CN105676230B - 用于水下避障导航的实时渔网自主识别装置及识别方法 - Google Patents
用于水下避障导航的实时渔网自主识别装置及识别方法 Download PDFInfo
- Publication number
- CN105676230B CN105676230B CN201610218832.XA CN201610218832A CN105676230B CN 105676230 B CN105676230 B CN 105676230B CN 201610218832 A CN201610218832 A CN 201610218832A CN 105676230 B CN105676230 B CN 105676230B
- Authority
- CN
- China
- Prior art keywords
- fishing net
- straight line
- output terminal
- underwater
- navigation
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
一种用于水下避障导航的实时渔网自主识别装置,包括:一脉冲激光器;一时序控制器,其一输出端与脉冲激光器的输入端连接;一选通成像器件,其一输人端与时序控制器另一输出端连接;一渔网识别模块,其输入端与选通成像器件的输出端连接;一显示器,其输入端与渔网识别模块的输出端连接,该显示器的输出端与时序控制器的输入端连接。本发明可以实现在较远距离较为清晰的发现并实时识别渔网。
Description
技术领域
本发明涉及水下避障导航领域,尤其涉及一种用于水下避障导航的实时渔网自主识别装置及识别方法。
背景技术
近十几年来,我国的海洋捕捞业和养殖业得到了空前迅猛地发展,在增加外贸出口,提高经济收入等方面发挥了积极的作用。但是随着海洋捕捞业和养殖业的发展,渔网缠绕螺旋桨事件越来越多地发生,造成船舶停航修理、滑油泄露污染水域,甚至沉船危及生命,给航运业带来了很大的直接或间接经济损失。比如2005年一艘4000万吨级的集装箱船,螺旋桨被渔网缠住而失去动力,在多名潜水员先后下水轮流作业数小时后才得以恢复正常,但是造成了尾轴油封损坏,发生润滑油泄露,给船东和养殖户带来了很大的经济损失。
目前对于渔网仍缺乏有效的探测手段。渔网往往位于水面下数米甚至数十米,单凭人眼难以察觉发现,发展并配备智能化的水下视觉装置显得非常必要。从当前国内外水下探测技术来看,主要有声学成像和光学成像。声学成像是利用声波判断海洋中物体的存在、位置及类型,具有视野宽、测距范围大等优点。但是和光学图像相比,水生图像的分辨率低、噪声严重,图像质量不高,无法有效探测小目标。光学成像则是时直接获取目标的光学图像,分辨率高,利于小目标的探测识别。根据渔网自身的特点:网线仅为几毫米,网目大小为厘米量级,光学成像是适合渔网探测识别的技术手段。但是需要指出的是,光学成像虽然具有高分辨率成像的特点,但是由于海水对照明光存在严重的后向散射,因此导致传统光学成像手段距离近,无法满足较远距离小目标探测的应用需求。另外,由于对于渔网缺乏有效的探测手段,因此针对渔网识别的研究也尚未见到相关报道。
发明内容
有鉴于此,本发明公开了一种用于水下避障导航的实时渔网自主识别装置及识别方法,以实现在较远距离较为清晰的发现并实时识别渔网的目的。
本发明提供一种用于水下避障导航的实时渔网自主识别装置,包括:
一脉冲激光器;
一时序控制器,其一输出端与脉冲激光器的输入端连接;
一选通成像器件,其一输人端与时序控制器另一输出端连接;
一渔网识别模块,其输入端与选通成像器件的输出端连接;
一显示器,其输入端与渔网识别模块的输出端连接,该显示器的输出端与时序控制器的输入端连接。
本发明还提供一种用于水下避障导航的实时渔网自主识别装置的识别方法,其是采用前述的识别装置,该识别方法包括如下步骤:
步骤1:利用脉冲激光器、时序控制器和选通成像器件获取高对比度低噪声的切片图像;
步骤2:渔网识别模块对切片图像进行预处理;
步骤3:渔网识别模块利用canny算子和hough变换提取渔网网线,获得渔网所在的直线集合;
步骤4:根据直线集合中直线的斜率,将直线集合中的直线均分为0~1、1~+∞、-∞~-1和-1~0四个区间;
步骤5:获取任意两个区间的直线数量之和与其余两个区间的直线数量之和的比值D;
