[发明专利]一种基于CPG模型仿生水下机器鱼的目标跟踪识别方法

说明书

本发明涉及一种基于CPG模型仿生水下机器鱼的目标跟踪识别方法，包括对机器鱼的模型建立、对水下目标的跟踪识别和根据水下目标实时调整机器鱼的运动轨迹。本发明的有益效果：通过对仿生机器鱼尾部机构建立链式CPG结构模型，提高了游动效率，同时，CPG简化了对关节间的协调控制，并提高机器鱼运动的协调性，转向和加速时的灵敏性；通过对不明目标物持续跟踪拍摄，可避免目标物因被遮挡或被光线流场干扰导致出现未能检测识别的情况，识别效果更好。

技术领域

本发明涉及水下机器鱼跟踪识别控制领域，具体来说，涉及一种基于CPG模型仿生水下机器鱼的目标跟踪识别方法。

背景技术

仿生机器鱼用于完成水下探测任务，其可在水下环境中通过双目识别摄像头拍摄目标物图像并实现目标物的图像识别。

水环境中的图像识别，相比于大气环境，具有更大的困难。这主要是由于水环境的特殊性导致的，水环境中照明是充满变数，水中光线是不均匀的，水中颗粒物混淆传统的噪声模型，因此，在水下环境中，在对不明目标物进行识别时，经常因为不明目标物被遮挡或被光线流场干扰导致出现未能检测识别的情况。

在跟踪和识别的过程中，还需要对仿生机器鱼进行实时的控制，实时调整仿生机器鱼尾部机构的姿态，保证其的正确运动轨迹。

仿生机器鱼对水下目标的识别和运动轨迹的调整在水下探测任务中缺一不可。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题，本发明提出一种基于CPG模型仿生水下机器鱼的目标跟踪识别方法，能够准确识别目标，并作出相应的运动轨迹调整。

为实现上述技术目的，本发明的技术方案是这样实现的：一种基于CPG模型仿生水下机器鱼的目标跟踪识别方法，包括以下步骤：

S1根据水下机器鱼具体尾部机构，构建链式CPG结构模型；

S2对水下某个不明目标物持续跟踪，并在跟踪过程中拍摄该不明目标物的图像；

S3将所述图像通过双边滤波算法进行图像预处理；

S4将图像预处理后的所述图像采用otsu最佳阈值分割法分割成像元图像；

S5基于颜色特征、形状特征、纹理特征中的一种或多种对所述像元图像进行图像特征提取以获取到相应特征；

S6将所述特征根据预定的目标物规则在SVM分类器中进行图像分类并识别出目标物；

S7根据识别出的目标物对水下机器鱼进行游动控制，模拟所述尾部机构各关节运动节律；

S8根据对所述尾部机构实际输入速度方向档位，在CPG结构模型中计算出各关节的相对转动角度θ_i；

S9各关节控制系统根据对应的所述相对转动角度θ_i进行角度闭环控制。

进一步的，在S1中，所述尾部机构为若干关节与连杆构成的链式结构。

进一步的，在S4中，先采用otsu最佳阈值分割法对所述图像进行图像阈值化，再通过自适应阈值二值化算法对所述图像进行二值化操作。

进一步的，在S5中，所述颜色特征通过主色调直方图或颜色矩来进行描述，所述纹理特征通过圆形LBP来描述。

进一步的，在S5中，所述形状特征在提取时先通过canny边缘检测，检测出所述不明目标物的边缘轮廓，再用findContours将边缘序列化，再通过多边形逼近提取出所述不明目标物的外轮廓。

进一步的，在S1中，所述尾部机构中关节数量为三个。