目前海產(chǎn)品的捕撈主要依靠人工,效率低下,并且長期水下作業(yè)會對潛水員的身體造成極大傷害。因此,使用水下捕撈機器人代替人工進(jìn)行海產(chǎn)品捕撈已經(jīng)成為一種趨勢。通常,水下捕撈機器人在進(jìn)行海產(chǎn)品捕撈作業(yè)時,需要找到海產(chǎn)品,然后挑選生長成熟的海產(chǎn)品抓取,這就要求機器人不僅能識別海產(chǎn)品,還要能對其大小進(jìn)行判斷。本文將以海參作為主要研究對象,針對水下環(huán)境的特點,對水下折射現(xiàn)象導(dǎo)致的雙目測量不準(zhǔn)確問題進(jìn)行了研究并對海產(chǎn)品的檢測方法進(jìn)行了研究,并在此基礎(chǔ)上設(shè)計一種基于雙目視覺的海產(chǎn)品尺寸自動測量方法,最終實現(xiàn)了自動尋找待捕撈海產(chǎn)品并判斷其大小的功能。本文的主要研究內(nèi)容包括以下幾個部分:（1）開展水下雙目視覺技術(shù)研究。相機成像時,光在水與空氣的交界處會發(fā)生折射現(xiàn)象,這將導(dǎo)致雙目獲取到的三維信息不準(zhǔn)確。本文通過建立水下相機成像模型發(fā)現(xiàn)折射對相機焦距與成像畸變造成了影響,并依據(jù)推導(dǎo)結(jié)果對水下雙目相機進(jìn)行標(biāo)定,通過水下標(biāo)定參數(shù)完成相機校準(zhǔn)。在此基礎(chǔ)上對雙目相機進(jìn)行建模,通過三角測量原理,推導(dǎo)得到圖像上的目標(biāo)點在空間中的實際位置。最后,本文在水下進(jìn)行了三維重建以及三維測量實驗,實驗結(jié)果顯示水下重建結(jié)果誤差平均值小于0... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１?ＴａｌｉＴｒｅｉｂｉｔｚ標(biāo)定方法過程與結(jié)果圖??Ｆｉｇｕｒｅ．?１．１?Ｔａｌｉ?Ｔｒｅｉｂｉｔｚ＾?ｃａｌｉｂｒａｔｉｏｎ?ｍｅｔｈｏｄ?ｐｒｏｃｅｓｓ?ａｎｄ?ｒｅｓｕｌｔ?ｇｒａｐｈ??

?基于雙目視覺的水下海產(chǎn)品尺寸自動測量技術(shù)研究???ｆｃｉｙ，?＾?；?ｉｒｌ?ｗａｒｐｅｄ?ｒｅｇｉｏｎ?Ｊ?ａｅｒｏｐｌａｎｅ－ｎ〇．￣??，；；：ｉ?＇?Ｖ＇?：廣衡琴??ＩＪＷＳ?ＳＭＵｍ－＾??１?Ｖ—ｌ??１．輸入圖片?２．產(chǎn)生候選區(qū)域?３．提取圖像特征?４．目標(biāo)分類??圖１．２?Ｒ－ＣＮＮ網(wǎng)絡(luò)結(jié)構(gòu)圖??Ｆｉｇｕｒｅ．?１．２?Ｒ－ＣＮＮ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ??（?？??ｉｍｍ／＾?ｆ￡Ｍ??輸入ＳｘＳ個網(wǎng)格?＿＿＿＿＿＿＿?檢測結(jié)果??類概率圖??圖１．３?ＹＯＬＯ檢測流程??Ｆｉｇｕｒｅ．?１．３?ＹＯＬＯ?ｄｅｔｅｃｔｉｏｎ?ｐｒｏｃｅｓｓ??２０１６年，Ｒｅｄｍｏｎ?Ｊ提出了?ＹＯＬＯ檢測算法，標(biāo)志著基于回歸方法的單步（ｏｎｅ－ｓｔａｇｅ）??目標(biāo)檢測方法的誕生。其檢測流程如圖１．３所示，該算法將特征提娶候選框回歸和分??類放到了一個無分支的卷積網(wǎng)絡(luò)。將待檢測圖像縮小到相同大小，為了檢測不同位置的??目標(biāo)，將圖像等分成ＳｘＳ個單元格，每個單元格負(fù)責(zé)預(yù)測重心落在該單元格的目標(biāo)。??由于網(wǎng)絡(luò)結(jié)構(gòu)變得更加簡單，將檢測幀率從個位數(shù)提升到了兩位數(shù)。２０１７年，提出的??ＹＯＬＯｖ２算法［１７］，修改了原有的特征提取網(wǎng)絡(luò)，加入了批量歸一化層與殘差結(jié)構(gòu)，提出??了?Ｄａｒｋｎｅｔ－１９特征提取網(wǎng)絡(luò)，通過重新訓(xùn)練的４１８?ｘ?４１８分類網(wǎng)絡(luò)，使得平均準(zhǔn)確率（ｍＡＰ）??提高了?４％；?２０１８年，ＹＯＬＯｖ３算法提出，作者提出了全新的特征提取網(wǎng)絡(luò)的Ｄａｒｋｎｅｔ－５３??并在預(yù)測階段借鑒了?ＦＰＮ〃８］多尺度預(yù)測方案，在網(wǎng)絡(luò)輸出的三個尺寸的特征圖上

?基于雙目視覺的水下海產(chǎn)品尺寸自動測量技術(shù)研宄???射和密封裝置的玻璃罩都會使得畸變更加嚴(yán)重。因此，當(dāng)需要使用相機線性成像模型進(jìn)??行精準(zhǔn)視覺測量任務(wù)時，需要對這種偏差進(jìn)行矯正。??相機的畸變主要分為徑向畸變與切向畸變兩種。通常，畸變的矯正采用高階多項式??來完成［５７］。圖２．５為兩種畸變所造成的偏差示意圖。??▲??理想圖像實際圖像點??圖２．５相機畸變（徑向畸變辦？，切向畸變造成的成像偏差示意圖??Ｆｉｇｕｒｅ．?２．５?Ｉｍａｇｉｎｇ?ｄｅｖｉａｔｉｏｎ?ｃａｕｓｅｄ?ｂｙ?ｃａｍｅｒａ?ｄｉｓｔｏｒｔｉｏｎ??（ｉ）徑向畸變??徑向畸變由透鏡形狀的不完全規(guī)則導(dǎo)致，主要分為兩類：枕形畸變和桶形畸變，如??圖２．６所示。??三三三三三三三三展二??（ａ）正常圖像?（ｂ）枕形畸變?（ｃ）桶形畸變??圖２．６徑向畸變種類??Ｆｉｇｕｒｅ．?２．６?Ｔｙｐｅｓ?ｏｆ?ｒａｄｉａｌ?ｄｉｓｔｏｒｔｉｏｎ??通常，圖像中心點處不發(fā)生徑向畸變。隨著與圖像中心位置距離的增加，畸變也變??得更加嚴(yán)重，并且畸變的變化呈中心對稱。因此，徑向畸變可用數(shù)學(xué)模型表述為：??１２??


本文編號：2909400