步骤6:若存在比值D不小于预先设置的倍数阈值Dth,则判别为渔网;若不存在比值D不小于预先设置的倍数阈值Dth,则判别为非渔网;将判别结果输出到显示器显示,返回至步骤1。
从上述技术方案可以看出,本发明具有以下有益成果:
1、利用本发明,由于采用距离选通技术获取目标的切片图像,大大的抑制了水体的后向散射,提高了图像的对比度,和传统光学成像相比,识别距离提高了2到3倍,探测距离提高了5到6倍。
2、利用本发明,不仅可以有效的自主发现并识别渔网目标,而且可以实时的发现前方渔网目标,所以可以提前帮助船员改变航向或清理航道,从而有效的避免渔网缠绕带来的经济损失。
附图说明
为了为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明,其中:
图1是用于水下避障导航的渔网自主识别装置的示意图。
图2是用于水下避障导航的渔网自主识别方法的流程图。
具体实施方式
请参阅图1所示,本发明提供一种用于水下避障导航的实时渔网自主识别装置,包括:
一脉冲激光器1,所述的脉冲激光器1采用波长为532nm、脉冲宽度为ns量级的固体激光器;
一时序控制器2,其一输出端与脉冲激光器1的输入端连接,所述的时序控制器2基于FPGA实现;
一选通成像器件3,其一输人端与时序控制器2另一输出端连接,所述的选通成像器件3是由像增强器耦合CCD或CMOS组成的;
一渔网识别模块4,其输入端与选通成像器件3的输出端连接,所述的渔网识别模块4是基于C++语言和opencv图像处理库编程实现;
一显示器5,其输入端与渔网识别模块4的输出端连接,该显示器5的输出端与时序控制器2的输入端连接,所述的显示器5为即可接受用户设置并能显示识别结果的触屏显示器。
工作过程中,用户可以通过显示器5来进行参数设置和更改,具体参数包括激光脉冲宽度、选通门宽,像增强器增益,激光脉冲和选通门脉冲重复频率以及倍数阈值Dth等;时序控制器2按照用户设置的参数产生两路TTL同步信号;脉冲激光器1在时序控制器2产生的第一路TTL同步信号的触发下发射激光脉冲,对目标进行照明,并形成后向传播的回波信号;选通成像器件3在时序控制器2产生的第二路TTL同步信号的触发下控制选通门的开和关,实现目标回波信号的采集,并将采集得到的二维切片图像传递给渔网识别模块4;渔网识别模块4对二维切片图像进行预处理和识别,将识别结果(是否为渔网)以及预处理后的二维图像输出到显示器5上进行显示;显示器5显示渔网识别的结果和预处理后的二维图像,可帮助船员判别前方是否有渔网。
请参阅图2及图1所示,本发明提供一种用于水下避障导航的实时渔网自主识别装置的识别方法,该识别方法采用前述的识别装置,包括如下步骤:
步骤1:利用脉冲激光器1、时序控制器2和选通成像器件3获取高对比度低噪声的切片图像,所述切片图像的获取方法包括:
采用脉冲激光器1作为照明光源,以选通成像器件3作为探测器,以时序控制器2实现照明光源和探测器之间的同步,其中,脉冲激光器1发射一激光脉冲,当激光传至目标时,形成向后的目标回波信号,当该信号传播到选通成像器件3时,其选通门开启,接收信号,完成图像的采集和生成。由于选通门仅在目标回波信号传至成像器件时才开启,因此,目标前后的无关信息均不被接收,从而仅获取感兴趣区内的空间切片信息,因此可以大大的降低水体的后向散射,并降低图像噪声。
空间切片的起始位置rbegin=(τ-t1)c/2,结束位置rend=(τ+tg)c/2,空间切片的厚度d=(ti+tg)c/2,其中,τ为激光脉冲和选通门脉冲之间的延时,tl、tg分别为激光脉冲宽度和选通门门宽,c为激光脉冲在水中的传播速度。
步骤2:选通成像器件3将采集到的切片图像传递渔网自主识别模块4,渔网识别模块4对切片图像进行预处理,具体包括:高斯低通滤波降噪和限制对比度自适应直方图均衡化方法增强。
所述的高斯低通滤波来降噪,主要是去除图像中特别亮的噪点,这一操作对后面边缘提取的效果影响十分大。高斯低通滤波公式化的描述如下所述:
其中,g(i,j)是滤波后图像中像素点(i,j)的灰度值,f(k,l)是原图像中像素点(k,l)的灰度值,点(k,l)属于中心点(i,j)的n×n的邻域,n×n为滤波器的大小,权重系数ω(i,j,k,l)取决于定义域核,即像素点点(k,l)距离中心点(i,j)的欧氏距离。决定高斯低通滤波器性能的是滤波器卷积模板的大小n×n以及高斯分布的方差σd,可以综合考虑处理的速度以及后续边缘提取的效果,通过实验来确定这两个参数的最优值。
