水面高速无人艇视觉系统信息增强关键技术研究

水面高速无人艇自主航行作业需要自主避障，周围环 境感知是先决条件。鉴于雷达在近距离内存在盲区，水面高速无人艇近距离内障碍物跟踪和识别主要依靠视觉系统。视觉系统面临的问题是在海面高速运行下不可避免的摄像机频繁抖动造成的目标缺失和海雾影响下的障碍物准确识别。无人艇解决视觉系统图像增强所采取的一般算法已经很难解决上述问题。近年来电子稳像技术在无人机、无人车等领域得到大量应用。本项目试图利用电子稳像新技术，将主动稳像与电子稳像结合，研究小幅高频振荡和大幅低频振荡两者兼有的水面高速无人艇视觉系统目标跟踪的理论和方法。同时对海雾建模，研究海雾状态下目标识别方法研究，达到无人艇视觉系统信息增强关键技术研究目的。项目难点和关键问题是解决图像帧内丢失和海雾下目标障碍物识别的算法研究。项目成功实施，将能大大提高水面无人平台执行任务能力，也为其他高速水面运行器、地面运行体等具有视觉系统的图像信息增强探索了新方法

项目针对高速水面无人艇视觉系统在海面高速运行时容易受到抖动和海雾等恶劣条件的影响，设计了一套完整、智能的分析处理方法，有效提高了无人水面艇航行时的环境适应能力和智能性:1.针对无人艇运行时由于海浪和自身高速运行造成安装在其上的视觉系统抖动而使采集的图像模糊和目标丢失问题，首先用尺度不变特征变换算法提取视频图像中的特征点，利用仿射模型求解运动参数，然后运用Kalman滤波对视频图像中的正常扫描进行滤波，最后用相邻帧补偿法对每帧图像进行补偿，实现视频图像稳像处理。2.为提高对海雾图像处理的智能性，设计一套海面有雾和无雾图像智能判别方法。在建立含有大量水面清晰图像和含雾图像样本库的基础上，提取水面有雾图像和清晰图像具有明显区别的改进的均值、图像能见度和图像强度等3个特征，利用BP神经网络来识别海上雾图时，平均识别率能达到98.75%，识别效果良好。3.在无人艇含雾视频图像增强研究中，提出了基于物理模型的单幅图像海雾去除算法和融合边缘信息的Retinex理论单幅图像增强海雾去除算法；然后在此基础上，提出一种基于引导滤波的视频图像海雾去除算法，有效提高了视频去雾的时空一致性以及解决目标“拖影”现象。4.对无人艇水面目标识别的研究，采用基于核函数的Mean-shift无人水面目标自适应分割算法实现目标背景分离，然后通过提取水面岛屿、船舶和礁石等目标中的几何特征、不变矩特征和纹理特征基础上，利用BP神经网络作为分类识别方法，完成无人艇水面目标的分类识别。5.为验证项目研究过程中形成的算法的有效性，制作地面快速移动小车1个和小型水面遥控艇1个，形成水面图像数据库5类，每类含有图片上千张，建立图像自动采集和分析平台1套，将所设计的算法在上述平台上测试，得到了满意的效果。6.项目研究成果如下：共发表（含收录、修改稿待录用）科技论文14篇，其中SCI源期刊录用1篇，Ei核心期刊源4篇（收录3篇，录用1篇），国际会议2篇（EI收录2篇），国内会议1篇，国内普通期刊论文4篇，校内会议论文1篇，另向Ei核心期刊投稿4篇；获软件著作权1项，申请受理发明专利4项；培养硕士生5名，3名毕业（1人进入博士学习），2名在读（1名获得国家奖学金，并考取博士）；培养本科生3名（3人全部保送或考取硕士研究生）；参加2013年全国海洋工程基础研究青年科学家论坛，并做报告。