【技术实现步骤摘要】
本专利技术涉及高清定位，具体涉及一种水下机器人视觉定位方法。
技术介绍
1、水下机器人技术作为现代科技的重要组成部分，在海洋勘探、海洋科学研究、搜救行动等多个领域发挥着关键作用。然而，在实际应用中，水下环境的特殊性质会导致图像质量较差，给水下机器人的视觉定位带来了极大的挑战。
2、现有技术在利用伽马变换对水下图像质量进行增强时，往往根据图像中的灰度信息获取伽马因子，但是由于水下水流波动、光线折射反射等因素的影响，此时的伽马因子并不能准确反映图像中的整体情况，从而导致图像增强效果较差，影响最终水下机器人定位信息获取的准确性。
技术实现思路
1、为了解决由于水下水流波动、光线折射反射等因素的影响，根据图像中的灰度信息获取的伽马因子并不能准确反映图像中的整体情况，导致图像增强效果较差，影响最终水下定位信息获取的准确性的技术问题，本专利技术的目的在于提供一种水下机器人视觉定位方法，所采用的技术方案具体如下：
2、基于预设时间间隔获取水下机器人采集到的同一位置处的两张灰度图像，任选一张作为待测图像，另一张作为对比图像；
3、按照相同的划分方法分别将所述待测图像和对比图像均匀划分为图像块，在待测图像中任选一个图像块作为待测块，将待测块在对比图像中对应位置的图像块作为对比块；在待测图像中，根据待测块与以待测块为中心的预设范围内其他图像块之间的灰度分布以及灰度差异，获得待测块对应的区域聚集性；
4、分别在待测块和对比块中，对所有像素点的灰度变化趋势进
5、根据所述增强图像对机器人进行定位。
6、进一步地，所述根据待测块与以待测块为中心的预设范围内其他图像块之间的灰度分布以及灰度差异，获得待测块对应的区域聚集性，包括：
7、将以待测块为中心的预设范围内其他图像块作为分析块，根据待测块与所有分析块之间的灰度整体差异，筛选得到待测块的相似块；
8、将待测块中的最大灰度值和最小灰度值以及对应的所有相似块中的最大灰度值和最小灰度值组成数值序列，计算数值序列中两两数值之间的差异，将最大差异作为上限值，最小差异作为下限值，得到灰度波动范围，将所述灰度波动范围中的所有整数值作为目标值；
9、将待测块和每个相似块中相同位置处像素点的灰度差异作为对应像素点的差异因子，计算所述差异因子和每个目标值的差异作为波动幅度，将最大波动幅度作为对应像素点的波动因子；将待测块中所有像素点对应的波动因子的均值进行负相关映射并归一化后的值，作为待测块与相似块的聚集因子；
10、将待测块与所有相似块的聚集因子的均值作为待测块对应的区域聚集性。
11、进一步地，所述将以待测块为中心的预设范围内其他图像块作为分析块，所述将以待测块为中心的预设范围内其他图像块作为分析块，根据待测块与所有分析块之间的灰度整体差异，筛选得到待测块的相似块，包括：
12、计算待测块与每个分析块的灰度均值之间的差异进行归一化，作为均值差异，将小于预设差异阈值的均值差异对应的分析块作为待测块的相似块。
13、进一步地，所述分别在待测块和对比块中，对所有像素点的灰度变化趋势进行分析，获得灰度变化轨迹，包括：
14、分别在待测块和对比块中，将待测块的质心所在位置的像素点以及待测块的质心在对比块中对应位置处的像素点作为变化像素点，在以变化像素点为中心的预设邻域内，将与中心像素点灰度差值最大的邻域像素点作为新的变化像素点，不断确定新的变化像素点，直至新的变化像素点为图像块的边缘像素点时停止，将所有的变化像素点按照出现的先后顺序进行排列，得到灰度变化轨迹。
15、进一步地，所述根据待测块和对比块中灰度变化轨迹上像素点位置分布之间的差异以及待测块对应的区域聚集性，获得待测块为非海水区域的可能性，包括：
16、分别在待测块和对比块对应的灰度变化轨迹上，将除最后一个像素点外的其他像素点作为目标点；依次以每个目标点为起点，目标点相邻的后一个像素点为终点，得到目标点对应的灰度变化方向；计算每个目标点对应的灰度变化方向与预设第一方向之间的夹角，得到角度值；
17、将两个灰度变化轨迹上的角度值均值的差异进行负相关映射并归一化后的值，作为待测块为非海水区域的可能因子；将待测块为非海水区域的可能因子与对应的区域聚集性相乘后的值，作为待测块为非海水区域的可能性。
18、进一步地，所述根据待测块中像素点的灰度分布、纹理信息以及待测块为非海水区域的可能性，获得待测块对应的自适应伽马因子，包括：
19、计算待测块中所有像素点的灰度值与待测块对应的灰度均值的差异的和值，作为灰度表现值；
20、在待测块中，以中心像素点为起点，获取八链码方向上的射线；计算每条射线上所有相邻像素点之间的灰度差异的和值，作为差异和值，将所有划线对应的差异和值的均值作为纹理表现值；
