CN108547272B - 一种无人驾驶的溢油自动回收系统的工作方法 - Google Patents

Abstract

一种无人驾驶的溢油自动回收系统及其工作方法。涉及环境监测、应急和预警技术领域，具体涉及一种无人驾驶的溢油自动回收系统及其工作方法。将溢油自动监测系统与溢油回收装置有机结合。包括无人驾驶牵引船、收油船和智能控制终端，所述牵引船与收油船通过牵引绳连接，所述牵引船上设有摄像机和核心控制器，所述摄像机与核心控制器通过无线连接，所述智能控制终端与核心控制器通过无线连接。与现有技术相比，本发明利用图像识别、路径规划和自动驾驶技术，使得溢油回收效率提高30％以上；无人参与的自动溢油回收方式，减小了人工劳动强度，减小了回收人员的安全风险。

Description

一种无人驾驶的溢油自动回收系统的工作方法

技术领域

本发明涉及环境监测、应急和预警技术领域，具体涉及一种无人驾驶的溢油自动回收系统及其工作方法。

背景技术

随着航运经济的快速发展、船舶流量的逐年增大，运输船舶的吨位得到有力提升，海上运输事故的危害性亦同步提升。海上大量溢油所造成的危害是特别严重的，不仅对环境资源而且对国民经济将造成巨大损失。

目前海上溢油回收有以下几种方法：

1)物理法：围油栏、吸附法；

2)机械法：亲油-吸附式撇油机、带式撇油机、空气传输式撇油机、过滤式撇油机、堰式撇油机；

3)化学法：燃烧法、化学试剂法；

4.)生物法。

传统的海上溢油处理装置效率低下、系统性差、应变能力弱。针对溢油回收装置，目前所有的船都有溢油应急回收方案和设备，但是普通的商船，只会配备普通的围油栏、撇油器、锯沫、破布等工具。国内的港口、海监、海事、执法船，也需要配备溢油回收装置，但是由于国内也有一些厂商，而且由于港口行业入门准则，也限制了一些进口厂家的入门级别和难度。由于近两年的海洋工程船和海洋平台的兴起，对溢油回收系统的需求，也越来越多，加上人们对海洋环境的重视和要求，及海事法规对海洋污染的法律法规和处罚，市场上对具有溢油回收功能的海洋工程船和海洋平台的需求也随之增加。

我国在水面溢油监测系统方面的研究起步比较晚。1980年，我国国家海洋局第一海洋研究所最早开展航空遥感监测石油污染的实验，然后其它海洋环境部门和相关高校也逐步加入溢油监测研究的队伍。近几年，我国在航空和卫星遥感监测溢油方面进行了很多相关工作的研究，然而在其它监测溢油方法和技术上，还比较落后，例如在一些敏感位置、固定港口、排水口等特定区域里没有可采用的有效监测技术。在这些区域多数安装了闭路监控系统，采取人工监测的手段，但不能达到实时全天候监测溢油并报警的目的。现如今，主要溢油监测模式包括卫星遥感监测、航空遥感监测、船舶遥感监测、CCTV监测、定点监测和浮标跟踪等。

水面溢油自动监测系统和溢油回收装置作为两种技术独自发展，特别是溢油回收需要人工参与，人工劳动强度大，回收效率低。浙江海洋学院研发了一种海上溢油自动回收装置(专利号201210582748.8)，该装置采用了经输水管相连接的油水分离器和自动推进器；油水分离器经角度调节器连接篦油器；篦油器经软管与油水分离器经向连通；自动推进器内安装有水泵；水泵连接有多通电控阀；多通电控阀连接有位于自动推进器不同侧面的喷水管，并且该水泵能经输水管将油水分离器内的分离出的水加压后经多通电控阀向喷水管喷出。篦油器将海面上的浮油及海水一起吸入油水分离器，角度调节器用以调节篦油器深入海水的深度。油水混合物进入油水分离器器后油与水分离，油经过集油管排入外部储存装置。分离出来的水经过输水管进入自动推进器的水泵。水泵对水进行增压后经多通电控阀按需的经不同喷水管喷出，以控制整个装置的前进或拐弯。该装置大大降低了收油的人工参与程度，但是还是需要人工来识别溢油区域并驾驶该装置至溢油区域进行收油，不能做到全自动。

