本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種基于水下機(jī)器人的水體三維建模方法、裝置及系統(tǒng)。

背景技術(shù)：

1、水下機(jī)器人是一種機(jī)動(dòng)靈活的水下作業(yè)裝備，與傳統(tǒng)的水下作業(yè)手段相比，在作業(yè)方式、范圍和適應(yīng)能力等方面具有明顯的優(yōu)勢，采用水下機(jī)器人進(jìn)行作業(yè)能夠提高作業(yè)效率和質(zhì)量，對(duì)于水體的三維建模是水下作業(yè)中極為重要的部分。但現(xiàn)有的基于水下機(jī)器人的水體三維建模方法中，在水下機(jī)器人移動(dòng)時(shí)，通常只通過慣性導(dǎo)航系統(tǒng)測算位置參數(shù)，但由于其隨時(shí)間所產(chǎn)生的不可避免的系統(tǒng)飄移，所測算的位置參數(shù)會(huì)隨時(shí)間不斷累積，導(dǎo)致得出的位置參數(shù)誤差較大，使水下機(jī)器人無法精準(zhǔn)按照路徑移動(dòng)。對(duì)于水體三維建模而言，水產(chǎn)目標(biāo)的準(zhǔn)確識(shí)別是十分重要的，但目前通常僅通過單一的機(jī)器人視覺獲取或單一的激光掃描，導(dǎo)致對(duì)水產(chǎn)目標(biāo)的識(shí)別難度依舊較大，同時(shí)對(duì)于所獲取的水下圖像的濾波處理和水體參數(shù)的降噪處理也是需要繼續(xù)攻克的技術(shù)難點(diǎn)，若圖像和參數(shù)的處理不完全則會(huì)導(dǎo)致最終的水產(chǎn)目標(biāo)識(shí)別產(chǎn)生較大的誤差，從而導(dǎo)致水體環(huán)境的三維建模無法達(dá)到理想效果。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于水下機(jī)器人的水體三維建模方法、裝置及系統(tǒng)，使水體環(huán)境的三維建模能夠達(dá)到更為理想的效果，從而能夠提高水產(chǎn)養(yǎng)殖的效益。

2、為了解決上述技術(shù)問題，本發(fā)明提供了一種基于水下機(jī)器人的水體三維建模方法，所述方法包括：

3、啟動(dòng)水下機(jī)器人，所述水下機(jī)器人基于預(yù)設(shè)作業(yè)路徑利用慣性導(dǎo)航系統(tǒng)、動(dòng)態(tài)避障算法和gps定位技術(shù)移動(dòng)至每個(gè)預(yù)設(shè)作業(yè)目標(biāo)點(diǎn)；

4、所述水下機(jī)器人在所述預(yù)設(shè)作業(yè)目標(biāo)點(diǎn)利用視頻采集系統(tǒng)獲取水下圖像和水面圖像，利用若干個(gè)傳感器獲取水體參數(shù)，并將所述水下圖像、水面圖像和水體參數(shù)傳輸至云平臺(tái)；

5、所述云平臺(tái)對(duì)所述水下圖像和水面圖像進(jìn)行非線性濾波處理，獲得非線性濾波處理后的水下圖像和水面圖像，并對(duì)所述水體參數(shù)進(jìn)行降噪處理，獲得降噪處理后的水體參數(shù)；

6、所述云平臺(tái)基于降噪處理后的水體參數(shù)和非線性濾波處理后的水下圖像確定水產(chǎn)目標(biāo)，并控制所述水下機(jī)器人對(duì)所述水產(chǎn)目標(biāo)進(jìn)行動(dòng)態(tài)追蹤細(xì)化掃描，獲得動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果；

7、所述云平臺(tái)基于非線性濾波處理后的水面圖像利用運(yùn)動(dòng)估計(jì)神經(jīng)網(wǎng)絡(luò)計(jì)算水面圖像光流；

8、基于非線性濾波處理后的水下圖像、降噪處理后的水體參數(shù)和動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果構(gòu)建水體環(huán)境三維模型，并基于所述水體環(huán)境三維模型和水面圖像光流建立決策模型。

9、可選的，所述水下機(jī)器人利用慣性導(dǎo)航系統(tǒng)、動(dòng)態(tài)避障算法和gps定位技術(shù)移動(dòng)至每個(gè)預(yù)設(shè)作業(yè)目標(biāo)點(diǎn)，包括：

10、當(dāng)所述水下機(jī)器人基于預(yù)設(shè)作業(yè)路徑進(jìn)行移動(dòng)時(shí)，基于所述慣性導(dǎo)航系統(tǒng)測算所述水下機(jī)器人的初始當(dāng)前位置參數(shù)；

11、基于gps定位技術(shù)對(duì)所述初始當(dāng)前位置參數(shù)進(jìn)行誤差修正，獲得修正位置參數(shù)；

12、基于所述修正位置參數(shù)利用動(dòng)態(tài)避障算法進(jìn)行局部路徑規(guī)劃，獲得局部作業(yè)路徑，基于所述局部作業(yè)路徑調(diào)整所述預(yù)設(shè)作業(yè)路徑。

