11、水下机器人与视觉辅助驾驶系统的计算机视觉技术

水下机器人与视觉辅助驾驶系统的计算机视觉技术

1. 水下声学图像处理技术

在水下环境中，由于光线在水中的吸收和散射，使用标准计算机视觉技术进行成像和测绘面临诸多挑战。不过，声学传感器为水下机器人探索海洋提供了重要的补充手段，其中声学图像处理的在线技术主要包括图像配准和图像融合。

1.1 FLS图像配准

• 特征匹配法的局限性 ：一些基于特征的方法，如Harris角点检测器，被用于提取FLS图像中的角点特征，通过局部块的互相关进行特征匹配，再用类似RANSAC的方法估计变换。但由于声纳数据的固有特性，像素级特征的重复性低，提取的特征缺乏稳定性，容易产生错误匹配和错误的变换估计，尤其是处理空间或时间上距离较远的声纳图像时，问题更加严重。
• 区域特征法 ：为了克服这些问题，一些研究人员提出了基于区域特征的方法。例如，Johannsson等人提出在强度急剧变化的局部区域提取特征，将特征对齐问题转化为基于正态分布变换（NDT）算法的优化问题。Aykin和Negahdaripour提出提取包含高强度值和负垂直梯度的斑点特征，并使用自适应方案，将高斯分布拟合到每个斑点特征上，然后进行优化以寻找最佳运动。
• 基于傅里叶的配准方法 ：Hurtós等人提出了基于傅里叶的配准方法，该方法考虑了图像中的所有内容进行配准，对噪声和强度伪影具有更强的鲁棒性。通过假设简化的成像几何，利用相位相关原理估计平移和旋转。该方法还引入了特定掩码程序和自适应频率滤波来处理噪声，并且在低信噪比的声纳图像上表现优于其他全局旋转估计方法。其计算时间固定，适