發(fā)布時間：2021-08-14 13:20

　　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,由于機器視覺在目標檢測上有了很多成功的運用,因此本文也采用基于機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,離全自動監(jiān)測系統(tǒng)有一定差距,因此本文進一步對測距、跟蹤進行研究。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）利用雙目攝像機構(gòu)建圖像采集系統(tǒng),通過張正友標定法獲取相機內(nèi)外參數(shù)進行標定,利用三維測距原理,實現(xiàn)整個系統(tǒng)的測距功能。（3）基于TensorFlow框架,利用風格遷移算法構(gòu)建目標識別模塊,用風格代替紋理,通過VGG網(wǎng)絡計算象征風格的格拉姆矩陣,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)的目標跟蹤打撈提供強有力的數(shù)據(jù)支持。（4）當目... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

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

大連海事大學碩士學位論文??「－??—－－－－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??—??］??！?左目標定?右目標定Ｉ?：?圖片預處理?！??丨離１————?一－Ｔ－一｜?！?ｊ?ｐ??ｆｅ?★?�。鬯母窭肪仃囈灰缓∝S益格拉姆爲??｜Ｓ?＿?標定?！?｜?｜?｝［??＾????１?Ｉ?框選目標?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??心接近坐標系原點。ＣＮＮ選取去均值方式。??ｂ）歸一化：對樣本進行歸一化，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．卷積計算層（ＣＯＮＶ?ｌａｙｅｒ）??卷積層由多個特征面（Ｆｅａｔｕｒｅ?Ｍａｐ）構(gòu)成，每一個特征面則是由很多個神經(jīng)元構(gòu)成的。??每個神經(jīng)元看作一個識別器，一個或者幾個神經(jīng)元的組合在訓練后可以被用來識別某個??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)部包含多個卷積核［２７）。卷積計算如圖３．３所??示。其中，ｘ是輸入圖像，為ＲＧＢ圖像，三個通道分別與ｗ內(nèi)積計算后，加上偏移量辦，??輸出為０。計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】：
期刊論文
[1]基于KCF相似度的TLD目標跟蹤算法[J]. 張晶,熊曉雨,鮑益波.  計算機工程與科學. 2019(02)
[2]基于視覺的水面垃圾清理機器人目標檢測算法[J]. 湯偉,劉思洋,高涵,陶倩.  科學技術(shù)與工程. 2019(03)
[3]水上垃圾清理機器人[J]. 陳華勇,方鼎,洪錕,肖云永,王立強,鄧成鋼.  兵工自動化. 2018(11)
[4]基于卷積神經(jīng)網(wǎng)絡的圖像風格遷移技術(shù)[J]. 竇亞玲,周武彬,季人煌.  現(xiàn)代計算機(專業(yè)版). 2018(30)
[5]基于深度學習的圖像風格遷移技術(shù)的前沿進展[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計[J]. 蔡孟凱,黃淑新,賀詩,李旭,蔡永康,汪鵬.  機電工程技術(shù). 2018(02)
[7]基于深度卷積神經(jīng)網(wǎng)絡的網(wǎng)絡流量分類方法[J]. 王勇,周慧怡,俸皓,葉苗,柯文龍.  通信學報. 2018(01)
[8]基于MATLAB和OpenCV的雙目視覺測距系統(tǒng)的實現(xiàn)[J]. 許威,丁學文,宋蘭草,李莉.  天津職業(yè)技術(shù)師范大學學報. 2017(04)
[9]我國水資源保護頂層設計若干思考[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)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)

碩士論文
[1]基于雙目視覺的機器人目標定位技術(shù)研究[D]. 閆磊.廣東工業(yè)大學 2017
[2]相關(guān)濾波目標跟蹤算法研究[D]. 夏遠祥.華僑大學 2017
[3]基于計算機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 2017
[4]遷移學習在圖像分類中的應用研究[D]. 吳國琴.安徽大學 2017
[5]基于雙目立體視覺的目標識別與抓取定位[D]. 王德海.吉林大學 2016
[6]基于雙目視覺的動態(tài)目標定位與抓取研究[D]. 夏菠.西南科技大學 2016
[7]基于CUNet的海量圖像分類研究[D]. 賀玲.電子科技大學 2016
[8]卷積神經(jīng)網(wǎng)絡在圖像分類中的應用研究[D]. 吳正文.電子科技大學 2015
[9]基于機器視覺的水面漂浮物自動監(jiān)測的研究[D]. 胡蓉.廣西科技大學 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.中國計量學院 2014



本文編號：3342540