依赖多波束合成孔径侧扫声纳图像的海底障碍物研究

发布时间：2024-04-14 17:07

　　在混浊水域中进行目标检测的最有效工具之一是成像声纳。然而,成像声纳的纵横角通常很小,这是对高检测精度的牺牲。为了使成像声纳在大角度大目标检测中实用,研究连续声纳帧的海底障碍物匹配方法具有重要意义。介绍了一种利用多波束合成孔径侧扫声纳图像的海底障碍物匹配方法,主要研究弱回波信号和后续声纳图像不匹配问题。海底障碍物和投射阴影区域之间的对应关系用于提取障碍物的区域。此外,水下航行器的状态参数用于近似图像变换。图像分割方法涉及减小特征提取区域的大小,减少非目标海床区域的影响,显着提高了该声纳海底障碍物匹配方法的稳定性。

【文章页数】：5 页

【部分图文】：

图4特征点检测及匹配

图3比较方法的海底障碍物匹配4结论

图1成像声纳坐标系

如[5]中所述,首先定义声纳的坐标系,如图1所示。P=[X,Y,Z]T是P的笛卡尔坐标。如果P可以在球坐标中描述为[R,θ,φ]T,那么R是P和声纳之间的距离,θ代表方位角,φ代表仰角。笛卡尔坐标和球坐标之间的变换在公式(1)中展示。点P投射到声纳图像中。点s表示为s=I(P)=....

图2特征提取过程的步骤

局部特征提取与匹配。多波束合成孔径侧扫用于提取障碍物区域中的特征点。多波束合成孔径侧扫使用高斯差分来检测关键点,克服了从俯仰角度的微小变化带来的对图像强度的影响。它还在主要方向上设置了特征描述;在改变方位角时实现关键点的旋转不变性。多波束合成孔径侧扫能够提取具有局部不变量的轮廓,....

图3比较方法的海底障碍物匹配

表1本文算法与RANSAC算法匹配数据比较水域算法总点对正确匹配点对匹配率/%时间/s水域I本文算法13611584.57.203RANSAC1545938.37.075水域II本文算法625182.25.379RANSAC77....

本文编号：3955008