袁连喜[1]2002年在《水下智能机器人声视觉成像可视化技术研究》文中指出随着对海洋资源的开发和勘探需求的增长，用于民用、军用等各领域的水下目标探测器与探测技术在80年代之后也随之得以迅速发展，尤其是智能无缆水下机器人及其相关技术的研究和发展倍受关注。由于光学自身特性的约束，使得声纳系统在水下机器人的目标搜索和识别方面具有不可取化的地位。 本论文的工作是“九五”国家重点科研项目—“军用水下智能机器人声视觉信息处理与理解技术”中的一部分。该课题任务中，声视觉系统由两个分系统组成：声视觉引导系统和声视觉识别系统。前者主要是在中远距离发现目标，并将多目标的原始数据实时地传送给主控网络。当引导水下机器人接近目标到一定距离时，对目标进行分类，并报告分类结果；后者主要担负识别的功能，即当目标进入识别区后，对目标进行精细识别。与传统的声纳系统相比，该声视觉系统除具备信息的获取功能之外，还具备自主分析和识别信息的功能，即具有一定的智能化。 本论文的研究内容包括高频声成像系统的设计，声纳图像的处理及显示等。由于本文研究的对象是以声纳的波束形成和声纳图像处理为主，但在图像处理领域，迄今对声图像的研究远比光学图像要少得多，几乎找不到可以直接借鉴的文献。声图像虽有探测距离远，可直接获取距离信息等优点，但其成像的质量比光学图像要差得多，因而对于声纳图像的处理就要难得多。 本论文在对多波束形成的基本理论和SeaBat6012研究的基础上，设计出了高频成像声纳系统。同时在工作中不仅借鉴了经典的光学图象处理技术，而且针对声图像的特点，采用了几种分析算法，完成了对声图像的处理，并实现了对声纳图像的可视化操作。
刘彦麟[2]2008年在《扫描式成像声纳数据叁维实时显示技术研究》文中研究表明水声学领域中,声纳数据可视化技术扮演着不可或缺的重要角色。可视化技术的应用,将大量枯燥的数据以生动的图形图像的方式显示出来,使人们能够对声纳数据进行直观的解释和分析,提高了水下探测的工作效率。在声纳数据可视化技术中,声纳数据的叁维显示技术尤其吸引从事水下研究工作的研究者的目光。叁维显示系统的应用,能够将水下世界的地形地貌及探测物体,以更具备真实感的图形图像呈现在人们眼前。本文结合科研项目“输水管道检测水下机器人”针对机器人的声视觉系统,对声纳数据实时显示技术、及借助OpenGL强大的叁维显示功能实现在二维屏幕上的叁维显示技术进行研究。完成了水下机器人声视觉系统中声纳数据叁维实时显示软件的设计开发,该软件能在水下机器人对输水管道进行检测的同时,实时地显示出输水管道内状况的二维、叁维图像,实时保存数据并且可在后期进行回放。叁维输水管道图形可被缩放、移动或转动,以便人们可以各种视角更好进行理解和观察,为检修提供准确、科学的依据。
白继嵩[3]2017年在《水下图像处理及目标分类关键技术研究》文中指出随着地球人口数量增长,人类对空间与资源的需求不断提升,海洋环境的研究与探索成为人类发展需求的新领域。海洋环境的构成对人类而言具有特殊性,应用具有自主环境探测与感知能力的智能水下运载器设备可拓展人类对海洋的研究范围。智能水下运载器以视觉感知系统理解所处环境,为其提供目标识别、规划与控制的环境信息。本课题以工信部“海洋探测智能潜水器工程化技术研究项目”为依托,研究水下微光环境的图像降噪与增强、图像目标轮廓提取及图像目标轮廓分类识别方法,并在此基础上构建水下光视觉目标分类识别系统。本文研究的主要内容为:(1)阐述与总结光视觉图像预处理方法及目标分类识别方法的国内外研究现状,针对目前水下图像增强方法及目标分类识别技术的研究难点与研究方向进行分析。(2)研究水下图像预处理方法,分析水体内光线传播特点并阐述微光图像对比度低且含有大量噪声的成因。结合水下图像特性,应用形态成分分析方法将图像稀疏分解为低频图像与高频图像。根据高频图像信息主要为原图像中的纹理、边缘及噪声信息,低频图像信息主要为原图像中的目标结构信息,提出以稀疏的KSVD字典训练算法降低高频图像中的噪声,并同时以单尺度Retinex算法增强低频图像中目标结构与背景的对比度的处理策略。最终的水下图像由两部分图像处理结果进行加性还原得到。通过对真实水下图像进行预处理方法对比实验,结果验证本文提出的水下图像预处理方法能有效提高图像对比度,同时能够降低图像中的噪声。(3)研究水下图像分割及目标轮廓提取技术,提出以自适应距离保持水平集演化算法作为图像分割基础方法。结合水下图像具有的噪声特点及图像目标的弱边缘性质,将阈值分段函数引入水平集能量泛函的可变权系数及停止函数,增强水平集演化过程中因噪声及灰度不均匀性产生的震荡干扰,从而获得弱边缘条件下的图像目标轮廓。通过水下图像分割实验,结果比对验证本文提出的算法能够获得较为准确的水下目标轮廓,提高了水平集方法对水下图像分割过程中对噪声及不均匀灰度的鲁棒性。(4)研究图像目标分类识别方法,对图像特征描述的种类及适用目标进行分析,并结合水平集方法提取的轮廓特点,提出以具有局部不变性的Dense-SIFT描述子作为图像特征。基于Fisher向量作为图像特征的语义表达方法,根据其计算量较大的不足本文引入具有K近邻思想的稀疏化Fisher向量编码,应用线性支持向量机作为图像特征的分类器。通过对具有代表性的图像集进行分类实验,验证了本文提出的稀疏化Fisher向量编码方法具有较高的分类精度及计算速度。(5)构建水下图像目标轮廓识别离线系统,应用视景仿真环境对水下目标进行模型、材质及全景相机矩阵设计,建立水下目标轮廓图像训练集。通过对人工目标进行水池光视觉采集与处理实验,验证了本文提出的水下图像处理及目标识别分类方法适用且有效。
虞培良[4]2008年在《成像声纳嵌入式数据处理平台的设计与实现》文中认为水下机器人在世晃范围内的应用领域已经不断扩大,如海洋研究、海洋开发和水下工程等。智能水下机器人将成为未来水下战争中争夺信息优势、实施精确打击与智能攻击、完成战场中特殊作战任务的重要手段之一。本论文的研究内容是围绕课题组项目“水下机器人声视觉技术”中高分辨率成像声纳嵌入式数据处理平台硬件设计部分展开的。本文首先介绍了声视觉技术及发展状况和嵌入式系统的特点及应用,然后给出了数据处理平台的硬件结构和系统整体架构。系统的硬件平台采用了TMS320C6711B高速浮点DSP作为平台的主处理芯片,使用CY7C09449-AC作为PCI总线桥接芯片实现DSP和PC-104工控机PCI接口互联,通过CPLD芯片EPM7256AE,应用QuatusⅡ软件完成系统的逻辑控制和时序接口设计。整个硬件平台基于PC-104构架,采用VxWorks实时操作系统。系统中的DSP以及CPLD都是可以在线编程的,从而提高了整个系统的可靠性和灵活性,便利了系统的再开发和升级。本文的第二部分完成了VxWorks操作系统在基于Pentium4处理器的PC机上的移植。对VxWorks下PCI设备驱动程序的设计进行了研究,结合本设计的数据处理平台,设计了VxWorks下PCI设备的驱动程序,将设计思想和实现的方法结合起来,给出了驱动程序的具体结构与详细流程。
宋双[5]2017年在《基于单波束声呐的水下智能车SLAM研究》文中进行了进一步梳理近年来智能机器人技术发展突飞猛进,它给人类生活带来了很大的便利,很多行业都投身于机器人研究的领域。陆地机器人的发展已经取得相当大的成效,人们开始把目光转向水下,但是水下环境相比陆地环境有更多的复杂性和不可预测性,有时单靠人力和传统设备根本无法达到我们的需求,因此水下机器人应运而生。同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术是机器人实现自主的关键,水下智能机器人若要实现自治功能,必须要配置相应功能的传感器与定位系统来获取水底环境信息与自身位置信息。受水下诸多因素的影响,很多在地面上可以正常使用的传感器在水下无法正常使用,而声呐利用声波在水下传播的特性,突破了光介质的限定,为水下机器人提供了“声视觉”系统。通过声呐的扫描,可得到水下目标障碍物的信息,对障碍物进行特征提取,将处理后的数据运用于相关的SLAM算法中,实现水下机器人的定位,基于声视觉的水下机器人SLAM的研究具有重要的意义。本文以自制的水陆两栖智能运动小车为基础,主要做了两个方面的研究工作:一是四轮运动小车的运动控制与分析,这是水下运动定位的一个基础,文中从运动学与动力学两个方面对小车进行建模,并用编码器对运动速度的测定以及使用Matlab对常规的几种运动轨迹进行了跟踪仿真;二是使用单波束测距声呐作为此小车的主传感器,扫描得到水下的环境信息,提取信息中目标点的特征得到水下环境的特征地图,通过不断的更新特征实现对智能小车位姿的校正与更新,设计了基于声呐特征的EKF SLAM算法,并通过仿真证明了算法的可行性,水下实验实现了小车固定轨迹的行走,完成了自主定位。
余汉锦, 帅然, 郑卫刚[6]2017年在《水下低能见度可视化头盔的设计》文中研究说明针对打捞过程中,潜水员无法利用光视觉观察周围环境以及低能见度造成潜水员心理负担的问题,设计了一款将声呐技术和视觉头盔有机结合在一起的可视化头盔,利用叁维相控阵声呐采集水下环境声呐图像,通过衍射光学显示屏头盔展现给潜水员,该系统将声呐图像视频转化为光视觉视频图像,通过小型头戴式二维显示器所产生的影像,藉由光学衍射系统放大,光线经过凸透镜使影像因折射产生类似远方衍射图像效果,反射到潜水员的视觉,并且,衍射屏幕不影响潜水员通过光视觉观察水下环境,具有可透视的效果。
王一童[7]2009年在《前视扫描声纳的成像与目标特征提取》文中提出水下环境探测与目标特征提取是自主水下机器人(AUV)领域中的核心问题,也是机器人学中人工智能应用研究的重要方面。AUV要实现自主式作业,必须要具备对周围环境的自我感知和识别能力。面对未知的复杂多变的水下特殊环境,作为水下探测主要设备的声纳系统成为AUV视觉传感器的主要组成部分。与传统声纳系统不同,AUV的声视觉系统必须具备环境感知、信息获取、声图生成与构建、目标特征提取等功能。本文的研究工作是国家“863计划”-“基于同时定位与地图构建方法的AUV自主导航技术”的重要组成部分,主要介绍了利用Tritech公司的Seaking DST双频数字机械扫描式前视主动声纳作为AUV主要探测和感知工具,来获得水下环境的回波信号,并对这些信息进行有效的选择和处理生成连续的水下环境的声纳图像,实现水下环境可视化,之后对原始的声纳图像进行预处理和特征提取。本文将声纳特征提取分为两个方向研究:一个方向是为了实现后续同时定位与地图构建(Simultaneous Localization and Mapping,SLAM),对原始声纳图像进行相应的预处理,提取感兴趣的环境点特征信息并将其不断更新添加到特征地图中,使用SLAM算法实现AUV的自主航行;另一个方向是为了进一步提高机器人的自主识别和判知能力,在对声纳图像进行处理的基础上,基于水下环境目标的几何特性,利用最小二乘拟合理论和椭圆逼近原则对其进行分类特征提取,从而提高了机器人视觉系统的分辨和识别能力。
李微微[8]2007年在《声纳数据实时显示及处理技术研究》文中研究指明在水声学领域，一套好的声纳数据实时显示系统在整个声纳系统中起着至关重要的作用。运用科学计算可视化技术将声纳接收到的数据转换为图形或图像在屏幕上实时地显示出来可以极大地方便人们对声纳的回波信号进行分析和研究。本文的目的是结合实际工程项目研究，设计和开发了有较高实用价值的声纳数据实时显示及处理系统，为水下ROV的导航提供支持。在本文的主要研究工作中，详尽地研究了剖面声纳数据可视化技术，运用双缓存绘图方式及灰度变换、图像平滑、锐化、伪彩色变换等图像增强处理方法改善成像效果。本文主要研究工作及所取得的研究成果如下：基于MFC和OpenGL集成开发环境，设计了声纳数据实时显示及处理系统，实现声纳回波数据的实时二维波形显示、矩形显示、扇形显示。建立声纳探测区域叁维图像的实时显示。利用网络通信技术实现声纳数据实时显示系统与声纳数据处理系统的软件网络互联，利用串行通信控件实现操作者对声纳工作状态的实时控制。根据生成的叁维图像，为水下ROV导航提供支持。本系统经过海上试验，证明了其实用性。
参考文献：
[1]. 水下智能机器人声视觉成像可视化技术研究[D]. 袁连喜. 哈尔滨工程大学. 2002
[2]. 扫描式成像声纳数据叁维实时显示技术研究[D]. 刘彦麟. 哈尔滨工程大学. 2008
[3]. 水下图像处理及目标分类关键技术研究[D]. 白继嵩. 哈尔滨工程大学. 2017
[4]. 成像声纳嵌入式数据处理平台的设计与实现[D]. 虞培良. 哈尔滨工程大学. 2008
[5]. 基于单波束声呐的水下智能车SLAM研究[D]. 宋双. 厦门大学. 2017
[6]. 水下低能见度可视化头盔的设计[J]. 余汉锦, 帅然, 郑卫刚. 变频器世界. 2017
[7]. 前视扫描声纳的成像与目标特征提取[D]. 王一童. 中国海洋大学. 2009
[8]. 声纳数据实时显示及处理技术研究[D]. 李微微. 哈尔滨工程大学. 2007
标签：自动化技术论文; 机器人论文; 可视化技术论文; 水下机器人论文; 水下打捞论文; 实时系统论文; 分类数据论文;