CN102879786A - 一种针对水下障碍物的检测定位方法和系统 - Google Patents

一种针对水下障碍物的检测定位方法和系统 Download PDF

Info

Publication number
CN102879786A
CN102879786A CN2012103469888A CN201210346988A CN102879786A CN 102879786 A CN102879786 A CN 102879786A CN 2012103469888 A CN2012103469888 A CN 2012103469888A CN 201210346988 A CN201210346988 A CN 201210346988A CN 102879786 A CN102879786 A CN 102879786A
Authority
CN
China
Prior art keywords
image
sonar
obstacle
underwater
detecting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012103469888A
Other languages
English (en)
Other versions
CN102879786B (zh
Inventor
李敏
翁立元
王相存
季后维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201210346988.8A priority Critical patent/CN102879786B/zh
Publication of CN102879786A publication Critical patent/CN102879786A/zh
Application granted granted Critical
Publication of CN102879786B publication Critical patent/CN102879786B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种针对水下障碍物的检测定位方法和系统，包括多波束图像声纳和计算机，首先通过安装在AUV（自治式水下机器人）上的多波束图像声纳获取前进方向的水下声纳图像；然后通过中值滤波减少图像噪声，提高图像质量；运用图像分割算法分割障碍物和背景，并根据分割阈值对场景图像中的每个像素点做二值化处理；最后从二值图像中获取障碍物轮廓，根据获取轮廓计算障碍物的大小和位置。这种检测定位方法可以快速检测出无人测量艇或者水下机器人前进方向中的障碍物，并计算其大小和位置，可直接用于水下导航。