发明内容

本发明针对以上问题，提供了一种将溢油自动监测系统与溢油回收装置有机结合的无人驾驶的溢油自动回收系统的工作方法。

本发明的技术方案是：

一种无人驾驶的溢油自动回收系统，包括无人驾驶牵引船、收油船和智能控制终端，所述牵引船与收油船通过牵引绳连接，所述牵引船上设有摄像机和核心控制器，所述摄像机与核心控制器通过无线连接，所述智能控制终端与核心控制器通过无线连接。

所述收油船的尾部两侧设有荧光法溢油监测仪，所述荧光法溢油监测仪与核心控制器通过无线连接。

所述收油船的收油箱内设有油位传感器，所述油位传感器与核心控制器通过无线连接。

还包括遥控器，所述遥控器与所述核心控制器通过无线连接。

一种无人驾驶的溢油自动回收系统的工作方法，包括如下步骤：

1)、拍摄：摄像机拍摄前方水面图像，通过无线传输给核心控制器；

2)、预处理：核心控制器对图像进行灰度处理和中值滤波得到灰度图像；

3)、粗略定位：核心控制器对预处理后的灰度图像进行OTSU自适应阈值初步分割，使目标和背景实现分离，粗略定位到目标区域并进行标识；

4)、形态学运算：对目标区域进行数学形态学运算，去除不连续的区域以及使相同区域之间连通，并再次对处理后的区域进行标识；

5)、精确定位：核心控制器采用最大熵值分割法进一步演化目标区域，对初步分割出来的疑似溢油区域进行细化分割，得到精确的目标区域；

6)纹理分析：核心控制器对目标区域进行基于灰度共生矩阵的纹理特征计算，再次对处理后的区域进行标识并判断是否为溢油区域；

7)、边界跟踪：核心控制器控制牵引船沿溢油边界方向，并以收油船尾部的溢油含量控制牵引速度牵引收油船进行收油；

8)、结束：当识别的图像中边界消失时，收油工作结束，同时通知智能控制终端，进行收油收尾工作。

所述步骤3)中的OTSU自适应阈值初步分割过程为：通过建立目标区域和背景区域之间的方差与灰度阈值的关系，得到该方差最大时的阈值，并以此阈值作为最佳阈值分割图像。

所述步骤4)中的形态学运算的过程为：通过膨胀与腐蚀去除图像中的孔以及边缘缺陷部分，再通过重建操作恢复腐蚀后的物体形状，并且移除背景，最后在填充区域运算，剔除区域内噪声，使区域完整。

所述步骤6)中的基于灰度共生矩阵的纹理特征包括能量、熵、对比度、均匀度和相异性；

再次标识的过程为：根据能量、熵、对比度、均匀度和相异性计算数值，确定为溢油还是其他杂物，当以上纹理特征同时满足能量为0.1-0.25、熵为1.0-3.0、对比度为2.2-5.5、均匀度为0.15-0.24、相关性为0.038-0.06，判定为溢油，否则为其他杂物。

所述步骤7)中边界跟踪方法为：根据Hough变换确定分段区域的直线方程为ρ＝xcos θ+y sin θ，将溢油边界分为若干线段，并将每段线段与摄像机拍摄的图像中的居中线段比较，当居中线段的中点与溢油边界线段的中点偏离时，核心控制器调整牵引船牵引方向，驶至最近的溢油边界线段的中点，当居中线段和最近的溢油边界线段的中点重合时，调整行驶方向，使得居中线段的方向与溢油边界线段方向一致，

式中x,y表示过原点的与线段垂直线的交点坐标，ρ表示该交点与原点的距离，θ为该垂线与x轴的夹角。

所述步骤7)中的牵引速度控制的方法为：设w₀为设定剩余溢油含量，w为荧光法溢油监测仪测得的实际剩余溢油含量，e＝w₀-w为剩余溢油含量误差，则牵引速度v由e的PI调节关系为：

v＝v_max-K_pe-K_i∫edt (1)

式中v_max为最大牵引速度，K_p为比例调节系数，K_i为积分调节系数，w的单位为ppm，v的单位为节。

本发明的有益效果是：系统由无人驾驶牵引船、专用溢油收油机、溢油监测系统、智能测控终端等装置组成。无人驾驶牵引船除提供常规牵引动力外，配备了摄像机、荧光法溢油监测仪、综合监测控制装置；专用溢油收油机为盘式或带式收油机，同时配备回收溢油的液位监测装置；智能测控终端由牵引船专用遥控器和智能手机及其控制软件组成；各监测装置通过无线局域网进行数据通讯和图像传输。系统采用数字图像处理技术进行较大范围内的溢油区域监测和荧光法局部溢油监测相结合的方式，实现精确溢油回收。

与现有技术相比，本发明利用图像识别、路径规划和自动驾驶技术，使得溢油回收效率提高30％以上；无人参与的自动溢油回收方式，减小了人工劳动强度，减小了回收人员的安全风险。

附图说明

图1是本发明的结构示意图，

图2是本发明的信号传递框图，

图3是本发明的工作流程框图，

图4是本发明中灰度共生矩阵形成过程图，

图5是本发明实施例中纹理分析样本，

图6是本发明的边界识别示意图，

图7是本发明的边界追踪示意图，

图8是本发明中牵引船速度控制框图，

图9是腐蚀示意图，

图10是腐蚀运算示意图，

图11是膨胀示意图，

图12是膨胀运算示意图；

图中1为牵引船，2为收油船，3为牵引绳，4为摄像机，5为核心控制器，6为荧光法溢油监测仪，7为油位传感器，8为遥控器，9为智能控制终端。

具体实施方式

下面结合附图对本发明作具体说明。

如图1-2所示，本发明包括无人驾驶牵引船1、收油船2和智能控制终端9，所述牵引船1与收油船2通过牵引绳3连接，无人驾驶牵引船1为收油船2提供牵引动力，所述牵引船1上设有摄像机4和核心控制器5，所述摄像机4与核心控制器5通过无线连接，摄像机4用于捕捉前方水面图像，所述核心控制器5完成的功能的主要为获取摄像机图像，并进行图形识别，判断水面溢油区域；收油机的牵引速度和方向的控制；与遥控器8和智能控制终端9的通讯以及收油箱油位采集器的通讯。所述智能控制终端9与核心控制器5通过无线连接。所述智能控制终端9可实时监测收油效果和溢油水面图像，也可手动控制牵引船1。

所述收油船2的尾部两侧设有荧光法溢油监测仪6，所述荧光法溢油监测仪6与核心控制器5通过无线连接，所述荧光法溢油监测仪6用于局部溢油量监测，主要监测溢油回收效果，以用于核心控制器5计算并控制牵引速度。

所述收油船2的收油箱内设有油位传感器7，所述油位传感器7与核心控制器5通过无线连接，用于监测收油箱内的油位，并将油位传送给核心控制器5，核心控制器5可设定最高油位，如果超过该油位，核心控制器5控制核心控制器返航卸油。

