CN108492310A - 一种智能水下工作平台及实施方法 - Google Patents

Abstract

本发明属于智能机器领域，公开了一种智能水下工作平台及实施方法。该平台设置有承载舱、控制中心舱、照明系统、图像显示系统、电脑处理系统、充电装置、供电系统、对接平台；承载舱与控制中心舱为一体制，控制中心舱位于承载舱上部；照明系统位于控制中心舱内部左侧；图像显示系统位于控制中心舱外部右侧；电脑处理系统位于控制中心舱内部中心位置；充电装置位于承载舱顶，为挂载装置提供电能；供电系统位于承载舱内部底部右侧位置。所述对；平台位于承载舱上部右侧。本发明可搭载装置种类多样，且适用于各种海底状况，通过图像显示系统提供装置采集资料，外部可对接其他平台，方便工作，提高工作效率。

Description

一种智能水下工作平台及实施方法

技术领域

本发明属于智能机器领域，尤其涉及一种智能水下工作平台及实施方法。

背景技术

21世纪是人类向海洋进军的世纪。深海作为人类开发的宝地和高技术领域之一，已经成为各国的重要战略目标，也是近几年国际上竞争的焦点之一。随即，探测海下装置层出不穷。水下环境恶劣危险，人的潜水深度有限，所以探测装置已成为开发海洋的重要工具。但探测装置在水下的工作平台功能单一且相互独立并且不能提供高效的分析系统。

交互式抠图技术在有限的用户交互下抠取海洋图像的前景，被广泛的应用在海洋图像及视频编辑、三维重建等领域中，有极高的应用价值。近年来的抠图技术中，拉氏矩阵给出alpha图上像素间的线性关系，对alpha图的估计起到了重要作用。交互式抠图是在有限的用户交互下，计算前景的alpha图，从而将前景从背景中分离出来。抠图问题的输入是原海洋图像I和用户提供的三分图，输出是alpha图及前景F、背景B，因此是典型的病态问题，需要引入假设条件求解alpha图。抠图算法可分为三类：基于采样的方法、基于传播的方法、采样和传播结合的方法。

现有技术推导出的拉氏抠图矩阵给出邻域像素的alpha值间的线性关系，被广泛的应用在抠图算法中；拉氏抠图矩阵有其局限性，拉氏抠图矩阵表示空间邻域内像素间的关系，但不能体现非邻域间像素间的关系；拉氏抠图矩阵建立在空间连续的假设基础上，在某些前景和背景分量突变的区域，拉氏抠图矩阵难以得到理想的效果。

综上所述，现有技术存在的问题是：探测装置在水下的工作平台功能单一且相互独立并且不能提供高效的分析系统。

现有技术存在的推导出拉氏矩阵不能体现非邻域间像素间的关系；在某些前景和背景分量突变的区域，拉氏矩阵难以得到理想效果的问题

发明内容

针对现有技术存在的问题，本发明提供了一种智能水下工作平台及实施方法。

本发明是这样实现的，一种智能水下工作平台及实施方法，所述智能水下工作平台设置有承载舱、控制中心舱、照明系统、图像显示系统、电脑处理系统、充电装置、供电系统、对接平台。

进一步，所述承载舱与控制中心舱为一体制，控制中心舱位于承载舱上部。

进一步，所述照明系统位于控制中心舱内部左侧。

进一步，所述图像显示系统位于控制中心舱外部右侧。

进一步，所述电脑处理系统位于控制中心舱内部中心位置；

进一步，所述充电装置位于承载舱顶，为挂载装置提供电能。

进一步，所述供电系统位于承载舱内部底部右侧位置。

进一步，所述对接平台位于承载舱上部右侧。

所述图像显示系统的海洋图像传输方法首先比较相邻两帧海洋图像，找出所有海洋图像变化的区域，然后根据变化像素点的坐标得到面积最小的不重叠矩形区域的集合；每次只发送矩形区域集合所包含的海洋图像数据和对应坐标信息；

根据像素点的坐标得到变化矩形区域，式(1)和式(2)是根据变化像素点来判断矩形R范围的算式；

R_l≤P_x AND R_t＝P_yi (1)

R_r≥P_x AND R_b≥P_y (2)