Description

一种针对水下障碍物的检测定位方法和系统
技术领域
本发明涉及一种针对水下障碍物的检测定位方法和系统，可实时的检测出声纳视野范围内的障碍物，并计算障碍物的大小和位置。
背景技术
在未知水下环境的前进过程中，避障能力是AUV（Autonomous Underwater Vehicle，自治式水下机器人）的一个基本要求。避障系统的首要任务是从成像设备获得的图像中检测出障碍物，将障碍物和背景分割出来，并计算障碍物的大小和位置。如何快速有效的对背景和障碍物进行分割，以及准确的计算障碍物的大小和位置是目前研究的重点。
目前，针对水下障碍物的检测定位方法和系统往往存在适应性差，准确性差的问题。传统的光学成像设备在污浊水域中无法探测远距离的目标，甚至会出现无法成像的问题。而普通的单波束图像声纳成像角度小，图像分辨率低，在实际应用中很难观测大的范围，不易准确获得水下物体的表面细节或形状信息。多波束图像声纳是在一个声纳头上安装多个换能器以达到大角度覆盖的目的，这种声纳成像速度快，分辨率高，可以获得比较准确完整的水下物体信息。因此，基于多波束图像声纳的水下障碍物的检测定位方法和系统在AUV避障中具有重要的作用。
发明内容
针对现有的障碍物检测定位方法和系统在水下环境下适应性差，准确性差的问题，本发明的目的在于提供一种针对水下障碍物的检测定位方法和系统，可以实时的对高分辨率声纳图像进行处理，检测并计算出水下障碍物的大小和位置，有利于提高AUV的避障能力。
本发明的构思是：首先通过安装在AUV上的多波束图像声纳获取待测场景的场景图像；然后通过中值滤波减少图像噪声，提高图像质量；运用图像分割算法分割障碍物和背景，并根据分割阈值对场景图像中的每个像素点做二值化处理；最后从二值图像中获取障碍物轮廓，根据获取轮廓计算障碍物的大小和位置。
基于上述目的及发明构思，本发明是通过以下技术方案实现：
一种针对水下障碍物的检测定位方法，检测定位步骤是：
(1)   将多波束图像声纳安装在AUV上，声纳头的方向与水平面呈0~3度的夹角；计算机放置在岸上，并通过网络网线、POE单口供电器和声纳电缆连接多波束图像声纳；
(2)   启动计算机和多波束图像声纳，检查各项数据通讯是否正常；
(3)   根据多波束图像声纳回波信号的强度将声纳信息恢复为声纳的灰度图像；
(4)   通过中值滤波降低当前声纳图像的噪声；高斯噪声、斑点噪声等是影响声纳图像质量的重要原因之一，因此采用了中值滤波的方法降低噪声，提高图像质量；
(5)   对步骤（4）获得的图像，运用OTSU方法将障碍物与背景分离，并根据所得最佳阈值对场景图像中的每个像素点做二值化处理；
(6)   根据步骤（5）得到二值图像获取障碍物轮廓，并计算轮廓的大小和障碍物位置；
(7)   重复步骤（3）~步骤（6），即实现了水下障碍物的检测定位。
一种针对水下障碍物的检测定位系统，应用于上述方法，包括多波束图像声纳和计算机。多波束图像声纳固定安装在AUV上，并通过声纳电缆连接到POE单口供电器上，计算机通过网络网线连接到POE单口供电器上，POE单口供电器由110-240V电源供电。
上述的多波束图像声纳可采用Blueview公司的P450E型多波束图像声纳。
与现有技术相比，本发明具有以下突出特点和显著优点：
本发明提供了一种快速、准确的方法实现水下障碍物的检测和定位。可以实时的对高分辨率声纳图像进行处理，检测并计算出水下障碍物的大小和位置，有利于提高AUV的避障能力。
附图说明
图1是本发明的多波束图像声纳安装示意图；
图2是本发明的多波束图像声纳与计算机连接示意图；
图3是本发明的流程示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明：
参见图1为本发明的多波束声纳安装示意图，其中1为AUV，2为多波束图像声纳，该多波束图像声纳2安装时其声纳头方向应与水平面呈0~3度的夹角，这样做的目的是在保证探测视野范围的情况下，尽量减小水面反射对图像质量的影响。
参见图2为本发明的多波束图像声纳与计算机连接示意图，其中2为多波束图像声纳，4为POE单口供电器，它们通过声纳电缆线3连接，计算机6通过网络网线5与POE单口供电器4连接，POE单口供电器4由110-240V电源供电。
结合图3说明实时检测定位的步骤是：
(1)   将多波束图像声纳2安装在AUV1上，声纳头的方向与水平面呈0~3度的夹角；计算机6放置在岸上，并通过网络网线5、POE单口供电器4和声纳电缆3连接多波束图像声纳2；
(2)   启动计算机6和多波束图像声纳2，检查各项数据通讯是否正常；
(3)   根据多波束图像声纳2回波信号的强度将声纳信息恢复为声纳的灰度图像；多波束图像声纳2利用声波的回波信息进行成像，将回波强度看作图像的灰度值，即可得到声纳的灰度图像。
(4)   通过中值滤波降低当前声纳图像的噪声；高斯噪声、斑点噪声等是影响声纳图像质量的重要原因之一，因此采用了中值滤波的方法降低噪声，提高图像质量；设二维图像的像素灰度集合为{Xi,j, (i, j)∈Z2}，Z2是二维整数集。规定二维滑动模版大小为A=3×3在图像上的每个像素点进行滑动，窗口内的像素值中值被定义为：
Figure 863537DEST_PATH_IMAGE002
Xi+k, j+l为点(i, j)在其3×3领域内的灰度值（k，l均为整数）。Yi, j即为原图像中点（i, j）的新的灰度值。
(5)   对降噪后的图像，运用OTSU方法将障碍物与背景分离，并根据所得最佳阈值对场景图像中的每个像素点做二值化处理；OTSU方法的具体含义为：设图像中灰度为i的像素数为ni，灰度范围为[0,L-1],则总的像素数为：
各灰度值出现的概率为：
Figure 622732DEST_PATH_IMAGE006
把图中的像素用阈值T分成两类C0（背景）和C1（障碍物），C0由灰度值[0,T-1]的像素组成，C1由[T,L-1]的像素组成，则区域C0和C1的概率分别为：
Figure 17941DEST_PATH_IMAGE008
Figure 832313DEST_PATH_IMAGE010
区域C0和C1的平均灰度为：
Figure 218557DEST_PATH_IMAGE012
其中，μ是整幅图像的平均灰度，两个区域的总方差为：
Figure 684491DEST_PATH_IMAGE016
让T在[0，L-1]范围内依次取值，使σB 2最大的T值便是最佳区域分割阈值。
根据上述方法计算出的最佳阈值T将图像转化为二值图像，其中白色代表障碍物，黑色代表背景。
(6)   根据得到二值图像获取障碍物轮廓，并计算轮廓的大小和障碍物位置；
障碍物轮廓的获取采用Moore Neighbor方法。
Moore Neighbor方法的步骤为：
a)        从二值图像左下角开始，依次判断每个像素点是否为白色，将第一个找到的白色像素点作为“起始点”；
b)        从“起始点”开始，在其8领域内以前一个黑色像素点的位置为方向顺时针查找白色像素点，将第一个找到的白色像素点作为起点；
c)        从起点开始，在其8领域内以前一个黑色像素点的位置为方向顺时针查找白色像素点；
d)        将第一个找到的白色像素点作为下次查找的起点；
e)        重复步骤c）~d）直到再次查找到“起始点”的位置，这期间走过的所有白色像素点即为障碍物的轮廓。
获得轮廓后，计算轮廓内面积来表示障碍物大小，计算轮廓的最小外接矩形形心的位置来表示障碍物的位置。
(7)   重复步骤（3）~步骤（6），即实现了水下障碍物的检测定位。