本发明还可包括遥控器8，所述遥控器8与所述核心控制器5通过无线连接，用于手动控制牵引船。

本发明的工作方法如图3所示，包括如下步骤：

1)、拍摄：摄像机4拍摄前方水面图像，通过无线传输给核心控制器5；

2)、预处理：核心控制器5对图像进行灰度处理和中值滤波得到灰度图像(灰度处理和中值滤波均为现有技术，不是本申请的创新点，故不在此赘述)；

图像分割质量的好坏，直接影响后续油污的提取和识别的效果。水面油污的灰度特征主要受油膜的厚度以及光照条件的影响，当光照强度大时，图像灰度值偏高；而不同厚度的油膜吸收光线的能力不一样导致灰度值存在差异。另外，光线较强时，水面会形成耀斑等干扰；由于风和波浪的影响，水面上的油污形状容易改变或者造成边缘不规则；水草、浮萍、垃圾、船只、水面阴影等干扰物也会给油污分割带来很大的困难。本发明选择OTSU自适应阈值分割和最大熵值分割两种方法相结合的图像分割方法。整个分割过程主要分为三个阶段：第一阶段：对预处理后的灰度图像使用OTSU自适应阈值初步分割，使目标和背景实现分离，粗略定位到目标区域并进行标识；第二阶段对区域进行数学形态学运算，去除不连续的微小区域以及使相同区域之间连通，并再次对处理后的区域进行标识；第三阶段采用最大熵值分割法进一步演化目标区域，对初步分割出来的疑似溢油区域进一步细化分割，得到更加精确的目标区域。这种方法不仅使用到图像的灰度方差信息，而且灰度共生矩阵中的信息熵值，使分割结果更加准确。

3)、粗略定位：核心控制器5对预处理后的灰度图像进行OTSU自适应阈值初步分割，使目标和背景实现分离，粗略定位到目标区域并进行标识；

OTSU自适应阈值初步分割过程为：采用大津算法(此为现有技术)通过建立目标区域和背景区域之间的方差与灰度阈值的关系，得到该方差最大时的阈值，并以此阈值作为最佳阈值分割图像。

4)、形态学运算：对目标区域进行数学形态学运算，去除不连续的微小区域以及使相同区域之间连通，并再次对处理后的区域进行标识；

形态学运算的过程为：通过膨胀与腐蚀去除图像中的无意义的小孔以及边缘缺陷部分，再通过重建操作恢复腐蚀后的物体形状，并且移除复杂背景，最后在填充区域运算，剔除区域内噪声，使区域完整。

①腐蚀

腐蚀是对二值图像中的目标进行“收缩”或者“细化”，结构元决定了图像“收缩”和“细化”的方法和程度。腐蚀的作用是消除边界点，收缩边界，消除无意义的物体。定义为：把结构元素B平移a后得到B_a，令B_a包含于X，所有满足于上述条件的a点的集合称为X被B腐蚀，用公式表示为：

图9为腐蚀示意图。图9中B是结构元素，X是被处理的对象。B是结构元素。阴影区域任意点a，B_a包含于X，阴影部分就是X被B腐蚀的部分，阴影区域包含在X区域内，故视觉上就像X区域被剥掉一层，这就是腐蚀。

令A是被处理的对象，B是结构元素，“*”是坐标原点，结构元素的中心点就是当前处理元素的位置。拿结构元素B的中心点和A上的点逐一进行比对，如果B上的点都在A的范围里，则保留该点；否则剔除该点。图10为腐蚀运算示意图。如图10，深色部分就是相对于原图剩下的部分，即为腐蚀的输出部分。可以看出，腐蚀使原图区域变小了，但是仍在原来A区域内，即

在MATLAB软件中，调用工具箱函数imerode()函数进行腐蚀操作，其调用格式为：

IM2＝imerode(IM,SE)

其中，IM是腐蚀灰度、二进制或压缩二进制输入图像；IM2是返回腐蚀图像；参数SE是函数strel返回的一个结构元素体或是结构元素体阵列。

②膨胀

膨胀是使图像中目标“生长”、“变粗”的过程，可以看作是腐蚀的对偶运算。膨胀可以填充图像中的小孔以及图像边缘凹陷部分^[49]。定义：结构元素B移动距离a后得到B_a，令B_a击中X，则保留a点，所有满足条件的a点的集合称为X被B膨胀，用公式表示为：

图11为膨胀示意图。图11中X表示被处理的对象，B表示结构元素。阴影区域内任意点a，B_a击中X，阴影就是X被B膨胀的区域，阴影区域包含在X区域内，在视觉上就像X区域被剥掉一层，这就是腐蚀。

令A是被处理的对象，B是结构元素，“*”是坐标原点，结构元素的中心点就是当前处理元素的位置。拿结构元素B的映像的中心点和A上的点逐一进行比对，如果B映像上的点都在A的范围里，则该点为黑；否则该点不变。图12为膨胀运算示意图。图12中深色部分就是相对于原图多出的部分，即为膨胀的输出部分。可以看出，腐蚀使原图区域变大了，膨胀结果包含原图A区域，即

在MATLAB软件中，调用工具箱函数imdilate()函数进行腐蚀操作，其调用格式为：

IM2＝imdilate(IM,SE)

其中，IM是腐蚀灰度、二进制或压缩二进制输入图像；IM2是返回腐蚀图像；参数SE是函数strel返回的一个结构元素体或是结构元素体阵列。

③图像填充操作

为了进一步消除区域内的孔洞，对腐蚀和膨胀后的二值图像，进一步孔洞填充操作。在MATLAB软件中，采用函数imfill()对二值图像或者灰度图像进行填充操作。令I表示二值图像，F表示选择的标志图像，除了区域边缘外，其余部分都为0，设边缘部分值为1-I，其数学表达式为：

然后：

表示填充了所有孔洞二值图像I。在MATLAB软件中可选参数为“holes”时，工具箱函数imfill自动按照公式(19)、(20)填充二值图像BW：

g＝imfill(BW，‘holes’)

5)、精确定位：核心控制器采用最大熵值分割法进一步演化目标区域，对初步分割出来的疑似溢油区域进行细化分割，得到精确的目标区域；

最大熵值分割法过程为：对于灰度级为L的图像，其灰度共生矩阵为L×L维矩阵C＝[c_ij]_L×L，其中C的元素c_ij表示图像中灰度对(i,j)按照设定的距离和方向转换的次数。如下表表示图像灰度共生矩阵的四个不同方向的象限，左上角为象限原点，坐标向下灰度值增大，向右梯度值增大。设阈值在(s,t)处，令阈值T把将灰度共生矩阵分为4个区域。

4个区域的灰度概率和定义为：

归一化处理，得到：

同理：

式(9)～式(13)中，c_ij表示目标数i和边缘数j的转移数目；令象限A(0≤i≤s,0≤j≤t)为目标，象限D(s+1≤i≤L-1,0≤j≤t)为背景；象限B、象限C表示背景像素到目标像素和目标灰度级i和梯度值j从背景到缘边的灰度转移数目。

由此得到数字图像边缘到目标(E/O)区域和边缘到背景(E/B)区域熵的定义为：

由边缘到目标(E/O)区域和边缘到背景(E/B)的区域熵得到熵函数为：

当熵函数

取得最大值时，对应的灰度值(s^*,t^*)就是所求的最佳阈值：

6)纹理分析：核心控制器对目标区域进行基于灰度共生矩阵的纹理特征计算，再次对处理后的区域进行标识并判断是否为溢油区域；

基于灰度共生矩阵的纹理特征包括能量、熵、对比度、均匀度和相异性。

基于灰度矩阵共生矩阵的纹理特征定义：在一幅图像中任取一点(x,y)和偏离它的另一个点(x+a,y+b)，两个点组成一个对点，设该对点的灰度值为(i,j)，即点(x,y)的灰度为i，点(x+a,y+b)的灰度为j。固定好点a和b，令点(x,y)在图像上移动，会得到(i,j)的灰度值，假设图像的灰度级数为L，则i和j的组合的值有L²种，把每次(i,j)的值归一化为关于方向为θ、距离为

的概率P(i,j,d,θ)_L×L矩阵，即为共生矩阵。其形成过程如图4。

由图4可以看出，灰度共生矩阵是以灰度值为i的像素元(x,y)作为起点，沿着一定的方向θ(通常为0°，45°，90°，135°四个方向)相隔一定距离

的灰度值为j的像素元(x+a,y+b)之间的灰度联合概率矩阵P(i,j,d,θ)，其表达式为：

P(i,j,d,θ)＝{[(x,y),(x+a,y+b)|f(x,y)＝i:f(x+a,y+b)＝j]} (2)

式(2)中，a和b的值通常根据纹理周期分布的特征来选取，不同的纹理，其a和b的值不同，当图像纹理变换缓慢(即粗纹理)时，其灰度联合概率矩阵对角线上的数值较大，a和b取值应该相对小点；当图像纹理变换缓快(即细纹理)时，则反之。