21、将预设灰度值与待测块对应的灰度均值的差值进行归一化，得到灰度调整因子；
22、根据待测块对应的灰度表现值、纹理表现值、灰度调整因子以及为非海水区域的可能性，得到待测块对应的自适应伽马因子，所述灰度表现值、纹理表现值、为非海水区域的可能性均与所述自适应伽马因子呈负相关，所述灰度调整因子与所述自适应伽马因子呈正相关。
23、进一步地，所述预设灰度值设置为128。
24、进一步地，所述根据所述增强图像对机器人进行定位，包括：
25、将所述增强图像作为神经网络的输入，神经网络的输出结果为水下机器人的定位信息。
26、进一步地，所述神经网络为cnn神经网络。
27、进一步地，所述预设第一方向为水平向右方向。
28、本专利技术具有如下有益效果：
29、本专利技术提供了一种水下机器人视觉定位方法，主要目的在于对采集到的图像进行自适应增强，从而提高水下定位信息获取的准确度。由于图像中海水区域相较于礁石、珊瑚等区域而言，对定位提供的信息会较少，所以需对图像中的区域进行不同程度的图像增强，使得对定位有用的非海水区域更加清晰，首先获取时间上相邻的同一位置处的两张灰度图像，并分别作为待测图像和对比图像，通过对比分析，区分海水区域和非海水区域。进一步地，从图像的局部区域出发，获得图像块，通过对图像块进行分析，能够更加准确的分析局部区域内蕴含的信息，便于提高图像增强的准确度，因为海水区域的对光照的折射、反射能力相较于非海水区域而言会更强，所以海水区域各个位置处的灰度变化会有所差异，基于此特征，分析图像块与预设范围内图像块之间的灰度分布差异，得到图像块的区域聚本文档来自技高网...
【技术保护点】
1.一种水下机器人视觉定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述根据待测块与以待测块为中心的预设范围内其他图像块之间的灰度分布以及灰度差异，获得待测块对应的区域聚集性，包括：
3.根据权利要求2所述的一种水下机器人视觉定位方法，其特征在于，所述将以待测块为中心的预设范围内其他图像块作为分析块，根据待测块与所有分析块之间的灰度整体差异，筛选得到待测块的相似块，包括：
4.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述分别在待测块和对比块中，对所有像素点的灰度变化趋势进行分析，获得灰度变化轨迹，包括：
5.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述根据待测块和对比块中灰度变化轨迹上像素点位置分布之间的差异以及待测块对应的区域聚集性，获得待测块为非海水区域的可能性，包括：
6.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述根据待测块中像素点的灰度分布、纹理信息以及待测块为非海水区域的可能性，获得待测块对应的
7.根据权利要求6所述的一种水下机器人视觉定位方法，其特征在于，所述预设灰度值设置为128。
8.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述根据所述增强图像对机器人进行定位，包括：
9.根据权利要求8所述的一种水下机器人视觉定位方法，其特征在于，所述神经网络为CNN神经网络。
10.根据权利要求5所述的一种水下机器人视觉定位方法，其特征在于，所述预设第一方向为水平向右方向。
...【技术特征摘要】
1.一种水下机器人视觉定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述根据待测块与以待测块为中心的预设范围内其他图像块之间的灰度分布以及灰度差异，获得待测块对应的区域聚集性，包括：
3.根据权利要求2所述的一种水下机器人视觉定位方法，其特征在于，所述将以待测块为中心的预设范围内其他图像块作为分析块，根据待测块与所有分析块之间的灰度整体差异，筛选得到待测块的相似块，包括：
4.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述分别在待测块和对比块中，对所有像素点的灰度变化趋势进行分析，获得灰度变化轨迹，包括：
5.根据权利要求1所述的一种水下机器人视觉定位方法，其特征在于，所述根据待测块和对比块中灰度变化轨...
【专利技术属性】
技术研发人员：陈晓博，曹颖，
申请(专利权)人：苏州世航智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。