Claims (5)

1.一种针对水下障碍物的检测定位方法，其特征在于，检测定位步骤是：
a.将多波束图像声纳（2）安装在AUV（1）上，声纳头的方向与水平面呈0~3度的夹角；计算机（6）放置在岸上，并通过网络网线（5）、POE单口供电器（4）和声纳电缆（3）连接多波束图像声纳（2）；
b.启动计算机（6）和多波束图像声纳（2），检查各项数据通讯是否正常；
c.根据多波束图像声纳（2）回波信号的强度将声纳信息恢复为声纳的灰度图像；
d.通过中值滤波降低当前声纳图像的噪声，提高图像质量；
e.对步骤d获得的图像，运用OTSU方法将障碍物与背景分离，并根据所得最佳阈值对场景图像中的每个像素点做二值化处理；
f.根据步骤e得到二值图像获取障碍物轮廓，获得轮廓后，计算轮廓内面积来表示障碍物大小，计算轮廓的最小外接矩形形心的位置来表示障碍物的位置;
g.重复步骤c~步骤f，即实现了水下障碍物的检测定位。
2.根据权利要求1所述的一种针对水下障碍物的检测定位方法，其特征在于，步骤e中所述OTSU方法的具体含义为：分割阈值T根据图像的灰度特性将图像分为背景类C0和障碍物类C1，其类间方差的定义为：                                                
Figure 613710DEST_PATH_IMAGE001
；
其中，
Figure 948876DEST_PATH_IMAGE002
和分别为背景类C0和障碍物类C1出现的概率，
Figure 465535DEST_PATH_IMAGE004
和
Figure 901196DEST_PATH_IMAGE005
分别为背景类C0和障碍物类C1的均值，μ是整幅图像的平均灰度，使
Figure 672843DEST_PATH_IMAGE006
最大的阈值即为最佳阈值T。
3.根据权利要求1所述的一种针对水下障碍物的检测定位方法，其特征在于，步骤f中所述障碍物轮廓的获取采用Moore Neighbor轮廓跟踪方法，其步骤为：
a)从二值图像左下角开始，依次判断每个像素点是否为白色，将第一个找到的白色像素点作为“起始点”；
b)从“起始点”开始，在其8领域内以前一个黑色像素点的位置为方向顺时针查找白色像素点，将第一个找到的白色像素点作为起点；
c)从起点开始，在其8领域内以前一个黑色像素点的位置为方向顺时针查找白色像素点；
d)将第一个找到的白色像素点作为下次查找的起点；
e)重复步骤c）~d）直到再次查找到“起始点”的位置，这期间走过的所有白色像素点即为障碍物的轮廓。
4.一种针对水下障碍物的检测定位系统，应用于根据权利要求1所述的水下障碍物的检测定位方法，包括多波束图像声纳（2）和计算机（6），其特征在于，多波束图像声纳（2）固定安装在AUV（1）上，并通过声纳电缆（3）连接到POE单口供电器（4）上，计算机（6）通过网络网线（5）连接到POE单口供电器（4）上，POE单口供电器（4）由110-240V电源供电。
5.根据权利要求4所述的一种针对水下障碍物的检测定位系统，其特征在于，所述的多波束图像声纳（2）采用Blueview公司的P450E型多波束图像声纳。
CN201210346988.8A 2012-09-19 2012-09-19 一种针对水下障碍物的检测定位方法和系统 Expired - Fee Related CN102879786B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210346988.8A CN102879786B (zh) 2012-09-19 2012-09-19 一种针对水下障碍物的检测定位方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210346988.8A CN102879786B (zh) 2012-09-19 2012-09-19 一种针对水下障碍物的检测定位方法和系统