其中R_l和R_t代表矩形左上角的横坐标和纵坐标，R_r和R_b代表矩形右下角的横坐标和纵坐标，P_x和P_y代表变化像素点的横坐标和纵坐标，P_y0代表第一次变化像素点的纵坐标；根据式(1)和式(2)求得变化矩形区域的范围；先将前后相邻两幅位图的数据保存下来，并判断前后两帧屏幕所对应像素的值是否变化；当第一次检测到变化的采样点时，会将变化采样点的坐标(P_X0,P_Y0)进行记录，作为变化矩形区域的左上角坐标(R_l,R_t)，并且将行无变化标识为false；继续对比，当再次检测到不同采样点时，先将行无变化标识为false，接着将采样点的横坐标P_x同矩形左上角的横坐标R_l进行比较并取最小值，同时矩形右下角的坐标(R_r,R_b)会和点的坐标(P_x,P_y)比较并取最大值；即：

R_l＝min(P_xi,R_l)(i>1) R_t＝P_yi(i＝1)

R_r＝max(R_xi,R_r)(i>1) R_b＝max(R_yi,R_b)(i>1)

当检测到某行采样点值全部都相同时，得到一个变化的矩形区域块；

在一个扫描区域中对变化区域进行矩形分割算法采用隔列直接比较法判断前后海洋图像缓冲区中两帧屏幕海洋图像所对应像素是否变化从而找出变化的矩形区域；按照从上到下，从左到右的原则，基于矩形分割隔列扫描的海洋图像传输方法找出后一帧海洋图像相对于前一帧海洋图像所有变化区域并基于矩形分割算法得到面积最小的不重叠矩形区域的集合。

图像显示系统利用集成的海洋图像处理模块使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵，并使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，从而计算出移动拉氏矩阵，并得到alpha图。

构造抠图拉氏矩阵时，使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下：

在灰度海洋图像中,窗口w_i的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：

公式(1)中权值ω，ω_i是邻域w_k中的权值；式(1)表示为以下矩阵的形式:

对于每个邻域w_k,G_k定义为||w_k||×2矩阵；G_k每行包括向量(I_i,1)，W_k是每行向量对应的权值ω_i组成的向量，G_k’为G_k的W_k加权，对应的每行向量表示为(W_k.I_i,W_k)，是邻域内所有像素对应的alpha值组成的向量；

系数a_k,b_k解得如下所示：

令J(α)表示为下式：

δ_i,j是Kronecker delta函数，μ_k和σ²分别是小窗口w_k内的基于W_k的加权均值和方差，||w_k||是窗口内像素的个数,L为移动拉氏抠图矩阵；

引入权值ω_i，应用至彩色模型，彩色模型下的移动最小二乘抠图方法如下：

用下式表示彩色海洋图像各通道间的线性关系：

c为彩色海洋图像的通道数,在考虑各个通道信息后，式(1)转化为下式:

对式(2)进行化简后，解得彩色模型下移动拉氏矩阵如下式所示：

J(α)＝αLα^T；

在(3)式中，I为小邻域内所有像素对应3*1颜色向量组成的矩阵，μ_k为I的W_k加权平均,Σ_k是I在W_k加权下的协方差矩阵；

所述移动最小二乘抠图方法的KNN邻域将拉氏矩阵中的空间邻域扩展到KNN邻域，KNN空间的点由(R,G,B,X,Y)五维共同决定；使用KD-TREE实现KNN邻域的高效查找；

所述移动最小二乘抠图中大核求解方法包括：使用共轭梯度法求解alpha值；

对于方程Lx＝b,共轭梯度法的关键在于构造共轭向量p，并求对应的残差；共轭梯度法用迭代方法求解，在每次迭代过程中，新共轭向量由下式求解：

共轭方向的系数由下式求解：

新的x值与残差用下式求解：

用下式求解Lp向量中点i对应的元素q_i：

W_k是像素k对应的邻域，||w_k||是邻域的大小，i是包围像素k邻域W_k中的一个像素,q_i为q向量的第i个元素，I_i为像素i对应的3维向量，表示R,G,B三个通道，p_i为共轭向量中像素i对应的元素，μ_k是3维向量，为邻域W_k中I_i向量的均值，为邻域W_k中元素i对应的共轭向量p_i的均值，是像素k的对应的3维向量，为像素k对应的标量。

一种所述智能水下工作平台的实施方法，所述实施方法通过承载舱接受与挂载各种海底智能装置，顶部为充电装置为挂载装置提供电能，通过电脑处理系统分析挂载装置采集数据呈现于图像显示系统，利用照明系统探测周围状况，且外部设有对接平台可对接其他平台。

本发明的优点及积极效果为：

该工作平台通过承载舱接受与挂载各种海底智能装置，顶部为供电系统为挂载装置提供电能，通过电脑处理系统分析挂载装置采集数据呈现于图像显示系统，利用照明系统探测周围状况，且外部设有对接平台可对接其他平台。该水下工作平台可搭载装置种类多样，且适用于各种海底状况，通过图像显示系统提供装置采集资料，外部可对接其他平台，方便工作，提高工作效率。