本发明选用典型的6个统计量进行纹理分析，包括：能量(ASM)、熵(ENT)、对比度(CON)、均匀度(IDM)、相关度(COR)、相异性(DIS)。

1、能量(ASM)

能量也称为角二阶距，是灰度共生矩阵元素的平方和。它反映了图像灰度分布的均匀程度和纹理粗细度。如果共生矩阵的各元素均值差异小，则能量值小，即纹理均匀分布，反之亦然。当灰度共生矩阵中元素集中分布时，能量值也较大。

2、熵(ENT)

熵是图像信息量的度量，是随机性的。它表示了图像中纹理的非均匀程度或者复杂程度。当图像纹理很小或者没有纹理时候，熵值接近0；当灰度共生矩阵中所有元素有最大的随机性、空间共生矩阵中所有值几乎相等时，共生矩阵中元素分散分布时，熵值大。

3、对比度(CON)

对比度是关于主对角线的惯性矩，反映了图像纹理的清晰度，即纹理的深浅程度。纹理沟纹越深，视觉效果越清晰，其对比度越大。反之亦然。

4、均匀度(IDM)

均匀度反映了纹理的粗糙程度，粗纹理的均匀度大，细纹理的均匀度小。

5、相关度(COR)

其中：

相关性表示空间灰度共生矩阵元素在行或列方向上的相似程度，即反映图像中局部灰度相关性。当灰度共生矩阵元素值均匀性等时，其相关性越大；反之亦然。如果图像中有水平方向的纹理，则水平方向的矩阵的相关值大于其余矩阵的相关值，因此相关性也可以用来判断纹理的主方向。

6、相异性(DIS)

相异性描述图像的灰度值差异情况，灰度值差异越大，图像明暗差别越明显，其相异性值越大；反之亦然。

为了更加理想的得到纹理结果，以及兼顾更短的计算时间。因此要对纹理计算的特征参数进行选取，包括灰度级、窗口大小、计算纹理的步长以及方向等。灰度级一般有64灰阶、32灰阶、16灰阶，其原理是对图像的灰度范围进行人为压缩，灰度级的大小决定了生成的灰度共生矩阵的大小，虽然较大的灰度级能较好的保留图像的纹理信息，但是灰度级越大，生成的矩阵也越大，计算量也越大。由于灰度级的变化对纹理精度影响不是很严重，故实际工程中为了减少计算量，尽可能缩短计算时间，会通过压缩图像灰度级来实现。根据前人学者经验，对溢油纹理分析窗口选取不易过小，用灰度共生矩阵进行纹理特征提取，有类似滤波的功能，会导致图像信息丢失，使图像变得模糊。如果窗口选择过小，会使图像清晰度降低，窗口内的像元灰度值比较接近，不能准确的描述出区域不同像素元之间的空间排列规律；而窗口选择过大，容易将不同类型纹理信息误判为同类纹理，导致不同物体之间的像元难以辨别，甚至参数错误。因此合适的纹理窗口大小对图像的纹理提取十分关键。步长的大小决定每一个像素元与其周围像素元之间计算的距离，如果步长过大，很难表现出像素元之间的空间关系。灰度共生矩阵纹理计算方向大致分为0°、45°、90°、135°四个方向，实际油污纹理没有明显的方向性，一般会选择四个方向的平均值或者45°方向。

为了统筹纹理描述的准确性和尽可能快的计算速度，纹理计算灰度等级取16，窗口取15×15，步长d＝4，方向选取0°、45°、90°、135°四个方向的均值和标准差。

根据纹理计算的参数，摄像头拍摄的3张溢油图片和3张河面水草图片，样本如图5所，进行纹理计算，其结果如表1所示。

计算结果如表1所示。

表1纹理统计量

分析表1中数据可以得到以下结论：

(1)油污和水草的这六种特征量在四个方向上的关系基本一致，即在油污纹理的某个方向上大于水草，在另外方向上也基本呈现这样关系；

(2)能量、熵、对比度、均匀度、相关性这五个统计量在四个方向上大小基本一致，方向差异性不明显，具有旋转不变性，即可以单独使用任意个方向来描述特征值，也可以使用四个方向上的均值，本文中使用四个方向均值；

