CN117590857B - 一种基于机器视觉的水下环境探测方法 - Google Patents
一种基于机器视觉的水下环境探测方法 Download PDFInfo
- Publication number
- CN117590857B CN117590857B CN202410079963.9A CN202410079963A CN117590857B CN 117590857 B CN117590857 B CN 117590857B CN 202410079963 A CN202410079963 A CN 202410079963A CN 117590857 B CN117590857 B CN 117590857B
- Authority
- CN
- China
- Prior art keywords
- obstacle avoidance
- robot
- time point
- underwater
- safety
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 55
- 230000000694 effects Effects 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000758 substrate Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于机器视觉的水下环境探测方法,涉及水下环境探测技术领域,本发明通过采集机器人探测时各采集时间点的图像,判断机器人在各采集时间点是否需要避障,并在图像中出现水下生物时,识别水下生物种类信息和活动信息,进而计算机器人在水平方向避障和垂直方向避障的安全值,从而确认机器人的避障方向,提高了机器人避障方向选取的灵活性和准确性,大大地提高了机器人避障的安全性,也保障了水下生物活动环境的稳定,降低了设备的损坏风险,从而提高了水下环境探测任务的可持续性和效率,并且提高了水下环境探测数据采集的准确性和可靠性,增加了水下环境探测数据的实用性。
Description
技术领域
本发明涉及水下环境探测技术领域,具体涉及一种基于机器视觉的水下环境探测方法。
背景技术
随着科技的不断发展,机器人技术也在飞速发展,机器人在各行各业的应用也越来越多,其中,机器人水下探测是一个具有广阔前景的应用。但在水下探测时,水下环境通常具有浑浊的水质、光线较弱以及多种水下生物。机器视觉技术能够通过相机和图像处理算法来处理图像,对障碍物进行识别和测量,提供更清晰、准确的视觉信息。从而在机器人遇到水下生物时,提高机器人的避障灵活性和安全性。
传统的水下探测观察方法包括人眼观察或传感器观测,但水下环境水质浑浊、光线较弱,当遇到水下生物时,无论是人眼员观察还是传感器观测都无法准确的采集水下生物的活动信息,同时也无法迅速获取水下生物的基本信息,进而无法根据水下生物的位置、类型、危险等级、活动速度等信息,判断机器人在遇到水下生物时的避障方式,也无法确认机器人水平方向避障和垂直方向避障的安全性,从而无法保障机器人避障的灵活性和安全性,也无法保障水下生物活动环境的稳定,而水下生物惊扰水可能会引起机械损坏或影响其正常运行,增加设备的损坏风险,从而无法提高水下环境探测任务的可持续性和效率,并且无法提高水下环境探测数据采集的准确性和可靠性,降低水下环境探测数据的实用性。
发明内容
针对上述存在的技术不足,本发明的目的在于提供一种基于机器视觉的水下环境探测方法。
为解决上述技术问题,本发明采用如下技术方案:本发明提供一种基于机器视觉的水下环境探测方法,包括如下步骤:步骤一、采集设备选取:获取待探测水域对应的水质信息,由此根据待探测水域对应的水质信息,选取机器人对应配置的各采集设备。
步骤二、水下图像采集:机器人按照预设探测路线进行探测,进而采集机器人在各采集时间点对应的探测图像,判断机器人在各采集时间点是否需要避障,并将需要避障的各采集时间点记为各标记时间点,进而获取机器人在各标记时间点对应的探测图像中物体类型,将探测图像中物体类型为水下生物类型的各标记时间点记为各避障时间点,同时执行步骤三。
步骤三、生物避障分析:获取机器人在各避障时间点对应的水下生物种类信息和活动信息,从机器人在各避障时间点对应的水下生物种类信息中提取水下生物适宜活动深度区间、危险等级、灵活度,同时从机器人在各避障时间点对应的活动信息中提取水下生物对应的活动速度、位置、深度,进而确认机器人在各避障时间点对应的避障方向。
步骤四、机器人避障:根据机器人在各避障时间点对应的避障方向进行避障。
优选地,所述选取机器人对应配置的各采集设备,具体选取过程如下:从待探测水域对应的水质信息中提取浊度、色度、透明度,分别记为ZD、SD、TM,进而代入计算公式中,得到待探测水域对应的水质值/>,其中、/>、/>分别为设定的参考浊度、参考色度、参考透明度,/>、/>、/>分别为设定的浊度的权重因子、色度的权重因子、透明度的权重因子。
将待探测水域对应的水质值分别与各采集设备对应的水质值区间进行对比,若待探测水域对应的水质值在某采集设备对应的水质值区间内,则将该采集设备作为机器人对应配置的采集设备,由此得到机器人对应配置的各采集设备。
优选地,所述判断机器人在各采集时间点是否需要避障,具体判断过程如下:A1、通过图像识别技术识别机器人在各采集时间点对应的探测图像中是否存在物体,若机器人在某采集时间点对应的探测图像中不存在物体,则判定机器人在该采集时间点不需要避障。
A2、若机器人在某采集时间点对应的探测图像中存在物体,则获取机器人在该采集时间点对应的物体位置,同时根据机器人对应的预设探测路线,获取得到机器人在该采集时间点对应物体与预设探测路线之间的间距,若机器人在该采集时间点对应物体与预设探测路线之间的间距大于预设许可间距,则判定机器人在该采集时间点不需要避障,若机器人在该采集时间点对应物体与预设探测路线之间的间距小于或者等于预设许可间距,判定机器人在该采集时间点需要避障。
A3、按照步骤A1-A2判断机器人在各采集时间点是否需要避障。
优选地,所述确认机器人在各避障时间点对应的避障方向,具体计算过程如下:提取机器人在各避障时间点对应水下生物的位置,并获取机器人在各避障时间点对应的位置,由此得到机器人在各避障时间点与水下生物之间的间距和机器人在各避障时间点的深度,根据机器人在各避障时间点对应水下生物的活动速度、灵活度、危险等级,计算机器人在各避障时间点的水平避障安全值。
根据机器人在各避障时间点的深度,同时根据机器人在各避障时间点对应的水下生物深度、水下生物适宜活动深度区间、灵活度、危险等级,计算机器人在各避障时间点的垂直避障安全值。
根据机器人在各避障时间点的水平避障安全值、垂直避障安全值,确认机器人在各避障时间点的避障方式,并将避障方式为水平方向避障的各平避时间点记为各水平时间点,将避障方式为垂直方向避障的各避障时间点记为各垂避时间点,进而根据机器人在各避障时间点对应的位置和水下生物的位置,确认机器人在各平避时间点的避障方向,根据机器人在各避障时间点对应的位置和水下生物的位置,确认机器人在各垂避时间点的避障方向。
优选地,所述计算机器人在各避障时间点的水平避障安全值,具体计算过程如下:将机器人在各避障时间点对应水下生物的灵活度、危险等级分别与数据库中存储的各灵活度区间对应的参考安全距离和各危险等级对应的参考安全距离进行对比,得到机器人在各避障时间点对应水下生物灵活度的参考安全距离、危险等级的参考安全距离,选取最大参考安全距离作为机器人在各避障时间点与水下生物的参考安全距离,记为,t表示各避障时间点对应的编号,t=1,2......p,p为大于2的任意整数。
将机器人在各避障时间点的深度与机器人各深度对应的许可最大速度进行对比,得到机器人在各避障时间点对应的许可最大速度,记为,并将机器人在各避障时间点对应水下生物的活动速度记为/>,将机器人在各避障时间点与水下生物之间的间距记为。
依据计算公式,得到机器人在第t个避障时间点的水平避障安全值/>,其中/>、/>分别为设定的机器人与水下生物之间间距的权重因子、机器人许可最大速度的权重因子。
优选地,所述计算机器人在各避障时间点的垂直避障安全值,具体计算过程如下:B1、将机器人在各避障时间点对应的水下生物深度与水下生物适宜活动深度区间进行对比,若机器人在某避障时间点对应的水下生物深度在水下生物适宜活动深度区间中,则将机器人在该避障时间点对应水下生物的动适值记为a1,反之则将机器人在该避障时间点对应水下生物的动适值记为a2,以此方式得到机器人在各避障时间点对应水下生物的动适值,记为,其中/>取值为a1或者a2,a1、a2均为自然数。
B2、将机器人在各避障时间点的深度与机器人在各避障时间点对应的水下生物适宜活动深度区间进行对比,若机器人在某避障时间点的深度与机器人在某避障时间点对应的水下生物适宜活动深度区间外,则获取机器人在该避障时间点的深度分别与该避障时间点对应的水下生物适宜活动深度区间的上限值和下限值的差值,并选取最小差值作为机器人在该避障时间的安全深度,记为H,进而代入计算公式中,得到机器人在该避障时间点的垂直避障安全值/>,其中/>表示机器人在该避障时间点与水下生物的参考安全距离,/>表示机器人在该避障时间点与水下生物之间的间距,/>为设定的参考安全深度,/>表示机器人在该避障时间点对应水下生物的动适值,/>、/>、/>分别为参考安全距离的权重因子、参考安全深度的权重因子、动适值的权重因子。
B3、若机器人在某避障时间点的深度与机器人在某避障时间点对应的水下生物适宜活动深度区间内,则获取机器人在该避障时间点的深度分别与该避障时间点对应的水下生物适宜活动深度区间的上限值和下限值的差值,并选取最小差值作为机器人在该避障时间的逃避深度,记为H1,进而代入计算公式中,得到机器人在该避障时间点的垂直避障安全值/>,其中/>为设定的参考逃避深度,/>、/>、/>分别为设定的安全距离的权重因子、逃避深度的权重因子、机器人动适值的权重因子。
B4、按照步骤B2和B3的计算方式,计算得到计算机器人在各避障时间点的垂直避障安全值。
优选地,所述确认机器人在各避障时间点的避障方式,具体确认过程为:C1、将机器人在各避障时间点的水平避障安全值、垂直避障安全值分别与预设的水平避障安全值阈值、垂直避障安全值阈值进行对比,若机器人在某避障时间点的水平避障安全值、垂直避障安全值分别小于或者等于预设的水平避障安全值阈值、垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为逃避。
C2、若机器人在某避障时间点的水平避障安全值大于水平避障安全值阈值,而机器人在该避障时间点的垂直避障安全值小于或者等于垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为水平方向避障。
C3、若机器人在某避障时间点的水平避障安全值小于或者等于水平避障安全值阈值,而机器人在该避障时间点的垂直避障安全值大于垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为垂直方向避障。
C4、若机器人在某避障时间点的水平避障安全值大于水平避障安全值阈值,且机器人在该避障时间点的垂直避障安全值大于垂直避障安全值阈值,则通过差值计算,得到机器人在该避障时间点的水平避障安全差值和垂直避障安全差值,若机器人在该避障时间点的水平避障安全差值大于或者等于垂直避障安全差值,则判定机器人在该避障时间点的避障方式为水平方向避障,若机器人在该避障时间点的水平避障安全差值小于垂直避障安全差值,则判定机器人在该避障时间点的避障方式为垂直方向避障。
C5、按照步骤C1-C4的分析,确认机器人在各避障时间点的避障方式。
本发明的有益效果在于:1、本发明提供了一种基于机器视觉的水下环境探测方法,通过采集机器人探测时各采集时间点的图像,判断机器人在各采集时间点是否需要避障,并在图像中出现水下生物时,识别水下生物的类型、位置、危险等级、适宜活动深度区间、灵活度、活动速度、深度,进而计算机器人在水平方向避障和垂直方向避障的安全值,从而确认机器人的避障方向,解决了传统技术中水下探测观察准确性不高的问题,提高了机器人避障方向选取的灵活性和准确性,大大地提高了机器人避障的安全性,也保障了水下生物活动环境的稳定,减少了水下生物惊扰引起机械损坏或影响其正常运行的情况发生,降低了设备的损坏风险,从而提高了水下环境探测任务的可持续性和效率,并且提高了水下环境探测数据采集的准确性和可靠性,增加了水下环境探测数据的实用性。
2、本发明根据待探测水域的水质信息,选取适合待探测水域的各采集设备,从而提高了后续水下探测时水下环境数据采集的精准性和真实性,为后续水下环境数据处理提供有效的数据支撑。确保水下环境数据能够更好地用于科学研究或其他应用领域,提高水下环境数据的价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种基于机器视觉的水下环境探测方法,包括如下步骤:步骤一、采集设备选取:获取待探测水域对应的水质信息,由此根据待探测水域对应的水质信息,选取机器人对应配置的各采集设备。
上述中,所述待探测水域对应的水质信息包括浊度、色度、透明度。
需要说明的是,通过浊度计、色度计、透明度计分别采集待探测水域对应的浊度、色度、透明度。各采集设备包括水下摄像机、水下超声波传感器等。
在一个具体的实施例中,所述选取机器人对应配置的各采集设备,具体选取过程如下:从待探测水域对应的水质信息中提取浊度、色度、透明度,分别记为ZD、SD、TM,进而代入计算公式中,得到待探测水域对应的水质值/>,其中/>、/>、/>分别为设定的参考浊度、参考色度、参考透明度,/>、/>、/>分别为设定的浊度的权重因子、色度的权重因子、透明度的权重因子。
需要说明的是,、/>、/>均大于0小于1。
将待探测水域对应的水质值分别与各采集设备对应的水质值区间进行对比,若待探测水域对应的水质值在某采集设备对应的水质值区间内,则将该采集设备作为机器人对应配置的采集设备,由此得到机器人对应配置的各采集设备。
需要说明的是,从数据库提取各采集设备对应的水质值区间。
本发明根据待探测水域的水质信息,选取适合待探测水域的各采集设备,从而提高了后续水下探测时水下环境数据采集的精准性和真实性,为后续水下环境数据处理提供有效的数据支撑。确保水下环境数据能够更好地用于科学研究或其他应用领域,提高水下环境数据的价值。
步骤二、水下图像采集:机器人按照预设探测路线进行探测,进而采集机器人在各采集时间点对应的探测图像,判断机器人在各采集时间点是否需要避障,并将需要避障的各采集时间点记为各标记时间点,进而获取机器人在各标记时间点对应的探测图像中物体类型,将探测图像中物体类型为水下生物类型的各标记时间点记为各避障时间点,同时执行步骤三。
需要说明的是,机器人在探测时,按照预设时间间隔布设各采集时间点,进而通过机器人配置的水下摄像机采集机器人在各采集时间点对应的探测图像。
在一个具体的实施例中,所述判断机器人在各采集时间点是否需要避障,具体判断过程如下:A1、通过图像识别技术识别机器人在各采集时间点对应的探测图像中是否存在物体,若机器人在某采集时间点对应的探测图像中不存在物体,则判定机器人在该采集时间点不需要避障。
A2、若机器人在某采集时间点对应的探测图像中存在物体,则获取机器人在该采集时间点对应的物体位置,同时根据机器人对应的预设探测路线,获取得到机器人在该采集时间点对应物体与预设探测路线之间的间距,若机器人在该采集时间点对应物体与预设探测路线之间的间距大于预设许可间距,则判定机器人在该采集时间点不需要避障,若机器人在该采集时间点对应物体与预设探测路线之间的间距小于或者等于预设许可间距,判定机器人在该采集时间点需要避障。
A3、按照步骤A1-A2判断机器人在各采集时间点是否需要避障。
需要说明的是,提取机器人在各标记时间点对应的物体图像,进而将机器人在各标记时间点对应的物体图像与数据库中存储的各水下生物种类对应的特征图像集合进行对比,若机器人在某标记时间点对应的物体图像与某水下生物种类对应的特征图像集合中某特征图像相同,则判定机器人在该标记时间点对应的物体类型为水下生物类型,并将该水下生物种类作为机器人在该标记时间点对应的水下生物种类,以此方式获取机器人在各标记时间点对应的探测图像中物体类型,并得到机器人在各避障时间点的水下生物种类。
步骤三、生物避障分析:获取机器人在各避障时间点对应的水下生物种类信息和活动信息,从机器人在各避障时间点对应的水下生物种类信息中提取水下生物适宜活动深度区间、危险等级、灵活度,同时从机器人在各避障时间点对应的活动信息中提取水下生物对应的活动速度、位置、深度,进而确认机器人在各避障时间点对应的避障方向。
需要说明的是,基于数据库中存储的各水下生物种类对应的水下生物种类信息,得到机器人在各避障时间点对应的水下生物种类信息,通过机器人配置的水下超声波传感器采集水下生物对应的活动速度、位置、深度。
在一个具体的实施例中,所述确认机器人在各避障时间点对应的避障方向,具体计算过程如下:提取机器人在各避障时间点对应水下生物的位置,并获取机器人在各避障时间点对应的位置,由此得到机器人在各避障时间点与水下生物之间的间距和机器人在各避障时间点的深度,根据机器人在各避障时间点对应水下生物的活动速度、灵活度、危险等级,计算机器人在各避障时间点的水平避障安全值。
上述中,所述计算机器人在各避障时间点的水平避障安全值,具体计算过程如下:将机器人在各避障时间点对应水下生物的灵活度、危险等级分别与数据库中存储的各灵活度区间对应的参考安全距离和各危险等级对应的参考安全距离进行对比,得到机器人在各避障时间点对应水下生物灵活度的参考安全距离、危险等级的参考安全距离,选取最大参考安全距离作为机器人在各避障时间点与水下生物的参考安全距离,记为,t表示各避障时间点对应的编号,t=1,2......p,p为大于2的任意整数。
将机器人在各避障时间点的深度与机器人各深度对应的许可最大速度进行对比,得到机器人在各避障时间点对应的许可最大速度,记为,并将机器人在各避障时间点对应水下生物的活动速度记为/>,将机器人在各避障时间点与水下生物之间的间距记为。
依据计算公式,得到机器人在第t个避障时间点的水平避障安全值/>,其中/>、/>分别为设定的机器人与水下生物之间间距的权重因子、机器人许可最大速度的权重因子。
需要说明的是,、/>均大于0小于1。
根据机器人在各避障时间点的深度,同时根据机器人在各避障时间点对应的水下生物深度、水下生物适宜活动深度区间、灵活度、危险等级,计算机器人在各避障时间点的垂直避障安全值。
上述中,所述计算机器人在各避障时间点的垂直避障安全值,具体计算过程如下:B1、将机器人在各避障时间点对应的水下生物深度与水下生物适宜活动深度区间进行对比,若机器人在某避障时间点对应的水下生物深度在水下生物适宜活动深度区间中,则将机器人在该避障时间点对应水下生物的动适值记为a1,反之则将机器人在该避障时间点对应水下生物的动适值记为a2,以此方式得到机器人在各避障时间点对应水下生物的动适值,记为,其中/>取值为a1或者a2,a1、a2均为自然数。
B2、将机器人在各避障时间点的深度与机器人在各避障时间点对应的水下生物适宜活动深度区间进行对比,若机器人在某避障时间点的深度与机器人在某避障时间点对应的水下生物适宜活动深度区间外,则获取机器人在该避障时间点的深度分别与该避障时间点对应的水下生物适宜活动深度区间的上限值和下限值的差值,并选取最小差值作为机器人在该避障时间的安全深度,记为H,进而代入计算公式中,得到机器人在该避障时间点的垂直避障安全值/>,其中/>表示机器人在该避障时间点与水下生物的参考安全距离,/>表示机器人在该避障时间点与水下生物之间的间距,/>为设定的参考安全深度,/>表示机器人在该避障时间点对应水下生物的动适值,/>、/>、/>分别为参考安全距离的权重因子、参考安全深度的权重因子、动适值的权重因子。
需要说明的是,、/>、/>均大于0小于1。
B3、若机器人在某避障时间点的深度与机器人在某避障时间点对应的水下生物适宜活动深度区间内,则获取机器人在该避障时间点的深度分别与该避障时间点对应的水下生物适宜活动深度区间的上限值和下限值的差值,并选取最小差值作为机器人在该避障时间的逃避深度,记为H1,进而代入计算公式中,得到机器人在该避障时间点的垂直避障安全值/>,其中/>为设定的参考逃避深度,/>、/>、/>分别为设定的安全距离的权重因子、逃避深度的权重因子、机器人动适值的权重因子。
需要说明的是,、/>、/>均大于0小于1。
B4、按照步骤B2和B3的计算方式,计算得到计算机器人在各避障时间点的垂直避障安全值。
根据机器人在各避障时间点的水平避障安全值、垂直避障安全值,确认机器人在各避障时间点的避障方式,并将避障方式为水平方向避障的各平避时间点记为各水平时间点,将避障方式为垂直方向避障的各避障时间点记为各垂避时间点,进而根据机器人在各避障时间点对应的位置和水下生物的位置,确认机器人在各平避时间点的避障方向,根据机器人在各避障时间点对应的位置和水下生物的位置,确认机器人在各垂避时间点的避障方向。
上述中,所述确认机器人在各避障时间点的避障方式,具体确认过程为:C1、将机器人在各避障时间点的水平避障安全值、垂直避障安全值分别与预设的水平避障安全值阈值、垂直避障安全值阈值进行对比,若机器人在某避障时间点的水平避障安全值、垂直避障安全值分别小于或者等于预设的水平避障安全值阈值、垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为逃避。
C2、若机器人在某避障时间点的水平避障安全值大于水平避障安全值阈值,而机器人在该避障时间点的垂直避障安全值小于或者等于垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为水平方向避障。
C3、若机器人在某避障时间点的水平避障安全值小于或者等于水平避障安全值阈值,而机器人在该避障时间点的垂直避障安全值大于垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为垂直方向避障。
C4、若机器人在某避障时间点的水平避障安全值大于水平避障安全值阈值,且机器人在该避障时间点的垂直避障安全值大于垂直避障安全值阈值,则通过差值计算,得到机器人在该避障时间点的水平避障安全差值和垂直避障安全差值,若机器人在该避障时间点的水平避障安全差值大于或者等于垂直避障安全差值,则判定机器人在该避障时间点的避障方式为水平方向避障,若机器人在该避障时间点的水平避障安全差值小于垂直避障安全差值,则判定机器人在该避障时间点的避障方式为垂直方向避障。
C5、按照步骤C1-C4的分析,确认机器人在各避障时间点的避障方式。
需要说明的是,根据机器人在各避障时间点对应的位置和水下生物的位置,得到机器人在各平避时间点与水下生物的水平相对方向,并将水平相对方向作为机器人在各平避时间点的避障方向;假设机器人在某平避时间点的位置在该避障时间点对应水下生物方向的左侧方向,则机器人在该平避时间点与水下生物的水平相对方向为左侧方向,机器人在该平避时间点的避障方向为左侧方向,以此确认机器人在各平避时间点的避障方向。同理根据机器人在各避障时间点对应的位置和水下生物的位置,得到机器人在各垂避时间点与水下生物的垂直相对方向,并将垂直相对方向作为机器人在各垂避时间点的避障方向;假设机器人在某垂避时间点的位置在该避障时间点对应水下生物方向的上方,则机器人在该垂避时间点与水下生物的水平相对方向为上方,机器人在该垂避时间点的避障方向为上方,以此确认机器人在各平避时间点的避障方向。
步骤四、机器人避障:根据机器人在各避障时间点对应的避障方向进行避障。
本发明实施例通过采集机器人探测时各采集时间点的图像,判断机器人在各采集时间点是否需要避障,并在图像中出现水下生物时,识别水下生物的类型、位置、危险等级、适宜活动深度区间、灵活度、活动速度、深度,进而计算机器人在水平方向避障和垂直方向避障的安全值,从而确认机器人的避障方向,解决了传统技术中水下探测观察准确性不高的问题,提高了机器人避障方向选取的灵活性和准确性,大大地提高了机器人避障的安全性,也保障了水下生物活动环境的稳定,减少了水下生物惊扰引起机械损坏或影响其正常运行的情况发生,降低了设备的损坏风险,从而提高了水下环境探测任务的可持续性和效率,并且提高了水下环境探测数据采集的准确性和可靠性,增加了水下环境探测数据的实用性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本说明书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于机器视觉的水下环境探测方法,其特征在于,包括如下步骤:
步骤一、采集设备选取:获取待探测水域对应的水质信息,由此根据待探测水域对应的水质信息,选取机器人对应配置的各采集设备;
步骤二、水下图像采集:机器人按照预设探测路线进行探测,进而采集机器人在各采集时间点对应的探测图像,判断机器人在各采集时间点是否需要避障,并将需要避障的各采集时间点记为各标记时间点,进而获取机器人在各标记时间点对应的探测图像中物体类型,将探测图像中物体类型为水下生物类型的各标记时间点记为各避障时间点,同时执行步骤三;
所述判断机器人在各采集时间点是否需要避障,具体判断过程如下:
A1、通过图像识别技术识别机器人在各采集时间点对应的探测图像中是否存在物体,若机器人在某采集时间点对应的探测图像中不存在物体,则判定机器人在该采集时间点不需要避障;
A2、若机器人在某采集时间点对应的探测图像中存在物体,则获取机器人在该采集时间点对应的物体位置,同时根据机器人对应的预设探测路线,获取得到机器人在该采集时间点对应物体与预设探测路线之间的间距,若机器人在该采集时间点对应物体与预设探测路线之间的间距大于预设许可间距,则判定机器人在该采集时间点不需要避障,若机器人在该采集时间点对应物体与预设探测路线之间的间距小于或者等于预设许可间距,判定机器人在该采集时间点需要避障;
A3、按照步骤A1-A2判断机器人在各采集时间点是否需要避障;
步骤三、生物避障分析:获取机器人在各避障时间点对应的水下生物种类信息和活动信息,从机器人在各避障时间点对应的水下生物种类信息中提取水下生物适宜活动深度区间、危险等级、灵活度,同时从机器人在各避障时间点对应的活动信息中提取水下生物对应的活动速度、位置、深度,进而确认机器人在各避障时间点对应的避障方向;
步骤四、机器人避障:根据机器人在各避障时间点对应的避障方向进行避障。
2.根据权利要求1所述的一种基于机器视觉的水下环境探测方法,其特征在于,所述选取机器人对应配置的各采集设备,具体选取过程如下:
从待探测水域对应的水质信息中提取浊度、色度、透明度,分别记为ZD、SD、TM,进而代入计算公式中,得到待探测水域对应的水质值/>其中ZD′、SD′、TM′分别为设定的参考浊度、参考色度、参考透明度,ε1、ε2、ε3分别为设定的浊度的权重因子、色度的权重因子、透明度的权重因子;
将待探测水域对应的水质值分别与各采集设备对应的水质值区间进行对比,若待探测水域对应的水质值在某采集设备对应的水质值区间内,则将该采集设备作为机器人对应配置的采集设备,由此得到机器人对应配置的各采集设备。
3.根据权利要求1所述的一种基于机器视觉的水下环境探测方法,其特征在于,所述确认机器人在各避障时间点对应的避障方向,具体计算过程如下:
提取机器人在各避障时间点对应水下生物的位置,并获取机器人在各避障时间点对应的位置,由此得到机器人在各避障时间点与水下生物之间的间距和机器人在各避障时间点的深度,根据机器人在各避障时间点对应水下生物的活动速度、灵活度、危险等级,计算机器人在各避障时间点的水平避障安全值;
根据机器人在各避障时间点的深度,同时根据机器人在各避障时间点对应的水下生物深度、水下生物适宜活动深度区间、灵活度、危险等级,计算机器人在各避障时间点的垂直避障安全值;
根据机器人在各避障时间点的水平避障安全值、垂直避障安全值,确认机器人在各避障时间点的避障方式,并将避障方式为水平方向避障的各平避时间点记为各水平时间点,将避障方式为垂直方向避障的各避障时间点记为各垂避时间点,进而根据机器人在各避障时间点对应的位置和水下生物的位置,确认机器人在各平避时间点的避障方向,根据机器人在各避障时间点对应的位置和水下生物的位置,确认机器人在各垂避时间点的避障方向。
4.根据权利要求3所述的一种基于机器视觉的水下环境探测方法,其特征在于,所述计算机器人在各避障时间点的水平避障安全值,具体计算过程如下:
将机器人在各避障时间点对应水下生物的灵活度、危险等级分别与数据库中存储的各灵活度区间对应的参考安全距离和各危险等级对应的参考安全距离进行对比,得到机器人在各避障时间点对应水下生物灵活度的参考安全距离、危险等级的参考安全距离,选取最大参考安全距离作为机器人在各避障时间点与水下生物的参考安全距离,记为Lt,t表示各避障时间点对应的编号,t=1,2......p,p为大于2的任意整数;
将机器人在各避障时间点的深度与机器人各深度对应的许可最大速度进行对比,得到机器人在各避障时间点对应的许可最大速度,记为vtmax,并将机器人在各避障时间点对应水下生物的活动速度记为vt′,将机器人在各避障时间点与水下生物之间的间距记为Lt′;
依据计算公式得到机器人在第t个避障时间点的水平避障安全值αt,其中γ1、γ2分别为设定的机器人与水下生物之间间距的权重因子、机器人许可最大速度的权重因子。
5.根据权利要求4所述的一种基于机器视觉的水下环境探测方法,其特征在于,所述计算机器人在各避障时间点的垂直避障安全值,具体计算过程如下:
B1、将机器人在各避障时间点对应的水下生物深度与水下生物适宜活动深度区间进行对比,若机器人在某避障时间点对应的水下生物深度在水下生物适宜活动深度区间中,则将机器人在该避障时间点对应水下生物的动适值记为a1,反之则将机器人在该避障时间点对应水下生物的动适值记为a2,以此方式得到机器人在各避障时间点对应水下生物的动适值,记为β1t,其中β1t取值为a1或者a2,a1、a2均为自然数;
B2、将机器人在各避障时间点的深度与机器人在各避障时间点对应的水下生物适宜活动深度区间进行对比,若机器人在某避障时间点的深度与机器人在某避障时间点对应的水下生物适宜活动深度区间外,则获取机器人在该避障时间点的深度分别与该避障时间点对应的水下生物适宜活动深度区间的上限值和下限值的差值,并选取最小差值作为机器人在该避障时间的安全深度,记为H,进而代入计算公式中,得到机器人在该避障时间点的垂直避障安全值β,其中L表示机器人在该避障时间点与水下生物的参考安全距离,L′表示机器人在该避障时间点与水下生物之间的间距,H′为设定的参考安全深度,β1表示机器人在该避障时间点对应水下生物的动适值,η1、η2、η3分别为参考安全距离的权重因子、参考安全深度的权重因子、动适值的权重因子;
B3、若机器人在某避障时间点的深度与机器人在某避障时间点对应的水下生物适宜活动深度区间内,则获取机器人在该避障时间点的深度分别与该避障时间点对应的水下生物适宜活动深度区间的上限值和下限值的差值,并选取最小差值作为机器人在该避障时间的逃避深度,记为H1,进而代入计算公式中,得到机器人在该避障时间点的垂直避障安全值β,其中H″为设定的参考逃避深度,η4、η5、η6分别为设定的安全距离的权重因子、逃避深度的权重因子、机器人动适值的权重因子;
B4、按照步骤B2和B3的计算方式,计算得到计算机器人在各避障时间点的垂直避障安全值。
6.根据权利要求3所述的一种基于机器视觉的水下环境探测方法,其特征在于,所述确认机器人在各避障时间点的避障方式,具体确认过程为:
C1、将机器人在各避障时间点的水平避障安全值、垂直避障安全值分别与预设的水平避障安全值阈值、垂直避障安全值阈值进行对比,若机器人在某避障时间点的水平避障安全值、垂直避障安全值分别小于或者等于预设的水平避障安全值阈值、垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为逃避;
C2、若机器人在某避障时间点的水平避障安全值大于水平避障安全值阈值,而机器人在该避障时间点的垂直避障安全值小于或者等于垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为水平方向避障;
C3、若机器人在某避障时间点的水平避障安全值小于或者等于水平避障安全值阈值,而机器人在该避障时间点的垂直避障安全值大于垂直避障安全值阈值,则判定机器人在该避障时间点的避障方式为垂直方向避障;
C4、若机器人在某避障时间点的水平避障安全值大于水平避障安全值阈值,且机器人在该避障时间点的垂直避障安全值大于垂直避障安全值阈值,则通过差值计算,得到机器人在该避障时间点的水平避障安全差值和垂直避障安全差值,若机器人在该避障时间点的水平避障安全差值大于或者等于垂直避障安全差值,则判定机器人在该避障时间点的避障方式为水平方向避障,若机器人在该避障时间点的水平避障安全差值小于垂直避障安全差值,则判定机器人在该避障时间点的避障方式为垂直方向避障;
C5、按照步骤C1-C4的分析,确认机器人在各避障时间点的避障方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410079963.9A CN117590857B (zh) | 2024-01-19 | 2024-01-19 | 一种基于机器视觉的水下环境探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410079963.9A CN117590857B (zh) | 2024-01-19 | 2024-01-19 | 一种基于机器视觉的水下环境探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117590857A CN117590857A (zh) | 2024-02-23 |
CN117590857B true CN117590857B (zh) | 2024-03-26 |
Family
ID=89920594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410079963.9A Active CN117590857B (zh) | 2024-01-19 | 2024-01-19 | 一种基于机器视觉的水下环境探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117590857B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108278994A (zh) * | 2017-12-07 | 2018-07-13 | 北京臻迪科技股份有限公司 | 一种小型无人船水下测绘方法及设备 |
CN111897349A (zh) * | 2020-07-08 | 2020-11-06 | 南京工程学院 | 一种基于双目视觉的水下机器人自主避障方法 |
CN112180943A (zh) * | 2020-10-19 | 2021-01-05 | 山东交通学院 | 一种基于视觉图像和激光雷达的水下机器人导航避障方法 |
CN113311848A (zh) * | 2021-04-30 | 2021-08-27 | 江苏科技大学 | 一种水下探测器及其环边避障方法 |
CN113469037A (zh) * | 2021-06-30 | 2021-10-01 | 广州大学 | 一种基于机器视觉的水下无人机智能避障方法和系统 |
CN115063745A (zh) * | 2022-06-23 | 2022-09-16 | 四川丽高泳道水处理设备有限公司 | 一种基于机器视觉的河湖环境治理智能在线监测管理系统 |
-
2024
- 2024-01-19 CN CN202410079963.9A patent/CN117590857B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108278994A (zh) * | 2017-12-07 | 2018-07-13 | 北京臻迪科技股份有限公司 | 一种小型无人船水下测绘方法及设备 |
CN111897349A (zh) * | 2020-07-08 | 2020-11-06 | 南京工程学院 | 一种基于双目视觉的水下机器人自主避障方法 |
CN112180943A (zh) * | 2020-10-19 | 2021-01-05 | 山东交通学院 | 一种基于视觉图像和激光雷达的水下机器人导航避障方法 |
CN113311848A (zh) * | 2021-04-30 | 2021-08-27 | 江苏科技大学 | 一种水下探测器及其环边避障方法 |
CN113469037A (zh) * | 2021-06-30 | 2021-10-01 | 广州大学 | 一种基于机器视觉的水下无人机智能避障方法和系统 |
CN115063745A (zh) * | 2022-06-23 | 2022-09-16 | 四川丽高泳道水处理设备有限公司 | 一种基于机器视觉的河湖环境治理智能在线监测管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117590857A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256446B (zh) | 用于确定道路中的车道线的方法、装置和设备 | |
CN108759973B (zh) | 一种水位测量方法 | |
CN106557764B (zh) | 一种基于二进制编码字符水尺和图像处理的水位识别方法 | |
CN110647850A (zh) | 一种基于逆透视原理的车道偏移自动测量方法 | |
EP3530935B1 (en) | Method and equipment for monitoring vortex-induced vibration for wind turbine generator set | |
CN111178150B (zh) | 车道线检测方法、系统及存储介质 | |
CN102975826A (zh) | 基于机器视觉的便携式船舶水尺自动检测和识别方法 | |
JP2002175535A (ja) | 道路白線認識装置 | |
CN104915642B (zh) | 前方车辆测距方法及装置 | |
CN105913013A (zh) | 双目视觉人脸识别算法 | |
CN113624225B (zh) | 一种用于发动机定位销安装的位姿解算方法 | |
CN115063579B (zh) | 基于二维图像和三维点云投影的列车定位销松动检测方法 | |
CN109816645A (zh) | 一种钢卷松卷的自动检测方法 | |
CN115546235B (zh) | 一种基于图像分割的水位识别方法、系统及存储介质 | |
CN109359537A (zh) | 基于神经网络的人脸姿态角度检测方法及系统 | |
CN110147748A (zh) | 一种基于道路边缘检测的移动机器人障碍物识别方法 | |
CN110533650B (zh) | 一种基于视觉的auv水下管道检测跟踪方法 | |
CN112308828A (zh) | 一种密封设备气密性的人工智能检测方法和检测系统 | |
CN117590857B (zh) | 一种基于机器视觉的水下环境探测方法 | |
CN113848209B (zh) | 一种基于无人机与激光测距的堤坝裂缝检测方法 | |
CN112330675B (zh) | 基于AOD-Net的交通道路图像大气能见度检测方法 | |
CN107506739B (zh) | 一种夜间前向车辆检测及测距方法 | |
CN108388854A (zh) | 一种基于改进fast-surf算法的定位方法 | |
CN112101211A (zh) | 一种基于目标检测和双目测距的人员与吊臂位置计算方法 | |
CN112991342B (zh) | 基于水位尺图像的水位线检测方法、装置与系统 |
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 |