基于改进区域生长的水岸线提取方法研究

针对无人船在水面目标识别及视觉导航中涉及到的水岸分割问题,提出了一种基于改进区域生长的水岸线提取方法。首先在Lab颜色空间对图像进行阈值分割,得到水面种子点候选区域;然后通过构建最小二乘问题在种子点候选区域自动选取最优初始种子点,并基于图像标准差实现生长规则阈值自适应;最后依据初始种子点和生长规则进行区域生长,并对得到的水面区域进行边缘提取,从中分离出水岸分界线。采用该方法对水岸样本图像进行实验,通过相关系数和偏移误差对水岸线提取结果进行评价。实验结果表明,该方法能够提取出复杂环境下的水岸线,具有一定的鲁棒性,且基本满足实时性要求。

融合Kinect与γ相机图像的放射性区域重建与定位

针对核设施退役、核应急处置过程中放射性分布信息的可视化需求,提出了一种基于Kinect与γ相机图像信息融合的放射性区域重建与定位方法。首先,基于γ相机的特殊成像方式,构建了Kinect与γ相机组合成像模型,并完成相机组合联合标定;其次,基于视觉地图构建方法,建立了核辐射环境稠密点云地图并得到Kinect位姿;然后,提取γ相机图像中的放射性分布信息,根据相机组合模型计算地图中的放射性区域点云;最后,基于最小包围盒对γ相机成像的中心区域进行三维定位。在实验中,通过将Kinect和γ相机数据同步与空间对齐,在少量γ相机图像的情况下,实现了单个点源的三维分布重建模型与辐射场景地图的融合。在8×12 m^2的实验室环境中点源定位的均方根误差为0.11 m,证明了本文方法的有效性。

基于三维激光扫描的水面目标物体检测

水面目标物体检测是无人船识别水面物体或避开障碍的前提。本文利用水体对激光信号的吸收特性,设计了一种使用三维激光扫描检测水面目标的方法。该方法通过三维激光扫描获取水面漂浮物的点云,然后通过条件滤波限定有效的点云集合,并采用基于Kd树的最近邻聚类法划分水面目标物体,最后使用基于轴向包围盒(Axis Aligned Bounding Box,AABB)计算目标相对激光雷达的位置。本文设计了三组水面目标物体检测试验,数据表明本文方法可发现水面上漂浮的物体并能完成位置测定。

基于激光雷达与视觉融合的水面漂浮物检测

针对水面清污机器人对漂浮目标的检测问题,提出了一种将三维激光雷达点云数据与视觉信息融合检测的方法。首先,视觉识别部分采用CornerNet-Lite目标检测网络,通过对大量样本的训练实现水面漂浮物的检测,得到候选目标的种类和置信度。然后,通过相机和激光雷达的标定将激光雷达三维点云数据投影到二维像素平面,并根据相对像素面积大小的概念定义了激光雷达检测目标物的置信度。最后,调整激光雷达和相机检测目标置信度权重比例,构成新的判定置信度,并通过比较判定置信度和设定阈值的大小来判断是否检测到目标。试验结果表明,该方法比单独使用CornerNet-Lite算法的检测准确率更高,消除了水面倒影和波纹的影响,降低了虚警率。