UUV回收过程中的导引光源识别方法

水下无人航行器(UUV)由于具有自主性高、体积小、续航时间长等优点,成为海洋探索的有效工具,为保证UUV的作业任务,需对其进行可靠、有效的回收以供给能量,并获得数据。在此研究水下无人航行器近距离光学导引阶段的目标光源识别问题,提出基于正方形光源阵列的光源识别方法。首先从单目摄像机获得的水下图像中提取光源,基于Tsallis灰度熵对原始图像进行分割,得到目标光源的连通域;在目标光源没有缺失的情况下,基于刚体几何位置对其进行识别,当目标光源被遮挡时,提出了导引光源信息缺失情况下的基于动态标记点的光源识别方法,解决了光源被遮挡时无法识别的问题。

基于散射模型的水下浑浊图像增强方法

由于水对光的选择性吸收和光的散射作用,水下图像存在色偏和雾化等现象,传统的去雾方法用于水下图像时效果欠佳。本文以散射模型为基础,提出了一种水下图像增强方法。基于局部区块熵分析估计背景光,权衡清晰度与图像逼真度设计了寻优透射率的代价函数,通过改进的加权最小二乘保边滤波算法细化透射率,设计了自适应调节因子对图像增强公式进行修正。实验结果表明:该算法能有效地去除水下图像的浑浊,提高图像的整体清晰度,验证了所提出算法工程有效性。

面向UUV回收过程的单目视觉导引灯阵跟踪方法

无人水下航行器(UUV)在进行水下作业过程中,受到自身可携带载荷和环境的制约,导致其作业时间不能过长和作业距离不能过远,需要在一定时间内回收以供给能量、获得数据并布置新任务。深入研究UUV视觉跟踪问题,对实现UUV快速、准确、安全的回收有着重要意义。基于此,文中对UUV回收的单目视觉多目标跟踪问题进行了研究。以非线性卡尔曼滤波器为基础,提出基于非对称光阵列的UUV回收跟踪方法。首先,对单目摄像机采集的水下图像进行预处理,提取光源阵列的特征信息。其次,初始化目标轨迹,提出了基于非对称L型光源阵列的轨迹确定方法。再次,权衡观测器与滤波器设计了寻优代价矩阵,应用改进的匈牙利算法将检测与目标轨迹相匹配,并根据匹配结果对卡尔曼滤波器的先验结果进行修正。最后,通过水下目标跟踪实验,验证了所提方法的工程有效性。