水下特定目标的探测与位姿估计方法研究
文献类型：学位论文
| 作者 | 刘爽 |
| 答辩日期 | 2019-11-28 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 林扬 |
| 关键词 | 水下目标探测 姿态估计 水下对接 |
| 学位名称 | 博士 |
| 学位专业 | 机械电子工程 |
| 其他题名 | Research on Detection and Pose Estimation for Underwater Specific Targets |
| 英文摘要 | 本文重点研究基于视觉的水下特定目标探测与位姿估计方法。水下特定目标探测与位姿估计是基于视觉的水下机器人水下自主对接的关键技术。水下自主对接技术通过赋予自主水下机器人自主进入水下基站的能力达到为水下机器人补充能源和回收水下机器人的目的，是提高自主水下机器人续航能力、无人化管理水下机器人的核心关键技术，具有重大的实际应用需求。本文面向自主水下机器人水下自主对接与水下自主回收任务，以水下对接基站为特定目标，研究针对水下基站特定目标的探测与位姿估计，具体研究内容包括：(1) 水下特定目标的探测方法研究。针对水下特定目标探测过程探测准确率不高的问题，提出了基于区域提取的水下特定目标探测网络与基于回归的水下特定目标探测网络。在基于区域提取的水下特定目标探测网络内容中，分析了各类数据扩充方法对于探测性能的提升效果。在基于回归的水下特定目标探测网络内容中，通过实验验证了该网络在水下基站探测中的优异性能，并分析了其在诸如模糊、颜色偏移、对比度偏移、镜像等常见水下图像特性中的鲁棒性。实验结果表明，所提出的基于回归的水下特定目标探测网络在水下基站的探测中综合性能优于基准方法。(2) 水下特定目标探测的域适应方法研究。在水下特定目标探测中，训练模型所使用的训练集数据与实际应用场景中的数据往往不满足独立同分布假设，具有较大的域差异性。这种域差异性将导致使用训练集训练得到的模型域适应能力弱，在实际应用中性能显著降低。为了解决上述问题，提出了一种新型的对抗神经网络T2FGAN，能够生成给定水质、光源属性、位姿和配置下的水下图像。实验结果表明利用所生成的图像训练探测模型，显著地提高了的探测模型域适应能力。(3) 水下特定目标特征标识提取方法研究。提取水下特定目标的特征标识是在探测得到的结果基础上以图像分割的形式提取出目标的特征标识，为下一步的三维空间中的位姿估计做准备。针对浅水区域特征标识提取出现的复杂环境光和非均匀扩散问题，提出了基于拉普拉斯高斯滤波器的水下特征标识提取方法。实验通过定性与定量的分析表明所提出的方法优于基准方法。(4) 三维空间中水下特定目标的位姿估计方法。三维空间中水下特定目标的位姿估计方法计算水下机器人相对目标的位置和姿态。针对实际应用中可能出现的特征标识失效或被部分遮挡的问题，提出了全观测下与部分观测下三维空间中的位姿估计方法。分别在数据集、陆地实验和室内水池实验验证了所提出的方法准确有效，能够满足实际应用需求。(5) 湖上试验验证。将所提出的方法应用于静态基站AUV水下资助对接能源补充和移动基站水下自主回收AUV两项实际任务中。分别通过二者的湖试试验验证了所提出的方法有效，满足自主水下机器人在这两项任务中的实际需求。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 131页 |
| 源URL | [http://ir.sia.cn/handle/173321/25947]  |
| 专题 | 沈阳自动化研究所_海洋信息技术装备中心 |
| 推荐引用方式 GB/T 7714 | 刘爽. 水下特定目标的探测与位姿估计方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2019. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。