一種基于機(jī)器視覺和Kalman濾波的水下電纜定位方法

郭雨薇，劉俊，嚴(yán)允

(1.上海電機(jī)學(xué)院 機(jī)械學(xué)院，上海 201306；2.上海中車艾森迪海洋裝備有限公司，上海 201306)

水下電纜檢測(cè)方法主要分為磁法、多波束、側(cè)掃聲吶及水下攝像等方法，而視覺技術(shù)更具直觀可靠性。相關(guān)的研究有提出基于單目視覺的水下管道檢測(cè)系統(tǒng)，利用序列管道圖像之間的特征變化來檢測(cè)不同水深條件下的直管和彎管；對(duì)基于單目相機(jī)的兩棲球形機(jī)器人采用Kalman濾波器實(shí)現(xiàn)對(duì)水下電纜的自主探測(cè)；在前者的基礎(chǔ)上加入支持向量機(jī)的模式識(shí)別方法，對(duì)采集的管道圖像進(jìn)行分類，進(jìn)一步提升對(duì)轉(zhuǎn)彎和預(yù)轉(zhuǎn)彎道的識(shí)別準(zhǔn)確率。但上述方法均未考慮水下的工作環(huán)境，應(yīng)用時(shí)存在一定的局限性。同時(shí)，上述的實(shí)驗(yàn)對(duì)象均為直行或走向變化明顯的水下管線，并未考慮到彎曲程度較小的水下電纜無法被及時(shí)準(zhǔn)確的識(shí)別出從而導(dǎo)致巡檢設(shè)備偏航的問題。為此，設(shè)計(jì)一種基于機(jī)器視覺和Kalman濾波的水下電纜定位方法，思路見圖1。

圖1 設(shè)計(jì)思路

1 圖像處理技術(shù)

1.1 圖像增強(qiáng)

不同濾波窗口下的暗通道見圖2，對(duì)比發(fā)現(xiàn)，圖2c)中的主體特征信息更為清晰準(zhǔn)確。對(duì)50幀水下電纜圖像進(jìn)行分析，借助標(biāo)尺工具獲取前景面積。

圖2 不同濾波窗口下的暗通道

對(duì)測(cè)得的50組二維數(shù)據(jù)點(diǎn)(width,length)進(jìn)行kmeans聚類：設(shè)置=3，隨機(jī)生成類簇中心1；類簇中心2為距離類簇中心1的最遠(yuǎn)點(diǎn)；類簇中心3為距離類簇中心1和2的最近距離最大點(diǎn)。層次聚類后，如圖3所示，圓點(diǎn)代表樣本數(shù)據(jù)，三角形為最終的類簇中心點(diǎn)。

圖3 k=3聚類結(jié)果

將類簇中心對(duì)應(yīng)的面積值分別命名為、和。利用式(1)重新定義暗通道鄰域窗口濾波半徑的大小。

(1)

式中：和為圖片尺寸，分別為640和480，計(jì)算可得=3。

(2)

在暗通道圖中選取最亮的0.1%像素，回歸()中尋找對(duì)應(yīng)的具有最高亮度的像素點(diǎn)的值，將其作為值。去霧圖像恢復(fù)的計(jì)算如下。

(3)

(4)

如圖4b)所示，Retinex增強(qiáng)后，圖像對(duì)比度得到了極大提升，但整體效果偏暗，四周暗角加劇導(dǎo)致邊緣特征丟失。如圖4c)所示，應(yīng)用DCP后暗角改善效果不佳，局部曝光度偏高。圖4d)所示，應(yīng)用改進(jìn)自適應(yīng)暗通道去霧算法后的處理效果得到明顯提升。

圖4 原圖及增強(qiáng)圖像

1.2 前景分割

將灰度特征和連通域特征作為分割前提，可大面積有效地去除干擾信息，處理步驟：①局部自適應(yīng)閾值分割；②連通域檢測(cè)；③鄰域面積閾值分割。

由于電纜區(qū)域和灰度近似的噪聲區(qū)域尺寸相差較大，設(shè)置一個(gè)面積閾值來篩選備選區(qū)域?？紤]到電纜表面部分區(qū)域被泥沙覆蓋,引入自適應(yīng)因子，這里取0.1。

=×min(，，)

(5)

計(jì)算出約為1 200個(gè)像素點(diǎn)。

1.3 電纜提取

1.3.1 形態(tài)學(xué)處理

應(yīng)用膨脹運(yùn)算可對(duì)分割后的二值圖像進(jìn)行填充，膨脹引入的寬度變形由腐蝕算法進(jìn)行補(bǔ)償，最后通過閉運(yùn)算填充殘留的孔洞。

