本發(fā)明涉及水下機器人技術(shù)領(lǐng)域，尤其涉及一種水下機器人圖像識別和目標(biāo)跟蹤系統(tǒng)。

背景技術(shù)：

目前，小型纜控水下機器人(rov)的操作者在水面上通過手柄進行遠程操作，通過安裝在rov上的攝像頭進行觀測。該方法操作單調(diào)、耗時，易造成操作者的疲勞，易出錯。另外，由于水下光照不均勻，對比度低，水質(zhì)混濁以及rov易受到水流的影響造成運動不穩(wěn)定等因素，更增加了操作者的難度。

同時由于小型rov的質(zhì)量較小、動力較弱，進行水下觀察、作業(yè)時容易受外部干擾，特別是受到水流沖擊的影響，產(chǎn)生運動不穩(wěn)定性，使得rov的懸停、艏向角鎖定等運動控制變的更加困難，而且光學(xué)或聲學(xué)圖像采集設(shè)備的視角較小，容易產(chǎn)生目標(biāo)逸出探測圖像的情況，使得操作人員不容易進行操控和探測，必須經(jīng)過長時間訓(xùn)練的操作人員才能穩(wěn)定地進行操作。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種水下機器人圖像識別和目標(biāo)跟蹤系統(tǒng)，采用圖像識別和跟蹤技術(shù)，可實現(xiàn)對目標(biāo)區(qū)域的精確搜索、識別、定位和跟蹤，提高了水下機器人的可操控性和環(huán)境自適應(yīng)能力，降低了操作人員的工作難度，使得微小型水下機器人在復(fù)雜環(huán)境下的精細觀察和作業(yè)得以實現(xiàn)。

為解決上述技術(shù)問題，本申請實施例提供了一種水下機器人圖像識別和目標(biāo)跟蹤系統(tǒng)，其特征在于，包括圖像采集模塊、圖像處理模塊、目標(biāo)識別模塊、目標(biāo)跟蹤模塊、通訊模塊和運動控制模塊，所述的圖像采集模塊的輸出端與圖像處理模塊的輸入端相連，圖像處理模塊包括波門設(shè)定、預(yù)處理、圖像分割和特征提取四個部分，圖像處理模塊將所得圖像特征信息傳輸?shù)侥繕?biāo)識別模塊和目標(biāo)跟蹤模塊進行信息指令的處理，并通過通訊模塊傳輸?shù)竭\動控制模塊對水下機器人的位姿進行調(diào)整。

作為本方案的優(yōu)選實施例，所述的圖像采集模塊為光學(xué)防抖攝像頭，可以為ccd攝像頭。

作為本方案的優(yōu)選實施例，所述的波門設(shè)定中采用的波門算法為雙邊緣檢測跟蹤算法，波門中心按目標(biāo)圖像的中心設(shè)置，波門尺寸采用自適應(yīng)調(diào)節(jié)算法對圖像邊緣像素進行放大設(shè)置。

作為本方案的優(yōu)選實施例，所述的預(yù)處理中包括去噪處理、圖像校正、數(shù)據(jù)壓縮和圖像增強及補償四個流程，其中去噪處理采用中值濾波法進行圖像質(zhì)量的改善。

作為本方案的優(yōu)選實施例，所述的圖像分割中采用并行算法中的自適應(yīng)閾值方法進行目標(biāo)圖像的分割，并采用二分法逐步縮小閾值運算灰度取值范圍得出最佳閾值。

作為本方案的優(yōu)選實施例，所述的特征提取利用目標(biāo)的矩特征作為不變量來識別目標(biāo)。

作為本方案的優(yōu)選實施例，所述的目標(biāo)識別模塊利用目標(biāo)圖像和測試圖像的歸一化特征向量的歐氏距離作為兩幅圖像相似度的判斷依據(jù)。

作為本方案的優(yōu)選實施例，所述的目標(biāo)跟蹤模塊采用圖像匹配法對目標(biāo)進行跟蹤，其中將目標(biāo)圖像作為樣板，可針對多線索信息進行融合,建立一個多線索融合的魯棒跟蹤模型，通過顏色分布、運動軌跡預(yù)測、被跟蹤對象輪廓和輔助物多線索實現(xiàn)自動跟蹤。

本申請實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

采用圖像識別和跟蹤技術(shù)，可實現(xiàn)對目標(biāo)區(qū)域的精確搜索、識別、定位和跟蹤，提高了水下機器人的可操控性和環(huán)境自適應(yīng)能力，降低了操作人員的工作難度，使得微小型水下機器人在復(fù)雜環(huán)境下的精細觀察和作業(yè)得以實現(xiàn)。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本申請實施例的系統(tǒng)結(jié)構(gòu)示意圖。

圖1中：1、圖像采集模塊，2、圖像處理模塊，3、預(yù)處理，4、波門設(shè)定，5、特征提取，6、目標(biāo)識別模塊，7、目標(biāo)跟蹤模塊，8、通訊模塊，9、運動控制模塊，10、圖像分割。

具體實施方式

本發(fā)明提供了一種水下機器人圖像識別和目標(biāo)跟蹤系統(tǒng)，采用圖像識別和跟蹤技術(shù)，可實現(xiàn)對目標(biāo)區(qū)域的精確搜索、識別、定位和跟蹤，提高了水下機器人的可操控性和環(huán)境自適應(yīng)能力，降低了操作人員的工作難度，使得微小型水下機器人在復(fù)雜環(huán)境下的精細觀察和作業(yè)得以實現(xiàn)。

