基于机器学习的水下单目视觉感知技术研究

摘要

随着人类对海洋资源需求增加，对海洋的探索和开发也不断深入，水下机器人及相关技术也越来越成为科学研究的热点。视觉是水下机器人技术中非常重要的部分，是最为直观的观测技术，能够有效进行水下目标探测、识别，广泛应用在水下机器人的自主航行、海底探测和海下设备维护等相关领域，因此基于视觉的水下定位识别技术的研究具有重要的科学研究意义和重大社会现实价值。 本论文对单目视觉系统进行研究，实现对水下目标的识别和跟踪，构建出空间分布信息，为水下机器人作业提供更多感知信息。具体研究内容如下: 首先，对相机进行建模分析，通过水下标定的手段对相机进行参数计算和水下图像矫正。然后对水下图像增强方法进行系统研究，针对水下光散射吸收的对图像信息的破坏问题，提出改进的基于统计学习的Retinex增强方法，并进行相关的实验验证，证明改进图像增强方法的有效性。 其次，对基于序列帧的单目水下三维重建的方法进行系统研究，通过帧间图像特征点运动规律建立帧间位姿关系，进而重建出环境的空间分布。为提高特征点的数量和均匀度，本文提出了一种基于梯度幅值预运算的改进SURF算法，通过试验和仿真分析，该方法比传统特征提取方法有更好的噪声抑制能力，有效的提高了三维重建的精度与质量。 再次，研究了目标识别算法，采用深度学习的方法进行水下目标识别，通过特征提取、多尺度融合、极大值抑制的回归方法对水下鱼类等目标进行检测。并针对不同环境中对鱼类和其它水下目标进行实验验证。 最后，研究粒子滤波的方法以实现对水下目标的跟踪，介绍了粒子滤波的原理，通过改进粒子群的吸引策略改善粒子收敛效果，并引入CEI评价指数对算法优劣进行分析，通过陆上和水下的对比试验，验证算法的可行性。

目录

声明

摘要

第1章绪论

1．1课题研究背景

1．2单目视觉感知研究现状

1．2．1计算机视觉发展现状

1．2．2水下机器人视觉发展现状

1．3论文的主要内容

1．4论文的章节安排

第2章单目相机标定与图像增强方法研究

2．1单目摄像机建模与预处理

2．1．1像素空间成像原理简介

2．1．2张氏标定法内外参求解

2．1．3镜头畸变的矫正方法研究

2．1．4摄像头标定与分析实验

2．2水下图像增强技术

2．2．1常见水下图像预处理方法分析

2．2．2基于Retinex的水下图像增强

2．3基于统计学习改进Retinex增强方法

2．3．1统计学习理论

2．3．2参数训练与策略

2．4实验与分析

2．5本章小结

第3章单目重建方法研究

3．1单目重建分析引述

3．2基于序列帧的单目重建

3．2．1基于SURF算法的特征描述

3．2．2自适应权重的搜索策略

3．2．3运动结构恢复方法分析

3．3基于改进SURF的匹配算法研究

3．3．1 Harr小波描述

3．3．2基于高斯滤波的非极值抑制算法

3．3．3基于G-A计算的改进SURF算法

3．4实验结果和仿真分析

3．5本章小结

第4章机器学习水下目标识别算法研究

4．1卷积网络识别基础

4．1．1卷积神经网络基本结构

4．1．2经典卷积神经网络模型

4．1．2并联式特征提取结构

4．1．3联级式特征提取结构

4．2 SSD目标检测算法

4．2．1区域选择算法

4．2．2 NMS抑制算法

4．2．3损失函数计算

4．3实验与分析

4．4本章小结

第5章粒子滤波目标跟踪算法研究

5．1粒子滤波单目跟踪引述

5．2粒子滤波算法原理

5．2．1贝叶斯滤波

5．2．2蒙特卡洛近似思想

5．2．3序贯重要性采样

5．2．4退化现象和重采样

5．3基于动态吸引度改进粒子滤波

5．4实验结果和分析

5．4．1改进算法流程与分析

5．4．2实验验证

5．5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