CN110261858A - 一种基于水下标志物直线检测的隧洞auv引导方法 - Google Patents

Abstract

本发明属于隧洞检测领域，具体涉及一种基于水下标志物直线检测的隧洞AUV引导方法。本发明利用AUV左右两侧的摄像机进行检测，将拍摄的图像传入嵌入式计算机处理，首先对水下图像预处理，然后利用改进Sobel算子进行边缘检测，利用改进的Hough变换方法进行直线检测，若连续3帧检测到的直线数大于设定的阈值，则检测到标志物，进入转弯模式，减速靠近待转弯支洞一侧隧洞壁。利用布置在AUV中体的测距声纳信息，控制AUV保持与隧洞壁一定间距，当AUV左、右侧测距声纳测量值发生剧烈变化时，说明已进入支洞，通过AUV自适应调整艏向角完成转弯，使AUV顺利驶入支洞。本发明大大减少了人工参与，在任务执行阶段不需要人为操纵，整个检测过程由AUV自主完成，作业成本低。

Description

一种基于水下标志物直线检测的隧洞AUV引导方法

技术领域

本发明属于隧洞检测领域，具体涉及一种基于水下标志物直线检测的隧洞AUV引导方法。

背景技术

随着国民经济与基础建设的发展，城镇化的进一步发展，城市建设突飞猛进的发展，城市供水需求加大，大量水利工程在各个地区得到修建，其中包括跨区域引水工程和水库工程，输水隧洞是其中一项最为关键和重要的工程组成部分。输水隧洞是水库或地下施工过程中开挖的一种类似隧道的水工建筑物，用于输水以供发电、灌溉或工业和生活之用。隧洞通常深埋地下，设计管路起伏较大,地质环境复杂，经过长时间输水运行后,易产生裂缝和老化等缺陷，混凝土裂缝是输水隧洞最普遍的缺陷，贯穿性裂缝会造成渗漏，使混凝土产生溶蚀破坏，并加速钢筋锈蚀，缩短隧洞的使用寿命，是隧洞安全运行的重要隐患。因此定期地对隧洞进行裂缝、老化情况检查十分必要，及时发现隧洞的破损情况并进行维护，能够有效降低隧洞破损事故的发生率，防患于未然。

对隧洞裂缝检测这一过程通常花费较长的时间，动用的人力物力资源大。因此，自主式水下机器人AUV的出现，能有效进行隧洞裂缝检测。但是AUV在多岔路的隧洞检测中，只能检测隧洞的主干道，难以引导AUV对隧洞支洞进行自主检测。可通过将AUV与隧洞内置标志物使用，利用AUV的摄像机与测距声纳实现隧洞检测中AUV水下光学引导，适用于多岔路的隧洞检测。

发明内容

本发明的目的在于提供一种基于水下标志物直线检测的隧洞AUV引导方法，利用AUV搭载的摄像机与测距声纳，通过图像处理、目标检测方法识别标志物，通过测距声纳信息使AUV与隧洞壁保持一定间距，通过AUV自适应调整艏向角完成转弯，解决了AUV在隧洞中主洞与支洞引导问题，适用于多岔路的隧洞检测。

本发明的目的是这样实现的：

一种基于水下标志物直线检测的隧洞AUV引导方法，包括以下步骤：

步骤1：制作水下引导标志物，标志物为矩形不锈钢板，钢板上加工出相隔固定间距的四个平行矩形沟槽，在钢板四周靠近边缘部分开孔，各孔利用螺栓将不锈钢板固定在在靠近待转弯支洞一侧的主洞内壁上；对不锈钢板标志物刷上防水防腐哑光白色油漆，使不锈钢板与四个平行矩形沟槽有明显区别，外表面采用防腐涂层覆盖和安装牺牲阳极的方法对标志物进行保护；