该水下工作平台可搭载装置种类多样，且适用于各种海底状况，通过图像显示系统提供装置采集资料，外部可对接其他平台，方便工作，提高工作效率。

本发明提供的使用移动最小二乘法的拉普拉斯抠图矩阵方法，有复杂的前景和前景区域，以及前景和背景复杂混合的区域，都能取得较好的效果。使用最小移动二乘法替代最小二乘法推导出移动拉氏矩阵；相对于最小二乘法，移动最小二乘法求解的线性条件更为准确；使用KNN邻域替代空间邻域，使得拉氏矩阵可以反映非邻域间像素的alpha值的关系。本发明的使用移动最小二乘法的拉普拉斯抠图矩阵方法，根据矩阵求解alpha图,从而可以对复杂背景下的海洋图像进行前景抠图处理,相比以前的方法更为有效，可以求解出更为精确的alpha图，并在图中前背景复杂的区域，特别是在前景和背景颜色混合区域，以及局部会出现空洞的区域，变化较大的区域，都能取得良好的效果

附图说明

图1是本发明实施例提供的智能水下工作平台及实施方法的结构示意图；

图中：1、承载舱；2、控制中心舱；3、照明系统；4、图像显示系统；5、电脑处理系统；6、充电装置；7、供电系统；8、对接平台。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图1对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的智能水下工作平台设置有承载舱1、控制中心舱2、照明系统3、图像显示系统4、电脑处理系统5、充电装置6、供电系统7、对接平台8。

所述承载舱1与控制中心舱2为一体制，控制中心舱2位于承载舱1上部。所述照明系统3位于控制中心舱2内部左侧。所述图像显示系统4位于控制中心舱2外部右侧。所述电脑处理系统5位于控制中心舱2内部中心位置。所述充电装置6位于承载舱1顶，为挂载装置提供电能。所述供电系统7位于承载舱1内部底部右侧位置。所述对接平台8位于承载舱1上部右侧。

所述图像显示系统4的海洋图像传输方法首先比较相邻两帧海洋图像，找出所有海洋图像变化的区域，然后根据变化像素点的坐标得到面积最小的不重叠矩形区域的集合；每次只发送矩形区域集合所包含的海洋图像数据和对应坐标信息；

根据像素点的坐标得到变化矩形区域，式(1)和式(2)是根据变化像素点来判断矩形R范围的算式；

R_l≤P_x AND R_t＝P_yi (1)

R_r≥P_x AND R_b≥P_y (2)

其中R_l和R_t代表矩形左上角的横坐标和纵坐标，R_r和R_b代表矩形右下角的横坐标和纵坐标，P_x和P_y代表变化像素点的横坐标和纵坐标，P_y0代表第一次变化像素点的纵坐标；根据式(1)和式(2)求得变化矩形区域的范围；先将前后相邻两幅位图的数据保存下来，并判断前后两帧屏幕所对应像素的值是否变化；当第一次检测到变化的采样点时，会将变化采样点的坐标(P_X0,P_Y0)进行记录，作为变化矩形区域的左上角坐标(R_l,R_t)，并且将行无变化标识为false；继续对比，当再次检测到不同采样点时，先将行无变化标识为false，接着将采样点的横坐标P_x同矩形左上角的横坐标R_l进行比较并取最小值，同时矩形右下角的坐标(R_r,R_b)会和点的坐标(P_x,P_y)比较并取最大值；即：

R_l＝min(P_xi,R_l)(i>1) R_t＝P_yi(i＝1)

R_r＝max(R_xi,R_r)(i>1) R_b＝max(R_yi,R_b)(i>1)

当检测到某行采样点值全部都相同时，得到一个变化的矩形区域块；

在一个扫描区域中对变化区域进行矩形分割算法采用隔列直接比较法判断前后海洋图像缓冲区中两帧屏幕海洋图像所对应像素是否变化从而找出变化的矩形区域；按照从上到下，从左到右的原则，基于矩形分割隔列扫描的海洋图像传输方法找出后一帧海洋图像相对于前一帧海洋图像所有变化区域并基于矩形分割算法得到面积最小的不重叠矩形区域的集合。

