一种基于图像处理的智能识别系统及方法技术方案

本发明专利技术公开了一种基于图像处理的智能识别系统及方法，属于水下机器人智能控制技术领域。本发明专利技术所述系统包括水下机器人本体、姿态调整模块、图像处理模块、边缘检测模块和损伤智能识别模块；所述姿态调整模块用于对水下机器人相较于目标物体的调整角度和下沉深度进行确定；所述边缘检测模块用于对损伤位置边缘点进行检测识别；所述损伤智能识别模块用于对损伤位置的损伤深度和损伤位置的损伤体积进行确定。本发明专利技术通过对像素值进行校正处理，避免因双目摄像头拍摄角度的问题导致拍摄图像中目标物体的损伤位置拍摄不清晰的情况出现，且经过校正处理后，无需多次调整双目摄像头的拍摄角度，进而提高了水下机器人对目标物体损伤情况的检测效率。伤情况的检测效率。伤情况的检测效率。

【技术实现步骤摘要】
一种基于图像处理的智能识别系统及方法


[0001]本专利技术涉及水下机器人智能控制
，具体为一种基于图像处理的智能识别系统及方法。

技术介绍

[0002]随着社会经济的发展，海洋的价值也越来越被人类重视，人们从不同的角度对其进行开发和利用，利用在海洋底部铺设的海洋管道输送石油和天然气、利用在海洋中安装的风电机组发电，以及利用安装的风电机组建设海洋牧场等，为了保证海洋管道、风电机组，以及其它安装在海洋中的装备和水上运动装备的正常运行，需要定期对上述装备进行水下检测。
[0003]现有的水下检测技术包括机器检测和人工检测，人工对水下装备进行检测时，面临着水下作业环境差、危险性高、效率低下和不可持续作业的问题，然而现有的水下检测机器人体积大（普遍在半米以上）、通过能力差，以至于海下应用范围较少，且在利用现有水下机器人对水下装备进行检测时，无法准确、及时的对水下设备产生的裂纹情况进行获取。