為了更好的理解上述技術(shù)方案，下面將結(jié)合說明書附圖以及具體的實施方式對上述技術(shù)方案進行詳細的說明。

如圖1所示，一種水下機器人圖像識別和目標(biāo)跟蹤系統(tǒng)，其特征在于，包括圖像采集模塊1、圖像處理模塊2、目標(biāo)識別模塊6、目標(biāo)跟蹤模塊7、通訊模塊8和運動控制模塊9，所述的圖像采集模塊1的輸出端與圖像處理模塊2的輸入端相連，圖像處理模塊2包括波門設(shè)定4、預(yù)處理3、圖像分割10和特征提取5四個部分，圖像處理模塊2將所得圖像特征信息傳輸?shù)侥繕?biāo)識別模塊6和目標(biāo)跟蹤模塊7進行信息指令的處理，并通過通訊模塊7傳輸?shù)竭\動控制模塊9對水下機器人的位姿進行調(diào)整。

其中，在實際應(yīng)用中，所述的圖像采集模塊1為光學(xué)防抖攝像頭，可以為ccd攝像頭，ccd圖像的幀頻為25hz,幀圖像分辨率為512×512像素,每個像素點8bit量化，可直接將光學(xué)信號轉(zhuǎn)換為模擬電流信號，電流信號經(jīng)過放大和模數(shù)轉(zhuǎn)換，實現(xiàn)圖像的獲取、存儲、傳輸、處理和復(fù)現(xiàn)，具有體積小、重量輕、功耗小、抗沖擊與震動、性能穩(wěn)定、壽命長、靈敏度高，噪聲低、動態(tài)范圍大、響應(yīng)速度快等優(yōu)點，并且有自掃描功能、圖像畸變小、無殘像、像素集成度高、尺寸精確、商品化生產(chǎn)成本低。

其中，在實際應(yīng)用中，所述的波門設(shè)定4中采用的波門算法為雙邊緣檢測跟蹤算法，設(shè)置波門可以非常有效地排除背景干擾,還可以大大減少計算量以提高計算速度，波門中心按目標(biāo)圖像的中心設(shè)置，波門尺寸采用自適應(yīng)調(diào)節(jié)算法對圖像邊緣像素進行放大設(shè)置，以保證在滿足跟蹤精度的前提下,盡量減少計算量和增強系統(tǒng)的抗干擾能力。

其中，在實際應(yīng)用中，所述的預(yù)處理3中包括去噪處理、圖像校正、數(shù)據(jù)壓縮和圖像增強及補償四個流程，用以降低圖像噪聲和失真程度,增強圖像中的有用信號,改善圖像的質(zhì)量,以利于后續(xù)處理，其中去噪處理采用中值濾波法進行圖像質(zhì)量的改善，中值濾波是一種非線形濾波技術(shù),可對圖像中的噪聲進行有效的抑制，在灰度值變化比較小的情況下可以得到很好的平滑處理，同時降低了圖像邊界部分的模糊程度。

其中，在實際應(yīng)用中，所述的圖像分割10中采用并行算法中的自適應(yīng)閾值方法進行目標(biāo)圖像的分割，并采用二分法逐步縮小閾值運算灰度取值范圍得出最佳閾值，該類方法計算簡單，自適應(yīng)性強，在一定條件下不受圖像對比度與亮度變化的影響，同時可以提高系統(tǒng)的實時性。

其中，在實際應(yīng)用中，所述的特征提取5利用目標(biāo)的矩特征作為不變量來識別目標(biāo)，在目標(biāo)跟蹤系統(tǒng)中通常只需辨明目標(biāo)的類型，并不需要了解有關(guān)運動目標(biāo)圖像中更多的細節(jié)，不變矩是圖像的統(tǒng)計特性，滿足平移、伸縮、旋轉(zhuǎn)均不變的不變性，而重心、長軸、短軸等慣性矩也可以由矩得到，所以采用不變矩特征足以滿足要求，

其中，在實際應(yīng)用中，所述的目標(biāo)識別模塊6利用目標(biāo)圖像和測試圖像的歸一化特征向量的歐氏距離作為兩幅圖像相似度的判斷依據(jù)，利用圖像的不變矩組成這個圖像的特征向量，計算兩幅圖像特征向量的歐氏距離，將此歐氏距離值與預(yù)先設(shè)定的閾值進行比較，如果小于預(yù)定值，則認為測試圖像為目標(biāo)圖像，反之則不是。

其中，在實際應(yīng)用中，所述的目標(biāo)跟蹤模塊7采用圖像匹配法對目標(biāo)進行跟蹤，其中將目標(biāo)圖像作為樣板，可針對多線索信息進行融合,建立一個多線索融合的魯棒跟蹤模型，通過顏色分布、運動軌跡預(yù)測、被跟蹤對象輪廓和輔助物多線索實現(xiàn)自動跟蹤，這種方法對相關(guān)度的取值有一定的要求，對與選定的跟蹤目標(biāo)圖像不相似的一切景物都不敏感，具有較好跟蹤能力和抗背景干擾能力，可以滿足水下環(huán)境中幀間抖動較大的特點。

以上所述，僅是本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制，雖然本發(fā)明已以較佳實施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容作出些許更動或修飾為等同變化的等效實施例，但凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所作的任何簡單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。