在第一步中,高斯模糊滤波器应用于图像去除图像中的噪声。通常图像非常吵,有许多非常小白只有几个像素组成的轮廓,我们想忽略。高斯模糊是由二维高斯函数卷积图像:
(1)
G
x
,
y
=
1
2
π
σ
2
e
- - - - - -
x
2
+
y
2
/
2
σ
2
。类似的结果可以通过侵蚀和扩张二值化后的白色区域,作为执行(
10]。执行模糊后,图像的二值化和自适应阈值。每个像素的平均值相比邻近像素和设置
白色的如果高于这个值,或者
黑色的否则。方程(
2)描述了二值化算法,
v
b
e
f
o
r
e是0到255之间的像素值在应用二值化和之前
v
后将二值化后的值0或255:
(2)
v
后
x
,
y
=
255年
如果
v
之前
>
T
x
,
y
0
否则,在哪里
(3)
T
x
,
y
=
1
4
米
+
2
∑
我
=
- - - - - -
米
米
∑
j
=
- - - - - -
米
米
v
之前
x
+
我
,
y
+
j
。
实现聚类,图方法可以被使用克鲁斯卡最小生成树算法提前终止。然而,简单的联盟发现算法和不相交集合数据结构就可以实现同样的甚至更低复杂性:尽管克鲁斯卡算法在运行
O
(
E
日志
v),
E图中边的数量和吗
V顶点的数量,联盟找到运行在吗
O
(
n
α
(
n
)
),在那里
n物品的数量和吗
α
(
n
)阿克曼函数的逆生长极其缓慢(
15]。
一旦声纳视场内的目标位置是已知的,它可以用作测量跟踪滤波器。为了估计从可用测量水下目标定位,扩展卡尔曼滤波器(EKF)部署。只有运动学模型用于目标位置估计因为目标动力学通常是未知的。方程,并给出了车辆的平移运动(
4),
p
=
x
y
z
T位置矢量和吗
ψ车辆的方向在固地坐标系。输入
v
=
u
v
w
T是速度向量和输入
r定位率在物体固定坐标系:
(4)
p
˙
=
R
ψ
v
,
ψ
˙
=
r
。旋转矩阵
R
ψ给出了用
(5)
R
ψ
=
因为
ψ
- - - - - -
罪
ψ
0
罪
ψ
因为
ψ
0
0
0
1
。车辆跟踪水下目标和携带成像声纳被建模为一个overactuated海洋表面车辆;也就是说,它可以在任何方向移动通过修改增兵,摇摆和升沉速度,同时,实现任意方向在水平面。目标的运动模型给出下列方程组:
(6)
p
˙
B
=
x
˙
B
y
˙
B
z
˙
B
=
u
B
因为
α
B
u
B
罪
α
B
w
B
+
ξ
p
b
,
v
˙
B
=
u
˙
B
w
˙
B
=
0
0
+
ξ
v
b
,
α
˙
B
=
r
B
+
ξ
α
,
r
˙
B
=
ξ
r
b
,在哪里
p
B目标位置矢量和吗
v
B速度向量组成的飙升速度吗
u
B和升沉速度
w
B。状态
α
B表示目标课程和
r
B课率。过程噪声用各自的状态
ξ。最后,状态向量的目标绝对位置跟踪滤波器
(7)
x
=
p
T
ψ
v
B
T
p
B
T
r
B
α
B
T
,在下标
B表示目标相关的州。给出测量向量
(8)
y
=
p
米
T
ψ
米
z
B
米
r
米
U
年代
B
l
Θ
米
U
年代
B
l
r
米
年代
Θ
米
年代
T
。向量
p
米表示车辆位置测量,
ψ
米航向测量,
z
B
米目标深度测量
r
米
(
·
)和
Θ
米
·表示USBL和声纳距离和方位测量,分别测量方程
(9)
r
米
=
Δ
x
2
+
Δ
y
2
+
Δ
z
2
+
ν
r
,
(10)
Θ
米
=
一个
r
c
t
一个
n
Δ
y
,
Δ
x
- - - - - -
ψ
+
ν
Θ
。参数
ν表示测量噪声,在这种情况下,建模为零均值高斯噪声。注意,轴承测量是相对的;因此,有一个标题
ψ包括(
10)。
目标深度测量
z
B
米可以获得使用仰角和范围测量两个单位之间USBL提供的设备。声学通信也可以用来传输深度测量机上直接目标,如果他们是可用的。
根据定义,协方差矩阵的车辆和目标相对位置可以写成
(11)
Σ
=
E
p
p
- - - - - -
E
p
p
p
p
- - - - - -
E
p
p
T
,在哪里
p
p
=
Δ
x
Δ
y
T。假设车辆携带声纳的位置是已知的没有不确定性,所有不确定性源于未知目标的位置。假设是由车辆和目标时,在同一深度的目标是可见的声纳图像,从声纳垂直的视野很小。出于这个原因,目标深度被认为是已知的,省略了
p
p。
以下4.4.1。协方差两个笛卡尔坐标系统之间的转换
