無人船的障礙物動態(tài)識別楊坤黃立新摘要:通過相鄰幀差法和變換域法依次配合,實現(xiàn)對障礙物的識別,跟蹤顯示。本文采用基于視頻序列構(gòu)建一個移動目標(biāo)檢測系統(tǒng)模型,該模型用跟蹤算法分析靜止背景下的移動目標(biāo);使用相鄰幀差法來實現(xiàn)運動對象的檢測,快速、準(zhǔn)確地提取背景模型,得到良好的前景移動目標(biāo)圖像;借助變換域的方法實現(xiàn)移動目標(biāo)的有效跟蹤,且在跟蹤的基礎(chǔ)上實現(xiàn)軌跡顯示。實驗證明視頻提取出的背景輪廓完整,去除的背景噪點圖片效果良好,障礙物運動軌跡線生成清晰。仿真和視頻處理結(jié)果驗證了算法理論的有效性。關(guān)鍵詞:背景模型:相鄰幀減法;障礙物識別0引言無人船分為非自主型無人船、內(nèi)嵌編程的半自主型無人船和具有自主規(guī)劃、自主航行,自主導(dǎo)航的全自主型無人船。隨著物聯(lián)網(wǎng)等技術(shù)的迅速發(fā)展,為無人船的全自動化實現(xiàn)提供了良好的技術(shù)支撐。非自主型無人船起源于1898年,尼古拉特拉斯發(fā)明了遙控艇,將其命名為"無線機器人":20世紀(jì)五十年代前蘇聯(lián)出現(xiàn)小型遙控式無入水面艇:60年代后期,美國研發(fā)出"拖鏈?zhǔn)?遙控掃雷艇:90年代美國研制"遙控獵雷作戰(zhàn)原型艇:21世紀(jì)美國海軍水下作戰(zhàn)開發(fā)"斯巴達偵察兵"(SpartanScout)號無人艇,該船系半自主無人船,具有模塊化、可重構(gòu)、多任務(wù)、高速、半自主航行的特點。2008年,國內(nèi)新光公司研發(fā)提供氣象保障的"天象1號"無人艇:云洲智能研制出在線水質(zhì)污染和核污染監(jiān)測的無人船。以色列的中型"SilverMarlin"號無人艇、美國海軍研制的模塊化三體無人快速偵察艇"X-2"號是全自主型無人船的代表。2013年,我國研發(fā)具有良好的機動性、抗沉性和抗風(fēng)浪能力的"海巡166號"無人艇。2014年,上海大學(xué)研制配備北斗導(dǎo)航系統(tǒng)的"精海"系列無人艇。針對以上問題運用差值平均法,快速提取出圖像序列中障礙物的背景模型,得到良好的前景移動目標(biāo)圖像。借助變換域的方法,實現(xiàn)移動目標(biāo)的有效跟蹤,且在跟蹤的基礎(chǔ)上實現(xiàn)軌跡顯示。本文將對無人船或者無人船艇的障礙識別和追蹤作進一步探討。1視覺監(jiān)控系統(tǒng)設(shè)計及實現(xiàn)1.1系統(tǒng)設(shè)計思想假設(shè)無人船在持續(xù)行駛中所處的背景不變,以運動障礙物為檢測對象。利用攝像機獲取被檢測環(huán)境視頻圖像,在視頻圖像中識別動態(tài)目標(biāo),追蹤、顯示運動軌跡曲線。1.2算法選擇(1)目標(biāo)檢測:采用差值平均法,提取運動目標(biāo)外部點集,確定移動目標(biāo)質(zhì)心。(2)邊緣檢測:采用canny算法進行邊緣檢測,該算法的平滑性相對于其它方法,去噪能力更強,在一階傳統(tǒng)微分、中階躍型邊緣檢測中,效果最優(yōu)。(3)目標(biāo)跟蹤：選用基于變換域和特征的跟蹤方法,達到移動目標(biāo)跟蹤和特征提取識別的目的。(4）目標(biāo)表示:采取目標(biāo)的質(zhì)心點作為行船或者障礙物的位置標(biāo)定。（5）軌跡顯示:采用矩陣坐標(biāo)系和內(nèi)嵌for循環(huán)算法實現(xiàn)小船位置的動態(tài)顯示。1.3系統(tǒng)組成視覺監(jiān)控系統(tǒng)工作流程如圖1所示,各單元功能如下:(1)監(jiān)控視頻序列:讀取視頻數(shù)據(jù)并保存等待處理。(2)圖像預(yù)處理：讀入視頻幀進行灰度化、二值化處理,對每幀圖像連通區(qū)域進行標(biāo)記。(3)目標(biāo)區(qū)域檢測:通過標(biāo)記的連通區(qū)域確定目標(biāo)區(qū)域的上、下、左、右邊界。