水環(huán)境問題與全人類息息相關(guān),水面上漂浮物將直接影響著水質(zhì),這些漂浮物不僅影響著環(huán)境美觀,還威脅航行安全,更對生態(tài)系統(tǒng)帶來巨大危害,進(jìn)而威脅人類的安全。為了在減少人力、物力資源以及成本的前提下清除水面漂浮垃圾,其關(guān)鍵在于如何用簡單的方法識別漂浮物,由于機(jī)器視覺在目標(biāo)檢測上有了很多成功的運(yùn)用,因此本文也采用基于機(jī)器視覺的水面漂浮物識別算法。傳統(tǒng)識別漂浮物的系統(tǒng),存在只監(jiān)不測的問題,離全自動(dòng)監(jiān)測系統(tǒng)有一定差距,因此本文進(jìn)一步對測距、跟蹤進(jìn)行研究。本文主要研究內(nèi)容如下:（1）首先依據(jù)無人艇自動(dòng)打撈水面漂浮物的需求,利用現(xiàn)有技術(shù),提出適用于無人艇的漂浮物打撈系統(tǒng)框架。（2）利用雙目攝像機(jī)構(gòu)建圖像采集系統(tǒng),通過張正友標(biāo)定法獲取相機(jī)內(nèi)外參數(shù)進(jìn)行標(biāo)定,利用三維測距原理,實(shí)現(xiàn)整個(gè)系統(tǒng)的測距功能。（3）基于TensorFlow框架,利用風(fēng)格遷移算法構(gòu)建目標(biāo)識別模塊,用風(fēng)格代替紋理,通過VGG網(wǎng)絡(luò)計(jì)算象征風(fēng)格的格拉姆矩陣,根據(jù)水圖像與水區(qū)域圖像的格拉姆差值小,與漂浮物區(qū)域差值大,區(qū)分識別出漂浮物。本方法與經(jīng)典模式識別方法相比,更加簡單的識別水面垃圾漂浮物,為后續(xù)的目標(biāo)跟蹤打撈提供強(qiáng)有力的數(shù)據(jù)支持。（4）當(dāng)目... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１水面漂浮物??Ｆｉｇ．?１．１?Ａｑｕａｔｉｃ?ｆｌｏａｔｅｒｓ??

大連海事大學(xué)碩士學(xué)位論文??「－??—－－－－丨??攝像頭１?攝像頭２?圖｜??丨??????１像Ｉ??Ｉ?采Ｕ???１???１?集??左圖像?右圖像模Ｉ??；——Ｉ￣￣１丨——Ｉ—￣＾丨??—??］??！?左目標(biāo)定?右目標(biāo)定Ｉ?：?圖片預(yù)處理?！??丨離１————?一－Ｔ－一｜?！?ｊ?ｐ??ｆｅ?★?�。鬯母窭肪仃囈灰缓∝S益格拉姆爲(wèi)??｜Ｓ?＿?標(biāo)定?！?｜?｜?｝［??＾????１?Ｉ?框選目標(biāo)?Ｐ??ｉ—―貞??Ｉ?｜??ｗ?｜?雙目圖像校正?｜??＾?Ｌ？：＿Ｉ雙；??Ｉ??Ｉ???雙目圖像匹配??Ｉ?龍??Ｉ?￡?模Ｉ??丨丨??１?１塊１??視差圖??」??三＿？１距??＾????ＫＣＦ跟蹤??二細(xì)蹤??跟蹤結(jié)果＾＞一￣?１??失敗??成功???５???漂，浦Ｉ下一備物??圖２．１工作流程原理示意圖??Ｆｉｇ．２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｗｏｒｋｆｌｏｗ?ｐｒｉｎｃｉｐｌｅ??－７?－??

的各個(gè)維度都中心化到０，即數(shù)據(jù)減去樣本均值，讓樣本中??心接近坐標(biāo)系原點(diǎn)。ＣＮＮ選取去均值方式。??ｂ）歸一化：對樣本進(jìn)行歸一化，使樣本幅度處于相同范圍。??ｃ）ＰＣＡ／白化：用ＰＣＡ降維，白化去除冗余的輸入數(shù)據(jù)。??２．卷積計(jì)算層（ＣＯＮＶ?ｌａｙｅｒ）??卷積層由多個(gè)特征面（Ｆｅａｔｕｒｅ?Ｍａｐ）構(gòu)成，每一個(gè)特征面則是由很多個(gè)神經(jīng)元構(gòu)成的。??每個(gè)神經(jīng)元看作一個(gè)識別器，一個(gè)或者幾個(gè)神經(jīng)元的組合在訓(xùn)練后可以被用來識別某個(gè)??特征，大量識別器的組合可以用來識別物體［２５］。??圖３．２神經(jīng)元結(jié)構(gòu)??Ｆｉｇ．?３．２?Ｎｅｕｒｏｎａｌ?ｓｔｒｕｃｔｕｒｅ??卷積層能夠提取輸入數(shù)據(jù)的特征，其內(nèi)部包含多個(gè)卷積核［２７）。卷積計(jì)算如圖３．３所??示。其中，ｘ是輸入圖像，為ＲＧＢ圖像，三個(gè)通道分別與ｗ內(nèi)積計(jì)算后，加上偏移量辦，??輸出為０。計(jì)算得到綠色矩陣中第一行第一列的元素的過程為：??（０＊０）＋（〇＊０）＋（０＊－１）＋（０＊１）＋（１＊０）＋（２＊０）＋（０＊０）＋（１?＊〇）＋（〇＊?１）＋（〇＊〇）＋（〇＊１）＋（〇＊－１）＋（〇＊－１）＋（〇??＊１）＋（２＊－１）＋（０＊０）＋（２＊－１）＋（２＊０）＋（０＊０）＋（０＊１）＋（０＊－１）＋（０＊１）＋（０＊－１）＋（１＊０）＋（０＊０）＋（２＊０）＋（０＊－??１）＋１＝－３。??ｉｎｐｕｔ?Ｖｏｌｕｍｅ?（＋ｐａｄ?１７＾７ｘ７ｘ３７?Ｆｉｌｔｅｒ?ＷＯ?（３ｘ３ｘ３）?Ｆｉｌｔｅｒ?Ｗ１?（３ｘ３ｘ３）?Ｏｕｔｐｕｔ?Ｖｏｌｕｍｅ?ｒ３ｘ３ｘ２）??ｘ［?ｓ，：，ｏ］?ｗ〇?ｗｌ［：，：，〇］?〇［：，：，０】??｜０?｜ｌ〇?｜｜－１?｜?０?１０

【參考文獻(xiàn)】：
期刊論文
[1]基于KCF相似度的TLD目標(biāo)跟蹤算法[J]. 張晶,熊曉雨,鮑益波.  計(jì)算機(jī)工程與科學(xué). 2019(02)
[2]基于視覺的水面垃圾清理機(jī)器人目標(biāo)檢測算法[J]. 湯偉,劉思洋,高涵,陶倩.  科學(xué)技術(shù)與工程. 2019(03)
[3]水上垃圾清理機(jī)器人[J]. 陳華勇,方鼎,洪錕,肖云永,王立強(qiáng),鄧成鋼.  兵工自動(dòng)化. 2018(11)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像風(fēng)格遷移技術(shù)[J]. 竇亞玲,周武彬,季人煌.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(30)
[5]基于深度學(xué)習(xí)的圖像風(fēng)格遷移技術(shù)的前沿進(jìn)展[J]. 丁曉龍.  電子制作. 2018(18)
[6]城市小型湖泊水面智能清潔裝置設(shè)計(jì)[J]. 蔡孟凱,黃淑新,賀詩,李旭,蔡永康,汪鵬.  機(jī)電工程技術(shù). 2018(02)
[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類方法[J]. 王勇,周慧怡,俸皓,葉苗,柯文龍.  通信學(xué)報(bào). 2018(01)
[8]基于MATLAB和OpenCV的雙目視覺測距系統(tǒng)的實(shí)現(xiàn)[J]. 許威,丁學(xué)文,宋蘭草,李莉.  天津職業(yè)技術(shù)師范大學(xué)學(xué)報(bào). 2017(04)
[9]我國水資源保護(hù)頂層設(shè)計(jì)若干思考[J]. 史曉新,楊晴,王曉紅,張建永.  中國水利. 2017(19)
[10]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)

碩士論文
[1]基于雙目視覺的機(jī)器人目標(biāo)定位技術(shù)研究[D]. 閆磊.廣東工業(yè)大學(xué) 2017
[2]相關(guān)濾波目標(biāo)跟蹤算法研究[D]. 夏遠(yuǎn)祥.華僑大學(xué) 2017
[3]基于計(jì)算機(jī)視覺的鐵路路基沉降監(jiān)測方法研究[D]. 邱衛(wèi)林.華中科技大學(xué) 2017
[4]遷移學(xué)習(xí)在圖像分類中的應(yīng)用研究[D]. 吳國琴.安徽大學(xué) 2017
[5]基于雙目立體視覺的目標(biāo)識別與抓取定位[D]. 王德海.吉林大學(xué) 2016
[6]基于雙目視覺的動(dòng)態(tài)目標(biāo)定位與抓取研究[D]. 夏菠.西南科技大學(xué) 2016
[7]基于CUNet的海量圖像分類研究[D]. 賀玲.電子科技大學(xué) 2016
[8]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D]. 吳正文.電子科技大學(xué) 2015
[9]基于機(jī)器視覺的水面漂浮物自動(dòng)監(jiān)測的研究[D]. 胡蓉.廣西科技大學(xué) 2015
[10]基于雙目立體視覺的工件識別定位與抓取系統(tǒng)研究[D]. 張海波.中國計(jì)量學(xué)院 2014



本文編號：3342540