CN111090103A - 水下小目标动态精细检测三维成像装置及方法 - Google Patents

水下小目标动态精细检测三维成像装置及方法 Download PDF

Info

Publication number
CN111090103A
CN111090103A CN201911357770.0A CN201911357770A CN111090103A CN 111090103 A CN111090103 A CN 111090103A CN 201911357770 A CN201911357770 A CN 201911357770A CN 111090103 A CN111090103 A CN 111090103A
Authority
CN
China
Prior art keywords
laser
underwater
dimensional
line
data
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
CN201911357770.0A
Other languages
English (en)
Other versions
CN111090103B (zh
Inventor
徐鹏飞
骆佳成
任子成
张月
陈茂飞
程红霞
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201911357770.0A priority Critical patent/CN111090103B/zh
Publication of CN111090103A publication Critical patent/CN111090103A/zh
Priority to GB2020689.2A priority patent/GB2593960B/en
Application granted granted Critical
Publication of CN111090103B publication Critical patent/CN111090103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2545—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object with one projection direction and several detection directions, e.g. stereo
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2518—Projection by scanning of the object
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/46—Indirect determination of position data
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种水下小目标动态精细检测三维成像装置，包括平台（3），其特征在于：激光发射模块与水下摄像机（1）固定安装在平台上，水下摄像机（1）与处理单元（5）连接。激光检测是一种非接触式高精度高分辨率的检测技术，本发明的水下小目标动态精细检测三维成像装置，由于采用激光阵列单元，减少了点云数据拼接次数，提高点云成像质量，实现了海底高精度精细目标的动态检测。

Description

水下小目标动态精细检测三维成像装置及方法
技术领域
本发明涉及一种水下小目标动态精细检测三维成像装置，属于水下机器人探测技术领域。
背景技术
为了满足水下机器人在复杂海洋环境下的高效自主作业需求，水下目标检测作为机器人“眼睛”的功能要求越来越高，探测技术手段也越来越先进。水下目标检测的任务是在特定区域找出感兴趣的目标，是目标提取与识别的重要过程，目前应用较为广泛的主要有声学检测、光学检测和磁探测技术等。由于水体对电磁波的快速吸收作用，光学探测距离近，水中悬浮颗粒物的散射以及光源的不均匀性都会导致图像严重退化，由三维到二维的成像过程不可避免地损失了深度信息。基于双目光视觉的水下目标检测从理论上可以补充空间信息，但针对水下非结构化环境下的双目视觉特征匹配容易出现误匹配和病态问题，在线处理的计算量大、速度慢、精度差、故障率高。因此，水下目标探测长期以声学探测为主，具有探测距离远、不受水质条件影响等优势，高分辨率图像声纳技术发展迅速，包括前视声纳、侧扫声纳、多波束测深声纳，得到了广泛的应用。与光学相比，声学图像反映的是目标对声波的反射能量强度空间分布，由于水声信道的复杂性导致声学图像非常不直观、难以理解。因此，近年来出现了对声纳图像进行几何特征提取再进行空间重构的三维声纳成像技术，但由于水声信道噪声干扰，声纳波束主瓣指向不可避免存在旁瓣效应，导致成像分辨率虽高但检测精度较低，无法满足小目标的精细检测要求。此外，距离1m以内是目前三维声纳成像的检测盲区。激光扫描三维成像是当前比较前沿的高新技术手段，具有高分辨率、高精度的特点，图像处理计算量大大降低，但依然存在扫描速度慢、一致性构图质量受导航定位精度、载体位姿变化影响等缺陷。因此，水下机器人高速航行工况下近距离内的水下小目标精细检测是目前亟待解决的关键难题。
发明内容
本发明所要解决的技术问题是：现有的水下光视觉、声视觉获得的都是二维图像，光学探测受到水中悬浮颗粒散射、光源不均匀照明等影响，声学探测受到水声信道多途效应、换能器波束旁瓣效应等影响，成像质量较差及检测精度难以保证，无法准确获取水下目标的三维信息，不方便在线测量目标空间尺度特征，载体高速运动下的动态匹配非常困难。
为满足水下小目标及精细结构的高分辨率三维检测需求，本发明提出一种水下小目标动态精细检测三维成像装置及方法，是水下光视觉与水下激光扫描技术的创新组合，利用激光指向性强、蓝绿激光水下穿透性强等优点，首次采用平行激光阵列代替单线激光器进行快速扫描，大幅提高了水下激光的三维成像效率，实现多线激光扫描一次成像，可对高速航行工况下的水下动态小目标进行高效、高分辨率、高精度的三维点云成像，可搭载于各类水下机器人完成精细目标检测、环境监测等任务。
本发明的水下小目标动态精细检测三维成像装置，包括平台3，激光发射模块与水下摄像机1固定安装在平台上，水下摄像机1与处理单元5连接。
进一步地，所述平台安装在水下机器人8的下部，激光发射模块与水下摄像机1方向向下安装在平台3上，所述激光发射模块为阵列激光发射单元2，水下摄像机1向阵列激光发射单元2方向倾斜安装。
进一步地，所述水下摄像机1为两台，分别安装在阵列激光发射单元2的两侧。
进一步地，所述激光发射模块为单线激光器4，激光发射模块、水下摄像机1与处理单元5均安装在平台3上，所述平台3固定安装在步进电机6的输出轴上，所述步进电机6安装在支架7上。
一种水下小目标动态精细检测三维成像方法，具体包括以下步骤：
步骤一：硬件校准，包括水下摄像机内参校准以及激光器与水下摄像机之间的外参标定；
步骤二：当激光发射模块为单线激光器时，通过步进电机按角度步进控制单线激光器旋转；
当激光发射模块为阵列激光单元时，阵列激光单元通过平台所搭载的机器人控制步进移动；
步骤三：中央处理单元采集水下摄像机拍摄的原始图像；
步骤四：从步骤三得到的原始图像中分离出所有激光测线，对每条测线进行单独处理；
步骤五：对分离出的每条激光测线进行序列识别，包括检测激光测线是否完整未丢失和激光测线是否出现重合；
步骤六：对分离出的激光测线图像进行高斯滤波；
步骤七：自动分割阀值去除图像背景，得到激光测线最终的计算图像；
步骤八：逐行计算激光测线位置，确定行号数为i″y的激光测线位置曲线图中各个波峰的几何中心位置i″x及对应的波峰值，即未校正的激光测线位置和激光测线强度值；
步骤九：使用步骤一中标定的激光器旋转角度校正步骤八中得到的几何中心位置i″x、行号数为i"y，得到矫正后的波峰几何中心位置ix、图像像素行号iy；
步骤十：计算测量物体的三维点云，并将三维点云绘制在三维坐标上，三维点云颜色深浅由激光测线强度值决定；
或直接使用差分方法将被测量物体表面的色彩信息提取至三维点云中；
步骤十一：重复步骤二至步骤十，每得到设定帧数的图像则进行一次步骤十二；设定帧数可以10,也可以根据实际需求调整；
步骤十二：进行三维数据后处理，包括进行三维点云的简化以及三维点云的结构化。
本发明所达到的有益效果：
激光检测是一种非接触式高精度高分辨率的检测技术，本发明的水下小目标动态精细检测三维成像装置，由于采用激光阵列单元，减少了点云数据拼接次数，提高点云成像质量，实现了海底高精度精细目标的动态检测。
本发明的阵列激光检测系统能完善在测量高速移动物体时存在点云成像畸变的缺陷，实现高精度高速目标的检测工作。
本发明的阵列激光检测系统即使在较差的污浊的水下环境中，依然能够实现高精度的水下成像。
当阵列激光安装在水下机器人等运动载体上，每条激光测线独立形成的三维数据交叠区产生关联，通过点云信息特征分割、特征聚类方法提取三维点云图像局部特征，基于概率准则量化的局部特征匹配，根据匹配数据及特征一致性约束获取三维阵列激光图像所提供的位姿校准信息补偿载体运动位姿误差。相对于单线激光器，本发明的阵列激光发出多条激光打在目标物体上，一幅图像上能获取多条激光上的三维信息，提高了扫描密度，可减少测量次数，提升了测量精度以及测量效率。
附图说明
图1是水下阵列激光扫描三维成像原理图；
图2是等间距阵列激光器与水下摄像机布置示意图；
图3是多角度阵列激光器与水下摄像机布置示意图；
图4水下机器人搭载阵列激光器水下目标三维成像原理示意图；
图5是实施例1中采用双水下摄相机的阵列激光器水下目标三维成像原理示意图；
图6是实施例2中采用双水下摄相机的阵列激光器水下目标三维成像原理示意图；
图7为镜头畸变对比示意图；
图8为相机成像平面偏差示意图；
图9为标定示意图；
图10为激光器与相机外参标定示意图
图11为颜色与各通道分割值对照表；
图12为分割后的各颜色示意图；
图13为开启激光器前后的两幅图像对比示意图；
图14为分离出的激光测线效果图；
图15为分离出的原始激光测线位置曲线图；
图16为未进行高斯滤波的激光测线位置曲线图；
图17为高斯滤波后的激光测线位置曲线图；
图18为未去除背景的激光测线位置曲线图；
图19为去除背景的激光测线位置曲线图；
图20为激光测线位置矫正前后示意图；
图21为测试实物图；
图22为测试生成的三维点云图；
图23是激光测线未丢失情况示意图；
图24是激光测线重复情况示意图；
图25为一条激光测线部分缺失情况示意图；
图26为特征一致性计算示意图；
图27为三维重构示意图；
图28单线激光器装置模型图；
图29阵列激光装置模型图。
具体实施方式
下面结合附图对本发明的水下小目标动态精细检测三维成像装置作进一步详细的说明。
基于阵列激光的水下三维成像原理。图1是水下阵列激光扫描三维成像原理图，如图1所示，激光发射模块的激光测线连续扫描水下目标，在目标表面会发生光学反射，水下摄像机获取激光在目标上的参考线，与传统的水下光视觉相比增加了确定性的一字线几何约束。由于激光具有优良的指向性能，因此在目标三维成像中与水声探测相比可以更容易地实现空间高分辨率和高精度性能。
根据图1的三角几何关系可知激光器到目标的距离D、高度H分别为：
D＝d·tan(α+β) (1)
Figure BDA0002336402460000051
Figure BDA0002336402460000061
(x,y,z)＝(0,H,D)×T (4)
式中，d是激光器与摄像机之间的安装臂长，α代表摄像机光轴与安装臂之间的夹角，f为摄像机镜头与感官元件的焦距，px为成像点与感光平面水平偏差，py为成像点与感光平面竖向偏差，其中f、px、py均以像素为单位，β是目标与摄像机光轴的夹角；静止的情况下此部分只能形成两轴数据，形成完整的三维数据需要平台移动形成第三轴数据，两轴(0,D,H)数据在平台与大地坐标系的变换矩阵T下形成三维点云(x,y,z)。
为了完整的构建水下目标三维点云，激光发射模块的激光器可采取两种工作方式：
1)与水下目标保持固定，激光发射模块以一定的步进角速度绕自身轴连续旋转最多360°，覆盖目标区域，步进角速度一般<0.1°/秒，越小成像质量越高。
2)激光发射模块以设定的移动速度连续平移，覆盖目标区域，移动速度一般<0.5米/秒，越慢成像质量越高。单个激光测线连续移动或旋转形成单一数据，这两种方式的检测效率都较低，因此，为提高动态测量效率及精细目标检测要求，本发明在单线激光器三维成像技术基础上，进一步提出了通过多线平行阵列激光来提高三维成像目标检测效率的技术方法。
水下小目标动态精细检测三维成像装置实施例1：
平台3安装在水下机器人8的下部，激光发射模块与水下摄像机1均方向向下安装在平台3上，水下摄像机1与处理单元5连接，处理单元5安装在合适的位置不做限制，所述激光发射模块为阵列激光发射单元2，所述水下摄像机1为两台，分别安装在阵列激光发射单元2的两侧，两台水下摄像机向阵列激光发射单元2方向倾斜安装。
激光器竖直向下安装，摄像机采取斜向下安装、可产生立体的测量效果。为解决激光线在目标物表面存在的异常情况(缺失、交错、重叠等)而导致的检测误差，在阵列激光发射单元的两侧分别对称布置一个水下摄像机，可以大大减少由于观察视角引起的测量误差或盲区。
所述阵列激光发射单元的激光器布置方式为：多个激光器9按设定间隔平行排列布置，所述激光器为一字线激光器，如图2，激光器按此布置方式时，计算精度高，在不同的测量距离下形成的平行激光间距保持不变，抗干扰能力较强，测量精度高。如图4所示。阵列激光发射单元有两种工作状态：
1)处于高频定时通断状态，水下摄像机同步交替采集有无激光参考线的海底光学图像，通过差分算法快速分割提取参考激光测线，形成海底目标三维点云。
2)处于连续发射状态，水下摄像机同步采集有激光参考线的海底光学图像，通过边缘分割算法提取参考激光测线，形成海底目标三维点云。随着水下机器人的移动，沿着其运动方向不断测量形成连续的水下近底目标三维点云数据图像。这两种工作状态，方式2)中，在水下摄像机帧频同步采集不匹配时不容易出现虚影干扰。
水下小目标动态精细检测三维成像装置实施例2
所述阵列激光发射单元的激光器布置方式为：在同一垂直平面的同一位置布置多个激光器，所述激光器为一字线激光器，每个一字线激光器以不同的角度安装。如图3，在安装空间要求紧凑时采用本实施例的方式。
其它技术特征与实施例1相同。
水下小目标动态精细检测三维成像装置实施例3
如图28所示，包括平台，激光发射模块与水下摄像机固定安装在平台上，水下摄像机与处理单元连接。
所述激光发射模块为单线激光器，激光发射模块、水下摄像机与处理单元均安装在平台上，所述平台固定安装在步进电机的输出轴上，所述步进电机安装在支架上。
其它技术特征与实施例1相同。
本发明的水下小目标动态精细检测三维成像方法，具体包括以下步骤：
步骤一：硬件校准，包括水下摄像机内参校准以及激光器与水下摄像机之间的外参标定；
步骤二：当激光发射模块为单线激光器时，通过步进电机按角度步进控制单线激光器旋转；
当激光发射模块为阵列激光单元时，阵列激光单元通过平台所搭载的机器人控制步进移动；
步骤三：中央处理单元采集水下摄像机拍摄的原始图像；
步骤四：从步骤三得到的原始图像中分离出所有激光测线，对每条测线进行单独处理；
步骤五：对分离出的每条激光测线进行序列识别，包括检测激光测线是否完整未丢失和激光测线是否出现重合；
步骤六：对分离出的激光测线图像进行高斯滤波；
步骤七：自动分割阀值去除图像背景，得到激光测线最终的计算图像；
步骤八：逐行计算激光测线位置，确定行号数为i″y的激光测线位置曲线图中各个波峰的几何中心位置i″x及对应的波峰值，即未校正的激光测线位置和激光测线强度值；
步骤九：使用步骤一中标定的激光器旋转角度校正步骤八中得到的几何中心位置i″x、行号数为i"y，得到矫正后的波峰几何中心位置ix、图像像素行号iy；
步骤十：计算测量物体的三维点云，并将三维点云绘制在三维坐标上，三维点云颜色深浅由激光测线强度值决定；
或直接使用差分方法将被测量物体表面的色彩信息提取至三维点云中；
步骤十一：重复步骤二至步骤十，每得到设定帧数的图像则进行一次步骤十二；设定帧数可以10,也可以根据实际需求调整；
步骤十二：进行三维数据后处理，包括进行三维点云的简化以及三维点云的结构化。
各步骤中的具体细节说明如下：
1.步骤一中，水下摄像机内参校准,包括水下摄像机的摄像头内部由于镜头光学畸变和摄像机成像平面的旋转造成的照相机误差。
图7为镜头畸变对比示意图；图中(a)、(b)、(c)分别表示正常物体、枕型畸变、桶型畸变示意图。
图8为相机成像平面偏差示意图。
图9为标定示意图；通过张正友与棋盘网格的标定方式确定焦距、主点、径向畸变、切向畸变、旋转矩阵、平移向量等重要参数。
激光器与水下摄像机外参标定,激光器与水下摄像机之间安装需要精密安装，但不可避免的造成安装偏差，通过标定算法确定具体的参数。图10为激光器与相机外参标定示意图，待标定的参数包括：1.激光器的旋转角度β；2.激光器线面与摄像机感光面的夹角a；3.摄像机镜头中心与激光器产生的线面距离d。
具体标定的方法：在水下摄像机矫正后的基础上，采用棋盘网格标定板作为标定目标物，通过摄像机采集棋盘标定板图像，计算出标定各角点的距离，通过各角点插值方式确定测线位置的距离，采集大量标定图像，建立方程组通过解方程组合数值解的方式确定β、a、d三个参数。
2.步骤二中，两种步进方式如下：
21)当激光发射模块为单线激光器时，通过步进电机按角度步进控制单线激光器旋转；
角度步进为与水下目标保持固定，激光发射模块以一定的步进角速度绕自身轴连续旋转最多360°，覆盖目标区域，步进角速度一般<0.1°/秒，越小成像质量越高。
22)当激光发射模块为阵列激光单元时，阵列激光单元通过平台所搭载的机器人控制步进移动；
激光发射模块以设定的移动速度连续平移，覆盖目标区域，移动速度一般<0.5米/秒，越慢成像质量越高。
3.步骤四中，分离激光测线的方法包括以下两种。
分离激光测线的方法一：不同波长的激光测线在水下摄像机形成的RGB图像数据色彩不同，根据RGB各通道分离激光测线；HSV色彩空间表示方式在分割颜色上比RGB模式更精确，将步骤三得到的原始图像的RGB图像转化成HSV图像，然后根据分割值对照表，将HSV图像中的各颜色按照各通道的数值范围进行分割，图11为颜色与各通道分割值对照表；图12为分割后的各颜色示意图。
分离激光测线的方法二：两幅图像差方法，具体步骤为：外界光干扰下，使用RGB模式分割方式将会受到一定的干扰，为了提高抗干扰，采用差的方式分离激光测线；采集一幅无激光照射的目标物体图像，开启激光器后采集一幅目标物体图像，形成静态下两幅图像，两幅图像相减分离出激光测线。图13为开启激光器前后的两幅图像对比示意图；图14为分离出的激光测线效果图；
4.步骤五中，激光测线丢失的具体情况讨论如下：
图23是激光测线未丢失情况示意图；将安装各颜色激光器的次序与激光测线序列进行比较，检测阵列激光测线是否完整，激光器的安装次序为RGB三个颜色交替布置；
对于激光测线丢失的情况，包括:
a.图25为一条激光测线部分缺失情况示意图；
丢失一条激光测线的情况分别有6种情况，6种情况均可识别，丢失一条激光测线情况下，通过颜色识别对应编号可确定丢失的激光测线，如图25所示，缺失一条测线，缺失部分红色测线下一条便是蓝色，中间缺失一条绿色，前面出现过绿色测线可确定丢失测线为编号4的绿色测线。表1为缺失一条激光测线分布表。
表1
状态 R G B R G B
可识别 - + + + + +
可识别 + - + + + +
可识别 + + - - + +
可识别 + + + - + +
可识别 + + + + - +
可识别 + + + + + -
b)两条激光测线缺失，包括整条缺失和部分缺失，共有(6×5)/(2×1)情况。表2为缺失两条测线分布表。
表2
状态 R G B R G B
可识别 - - + + + +
可识别 - + - + + +
可识别 - + + - + +
可识别 - + + + |- +
可识别 - + + + + -
可识别 + - - + + +
可识别 + - + - + +
可识别 + - + + - +
可识别 + - + + + -
可识别 + + - - + +
可识别 + + - + - +
可识别 + + - + + -
可识别 + + + - - +
可识别 + + + - + -
可识别 + + + + - -
从表2可识别丢失两条测线时激光测线的情况。
c)三条测线丢失时共有(6×5×4)/(3×2×1)＝20列举几种不可识别的。表3为缺失3条测线分布表。
表3
Figure BDA0002336402460000111
Figure BDA0002336402460000121
因此每个颜色等距离相隔识别率较高，选用识别率较高的RGBRGB、GRBGRB、RBGRBG等排列方式更加准确识别出测线。
通过编码方式识别出各激光测线，各激光测线独立形成三维数据。
步骤五序列识别中激光重合的具体情况由叠加后的颜色情况具体分析。
5.步骤六中,高斯滤波器的效果可见前后对比图，图15、图16、图17.图15为分离出的原始激光测线位置曲线图；图中激光测线位置数据呈现高斯曲线形态，但由于存在大量数据噪声并不适合直接处理，对分离出的激光测线图像采用高斯滤波器进行滤波；使用滤波器对噪声有明显的抑制，并使得激光曲线高斯形态更加明显。图16为未进行高斯滤波的激光测线位置曲线图；图17为高斯滤波后的激光测线位置曲线图。图15-图19横坐标为图像宽度方向位置，纵坐标为每一行像素的灰度值，图像高度方向每一行都有这样的曲线。
6.步骤七中，去除图像背景的具体步骤为：
71)构建各颜色通道信息的直方图分布；
72)基于直方图聚类的类间差异最大化原则自动求解直方图分割阈值，通过分割阀值去除图像背景并降低整体噪声。
采用自动分割阀值处理，处理过后只剩波峰位置的曲线，便于进一步识别激光测线位置。图18为未去除背景的激光测线位置曲线图；图19为去除背景的激光测线位置曲线图。
7.步骤八中,通过滑动滤波的方式寻找最高点得到波峰位置。
8.步骤十中,计算三维点云的公式为：
px＝ix-W/2 (1)
py＝iy-h/2 (2)
D＝d·tan(α+β) (3)
Figure BDA0002336402460000131
Figure BDA0002336402460000132
(x,y,z)＝(0,H,D)×T (6)
式中，W为图像分辨率的宽，h为图像分辨率的高度，D为激光器到目标物体的距离，H为激光器到目标物体的高度，d是激光器与水下摄像机之间的安装臂长，α代表水下摄像机光轴与安装臂之间的夹角，f水下摄像机镜头与感光元件的焦距，px为成像点与感光平面水平偏差，py为成像点与感光平面竖向偏差，其中f、px、py均以像素为单位，β是目标物体与水下摄像机光轴的夹角,T为变换矩阵，三维点云(x,y,z)；其余参数均已通过标定得出，为固定常数，静止的情况下此部分只能形成两轴数据，形成完整的三维数据需要平台移动形成第三轴数据，两轴(0,D,H)数据在平台与大地坐标系的变换矩阵T下形成三维点云(x,y,z)。
9.步骤十二中，形成三维点云后，进行数据后处理：
121)去除冗余数据：
由于测量形成的数据中，一部分三维点数据较近且冗余，表示物体的特征轮廓不明显，因此采用局部异常因子全局分割的方法分离大量重复数据，保留轮廓的重要点，减少数据量，同时最大化的保留精度。
122)三维数据匹配：
a)对三维数据进行数据匹配，重叠部分数据进行特征一致性计算，通过特征一致性计算得到平台定位和姿态信息，进一步提供数据给处理单元,处理单元生成姿态数据，并将姿态数据与惯性导航数据进行数据融合，从而得到相互校准的姿态信息,提供给移动机器人。图26为特征一致性计算示意图。惯性导航数据包括经纬度、深度及姿态数据；
b)三维点云结构化网格化，通过测量形成的三维点云数据是点数据，不具有面结构，通过点云的结构化网格化形成具有面结构的立体结构，去除部分噪声点，进行空间的三维重构，构造高精度的水下三维图像。图27为三维重构示意图。
123)加速处理，包括以下步骤：
a)每一行像素之间相互独立，进行并行加速；
b)摄像头数据Mjpg解码使用硬解码加速解码；
c)大部分区域激光测线所成的线为连续的，因此采用像素区域生长方法加快识别激光测线。
经过后处理后，每个激光测线形成独立的三维点云数据，阵列激光发射单元或单线激光器在运动的过程中各颜色激光测线会形成点云数据重叠，重叠部分根据水平面一致性连续原理，以帧间图像重叠区域特征匹配构建相邻帧三维点云位置偏差的概率矫正模型来修正此区域的三维数据。

Claims (13)

1.一种水下小目标动态精细检测三维成像装置，包括平台(3)，其特征在于：激光发射模块与水下摄像机(1)固定安装在平台上，水下摄像机(1)与处理单元(5)连接。
2.根据权利要求1所述的水下小目标动态精细检测三维成像装置，其特征在于：所述平台安装在水下机器人(8)的下部，激光发射模块与水下摄像机(1)方向向下安装在平台(3)上，所述激光发射模块为阵列激光发射单元(2)，水下摄像机(1)向阵列激光发射单元(2)方向倾斜安装。
3.根据权利要求2所述的水下小目标动态精细检测三维成像装置，其特征在所述水下摄像机(1)为两台，分别安装在阵列激光发射单元(2)的两侧。
4.根据权利要求1所述的水下小目标动态精细检测三维成像装置，其特征在于：所述激光发射模块为单线激光器(4)，激光发射模块、水下摄像机(1)与处理单元(5)均安装在平台(3)上，所述平台(3)固定安装在步进电机(6)的输出轴上，所述步进电机(6)安装在支架(7)上。
5.根据权利要求2或3所述的水下小目标动态精细检测三维成像装置，其特征在于：所述阵列激光发射单元的激光器布置方式为：
多个激光器(9)按设定间隔平行排列布置，所述激光器为一字线激光器；或
在同一垂直平面的同一位置布置多个激光器，所述激光器为一字线激光器，每个一字线激光器以不同的角度安装。
6.一种水下小目标动态精细检测三维成像方法，其特征在于：包括以下步骤：
步骤一：硬件校准，包括水下摄像机内参校准以及激光器与水下摄像机之间的外参标定；
步骤二：当激光发射模块为单线激光器时，通过步进电机按角度步进控制单线激光器旋转；
当激光发射模块为阵列激光单元时，阵列激光单元通过平台所搭载的机器人控制步进移动；
步骤三：中央处理单元采集水下摄像机拍摄的原始图像；
步骤四：从步骤三得到的原始图像中分离出所有激光测线，对每条测线进行单独处理；
步骤五：对分离出的每条激光测线进行序列识别，包括检测激光测线是否完整未丢失和激光测线是否出现重合；
步骤六：对分离出的激光测线图像进行高斯滤波；
步骤七：自动分割阀值去除图像背景，得到激光测线最终的计算图像；
步骤八：逐行计算激光测线位置，确定行号数为i″y的激光测线位置曲线图中各个波峰的几何中心位置i″x及对应的波峰值，即未校正的激光测线位置和激光测线强度值；
步骤九：使用步骤一中标定的激光器旋转角度校正步骤八中得到的几何中心位置i″x、行号数为i"y，得到矫正后的波峰几何中心位置ix、图像像素行号iy；
步骤十：计算测量物体的三维点云，并将三维点云绘制在三维坐标上，三维点云颜色深浅由激光测线强度值决定；
或直接使用差分方法将被测量物体表面的色彩信息提取至三维点云中；
步骤十一：重复步骤二至步骤十，每得到设定帧数的图像则进行一次步骤十二；
步骤十二：进行三维数据后处理。
7.根据权利要求6所述的水下小目标动态精细检测三维成像方法，其特征在于：在所述步骤四中，分离激光测线的方法包括以下两种：
分离激光测线的方法一：将步骤三得到的原始图像的RGB图像转化成HSV图像，然后根据分割值对照表，将HSV图像中的各颜色按照各通道的数值范围进行分割；
分离激光测线的方法二：两幅图像差方法，具体步骤为：采集一幅无激光照射的目标物体图像，开启激光器后采集一幅目标物体图像，形成静态下两幅图像，两幅图像相减分离出激光测线。
8.根据权利要求6所述的水下小目标动态精细检测三维成像方法，其特征在于：在步骤七中，去除图像背景的具体步骤为：
71)构建各颜色通道信息的直方图分布；
72)基于直方图聚类的类间差异最大化原则自动求解直方图分割阈值，通过分割阀值去除图像背景并降低整体噪声。
9.根据权利要求6所述的水下小目标动态精细检测三维成像方法，其特征在于：在步骤八中，通过滑动滤波的方式寻找最高点得到波峰位置。
10.根据权利要求6所述的水下小目标动态精细检测三维成像方法，其特征在于：在步骤十中,计算三维点云的公式为：
px＝ix-W/2 (1)
py＝iy-h/2 (2)
D＝d·tan(α+β) (3)
Figure FDA0002336402450000031
Figure FDA0002336402450000032
(x,y,z)＝(0,H,D)×T (6)
式中，W为图像分辨率的宽，h为图像分辨率的高度，D为激光器到目标物体的距离，H为激光器到目标物体的高度，d是激光器与水下摄像机之间的安装臂长，α代表水下摄像机光轴与安装臂之间的夹角，f水下摄像机镜头与感光元件的焦距，px为成像点与感光平面水平偏差，py为成像点与感光平面竖向偏差，其中f、px、py均以像素为单位，β是目标物体与水下摄像机光轴的夹角,T为变换矩阵，三维点云(x,y,z)；其余参数均已通过标定得出，为固定常数，静止的情况下此部分只能形成两轴数据，形成完整的三维数据需要平台移动形成第三轴数据，两轴(0,D,H)数据在平台与大地坐标系的变换矩阵T下形成三维点云(x,y,z)。
11.根据权利要求6所述的水下小目标动态精细检测三维成像方法，其特征在于：在步骤十二中，数据后处理包括去除冗余数据：
采用局部异常因子全局分割的方法分离重复数据，保留轮廓的重要点。
12.根据权利要求6所述的水下小目标动态精细检测三维成像方法，其特征在于：在步骤十二中，数据后处理包括三维数据匹配：
a)对三维数据进行数据匹配，重叠部分数据进行特征一致性计算，通过特征一致性计算得到平台定位和姿态信息，进一步提供数据给处理单元,处理单元生成姿态数据，并将姿态数据与惯性导航数据进行数据融合，从而得到相互校准的姿态信息；
b)三维点云结构化网格化，通过点云的结构化网格化形成具有面结构的立体结构，去除部分噪声点，进行空间的三维重构。
13.根据权利要求6所述的水下小目标动态精细检测三维成像方法，其特征在于：在步骤十二中，数据后处理包括加速处理：
a)每一行像素之间相互独立，进行并行加速；
b)摄像头数据Mjpg解码使用硬解码加速解码；
c)采用像素区域生长方法加快识别激光测线。
CN201911357770.0A 2019-12-25 2019-12-25 水下小目标动态精细检测三维成像装置及方法 Active CN111090103B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911357770.0A CN111090103B (zh) 2019-12-25 2019-12-25 水下小目标动态精细检测三维成像装置及方法
GB2020689.2A GB2593960B (en) 2019-12-25 2020-12-29 3-D imaging apparatus and method for dynamically and finely detecting small underwater objects

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911357770.0A CN111090103B (zh) 2019-12-25 2019-12-25 水下小目标动态精细检测三维成像装置及方法

Publications (2)

Publication Number Publication Date
CN111090103A true CN111090103A (zh) 2020-05-01
CN111090103B CN111090103B (zh) 2021-03-02

Family

ID=70397244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911357770.0A Active CN111090103B (zh) 2019-12-25 2019-12-25 水下小目标动态精细检测三维成像装置及方法

Country Status (2)

Country Link
CN (1) CN111090103B (zh)
GB (1) GB2593960B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111722241A (zh) * 2020-05-18 2020-09-29 深圳奥锐达科技有限公司 一种多线扫描距离测量系统、方法及电子设备
CN111751839A (zh) * 2020-06-30 2020-10-09 博雅工道（北京）机器人科技有限公司 一种水下智能扫描微分激光尺
CN112161574A (zh) * 2020-10-12 2021-01-01 昆明理工大学 一种基于发散型多线激光投影的三维测量系统及测量方法
CN112284294A (zh) * 2020-09-27 2021-01-29 浙江大学 一种水下多波段交叉线阵激光三维扫描系统
CN113137920A (zh) * 2021-05-19 2021-07-20 重庆大学 一种水下测量的设备与水下测量方法
CN113252784A (zh) * 2021-05-12 2021-08-13 杭州仁牧科技有限公司 一种基于船舶的声学信号成品检验系统及其快速检验方法
CN113596298A (zh) * 2021-07-19 2021-11-02 大连海事大学 一种水下激光同步场扫描成像装置及方法
CN114087932A (zh) * 2021-09-03 2022-02-25 南京理工大学 基于卡尔曼滤波与弹道方程融合的水中三维弹道拟合方法
CN114200463A (zh) * 2021-12-09 2022-03-18 青岛图海纬度科技有限公司 一种水下激光扫描设备
CN114485613A (zh) * 2021-12-31 2022-05-13 海南浙江大学研究院 一种多信息融合水下机器人定位方法
CN114609591A (zh) * 2022-03-18 2022-06-10 湖南星晟智控科技有限公司 一种基于激光点云数据的数据处理方法
CN114915335A (zh) * 2021-02-10 2022-08-16 深南电路股份有限公司 一种基于波分复用的极性测试方法及装置
CN118226464A (zh) * 2024-05-23 2024-06-21 国家海洋局南海环境监测中心（中国海监南海区检验鉴定中心） 基于全息成像的海底地形三维重建与实时监测系统及方法
CN118731972A (zh) * 2024-08-30 2024-10-01 四川吉利学院 一种基于微扫描振镜的便携式激光成像方法及系统

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11710245B2 (en) * 2020-02-25 2023-07-25 Jack Wade Real-time marine snow noise removal from underwater video
CN112991533B (zh) * 2021-03-18 2022-06-10 中国海洋大学 基于激光三角法的旋转水下物体三维重建方法
CN112991532B (zh) * 2021-03-18 2022-03-22 中国海洋大学 基于光度立体法和激光三角法的水下高精度三维重建方法
CN113450374B (zh) * 2021-06-25 2022-10-14 山东航天电子技术研究所 一种基于激光成像的水下目标自动实时三维测量方法
CN113960564B (zh) * 2021-09-17 2024-06-18 上海大学 一种用于水下检测的激光综合参考系统及测距和标定的方法
CN113899319B (zh) * 2021-09-29 2022-08-02 上海交通大学 燃料组件水下弯扭变形测量验证装置、方法、设备及介质
CN114111628A (zh) * 2021-12-07 2022-03-01 西安理工大学 一种水下目标激光点云数据三维重建算法
CN115049698B (zh) * 2022-08-17 2022-11-04 杭州兆华电子股份有限公司 一种手持声成像设备的云图显示方法及装置
CN116206070B (zh) * 2023-05-05 2023-07-21 中国海洋大学 一种基于机器双目视觉的船体水下成像方法及水下机器人
CN116977576B (zh) * 2023-05-11 2024-09-24 中国科学院地理科学与资源研究所 基于水下图像的沙质床面三维地形重构方法
CN116595119B (zh) * 2023-07-17 2023-09-19 广东省通信产业服务有限公司 形状自适应的等距膨胀禁区安全线的划定及闯入识别方法
CN117456108B (zh) * 2023-12-22 2024-02-23 四川省安全科学技术研究院 一种线激光传感器与高清摄像头的三维数据采集方法
CN118259367B (zh) * 2024-05-30 2024-07-30 中国海洋大学 一种海洋资源分布可视化方法及海洋资源勘探机器人

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2530273Y (zh) * 2002-01-10 2003-01-08 青岛海洋大学 水下激光飞线扫描成像装置
JP2005141433A (ja) * 2003-11-05 2005-06-02 Mhi Environment Engineering Co Ltd ３次元仮想現実感シミュレータ
CN101000233A (zh) * 2007-01-17 2007-07-18 曲兆松 水下三维地形测量系统
US7796809B1 (en) * 2003-12-15 2010-09-14 University Of South Florida 3-D imaging system with pre-test module
CN103616697A (zh) * 2013-12-05 2014-03-05 哈尔滨工程大学 一种智能水下激光探测系统
CN103913734A (zh) * 2014-03-28 2014-07-09 中国科学院上海技术物理研究所 非合目标激光反射投影中心对准方法
CN103971406A (zh) * 2014-05-09 2014-08-06 青岛大学 基于线结构光的水下目标三维重建方法
CN104793619A (zh) * 2015-04-17 2015-07-22 上海交通大学 基于摆动单线激光雷达的仓库巷道自动引导车导航装置
CN105654549A (zh) * 2015-12-31 2016-06-08 中国海洋大学 基于结构光技术和光度立体技术的水下三维重建装置及方法
CN106780725A (zh) * 2016-12-23 2017-05-31 西安交通大学 一种双目三维重构方法及系统
CN107063129A (zh) * 2017-05-25 2017-08-18 西安知象光电科技有限公司 一种阵列式并行激光投影三维扫描方法
CN107167073A (zh) * 2017-05-18 2017-09-15 浙江四点灵机器人股份有限公司 一种线阵结构光三维快速测量装置及其测量方法
CN206627629U (zh) * 2017-03-13 2017-11-10 湖北大学 一种基于psd的简易鱼群探测仪
CN107478203A (zh) * 2017-08-10 2017-12-15 王兴 一种基于激光扫描的3d成像装置及成像方法
CN207752152U (zh) * 2018-02-02 2018-08-21 保定市天河电子技术有限公司 高频激光雷达
CN109059873A (zh) * 2018-06-08 2018-12-21 上海大学 基于光场多层折射模型的水下三维重建装置和方法
CN109282743A (zh) * 2018-07-30 2019-01-29 上海大学 适合深海原位测量的激光高速线扫描双目视觉三维成像装置
CN109367706A (zh) * 2018-10-26 2019-02-22 河海大学 一种无人船在水面主动捕获水下无人航行器的装置及方法
CN109709574A (zh) * 2019-01-09 2019-05-03 国家海洋局第一海洋研究所 一种海底微地形激光扫描成像系统及三维地形重建方法
CN110223379A (zh) * 2019-06-10 2019-09-10 于兴虎 基于激光雷达的三维点云重建方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2909811B1 (en) * 2012-10-17 2020-02-19 Cathx Research Ltd. Improvements in and relating to gathering range and dimensional information underwater surveys
EP3180585A1 (en) * 2014-08-15 2017-06-21 Fugro N.V. Underwater laser based modeling device
CN107907048A (zh) * 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
CN208907956U (zh) * 2018-11-21 2019-05-28 中国海洋大学 一种遥控水下三维重建系统
CN110044300B (zh) * 2019-01-22 2024-04-09 中国海洋大学 基于激光器的两栖三维视觉探测装置及探测方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2530273Y (zh) * 2002-01-10 2003-01-08 青岛海洋大学 水下激光飞线扫描成像装置
JP2005141433A (ja) * 2003-11-05 2005-06-02 Mhi Environment Engineering Co Ltd ３次元仮想現実感シミュレータ
US7796809B1 (en) * 2003-12-15 2010-09-14 University Of South Florida 3-D imaging system with pre-test module
CN101000233A (zh) * 2007-01-17 2007-07-18 曲兆松 水下三维地形测量系统
CN103616697A (zh) * 2013-12-05 2014-03-05 哈尔滨工程大学 一种智能水下激光探测系统
CN103913734A (zh) * 2014-03-28 2014-07-09 中国科学院上海技术物理研究所 非合目标激光反射投影中心对准方法
CN103971406A (zh) * 2014-05-09 2014-08-06 青岛大学 基于线结构光的水下目标三维重建方法
CN104793619A (zh) * 2015-04-17 2015-07-22 上海交通大学 基于摆动单线激光雷达的仓库巷道自动引导车导航装置
CN105654549A (zh) * 2015-12-31 2016-06-08 中国海洋大学 基于结构光技术和光度立体技术的水下三维重建装置及方法
CN106780725A (zh) * 2016-12-23 2017-05-31 西安交通大学 一种双目三维重构方法及系统
CN206627629U (zh) * 2017-03-13 2017-11-10 湖北大学 一种基于psd的简易鱼群探测仪
CN107167073A (zh) * 2017-05-18 2017-09-15 浙江四点灵机器人股份有限公司 一种线阵结构光三维快速测量装置及其测量方法
CN107063129A (zh) * 2017-05-25 2017-08-18 西安知象光电科技有限公司 一种阵列式并行激光投影三维扫描方法
CN107478203A (zh) * 2017-08-10 2017-12-15 王兴 一种基于激光扫描的3d成像装置及成像方法
CN207752152U (zh) * 2018-02-02 2018-08-21 保定市天河电子技术有限公司 高频激光雷达
CN109059873A (zh) * 2018-06-08 2018-12-21 上海大学 基于光场多层折射模型的水下三维重建装置和方法
CN109282743A (zh) * 2018-07-30 2019-01-29 上海大学 适合深海原位测量的激光高速线扫描双目视觉三维成像装置
CN109367706A (zh) * 2018-10-26 2019-02-22 河海大学 一种无人船在水面主动捕获水下无人航行器的装置及方法
CN109709574A (zh) * 2019-01-09 2019-05-03 国家海洋局第一海洋研究所 一种海底微地形激光扫描成像系统及三维地形重建方法
CN110223379A (zh) * 2019-06-10 2019-09-10 于兴虎 基于激光雷达的三维点云重建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PAULO DREWS-JR ET AL.: "Real-Time Depth Estimation for Underwater Inspection Using Dual Laser and Camera", 《RESEARCH GATE》 *
徐鹏飞 等: "球形底栖潜水器概念设计研究", 《中国造船》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111722241A (zh) * 2020-05-18 2020-09-29 深圳奥锐达科技有限公司 一种多线扫描距离测量系统、方法及电子设备
CN111722241B (zh) * 2020-05-18 2023-09-05 深圳奥锐达科技有限公司 一种多线扫描距离测量系统、方法及电子设备
CN111751839A (zh) * 2020-06-30 2020-10-09 博雅工道（北京）机器人科技有限公司 一种水下智能扫描微分激光尺
CN111751839B (zh) * 2020-06-30 2022-03-25 博雅工道（北京）机器人科技有限公司 一种水下智能扫描微分激光尺
CN112284294A (zh) * 2020-09-27 2021-01-29 浙江大学 一种水下多波段交叉线阵激光三维扫描系统
CN112161574A (zh) * 2020-10-12 2021-01-01 昆明理工大学 一种基于发散型多线激光投影的三维测量系统及测量方法
CN114915335A (zh) * 2021-02-10 2022-08-16 深南电路股份有限公司 一种基于波分复用的极性测试方法及装置
CN114915335B (zh) * 2021-02-10 2023-11-10 深南电路股份有限公司 一种基于波分复用的极性测试方法及装置
CN113252784A (zh) * 2021-05-12 2021-08-13 杭州仁牧科技有限公司 一种基于船舶的声学信号成品检验系统及其快速检验方法
CN113252784B (zh) * 2021-05-12 2024-04-19 杭州仁牧科技有限公司 一种基于船舶的声学信号成品检验系统及其快速检验方法
CN113137920A (zh) * 2021-05-19 2021-07-20 重庆大学 一种水下测量的设备与水下测量方法
CN113137920B (zh) * 2021-05-19 2022-09-23 重庆大学 一种水下测量的设备与水下测量方法
CN113596298A (zh) * 2021-07-19 2021-11-02 大连海事大学 一种水下激光同步场扫描成像装置及方法
CN113596298B (zh) * 2021-07-19 2022-08-02 大连海事大学 一种水下激光同步场扫描成像装置及方法
CN114087932B (zh) * 2021-09-03 2023-09-01 南京理工大学 基于卡尔曼滤波与弹道方程融合的水中三维弹道拟合方法
CN114087932A (zh) * 2021-09-03 2022-02-25 南京理工大学 基于卡尔曼滤波与弹道方程融合的水中三维弹道拟合方法
CN114200463A (zh) * 2021-12-09 2022-03-18 青岛图海纬度科技有限公司 一种水下激光扫描设备
CN114485613A (zh) * 2021-12-31 2022-05-13 海南浙江大学研究院 一种多信息融合水下机器人定位方法
CN114485613B (zh) * 2021-12-31 2024-05-17 浙江大学海南研究院 一种多信息融合水下机器人定位方法
CN114609591A (zh) * 2022-03-18 2022-06-10 湖南星晟智控科技有限公司 一种基于激光点云数据的数据处理方法
CN114609591B (zh) * 2022-03-18 2022-12-20 湖南星晟智控科技有限公司 一种基于激光点云数据的数据处理方法
CN118226464A (zh) * 2024-05-23 2024-06-21 国家海洋局南海环境监测中心（中国海监南海区检验鉴定中心） 基于全息成像的海底地形三维重建与实时监测系统及方法
CN118226464B (zh) * 2024-05-23 2024-08-02 国家海洋局南海环境监测中心（中国海监南海区检验鉴定中心） 基于全息成像的海底地形三维重建与实时监测系统及方法
CN118731972A (zh) * 2024-08-30 2024-10-01 四川吉利学院 一种基于微扫描振镜的便携式激光成像方法及系统

Also Published As

Publication number Publication date
GB2593960B (en) 2024-06-19
CN111090103B (zh) 2021-03-02
GB202020689D0 (en) 2021-02-10
GB2593960A (en) 2021-10-13
GB2593960A8 (en) 2022-01-12

Similar Documents

Publication Publication Date Title
CN111090103B (zh) 水下小目标动态精细检测三维成像装置及方法
Roman et al. Application of structured light imaging for high resolution mapping of underwater archaeological sites
CN110208771B (zh) 一种移动二维激光雷达的点云强度改正方法
CN109492525B (zh) 一种测量基站天线工程参数的方法
CN110966956A (zh) 一种基于双目视觉的三维检测装置和方法
CN114034288B (zh) 海底微地形激光线扫描三维探测方法及系统
CN111291327A (zh) 一种基于分治思想的多波束海底底质分类方法
CN114923665B (zh) 波浪三维高度场的图像重构方法及图像重构试验系统
CN106952262B (zh) 一种基于立体视觉的船板加工精度分析方法
CN109375191B (zh) 共照射源3d激光雷达和2d探测器超空间分辨率信息获取方法及装置
CN102494663A (zh) 摆动喷管的摆动角度的测量系统及摆动角度的测量方法
Nakatani et al. 3D visual modeling of hydrothermal chimneys using a rotary laser scanning system
CN116977391A (zh) 一种基于双目多线结构光的水下三维重建方法
CN111913190A (zh) 一种基于彩色红外光谱共孔径成像的临近空间暗弱目标定向装置
CN110189403B (zh) 一种基于单波束前视声纳的水下目标三维重建方法
CN115330684A (zh) 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法
CN117237430B (zh) 一种高精度多时序水深反演方法、计算设备及存储介质
CN104156977A (zh) 基于多线列时差扫描扩展采样的点目标运动速度探测方法
CN117406234A (zh) 基于单线激光雷达与视觉融合的目标测距和追踪的方法
CN110310371B (zh) 一种基于车载单目聚焦序列图像构建对象三维轮廓的方法
CN117095038A (zh) 用于激光扫描仪的点云滤波方法及系统
CN116883483A (zh) 一种基于激光摄像机系统的鱼体量测方法
CN113052846B (zh) 一种多线雷达点云稠密化方法和装置
CN113393509B (zh) 一种激光雷达多径补偿方法
CN115436966A (zh) 一种激光雷达参考水深控制点批量提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant