水下三維聲納目標(biāo)在線運(yùn)動(dòng)監(jiān)測(cè)與識(shí)別

李志華，李秋巒

（1杭州師范大學(xué) 信息科學(xué)與工程學(xué)院，杭州 311100；2浙江大學(xué) 數(shù)字技術(shù)及儀器研究所，杭州 310027）

水下三維聲納目標(biāo)在線運(yùn)動(dòng)監(jiān)測(cè)與識(shí)別

李志華1，2，李秋巒1

（1杭州師范大學(xué) 信息科學(xué)與工程學(xué)院，杭州 311100；2浙江大學(xué) 數(shù)字技術(shù)及儀器研究所，杭州 310027）

隨著聲學(xué)探測(cè)在海洋資源開(kāi)發(fā)中的廣泛應(yīng)用，水聲成像技術(shù)已成為水下目標(biāo)監(jiān)測(cè)的重要手段，文章提出了一種基于三維聲納技術(shù)的在線運(yùn)動(dòng)目標(biāo)識(shí)別方法。通過(guò)對(duì)三維聲學(xué)圖像進(jìn)行網(wǎng)格搜索和三角面片連接，進(jìn)行單幀三維聲學(xué)圖像的多層實(shí)時(shí)重建，實(shí)現(xiàn)單幀圖像內(nèi)目標(biāo)的重建、聚類與標(biāo)示。結(jié)合GPS定位儀和姿態(tài)儀信息，修正位移和姿態(tài)變化引起的運(yùn)動(dòng)誤差，利用反向投影和最近點(diǎn)搜索方法查找相鄰圖像幀之間兩兩匹配的控制點(diǎn)對(duì)，進(jìn)行相鄰圖像幀的快速配準(zhǔn)。根據(jù)配準(zhǔn)矩陣將相鄰圖像幀的的各個(gè)目標(biāo)轉(zhuǎn)換到同一全局坐標(biāo)系中，提取有效的聲學(xué)目標(biāo)特征變化相對(duì)值，并評(píng)估特征權(quán)重，實(shí)現(xiàn)相鄰圖像幀之間運(yùn)動(dòng)目標(biāo)的在線檢測(cè)與識(shí)別。通過(guò)室內(nèi)水池和湖試實(shí)驗(yàn)，結(jié)果表明該方法能有效地實(shí)現(xiàn)三維聲學(xué)圖像在線運(yùn)動(dòng)目標(biāo)實(shí)時(shí)識(shí)別。

三維聲納；運(yùn)動(dòng)監(jiān)測(cè)；運(yùn)動(dòng)識(shí)別

0 引 言

隨著海洋資源開(kāi)發(fā)、海港建設(shè)與監(jiān)視在國(guó)家資源競(jìng)爭(zhēng)、國(guó)防安全等領(lǐng)域變得越來(lái)越重要，水下目標(biāo)探測(cè)、跟蹤與識(shí)別技術(shù)得到了廣泛的應(yīng)用。陳榮盛等[1]深入探討了水下目標(biāo)光視覺(jué)信息獲取過(guò)程和圖像處理的常用算法，并通過(guò)試驗(yàn)驗(yàn)證了目標(biāo)識(shí)別的有效性。由于水下能見(jiàn)度極低，因此水下目標(biāo)光視覺(jué)信息獲得需要較好的光照條件，近年來(lái)三維水聲成像技術(shù)已成為大規(guī)模水下目標(biāo)監(jiān)測(cè)的重要措施[2-6]。