(3)相异性在90°、135°两个方向上的值差异较大，而在0°、45°两个方向熵的值差异较小，不具有方向性，故文中只采用90°、135°两个方向上的值的均值，主要便于区分；

(4)油污和水草的相关性在四个方向上差异都很小，故本文舍弃相关性这一统计量。

由此筛选出能量、熵、对比度、均匀度和相异性这五个纹理量用来识别是否存在溢油现象。能量可以反映纹理的粗细程度，能很好的辨别出油污；熵是表示局部窗口内图像的均匀性特征；对比度和相异性是反映图像的清晰程度。

再次标识的过程为：根据能量、熵、对比度、均匀度和相异性计算数值，确定为溢油还是其他杂物，当以上纹理特征同时满足能量为0.1-0.25、熵为1.0-3.0、对比度为2.2-5.5、均匀度为0.15-0.24、相关性为0.038-0.06，判定为溢油，否则为其他杂物。

7)、边界跟踪：核心控制器控制牵引船沿溢油边界方向，并以收油船尾部的溢油含量控制牵引速度牵引收油船进行收油；

溢油区域辨识后，牵引船路径轨迹的确定是牵引的主要内容。本发明采用的牵引方向为沿溢油边界方向，随着收油过程的进展，溢油区域减小，最后完成收油过程。对于溢油边界的参数提取，采用经典的Hough变换。它所实现的是一种从图像空间到参数空间的映射关系。Hough变换的实质是将图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间积累对应点。经典的Hough变换只能对曲线形状用曲线方程(如直线、二次曲线、圆)来描述的未知曲线进行检测。为此将边界分段，将每段边界近似为直线，为避免用斜率表示的直线接近竖直方向，会由于接近无穷而使计算量大增，使用直线的极坐标方程:ρ＝x cos θ+y sin θ(x,y表示过原点的与线段垂直线的交点坐标，ρ表示该交点与原点的距离，θ为该垂线与x轴的夹角)。如图6所示，将溢油边界分为多个线段，并将每段线段与摄像机拍摄的图像中的居中线段比较，当居中线段的中点与溢油边界线段的中点偏离时，核心控制器调整牵引船牵引方向，驶至最近的溢油边界线段的中点，当居中线段和最近的溢油边界线段的中点重合时，调整行驶方向，使得居中线段的方向与溢油边界线段方向一致，如图7所示。

如图8所示，牵引速度控制的方法为：设w₀为设定剩余溢油含量，w为荧光法溢油监测仪测得的实际剩余溢油含量，e＝w₀-w为剩余溢油含量误差，则牵引速度v由e的PI调节关系为：

v＝v_max-K_pe-K_i∫edt (1)

式中v_max为最大牵引速度，K_p为比例调节系数，K_i为积分调节系数。w的单位为ppm，v的单位为节((1节＝1海里/小时)，K_p取值范围为0.05～1.0，K_p由最大牵引速度v_max决定，在v_max达到5节时取1.0，在小于1节时可选0.05，K_i取值范围为0.001～0.2。K_i由稳态精度调节时间决定，当调节时间在15分钟以上时选0.001，小于1分钟选0.2。

本发明试验时采用的是上海奕枫仪器设备有限公司生产的ROW型号的荧光法溢油监测仪，该仪器通过照射直接测量出溢油含量或浓度，以相对百分比值体现。

8)、结束：当识别的图像中边界消失时，收油工作结束，同时通知智能控制终端，进行收油收尾工作。

Claims (8)

1.一种无人驾驶的溢油自动回收系统的工作方法，无人驾驶的溢油自动回收系统包括无人驾驶牵引船、收油船和智能控制终端，所述牵引船与收油船通过牵引绳连接，所述牵引船上设有摄像机和核心控制器，所述摄像机与核心控制器通过无线连接，所述智能控制终端与核心控制器通过无线连接；