本发明的工作原理是：该工作平台通过承载舱1接受与挂载各种海底智能装置，顶部为充电装置6为挂载装置提供电能，通过电脑处理系统5分析挂载装置采集数据呈现于图像显示系统4，利用照明系统3探测周围状况，且外部设有对接平台8可对接其他平台。该水下工作平台可搭载装置种类多样，且适用于各种海底状况，通过图像显示系统提供装置采集资料，外部可对接其他平台，方便工作，提高工作效率。

图像显示系统利用集成的海洋图像处理模块使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵，并使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，从而计算出移动拉氏矩阵，并得到alpha图。

构造抠图拉氏矩阵时，使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下：

在灰度海洋图像中,窗口w_i的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：

公式(1)中权值ω，ω_i是邻域w_k中的权值；式(1)表示为以下矩阵的形式:

对于每个邻域w_k,G_k定义为||w_k||×2矩阵；G_k每行包括向量(I_i,1)，W_k是每行向量对应的权值ω_i组成的向量，G_k’为G_k的W_k加权，对应的每行向量表示为(W_k.I_i,W_k)，是邻域内所有像素对应的alpha值组成的向量；

系数a_k,b_k解得如下所示：

令J(α)表示为下式：

δ_i,j是Kronecker delta函数，μ_k和σ²分别是小窗口w_k内的基于W_k的加权均值和方差，||w_k||是窗口内像素的个数,L为移动拉氏抠图矩阵；

引入权值ω_i，应用至彩色模型，彩色模型下的移动最小二乘抠图方法如下：

用下式表示彩色海洋图像各通道间的线性关系：

c为彩色海洋图像的通道数,在考虑各个通道信息后，式(1)转化为下式:

对式(2)进行化简后，解得彩色模型下移动拉氏矩阵如下式所示：

J(α)＝αLα^T；

在(3)式中，I为小邻域内所有像素对应3*1颜色向量组成的矩阵，μ_k为I的W_k加权平均,Σ_k是I在W_k加权下的协方差矩阵；

所述移动最小二乘抠图方法的KNN邻域将拉氏矩阵中的空间邻域扩展到KNN邻域，KNN空间的点由(R,G,B,X,Y)五维共同决定；使用KD-TREE实现KNN邻域的高效查找；

所述移动最小二乘抠图中大核求解方法包括：使用共轭梯度法求解alpha值；

对于方程Lx＝b,共轭梯度法的关键在于构造共轭向量p，并求对应的残差；共轭梯度法用迭代方法求解，在每次迭代过程中，新共轭向量由下式求解：

共轭方向的系数由下式求解：

新的x值与残差用下式求解：

用下式求解Lp向量中点i对应的元素q_i：

W_k是像素k对应的邻域，||w_k||是邻域的大小，i是包围像素k邻域W_k中的一个像素,q_i为q向量的第i个元素，I_i为像素i对应的3维向量，表示R,G,B三个通道，p_i为共轭向量中像素i对应的元素，μ_k是3维向量，为邻域W_k中I_i向量的均值，为邻域W_k中元素i对应的共轭向量p_i的均值，是像素k的对应的3维向量，为像素k对应的标量。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (4)

1.一种智能水下工作平台，其特征在于，所述智能水下工作平台的承载舱与控制中心舱为一体制，控制中心舱位于承载舱上部；照明系统位于控制中心舱内部左侧；

图像显示系统位于控制中心舱外部右侧；电脑处理系统位于控制中心舱内部中心位置；

所述图像显示系统的海洋图像传输方法首先比较相邻两帧海洋图像，找出所有海洋图像变化的区域，然后根据变化像素点的坐标得到面积最小的不重叠矩形区域的集合；每次只发送矩形区域集合所包含的海洋图像数据和对应坐标信息；

根据像素点的坐标得到变化矩形区域，式(1)和式(2)是根据变化像素点来判断矩形R范围的算式；

R_l≤P_x AND R_t＝P_yi (1)

R_r≥P_x AND R_b≥P_y (2)

其中R_l和R_t代表矩形左上角的横坐标和纵坐标，R_r和R_b代表矩形右下角的横坐标和纵坐标，P_x和P_y代表变化像素点的横坐标和纵坐标，P_y0代表第一次变化像素点的纵坐标；根据式(1)和式(2)求得变化矩形区域的范围；先将前后相邻两幅位图的数据保存下来，并判断前后两帧屏幕所对应像素的值是否变化；当第一次检测到变化的采样点时，会将变化采样点的坐标(P_X0,P_Y0)进行记录，作为变化矩形区域的左上角坐标(R_l,R_t)，并且将行无变化标识为false；继续对比，当再次检测到不同采样点时，先将行无变化标识为false，接着将采样点的横坐标P_x同矩形左上角的横坐标R_l进行比较并取最小值，同时矩形右下角的坐标(R_r,R_b)会和点的坐标(P_x,P_y)比较并取最大值；即：