1.3.2 中心線提取

流程及效果見圖5。

圖5 中心線提取流程和效果

對(duì)圖像進(jìn)行前景分割后的效果見圖5a)。利用歐氏距離法進(jìn)行距離分類，見圖5b)。利用二維歐式空間的Laplace微分算子得到像素值快速變化的區(qū)域，即邊界和主干線，見圖5c)。創(chuàng)建半徑為2個(gè)像素點(diǎn)的圓形掩膜，將其與二值化后的圖5c)做膨脹運(yùn)算，實(shí)現(xiàn)斷線填充效果，見圖5d)。圖5d)和圖5e)相減后，骨架上的分支已基本被剝離，設(shè)置面積閾值為30，可得到清晰連貫的中心線，見5f)。

1.3.3 采樣點(diǎn)映射

建立空列表-和-，遍歷值為255的像素點(diǎn)，對(duì)其進(jìn)行方向上的標(biāo)記，將標(biāo)記結(jié)果存儲(chǔ)至-中，定位區(qū)間為[:]。同理，對(duì)值為255的像素點(diǎn)進(jìn)行方向上的標(biāo)記，并將結(jié)果存儲(chǔ)至-中，定位區(qū)間為[:]。在定位區(qū)間構(gòu)成的最小外接矩形下方建立軸，設(shè)置等距刻度，并沿著方向?qū)⒖潭赛c(diǎn)映射到骨架線上獲取采樣點(diǎn)。若沿著方向截取到兩個(gè)以上的采樣點(diǎn)，表明還殘存分支，此時(shí)系統(tǒng)自動(dòng)生成對(duì)應(yīng)數(shù)量的子列表，分別用于存放支路上的采樣點(diǎn)，計(jì)算分支點(diǎn)和子列表最后一個(gè)元素之間的距離，距離最長的路徑應(yīng)屬于主骨架線，保留其上采樣點(diǎn)，清空其余分支上偽采樣點(diǎn)，最后將采樣點(diǎn)返回至原圖中。

采樣點(diǎn)映射法的思路是通過設(shè)定指定數(shù)量的采樣點(diǎn)來擬合出水下電纜走向，相比較于SVM結(jié)合Hough檢測(cè)的策略，無需對(duì)樣本進(jìn)行分類訓(xùn)練，實(shí)現(xiàn)起來更為簡單。

2 電纜位置測(cè)算

2.1 相機(jī)標(biāo)定

基于Matlab標(biāo)定工具箱，使用10×7的棋盤格標(biāo)定板，其小方格邊長為30 mm×30 mm。通過改變標(biāo)定板的位姿，并保持水下相機(jī)固定來獲取水下棋盤格圖像。重投影誤差條形見圖6，圖6中虛線對(duì)應(yīng)的縱坐標(biāo)值表示平均重投影誤差，它小于1個(gè)像素點(diǎn)，在允許的誤差范圍內(nèi)。標(biāo)定后獲得相機(jī)內(nèi)參數(shù)矩陣如下。

圖6 重投影誤差條形圖

(6)

2.2 坐標(biāo)變換

如圖7所示，為攝像頭的光軸與水平面之間的夾角，利用高度計(jì)可獲得水下機(jī)器人(ROV)相對(duì)電纜的高度。≡0.5 m，≡60°,表示相機(jī)坐標(biāo)系，表示ROV坐標(biāo)系。

圖7 水下視覺檢測(cè)系統(tǒng)坐標(biāo)模型

兩坐標(biāo)系間的轉(zhuǎn)換關(guān)系如下。

(7)

和分別為相對(duì)旋轉(zhuǎn)和平移矩陣。將電纜像素坐標(biāo)(,)轉(zhuǎn)換到ROV坐標(biāo)系下。

(8)

結(jié)合標(biāo)定參數(shù)后，可以得到電纜相對(duì)于ROV的三維空間坐標(biāo)(,,)。

(9)

3 定位跟蹤算法

3.1 航跡推算

基于ROV的運(yùn)動(dòng)模型建立航跡推算模型,根據(jù)當(dāng)前運(yùn)動(dòng)速度、電纜位置等信息預(yù)測(cè)下一時(shí)刻ROV的跟蹤軌跡。

ROV攜帶的定位系統(tǒng)反饋回的位置信息為(,)，航向角為，相鄰采樣幀的時(shí)間間隔為，幀間運(yùn)動(dòng)速度取平均值，加減速度為，橫移角速度為，則相鄰時(shí)刻間的ROV的位置關(guān)系可表示為

(10)

3.2 定位融合

采用Kalman濾波器，其主要公式如下。

1)ROV運(yùn)動(dòng)狀態(tài)方程。

()=·(-1)+()