所述的限制对比度自适应直方图均衡化方法是对降噪后的图像进行增强,这一操作不仅利于目标的可视化,也利于后续的边缘提取。限制对比度自适应直方图均衡化方法是在自适应直方图均衡化的基础上改进得到的,具体为:在计算局部直方图时,通过在计算累积分布函数前用预先定义的阈值来剪裁直方图以达到限制放大幅度的目的,此阈值也就是剪裁幅值,取决于直方图的分布,也取决于领域的大小;该增强方法可以改进图像的局部对比度来获得更多的图像细节,还可以有效的限制过度放大图像中平坦区域的噪声的问题,从而利于目标的可视化,以及后续的边缘提取。
步骤3:渔网识别模块4利用canny算子和hough变换提取渔网网线,获得渔网所在的直线集合;
所述的canny算子用来边缘提取,提取渔网网线,得到二值化的图像,该二值化图像是hough变换的基础。canny算子被业界公认的性能最为优良的边缘检测算法,具体包括图像平滑去噪,用一阶偏导的有限差分来计算梯度的幅值和方向,对梯度幅值进行非极大值抑制,以及用双阈值算法检测和连接边缘。
所述hough变换用来提取二值化图像中的渔网网线,得到渔网所在直线的集合。它的主要思想是通过将图像上(直角坐标系)直线方程的参数和变量互换,从而实现图像上的每一个非零像素点,变换为参数空间(极坐标)的一条直线,而图像上属于同一条直线的点便在参数空间形成多条直线并相交于一点,该点在参数空间的坐标即为对应直线的参数。因此,在参数空间中,通过计算通累计结果的局部最大值,即可得到图像上直线的集合。
步骤4:根据直线集合中直线的斜率,将直线集合中的直线均分为0~1、1~+∞、-∞~-1和-1~0四个区间;
步骤5:获取任意两个区间的直线数量之和与其余两个区间的直线数量之和的比值D;
步骤6:若存在比值D不小于预先设置的倍数阈值Dth,则判别为渔网;若不存在比值D不小于预先设置的倍数阈值Dth,则判别为非渔网;将判别结果输出到显示器5显示,返回至步骤1;
所述的倍数阈值Dth是在识别率大于80%时,通过实验获得的,该阈值Dth大于1。此倍数阈值Dth过大,一些图像质量较差的渔网目标会被误判为非渔网;此倍数阈值Dth过小,一些图像质量较差非渔网目标会被误判为渔网。
上述判断条件的依据是:渔网由网格组成,每个网格由四条边缘线构成。渔网在水下大部分情况下呈舒展的状态下,此时渔网网格呈正方形或者菱形,若将渔网网线所在的直线按斜率均分为四个区间中,必然会有两个区间的直线数量之和远远大于其余两个区间的直线数量之和。
本发明提供的用于水下避障导航的渔网自主识别方法,具体步骤如下:
1)搭建如图1所示的软硬件平台,上电,系统按照默认参数开始工作。显示器5显示经过处理后的图像、识别结果、以及用户交互界面。用户可通过用户交互界面对时域参数以及倍数阈值等进行更改和设置。
2)脉动激光器1、时序控制器2和选通成像器件3按照用户设置的参数,利用距离选通技术获取高对比度低噪声切片图像。
3)渔网自主识别模块4接收选通成像器件3采集的切片图像并对采集到的图像进行预处理,具体包括高斯低通滤波和限制对比度自适应直方图增强。
4)渔网自主识别模块4首先用canny算子提取渔网网线,其次用hough变换对直线进行提取,然后将提取出来的直线按照斜率均分为0~1、1~+∞、-∞~-1和-1~0四个区间;
5)获取任意两个区间的直线数量之和与其余两个区间的直线数量之和的比值D,若存在D不小于预先设置的倍数阈值Dth,则输出结果为渔网,否则输出结果为非渔网。
6)将识别结果以及预处理后的图像输送到显示器5上显示。
7)对随后的各帧图像,重复步骤2)-6)。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进,均应包含在本发明的保护范围内。
Claims (4)
1.一种用于水下避障导航的实时渔网自主识别装置的识别方法,该识别装置,包括:
一脉冲激光器;一时序控制器,其一输出端与脉冲激光器的输入端连接;一选通成像器件,其一输人端与时序控制器另一输出端连接;一渔网识别模块,其输入端与选通成像器件的输出端连接;一显示器,其输入端与渔网识别模块的输出端连接,该显示器的输出端与时序控制器的输入端连接,该识别方法包括如下步骤:
步骤1:利用脉冲激光器、时序控制器和选通成像器件获取高对比度低噪声的切片图像;
步骤2:渔网识别模块对切片图像进行预处理;
步骤3:渔网识别模块利用canny算子和hough变换提取渔网网线,获得渔网所在的直线集合;
