基于多波束前视声呐的水下多目标跟踪及避障方法研究.pdf
基于多波束前视声呐的水下多目标跟踪及避障方法研究
摘要
近年来,海洋开发在各个国家中的战略地位、经济地位日益凸显,声呐作为探测海
洋的重要工具之一,研究基于多波束前视声呐的水下多目标跟踪方法对水下安全监测、
水下导航以及海洋资源开发等具有重大的现实意义。本论文以Oculus-M1200d型号多波
束前视声呐作为探测工具,进行了水下多目标跟踪技术以及跟踪过程的避障方法研究。
多波束前视声呐感知周围环境信息得到声呐图像,对声呐图像进行一系列方法处理后,
获得目标位置、特征等信息,这些信息将被用于目标跟踪和避障方法研究。本文主要研
究内容如下:
首先,研究了多波束前视声呐图像处理方法。针对中值滤波计算时间长问题,提出
了局部中值滤波对声呐图像进行去噪处理;基于梯度检测来确定孤立噪声点的位置,之
后对此像素点进行中值滤波,避免了全局性滤波,进而降低了处理时间。针对直方图均
衡化对声呐图像易出现增强不足或过增强的现象,采用改进的局部直方图均衡化算法对
声呐图像进行增强处理,增强图像中各个目标与其周围背景的对比度,改善了图像增效
果。针对结合局部信息的模糊C均值(FuzzylocalinformationC-Means,FLICM)算法
对图像中目标丰富程度不敏感问题,基于梯度检测的方法改进了FLICM算法,根据待
分割目标的大小来自适应领域窗口大小,可以更好的保留目标的细节信息。最后对声呐
图像提取的Hu不变矩进行分析,该型号声呐图像的目标Hu不变矩特征可以应用在多
目标跟踪算法研究中。
其次,研究了水下多目标跟踪方法。基于模糊推理及交互式多模型算法(IMM算
法)提出了IMM-模糊自适应高斯模型,分别自适应了自适应高斯模型中的加速度方差
和机动频率,进一步增强运动模型的自适应能力提高了复杂的机动目标的跟踪精度。针
对联合概率数据关联算法回波密集时计算量爆炸的问题,将基于最大熵模糊聚类的数据
关联算法和目标的Hu不变矩相结合对量测跟踪门内的回波进行预处理,当交叉运动的
目标跟踪门内回波较密集时,此方法可以大大缩短联合概率数据关联算法的计算时间,
同时也提高了交叉运动目标的轨迹匹配精准度;最后通过声呐收集的试验数据,验证本
文所用方法的可行性。
最后,研究了水下动态环境中避障方法。针对智能水下机器人(AUV)在目标跟踪
的过程中运动轨迹上存在移动障碍物碰撞风险这一问题展开研究,根据传统的人工势场
法的避障策略以及目标跟踪预测的运动状态,提出了一种移动障碍物避障方法;根据各
I
哈尔滨工程大学硕士学位论文
个目标的运动状态设计一个目标函数,讨论了人工势场法的局部极小值问题,使用模拟
退火法来最优化目标函数,进而规划出最佳的避障路径。经过仿真验证了本文避障方法
在动态环境中多障碍物避障的有效性。
关键词:声呐图像处理;多目标跟踪;数据关联;水下避障
II
基于多波束前视声呐的水下多目标跟踪及避障方法研究
Abstract
Inrecentyears,thestrategicandeconomicstatusofoceandevelopmentisincreasingly
prominentinvariouscountries.Sonarisoneoftheimportanttoolsforoceanexploration.The
researchofunderwatermulti-targettrackingmethodbasedonmulti-beamforwardlooking
sonarhasgreatpracticalsignificanceforunderwatersafetymonitoring,underwaternavigation
andMarineresourcesdevelopment.Inthis