(11)

2)系統(tǒng)狀態(tài)觀測(cè)方程。

()=·()+()

(12)

3)預(yù)測(cè)誤差協(xié)方差矩陣。

(|-1)=·(-1)+

(13)

4)Kalman增益。

(14)

5)最優(yōu)后驗(yàn)估計(jì)值。

(15)

6)協(xié)方差矩陣更新。

()=(1-())(|-1)

(16)

式中：標(biāo)注^表示預(yù)估值，為系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣；為過程噪聲方差；為系統(tǒng)噪聲方差。系統(tǒng)在時(shí)刻的噪聲。利用Kalman濾波算法，將航跡推算預(yù)測(cè)值與傳感器定位數(shù)據(jù)線性融合后的結(jié)果作為ROV的跟蹤路徑。

4 實(shí)驗(yàn)

4.1 實(shí)驗(yàn)設(shè)備

向10 m×10 m×5 m的試驗(yàn)水池中傾倒泥沙，模擬渾濁的水下環(huán)境,見圖8。圖8a)為幀率50 幀/s，有效像素768(H)×582(V)，焦距6 mm的高清水下攝像頭。圖8b)為南京歆祁科技的上位機(jī)實(shí)時(shí)監(jiān)控界面，它能夠直觀的顯示采集到的水下信息。系統(tǒng)通信利用TCP/IP協(xié)議用來接收下位機(jī)采集的數(shù)據(jù)和攝像頭視頻的采集，通過RS-485串口通信發(fā)送控制信息給下位機(jī)。

圖8 圖像獲取工具

4.2 電纜提取結(jié)果與分析

使用采樣點(diǎn)映射算法后得到的效果見圖9，用白色的線連接兩個(gè)相鄰的采樣點(diǎn)。

圖9 采樣點(diǎn)映射

由圖9可見，采樣點(diǎn)擬合出的連線與水下電纜鋪設(shè)軌跡保持一致，適用于檢測(cè)彎曲度較小的水下電纜。水下電纜的位置信息在excel表格中生成，見表1、2。

表1 采樣點(diǎn)像素坐標(biāo)

表2 相對(duì)坐標(biāo)

4.3 定位融合結(jié)果與分析

實(shí)驗(yàn)設(shè)置為=diag[eeee]。選取50張不同位置的水下棋盤格圖片，測(cè)量棋盤格上第一個(gè)角點(diǎn)的坐標(biāo)并求出方差后代入到測(cè)量噪聲協(xié)方差矩陣中，可得=diag[0.03 5 0.001 2] m。通過手動(dòng)操縱控制臺(tái)上的搖桿來調(diào)節(jié)運(yùn)動(dòng)速度和方向并自動(dòng)拍攝圖像，ROV初始速度==0.01 m/s，=2 s。

仿真設(shè)定偏差、文獻(xiàn)[4]檢測(cè)偏差與本文算法的檢測(cè)偏差對(duì)比見圖10a)，霍夫檢測(cè)后的濾波偏差幅值減小較為明顯，但波動(dòng)也較為劇烈。經(jīng)本文算法處理過后，平均偏差可控制在0.01 m以下，相較于前者減小了0.015 m。35 s至50 s內(nèi)，檢測(cè)誤差開始減??；50 s至65 s內(nèi)，波動(dòng)逐漸減小；70 s后曲線趨于平穩(wěn)。

圖10 定位融合仿真結(jié)果

基于采樣點(diǎn)映射的定位融合仿真見圖10b)，軸和軸分別對(duì)應(yīng)ROV的橫向和縱向位移數(shù)據(jù)。將其作為濾波修正后的ROV跟蹤軌跡。結(jié)果表明，加入定位融合算法后的檢測(cè)曲線更為平滑，接近于水下電纜的狀態(tài)，能夠在一定程度上提升ROV跟蹤的準(zhǔn)確性。

5 結(jié)論

1)對(duì)采集的水下降質(zhì)圖像進(jìn)行處理，實(shí)驗(yàn)結(jié)果表明，自適應(yīng)暗通道去霧算法在處理暗角和局部曝光過度方面優(yōu)于本文列舉的其他兩種圖像增強(qiáng)算法。

2)采樣點(diǎn)映射算法代替SVM結(jié)合Hough檢測(cè)的方法適合于提取彎曲度較小的水下電纜。仿真結(jié)果表明，Kalman濾波后，采樣點(diǎn)映射法相比直線檢測(cè)法的平均檢測(cè)偏差減少1.5 cm，位置偏差隨著檢測(cè)時(shí)間增長而減小，70 s后偏差值趨于穩(wěn)定。

3)本文所設(shè)計(jì)的方法具有合理性。