基于梯度信息的AUV水下管道檢測方法研究.pdf

1、海洋中蘊藏著豐富的生物資源和礦產(chǎn)資源，正日益成為人類資源開發(fā)的新空間。海洋資源開發(fā)需要科學技術和設備的支持，水下機器人因其安全、高效、作業(yè)深度大、能在水下長時間工作而日益成為開發(fā)海洋資源的重要工具。水下機器人技術是當前各國研究的熱點，而基于視覺的水下目標檢測與跟蹤是水下機器人研究中的一項關鍵技術。
　　本文結合工信部的“海洋探測智能潛水器工程化技術研究”項目，展開了智能水下機器人（AUV）基于光視覺的水下管道檢測與跟蹤方法研究。主

2、要研究內(nèi)容包括：
　　1.分析了水下光學成像特性和水下圖像的特點。針對圖像去噪和算法快速性的要求，研究了高斯降采樣的方法?？紤]到高斯降采樣有平滑邊緣的缺點，引入了圖像尺度空間的概念，并對高斯降采樣算法進行了改進。在研究圖像增強算法時，針對傳統(tǒng)的模糊增強算法存在計算量大、損失低灰度信息等缺點，對其進行了改進，構造出一種新的根據(jù)直方圖信息確定渡越點取值的增強算法。
　　2.在水下管道檢測過程中，傳統(tǒng)方法是采用基于Hough變換的

3、直線檢測算法進行管道檢測。本文首先研究了基于Hough變化的水下管道檢測方法，分析了該方法存在誤檢以及復雜度高等缺點，因而引入了一種新的基于圖像梯度信息的線段檢測算法，并改進了區(qū)域生長算法。然后根據(jù)管道的特點，對檢測到的線段進行限制，最終定位管道的位置。最后，通過大量的對比實驗，從檢測的正確率和算法的速度兩方面驗證了本文方法相對于傳統(tǒng)的基于Hough變換的方法的優(yōu)勢。
　　3.分析了攝像機的成像幾何模型，研究管道圖像坐標系與機器人

4、坐標系的轉換關系。采用張正友標定法進行攝像機的標定試驗，獲得攝像機的內(nèi)部參數(shù)。根據(jù)攝像機的安裝位置和角度，確定攝像機的外部參數(shù)。最終確定管道的圖像坐標到機器人坐標的轉換關系。
　　4.構建了 AUV管道檢測與跟蹤的光視覺系統(tǒng)的軟硬件體系結構，并在半實物仿真平臺下進行AUV水下管道檢測與跟蹤系統(tǒng)的仿真實驗，驗證算法的有效性和系統(tǒng)的可靠性。最后，利用本文算法對多組水池管道序列圖像進行了離線檢測，實驗結果表明本文算法能有效檢測水下管道，