(4）目標(biāo)跟蹤：對移動目標(biāo)進行跟蹤,確定移動目標(biāo)質(zhì)心,標(biāo)出運動軌跡。（5）視頻內(nèi)容分析:理解對得到的視頻進行障礙物識別和障礙物跟蹤顯示。1.4算法實現(xiàn)1.4.1高斯背景模型算法提取無人船處于動態(tài)不確定環(huán)境,造成圖像處理困難,需對圖像進行預(yù)處理。預(yù)處理采用高斯背景模型算法提取背景模型。首先運用函數(shù)讀取視頻文件,對于視頻文件中每一幀的圖像進行讀取保存,為增加圖像的可處理性,將圖像數(shù)據(jù)轉(zhuǎn)化為雙精度,讀取圖像的RGB。為提高準(zhǔn)確性,采取舍棄第一幀的方式,嵌入for循環(huán)語句,將第二幀到最后一幀的圖像進行讀取,之后依次采用imshow函數(shù)顯示,drawnow不斷的刷新屏幕,顯示并保存每幀圖像背景。疊加每幀圖像的RGB,采用矩陣取平均值后進行矩陣疊加的方法隱去前景部分,提取背景。為方便程序的自檢,采用函數(shù)進行顯示和保存到需要的路徑。由于視頻處理的計算量較大,故采用視頻幀的灰度化和二值化處理。1.4.2腐蝕、膨脹函數(shù)去除背景噪點圖像背景存在諸多噪點,為提取小船前景圖像,設(shè)計運用灰度化和二值化處理?；谠朦c和小船實際面積大小對比,灰度腐蝕函數(shù)先腐蝕去除背景噪點之后,采用灰度膨脹函數(shù)膨脹擴大小船顯示,循環(huán)兩次除去背景圖像噪點。隨后,內(nèi)嵌入for循環(huán)語句提取小船坐標(biāo)位置矩陣。1.4.3去除背景為實現(xiàn)MATLAB處理要求。采用矩陣化將小船位置化為二維數(shù)組,采用函數(shù)程序讀取視頻背景文件和提高視頻圖像背景質(zhì)量?；谝训玫奖尘斑M行矩陣化,過濾去除背景得到前景矩陣。采用一個時間矩陣來監(jiān)視序列圖像的穩(wěn)定性特征,利用背景在時間上的緩變特性來實現(xiàn)對背景的提取和更新。1.4.4軌跡追蹤和動態(tài)顯示設(shè)計運用軌跡跟蹤和動態(tài)刷新處理。為減少計算機運算量,采取隔十幀選一幀的方式,選取小船的質(zhì)心點軌跡。內(nèi)嵌條件循環(huán)語句,實現(xiàn)小船完整路徑的跟蹤。程序的主要流程:(1)用坐標(biāo)系矩陣描述背景圖像,統(tǒng)計上、下、左、右圖像位置矩陣點。(2）矩陣數(shù)列標(biāo)識前后景圖像,依據(jù)相關(guān)點找到兩矩陣關(guān)系。（3)前景和背景矩陣,進行矩陣差異對比。(4)計算船體質(zhì)心位置并顯示。（5)顯示視頻圖像幀數(shù),間隔保留質(zhì)心位置以減少計算。(6)循環(huán)讀幀和動態(tài)路徑顯示。前景和背景矩陣化得到數(shù)學(xué)圖像矩陣,采用函數(shù)提高圖像質(zhì)量;運用for循環(huán)結(jié)構(gòu)語句得到小船軌跡坐標(biāo)點,進一步采用差值平均取整法:顯示小船位置圖像,保存每幀質(zhì)心位置,畫出軌跡路徑圖。圖4為運動過程中追蹤到的小船運動軌跡。初步處理得到小船運動軌跡,但與小船實際運動軌跡存在較大偏差。原因是實際操作過程中攝像機抖動和樹林中樹葉隨風(fēng)而動,形成動態(tài)噪點。導(dǎo)致實際的小船位置顯示混亂。針對這一問題,運用背景閾值過濾去除視頻背景的動態(tài)噪點,依據(jù)圖像二維數(shù)組畫出路徑圖,保存每幀小船質(zhì)心得到軌跡圖5(a）和小船矩陣點數(shù)值分布圖5(b）。去除動態(tài)噪點后,小船運動軌跡顯示較好。但是,為了將小船的視頻動態(tài)圖像進行較好的展示,采取每隔20幀保留一個小船運動質(zhì)心,使用紅色方框標(biāo)記。軌跡線采用綠色實線表示。軌跡顯示如圖6所示。為展示小船運動軌跡圖,特意截取三個時間段的小船運動軌跡圖。顯示如圖7所示。2結(jié)束語為實現(xiàn)動態(tài)不確定環(huán)境,障礙物動態(tài)識別,設(shè)計了視頻監(jiān)控系統(tǒng)。通過靜態(tài)環(huán)境下采用高斯模型算法,得到視