13、可選的，所述將所述水下圖像、水面圖像和水體參數(shù)傳輸至云平臺(tái)，包括：

14、基于無線傳感網(wǎng)絡(luò)利用模糊控制算法將所述水體參數(shù)、水面圖像和水下圖像傳輸至云平臺(tái)。

15、可選的，所述對(duì)所述水下圖像和水面圖像進(jìn)行非線性濾波處理，獲得非線性濾波處理后的水下圖像和水面圖像，包括：

16、對(duì)所述水下圖像和和水面圖像進(jìn)行灰度化處理，獲得灰度化水下圖像和灰度化水面圖像；

17、計(jì)算所述灰度化水下圖像的第一灰度值和第一灰度均值，并基于所述第一灰度均值設(shè)置第一灰度閾值，基于所述第一灰度值和第一灰度閾值利用非線性分布的權(quán)值系數(shù)進(jìn)行灰度化水下圖像的加權(quán)均值濾波，獲得非線性濾波處理后的水下圖像；

18、計(jì)算所述灰度化水面圖像的第二灰度值和第二灰度均值，并基于所述第二灰度均值設(shè)置第二灰度閾值，基于所述第二灰度值和第二灰度閾值利用非線性分布的權(quán)值系數(shù)進(jìn)行灰度化水面圖像的加權(quán)均值濾波，獲得非線性濾波處理后的水面圖像。

19、可選的，所述對(duì)所述水體參數(shù)進(jìn)行降噪處理，獲得降噪處理后的水體參數(shù)，包括：

20、將所述水體參數(shù)進(jìn)行小波分解，獲得對(duì)應(yīng)的高頻小波系數(shù)和低頻小波系數(shù)；

21、基于所述高頻小波系數(shù)和低頻小波系數(shù)計(jì)算噪聲方差，基于所述噪聲方差對(duì)所述高頻小波系數(shù)和低頻小波系數(shù)進(jìn)行尺度變換，獲得尺度變換后的高頻小波系數(shù)和低頻小波系數(shù)；

22、基于尺度變換后的高頻小波系數(shù)和低頻小波系數(shù)進(jìn)行小波逆變換，獲得降噪處理后的水體參數(shù)。

23、可選的，所述云平臺(tái)基于降噪處理后的水體參數(shù)和非線性濾波處理后的水下圖像確定水產(chǎn)目標(biāo)，并控制所述水下機(jī)器人對(duì)所述水產(chǎn)目標(biāo)進(jìn)行動(dòng)態(tài)追蹤細(xì)化掃描，獲得動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果，包括：

24、對(duì)降噪處理后的水體參數(shù)提取微多普勒譜，并基于所述微多普勒譜進(jìn)行特征提取，獲得微多普勒特征；

25、對(duì)非線性濾波處理后的水下圖像進(jìn)行特征提取，獲得圖像語義特征；

26、將所述微多普勒特征和圖像語義特征進(jìn)行特征融合，獲得目標(biāo)融合特征，并基于所述目標(biāo)融合特征進(jìn)行目標(biāo)識(shí)別，確定水產(chǎn)目標(biāo)；

27、在確定所述水產(chǎn)目標(biāo)后，所述云平臺(tái)調(diào)整所述水下機(jī)器人的移動(dòng)路徑和掃描參數(shù)，所述水下機(jī)器人基于調(diào)整后的移動(dòng)路徑和掃描參數(shù)結(jié)合lightcrafter4500光學(xué)投射器對(duì)所述水產(chǎn)目標(biāo)進(jìn)行動(dòng)態(tài)追蹤細(xì)化掃描，獲得動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果。

28、可選的，所述云平臺(tái)基于非線性濾波處理后的水面圖像利用運(yùn)動(dòng)估計(jì)神經(jīng)網(wǎng)絡(luò)計(jì)算水面圖像光流，包括：

29、對(duì)非線性濾波處理后的水面圖像進(jìn)行特征提取，獲得特征圖；

30、將所述特征圖輸入至運(yùn)動(dòng)估計(jì)神經(jīng)網(wǎng)絡(luò)中，基于所述運(yùn)動(dòng)估計(jì)神經(jīng)網(wǎng)絡(luò)計(jì)算水面圖像光流，其中，所述運(yùn)動(dòng)估計(jì)神經(jīng)網(wǎng)絡(luò)為將樣本數(shù)據(jù)集輸入至深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練所得到的收斂模型，所述深度神經(jīng)網(wǎng)絡(luò)包括通道注意力機(jī)制模塊、空間注意力模塊、迭代更新模塊和上采樣模塊。

31、可選的，所述基于非線性濾波處理后的水下圖像、降噪處理后的水體參數(shù)和動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果構(gòu)建水體環(huán)境三維模型，并基于所述水下三維模型和水面圖像光流建立決策模型，包括：