步骤2：AUV光学探测模块启动，通过水下摄像机采集图像，并将图像传入PC104嵌入式计算机进行处理，首先对图像进行快速中值滤波去噪、利用改进Sobel算子进行边缘检测、利用改进Hough变换进行直线检测，判断图像中直线数量是否大于等于4条，若连续3帧都满足条件则将结果发送至AUV，AUV进入转弯模式，若未达到条件则重复步骤2；

步骤3：AUV进入转弯模式后，减速并逐渐靠近待转弯支洞一侧隧洞壁，根据布置在AUV周围的两个测距声纳信息使AUV与隧洞壁保持一定间距，通过AUV自适应调整艏向角完成转弯，沿隧洞壁由隧洞主洞驶向支洞，完成AUV水下光学引导；

步骤4：当AUV驶入支洞后，AUV通过获取布置在其周围的两个测距声纳的测量值，调整AUV使测量值保持一致，使其保持在支洞正中位置向前行驶。

步骤2中将采集到的图像传入AUV中的PC104嵌入式计算机进行处理，图像处理具体包括以下步骤：

步骤2.1：对采集得到的水下图像进行灰度化；

步骤2.2：采用快速中值滤波算法去噪；

步骤2.3：利用改进的Sobel算子进行边缘检测，采用全局阈值和局部阈值相结合，寻求阈值设定自适应化，确定8个方向的3×3模板，根据卷积结果和阈值对图像进行二值化完成边缘检测，具体实现步骤为：

(1)首先确定8个方向的3×3模板，选取8个方向，包括0°、45°、90°、135°、180°、225°、270°、315°方向，根据这些方向Sobel算子的模板进行扩展，得到8个边缘方向模板；

(2)自适应全局阈值采用最大类间方差法，利用积分图像得出的局部均值以及原图像像素点的灰度值计算局部阈值，采用全局阈值和局部阈值相结合，寻求阈值设定自适应化；

(3)根据8个边缘方向模板对水下图像像素进行卷积运算；

(4)根据卷积结果和设定自适应化的阈值对图像进行二值化，完成水下图像边缘检测。

步骤2.4：通过改进Hough变换直线检测算法进行标志物检测，改进Hough变换对峰值点邻域置零的区域进行了优化，所提取的直线邻域像素点不会对其他具有相似特征的直线进行投票，将边缘点映射到极坐标系，主要的计算工作集中在[0,π)间的正弦和余弦的计算上；将[0,π)之间的正弦和余弦值以数组的形式存储在系统中，进行直线检测时，可通过查询三角函数表的方式获取像素点的极坐标；改进Hough变换标志物直线特征提取的计算步骤为：

1)初始化极坐标点数组(r,θ)，r为图像的对角线方向的像素数，θ在[0,π)内按照一定阈值取值；

2)遍历图像中所有的像素点，对每一个像素点，在对应曲线经过的所以极坐标点的累加器上加一，即：A(r,θ)＝A(r,θ)+1；

3)找到变换域中A值最大的极坐标点(r_max,θ_max)并记录；

4)对区域R_ABCD中的极坐标点进行计算，所有满足r_i＝xcosθ_i+ysinθ_i的极坐标点，对应的累加器A(r_i,θ_i)＝A(r_i,θ_i)-1；

5)重复步骤3)和4)，找到满足条件的n条特征直线，则停止寻找。

本发明的有益效果在于：

1、自主作业，在AUV隧洞检测作业时只需要在任务下达阶段进行操作，在任务执行阶段不需要人为操纵，整个检测过程由AUV自主完成，只需要将标志物布放在输水隧洞主洞与支洞交叉前方一定距离即可。

2、制作的标志物在水下识别效果好，识别错误率低，采用相隔固定距离平行矩形沟槽的哑光白色不锈钢板作为标志物，能够在水下能见度较差的情况下实现目标检测，大大降低了误检测的可能。

3、作业成本低，使用AUV和标志物作为隧洞检测的载体，不需要潜水员进入隧洞，大大降低了隧洞裂缝检测的作业成本与风险。

附图说明

图1为AUV检测标志物的图像处理与引导流程图；

图2为水下引导标志物的布置图1；

图3为水下引导标志物的布置图2；

图4为改进的Hough变换峰值点逆向处理区域描述图；

图5为AUV在隧洞主支洞内引导示意图。

具体实施方式

下面结合附图对本发明进一步详细阐述。

一种基于水下标志物直线检测的隧洞AUV引导方法，包括固定在隧洞主洞内壁的标志物、输水隧洞探测型AUV、以及搭载在AUV上目标光学探测模块与中体左、右两个测距声纳；目标光学探测模块包括水下摄像机、图像采集卡，PC104嵌入式计算机；利用AUV左右两侧的摄像机进行拍摄，图像采集时间间隔t小于1秒，将采集到的图像传入PC104嵌入式计算机进行处理，经过图像预处理、改进Sobel算子边缘检测、改进Hough直线检测三个步骤，若检测到的直线数大于设定的阈值，且连续3帧满足直线检测条件，则认为AUV检测到标志物，AUV进入转弯模式，并按预先规划路径，减速靠近转弯一侧的隧洞壁；从AUV开始靠近洞壁至做出转弯动作之前，AUV根据布置在其中段周围的两个测距声纳所探测到的距离信息，保持AUV与隧洞壁一定间距，当左或右侧测距声纳数据有剧烈变化时，认为AUV已驶入主支洞交界处，此时AUV做出转向动作驶入支洞，AUV沿支洞驶出隧洞。

一种基于水下标志物直线检测的隧洞AUV引导方法，具体包括以下步骤：

步骤1：制作水下引导标志物，标志物为矩形不锈钢板，钢板上加工出相隔固定间距的四个平行矩形沟槽，在钢板四周靠近边缘部分开孔，各孔利用螺栓将不锈钢板固定在在靠近待转弯支洞一侧的主洞内壁上。对不锈钢板标志物刷上防水防腐哑光白色油漆，使不锈钢板与四个平行矩形沟槽有明显区别，外表面采用防腐涂层覆盖和安装牺牲阳极的方法对标志物进行保护；

步骤2：AUV光学探测模块启动，通过水下摄像机采集图像，并将图像传入PC104嵌入式计算机进行处理，首先对图像进行快速中值滤波去噪、利用改进Sobel算子进行边缘检测、利用改进Hough变换进行直线检测，判断图像中直线数量是否大于等于4条，若连续3帧都满足条件则将结果发送至AUV，AUV进入转弯模式，若未达到条件则重复步骤2；

步骤3：AUV进入转弯模式后，减速并逐渐靠近待转弯支洞一侧隧洞壁，根据布置在AUV周围的两个测距声纳信息使AUV与隧洞壁保持一定间距，通过AUV自适应调整艏向角完成转弯，沿隧洞壁由隧洞主洞驶向支洞，完成AUV水下光学引导；

步骤4：当AUV驶入支洞后，AUV通过获取布置在其周围的两个测距声纳的测量值，调整AUV使测量值保持一致，使其保持在支洞正中位置向前行驶。

下面结合各步骤对本发明做更详细地描述：

步骤1中标志物为一个长为15米，宽为2米，厚5mm至2cm的矩形不锈钢板，钢板上加工出相隔固定间距的四个平行矩形沟槽，在钢板四周靠近边缘部分开多个孔，各孔利用螺栓将不锈钢板固定在在靠近待转弯支洞一侧的主洞内壁上，且应将不锈钢板的位置与主支洞交叉口之间保持一定距离，给AUV贴壁行驶与执行转弯动作预留一定的时间。水下引导标志物的布置图如图2所示。

步骤1中标志物也可采用分段设置，采用3个长为5米，宽为2米，厚5mm至2cm的矩形不锈钢板，3个不锈钢板水平方向上间隔10cm固定在靠近待转弯支洞一侧的主洞内壁上。标志物也可采用其他防水耐腐蚀的金属或非金属材料，AUV通过识别标志物上的矩形沟槽的水平方向上的边缘直线实现光学引导。水下引导标志物的分段布置图如图3所示。

步骤1中对不锈钢板标志物刷上防水哑光白色油漆，使不锈钢板与四个平行矩形沟槽有明显区别，便于AUV进行直线检测，从而允许AUV对标志物进行直线检测的直线数量为8条；同时能有效防止因标志物反光过强而导致无法检测的问题。外表面采用防腐涂层覆盖和安装牺牲阳极的方法对标志物进行保护，将钢板外表面与外部腐蚀环境隔离开，阻止环境中的腐蚀介质进入钢质外表面，使标志物外表面免遭环境介质引起的腐蚀破坏，能够在水下长期使用。

步骤2中将采集到的图像传入AUV中的PC104嵌入式计算机进行处理，为了缩短算法时间，首先进行灰度化，采用快速中值滤波算法，能快速提高图像去噪的速度，并能保存图像边缘的特性，然后利用改进Sobel算子进行边缘检测，最后通过改进Hough变换直线检测算法进行标志物检测。改进Hough变换对峰值点邻域置零的区域进行了优化，所提取的直线邻域像素点不会对其他具有相似特征的直线进行投票，避免检测出过于相近的直线与重复提取直线特征，保证了标志物直线特征提取的准确性。

步骤2中改进的Sobel算子边缘检测采用全局阈值和局部阈值相结合，寻求阈值设定自适应化，确定8个方向的3×3模板，根据卷积结果和阈值对图像进行二值化完成边缘检测，具体实现步骤如下：

(1)首先确定8个方向的3×3模板，选取8个方向，包括0°、45°、90°、135°、180°、225°、270°、315°方向，根据这些方向Sobel算子的模板进行扩展，得到8个边缘方向模板；

(2)自适应全局阈值采用最大类间方差法，采用积分图像得出的局部均值以及原图像像素点的灰度值计算局部阈值，采用全局阈值和局部阈值相结合，寻求阈值设定自适应化；

(3)根据8个边缘方向模板对水下图像像素进行卷积运算；

(4)根据卷积结果和设定自适应化的阈值对图像进行二值化，完成水下图像边缘检测。

步骤2中改进的Hough变换方法对峰值点邻域置零的区域进行了优化，对图4中R_ABCD区域内的点(x,y)所对应的累加器减一，即r_i＝xcosθ_i+ysinθ_i时，对应的累加器A(r_i,θ_i)＝A(r_i,θ_i)-1。通过这种处理，消除了直线L附近的像素点对次峰值点的干扰。

Hough变换将边缘点映射到极坐标系，主要的计算工作集中在[0,π)间的正弦和余弦的计算上。将[0,π)之间的正弦和余弦值以数组的形式存储在系统中，进行直线检测时，可通过查询三角函数表的方式获取像素点的极坐标。这大大降低了Hough变换的计算量，加快了直线特征提取的速度。

改进Hough变换标志物直线特征提取的计算步骤如下：

1)初始化极坐标点数组(r,θ)，r为图像的对角线方向的像素数，θ在[0,π)内按照一定阈值取值。

2)遍历图像中所有的像素点，对每一个像素点，在对应曲线经过的所以极坐标点的累加器上加一，即：A(r,θ)＝A(r,θ)+1

3)找到变换域中A值最大的极坐标点(r_max,θ_max)并记录。

4)对区域R_ABCD中的极坐标点进行计算，所有满足r_i＝xcosθ_i+ysinθ_i的极坐标点，对应的累加器A(r_i,θ_i)＝A(r_i,θ_i)-1。

5)重复步骤3)和4)，找到满足条件的n条特征直线，则停止寻找。

步骤2中开始采集图像时，初始化检测计数值N＝0，若通过改进Hough变换方法检测到平行直线的数量小于4条时，则重置计数值N＝0；若通过改进Hough变换方法检测到平行直线的数量不小于4条时，N＝N+1；然后判断N是否不小于3，若N不小于3说明连续三帧检测到了标志物，则将检测结果发送至AUV，AUV进入转弯模式；若N仍小于3，则继续采集图像。

为了避免测距声纳过多而引起的相互干扰问题，AUV仅包含2个测距声纳，分别布置在AUV中体两侧。AUV进入转弯模式后，首先减速并靠近待转弯支洞一侧隧洞壁，利用测距声纳信息始终保持AUV与隧洞壁一定间距，保持低速沿着隧洞壁向前行驶，当左或右侧测距声纳数据有明显增大时，认为AUV已驶入主支洞交界处，AUV执行转弯动作，自适应调整艏向角，AUV驶入支洞，并沿支洞正前方行驶。

步骤3中AUV进入转弯模式后，减速并靠近待转弯支洞一侧隧洞壁，利用布置在AUV两侧测距声纳信息保持AUV与隧洞壁一定间距，保持在0.3m左右。2个测距声纳分别安装在AUV中段左、右位置处。当左、右侧测距声纳测量值发生剧烈变化时，说明已进入支洞，通过AUV自适应调整艏向角完成转弯，使AUV顺利驶入支洞。

步骤4中当AUV驶入支洞后，AUV通过获取布置在其周围的两个测距声纳的测量值，调整AUV使其保持在支洞正中位置。由于接近支洞出口存在自由液面，当AUV正上方测距声纳测量值小于30cm，则认为AUV接近自由液面，AUV开启无线电，AUV将在自由液面处浮出水面，通过AUV无线电与岸基人员进行通信。

本发明提供了一种基于水下标志物直线检测的隧洞AUV引导方法，利用AUV搭载的摄像机与测距声纳，通过图像处理、目标检测方法识别标志物，通过测距声纳信息使AUV与隧洞壁保持一定间距，通过AUV自适应调整艏向角完成转弯，解决了AUV在隧洞中主洞与支洞引导问题，适用于多岔路的隧洞检测。

本发明涉及一种用于自主水下机器人Autonomous Underwater Vehicle，AUV在输水隧洞内的引导方法，适用于多岔路的输水隧洞转向航行及检测。标志物上为一个加工出相隔固定间距的四个平行矩形沟槽的不锈钢板，并刷上防腐防水哑光白色油漆，用螺栓固定在靠近待转弯支洞一侧。利用AUV左右两侧的摄像机进行检测，将拍摄得到的图像传入嵌入式计算机进行处理，首先进行水下图像预处理，然后利用改进Sobel算子进行边缘检测，利用改进的Hough变换方法进行直线检测，若检测到的直线数大于设定的阈值，并且连续3帧都满足直线检测条件，则认为AUV检测到标志物，AUV进入转弯模式，减速并靠近待转弯支洞一侧隧洞壁。利用布置在AUV中体的测距声纳信息，控制AUV保持与隧洞壁一定间距，当AUV左、右侧测距声纳测量值发生剧烈变化时，说明已进入支洞，通过AUV自适应调整艏向角完成转弯，使AUV顺利驶入支洞。本发明大大减少了人工参与，在任务执行阶段不需要人为操纵，整个检测过程由AUV自主完成，作业成本低。

本发明方法能够自主作业，在AUV隧洞检测作业时只需要在任务下达阶段进行操作，在任务执行阶段不需要人为操纵，整个检测过程由AUV自主完成，只需要将标志物布放在输水隧洞主洞与支洞交叉前方一定距离即可；制作的标志物在水下识别效果好，识别错误率低，采用相隔固定距离平行矩形沟槽的哑光白色不锈钢板作为标志物，能够在水下能见度较差的情况下实现目标检测，大大降低了误检测的可能；作业成本低，使用AUV和标志物作为隧洞检测的载体，不需要潜水员进入隧洞，大大降低了隧洞裂缝检测的作业成本与风险。

Claims (4)

1.一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于，包括以下步骤：

步骤1：制作水下引导标志物，标志物为矩形不锈钢板，钢板上加工出相隔固定间距的四个平行矩形沟槽，在钢板四周靠近边缘部分开孔，各孔利用螺栓将不锈钢板固定在在靠近待转弯支洞一侧的主洞内壁上；对不锈钢板标志物刷上防水防腐哑光白色油漆，使不锈钢板与四个平行矩形沟槽有明显区别，外表面采用防腐涂层覆盖和安装牺牲阳极的方法对标志物进行保护；

步骤2：AUV光学探测模块启动，通过水下摄像机采集图像，并将图像传入PC104嵌入式计算机进行处理，首先对图像进行快速中值滤波去噪、利用改进Sobel算子进行边缘检测、利用改进Hough变换进行直线检测，判断图像中直线数量是否大于等于4条，若连续3帧都满足条件则将结果发送至AUV，AUV进入转弯模式，若未达到条件则重复步骤2；

步骤3：AUV进入转弯模式后，减速并逐渐靠近待转弯支洞一侧隧洞壁，根据布置在AUV周围的两个测距声纳信息使AUV与隧洞壁保持一定间距，通过AUV自适应调整艏向角完成转弯，沿隧洞壁由隧洞主洞驶向支洞，完成AUV水下光学引导；

步骤4：当AUV驶入支洞后，AUV通过获取布置在其周围的两个测距声纳的测量值，调整AUV使测量值保持一致，使其保持在支洞正中位置向前行驶。

2.根据权利要求1所述的一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于：步骤2中将采集到的图像传入AUV中的PC104嵌入式计算机进行处理，图像处理具体包括以下步骤：

步骤2.1：对采集得到的水下图像进行灰度化；

步骤2.2：采用快速中值滤波算法去噪；

步骤2.3：利用改进的Sobel算子进行边缘检测，采用全局阈值和局部阈值相结合，寻求阈值设定自适应化，确定8个方向的3×3模板，根据卷积结果和阈值对图像进行二值化完成边缘检测；

步骤2.4：通过改进Hough变换直线检测算法进行标志物检测，改进Hough变换对峰值点邻域置零的区域进行了优化，所提取的直线邻域像素点不会对其他具有相似特征的直线进行投票，将边缘点映射到极坐标系，主要的计算工作集中在[0,π)间的正弦和余弦的计算上；将[0,π)之间的正弦和余弦值以数组的形式存储在系统中，进行直线检测时，通过查询三角函数表的方式获取像素点的极坐标。

3.根据权利要求2所述的一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于：步骤2.3中利用改进的Sobel算子进行边缘检测，具体实现步骤为：

步骤2.3.1：首先确定8个方向的3×3模板，选取8个方向，包括0°、45°、90°、135°、180°、225°、270°、315°方向，根据这些方向Sobel算子的模板进行扩展，得到8个边缘方向模板；

步骤2.3.2：自适应全局阈值采用最大类间方差法，利用积分图像得出的局部均值以及原图像像素点的灰度值计算局部阈值，采用全局阈值和局部阈值相结合，寻求阈值设定自适应化；

步骤2.3.3：根据8个边缘方向模板对水下图像像素进行卷积运算；

步骤2.3.4：根据卷积结果和设定自适应化的阈值对图像进行二值化，完成水下图像边缘检测。

4.根据权利要求2所述的一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于：步骤2.4中通过改进Hough变换直线检测算法进行标志物检测，改进Hough变换标志物直线特征提取的计算步骤为：

步骤2.4.1：初始化极坐标点数组(r,θ)，r为图像的对角线方向的像素数，θ在[0,π)内按照一定阈值取值；

步骤2.4.2：遍历图像中所有的像素点，对每一个像素点，在对应曲线经过的所以极坐标点的累加器上加一，即：A(r,θ)＝A(r,θ)+1；

步骤2.4.3：找到变换域中A值最大的极坐标点(r_max,θ_max)并记录；

步骤2.4.4：对区域R_ABCD中的极坐标点进行计算，所有满足r_i＝xcosθ_i+ysinθ_i的极坐标点，对应的累加器A(r_i,θ_i)＝A(r_i,θ_i)-1；

步骤2.4.5：重复步骤2.4.3和2.4.4，找到满足条件的n条特征直线，则停止寻找。