步骤4:根据直线集合中直线的斜率,将直线集合中的直线均分为0~1、1~+∞、-∞~-1和-1~0四个区间;
步骤5:获取任意两个区间的直线数量之和与其余两个区间的直线数量之和的比值D;
步骤6:若存在比值D不小于预先设置的倍数阈值Dth,则判别为渔网;若不存在比值D不小于预先设置的倍数阈值Dth,则判别为非渔网;将判别结果输出到显示器显示,返回至步骤1。
2.根据权利要求1所述的用于水下避障导航的实时渔网自主识别装置的识别方法,其中所述切片图像的获取方法包括:
采用脉冲激光器作为照明光源,以选通成像器件作为探测器,以时序控制器实现照明光源和探测器之间的同步,其中,脉冲激光器发射一激光脉冲,当激光传至目标时,形成向后的目标回波信号,当该信号传播到选通成像器件时,其选通门开启,接收信号,完成图像的采集和生成。
3.根据权利要求1所述的用于水下避障导航的实时渔网自主识别装置的识别方法,其中渔网识别模块对切片图像进行预处理包括:高斯低通滤波降噪和限制对比度自适应直方图均衡化方法增强。
4.根据权利要求1所述的用于水下避障导航的实时渔网自主识别装置的识别方法,其中所述的倍数阈值Dth是在识别率大于80%时获得的,该阈值Dth大于1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610218832.XA CN105676230B (zh) | 2016-04-11 | 2016-04-11 | 用于水下避障导航的实时渔网自主识别装置及识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610218832.XA CN105676230B (zh) | 2016-04-11 | 2016-04-11 | 用于水下避障导航的实时渔网自主识别装置及识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105676230A CN105676230A (zh) | 2016-06-15 |
CN105676230B true CN105676230B (zh) | 2018-05-01 |
Family
ID=56310162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610218832.XA Active CN105676230B (zh) | 2016-04-11 | 2016-04-11 | 用于水下避障导航的实时渔网自主识别装置及识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105676230B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273809A (zh) * | 2017-05-22 | 2017-10-20 | 哈尔滨工程大学 | 一种用于动力浮标的水下渔网实时自主识别的方法 |
CN107748561B (zh) * | 2017-09-25 | 2021-02-19 | 华南理工大学 | 一种基于多传感参数的无人船局部避障系统及方法 |
CN108444447B (zh) * | 2018-02-28 | 2020-09-25 | 哈尔滨工程大学 | 一种用于水下避障系统中的渔网实时自主检测方法 |
CN114248896B (zh) * | 2021-12-30 | 2023-05-05 | 哈尔滨工程大学 | 一种auv多级防渔网系统及方法 |
CN117788303B (zh) * | 2023-11-30 | 2024-05-31 | 江苏海洋大学 | 基于自适应直方图与g-msrcr的水下图像增强的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930280A (zh) * | 2012-10-05 | 2013-02-13 | 中国电子科技集团公司第十研究所 | 从红外图像中自动识别架空高压线的方法 |
CN103093466A (zh) * | 2013-01-21 | 2013-05-08 | 武汉大学 | 基于LiDAR点云和影像的建筑物三维变化检测方法 |
CN103901438A (zh) * | 2014-04-18 | 2014-07-02 | 中国科学院半导体研究所 | 一种实现浮游动物信息获取的光立体采样原位探测方法 |
