海洋探索已經(jīng)成為大國角力的新型戰(zhàn)場,水下航行器作為新型海洋探索和維護海洋設(shè)備的重要利器已經(jīng)成為各大高校及研究機構(gòu)的的研究方向。如今,水下航行器要完成高難度的水下作業(yè),具備精確的水下實時定位與水下目標(biāo)檢測技術(shù)不可或缺。由于聲吶、激光等傳統(tǒng)傳感器價格昂貴,并且在近距離水下作業(yè)時受到距離限制和環(huán)境約束,基于視覺檢測的水下定位方法和目標(biāo)識別技術(shù)得到了快速發(fā)展。本文從三個方面對水下航行器的視覺實時定位和目標(biāo)檢測進行了研究:水下雙目相機的標(biāo)定以及點特征與線特征算法的選取、水下雙目實時定位算法的實現(xiàn)、水下目標(biāo)識別算法的應(yīng)用。針對傳統(tǒng)的水下定位方法,本文根據(jù)水下場景低紋理的特性,提出了基于點線特征的雙目視覺實時水下定位方法。本文通過設(shè)計一套評分機制選用了ORB-LSD作為點-線特征提取算法,研究了基于點和線特征統(tǒng)一的重投影誤差函數(shù),基于點-線特征的幀與幀之間運動位姿求解,局部地圖構(gòu)建及其優(yōu)化、閉環(huán)檢測以及閉環(huán)優(yōu)化等。最終,通過實驗驗證了基于點線特征雙目實時定位算法在低紋理場景下具備較好的精度,同時在水下航行器中具有較好的實時性。針對航行器水下目標(biāo)識別檢測,對比分析了各類物體檢測算法,出于高精度和高實時性的考慮,本文選擇了YOLOv2算法作為水下航行器的物體檢測算法。分析了其特征提取網(wǎng)絡(luò)Darknet-19構(gòu)造,以及若干改進措施,探究了其邊界框預(yù)測原理以及損失函數(shù)。利用水下航行器作業(yè)期間采集大量圖片,制作了針對魚群的水下數(shù)據(jù)集。通過訓(xùn)練自己的數(shù)據(jù)集,對數(shù)據(jù)集進行聚類,本文實現(xiàn)了航行器對魚群的識別,并且達到較高的準(zhǔn)確率和召回率�；诖�,完成了對檢測目標(biāo)實現(xiàn)簡單的水下跟蹤功能。針對實驗室現(xiàn)有水下航行器,重新設(shè)計并開發(fā)了航行器軟件控制組織架構(gòu)。將原先Qt界面寫成的軟件控制系統(tǒng)封裝成ROS的形式,用來訂閱底層數(shù)據(jù)和更新系統(tǒng)狀態(tài)。將每一個傳感器數(shù)據(jù)通過底層STM32傳到Linux操作系統(tǒng),通過ROS實時發(fā)布出來,從而控制系統(tǒng)再通過訂閱傳感器的消息,實現(xiàn)系統(tǒng)實時更新。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;U674.941
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源
    1.2 課題背景及研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 水下視覺實時定位算法國內(nèi)外發(fā)展現(xiàn)狀
        1.3.2 目標(biāo)檢測國內(nèi)外發(fā)展現(xiàn)狀
    1.4 本文主要研究內(nèi)容
第2章 基于雙目視覺系統(tǒng)設(shè)計與特征提取算法研究
    2.1 引言
    2.2 水下機器人雙目視覺系統(tǒng)設(shè)計
        2.2.1 空氣中基于針孔模型的相機標(biāo)定
        2.2.2 水下雙目攝像機標(biāo)定分析
        2.2.3 水下航行器雙目標(biāo)定評價
    2.3 水下幾何特征提取算法研究
        2.3.1 水下點特征提取算法選取研究
        2.3.2 LSD線特征提取與描述算法研究
    2.4 本章小結(jié)
第3章 基于點線特征的雙目視覺實時定位算法研究
    3.1 引言
    3.2 基于點和線特征雙目實時定位算法框架
    3.3 基于點線特征的位姿估計研究
        3.3.1 基于線的重投影誤差計算分析
        3.3.2 基于點和線的位姿估計算法研究
    3.4 基于點線的局部構(gòu)圖過程
        3.4.1 關(guān)鍵幀的選取和插入策略
        3.4.2 點和線的局部地圖優(yōu)化
    3.5 基于點線的閉環(huán)過程
        3.5.1 基于點線的閉環(huán)檢測
        3.5.2 基于點線的閉環(huán)優(yōu)化
    3.6 基于雙目點線實時定位算法實驗驗證
    3.7 本章小結(jié)
第4章 基于深度學(xué)習(xí)的水下目標(biāo)檢測算法研究
    4.1 引言
    4.2 YOLOv2 算法框架
        4.2.1 特征提取網(wǎng)絡(luò)
        4.2.2 多尺度檢測訓(xùn)練
        4.2.3 BN標(biāo)準(zhǔn)化
        4.2.4 邊界框預(yù)測
        4.2.5 損失函數(shù)
    4.3 訓(xùn)練與檢測
        4.3.1 錨的機制以及聚類
        4.3.2 預(yù)訓(xùn)練過程
        4.3.3 基于YOLOv2 算法的魚群檢測過程
    4.4 訓(xùn)練模型性能評價
    4.5 本章小結(jié)
第5章 實驗評價與分析
    5.1 引言
    5.2 水下視覺定位測量實驗平臺設(shè)計
        5.2.1 水下航行器視覺定位實驗準(zhǔn)備
        5.2.2 水下航行器軟件架構(gòu)設(shè)計
    5.3 雙目點線特征實時定位算法分析實驗
        5.3.1 直線運動誤差分析實驗
        5.3.2 水下沿壁環(huán)繞運動累積誤差分析
        5.3.3 水下全局軌跡對比實驗分析
    5.4基于深度學(xué)習(xí)的水下目標(biāo)檢測跟蹤實驗
        5.4.1 水下目標(biāo)識別的環(huán)境部署
        5.4.2 水下航行器水下物體跟蹤實驗
    5.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝

【相似文獻】

相關(guān)期刊論文 前10條

1 黎勇;崔喆;余少劍;;內(nèi)存數(shù)據(jù)庫在超寬帶實時定位系統(tǒng)中應(yīng)用[J];計算機應(yīng)用;2014年S2期

2 閆懿;;卓紀(jì)思推出全面Wi-Fi實時定位解決方案[J];中國數(shù)字醫(yī)學(xué);2009年09期

3 ;手機呼叫實時定位系統(tǒng)[J];生物醫(yī)學(xué)工程學(xué)進展;2010年04期

4 王文峰;耿力;;基于射頻識別的實時定位系統(tǒng)技術(shù)研究[J];信息技術(shù)與標(biāo)準(zhǔn)化;2007年07期

5 ;新科GM-702C GPS[J];大眾數(shù)碼;2007年01期

6 周奇波;施波;;高精實時定位手環(huán)研制與應(yīng)用[J];科技風(fēng);2020年02期

7 ;我國自主研制成功高精度實時定位系統(tǒng)[J];計量與測試技術(shù);2012年12期

8 喻春雨;費彬;李艷;繆亞健;;基于RFID的軌道車輛實時定位系統(tǒng)設(shè)計[J];現(xiàn)代電子技術(shù);2014年12期

9 王坤;游安清;賀喜;王磊;;基于動態(tài)目標(biāo)結(jié)構(gòu)特征的姿態(tài)實時定位方法[J];紅外與激光工程;2013年11期

10 趙斐;張波;張彥仲;李署堅;;基于擴頻技術(shù)的RFID區(qū)域?qū)崟r定位系統(tǒng)設(shè)計[J];計算機測量與控制;2013年01期

相關(guān)博士學(xué)位論文 前5條

1 姚萌;基于視覺信息的高精度輕軌實時定位系統(tǒng)關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2018年

2 曲峰;活細(xì)胞內(nèi)GLUT4囊泡納米級三維實時定位技術(shù)的研究[D];華中科技大學(xué);2011年

3 熊廷文;基于無源超高頻射頻識別技術(shù)的實時定位系統(tǒng)的研究[D];復(fù)旦大學(xué);2010年

4 范存群;車聯(lián)網(wǎng)環(huán)境下基于可靠接入的高效數(shù)據(jù)傳輸機制研究[D];北京郵電大學(xué);2014年

5 王曉暄;GLUT4囊泡的量子點標(biāo)記及其在活細(xì)胞內(nèi)納米級實時定位研究[D];華中科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王益聰;基于實時定位的離散制造過程監(jiān)控技術(shù)研究及應(yīng)用[D];南京航空航天大學(xué);2019年

2 朱鳴鳴;基于雙目視覺的AUV實時定位與目標(biāo)檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

3 路通;地鐵智能巡檢車高精度自主定位技術(shù)研究[D];北京交通大學(xué);2019年

4 張世文;實時定位與跟蹤技術(shù)在農(nóng)機生產(chǎn)車間的應(yīng)用研究[D];新疆大學(xué);2019年

5 眭軒豪;鐵路自備車實時定位與管理信息系統(tǒng)的開發(fā)[D];蘭州交通大學(xué);2018年

6 盧亞兵;基于雙目視覺的實時定位與建圖方法研究[D];哈爾濱工業(yè)大學(xué);2018年

7 時超;偏振光實時定位系統(tǒng)的設(shè)計[D];大連理工大學(xué);2018年

8 吳旗;基于UWB的離散制造車間實時定位關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2018年

9 齊興明;白內(nèi)障超聲乳化術(shù)中手術(shù)切口的實時定位[D];北京工業(yè)大學(xué);2018年

10 吉元祥;船舶人員實時定位監(jiān)測系統(tǒng)研究[D];江蘇科技大學(xué);2015年

本文編號：2863231