基于视觉的水面无人艇目标检测跟踪方法研究

摘要

随着世界人口快速扩张和经济水平飞速发展，陆地上目前拥有的自然资源已经慢慢被人类蚕食殆尽。海洋占据着地球约71%的表面积，蕴含着丰富自然资源。各国为了在海洋资源的争夺中拥有话语权，大力发展海洋装备。水面无人艇即为海洋装备中的重要组成部分，其无需人工干预，就能自主在复杂海面上执行各种危险任务，比如海洋资源勘探、海关缉私、渔业资源探测及水污染环境监测等，所以加大对无人艇的研究对于提高我国的海洋战略地位具有非常重要的意义。 本文以华中科技大学研制“huster-68”水面无人艇为研究对象，重点研究基于可见光的水面环境感知技术。通过对水面视频处理，获得水界线位置、水面目标位置以及水面目标运动速度等，再将这些信息整合处理传给底层运动控制系统，实现USV自主避障，使其能在各种复杂水面场景中安全完成任务。本文主要研究内容如下： （1）在水界线检测方法研究中，针对传统基于边缘或者纹理等低级特征的水界线检测算法在复杂背景下抗干扰能力差的缺点，提出基于残差回归的水界线检测算法。经过实验表明，其抗干扰能力强，对有一定曲率水界线也能精确提取。 （2）对于水面目标检测，本文分别研究基于深度学习和基于视觉显著性目标检测算法。在视觉显著性算法研究中，解决目标过分割问题，并引入水界线和水面背景信息作为显著性先验因子，提升检测性能。由于深度学习对泛型目标检测能力较差但对于复杂背景抗干扰能力较强，显著性算法则具有一定泛型目标检测能力但抗干扰能力较差，本文最后将两个算法的检测结果进行简单高效融合，提高最终检测效果。 （3）针对于目标在水面运动的颜色、姿态、尺度变化较大等问题，本文研究了基于核相关滤波的目标跟踪算法。经过实验表明，基于核相关滤波算法能有效克服水面目标颜色、姿态、尺度变化等情况，且处理速度快，满足对水面目标持续跟踪需求。

目录

第一个书签之前