一种应用于仿生机器鱼的水下主动视觉跟踪方法技术

本发明专利技术涉及一种应用于仿生机器鱼的水下主动视觉跟踪方法，包括基于嵌入式视觉系统的自主目标识别与目标定位的步骤如下：步骤S1：数字摄像头采集数字水下图像；步骤S2：基于颜色特征、形状特征、轮廓特征其中的一种对水下图像进行目标识别，获取颜色特征、形状特征、轮廓特征其中的一种的水下目标区域；步骤S3：对颜色特征、形状特征、轮廓特征其中的一种的水下目标区域，采用加权颜色直方图对目标进行特征描述，并根据目标特征描述实现对水下目标定位。本发明专利技术不需要对图像预处理，计算量较小，实时性好，定位较精确，适用于系统资源有限、环境相对简单的场景；还适用于不同环境下的主动视觉跟踪，特别是仿生机器鱼上的嵌入式视觉应用。

【技术实现步骤摘要】

本专利技术涉及嵌入式视觉信息处理领域，特别是应用到仿生机器鱼的水下主动视觉跟踪方法。 
技术介绍
基于单目视觉的主动目标跟踪，包括目标识别与定位技术，是计算机视觉领域基础性的问题。水环境中主动视觉跟踪，相比于大气环境，具有更大的困难。这主要是由于水环境的特殊性导致的，水环境中照明是充满变数，水中光线是不均匀的，水中颗粒物混淆传统的噪声模型，水下设备与地面监控之间的通信存在限制等等。 嵌入式系统，由于其系统资源有限，要求目标识别与定位算法有更低的复杂度、更快的运行速度。基于以上这些复杂的考量，基于嵌入式视觉的水下主动目标跟踪，通常是对人工目标或者对增加标示的自然目标的跟踪。但是，目前基于嵌入式视觉的水下主动目标跟踪中，目标形状设置不尽理想，算法复杂度较高，环境适应性有待提高，难以达到快速、准确识别与定位的要求。 
技术实现思路
(一)要解决的技术问题 为了增强仿生机器鱼自主目标识别与定位系统在水下环境中的适应能力，提高定位的精度，本专利技术的目的是提供一种基于嵌入式视觉的应用于仿生机器鱼的水下主动视觉跟踪方法。 (二)技术方案 本专利技术提供一种应用于仿生机器鱼的水下主动视觉跟踪方法，包括基于嵌入式视觉系统的自主目标识别与目标定位的步骤如下： 步骤S1：数字摄像头采集数字水下图像； 步骤S2：基于颜色特征、形状特征、轮廓特征其中的一种对水下图像进行目标识别，获取颜色特征、形状特征、轮廓特征其中的一种的水下目标区域； 步骤S3：对颜色特征、形状特征、轮廓特征其中的一种的水下目标区域，采用加权颜色直方图对目标进行特征描述，并根据目标特征描述实现对水下目标定位。 (三)有益效果 本专利技术方法中目标物相对简单，形状规则，适用于不同环境下的主动视觉跟踪，特别是仿生机器鱼上的嵌入式视觉应用。具体来说，首先，主动视觉跟踪自主识别目标，在不同条件下的目标识别包括基于颜色的快速目标识别、基于形状的精确目标识别以及基于轮廓的扩展目标识别；其次，本专利技术的主动视觉定位方法是基于加权直方图描述进行目标定位。本专利技术的主动视觉跟踪方法，不需要对图像进行预处理，计算量较小，实时性好，定位较精确，特别适用于系统资源有限、环境相对简单的场景。 附图说明图1a是本专利技术构建的应用于仿生机器鱼的嵌入式视觉硬件系统架构。 图1b是本专利技术构建的应用于仿生机器鱼的嵌入式视觉跟踪的算法流程图。 图2a是本专利技术中人工设定的色块。 图2b是对人工设定的色块进行基于颜色的目标识别结果。 图3中的(a)是本专利技术中复杂环境下人工设定的矩形色块。 图3中的(b)是LSD算法检测到的线段二值化后的结果。 图3中的(c)是形状拟合后确定的候选目标。 图3中的(d)是抑制伪目标后确定的感兴趣目标区域。 图4中的(a)是本专利技术中数字摄像头采集到的一帧目标图像。 图4中的(b)是采用颜色直方图建立目标模型，对图4(a)图像反投影得到的灰度图像。 图4中的(c)是采用加权颜色直方图建立目标模型，对图4(a)图像反投影得到的灰度图像。 图4中的(d)是采用背景加权的颜色直方图建立目标模型，对图4(a)图像反投影得到的灰度图像。 图5是本专利技术中数字摄像头正立拍摄的镜像图像实例。 图6a是对图5中图像的镜像区域统计出的光强分布。 图6b是对图5中图像的目标区域统计出的光强分布。 图7a是本专利技术中一种圆环镜像干扰图像，目标和镜像是处于分离状态。 图7b是本专利技术中一种圆环镜像干扰图像，目标和镜像是处于相连状态。 图8是本专利技术中对图7b中图像进行镜像抑制时，轮廓点在凹点连线上下的特征分布。 图9a是本专利技术针对图7a处理得到的镜像抑制结果，图中矩形线条框区域为使用CAMSHIFT预测的目标区域，白色框为搜索到的目标轮廓。 图9b是本专利技术针对图7b处理得到的镜像抑制结果，白色轮廓为含有镜像提取的轮廓，外围黑色轮廓为白色轮廓的凸包围，A点和B点即为轮廓的凹点，从凹点开始在其连线的上半部分顺着轮廓将镜像轮廓滤除，从凹点开始连线的上半部分区域即为识别出来的镜像轮廓。 具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于所述值。 本专利技术构建了一种是适用于嵌入式系统主动视觉的硬件电路架构，提供丰富的资源完成水下视觉的任务需求。所构建的硬件架构如图1a所示包括图像采集单元、超声传感器和陀螺仪等、DM3730主控芯片、STM32F407舵机控制单元、无线传输模块、上位机监控单元。图像采集单元输出的数字图像格式是YCbCr4:2:2；超声传感器和陀螺仪等输出一系列环境信息与仿生机器鱼姿态信息(本专利技术中没有用到，为后续功能增强设计)；DM3730芯片输入图像数据、环境信息与仿生机器鱼自身姿态 信息，输出目标位置信息、监控数据或者压缩图像信息；STM32F407舵机控制单元输入目标位置信息，输出用于舵机控制的脉冲宽度调制信号PWM；无线传输模块接收监控数据或者压缩图像，输出到上位机监控数据或者监控图像；TI的Davince系列芯片DM3730为硬件控制电路的核心。DM3730在片上融合了高达1GHz ARM CortexTM A8和800MHz TMS320C64x+TM DSP。DSP以其强大的数据处理能力用于图像处理，获取目标信息；ARM中加载Linux系统，用于管理整体资源，处理传感器信息与运动控制以及用于上位机的通信与监控。ARM和DSP之间的通信是基于Codec Engine，它是连接应用层(ARM端)与信号处理层(DSP)的软件模块，实现共用系统资源。无线传输模块采用无线射频模块RF200(TTL电平，418～455MHz)与上位机进行命令通信；上位机监控单元采用高吞吐量、低功耗的WiFi模块(IEEE802.11标准，2.4GHz)，用于上位机的视频监控。由于本专利技术面向仿生机器鱼的视觉应用，故而在硬件架构中增加机器鱼驱动部分。机器鱼的游动由PWM信号驱动舵机实现，PWM信号在STM32F407芯片上产生，是依照CPG模型计算出。需要说明的是，虽然本专利技术以仿生机器鱼的视觉应用为蓝本，但是构建的嵌入式硬件架构，对于搭建面向其他应用的嵌入式平台具有指导意义。 以上述硬件电路为基础，本专利技术提出了一种快速、高效的水下主动视觉跟踪方法，具体包括针对不同人工目标的自主识别与连续定位。本专利技术方法的流程图如图1b所示。自主的目标识别，由于识别目标特征的不同，又包括基于颜色的目标识别、基于形状的目标识别以及基于轮廓的目标识别。具体来说，本专利技术提供的应用于仿生机器鱼的水下主动视觉跟踪方法，包括步骤如下： 步骤S1：数字摄像头采集数字水下图像； 步骤S2：基于颜色特征、形状特征、轮廓特征其中的一种对水下图像进行目标识别，获取颜色特征、本文档来自技高网...

【技术保护点】
一种应用于仿生机器鱼的水下主动视觉跟踪方法，其特征在于，包括基于嵌入式视觉系统的自主目标识别与目标定位的步骤如下：步骤S1：数字摄像头采集数字水下图像；步骤S2：基于颜色特征、形状特征、轮廓特征其中的一种对水下图像进行目标识别，获取颜色特征、形状特征、轮廓特征其中的一种的水下目标区域；步骤S3：对颜色特征、形状特征、轮廓特征其中的一种的水下目标区域，采用加权颜色直方图对目标进行特征描述，并根据目标特征描述实现对水下目标定位。

【技术特征摘要】
1.一种应用于仿生机器鱼的水下主动视觉跟踪方法，其特征在于，
包括基于嵌入式视觉系统的自主目标识别与目标定位的步骤如下：
步骤S1：数字摄像头采集数字水下图像；
步骤S2：基于颜色特征、形状特征、轮廓特征其中的一种对水下图像
进行目标识别，获取颜色特征、形状特征、轮廓特征其中的一种的水下目
标区域；
步骤S3：对颜色特征、形状特征、轮廓特征其中的一种的水下目标区
域，采用加权颜色直方图对目标进行特征描述，并根据目标特征描述实现
对水下目标定位。
2.根据权利要求1所述的方法，其特征在于，所述基于颜色特征对
水下目标识别的步骤如下：
步骤S2A：采集的水下图像格式为YCbCr4:2:2，对采集到图像的通
道Cb、通道Cr分别选取自适应颜色阈值，其中通道Y的像素因为受光照
影响较大而舍弃；
步骤S2B：逐行逐列扫描水下图像，根据红色像素判定准则统计红色
像素个数；
步骤S2C：当连续行/列的红色像素个数超过给定自适应颜色阈值，则
识别出感兴趣的...

【专利技术属性】
技术研发人员：喻俊志，孙飞虎，陈世峰，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11