技术实现思路

[0004]本专利技术的目的在于提供一种基于图像处理的智能识别系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于图像处理的智能识别系统及方法，所述系统包括水下机器人本体、姿态调整模块、图像处理模块、边缘检测模块和损伤智能识别模块；所述水下机器人本体包括照明模块、驱动器、控制模块、电池舱、支撑架和双目摄像头；所述控制模块用于对姿态调整模块传输的水下机器人相较于目标物体的调整角度和下沉深度进行接收，基于接收信息，对水下机器人的位姿进行调整，水下机器人位姿调整结束后，控制模块控制双目摄像头对目标物体再次进行拍摄，并将拍摄获取的图像传输至图像预处理模块，所述控制模块用于对损伤智能识别模块传输的损伤位置和损伤位置对应的损伤深度、损伤体积进行接收，根据接收信息控制水下机器人运动至下一检测位置；所述姿态调整模块用于对双目摄像头在设定深度下拍摄的图像进行获取，在获取图像中对目标物体特征点在不同图像中的位置信息进行采集，基于采集的位置信息，对水下机器人相较于目标物体的调整角度和下沉深度进行确定，并将确定的调整角度和下沉深度传输至控制模块；所述图像处理模块用于对控制模块传输的获取图像进行接收，利用稀疏表示对接收的图像进行去噪处理，利用基于特征分类的多稀疏字典彩色化算法对去噪处理后的图像进行图像增强处理，对增强处理后的图像中的目标特征进行获取，并将获取的目标特征图像传输至边缘检测模块，稀疏表示和基于特征分类的多稀疏字典彩色化算法均为现有技
术；所述边缘检测模块用于对图像处理模块传输的目标特征图像进行接收，在接收的目标特征图像中对损伤位置的损伤边界点对应的像素值和位置坐标进行获取，将位置坐标周围的图像片段对应的平均像素值与获取的像素值进行对比，根据对比结果，对边缘点进行检测，并将边缘点检测结果传输至损伤智能识别模块；所述损伤智能识别模块用于对边缘检测模块传输的边缘检测结果进行接收，根据边缘检测结果，对闭合边缘界线内的图像像素点进行采集，根据光线的照射角度，对采集的图像像素点中的背光像素点进行校正处理，根据校正处理后其它像素点与损伤中心像素点之间的关系，对损伤位置的损伤深度进行预测，基于损伤中心点对损伤位置进行层级划分，根据划分结果对损伤中心点对应的损伤宽度，结合损伤中心对应的损伤深度，对损伤位置的损伤体积进行确定，并将确定的损伤位置和损伤位置对应的损伤深度、损伤体积反馈至控制模块。
[0006]进一步的，所述姿态调整模块包括信息获取单元、位姿确定单元和下沉深度计算单元；所述信息获取单元对双目摄像头在设定深度下拍摄的图像进行获取，判断获取的图像中是否存在目标物体，若不存在，则控制模块驱动水下机器人继续下沉，若存在，则对图像中存在的目标物体共同特征进行确定，对确定的共同特征在获取图像中的位置坐标进行采集，并将采集的位置坐标传输至位姿确定单元和下沉深度计算单元，在获取共同特征的位置坐标时以图像左下角顶点为坐标原点构建坐标系；所述位姿确定单元对信息获取单元传输的位置坐标进行接收，对接收的位置坐标的纵坐标之间的差值进行计算，结合双目摄像头之间的距离值，对水下机器人的倾斜角度进行确定，将确定的倾斜角度与期望角度进行比较，根据比较结果对水下机器人的调整角度进行确定，并将确定的调整角度传输至控制模块，其中，倾斜角度=arcsin（差值/距离值）；所述下沉深度计算单元对信息获取单元传输的位置坐标进行接收，以接收的位置坐标的纵坐标与图像中点的纵坐标之间的最小差值作为水下机器人的下沉深度，并将得到的下沉深度传输至控制模块。
[0007]进一步的，所述边缘检测模块包括边缘提取单元和图像融合单元；所述边缘提取单元对图像处理模块传输的目标特征图像进行接收，在接收的目标特征图像中对损伤位置的损伤边界点对应的像素值和位置坐标进行获取，并将获取的损伤边界点对应的像素值和位置坐标传输至图像融合单元；所述图像融合单元对边缘提取单元传输的损伤边界点对应的像素值和位置坐标进行接收，根据接收的位置坐标，对位置坐标周围的图像片段进行提取，对提取的图像片段的平均像素值进行计算，将计算的平均像素值与接收的像素值进行对比，根据对比结果判断损伤边界点是否为边缘点，并将检测的边缘点传输至损伤智能识别模块。
[0008]进一步的，所述损伤智能识别模块包括像素点采集单元、损伤深度预测单元和损伤大小确定单元；所述像素点采集单元对图像融合单元传输的边缘检测结果进行接收，根据边缘检测结果，对闭合边缘界线内的图像像素点进行采集，并将采集的图像像素点传输至损伤深
度预测单元；所述损伤深度预测单元对像素点采集单元传输的图像像素点进行接收，根据光线的照射角度，对边缘增强处理后的目标特征图像中的损伤位置进行校正处理，基于校正处理结果对损伤位置中损伤中心的像素点进行确定，根据接收的其它像素点与损伤中心像素点之间的关系，对损伤位置的损伤深度进行预测，并将预测的损伤位置的损伤深度传输至损伤大小确定单元和控制模块，其它像素点指采集的像素点中除损伤中心像素点以外的像素点；所述损伤大小确定单元对损伤深度预测单元传输的损伤深度和损伤中心点进行接收，通过接收的损伤中心点对损伤位置进行层级划分，层级划分后对每一层级的损伤宽度计算，结合接收的损伤深度，对损伤位置的损伤体积进行确定，并将确定的损伤体积和损伤位置传输至控制模块，通过对损伤位置进行层级划分，避免目标物体因开裂不均匀导致的损伤位置中各损伤中心点对应的损伤深度不同，从而造成预测的损伤体积与现实存在较大差异，进而提高了水下机器人对目标物体损伤情况的检测精度。
[0009]进一步的，所述损伤深度预测单元对损伤位置的损伤深度进行预测的具体方法为：根据光线照射角度，对接收的图像像素点中的背光像素点进行获取；构建校正模型对背光像素点的像素值进行校正处理，具体的校正模型Q为：Q=[1+1
‑ꢀ
