基于雙目視覺水下目標檢測與定位系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、海洋是生物的發(fā)源地，含有豐富的礦物資源。然而，人類的視覺僅在電磁波譜的可視波段，限制了人們對水下資源的勘探和開發(fā)。而水下機器人的光視覺幾乎覆蓋了全部電磁波譜，具有良好的水下環(huán)境感知能力，能為水下機器人自主作業(yè)提供精確的目標信息，尤其在目標物距機器人較近時，具有不可替代的優(yōu)勢。研究水下機器人雙目視覺的目標檢測和定位技術(shù)，對人們探索海洋環(huán)境，提高水下機器人自主作業(yè)能力具有重要的理論研究意義和應(yīng)用價值。
　　本文研究水下機器人雙目視覺目

2、標定位問題，重點研究水下目標物特征檢測和提取，水下雙目視覺定位和水下動目標檢測與目標跟蹤方法技術(shù)，為水下機器人機械手能實時穩(wěn)定的完成作業(yè)提供技術(shù)支撐。
　　在對水下目標物特征檢測和提取方法的研究中，本文主要探討圖像增強、邊緣檢測和圓形提取的方法。水下圖像存在著噪聲干擾和圖像失真的現(xiàn)象，傳統(tǒng)中值濾波方法的窗口大小不可變，靈活性差，而且不能有效地去除圖像上存在的大面積圖像噪聲。為此，本文提出了一種中心加權(quán)自適應(yīng)中值濾波的方法，并通過水

3、下實驗驗證此方法的有效性。針對傳統(tǒng)圖像邊緣檢測算法抗噪聲能力弱，且邊緣易出現(xiàn)不連續(xù)的問題，本文提出了一種改進的邊緣檢測算法，該算法用形態(tài)學(xué)去除圖像的噪聲，在進行邊緣連接時，采用 Otsu法對圖像閾值進行設(shè)定。通過實驗對比分析驗證該算法的性能。在進行圓形檢測時，傳統(tǒng)的霍夫變換方法存在運算量大，耗時長等缺點，本文針對這一問題提出了一種改進的霍夫變換方法，此方法降低了運算復(fù)雜度，提高了運算速度，并通過水下圓形檢測對比實驗驗證本文所提方法的有效

4、性。
　　在對水下雙目視覺定位方法的研究中，根據(jù)攝像機擺放位置的不同，將雙目視覺定位分為傳統(tǒng)雙目視覺定位和前后雙目視覺定位。本文在理想的針孔成像模型中加入幾何畸變項，建立了完整的非線性攝像機模型。由于水下圖像存在著圖像畸變失真，而且攝像頭在安裝過程中存在誤差，因此，本文針對這些問題引入了攝像機徑向畸變校正對攝像機進行標定，利用視差原理獲取目標物體的三維定位信息。由于傳統(tǒng)攝像機標定誤差很大，基于前后安裝的機械視覺方法不能滿足定位需求

5、，因此，本文提出了一種基于旋轉(zhuǎn)變壓器的攝像機標定方法，并獲取了準確的目標定位信息。本文在分析了立體匹配方法的優(yōu)缺點后，提出了一種基于質(zhì)心的立體匹配方法，并通過水池實驗驗證該定位方法的有效性。
　　在對水下動目標檢測與目標跟蹤方法研究中。采用傳統(tǒng)Mean Shift算法進行目標跟蹤，當目標移動速度過快或者出現(xiàn)遮擋和多目標時，其跟蹤效果存在一定偏差。針對這一問題，本文提出了一種改進的跟蹤算法，利用目標顏色直方圖模型得到每幀圖像的顏色投