可以有效地檢測(cè)出水下目標(biāo)，提高計(jì)算效率。
　?。?）研究了AUV航行過(guò)程中基于特征級(jí)融合的水下目標(biāo)檢測(cè)識(shí)別方法。首先針對(duì)聲納和微光圖像特點(diǎn)，分別提取目標(biāo)的 Hu不變矩和小波不變矩，并采用主分量分析法對(duì)維數(shù)較多的小波矩特征降維。然后以加權(quán)組合串行特征融合為基礎(chǔ)，建立了基于神經(jīng)網(wǎng)絡(luò)與改進(jìn)的粒子群算法相結(jié)合的水下目標(biāo)檢測(cè)算法。對(duì)測(cè)試樣本進(jìn)行的識(shí)別實(shí)驗(yàn)結(jié)果表明，本文的算法

4、具有更高的識(shí)別率和更強(qiáng)的泛化能力。
　?。?）研究了AUV管道檢測(cè)與跟蹤系統(tǒng)中的水下管道的檢測(cè)算法。文中分析了傳統(tǒng)的邊緣檢測(cè)算子的優(yōu)缺點(diǎn)，建立了基于快速Kirsch邊緣檢測(cè)算子和Yasuda局部邊緣檢測(cè)相結(jié)合的管道邊緣檢測(cè)方法，并以離散卡爾曼濾波模型為基礎(chǔ)，建立了管道序列圖像中的關(guān)聯(lián)波門，限制管道邊緣檢測(cè)中的搜索空間，結(jié)合本文的改進(jìn)的快速Hough變換，提高了管道檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性。針對(duì)管道序列圖像中的彎管檢測(cè)問(wèn)題，以Hough

5、變換檢測(cè)的結(jié)果為基礎(chǔ)，抽取管道的特征區(qū)域，利用直方圖信息對(duì)管道進(jìn)行相似性測(cè)量，實(shí)現(xiàn)管道檢測(cè)過(guò)程中彎管的準(zhǔn)確判斷。
　　（4）研究了管道圖像坐標(biāo)系與AUV坐標(biāo)系的轉(zhuǎn)換，建立了管道跟蹤系統(tǒng)?？紤]到攝像機(jī)畸變因素以及標(biāo)定精度，本文采用張正友方法對(duì)攝像機(jī)進(jìn)行標(biāo)定，求取攝像機(jī)模型參數(shù)，確定圖像中管道目標(biāo)點(diǎn)從圖像坐標(biāo)系到機(jī)器人坐標(biāo)系中的轉(zhuǎn)換關(guān)系，實(shí)現(xiàn)基于視覺(jué)系統(tǒng)的機(jī)器人環(huán)境信息感知。
　?。?）構(gòu)建了AUV管道自主檢測(cè)系統(tǒng)的軟硬件體系結(jié)