張純等[2]利用水下運(yùn)動(dòng)小目標(biāo)的速度、加速度、速度波動(dòng)率、運(yùn)動(dòng)方向波動(dòng)率、威脅因子等運(yùn)動(dòng)特征，對(duì)水下目標(biāo)蛙人、小型機(jī)器人和快艇進(jìn)行分類識(shí)別。田杰等[4]針對(duì)水聲圖像中人工目標(biāo)探測(cè)問(wèn)題，提出一種基于分形特征的檢測(cè)方法，根據(jù)分維分布圖進(jìn)行直方圖分析，得到探測(cè)分割閾值，將水聲圖像標(biāo)記為人造目標(biāo)區(qū)域和非人造目標(biāo)區(qū)域，實(shí)現(xiàn)水下目標(biāo)的有效探測(cè)。晉朝勃等[5]采用艦船輻射噪聲調(diào)制線譜特征，將支持向量機(jī)應(yīng)用于水中目標(biāo)識(shí)別，設(shè)計(jì)了一種水中目標(biāo)分類器。

本文通過(guò)對(duì)三維聲學(xué)圖像進(jìn)行網(wǎng)格搜索和三角面片連接，進(jìn)行單幀三維聲學(xué)圖像的多層實(shí)時(shí)重建，實(shí)現(xiàn)單幀圖像內(nèi)目標(biāo)的重建、聚類與標(biāo)示。結(jié)合GPS定位儀和姿態(tài)儀信息，修正位移和姿態(tài)變化引起的運(yùn)動(dòng)誤差，進(jìn)行相鄰圖像幀的快速配準(zhǔn)，然后提取有效的聲學(xué)目標(biāo)特征變化相對(duì)值，并評(píng)估特征權(quán)重，實(shí)現(xiàn)相鄰圖像幀之間運(yùn)動(dòng)目標(biāo)的在線檢測(cè)與識(shí)別。

1 三維聲納目標(biāo)在線運(yùn)動(dòng)識(shí)別框架

三維聲納目標(biāo)在線運(yùn)動(dòng)識(shí)別主要包括三維聲學(xué)數(shù)據(jù)實(shí)時(shí)重建、目標(biāo)聚類與標(biāo)示、三維聲學(xué)數(shù)據(jù)實(shí)時(shí)配準(zhǔn)、目標(biāo)特征提取和運(yùn)動(dòng)目標(biāo)識(shí)別四個(gè)模塊，系統(tǒng)總體結(jié)構(gòu)如圖1所示。

系統(tǒng)通過(guò)對(duì)三維聲學(xué)圖像索和三角面片連接，進(jìn)行單幀三維聲學(xué)圖像的多層實(shí)時(shí)重建，利用數(shù)據(jù)點(diǎn)之間的表面連通性對(duì)目標(biāo)進(jìn)行聚類與標(biāo)示，得到單幀圖像中的各個(gè)獨(dú)立目標(biāo)。然后結(jié)合GPS定位儀和姿態(tài)儀信息，修正位移和姿態(tài)變化引起的運(yùn)動(dòng)誤差，利用反向投影和最近點(diǎn)搜索方法查找相鄰圖像幀之間兩兩匹配的控制點(diǎn)對(duì)，進(jìn)行相鄰圖像幀的快速配準(zhǔn)，根據(jù)配準(zhǔn)矩陣將相鄰圖像幀的的各個(gè)目標(biāo)轉(zhuǎn)換到同一全局坐標(biāo)系中，提取有效的聲學(xué)目標(biāo)特征，包括目標(biāo)總點(diǎn)數(shù)、目標(biāo)質(zhì)心、距離跨度和邊界信息等。最后通過(guò)評(píng)估三維聲學(xué)目標(biāo)各個(gè)特征的相對(duì)權(quán)重，計(jì)算目標(biāo)特征變化相對(duì)值，對(duì)相鄰兩幀中處于重疊區(qū)域的目標(biāo)進(jìn)行前后幀的特征匹配，實(shí)現(xiàn)相鄰圖像幀之間運(yùn)動(dòng)目標(biāo)的有效檢測(cè)與識(shí)別，下面將對(duì)各個(gè)部分逐一詳述。

圖1 三維聲納目標(biāo)在線運(yùn)動(dòng)識(shí)別系統(tǒng)結(jié)構(gòu)Fig.1 System structure of 3-D sonar motion recognition

2 聲學(xué)圖像單幀多層實(shí)時(shí)重建

圖2 三維聲學(xué)圖像單幀多層實(shí)時(shí)重建流程Fig.2 Single multi-layer reconstruction of 3-D sonar image

