發(fā)布時(shí)間：2022-07-08 10:19

　　隨著現(xiàn)代智能技術(shù)的發(fā)展,越來(lái)越的學(xué)者開(kāi)始對(duì)水路系統(tǒng)的智能化進(jìn)行研究,未來(lái)內(nèi)河航運(yùn)系統(tǒng)也將朝著無(wú)人化、網(wǎng)絡(luò)化、科技化發(fā)展。未來(lái)智能化航運(yùn)的發(fā)展,內(nèi)河航運(yùn)效率大大提高的同時(shí),運(yùn)輸安全也將得到極大保障。在智能航運(yùn)中無(wú)處不涉及到傳感器的使用,相比于其他傳感器而言,視覺(jué)傳感器獲取到的環(huán)境紋理豐富,信息量大,針對(duì)各種環(huán)境可以靈活調(diào)整處理算法以達(dá)到最佳的處理效果,能使無(wú)人艇更加精確的感知環(huán)境。目前針對(duì)無(wú)人艇視覺(jué)感知技術(shù)的研究大多集中在水面目標(biāo)提取與跟蹤方面,針對(duì)水岸線提取以及水岸距離感知的研究較少。本文主要針對(duì)近岸環(huán)境下的無(wú)人艇水岸線提取和水岸距離感知進(jìn)行研究,在改進(jìn)現(xiàn)有水岸線提取方法的基礎(chǔ)上,對(duì)水岸線距離感知進(jìn)行研究,采用雙目視覺(jué)的方式對(duì)水岸距離進(jìn)行測(cè)量。本文主要研究?jī)?nèi)容如下:（1）水岸圖像的預(yù)處理。本文通過(guò)對(duì)實(shí)地采集到的水岸圖像進(jìn)行分析,研究了近岸環(huán)境下的水岸圖像特征。針對(duì)水岸線感知的需求分析了不同顏色空間和濾波算法對(duì)水岸線感知結(jié)果的影響。（2）水岸圖像水岸線提取。本文分析目前常見(jiàn)的圖像分割方法,對(duì)于單幀水岸圖像,提出一種基于改進(jìn)區(qū)域生長(zhǎng)算法的水岸線提取方法。針對(duì)視頻序列水岸線提取,分析對(duì)比常用... 

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景及意義
    1.2 課題研究現(xiàn)狀
        1.2.1 水面無(wú)人艇研究現(xiàn)狀
        1.2.2 水岸線提取研究現(xiàn)狀
        1.2.3 視覺(jué)測(cè)量技術(shù)研究現(xiàn)狀
    1.3 論文的主要研究?jī)?nèi)容和章節(jié)安排
2 近岸環(huán)境下的水岸圖像預(yù)處理
    2.1 引言
    2.2 近岸環(huán)境下的水岸圖像常見(jiàn)特點(diǎn)
    2.3 水岸圖像的顏色空間
        2.3.1 RGB顏色空間
        2.3.2 HSV顏色空間
        2.3.3 Lab顏色空間
        2.3.4 不同顏色空間下的水岸圖像分析
    2.4 水岸圖像濾波降噪
        2.4.1 圖像噪聲分析
        2.4.2 均值濾波
        2.4.3 高斯濾波
        2.4.4 中值濾波
        2.4.5 雙邊濾波
        2.4.6 不同濾波算法的降噪效果對(duì)比實(shí)驗(yàn)
    2.5 本章小結(jié)
3 基于區(qū)域分割的水岸線提取
    3.1 引言
    3.2 常用圖像分割方法
        3.2.1 邊緣檢測(cè)
        3.2.2 閾值分割
        3.2.3 區(qū)域生長(zhǎng)法
    3.3 基于改進(jìn)區(qū)域生長(zhǎng)算法的水岸線提取方法
        3.3.1 基于最大熵分割的感興趣區(qū)域提取
        3.3.2 基于改進(jìn)區(qū)域生長(zhǎng)的水岸線提取
        3.3.3 算法總體流程
        3.3.4 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
4 基于投影變換的無(wú)人艇視頻序列水岸線提取
    4.1 引言
    4.2 基本思想
    4.3 算法總體流程
    4.4 特征點(diǎn)檢測(cè)及匹配
        4.4.1 常用特征檢測(cè)算法
        4.4.2 特征匹配算法
        4.4.3 基于ORB的水岸圖像特征點(diǎn)檢測(cè)和匹配
    4.5 運(yùn)動(dòng)補(bǔ)償與水岸線提取
        4.5.1 基于投影變換的全局運(yùn)動(dòng)補(bǔ)償
        4.5.2 水岸線提取
    4.6 本章小結(jié)
5 基于視覺(jué)的無(wú)人艇測(cè)距研究
    5.1 引言
    5.2 三維測(cè)量的基本原理
        5.2.1 單目測(cè)距的基本原理
        5.2.2 雙目測(cè)距的基本原理
    5.3 基于雙目視覺(jué)的無(wú)人艇近岸測(cè)距
        5.3.1 攝像機(jī)標(biāo)定
        5.3.2 立體矯正
        5.3.3 立體匹配
        5.3.4 水岸線距離測(cè)量
    5.4 本章小結(jié)
6 無(wú)人艇視覺(jué)感知系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    6.1 引言
    6.2 無(wú)人艇平臺(tái)構(gòu)建
    6.3 無(wú)人艇視覺(jué)感知系統(tǒng)
    6.4 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]無(wú)人水面艇技術(shù)發(fā)展回顧與趨勢(shì)分析[J]. 張偉,廖煜雷,姜峰,趙鐵軍.  無(wú)人系統(tǒng)技術(shù). 2019(06)
[2]基于RGB顏色空間的豬肉大理石紋分割[J]. 錢蓉,李小金,董偉,王重龍.  江蘇農(nóng)業(yè)科學(xué). 2019(20)
[3]基于改進(jìn)區(qū)域生長(zhǎng)的水岸線提取方法研究[J]. 鄭又能,肖宇峰,寸超,向可均,張華,劉冉.  計(jì)算機(jī)應(yīng)用研究. 2020(06)
[4]基于最大熵的目標(biāo)分割和檢測(cè)[J]. 韓濤,辛欣.  計(jì)算機(jī)與數(shù)字工程. 2019(04)
[5]無(wú)人水面艇在島礁測(cè)繪中的應(yīng)用[J]. 單晨晨,溫明明,馮強(qiáng)強(qiáng).  科技創(chuàng)新導(dǎo)報(bào). 2019(11)
[6]最大類間方差法在果蔬種類識(shí)別中的應(yīng)用研究[J]. 周俊勇,陳永良,黃衛(wèi)躍.  科技通報(bào). 2019(03)
[7]無(wú)人艇在電子戰(zhàn)中的應(yīng)用[J]. 劉欣,楊格,郭日成.  科技導(dǎo)報(bào). 2019(04)
[8]國(guó)內(nèi)外無(wú)人艇發(fā)展現(xiàn)狀及典型作戰(zhàn)應(yīng)用研究[J]. 王石,張建強(qiáng),楊舒卉,張博倫.  火力與指揮控制. 2019(02)
[9]揭開(kāi)無(wú)人海戰(zhàn)的序幕 中國(guó)“瞭望者”Ⅱ無(wú)人艇[J]. 劉江平.  坦克裝甲車輛. 2019(02)
[10]基于Lab顏色空間紋理特征的圖像前后景分離[J]. 楊超,劉本永.  激光與光電子學(xué)進(jìn)展. 2019(12)

博士論文
[1]圖像閾值分割關(guān)鍵技術(shù)研究[D]. 龍建武.吉林大學(xué) 2014
[2]基于光視覺(jué)的無(wú)人艇水面目標(biāo)檢測(cè)與跟蹤研究[D]. 曾文靜.哈爾濱工程大學(xué) 2013

碩士論文
[1]基于計(jì)算機(jī)視覺(jué)的測(cè)距技術(shù)研究[D]. 姜映舟.桂林電子科技大學(xué) 2019
[2]基于視覺(jué)與慣性測(cè)量單元的無(wú)人機(jī)自定位技術(shù)研究[D]. 孫新成.南京航空航天大學(xué) 2019
[3]雙目視覺(jué)與障礙物探測(cè)方法研究[D]. 劉然.西安石油大學(xué) 2018
[4]基于顏色空間轉(zhuǎn)換的分水嶺彩色圖像分割算法研究[D]. 張慧.遼寧工程技術(shù)大學(xué) 2017
[5]邊緣檢測(cè)方法研究及應(yīng)用[D]. 王章鋒.天津工業(yè)大學(xué) 2017
[6]可靠圖像邊緣檢測(cè)方法研究[D]. 劉紅霞.蘭州大學(xué) 2016
[7]基于CUDA平臺(tái)的區(qū)域分割并行算法設(shè)計(jì)與實(shí)現(xiàn)[D]. 王媛媛.大連理工大學(xué) 2014
[8]倒影圖像檢測(cè)[D]. 王大志.哈爾濱工業(yè)大學(xué) 2009



本文編號(hào)：3656846