水下機器人前視聲吶多目標(biāo)跟蹤技術(shù)研究.pdf

1、隨著對海洋資源探測開發(fā)的需求不斷增加以及對水中作業(yè)的需要，智能水下機器人(AUV)技術(shù)的發(fā)展正日益受到國內(nèi)外重視，水聲探測是目前各種水下探測方式中最有效的。利用聲吶可以進(jìn)行海洋環(huán)境的探測和數(shù)據(jù)處理，從而判定目標(biāo)的類型、方位、速度等信息。所以，基于前視聲吶的水下目標(biāo)探測和跟蹤技術(shù)，對目標(biāo)的自主識別和跟蹤，以及對AUV的自主避碰、自主導(dǎo)航都意義重大。
　　本論文主要研究基于水下機器人前視聲吶的多目標(biāo)跟蹤問題。論文以單波束的前視聲吶作為

2、聲視覺傳感器，從聲吶回波中得到水下多目標(biāo)信息，并在此基礎(chǔ)上搭建一個基于智能水下機器人的水下多目標(biāo)跟蹤系統(tǒng)。本文的具體研究內(nèi)容如下：
　　進(jìn)行了前視聲吶圖像的處理研究。分析了前視聲吶圖像不同于光學(xué)圖像的特點，選用中值濾波進(jìn)行去噪處理，通過改進(jìn)取中值算法提高了濾波速度；研究了模糊圖像增強算法，通過改進(jìn)模糊隸屬度函數(shù)來解決經(jīng)典Pal-King模糊圖像增強算法中低灰度值在增強后丟失的問題；改進(jìn)了基于粒子群優(yōu)化(PSO)的聲吶圖像增強算法，

3、通過 PSO算法為增強函數(shù)選取增強效果最好的最優(yōu)參數(shù)，改善了圖像增強效果；利用改進(jìn)的自適應(yīng)雙閾值區(qū)域生長算法進(jìn)行圖像分割，其中采用最大類間方差法(Otsu)得到低閾值；最后采用圖像缺損擬合等方法對分割后的聲吶圖像進(jìn)行形態(tài)學(xué)處理。
　　進(jìn)行了水下目標(biāo)多特征融合跟蹤技術(shù)研究。研究了前視聲吶圖像中目標(biāo)的特征描述方法，提取了30種不同的特征，并基于廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)評判準(zhǔn)則分別采用序列前向選擇(SFS)及序列后向選擇(SBS)這

4、兩種特征選擇方法對特征進(jìn)行降維，選出了最優(yōu)特征組合；分析了粒子濾波以及多種特征融合策略的基本原理，針對基于前視聲吶的水下多目標(biāo)跟蹤，提出了一種自適應(yīng)融合策略以確定粒子權(quán)值，并基于聲吶圖像特征采用模糊控制器對加權(quán)和融合進(jìn)行改進(jìn)，實時在線調(diào)整特征融合策略，在乘性融合及基于模糊邏輯的加權(quán)和融合間進(jìn)行切換，以適應(yīng)不同的跟蹤情況，并將結(jié)果與其它特征融合策略進(jìn)行了對比，通過分析試驗結(jié)果驗證了所提自適應(yīng)融合策略的有效性。
　　進(jìn)行了水下多目標(biāo)跟

5、蹤數(shù)據(jù)關(guān)聯(lián)的研究。針對前視聲吶多目標(biāo)跟蹤中存在目標(biāo)進(jìn)入進(jìn)出聲吶掃描范圍的特點，將軌跡管理和面向目標(biāo)的跟蹤方法結(jié)合起來，建立了多目標(biāo)軌跡文件系統(tǒng)，實現(xiàn)了對軌跡的實時起始和終結(jié)；研究了采用最近鄰數(shù)據(jù)關(guān)聯(lián)(NNDA)與粒子濾波(PF)相結(jié)合進(jìn)行水下目標(biāo)跟蹤，建立了NNDA-PF算法模型。并接著提出了一種基于多特征的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)與粒子濾波相結(jié)合的JPDA-PF算法，將目標(biāo)特征匹配情況、當(dāng)前的量測與目標(biāo)軌跡間的關(guān)系引入粒子濾波的權(quán)