在三維聲納目標(biāo)在線運(yùn)動(dòng)識(shí)別過(guò)程中，需要首先檢測(cè)出單幀三維聲學(xué)圖像中的各個(gè)目標(biāo)。系統(tǒng)通過(guò)對(duì)三維聲學(xué)圖像進(jìn)行網(wǎng)格搜索和三角面片連接，進(jìn)行單幀三維聲學(xué)圖像的多層實(shí)時(shí)重建，利用數(shù)據(jù)點(diǎn)之間的表面連通性對(duì)目標(biāo)進(jìn)行聚類與標(biāo)示，得到單幀圖像中的各個(gè)獨(dú)立目標(biāo)。首先針對(duì)非空聲學(xué)數(shù)據(jù)點(diǎn)進(jìn)行2×2網(wǎng)格塊搜索處理，然后對(duì)以空點(diǎn)為中心的3×3網(wǎng)格塊進(jìn)行搜索處理。為了進(jìn)一步填充聲學(xué)數(shù)據(jù)中的空洞，系統(tǒng)在3×3窗口內(nèi)分別對(duì)聲學(xué)陣列進(jìn)行3×2水平網(wǎng)格塊和2×3垂直網(wǎng)格塊搜索處理，最后根據(jù)所獲得的聲學(xué)數(shù)據(jù)點(diǎn)連通性進(jìn)行三角面片連接和重建，其流程如圖2所示。

該聲學(xué)系統(tǒng)采用48×48個(gè)聲學(xué)換能器陣列發(fā)射單脈沖聲波信號(hào)，接受陣內(nèi)每個(gè)單元接收到不同距離、不同方向上的回波疊加而成的混合信號(hào)。根據(jù)48×48個(gè)混合信號(hào)進(jìn)行128×128個(gè)波束形成[7]，得到一個(gè)橫截面128×128個(gè)點(diǎn)的反射強(qiáng)度信息集合，如圖3所示。

在三維聲學(xué)圖像單幀多層實(shí)時(shí)重建過(guò)程中，首先對(duì)聲學(xué)點(diǎn)數(shù)據(jù)進(jìn)行解析，確定三維聲學(xué)點(diǎn)所在的掃描波束、層數(shù)信息以及反射強(qiáng)度信息，其格式表示為（i，j，k，I），i代表聲學(xué)點(diǎn)所在的x方向上的聲束位置，j代表聲學(xué)點(diǎn)所在的y方向上的聲束位置，k代表聲學(xué)點(diǎn)所在的層數(shù)，I則是聲學(xué)點(diǎn)強(qiáng)度。連接三角網(wǎng)格首先需要判斷相鄰兩點(diǎn)的連接關(guān)系是否成立。在不同量程下，若采用相同的重建閾值，重建效果會(huì)受到影響。量程越大，相鄰兩束聲束之間相同層數(shù)上的點(diǎn)的距離越大。由于大量程的重建閾值對(duì)于小量程來(lái)說(shuō)太大，容易造成小量程單幀重建的誤差，因此采用量程自適應(yīng)閾值的方法，根據(jù)量程的不同，選擇不同的重建閾值。在某個(gè)量程下，設(shè)該量程的最大層數(shù)為k層，則該量程下的重建閾值（余弦定理）為：

圖3 聲學(xué)接收陣128×128個(gè)數(shù)字波束Fig.3 128×128 digital beam of sonar receiver

其中θ為兩個(gè)聲束之間的夾角。判斷兩個(gè)結(jié)點(diǎn)能否連接的標(biāo)準(zhǔn)是兩個(gè)點(diǎn)之間的距離是否小于重建閾值。由于反復(fù)進(jìn)行距離運(yùn)算會(huì)降低系統(tǒng)性能，影響系統(tǒng)實(shí)時(shí)性，因此預(yù)先生成一張閾值表，通過(guò)表格查詢能快速地確定兩個(gè)點(diǎn)之間的距離是否小于重建閾值，提高三維重建的實(shí)時(shí)性。

3 三維聲學(xué)圖像實(shí)時(shí)配準(zhǔn)

為了使相鄰幀圖像的目標(biāo)特征值具有可比性，需要對(duì)相鄰圖像幀進(jìn)行快速配準(zhǔn)，利用配準(zhǔn)矩陣將相鄰圖像幀的的各個(gè)目標(biāo)轉(zhuǎn)換到同一全局坐標(biāo)系中。為了實(shí)現(xiàn)相鄰聲學(xué)圖像幀之間的快速配準(zhǔn)，系統(tǒng)結(jié)合GPS定位儀和姿態(tài)儀，得到每幀聲學(xué)數(shù)據(jù)采集時(shí)艦船所處的位移和姿態(tài)信息，對(duì)相鄰幀聲學(xué)數(shù)據(jù)進(jìn)行初始配準(zhǔn)，將每幀的聲學(xué)數(shù)據(jù)點(diǎn)轉(zhuǎn)換到預(yù)先設(shè)定的同一世界坐標(biāo)系下，以修正位移和姿態(tài)信息引起的運(yùn)動(dòng)誤差。通過(guò)獲取相鄰兩幀聲學(xué)數(shù)據(jù)重疊區(qū)域內(nèi)的點(diǎn)集，利用反向投影將前幀投影到后幀，采用最近點(diǎn)搜索方法尋找相鄰兩幀中兩兩匹配的控制點(diǎn)對(duì)，根據(jù)配對(duì)的控制點(diǎn)計(jì)算得到相鄰幀之間的配準(zhǔn)矩陣，并對(duì)前幀的點(diǎn)集進(jìn)行坐標(biāo)變換，實(shí)現(xiàn)圖像實(shí)時(shí)精確配準(zhǔn)，下面詳述各個(gè)步驟。

3.1 GPS儀/姿態(tài)儀信息獲取與坐標(biāo)變換

由于三維聲學(xué)圖像配準(zhǔn)需要GPS定位儀和姿態(tài)儀獲取采集每幀聲學(xué)數(shù)據(jù)時(shí)艦船所處的位移和姿態(tài)信息，結(jié)合這些運(yùn)動(dòng)信息對(duì)相鄰幀聲學(xué)數(shù)據(jù)進(jìn)行初始配準(zhǔn)：

（1）GPS位移信息

采用差分GPS定位儀，主要用于獲取艦船東西方向位移和南北方向位移信息，格式是統(tǒng)一的NEMA-0183格式，通過(guò)串口解析GPGLL語(yǔ)句，獲得當(dāng)前船體的經(jīng)度和緯度信息，并進(jìn)行如下的艦船位移相關(guān)信息轉(zhuǎn)換：

緯度與南北方向位移轉(zhuǎn)換關(guān)系：

緯度1度=60海里=60*1 852米；

經(jīng)度與東西方向位移轉(zhuǎn)換關(guān)系：

經(jīng)度1度=60海里*cos（緯度）=60*1852米*cos（緯度）。

（2）姿態(tài)傳感器

系統(tǒng)采用OCTANS系列姿態(tài)儀（羅經(jīng)），感知船體的搖晃與轉(zhuǎn)向，以修正聲學(xué)圖像數(shù)據(jù)采集時(shí)由于船只晃動(dòng)、轉(zhuǎn)向而引起的拍攝角度偏移。主要輸出信息有北偏東航向角、縱搖和橫搖，通過(guò)串口解析HEHDT和PHTRO開(kāi)頭的字符串語(yǔ)句。聲學(xué)數(shù)據(jù)采集裝置安裝時(shí)應(yīng)和姿態(tài)儀保持在較近的地方，以保證姿態(tài)儀感應(yīng)船姿的三維變化數(shù)據(jù)—縱搖（pitching）、橫搖（rolling）和偏航（yawing）能正確地反映出聲學(xué)數(shù)據(jù)采集裝置的搖晃與轉(zhuǎn)向偏移。

