无人机河道巡检系统设计与实现

发布时间：2020-04-24 12:47

【摘要】：随着我国经济和社会的快速发展,水面污染、河道违建等导致水环境恶化的问题日益突出。河道巡检是发现此类问题的主要方式,而人工巡检存在效率低、成本高、周期长等弊端。本文研究了基于无人机的河道巡检智能数字图像处理系统,实现了巡检图像的拼接及智能比对、问题流程的闭环处理、巡检数据的智能分析等功能。提高了河道巡检的效率,降低了成本,缩短了巡检周期。本文阐述了河道巡检系统的研究意义,分析了国内外巡检现状,对河道巡检无人机机型进行了选择,介绍了本系统的优势。为满足用户对巡检图像拼接处理的实时性要求,在分析了传统SURF算法的基础上,结合本巡检项目对匹配精度要求不高的实际情况,对算法特征点的特征向量进行降维,提出了改进的SURF特征提取与匹配算法—QSURF算法,减少计算工作量,提高了运算速度。使用姜堰区百组河道航拍图像进行对比实验,表明QSURF算法比传统SURF算法节省了约40%的拼接处理时间。根据系统的设计原则,明确了系统的架构,设计了数据库的概念结构和逻辑结构。系统实现了航拍图像拼接与智能比对、巡检事件处理、巡检数据分析等功能。并且分别从功能性、可靠性、兼容性等角度,对系统进行了测试。最后回顾本文的主要工作,分析文中存在的不足,指出未来研究探讨的方向,对后续扩展的研究内容进行了展望。
【图文】：

计算图,矩阵,二阶微分,积分值

图像的所有像素扫描一遍即可以计算出积分图像。例如：要计算图像中某区域的逡逑积分值，只要计算出Ａ、Ｂ、Ｃ、Ｄ点的积分值即可，然后通过２＞Ａ－Ｂ－Ｃ＋Ｄ即可逡逑求出。如图２．３所示。逡逑Ｑ逡逑ｄＴ邋Ｔｂ逡逑Ｌ逡逑逦（ｆ逡逑图２．３计算积分图像逡逑１．构建Ｈｅｓｓｉａｎ矩阵，求解特征值逡逑传统的ＳＩＦＴ算法使用ＤｏＧ图像替代ＬｏＧ，ＳＵＲＦ算法是使用Ｈｅｓｓｉａｎ矩阵逡逑所对应的行列式ＤｏＨ（Ｄｅｔｅｒｍｉｎａｎｔ邋ｏｆ邋Ｈｅｓｓｉａｎ）近似值去计算图像特征点及其所处逡逑地方。对于一副图像ｆ（ｘ，ｙ），对应的Ｈｅｓｓｉａｎ矩阵、经高斯滤波后的Ｈｅｓｓｉａｎ矩阵逡逑分别可表示成：逡逑＂ａ２／邋ａ２／］逡逑…逦ｄｘ２邋ｄｘｄｙ逦）＾ＸＸ（Ｘ＞ＣＪ）逡逑Ｈ（ｆ（ｘ，ｙ））邋＝逦＾逦（２－７），邋Ｈ（ｘ，ｃｒ）＝逦（２－８）逡逑５邋／邋ｄ２ｆ逦ｙＬＪｘｙＧ）ＬＪｘｔ（ｊ）逡逑ｄｙｄｘ邋ｄｙ２逡逑在公式２－８中之所以需要高斯二阶微分分别在ｘ水平方向和垂直方向以及逡逑＃两个方向于图像／进行卷积，是因为对特征点要求尺度无关。Ｈｅｓｓｉａｎ矩阵行逡逑列式的计算方法是：逡逑ｄｅｔ（Ｈ）ｊ２Ｌ．＾（＾Ｌｆ逦（２．９）逡逑Ｏｘ１邋８ｙ２邋ｄｘｄｙ逡逑利用行列式值的正负号将所有像素点进行分类，，也就是判定该像素点是否是逡逑极值点。采取＾的值为１．２的高斯二阶微分滤波器、使用尺寸为９的卷积核

特征点,金字塔,尺度

图２．４邋ＳＵＲＦ尺度金字塔逦图２．５筛选特征点逡逑
【学位授予单位】：南京师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V279;TV85

【参考文献】