(H＇/((1/n)*∑b i=1H
i
))]*H；其中，i=1,2,
…
,b，表示接收的图像像素点中除背光像素点以外的图像像素点对应的编号，b表示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的智能识别系统及方法，其特征在于：所述系统包括水下机器人本体、姿态调整模块、图像处理模块、边缘检测模块和损伤智能识别模块；所述水下机器人本体包括照明模块、驱动器、控制模块、电池舱、支撑架和双目摄像头；所述控制模块用于对姿态调整模块传输的水下机器人相较于目标物体的调整角度和下沉深度进行接收，基于接收信息，对水下机器人的位姿进行调整，水下机器人位姿调整结束后，控制模块控制双目摄像头对目标物体再次进行拍摄，并将拍摄获取的图像传输至图像预处理模块，所述控制模块用于对损伤智能识别模块传输的损伤位置和损伤位置对应的损伤深度、损伤体积进行接收，根据接收信息控制水下机器人运动至下一检测位置；所述姿态调整模块用于对双目摄像头在设定深度下拍摄的图像进行获取，在获取图像中对目标物体特征点在不同图像中的位置信息进行采集，基于采集的位置信息，对水下机器人相较于目标物体的调整角度和下沉深度进行确定，并将确定的调整角度和下沉深度传输至控制模块；所述图像处理模块用于对控制模块传输的获取图像进行接收，利用稀疏表示对接收的图像进行去噪处理，利用基于特征分类的多稀疏字典彩色化算法对去噪处理后的图像进行图像增强处理，对增强处理后的图像中的目标特征进行获取，并将获取的目标特征图像传输至边缘检测模块；所述边缘检测模块用于对图像处理模块传输的目标特征图像进行接收，在接收的目标特征图像中对损伤位置的损伤边界点对应的像素值和位置坐标进行获取，将位置坐标周围的图像片段对应的平均像素值与获取的像素值进行对比，根据对比结果，对边缘点进行检测，并将边缘点检测结果传输至损伤智能识别模块；所述损伤智能识别模块用于对边缘检测模块传输的边缘检测结果进行接收，根据边缘检测结果，对闭合边缘界线内的图像像素点进行采集，根据光线的照射角度，对采集的图像像素点中的背光像素点进行校正处理，根据校正处理后其它像素点与损伤中心像素点之间的关系，对损伤位置的损伤深度进行预测，基于损伤中心点对损伤位置进行层级划分，根据划分结果对损伤中心点对应的损伤宽度，结合损伤中心对应的损伤深度，对损伤位置的损伤体积进行确定，并将确定的损伤位置和损伤位置对应的损伤深度、损伤体积反馈至控制模块。2.根据权利要求1所述的一种基于图像处理的智能识别系统，其特征在于：所述姿态调整模块包括信息获取单元、位姿确定单元和下沉深度计算单元；所述信息获取单元对双目摄像头在设定深度下拍摄的图像进行获取，判断获取的图像中是否存在目标物体，若不存在，则控制模块驱动水下机器人继续下沉，若存在，则对图像中存在的目标物体共同特征进行确定，对确定的共同特征在获取图像中的位置坐标进行采集，并将采集的位置坐标传输至位姿确定单元和下沉深度计算单元；所述位姿确定单元对信息获取单元传输的位置坐标进行接收，对接收的位置坐标的纵坐标之间的差值进行计算，结合双目摄像头之间的距离值，对水下机器人的倾斜角度进行确定，将确定的倾斜角度与期望角度进行比较，根据比较结果对水下机器人的调整角度进行确定，并将确定的调整角度传输至控制模块；所述下沉深度计算单元对信息获取单元传输的位置坐标进行接收，以接收的位置坐标的纵坐标与图像中点的纵坐标之间的最小差值作为水下机器人的下沉深度，并将得到的下
沉深度传输至控制模块。3.根据权利要求2所述的一种基于图像处理的智能识别系统，其特征在于：所述边缘检测模块包括边缘提取单元和图像融合单元；所述边缘提取单元对图像处理模块传输的目标特征图像进行接收，在接收的目标特征图像中对损伤位置的损伤边界点对应的像素值和位置坐标进行获取，并将获取的损伤边界点对应的像素值和位置坐标传输至图像融合单元；所述图像融合单元对边缘提取单元传输的损伤边界点对应的像素值和位置坐标进行接收，根据接收的位置坐标，对位置坐标周围的图像片段进行提取，对提取的图像片段的平均像素值进行计算，将计算的平均像素值与接收的像素值进行对比，根据对比结果判断损伤边界点是否为边缘点，并将检测的边缘点传输至损伤智能识别模块。4.根据权利要求3所述的一种基于图像处理的智能识别系统，其特征在于：所述损伤智能识别模块包括像素点采集单元、损伤深度预测单元和损伤大小确定单元；所述像素点采集单元对图像融合单元传输的边缘检测结果进行接收，根据边缘检测结果，对闭合边缘界线内的图像像素点进行采集，并将采集的图像像素点传输至损伤深度预测单元；所述损伤深度预测单元对像素点采集单元传输的图像像素点进行接收，根据光线的照射角度，对边缘增强处理后的目标特征图像中的损伤位置进行校正处理，基于校正处理结果对损伤位置中损伤中心的像素点进行确定，根据接收的其它像素点与损伤中心像素点之间的关系，对损伤位置的损伤深度进行预测，并将预测的损伤位置的损伤深度传输至损伤大小确定单元和控制模块，其它像素点指采集的像素点中除损伤中心像素点以外的像素点；所述损伤大小确定单元对损伤深度预测单元传输的损伤深度和损伤中心点进行接收，通过接收的损伤中心点对损伤位置进行层级划分，层级划分后对每一层级的损伤宽度计算，结合接收的损伤深度，对损伤位置的损伤体积进行确定，并将确定的损伤体积和损伤位置传输至控制模块。5.根据权利要求4所述的一种基于图像处理的智能识别系统，其特征在于：所述损伤深度预测单元对损伤位置的损伤深度进行预测的具体方法为：根据光线照射角度，对接收的图像像素点中的背光像素点进行获取；构建校正模型对背光像素点的像素值进行校正处理，具体的校正模型Q为：Q=[1+1
‑ꢀ
(H＇/(...

【专利技术属性】
技术研发人员：张蕾，黄鑫佳，卞晓明，
申请(专利权)人：盐城国睿信科技有限公司，
类型：发明
国别省市：