通過(guò)將GPS位移信息轉(zhuǎn)化為平移信息，將姿態(tài)傳感器中的橫搖、縱搖、航向角等信息轉(zhuǎn)化為旋轉(zhuǎn)矩陣，聯(lián)合以下兩式可以獲得聲學(xué)點(diǎn)在全局坐標(biāo)系中的坐標(biāo)。

3.2 反向投影與配準(zhǔn)矩陣生成

在獲取GPS定位儀和姿態(tài)儀信息對(duì)相鄰幀聲學(xué)數(shù)據(jù)進(jìn)行初始配準(zhǔn)之后，為了實(shí)現(xiàn)相鄰聲學(xué)圖像幀之間的快速精確配準(zhǔn)，系統(tǒng)通過(guò)獲取相鄰兩幀聲學(xué)數(shù)據(jù)重疊區(qū)域內(nèi)的點(diǎn)集，利用反向投影將前幀投影到后幀，采用最近點(diǎn)搜索方法尋找相鄰兩幀中兩兩匹配的控制點(diǎn)對(duì)，根據(jù)配對(duì)的控制點(diǎn)計(jì)算得到相鄰幀之間的配準(zhǔn)矩陣，并對(duì)前幀的點(diǎn)集進(jìn)行坐標(biāo)變換，實(shí)現(xiàn)圖像配準(zhǔn)。

（1）反向投影

根據(jù)每幀聲學(xué)數(shù)據(jù)采集時(shí)艦船所處的位移和姿態(tài)信息，對(duì)相鄰幀聲學(xué)數(shù)據(jù)進(jìn)行初始配準(zhǔn)，將后幀聲學(xué)數(shù)據(jù)點(diǎn)轉(zhuǎn)換到前幀聲學(xué)數(shù)據(jù)坐標(biāo)系下。根據(jù)新坐標(biāo)系下后幀聲學(xué)數(shù)據(jù)點(diǎn)p坐標(biāo)（x，y，z）計(jì)算出該點(diǎn)在前幀聲學(xué)坐標(biāo)系下的球坐標(biāo)（i，j，k）[8-10]：

在計(jì)算出該點(diǎn)在前幀聲學(xué)坐標(biāo)系下的球坐標(biāo)（i，j，k）之后，若前幀在該（i，j，k）位置上有非空點(diǎn)q，則q為p的對(duì)應(yīng)點(diǎn)；若前幀在該（i，j，k）位置上為空點(diǎn)，則在點(diǎn)p所處的（i，j，k）周圍尋找距離最近的點(diǎn)作為p點(diǎn)的對(duì)應(yīng)點(diǎn)，距離計(jì)算采用歐式距離。

（2）配準(zhǔn)矩陣生成

通過(guò)前面的反向投影方法獲得相鄰兩幀的控制點(diǎn)對(duì)之后，需要通過(guò)迭代求出相鄰兩幀控制點(diǎn)對(duì)之間的最佳配準(zhǔn)矩陣，使得相鄰兩幀控制點(diǎn)對(duì)之間的距離之和最小，最優(yōu)化問(wèn)題為：

4 三維聲學(xué)運(yùn)動(dòng)目標(biāo)識(shí)別

4.1 目標(biāo)聚類與標(biāo)示

目標(biāo)聚類依賴于聲學(xué)數(shù)據(jù)單幀重建提供的三角面片連接信息，通過(guò)依次遍歷單幀的三角面片，并根據(jù)每個(gè)三角面片的三個(gè)頂點(diǎn)的連接信息進(jìn)行目標(biāo)標(biāo)示，確保同一目標(biāo)上的各點(diǎn)具有連通性，而不同目標(biāo)上的各點(diǎn)不具有連通性。系統(tǒng)為了改善目標(biāo)聚類效果，將相距較近的初始目標(biāo)聚類再合并成一個(gè)目標(biāo)，其流程如圖4所示。

4.2 特征提取與運(yùn)動(dòng)識(shí)別

首先提取相鄰兩幀的重疊區(qū)，對(duì)處于重疊區(qū)內(nèi)的目標(biāo)進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。通過(guò)對(duì)后幀的所有處于重疊區(qū)的目標(biāo)組成的后幀目標(biāo)集合在前幀目標(biāo)集合中尋找特征相匹配的目標(biāo)，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)。如果后幀目標(biāo)集合中的某個(gè)目標(biāo)能夠在前幀目標(biāo)集合中尋找到相匹配的目標(biāo)，則該目標(biāo)將被標(biāo)記為靜目標(biāo)并將與之相匹配的前幀中的目標(biāo)從前幀目標(biāo)集合中移除。反之，如果該目標(biāo)未能在前幀中尋找到特征相匹配的目標(biāo)，則該目標(biāo)被標(biāo)記為動(dòng)目標(biāo)。提取特征的類別包括：

特征匹配的參數(shù)值如下：

① ΔS/S：前后兩幀中目標(biāo)大小的絕對(duì)差值與后幀目標(biāo)大小的比值；：前后兩幀中目標(biāo)質(zhì)心坐標(biāo)的距離；前后兩幀中目標(biāo)X軸、Y軸、Z軸三個(gè)方向距離跨度的絕對(duì)差與后幀目標(biāo)距離跨度的比值；前后兩幀中目標(biāo)外接立方體中心坐標(biāo)的距離；

通過(guò)對(duì)特征參數(shù)賦予歸一化權(quán)重值，將特征參數(shù)值與權(quán)重乘積的累加和與設(shè)定閾值進(jìn)行比較，判定是否能夠匹配。

圖4 目標(biāo)聚類與標(biāo)示流程Fig.4 Object clustering and labelling flowart

5 實(shí)驗(yàn)結(jié)果分析

本文研制的三維聲學(xué)原型系統(tǒng)主要包括三維聲學(xué)數(shù)據(jù)采集系統(tǒng)、三維聲學(xué)數(shù)據(jù)傳輸子板和PC客戶端三維聲學(xué)圖像處理系統(tǒng)三個(gè)部分，三維聲學(xué)數(shù)據(jù)采集系統(tǒng)通過(guò)換能器組成的相控接收基陣，基于FPGA的超大規(guī)模實(shí)時(shí)電子聚焦形成波束，進(jìn)行高速聲學(xué)數(shù)據(jù)采集與上傳。三維聲學(xué)數(shù)據(jù)傳輸子板硬件采用嵌入式PowerPC處理器，軟件基于嵌入式Linux操作系統(tǒng)，主要實(shí)現(xiàn)三維聲學(xué)數(shù)據(jù)網(wǎng)絡(luò)轉(zhuǎn)發(fā)、命令控制、代碼更新等功能。PC客戶端三維聲學(xué)圖像處理系統(tǒng)主要實(shí)現(xiàn)三維聲學(xué)數(shù)據(jù)網(wǎng)絡(luò)接收、GPS/姿態(tài)儀串口信息獲取、三維聲學(xué)圖像運(yùn)動(dòng)目標(biāo)識(shí)別等功能，圖5所示為設(shè)計(jì)完成的三維成像聲學(xué)系統(tǒng)試驗(yàn)樣機(jī)。

原型樣機(jī)分別在富陽(yáng)基地室內(nèi)水池和千島湖實(shí)驗(yàn)基地進(jìn)行了水下實(shí)驗(yàn)，對(duì)軟件功能的準(zhǔn)確性和性能的實(shí)時(shí)性進(jìn)行了大量測(cè)試與驗(yàn)證工作。圖6為PC客戶端運(yùn)動(dòng)目標(biāo)識(shí)別系統(tǒng)軟件界面，圖中右下角白色長(zhǎng)方體框展示了識(shí)別出的動(dòng)態(tài)目標(biāo)。系統(tǒng)在室內(nèi)水池和千島湖實(shí)驗(yàn)基地進(jìn)行了連續(xù)的動(dòng)態(tài)目標(biāo)檢測(cè)試驗(yàn)，目標(biāo)為人工操作的鐵棒，圖7為聲學(xué)系統(tǒng)與運(yùn)動(dòng)目標(biāo)相距10m的識(shí)別結(jié)果，圖8為聲學(xué)系統(tǒng)與運(yùn)動(dòng)目標(biāo)相距100 m的識(shí)別結(jié)果，系統(tǒng)檢測(cè)時(shí)間間隔保持為1 s（秒），軸向運(yùn)動(dòng)速度為0.1 m/s，旋轉(zhuǎn)角速度為2°/s，表1顯示了相距10 m和100 m兩種情況下軸向運(yùn)動(dòng)和旋轉(zhuǎn)運(yùn)動(dòng)的檢測(cè)次數(shù)。實(shí)驗(yàn)結(jié)果表明聲學(xué)系統(tǒng)在移動(dòng)掃描過(guò)程中能準(zhǔn)確實(shí)時(shí)地識(shí)別出物體旋轉(zhuǎn)、軸向等常規(guī)運(yùn)動(dòng)，當(dāng)聲學(xué)系統(tǒng)與目標(biāo)較近時(shí)，軸向運(yùn)動(dòng)比旋轉(zhuǎn)運(yùn)動(dòng)檢測(cè)靈敏度高，更易識(shí)別；當(dāng)聲學(xué)系統(tǒng)與目標(biāo)較遠(yuǎn)時(shí)，旋轉(zhuǎn)運(yùn)動(dòng)比軸向運(yùn)動(dòng)檢測(cè)靈敏度高，更易識(shí)別。

圖5 聲學(xué)系統(tǒng)試驗(yàn)樣機(jī)示意圖Fig.5 Sonar system hardware prototype

圖6 PC客戶端運(yùn)動(dòng)目標(biāo)識(shí)別軟件界面Fig.6 PC client software interface

圖7 聲學(xué)系統(tǒng)與運(yùn)動(dòng)目標(biāo)相距10 m的識(shí)別結(jié)果 Fig.7 Motion recognition result of 10 m distance

圖8 聲學(xué)系統(tǒng)與運(yùn)動(dòng)目標(biāo)相距100 m的識(shí)別結(jié)果Fig.8 Motion recognition result of 100 m distance

表1 相距10 m和100 m軸向和旋轉(zhuǎn)運(yùn)動(dòng)檢測(cè)結(jié)果Tab.1 Axis and rotation detection results of 10 m and 100 m distance

6 結(jié) 論

本文針對(duì)水下運(yùn)動(dòng)目標(biāo)實(shí)時(shí)監(jiān)測(cè)需求，研究了三維聲納目標(biāo)在線運(yùn)動(dòng)檢測(cè)與識(shí)別方法。系統(tǒng)利用單幀重建生成的聲學(xué)數(shù)據(jù)點(diǎn)之間的連通性信息進(jìn)行目標(biāo)聚類，避免了聚類過(guò)程中的大量連通性計(jì)算，算法更加高效，更能滿足系統(tǒng)實(shí)時(shí)性要求。結(jié)合GPS定位儀和姿態(tài)儀信息，修正位移和姿態(tài)變化引起的運(yùn)動(dòng)誤差，利用反向投影和最近點(diǎn)搜索方法進(jìn)行相鄰圖像幀的快速配準(zhǔn)，根據(jù)配準(zhǔn)矩陣將相鄰圖像幀的的各個(gè)目標(biāo)轉(zhuǎn)換到同一全局坐標(biāo)系中，提取有效的聲學(xué)目標(biāo)特征變化相對(duì)值，并評(píng)估特征權(quán)重，具有較高的適應(yīng)性和準(zhǔn)確性。

[1]陳榮盛,袁小海,胡 震,劉培林,吳文偉.水下機(jī)器人光視覺(jué)信息獲取及處理算法[J].船舶力學(xué),1999,3(2):63-69.Chen Rongsheng,Yuan Xiaohai,Hu Zhen,Liu Peilin,Wu Wenwei.Underwater vehicle vision information capturing and Processing Algorithm[J].Journal of Ship Mechanics,1999,3(2):63-69.

[2]張 純,許 楓.基于運(yùn)動(dòng)特征的水下蛙人目標(biāo)識(shí)別方法[J].聲學(xué)技術(shù),2011,30(3):174-176. Zhang Chun,Xu Feng.Diver target identification based on motion feature[J].Technical Acoustics,2011,30(3):174-176.

[3]孫長(zhǎng)瑜,李啟虎,李偉昌,等.基于ADSP-21060 SHARC高速通用聲吶信號(hào)處理系統(tǒng)[J].聲學(xué)學(xué)報(bào),2000,25(2):150-154. Sun Changyu,Li Qihu,Li Weichang,et al.The research and development of high speed general sonar signal processing system by ADSP-21060 SHARC[J].ACTA ACUSTICA,2000,25(2):150-154.

[4]田 杰,張春華.基于分形的水聲圖像目標(biāo)探測(cè)[J].中國(guó)圖象圖形學(xué)報(bào),2005,10(4):479-483. Tian Jie,Zhang Chunhua.Fractal-based detecton of objects in underwater images[J].Journal of Image and Graphics,2005, 10(4):479-483.

[5]晉朝勃,胡剛強(qiáng),史廣智,等.一種采用支持向量機(jī)的水中目標(biāo)識(shí)別方法[J].聲學(xué)技術(shù),2011,30(3):186-188. Jin Zhaobo,Hu Gangqiang,Shi Guangzhi,et al.An underwater target recognition method using the support vector machines[J].Technical Acoustics,2011,30(3):186-188.

[6]Yu S C,Kim T W,Marani G,et al.Real-Time 3D sonar Image recognition for underwater vehicles[C].In Proc.Symposium on Underwater Technology and Workshop on Scientific Use of Submarine Cables and Related Technologies,2007:142-146.

[7]Repetto S,Palmese M,Trucco A.High-resolution 3-D imaging by a sparse array:Array optimization and image simulation [C].In Proc.Oceans,2005:763-768.

[8]Murino V,Trucco A.Three-dimensional image generation and processing in underwater acoustic vision[J].Proceedings of IEEE,2000,88(12):1903-1948.

[9]Papaleo L,Puppo E.Online Data Fusion for building 3D models from acoustical range images[R].University of Genova, Genova,Italy,2004.

[10]Castellani U,Fusiello A,Murino V.Object reconstruction and 3D mosaicing[R].University of Genova,Genova,Italy,2004.

[11]Ikeuchi K,Wheeler M D.Iterative estimation of rotation and tranlslation using quaternion[R].Technical Report CMU-SC-95-215,1995.

On-line motion recognition for underwater 3-D sonar object

LI Zhi-hua1，2,LI Qiu-luan1
(1 College of Information Science and Engineering,Hangzhou Normal University,Hangzhou 311100,China; 2 Institute of Advanced Digital Technology and Instrument,Zhejiang University,Hangzhou 310027,China)

Aiming at the real-time detection requirement of underwater moving object,an on-line motion recognition method for underwater 3-D sonar object is proposed.Multi-layer reconstruction and object clustering of single sonar frame are fulfilled by grid searching and triangle connection.Motion error is corrected by GPS and POSE instrument due to the change of displacement and pose.3-D sonar imaging registration is achieved by reverse projection and the closest point searching.According to the registration matrix, all sonar frames are translated into a global coordinate system,and sonar object features are extracted.Effective moving object detection is achieved by estimating feature weight.Experimental results in the indoor pool and lake show that the system can efficiently achieve 3-D sonar data on-line moving object recognition.

3-D sonar;motion detection;motion recognition

TB566

A

10.3969/j.issn.1007-7294.2015.10.014

1007-7294（2015）10-1282-07

2015-03-21

國(guó)家自然科學(xué)基金（61001170）

李志華（1981-），男，博士后，講師，E-mail:zhihuali_e@163.com；李秋巒（1986-），男，碩士研究生。