Publications (2)

Publication Number Publication Date
CN102879786A true CN102879786A (zh) 2013-01-16
CN102879786B CN102879786B (zh) 2014-10-01

Family

ID=47481181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210346988.8A Expired - Fee Related CN102879786B (zh) 2012-09-19 2012-09-19 一种针对水下障碍物的检测定位方法和系统

Country Status (1)

Country Link
CN (1) CN102879786B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104267643A (zh) * 2014-09-27 2015-01-07 江苏华宏实业集团有限公司 水下机器人目标定位识别系统
CN105000156A (zh) * 2015-07-24 2015-10-28 李红军 用于人体检测的潜艇救援平台
CN104996370A (zh) * 2015-07-25 2015-10-28 朱秀娈 基于数据通信的水下鱼体定向捕获系统
CN105069416A (zh) * 2015-07-25 2015-11-18 杨燕 基于数据通信的潜艇水下搜索装置
CN105129058A (zh) * 2015-08-04 2015-12-09 李勇妹 采用双重图像滤波的暗礁避让系统
CN105129057A (zh) * 2015-08-04 2015-12-09 李勇妹 一种采用双重图像滤波的暗礁避让方法
CN105549601A (zh) * 2016-02-05 2016-05-04 哈尔滨工程大学 一种基于虚拟膨化的运动障碍与uuv同向航行的规避方法
CN105787886A (zh) * 2014-12-22 2016-07-20 中国科学院沈阳自动化研究所 一种基于多波束图像声纳的实时图像处理方法
CN105954752A (zh) * 2016-04-25 2016-09-21 中国科学院声学研究所 一种用于矿井避碰声纳的目标探测方法
CN107066970A (zh) * 2017-04-13 2017-08-18 深圳力子机器人有限公司 用于无轨导航agv的视觉定位方法以及装置和系统
CN107067012A (zh) * 2017-04-25 2017-08-18 中国科学院深海科学与工程研究所 基于图像处理的海底地貌单元边缘智能识别方法
CN109143247A (zh) * 2018-07-19 2019-01-04 河海大学常州校区 一种声光成像的三目水下探测方法
CN109194764A (zh) * 2018-09-25 2019-01-11 杭州翼兔网络科技有限公司 一种潜水设备运行情况分析系统
CN109284703A (zh) * 2018-09-07 2019-01-29 广州南方测绘科技股份有限公司 基于声学多波束测深仪的障碍物识别方法、设备、介质
CN110069059A (zh) * 2018-01-24 2019-07-30 南京机器人研究院有限公司 一种扫地机器人寻路方法
CN111175761A (zh) * 2019-11-19 2020-05-19 南京工程学院 水下机器人定位声纳数据的配准方法
CN111208521A (zh) * 2020-01-14 2020-05-29 武汉理工大学 一种多波束前视声呐水下障碍物鲁棒检测方法
CN112767336A (zh) * 2021-01-11 2021-05-07 广州中交通信有限公司 声呐图像中的障碍物提取方法、计算机装置和存储介质
CN108693535B (zh) * 2018-04-03 2021-05-18 中信重工开诚智能装备有限公司 一种用于水下机器人的障碍物探测系统和探测方法
CN117826826A (zh) * 2024-03-04 2024-04-05 广东电网有限责任公司阳江供电局 一种水下机器人的自主避障方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020071345A1 (en) * 2000-04-06 2002-06-13 Teratech Corporation Sonar beamforming system
US20100107958A1 (en) * 2008-11-03 2010-05-06 Mark Rhodes Underwater vehicle guidance
CN101907711A (zh) * 2010-07-16 2010-12-08 浙江大学 一种自主水下机器人的同时检测与定位方法
CN102231082A (zh) * 2011-04-08 2011-11-02 中国船舶重工集团公司第七○二研究所 基于迷你声纳的水下目标探测与auv自动避碰方法及其系统
CN102323584A (zh) * 2011-05-19 2012-01-18 哈尔滨工程大学 一种适用于水下auv/uuv平台的自主避碰装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020071345A1 (en) * 2000-04-06 2002-06-13 Teratech Corporation Sonar beamforming system