32、基于非線性濾波處理后的水下圖像、降噪處理后的水體參數(shù)和動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果提取建模參數(shù)，基于所述建模參數(shù)利用數(shù)字孿生技術(shù)構(gòu)建水體環(huán)境三維模型；

33、基于所述水體環(huán)境三維模型結(jié)合數(shù)字孿生體進(jìn)行可視化模擬，獲得可視化模擬結(jié)果，并基于所述可視化模擬結(jié)果和水面圖像光流獲取全域數(shù)據(jù)信息，并基于所述全域數(shù)據(jù)信息建立決策模型。

34、另外，本發(fā)明還提供了一種基于水下機(jī)器人的水體三維建模裝置，所述裝置包括：

35、水下機(jī)器人移動(dòng)模塊：用于啟動(dòng)水下機(jī)器人，所述水下機(jī)器人基于預(yù)設(shè)作業(yè)路徑利用慣性導(dǎo)航系統(tǒng)、動(dòng)態(tài)避障算法和gps定位技術(shù)移動(dòng)至每個(gè)預(yù)設(shè)作業(yè)目標(biāo)點(diǎn)；

36、圖像和參數(shù)采集模塊：用于所述水下機(jī)器人在所述預(yù)設(shè)作業(yè)目標(biāo)點(diǎn)利用視頻采集系統(tǒng)獲取水下圖像和水面圖像，利用若干個(gè)傳感器獲取水體參數(shù)，并將所述水下圖像、水面圖像和水體參數(shù)傳輸至云平臺(tái)；

37、圖像和參數(shù)處理模塊：用于所述云平臺(tái)對(duì)所述水下圖像和水面圖像進(jìn)行非線性濾波處理，獲得非線性濾波處理后的水下圖像和水面圖像，并對(duì)所述水體參數(shù)進(jìn)行降噪處理，獲得降噪處理后的水體參數(shù)；

38、追蹤細(xì)化掃描模塊：用于所述云平臺(tái)基于降噪處理后的水體參數(shù)和非線性濾波處理后的水下圖像確定水產(chǎn)目標(biāo)，并控制所述水下機(jī)器人對(duì)所述水產(chǎn)目標(biāo)進(jìn)行動(dòng)態(tài)追蹤細(xì)化掃描，獲得動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果；

39、水面圖像光流模塊：用于所述云平臺(tái)基于非線性濾波處理后的水面圖像利用運(yùn)動(dòng)估計(jì)神經(jīng)網(wǎng)絡(luò)計(jì)算水面圖像光流；

40、三維建模模塊：用于基于非線性濾波處理后的水下圖像、降噪處理后的水體參數(shù)和動(dòng)態(tài)追蹤細(xì)化掃描結(jié)果構(gòu)建水體環(huán)境三維模型，并基于所述水體環(huán)境三維模型和水面圖像光流建立決策模型。

41、另外，本發(fā)明還提供了一種基于水下機(jī)器人的水體三維建模系統(tǒng)，所述系統(tǒng)包括水下機(jī)器人和云平臺(tái)，所述水下機(jī)器人包括控制主板、電源、傳感器、攝像頭、無線通信系統(tǒng)和運(yùn)動(dòng)控制系統(tǒng)，其中，所述控制主板分別與所述電源、傳感器、攝像頭、無線通信系統(tǒng)和運(yùn)動(dòng)控制系統(tǒng)連接，所述云平臺(tái)與所述水下機(jī)器人的無線通信系統(tǒng)建立通信連接，所述系統(tǒng)被配置為用于執(zhí)行上述的基于水下機(jī)器人的水體三維建模方法。

42、在本發(fā)明實(shí)施例中，通過動(dòng)態(tài)避障算法和gps定位技術(shù)不斷修正慣性導(dǎo)航系統(tǒng)的誤差以持續(xù)獲取準(zhǔn)確的位置參數(shù)，從而能夠及時(shí)調(diào)整局部路徑，避免偏離作業(yè)目標(biāo)點(diǎn)，采用非線性分布的權(quán)值系數(shù)進(jìn)行圖像的非線性濾波處理，使獲得的圖像能夠更為清晰，同時(shí)采用小波變換對(duì)水體參數(shù)進(jìn)行降噪處理，使獲得的水體參數(shù)更為準(zhǔn)確，通過運(yùn)動(dòng)估計(jì)網(wǎng)絡(luò)計(jì)算水面圖像光流能夠反映魚類進(jìn)食強(qiáng)度，同時(shí)采用數(shù)字孿生技術(shù)建立水體環(huán)境三維模型，使所建立出的水體環(huán)境三維模型能夠更為準(zhǔn)確地反映水產(chǎn)養(yǎng)殖區(qū)域的實(shí)際狀態(tài)，結(jié)合水體環(huán)境三維模型和水面圖像光流能夠建立決策模型，實(shí)現(xiàn)水產(chǎn)區(qū)域的科學(xué)化和智能化決策。