基于双目视觉的水面漂浮物监测研究
发布时间：2021-08-14 13:20
水环境问题与全人类息息相关,水面上漂浮物将直接影响着水质,这些漂浮物不仅影响着环境美观,还威胁航行安全,更对生态系统带来巨大危害,进而威胁人类的安全。为了在减少人力、物力资源以及成本的前提下清除水面漂浮垃圾,其关键在于如何用简单的方法识别漂浮物,由于机器视觉在目标检测上有了很多成功的运用,因此本文也采用基于机器视觉的水面漂浮物识别算法。传统识别漂浮物的系统,存在只监不测的问题,离全自动监测系统有一定差距,因此本文进一步对测距、跟踪进行研究。本文主要研究内容如下:（1）首先依据无人艇自动打捞水面漂浮物的需求,利用现有技术,提出适用于无人艇的漂浮物打捞系统框架。（2）利用双目摄像机构建图像采集系统,通过张正友标定法获取相机内外参数进行标定,利用三维测距原理,实现整个系统的测距功能。（3）基于TensorFlow框架,利用风格迁移算法构建目标识别模块,用风格代替纹理,通过VGG网络计算象征风格的格拉姆矩阵,根据水图像与水区域图像的格拉姆差值小,与漂浮物区域差值大,区分识别出漂浮物。本方法与经典模式识别方法相比,更加简单的识别水面垃圾漂浮物,为后续的目标跟踪打捞提供强有力的数据支持。（4）当目...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１．１水面漂浮物??Ｆｉｇ．?１．１?Ａｑｕａｔｉｃ?ｆｌｏａｔｅｒｓ??
大连海事大学硕士学位论文??「－??—－－－－丨??摄像头１?摄像头２?图｜??丨??????１像Ｉ??Ｉ?采Ｕ???１???１?集??左图像?右图像模Ｉ??；——Ｉ￣￣１丨——Ｉ—￣＾丨??—??］??！?左目标定?右目标定Ｉ?：?图片预处理?！??丨离１————?一－Ｔ－一｜?！?ｊ?ｐ??ｆｅ?★?！［水的格拉姆矩阵一一含漂浮豐益格拉姆爲??｜Ｓ?＿?标定?！?｜?｜?｝［??＾????１?Ｉ?框选目标?Ｐ??ｉ—―贞??Ｉ?｜??ｗ?｜?双目图像校正?｜??＾?Ｌ？：＿Ｉ双；??Ｉ??Ｉ???双目图像匹配??Ｉ?龙??Ｉ?￡?模Ｉ??丨丨??１?１块１??视差图??」??三＿？１距??＾????ＫＣＦ跟踪??二細踪??跟踪结果＾＞一￣?１??失败??成功???５???漂，浦Ｉ下一備物??图２．１工作流程原理示意图??Ｆｉｇ．２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｗｏｒｋｆｌｏｗ?ｐｒｉｎｃｉｐｌｅ??－７?－??