R_l＝min(P_xi,R_l)(i>1) R_t＝P_yi(i＝1)

R_r＝max(R_xi,R_r)(i>1) R_b＝max(R_yi,R_b)(i>1)

当检测到某行采样点值全部都相同时，得到一个变化的矩形区域块；

在一个扫描区域中对变化区域进行矩形分割算法采用隔列直接比较法判断前后海洋图像缓冲区中两帧屏幕海洋图像所对应像素是否变化从而找出变化的矩形区域；按照从上到下，从左到右的原则，基于矩形分割隔列扫描的海洋图像传输方法找出后一帧海洋图像相对于前一帧海洋图像所有变化区域并基于矩形分割算法得到面积最小的不重叠矩形区域的集合；

图像显示系统利用集成的海洋图像处理模块使用移动最小二乘法的拉普拉斯抠图矩阵用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵，并使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，从而计算出移动拉氏矩阵，并得到alpha图。

2.如权利要求1所述智能水下工作平台，其特征在于，构造抠图拉氏矩阵时，使用移动最小二乘法替代最小二乘法得到alpha图上的线性关系,所述移动最小二乘抠图的方法如下：

在灰度海洋图像中,窗口w_i的邻域内alpha值满足局部线性条件，使用移动最小二乘法求解局部线性关系，表示如下：

公式(1)中权值ω，ω_i是邻域w_k中的权值；式(1)表示为以下矩阵的形式:

对于每个邻域w_k,G_k定义为‖w_k‖×2矩阵；G_k每行包括向量(I_i,1)，W_k是每行向量对应的权值ω_i组成的向量，G_k’为G_k的W_k加权，对应的每行向量表示为(W_k.I_i,W_k)，是邻域内所有像素对应的alpha值组成的向量；

系数a_k,b_k解得如下所示：

令J(α)表示为下式：

δ_i,j是Kronecker delta函数，μ_k和σ²分别是小窗口w_k内的基于W_k的加权均值和方差，‖w_k‖是窗口内像素的个数,L为移动拉氏抠图矩阵；

引入权值ω_i，应用至彩色模型，彩色模型下的移动最小二乘抠图方法如下：

用下式表示彩色海洋图像各通道间的线性关系：

c为彩色海洋图像的通道数,在考虑各个通道信息后，式(1)转化为下式:

对式(2)进行化简后，解得彩色模型下移动拉氏矩阵如下式所示：

J(α)＝αLα^T；

在(3)式中，I为小邻域内所有像素对应3*1颜色向量组成的矩阵，μ_k为I的W_k加权平均,Σ_k是I在W_k加权下的协方差矩阵；

所述移动最小二乘抠图方法的KNN邻域将拉氏矩阵中的空间邻域扩展到KNN邻域，KNN空间的点由(R,G,B,X,Y)五维共同决定；使用KD-TREE实现KNN邻域的高效查找；

所述移动最小二乘抠图中大核求解方法包括：使用共轭梯度法求解alpha值；

对于方程Lx＝b,共轭梯度法的关键在于构造共轭向量p，并求对应的残差；共轭梯度法用迭代方法求解，在每次迭代过程中，新共轭向量由下式求解：

共轭方向的系数由下式求解：

新的x值与残差用下式求解：

用下式求解Lp向量中点i对应的元素q_i：

W_k是像素k对应的邻域，‖w_k‖是邻域的大小，i是包围像素k邻域W_k中的一个像素,q_i为q向量的第i个元素，I_i为像素i对应的3维向量，表示R,G,B三个通道，p_i为共轭向量中像素i对应的元素，μ_k是3维向量，为邻域W_k中I_i向量的均值，为邻域W_k中元素i对应的共轭向量p_i的均值，是像素k的对应的3维向量，为像素k对应的标量。

3.如权利要求1所述智能水下工作平台，其特征在于，所述智能水下工作平台还包括：充电装置位于承载舱顶，为挂载装置提供电能；所述供电系统位于承载舱内部底部右侧位置；所述对接平台位于承载舱上部右侧。

4.一种如权利要求1所述智能水下工作平台的实施方法，其特征在于，所述实施方法通过承载舱接受与挂载各种海底智能装置，顶部为充电装置为挂载装置提供电能，通过电脑处理系统分析挂载装置采集数据呈现于图像显示系统，利用照明系统探测周围状况，且外部设有对接平台可对接其他平台。