US20100107958A1 (en) * 2008-11-03 2010-05-06 Mark Rhodes Underwater vehicle guidance
CN101907711A (zh) * 2010-07-16 2010-12-08 浙江大学 一种自主水下机器人的同时检测与定位方法
CN102231082A (zh) * 2011-04-08 2011-11-02 中国船舶重工集团公司第七○二研究所 基于迷你声纳的水下目标探测与auv自动避碰方法及其系统
CN102323584A (zh) * 2011-05-19 2012-01-18 哈尔滨工程大学 一种适用于水下auv/uuv平台的自主避碰装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张洁 等: "基于前视声纳的AUV 同时定位与地图构建", 《微计算机信息（测控自动化）》 *
田广 等: "自治式水下机器人避障行为机制研究", 《传感器与微系统》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104267643A (zh) * 2014-09-27 2015-01-07 江苏华宏实业集团有限公司 水下机器人目标定位识别系统
CN105787886A (zh) * 2014-12-22 2016-07-20 中国科学院沈阳自动化研究所 一种基于多波束图像声纳的实时图像处理方法
CN105000156A (zh) * 2015-07-24 2015-10-28 李红军 用于人体检测的潜艇救援平台
CN104996370A (zh) * 2015-07-25 2015-10-28 朱秀娈 基于数据通信的水下鱼体定向捕获系统
CN105069416A (zh) * 2015-07-25 2015-11-18 杨燕 基于数据通信的潜艇水下搜索装置
CN105129058A (zh) * 2015-08-04 2015-12-09 李勇妹 采用双重图像滤波的暗礁避让系统
CN105129057A (zh) * 2015-08-04 2015-12-09 李勇妹 一种采用双重图像滤波的暗礁避让方法
CN105549601B (zh) * 2016-02-05 2018-03-02 哈尔滨工程大学 一种基于虚拟膨化的运动障碍与uuv同向航行的规避方法
CN105549601A (zh) * 2016-02-05 2016-05-04 哈尔滨工程大学 一种基于虚拟膨化的运动障碍与uuv同向航行的规避方法
CN105954752A (zh) * 2016-04-25 2016-09-21 中国科学院声学研究所 一种用于矿井避碰声纳的目标探测方法
CN105954752B (zh) * 2016-04-25 2018-12-04 中国科学院声学研究所 一种用于矿井避碰声纳的目标探测方法
CN107066970B (zh) * 2017-04-13 2020-04-24 深圳力子机器人有限公司 用于无轨导航agv的视觉定位方法以及装置和系统
CN107066970A (zh) * 2017-04-13 2017-08-18 深圳力子机器人有限公司 用于无轨导航agv的视觉定位方法以及装置和系统
CN107067012A (zh) * 2017-04-25 2017-08-18 中国科学院深海科学与工程研究所 基于图像处理的海底地貌单元边缘智能识别方法
CN107067012B (zh) * 2017-04-25 2018-03-16 中国科学院深海科学与工程研究所 基于图像处理的海底地貌单元边缘智能识别方法
CN110069059A (zh) * 2018-01-24 2019-07-30 南京机器人研究院有限公司 一种扫地机器人寻路方法
CN108693535B (zh) * 2018-04-03 2021-05-18 中信重工开诚智能装备有限公司 一种用于水下机器人的障碍物探测系统和探测方法
CN109143247B (zh) * 2018-07-19 2020-10-02 河海大学常州校区 一种声光成像的三目水下探测方法
CN109143247A (zh) * 2018-07-19 2019-01-04 河海大学常州校区 一种声光成像的三目水下探测方法
CN109284703A (zh) * 2018-09-07 2019-01-29 广州南方测绘科技股份有限公司 基于声学多波束测深仪的障碍物识别方法、设备、介质
CN109194764A (zh) * 2018-09-25 2019-01-11 杭州翼兔网络科技有限公司 一种潜水设备运行情况分析系统
CN111175761A (zh) * 2019-11-19 2020-05-19 南京工程学院 水下机器人定位声纳数据的配准方法
CN111208521A (zh) * 2020-01-14 2020-05-29 武汉理工大学 一种多波束前视声呐水下障碍物鲁棒检测方法
CN112767336A (zh) * 2021-01-11 2021-05-07 广州中交通信有限公司 声呐图像中的障碍物提取方法、计算机装置和存储介质
CN117826826A (zh) * 2024-03-04 2024-04-05 广东电网有限责任公司阳江供电局 一种水下机器人的自主避障方法及系统