的各个维度都中心化到０，即数据减去样本均值，让样本中??心接近坐标系原点。ＣＮＮ选取去均值方式。??ｂ）归一化：对样本进行归一化，使样本幅度处于相同范围。??ｃ）ＰＣＡ／白化：用ＰＣＡ降维，白化去除冗余的输入数据。??２．卷积计算层（ＣＯＮＶ?ｌａｙｅｒ）??卷积层由多个特征面（Ｆｅａｔｕｒｅ?Ｍａｐ）构成，每一个特征面则是由很多个神经元构成的。??每个神经元看作一个识别器，一个或者几个神经元的组合在训练后可以被用来识别某个??特征，大量识别器的组合可以用来识别物体［２５］。??图３．２神经元结构??Ｆｉｇ．?３．２?Ｎｅｕｒｏｎａｌ?ｓｔｒｕｃｔｕｒｅ??卷积层能够提取输入数据的特征，其内部包含多个卷积核［２７）。卷积计算如图３．３所??示。其中，ｘ是输入图像，为ＲＧＢ图像，三个通道分别与ｗ内积计算后，加上偏移量办，??输出为０。计算得到绿色矩阵中第一行第一列的元素的过程为：??（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
【参考文献】：
期刊论文
[1]基于KCF相似度的TLD目标跟踪算法[J]. 张晶,熊晓雨,鲍益波. 计算机工程与科学. 2019(02)
[2]基于视觉的水面垃圾清理机器人目标检测算法[J]. 汤伟,刘思洋,高涵,陶倩. 科学技术与工程. 2019(03)
[3]水上垃圾清理机器人[J]. 陈华勇,方鼎,洪锟,肖云永,王立强,邓成钢. 兵工自动化. 2018(11)
[4]基于卷积神经网络的图像风格迁移技术[J]. 窦亚玲,周武彬,季人煌. 现代计算机(专业版). 2018(30)
[5]基于深度学习的图像风格迁移技术的前沿进展[J]. 丁晓龙. 电子制作. 2018(18)
[6]城市小型湖泊水面智能清洁装置设计[J]. 蔡孟凯,黄淑新,贺诗,李旭,蔡永康,汪鹏. 机电工程技术. 2018(02)
[7]基于深度卷积神经网络的网络流量分类方法[J]. 王勇,周慧怡,俸皓,叶苗,柯文龙. 通信学报. 2018(01)
[8]基于MATLAB和OpenCV的双目视觉测距系统的实现[J]. 许威,丁学文,宋兰草,李莉. 天津职业技术师范大学学报. 2017(04)
[9]我国水资源保护顶层设计若干思考[J]. 史晓新,杨晴,王晓红,张建永. 中国水利. 2017(19)
[10]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
硕士论文
[1]基于双目视觉的机器人目标定位技术研究[D]. 闫磊.广东工业大学 2017
[2]相关滤波目标跟踪算法研究[D]. 夏远祥.华侨大学 2017
[3]基于计算机视觉的铁路路基沉降监测方法研究[D]. 邱卫林.华中科技大学 2017
[4]迁移学习在图像分类中的应用研究[D]. 吴国琴.安徽大学 2017
[5]基于双目立体视觉的目标识别与抓取定位[D]. 王德海.吉林大学 2016
[6]基于双目视觉的动态目标定位与抓取研究[D]. 夏菠.西南科技大学 2016
[7]基于CUNet的海量图像分类研究[D]. 贺玲.电子科技大学 2016
[8]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[9]基于机器视觉的水面漂浮物自动监测的研究[D]. 胡蓉.广西科技大学 2015
[10]基于双目立体视觉的工件识别定位与抓取系统研究[D]. 张海波.中国计量学院 2014
本文编号：3342540
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１．１水面漂浮物??Ｆｉｇ．?１．１?Ａｑｕａｔｉｃ?ｆｌｏａｔｅｒｓ??
大连海事大学硕士学位论文??「－??—－－－－丨??摄像头１?摄像头２?图｜??丨??????１像Ｉ??Ｉ?采Ｕ???１???１?集??左图像?右图像模Ｉ??；——Ｉ￣￣１丨——Ｉ—￣＾丨??—??］??！?左目标定?右目标定Ｉ?：?图片预处理?！??丨离１————?一－Ｔ－一｜?！?ｊ?ｐ??ｆｅ?★?！［水的格拉姆矩阵一一含漂浮豐益格拉姆爲??｜Ｓ?＿?标定?！?｜?｜?｝［??＾????１?Ｉ?框选目标?Ｐ??ｉ—―贞??Ｉ?｜??ｗ?｜?双目图像校正?｜??＾?Ｌ？：＿Ｉ双；??Ｉ??Ｉ???双目图像匹配??Ｉ?龙??Ｉ?￡?模Ｉ??丨丨??１?１块１??视差图??」??三＿？１距??＾????ＫＣＦ跟踪??二細踪??跟踪结果＾＞一￣?１??失败??成功???５???漂，浦Ｉ下一備物??图２．１工作流程原理示意图??Ｆｉｇ．２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｗｏｒｋｆｌｏｗ?ｐｒｉｎｃｉｐｌｅ??－７?－??
