自主水下航行器在完成水下任務時,大多是通過慣性測量單元或慣性導航系統(tǒng)來輔助定位。慣性導航系統(tǒng)是基于推算來定位的,任何基于行推算的定位系統(tǒng)的姿態(tài)估計值都會隨著時間的增加誤差不斷累積,會導致位置數(shù)據(jù)不斷漂移影響水下AUV的任務完成度。海洋聲納成像比AUV早幾十年,它是一種相當強大的技術。水下聲成像是更大范圍的聲成像領域的一部分,可用于在光學系統(tǒng)無法實現(xiàn)的情況下提供水下觀察和檢查功能。本文以水下聲學圖像目標檢測為基礎,對采集到的水下聲學圖像進行預處理后,實驗研究分析將計算機視覺顯著性檢測算法改進應用到水下聲學圖像上,對水下聲學圖像進行目標顯著性檢測研究,使水下聲學圖像目標相對于背景突出顯示,對經(jīng)過目標顯著性檢測處理后的水下聲學圖像進行動靜狀態(tài)的判斷,對檢測到的靜態(tài)目標進行定位,其對于AUV來說就像一個新的錨節(jié)點,可以作為參考點來輔助AUV慣性導航累積誤差的減小。在檢測到靜態(tài)目標作為參考點后,AUV可以從聲吶圖像中獲得多次獲得距離信息,其距離的變化可以反應AUV相對參考點的相對運動,在此過程上基于擴展卡爾曼濾波的計算,可以減小AUV慣性導航的累積誤差。由于水聲信道的水介質及其邊界具有復雜多變的... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

水下研究基本場景

第1章緒論14下光學圖像預處理最優(yōu)的增強方法。第三章中，對比研究譜殘差、FT頻率模型、HFT超傅里葉變換等顯著性檢測方法，對采集的聲學圖像進行顯著性檢測并對比顯著性效果，根據(jù)實驗結果選擇針對聲吶圖像顯著性檢測最優(yōu)的模型，使水下聲學圖像目標相對于背景突出顯示，并利用圖像頻域特征中的直流分量與非直流分量對顯著性目標進行運動狀態(tài)動靜的判斷并分類。第四章中，對上述聲吶圖像中提取的帶有距離信息的靜態(tài)目標進行擴展卡爾曼濾波進行數(shù)據(jù)融合，利用相對距離減小AUV導航的累積誤差從而達到輔助修正導航的目的。在第五章中，在深水池中對同坐標原點采集到的聲吶圖像與光學圖像中的顯著目標進行改進的豪斯多夫距離配準，可對聲學圖像與光學圖像中的相同目標物進行配準，此聲光融合圖像的批準補償了AUV在探測追蹤目標物時由于距離限制在聲吶設備與光學設備切換產生的目標丟失問題，可幫助AUV更好的完成探測任務。本文研究框架圖如圖1.2所示。圖1.2研究框架圖

第2章水下聲學圖像預處理17=(,)°(x,y)……………………….(2-8)=(,)(,)……………………….(2-9)WTH通常用于提取明亮的圖像區(qū)域,BTH通常用于提取暗淡的圖像區(qū)域。2.5實驗結果與分析此實驗中的水下聲學圖像數(shù)據(jù)由TritechMicronDST數(shù)字圖像聲納采集，其工作頻率：CHIRP中心頻率700kHz；波寬：垂直35度，水平3度；距離分辨率：大約7.5mm（最�。�；機械分辨率：0.45°,0.9°,1.8°。對用此圖像聲吶采集的水下聲學圖像進行濾波預處理，均值濾波、中值濾波、高斯濾波均采用3×3模版。水下聲學圖像如圖2.1所示，均值濾波處理結果如圖2.2所示，中值濾波處理結果如圖2.3所示，高斯濾波處理結果如圖2.4所示，形態(tài)學濾波處理結果如圖2.5所示。圖2.1水下聲學圖像圖2.2均值濾波處理結果圖2.3中值濾波處理結果圖2.4高斯濾波處理結果

【參考文獻】：
期刊論文
[1]水下圖像增強和復原方法研究進展[J]. 郭繼昌,李重儀,郭春樂,陳善繼.  中國圖象圖形學報. 2017(03)
[2]基于組合EKF的自主水下航行器SLAM[J]. 王宏健,王晶,邊信黔,傅桂霞.  機器人. 2012(01)
[3]水下機器人發(fā)展趨勢[J]. 徐玉如,李彭超.  自然雜志. 2011(03)
[4]圖像高斯平滑濾波分析[J]. 王耀貴.  計算機與信息技術. 2008(08)
[5]冷凝管水下視覺定位系統(tǒng)研究[J]. 蔡玉連,王耀南,張志國.  計算機工程與應用. 2008(04)



本文編號：3417371