一种基于水下标志物直线检测的隧洞AUV引导方法与流程

技术特征：

1.一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于，包括以下步骤：

步骤1：制作水下引导标志物，标志物为矩形不锈钢板，钢板上加工出相隔固定间距的四个平行矩形沟槽，在钢板四周靠近边缘部分开孔，各孔利用螺栓将不锈钢板固定在在靠近待转弯支洞一侧的主洞内壁上；对不锈钢板标志物刷上防水防腐哑光白色油漆，使不锈钢板与四个平行矩形沟槽有明显区别，外表面采用防腐涂层覆盖和安装牺牲阳极的方法对标志物进行保护；

步骤2：AUV光学探测模块启动，通过水下摄像机采集图像，并将图像传入PC104嵌入式计算机进行处理，首先对图像进行快速中值滤波去噪、利用改进Sobel算子进行边缘检测、利用改进Hough变换进行直线检测，判断图像中直线数量是否大于等于4条，若连续3帧都满足条件则将结果发送至AUV，AUV进入转弯模式，若未达到条件则重复步骤2；

步骤3：AUV进入转弯模式后，减速并逐渐靠近待转弯支洞一侧隧洞壁，根据布置在AUV周围的两个测距声纳信息使AUV与隧洞壁保持一定间距，通过AUV自适应调整艏向角完成转弯，沿隧洞壁由隧洞主洞驶向支洞，完成AUV水下光学引导；

步骤4：当AUV驶入支洞后，AUV通过获取布置在其周围的两个测距声纳的测量值，调整AUV使测量值保持一致，使其保持在支洞正中位置向前行驶。

2.根据权利要求1所述的一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于：步骤2中将采集到的图像传入AUV中的PC104嵌入式计算机进行处理，图像处理具体包括以下步骤：

步骤2.1：对采集得到的水下图像进行灰度化；

步骤2.2：采用快速中值滤波算法去噪；

步骤2.3：利用改进的Sobel算子进行边缘检测，采用全局阈值和局部阈值相结合，寻求阈值设定自适应化，确定8个方向的3×3模板，根据卷积结果和阈值对图像进行二值化完成边缘检测；

步骤2.4：通过改进Hough变换直线检测算法进行标志物检测，改进Hough变换对峰值点邻域置零的区域进行了优化，所提取的直线邻域像素点不会对其他具有相似特征的直线进行投票，将边缘点映射到极坐标系，主要的计算工作集中在[0,π)间的正弦和余弦的计算上；将[0,π)之间的正弦和余弦值以数组的形式存储在系统中，进行直线检测时，通过查询三角函数表的方式获取像素点的极坐标。

3.根据权利要求2所述的一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于：步骤2.3中利用改进的Sobel算子进行边缘检测，具体实现步骤为：

步骤2.3.1：首先确定8个方向的3×3模板，选取8个方向，包括0°、45°、90°、135°、180°、225°、270°、315°方向，根据这些方向Sobel算子的模板进行扩展，得到8个边缘方向模板；

步骤2.3.2：自适应全局阈值采用最大类间方差法，利用积分图像得出的局部均值以及原图像像素点的灰度值计算局部阈值，采用全局阈值和局部阈值相结合，寻求阈值设定自适应化；

步骤2.3.3：根据8个边缘方向模板对水下图像像素进行卷积运算；

步骤2.3.4：根据卷积结果和设定自适应化的阈值对图像进行二值化，完成水下图像边缘检测。

4.根据权利要求2所述的一种基于水下标志物直线检测的隧洞AUV引导方法，其特征在于：步骤2.4中通过改进Hough变换直线检测算法进行标志物检测，改进Hough变换标志物直线特征提取的计算步骤为：

步骤2.4.1：初始化极坐标点数组(r,θ)，r为图像的对角线方向的像素数，θ在[0,π)内按照一定阈值取值；

步骤2.4.2：遍历图像中所有的像素点，对每一个像素点，在对应曲线经过的所以极坐标点的累加器上加一，即：A(r,θ)＝A(r,θ)+1；

步骤2.4.3：找到变换域中A值最大的极坐标点(rmax,θmax)并记录；

步骤2.4.4：对区域RABCD中的极坐标点进行计算，所有满足ri＝xcosθi+ysinθi的极坐标点，对应的累加器A(ri,θi)＝A(ri,θi)-1；

步骤2.4.5：重复步骤2.4.3和2.4.4，找到满足条件的n条特征直线，则停止寻找。