的各个维度都中心化到０，即数据减去样本均值，让样本中??心接近坐标系原点。ＣＮＮ选取去均值方式。??ｂ）归一化：对样本进行归一化，使样本幅度处于相同范围。??ｃ）ＰＣＡ／白化：用ＰＣＡ降维，白化去除冗余的输入数据。??２．卷积计算层（ＣＯＮＶ?ｌａｙｅｒ）??卷积层由多个特征面（Ｆｅａｔｕｒｅ?Ｍａｐ）构成，每一个特征面则是由很多个神经元构成的。??每个神经元看作一个识别器，一个或者几个神经元的组合在训练后可以被用来识别某个??特征，大量识别器的组合可以用来识别物体［２５］。??图３．２神经元结构??Ｆｉｇ．?３．２?Ｎｅｕｒｏｎａｌ?ｓｔｒｕｃｔｕｒｅ??卷积层能够提取输入数据的特征，其内部包含多个卷积核［２７）。卷积计算如图３．３所??示。其中，ｘ是输入图像，为ＲＧＢ图像，三个通道分别与ｗ内积计算后，加上偏移量办，??输出为０。计算得到绿色矩阵中第一行第一列的元素的过程为：??（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
【参考文献】：
期刊论文
[1]基于KCF相似度的TLD目标跟踪算法[J]. 张晶,熊晓雨,鲍益波. 计算机工程与科学. 2019(02)
[2]基于视觉的水面垃圾清理机器人目标检测算法[J]. 汤伟,刘思洋,高涵,陶倩. 科学技术与工程. 2019(03)
[3]水上垃圾清理机器人[J]. 陈华勇,方鼎,洪锟,肖云永,王立强,邓成钢. 兵工自动化. 2018(11)
[4]基于卷积神经网络的图像风格迁移技术[J]. 窦亚玲,周武彬,季人煌. 现代计算机(专业版). 2018(30)
[5]基于深度学习的图像风格迁移技术的前沿进展[J]. 丁晓龙. 电子制作. 2018(18)
[6]城市小型湖泊水面智能清洁装置设计[J]. 蔡孟凯,黄淑新,贺诗,李旭,蔡永康,汪鹏. 机电工程技术. 2018(02)
[7]基于深度卷积神经网络的网络流量分类方法[J]. 王勇,周慧怡,俸皓,叶苗,柯文龙. 通信学报. 2018(01)
[8]基于MATLAB和OpenCV的双目视觉测距系统的实现[J]. 许威,丁学文,宋兰草,李莉. 天津职业技术师范大学学报. 2017(04)
[9]我国水资源保护顶层设计若干思考[J]. 史晓新,杨晴,王晓红,张建永. 中国水利. 2017(19)
[10]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
硕士论文
[1]基于双目视觉的机器人目标定位技术研究[D]. 闫磊.广东工业大学 2017
[2]相关滤波目标跟踪算法研究[D]. 夏远祥.华侨大学 2017
[3]基于计算机视觉的铁路路基沉降监测方法研究[D]. 邱卫林.华中科技大学 2017
[4]迁移学习在图像分类中的应用研究[D]. 吴国琴.安徽大学 2017
[5]基于双目立体视觉的目标识别与抓取定位[D]. 王德海.吉林大学 2016
[6]基于双目视觉的动态目标定位与抓取研究[D]. 夏菠.西南科技大学 2016
[7]基于CUNet的海量图像分类研究[D]. 贺玲.电子科技大学 2016
[8]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[9]基于机器视觉的水面漂浮物自动监测的研究[D]. 胡蓉.广西科技大学 2015
[10]基于双目立体视觉的工件识别定位与抓取系统研究[D]. 张海波.中国计量学院 2014
本文编号：3342540
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3342540.html
最近更新
教材专著
