自主水下航行器在完成水下任務(wù)時,大多是通過慣性測量單元或慣性導(dǎo)航系統(tǒng)來輔助定位。慣性導(dǎo)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(dǎo)致位置數(shù)據(jù)不斷漂移影響水下AUV的任務(wù)完成度。海洋聲納成像比AUV早幾十年,它是一種相當(dāng)強大的技術(shù)。水下聲成像是更大范圍的聲成像領(lǐng)域的一部分,可用于在光學(xué)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(xué)圖像目標(biāo)檢測為基礎(chǔ),對采集到的水下聲學(xué)圖像進(jìn)行預(yù)處理后,實驗研究分析將計算機視覺顯著性檢測算法改進(jìn)應(yīng)用到水下聲學(xué)圖像上,對水下聲學(xué)圖像進(jìn)行目標(biāo)顯著性檢測研究,使水下聲學(xué)圖像目標(biāo)相對于背景突出顯示,對經(jīng)過目標(biāo)顯著性檢測處理后的水下聲學(xué)圖像進(jìn)行動靜狀態(tài)的判斷,對檢測到的靜態(tài)目標(biāo)進(jìn)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(dǎo)航累積誤差的減小。在檢測到靜態(tài)目標(biāo)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(yīng)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(dǎo)航的累積誤差。由于水聲信道的水介質(zhì)及其邊界具有復(fù)雜多變的... 

【文章來源】：吉林大學(xué)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(xué)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(xué)圖像預(yù)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(xué)圖像進(jìn)行顯著性檢測并對比顯著性效果，根據(jù)實驗結(jié)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(xué)圖像目標(biāo)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(biāo)進(jìn)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(biāo)進(jìn)行擴展卡爾曼濾波進(jìn)行數(shù)據(jù)融合，利用相對距離減小AUV導(dǎo)航的累積誤差從而達(dá)到輔助修正導(dǎo)航的目的。在第五章中，在深水池中對同坐標(biāo)原點采集到的聲吶圖像與光學(xué)圖像中的顯著目標(biāo)進(jìn)行改進(jìn)的豪斯多夫距離配準(zhǔn)，可對聲學(xué)圖像與光學(xué)圖像中的相同目標(biāo)物進(jìn)行配準(zhǔn)，此聲光融合圖像的批準(zhǔn)補償了AUV在探測追蹤目標(biāo)物時由于距離限制在聲吶設(shè)備與光學(xué)設(shè)備切換產(chǎn)生的目標(biāo)丟失問題，可幫助AUV更好的完成探測任務(wù)。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(xué)圖像預(yù)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(jié)果與分析此實驗中的水下聲學(xué)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（最小）；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(xué)圖像進(jìn)行濾波預(yù)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(xué)圖像如圖2.1所示，均值濾波處理結(jié)果如圖2.2所示，中值濾波處理結(jié)果如圖2.3所示，高斯濾波處理結(jié)果如圖2.4所示，形態(tài)學(xué)濾波處理結(jié)果如圖2.5所示。圖2.1水下聲學(xué)圖像圖2.2均值濾波處理結(jié)果圖2.3中值濾波處理結(jié)果圖2.4高斯濾波處理結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]水下圖像增強和復(fù)原方法研究進(jìn)展[J]. 郭繼昌,李重儀,郭春樂,陳善繼.  中國圖象圖形學(xué)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(shù). 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(yīng)用. 2008(04)



本文編號：3417371