CN105005979A (zh) * | 2015-08-04 | 2015-10-28 | 李舒曼 | 基于图像滤波的检测平台 |
-
2016
- 2016-04-11 CN CN201610218832.XA patent/CN105676230B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930280A (zh) * | 2012-10-05 | 2013-02-13 | 中国电子科技集团公司第十研究所 | 从红外图像中自动识别架空高压线的方法 |
CN103093466A (zh) * | 2013-01-21 | 2013-05-08 | 武汉大学 | 基于LiDAR点云和影像的建筑物三维变化检测方法 |
CN103901438A (zh) * | 2014-04-18 | 2014-07-02 | 中国科学院半导体研究所 | 一种实现浮游动物信息获取的光立体采样原位探测方法 |
CN105005979A (zh) * | 2015-08-04 | 2015-10-28 | 李舒曼 | 基于图像滤波的检测平台 |
Also Published As
Publication number | Publication date |
---|---|
CN105676230A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105676230B (zh) | 用于水下避障导航的实时渔网自主识别装置及识别方法 | |
CN110414411B (zh) | 基于视觉显著性的海面船只候选区域检测方法 | |
CN103942803B (zh) | 基于sar图像的水域自动检测方法 | |
CN108444447B (zh) | 一种用于水下避障系统中的渔网实时自主检测方法 | |
CN104933680B (zh) | 一种智能的无人艇视觉系统视频快速海雾去除方法 | |
CN105741276B (zh) | 一种船舶水线提取方法 | |
CN102930512A (zh) | 基于HSV色彩空间结合Retinex的水下图像增强方法 | |
CN111862143B (zh) | 一种河堤坍塌自动监测方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN106709426A (zh) | 基于红外遥感图像的舰船目标检测方法 | |
CN110288623B (zh) | 无人机海上网箱养殖巡检图像的数据压缩方法 | |
CN108629757A (zh) | 基于复数剪切波变换与深度卷积神经网络的图像融合方法 | |
CN102663697A (zh) | 一种水下彩色视频图像的增强方法 | |
CN102750683B (zh) | Modis遥感影像中海面条带噪声和条状云的过滤方法 | |
CN103995860B (zh) | 一种基于颜色特征提取的图像检索系统及其方法 | |
CN107273809A (zh) | 一种用于动力浮标的水下渔网实时自主识别的方法 | |
CN111160293A (zh) | 基于特征金字塔网络的小目标船只检测方法及系统 | |
CN111080696A (zh) | 一种基于计算机视觉的水下海参识别及定位方法 | |
CN106886747A (zh) | 一种基于扩展小波变换的复杂背景下舰船检测方法 | |
CN110097524A (zh) | 基于融合卷积神经网络的sar图像目标检测方法 | |
CN102496144A (zh) | 基于hsv色彩空间的nsct水声图像增强方法 | |
CN115063434A (zh) | 一种基于特征去噪的低弱光图像实例分割方法及系统 | |
CN105931198A (zh) | 一种基于小波变换的覆冰绝缘子图像增强方法 | |
Hu et al. | Modified image haze removal algorithm based on dark channel prior | |
CN105354823A (zh) | 树木年轮图像边缘提取与分割的系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |