大型AUV避碰用障碍物自主识别系统

摘要

本发明公开了一种大型AUV避碰用障碍物自主识别系统，属于数字图像处理技术领域。装置包括多波束前视声纳、声纳计算机、控制计算机，前视声纳与声纳计算机之间通过网络通讯，声纳计算机与控制计算机之间通过RS422连接；多波束前视声纳采集障碍物信息，转换为图像后发送给声纳计算机；声纳计算机接收声纳图像，实时计算出障碍物距离、方位、大小信息并将它们发送给控制计算机。本发明判断障碍物实时性强，无需先验知识，适用于大型AUV避碰系统。

主权项

一种大型AUV避碰用障碍物自主识别系统，其特征在于，包括多波束前视声纳、避碰计算机和中央控制计算机，多波束前视声纳与避碰计算机之间通过网络通讯，多波束前视声纳上电后等待避碰计算机的控制指令，当收到工作指令则立即向避碰计算机返回声纳数据，避碰计算机接收声纳数据进行实时处理，同时控制多波束前视声纳；避碰计算机与中央控制计算机通过RS422连接，避碰计算机将计算出的障碍物距离、方位、大小信息发送给中央控制计算机；其识别步骤为：（1）利用多波束前视声纳实时采集前方障碍物信息，得到数字信号后通过网络传送给避碰计算机；（2）避碰计算机接收到多波束前视声纳发送来的数字信号后，通过数字图像处理识别算法计算出障碍物的距离、方位、大小信息；（3）避碰计算机将计算出的障碍物的距离、方位、大小信息通过RS422发送给中央控制计算机；所述步骤（2）的数字图像处理识别算法包括如下步骤：1）坐标变换将一维数组格式的声纳数据转换为的二维图像格式，是后续处理的基础和前提；当声纳数据到来时，根据波束编号和波束灰度值数组计算出二维数字图像X1，其变换公式为：X1(i,j)＝array[angle(i,j)*500+radius(i,j)]其中angle(i,j)＝atan(i/j)*180/π意为坐标(i,j)处图像X1的像素与声纳原点的角度，范围：‑60°≤angle(i,j)＜60°，意为坐标(i，j）处图像X1的像素与声纳原点的距离,array[x]意为声纳输出的数据数组中下标为x的数据，X1(i,j)为坐标(i,j)处图像X1的像素灰度值；2）为降低多波束前视声纳的图像噪声进行平滑滤波；对7*7窗口内的像素值排序以求得中值，算法如下：$X2(i,j)=\begin{array}{c}\mathrm{median}\left\{X1(s,t)\right\}\\ (s,t)\in S_{\mathrm{ij}}\end{array}$式中，X2(i,j)是像素X1(i,j)的中值，S_ij是像素X1(i,j)的邻域，声纳图像X1经平滑滤波后，得到低噪声声纳图像X2；3）为便于后续的识别处理，进行基于空间相关性的自适应阈值分割，将图像的像素由多值变换为二值；对声纳图像X2进行自适应阈值分割处理，声纳图像X2生成以0、1表示的二值黑白声纳图像X3；4）经自适应阈值分割后的二值图像的目标区域绝大时候都不是连续的且包含较多面积较小的伪目标区域，采用形态学运算来连接不连续的目标区域和去掉小面积伪目标区域，即去掉噪声，它包含腐蚀运算和膨胀运算，算法如下：腐蚀：${\mathrm{dst}}_{\mathrm{erode}}(x,y)=\begin{array}{c}\min \left\{\mathrm{src}(x+x^{\prime },y+y^{\prime })\right\}\\ (x^{\prime },y^{\prime })\in {\mathrm{kernel}}_{\mathrm{erode}}\end{array}$其中，dst_erode(x,y)为坐标为(x,y)的像素src(x,y)腐蚀运算结果，kernel_erode为腐蚀运算的核；膨胀：${\mathrm{dst}}_{\mathrm{dilate}}(x,y)=\begin{array}{c}\max \left\{\mathrm{stc}(x+x^{\prime },y+y^{\prime })\right\}\\ (x^{\prime },y^{\prime })\in \mathrm{kerne}{l}_{\mathrm{dilate}}\end{array}$其中，dst_dilate(x,y)为坐标为(x,y)的像素src(x,y)膨胀运算结果，kernel_dilate为膨胀运算的核；声纳图像X3经腐蚀运算和膨胀运算后得到声纳图像X4；5）基于多次非定数迭代的轮廓拟合；图像形态学运算后的声纳图像X4去掉了较多噪声，然后进行障碍物的轮廓拟合运算；采用多次非定数迭代，不断合并相距很近的障碍物，直到不能合并为止；该迭代次数是非定值的，由声纳图像X4中障碍物特性决定，具体流程为：1，新建一幅和输入声纳图像X4大小相同的图像Y用以存储障碍物的识别结果，将障碍物个数numActualObstacle数值初始为0；2，用Teh‑Chin链逼近算法计算出声纳图像X4所有障碍物轮廓，并记录其个数到objectNumber变量，即障碍物数量的变量；3，对于X4中第i个障碍物，i为正整数，数值范围为1到objectNumber，当第i个障碍物的轮廓面积大于预先设定的障碍物面积Z时，跳至4；否则跳至5；4，被识别的障碍物个数加1，填充第i个障碍物轮廓并记录在图像Y中，计算第i个障碍物轮廓的最小均方椭圆拟合，将该拟合得到的椭圆曲线等分为90个点，用直线分别逼近该椭圆曲线的弧得到90段直线的顶点坐标点，计算这些顶点坐标点与sonar坐标之间的最小距离、最大最小方位角度，将拟合的椭圆曲线和障碍物轮廓合并并填充，将结果记录在图像Y中；5，将包含识别结果的图像Y赋值给声纳图像X4，再次计算该声纳图像X4所有障碍物轮廓，记录其个数到objectNumber变量、覆盖2中objectNumber变量的值；6，若objectNumber等于numActualObstacle，则声纳图像X4中再无可以合并的障碍物，此时跳至6）；否则，跳至2；6）输出障碍物识别结果信息,输出包含识别结果的图像Y中障碍物的距离、方位、大小信息，避碰计算机发送控制指令给多波束前视声纳,再次获取下一帧声纳图像后，跳至1），进行下一帧声纳图像的处理。