无人艇双目视觉技术的研究

发布时间：2022-10-07 21:26

　　为了解决无人艇利用传统的船艇环境感知系统存在近距离感知盲区、感知结果不够精细、成本高昂、安装不便等问题,本文主要尝试利用双目视觉技术实现无人艇对环境的三维精细感知。在课题研究过程中,对双目视觉相机投影模型进行了细致的分析,基于双目误差的理论构建了海上实验平台,并实地进行了海上环境下的采集实验。针对海上环境下所遇到的问题本文进行了分析并探索了对应的解决方案。针对海上环境对双目图像匹配的不利影响,本文分析了不利的影响因素,并利用改进型图像增强算法对图像进行了预处理,针对海水对匹配计算的影响问题,本文在分析和比较了基于局部的立体算法和基于全局的立体匹配算法基础上提出梯度与亮度融合的局部匹配算法改进方案,并提出利用U-Net网络对海水图像进行语义分割将图像中海水部分分离。对于计算所得视差图像,本文进行了左右一致检测的视差后续处理并结合双目结构参数将视差图像映射到三维点云空间,在ROS下结合点云数据构建生成了无人艇周边环境代价地图,使得环境观测数据能够直接为后续避让规划决策所使用。从最终综合实验结果可以看出本文所提出双目视觉技术框架具有一定实用性从而为无人艇未来智能化的应用打下了基础。 

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究背景及意义
    1.2 双目立体视觉技术概述
    1.3 双目立体视觉技术国内外研究现状
    1.4 双目立体视觉技术在无人艇领域的应用
    1.5 本文研究内容与结构安排
2 无人艇双目视觉系统总体设计
    2.1 功能要求
    2.2 无人艇双目立体视觉技术实现框架
    2.3 无人艇双目视觉系统光学投影模型
        2.3.1 相机镜头模型与针孔像机模型
        2.3.2 相机投影模型
        2.3.3 双目相机投影模型
        2.3.4 镜头畸变模型
        2.3.5 双目视觉系统的深度计算以及空间误差
    2.4 无人艇双目视觉硬件采集系统构建
    2.5 无人艇双目视觉系统实验平台构建
3 无人艇双目平台的标定以及图像预处理
    3.1 无人艇双目视觉平台的标定以及分析
        3.1.1 相机标定的意义
        3.1.2 标定过程
    3.2 图像预处理
        3.2.1 海上双目图像采集实验
        3.2.2 双目图像对校正
        3.2.3 海上采集图像分析
        3.2.4 直方图均衡化
        3.2.5 全局直方图均衡化
        3.2.6 限制对比度自适应直方图均衡方法
    3.3 本章小结
4 无人艇从双目结构中获取深度信息
    4.1 立体匹配算法概述
        4.1.1 基本概念
        4.1.2 计算框架
        4.1.3 算法分类
        4.1.4 匹配约束准则
    4.2 基于局部的BM立体匹配算法
    4.3 基于非局部的SGBM立体匹配算法
    4.4 基于局部的改进型立体匹配算法
        4.4.1 基于梯度亮度信息融合的局部立体匹配算法
        4.4.2 左右一致检验与误差点去除
    4.5 实验结果和分析
    4.6 本章小结
5 水面影响的去除以及局部避让地图的建立
    5.1 基于U-Net网络的水面图像语义分割
        5.1.1 U-Net网络结构的提出
        5.1.2 采集图片标注
        5.1.3 模型的训练与语义分割结果
        5.1.4 基于分割图像的立体匹配计算
    5.2 构建局部避让地图
        5.2.1 地图构建平台介绍
        5.2.2 视差图像与点云数据转换
        5.2.3 基于点云构建局部避让地图
        5.2.4 ROS系统下的局部地图构建综合实验
    5.3 本章小结
结论
参考文献
作者简历及攻读硕士学位期间的科研成果
致谢


【参考文献】：
期刊论文
[1]股骨颈骨折X线CT影像的临床对比分析[J]. 徐海锋.  影像研究与医学应用. 2019(06)
[2]基于V-Net的腹部多器官图像分割[J]. 李庆勃,苏丹.  数字技术与应用. 2019(01)
[3]基于ROS的家庭服务机器人设计[J]. 张腾,金光,江先亮.  数据通信. 2018(06)
[4]基于迁移学习的机器人视觉识别与分拣策略[J]. 黄家才,舒奇,朱晓春,周磊,刘汉忠,林健.  计算机工程与应用. 2019(08)
[5]基于ROS的室内机器人导航技术研究[J]. 刘海平,战强.  机械制造与自动化. 2018(06)
[6]基于毫米波雷达和机器视觉的夜间前方船舶检测研究[J]. 胡天彤,白首华.  舰船科学技术. 2018(22)
[7]一种基于自适应支持权重优化的立体匹配算法[J]. 江泽涛,王琦,赵艳.  计算机科学. 2018(08)
[8]基于导向滤波的立体匹配算法[J]. 黄超凡,张鹏博.  现代计算机(专业版). 2018(09)
[9]无人艇技术研究及在边海防勤务中的需求分析[J]. 徐强,焦金星,李进.  军事交通学院学报. 2017(06)
[10]基于可变窗口视差优化的并行立体匹配[J]. 许亮,田峥,王震.  计算机工程与应用. 2015(15)

博士论文
[1]基于图论的图像分割算法的研究[D]. 刘仲民.兰州理工大学 2018
[2]机载图像拼接关键技术研究[D]. 董强.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2018
[3]粗略地形引导下影像匹配与地表重建的半全局优化方法[D]. 张彦峰.武汉大学 2017
[4]机器人双目立体视觉若干关键理论问题及其技术实现研究[D]. 赖小波.浙江大学 2010
[5]立体匹配算法研究[D]. 翟振刚.北京理工大学 2010

硕士论文
[1]基于双目视觉立体匹配算法的研究与应用[D]. 刘欢.哈尔滨工业大学 2018
[2]长距离双目测距系统及标定[D]. 刘博宇.长春理工大学 2018
[3]基于多层代价地图的移动机器人人机共融导航技术研究[D]. 王宇.哈尔滨工业大学 2018
[4]基于词袋模型的图像分类方法研究[D]. 王娜娜.兰州理工大学 2018
[5]基于深度学习U-Net模型的高分辨率遥感影像分类方法研究[D]. 许慧敏.西南交通大学 2018
[6]基于局部视觉的导航系统研究及应用[D]. 张平.电子科技大学 2018
[7]基于深度学习的图像分割研究与应用[D]. 张华博.电子科技大学 2018
[8]多模态医学影像的融合与重建技术的研究[D]. 易志武.电子科技大学 2018
[9]基于深度学习的神经分割方法的研究与实现[D]. 徐晨阳.北京邮电大学 2018
[10]海面机器人视觉测量关键技术研究[D]. 吴兵.江苏科技大学 2017



本文编号：3687438