[发明专利]一种基于NDT的成像声呐里程计方法

说明书

本发明提出一种基于NDT的成像声呐里程计方法。所述方法通过成像声呐获取水下环境的声学图像，然后将得到的声学图像进行中值滤波，梯度阈值特征提取，均值聚类分析降噪，NDT算法进行二维点云配准，最后积分得到声呐的里程。本发明提供的成像声呐里程计方法，通过对成像声呐输出的图像进行处理从而得到声呐自身的运动轨迹解决了水下平台的定位问题。且本发明对于水下无人平台的自主导航具有重要作用，可以实现对DVL等水下测速设备的替代，降低了系统的复杂度及成本能够很好的满足市场需求。

技术领域

本发明属于声呐图像处理技术领域，特别是涉及一种基于NDT的成像声呐里程计方法。

背景技术

由于大部分外场环境下的水体通常是浑浊的且光线亮度低，采用光学摄像头来进行探测受到了限制，而采用成本相对低廉的图像声呐则受到了青睐。图像声呐具有更大的视场宽度以及更快的刷新率，非常适合水下近距离的探测和成像。

里程计是一种估计物体位置随时间变化的方法，常用的里程计定位方法有轮式里程计、视觉里程计、视觉惯性里程计等，其中后两者以利用光学摄像机来得到图像信息的最为普遍，而基于图像声呐的里程计则没有相关研究。

发明内容

本发明目的是为了解决现有技术中的问题，提出了一种基于NDT的成像声呐里程计方法。所述方法能够实现在水下为载体平台提供定位功能的目的。

本发明是通过以下技术方案实现的，本发明提出一种基于NDT的成像声呐里程计方法，所述方法包括以下步骤：

步骤一：将得到的声呐图像进行中值滤波；

步骤二：求图像的梯度并将梯度值大于阈值S的点筛选出来，得到特征点云；

步骤三：对特征点云执行均值漂移程序筛选出点云数量小于N的类别并将其剔除，得到降噪后的特征点云数据；

步骤四：执行NDT算法估计出当前时刻k的图像相对于其前一帧相邻两帧图像的平移(t_x,t_y)_k和旋转增量

步骤五：将得到的平移(t_x,t_y)_k及旋转增量坐标系转换然后积分得到声呐的里程。

进一步地，所述的求图像的梯度并将梯度值大于阈值S的点筛选出来，得到特征点云具体步骤包括：

SII1：将得到的声图像I(x,y)，分别进行求x轴方向的梯度G_x(x,y)＝I(x,y)-I(x-1,y)和y轴方向的梯度G_y(x,y)＝I(x,y)-I(x,y-1)；

SII2：计算梯度的模值G_xy(x,y)；

SII3：判断G_xy(x,y)是否大于阈值S，若大于则记录其位置坐标，最后得到一组二维位置特征点云x_i＝(x_i,y_i)^T,i＝1,2,...,M。

进一步地，所述的将得到的平移(t_x,t_y)_k及旋转增量坐标系转换然后积分得到声呐的里程具体步骤包括：

SV1：以初始积分时刻声呐系统坐标系为参考系，并让初始位移(t_x,t_y)₀及旋转均为0；

SV2：得到时刻k的位移(t_x,t_y)_k及旋转增量利用公式计算得到x轴方向位移；

SV3：利用公式计算得到y轴方向位移；

SV4：利用公式计算得到航向角。