Also Published As

Publication number Publication date
CN102879786B (zh) 2014-10-01

Similar Documents

Publication Publication Date Title
CN102879786B (zh) 一种针对水下障碍物的检测定位方法和系统
CN110275153B (zh) 一种基于激光雷达的水面目标检测与跟踪方法
Galceran et al. A real-time underwater object detection algorithm for multi-beam forward looking sonar
CN105427342B (zh) 一种水下小目标声呐图像目标检测跟踪方法和系统
CN107942329B (zh) 机动平台单通道sar对海面舰船目标检测方法
CN108961255B (zh) 基于相位线性度和功率的海陆噪声场景分割方法
CN111126335B (zh) 一种结合显著性和神经网络的sar船只识别方法及系统
CN111476809A (zh) 一种侧扫声呐图像目标识别方法
CN110675341B (zh) 一种单目光视觉引导的水下机器人与海底平台对接方法
CN111323756B (zh) 一种基于深度学习的航海雷达目标检测方法及装置
CN105787886A (zh) 一种基于多波束图像声纳的实时图像处理方法
CN105574529A (zh) 一种侧扫声纳目标检测方法
CN115187666A (zh) 深度学习和图像处理结合的侧扫声呐海底高程探测方法
CN113362293A (zh) 一种基于显著性的sar图像舰船目标快速检测方法
Zheng et al. Detection of small objects in sidescan sonar images based on POHMT and Tsallis entropy
CN105741284A (zh) 一种多波束前视声纳目标检测方法
Zhang et al. Object detection and tracking method of AUV based on acoustic vision
CN111612830B (zh) 水下目标检测识别装置及方法
Oliveira et al. Probabilistic positioning of a mooring cable in sonar images for in-situ calibration of marine sensors
CN116403100A (zh) 一种基于矩阵分解的声呐图像小目标检测方法
TWI736446B (zh) 可濾橫紋雜訊之海床邊線偵測方法
CN115187853A (zh) 一种基于前视声纳的无人艇前方水下网箱探测方法及系统
CN116930976B (zh) 基于小波模极大值的侧扫声呐图像的海底线检测方法
Yong et al. Applied Research on Target Detection and Tracking of a Multi-beam Sonar
Oliveira et al. Sonar-based cable detection for in-situ calibration of marine sensors

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141001

Termination date: 20190919

CF01 Termination of patent right due to non-payment of annual fee