协方差变换之间的相对位置在地球定点NED坐标系和相对位置给出物体固定架(
12),
ΣNED坐标协方差矩阵和吗
R
p是给定的旋转矩阵(
13)[
16]:
(12)
Σ
r
e
l
=
R
p
Σ
R
p
T
,
(13)
R
p
=
因为
ψ
罪
ψ
- - - - - -
罪
ψ
因为
ψ
。
4.1.2。协方差笛卡尔坐标和极坐标系统之间的转换
之间的关系相对笛卡尔和极坐标系统的非线性方程表达式给出:
(14)
r
Θ
=
Δ
x
r
e
l
2
+
Δ
y
r
e
l
2
反正切
Δ
y
r
e
l
,
Δ
x
r
e
l
。为了将协方差矩阵,Cartesian-to-polar协方差变换的雅可比矩阵写成(
17]
(15)
J
=
∂
r
∂
Δ
x
r
e
l
∂
r
∂
Δ
y
r
e
l
∂
Θ
∂
Δ
x
r
e
l
∂
Θ
∂
Δ
y
r
e
l
=
Δ
x
r
e
l
r
Δ
y
r
e
l
r
- - - - - -
Δ
y
r
e
l
r
2
Δ
x
r
e
l
r
2
。最后,相对极坐标的协方差矩阵
Σ
p
o
l是计算
(16)
Σ
p
o
l
=
J
Σ
r
e
l
J
T
。
4.2。使用跟踪滤波器的协方差
改造后的协方差滤波器相对协调框架(笛卡尔或极性),它是用来定义一个感兴趣的区域中使用声纳跟踪节中描述
2。更具体地说,给定的协方差
D
x和
D
y在相对坐标框架,估计对象大小沿着这些轴
年代
x和
年代
y和跟踪滤波器估计位置
(
T
x
,
T
y
)、地区感兴趣的定义如下:
(17)
R
O
我
x
=
T
x
- - - - - -
年代
x
2
- - - - - -
3
D
x
,
T
x
+
年代
x
2
+
3
D
x
,
R
O
我
y
=
T
y
- - - - - -
年代
y
- - - - - -
3
D
y
,
T
y
+
年代
y
2
+
3
D
y
,
R
O
我
=
R
O
我
x
×
R
O
我
y
,在协方差
D
x和
D
y成员
Σ
r
e
l
1,- 1和
Σ
r
e
l
2、2从相对协方差矩阵(
12)。同样,在极坐标,线段是半径的定义
r和角度
ϕ,该地区感兴趣的是两者之间的笛卡儿积。
最小的ROI区域可以通过调整设置测量噪声方差
ν,而ROI的增长速度没有测量可用时可以通过调整定义过程噪声参数,特别是
ξ
p
b。
5。实验结果5.1。实验装置
实验相关的目标跟踪使用声纳和USBL数据进行Biograd na Moru 2015年10月,克罗地亚,在盒项目验证试验。实验装置包括一个好友AUV自主水下航行器和一个自治overactuated海洋表面平台PlaDyPos,发达国家在实验室对水下系统和技术(
4,
18]。多波束声纳安装水平和前瞻性的好友AUV在这里称为车辆,而PlaDyPos车辆的目标跟踪。巴迪AUV,如图
6,在盒项目的范围了。它配备了六个推进器,允许在水平面全向运动,从而确保分离的标题和位置控制。其他传感器,它配备了多波束声纳和USBL用于定位和通信。总体尺寸的好友AUV 1220×700×750毫米,重量大约是70公斤。PlaDyPos车辆,作为一个目标,是一个小规模overactuated无人表面海洋车辆全向运动的能力。它配备了四个推进器在“X”配置。这种配置使运动在任何方向在水平面。这辆车是高0.35米,宽0.707米,长,重约25公斤。
为了量化声纳和USBL融合方法的效果,最可靠的结果指标是基于获得的定位误差定义为真理之间的欧几里得距离地面位置(获得机上使用GPS车辆和目标)和位置估计使用所有三个过滤器配置。这些错误的形式显示箱线图,图
8(一个)给出了分析场景1(如图
4),和图
8 (b)给出了分析场景2(如图
5)。两箱线图显示结果过滤配置“声纳”,“USBL”和“声纳+ USBL。”我n一个ddition to that, the results are shown for the filter configuration “Sonar”, taking only into account position estimates when sonar measurements were available, that is, when the target was within the sonar field of view—this is labeled with “Sonar (available).”