工作方法包括如下步骤：

1)、拍摄：摄像机拍摄前方水面图像，通过无线传输给核心控制器；

2)、预处理：核心控制器对图像进行灰度处理和中值滤波得到灰度图像；

3)、粗略定位：核心控制器对预处理后的灰度图像进行OTSU自适应阈值初步分割，使目标和背景实现分离，粗略定位到目标区域并进行标识；

4)、形态学运算：对目标区域进行数学形态学运算，去除不连续的区域以及使相同区域之间连通，并再次对处理后的区域进行标识；

5)、精确定位：核心控制器采用最大熵值分割法进一步演化目标区域，对初步分割出来的疑似溢油区域进行细化分割，得到精确的目标区域；

6)纹理分析：核心控制器对目标区域进行基于灰度共生矩阵的纹理特征计算，再次对处理后的区域进行标识并判断是否为溢油区域；

7)、边界跟踪：核心控制器控制牵引船沿溢油边界方向，并以收油船尾部的溢油含量控制牵引速度牵引收油船进行收油；

8)、结束：当识别的图像中边界消失时，收油工作结束，同时通知智能控制终端，进行收油收尾工作；

其特征在于，

所述步骤7)中边界跟踪方法为：根据Hough变换确定分段区域的直线方程为ρ＝xcosθ+ysinθ，将溢油边界分为若干线段，并将每段线段与摄像机拍摄的图像中的居中线段比较，当居中线段的中点与溢油边界线段的中点偏离时，核心控制器调整牵引船牵引方向，驶至最近的溢油边界线段的中点，当居中线段和最近的溢油边界线段的中点重合时，调整行驶方向，使得居中线段的方向与溢油边界线段方向一致，

式中x,y表示过原点的与线段垂直线的交点坐标，ρ表示该交点与原点的距离，θ为该垂线与x轴的夹角。

2.根据权利要求1所述的一种无人驾驶的溢油自动回收系统的工作方法，其特征在于，所述收油船的尾部两侧设有荧光法溢油监测仪，所述荧光法溢油监测仪与核心控制器通过无线连接。

3.根据权利要求1所述的一种无人驾驶的溢油自动回收系统的工作方法，其特征在于，所述收油船的收油箱内设有油位传感器，所述油位传感器与核心控制器通过无线连接。

4.根据权利要求1所述的一种无人驾驶的溢油自动回收系统的工作方法，其特征在于，还包括遥控器，所述遥控器与所述核心控制器通过无线连接。

5.根据权利要求1所述的一种无人驾驶的溢油自动回收系统的工作方法，其特征在于，所述步骤3)中的OTSU自适应阈值初步分割过程为：通过建立目标区域和背景区域之间的方差与灰度阈值的关系，得到该方差最大时的阈值，并以此阈值作为最佳阈值分割图像。

6.根据权利要求1所述的一种无人驾驶的溢油自动回收系统的工作方法，其特征在于，所述步骤4)中的形态学运算的过程为：通过膨胀与腐蚀去除图像中的孔以及边缘缺陷部分，再通过重建操作恢复腐蚀后的物体形状，并且移除背景，最后在填充区域运算，剔除区域内噪声，使区域完整。

7.根据权利要求1所述的一种无人驾驶的溢油自动回收系统的工作方法，其特征在于，所述步骤6)中的基于灰度共生矩阵的纹理特征包括能量、熵、对比度、均匀度和相异性；

再次标识的过程为：根据能量、熵、对比度、均匀度和相异性计算数值，确定为溢油还是其他杂物，当以上纹理特征同时满足能量为0.1-0.25、熵为1.0-3.0、对比度为2.2-5.5、均匀度为0.15-0.24、相关性为0.038-0.06，判定为溢油，否则为其他杂物。

8.根据权利要求1所述的一种无人驾驶的溢油自动回收系统的工作方法，其特征在于，所述步骤7)中的牵引速度控制的方法为：设w₀为设定剩余溢油含量，w为荧光法溢油监测仪测得的实际剩余溢油含量，e＝w₀-w为剩余溢油含量误差，则牵引速度v由e的PI调节关系为：

v＝v_max-K_pe-K_i∫edt (1)

式中v_max为最大牵引速度，K_p为比例调节系数，K_i为积分调节系数，w的单位为ppm，v的单位为节。

Images