双透射率成像模型与Retinex 融合的水下图像清晰化

针对水下图像出现的颜色失真、对比度低、雾化现象等问题,提出双透射率成像模型与Retinex融合的水下图像清晰化方法.首先,采用基于改进双透射率成像模型的复原算法,用以解决图像雾化以及亮度失衡;其次,在带色彩恢复的多尺度Retinex增强算法中引入引导滤波,解决图像色偏问题;此外,引用自动色彩增强算法,有效提升对比度;最后,将三个输入图像与结合对比度、显著性、饱和性得到的对应权重图采用多尺度融合框架得到清晰化水下图像.实验结果表明,与现有新颖算法相比,所提方法可以最大程度地将多种单一算法的优势有效结合起来,水下彩色图像质量评价指标(underwater color image quality evaluation,UCIQE)均值高于各比较算法6.03％且加速鲁棒特征(speeded up robust features,SURF)特征匹配点明显提升,算法能在保留图像细节的同时有效校正色偏现象、提升图像对比度及清晰度,更符合人眼的视觉效果.     

一种基于低速、小振幅周期运动CFD数值模拟的水下滑翔机附加质量求解方法

水下滑翔机在流体中变速运动会带动周围流体一起做变速运动,这一部分流体的质量称为水下滑翔机的附加质量.附加质量对水下滑翔机的动力学行为具有重要影响.本文提出了一种水下滑翔机附加质量求解方法,即利用计算流体动力学(computational fluid dynamics,CFD)方法对水下滑翔机在静止的无黏流体中低速、小振幅周期运动进行数值模拟,进而求得附加质量.使用商用CFD软件STAR-CCM+计算了海燕-L水下滑翔机的附加质量,与基于势流理论的H-S面元法计算结果相差5%以内;与水下滑翔机模型水池试验结果相比,除垂直于水下滑翔机机翼方向的附加质量λ₂₂以外,其他附加质量的相对误差在6%以内,优于常规的平面运动机构试验的CFD数值模拟等其他求解方法.该方法只需要建模一次,在同一个流体域中模拟水下滑翔机的4种运动方式,监控其所受水动力和力矩,即可得到水下滑翔机的附加质量,极大提高了附加质量求解效率.同时,该方法能适用于任意尺寸、形状的水下滑翔机,对不同型号水下滑翔机水动力外形设计、动力学建模都具有较大的参考价值.     

水下三维激光扫描在导管架平台损伤测量中的应用

海洋石油导管架结构受损点的尺寸测量目前主要使用机械卡尺测量，这种测量方法存在较大的误差，无法全面评估损伤点对导管架的影响，为此，需要引进新的方法和技术来满足导管架损伤点的测量。为准确评估损伤点对导管架的影响，保证导管架运营的安全，采用水下机器人（ROV）搭载三维激光扫描仪，分别对中国某海域导管架的阳极和已知损伤区域进行激光扫描，通过对激光点云数据的处理，得到被测物的三维模型，从而实现损伤结构的尺寸测量。研究结果表明，激光扫描仪便于ROV搭载和安装，可以应用于导管架已知损伤点的测量，测量精度可达毫米级。激光扫描测量的精度受诸多因素影响，作业时需优化作业方式，从而得到高质量的数据。ROV搭载水下三维激光技术，为深水结构物的尺寸测量提供了一种高精度的可行性方案，可以进行水下结构物的三维建模和尺寸测量，调查结果准确可靠，为后续的完整性评估提供参考。     

“CORS+测深仪”在河道横断面测量中的应用

CORS结合测深仪以及相应的计算机软件,可以快速、准确地进行水下河道横断面的测量。本文中,主要阐述CORS结合测深仪水下地形测量的原理、作业步骤及其影响精度的因素,以期能为类似工程提供参考。     

基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

基于Unity3D的水下机器人半实物仿真系统

基于Unity3D研制了一种由地面控制终端、机器人本体和三维仿真系统3部分组成的水下机器人半实物仿真系统,为水下机器人开发过程中的性能测试、控制算法分析和人员操作培训提供了仿真和测试平台。该系统采用同一地面控制终端作为三维仿真系统和机器人控制系统的统一指令输入源,以实现虚拟对象和机器人本体的同步工作,可对系统进行实时监测、调参。采用多目视觉技术对机器人位置采集,对传感器数据进行卡尔曼滤波处理。机器人运动仿真试验结果表明,机器人实际运动路径和仿真规划路径基本相同,该系统动态响应性和控制系统同步性较好。     

基于类加权YOLO网络的水下目标检测

由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以获得更好的效果,并引入了目标框自适应维度聚类方法,进一步提升了检测性能.实验结果表明,本文算法与传统的YOLO网络模型相比,在每幅图片包含近20个目标的密集目标检测任务中,能够将平均准确率从71.2%提升至74.1%,召回率由71.1%提升到78.3%.     

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。