【摘要】： 本課題來源于“某型AUV”項目。該AUV能夠以定期巡航的方式作業(yè)，具有自動尋找和跟蹤海底管道，觀察海底管道并監(jiān)視海底管道的運行狀態(tài)、對將要出現(xiàn)的故障早期預(yù)警。海底管道自主檢測與識別技術(shù)對水下機器人檢測和跟蹤海底管道具有很重要意義。海底管道自主檢測與識別系統(tǒng)包括：圖像采集、圖像預(yù)處理、圖像分割、特征提取和圖像識別五個部分。 首先，本文針對水下圖像特點，分別對基于邊緣和基于區(qū)域的圖像分割方法做出了一定的研究。本文在對海底管道圖像進行濾波之后采用了一種快速、抗噪性強的邊緣檢測算法，通過與其它邊緣檢測算法對比，該算法提高了檢測速度和效果。在對基于區(qū)域的圖像分割方法研究方面，把二維直方圖和粒子群優(yōu)化算法有機的結(jié)合起來，提出了一種新的分割算法。通過對水下圖像的分割表明：新算法能對圖像進行較準確的分割，并能以較少的計算代價得到最優(yōu)閾值。 最后本文嘗試建立海底管道識別系統(tǒng)。在特征進行提取方面，本文首先計算出海底管道圖像的六個不變矩特征值。經(jīng)過實驗驗證，該特征值聚類效果較好。最后把這六個不變矩特征值作為輸入在BP網(wǎng)絡(luò)分類器上進行驗證。實驗證明：該分類器都可以有效地將不同的模式區(qū)分開來。 綜上所述，論文分別針對圖像分割、圖像識別進行了一定的研究，并將其應(yīng)用到海底管道圖像上，對于海底管道自主檢測與識別的深入研究具有一定的借鑒意義。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：P756.2
【圖文】：

2.3.1圖像采集卡及它的視頻接口我們使用的加拿大Matrox公司的coronall型圖像采集卡〔的，如圖2.2所示。它的主要的產(chǎn)品特性包括:.單色或者是合成RGB彩色圖像，隔行掃描;.三個10bitA/D轉(zhuǎn)換器;圖2.2圖像采集片示意圖.采樣頻率高達30MHz;.在8位時，信噪比為45.6dB;10位時，信噪比為50.4dB;.變增益的放大器;.可以有6個單色和2個合成的RGB模擬輸入視頻源;.32位的PCI總線;Coronall型圖像采集卡的視頻輸入輸出連接器是DB~44型囚的，實際中用到主要的引腳如表2.1所示。由于需要的是單色的輸入，所以對于巧、44、13、14、26、42引腳，

2.4.2試驗條件和設(shè)備我們做試驗地點為哈爾濱工程大學(xué)的循環(huán)水槽，如圖2.3所示。水槽中的水都經(jīng)過過濾，所以水質(zhì)比較好，沒有明顯的懸浮物。光源有兩種，第一利，要求光線比較弱，可以直接利用太陽光:第二種是要求光線比較強，l]J一以利用水槽水底的燈光。在試驗中圖2.3哈爾濱皿程大學(xué)循環(huán)水槽

.水下‘}’V及相關(guān)設(shè)爺，用來得到水卜目標(biāo)的原始圖像。.水卜‘f丫}l川定設(shè)各，這部分自行設(shè)定。要求水卜‘}’V構(gòu)水中不可以移動和轉(zhuǎn):力。.水下日標(biāo)固定設(shè)備，這部分自行設(shè)定，要求}」標(biāo)可以在水而的法線方向自11}引降，最大深度可以達到水卜LS米。1司時可以在繞水![ill氣勺法線方}句I‘111!轉(zhuǎn)云)J。.咚I像采集卜，使用M:、t!。XCorO。洲I型圖像采集卡，用來采集原始圖像。.}執(zhí)C轉(zhuǎn)接頭和視頻線若干。.監(jiān)視器，使用的是ME尺CUJ{Y黑白監(jiān)視器，主要用來監(jiān)視水卜日標(biāo)的圖.卷尺，用來測定攝像機到目標(biāo)的距離，目標(biāo)的上表面水}如3勺足卜離和攝像機的中心到水函!白勺距離。.錄像機和磁帶，用來得到實驗的全過程。

【引證文獻】

相關(guān)期刊論文 前3條

1 唐旭東;龐永杰;張赫;曾文靜;李曄;;基于單目視覺的水下機器人管道檢測[J];機器人;2010年05期

2 曾文靜;徐玉如;萬磊;張鐵棟;;自主式水下機器人的光視覺管道探測跟蹤系統(tǒng)[J];上海交通大學(xué)學(xué)報;2012年02期

3 曾文靜;張鐵棟;萬磊;徐玉如;;基于Hough變換的水下管道檢測方法[J];儀器儀表學(xué)報;2012年01期

相關(guān)博士學(xué)位論文 前2條

1 唐旭東;智能水下機器人水下管道檢測與跟蹤技術(shù)研究[D];哈爾濱工程大學(xué);2011年

2 劉和祥;面向AUV回收控制的水下機器視覺研究[D];哈爾濱工程大學(xué);2009年

本文編號：2768673