水下激光图像识别在人工智能与船海工程中的应用

在水下环境中产生有用的图像是一个困难的挑战。在大多数水下成像系统中，没有足够的环境光来产生图像。因此，人工照明是几乎所有水下成像系统的主要组成部分。光通过海水的传播受到两个主要的影响：吸收和散射。吸收是光在水中传播时损失的光能。与空气相比，海水中这种增加的吸收的主要原因是海水介质中悬浮颗粒的密度增加，这些颗粒的浓度从深海开放水域中的小于0.1 mg／m3到沿海水域和海湾中的大于1 mg／m3。这种更高的密度增加了传播光子与悬浮粒子相互作用的概率。这种相互作用从光束吸收能量，从而减少成像传感器可用的信号。在水下成像中第二个问题是散射，散射函数是光子在传播光束中的方向偏离原始路径的过程。如果散射角度小于90°则称为前向散射；如果角度大于90°则称为后向散射。后向散射过程具有掩蔽图像的效果。由于后向散射光通常传播较短的距离，受到比“来自目标的反射光”更少的衰减，因此具有较高的强度，导致“信号光-Signal Light”被遮蔽。

前向散射过程有两种效应。第一种是当光从光源传播激光时，散射导致光束扩展，并增加光源照射的面积，这降低了照射目标的每个单位面积的光强度，以及照射感兴趣区域以外的区域。前向散射的第二种效应是明显的，因为从目标“信号”反射的光在传播回成像传感器时是前向散射的，这种前向散射使得在成像传感器处接收的光看起来起源于物体平面中与实际位置不同的位置，从而潜在地模糊图像。吸收和散射过程使得水下成像在扩展的范围内是一个困难的问题。在整个水下成像的历史中，已经开发了许多光学架构来解决这些困难。这些光学架构包括：分离的源和接收器、间接照明、距离选通和同步扫描。各种光学结构典型的成像结构图如图5-17所示。

图5-17　光照射成像结构图

激光扫描系统在地面上已被广泛地应用于三维重建。ALAN GORDON研发了一种基于水下激光的同步扫描系统，该系统通过浑浊的水产生高质量的图像。为了证明同步线扫描架构的操作可行性，光谱工程公司开发了一个原型系统。该原型系统采用氩离子激光器，该激光器线宽为488～514.5 nm。操作系统可以包括在波长为532 nm的倍频Nd：YAG固体激光器。这两种激光配置都工作在光衰减最小的波长，所以可以用于水下系统［197］。

繁忙的商业港口每天可以容纳几十甚至几百艘船。偶尔一艘10 000 t的集装箱船不小心撞上码头并不罕见。由于碰撞发生在水线以下，所以损坏通常不被注意到。随着潮汐的继续，钢板桩所保护的土壤可能会从裂缝中冲走，最终在码头的混凝土地板下形成一个大的空腔，重型卡车或叉车翻车时会发生悲剧。为防止这些事故发生需要例行水下检查。一般来说，这项工作是由潜水员进行的，然而港口的水一般都很浑浊，能见度很低，常规的水下摄影不能给出令人满意的结果。增加光照只会使情况变得更糟，因为光线被水中的悬浮颗粒强烈地反向散射，就像是在一个多雾的夜晚使用高光束来驱动是没有多大作用的。另一方面，声学设备如声学相机，虽然能解决浑浊问题，但其图像质量没有光学视野好。Chau-Chang Wang等人提出了基于投射激光束条纹和CCD相机[2]的解决方案来处理浊度和图像质量的两难问题［198］。在目标上投射激光束条纹，并使用CCD相机捕获图像。通过图像处理提取截面轮廓，从而得到目标的整体三维测量。实验验证了该方法对不同形状的对象淹没在不同水平的混浊水中的识别，结果表明CCD相机可从60 cm的距离和60 cm的宽度检测NTU 2.5级污水中1 cm的窄裂缝。(www.xing528.com)

海底后向散射模型的一个重要输入是以粗糙功率谱形式参数化的海底粗糙度。在美国海军研究办公室赞助的2006年新泽西海岸浅水试验（SW06）期间，首次联合部署了沉积物电导率探针（孔隙率的原位测量，第二代IMP2）和新的激光线性扫描仪，以便测量底部粗糙度谱。海底粗糙度在沿海水域广泛测量一般是由潜水员来完成，这些测量是通过模拟和数字立体摄影、激光扫描和沉积物电导探针收集的。光学方法提供更精细的空间分辨率，而电导率探头不透水浊度。台湾中山大学海底技术研究所，开发出一个称为海底激光扫描仪（submarine laser scanner，SLS）的独立的激光线扫描系统，该激光线扫描系统可以安装在IMP2的水平线性平台上。激光线扫描仪覆盖海底30 cm宽、360 cm长的区域，在所有方向上都具有亚毫米分辨率。Chau-Chang Wang等从两个相距900 m的地点收集了两组适合于中高频声背散射模型的数据，从激光扫描获得的粗糙度谱与由IMP2测量的粗糙度光谱进行比较。两种方法的波数范围在0.018 8～3 rad／cm范围内一致，这是两种方法共同的波数范围。激光扫描仪的功效也通过显示IMP2周期性探测标记所产生的谱线来证实。激光线扫描仪受水能见度的限制，但它提供了二维网格点，其分辨率为横跨轨道0.3 mm、沿轨道0.5 mm和垂直方向0.3 mm。由激光扫描数据产生的二维光谱表明，这些位置的底部粗糙度是方位各向同性的，但是观察到显著的空间不均匀性［199］。

Strobl等人研发了一种由已校准的激光条纹发射器和CCD相机组成的手持设备［200］。现阶段研究工作主要集中在如何准确地检测图像中的激光条纹以及摄像机—激光标定。Mario Prats等人将激光发射器与视觉系统结合，以便在从水下机器人扫描之后恢复躺在海底的未知物体的三维结构。然后，重建的三维点云用于规划机器人的抓取，该过程在简单的用户指示之后由机器人自主执行，结合了激光峰值检测、目标跟踪、三维重建和抓取执行等技术［201］，通过以恒定速度移动机械手的肘关节（之后连接激光发射器）来扫描海底。同时，两个视觉处理算法并行运行：激光峰值检测器，负责从图像的其余部分分割激光条纹并计算三维点，以及模板跟踪算法，跟踪海底的一小块并估计浮动平台的运动。事实上，不能假定水下航行器在进行扫描时保持固定。由于所有重建的三维点必须与公共帧相关，因此有必要在进行扫描时估计局部机器人的运动，并使用该估计将三维点转换成公共参考系统。运动估计的视觉补丁可以在图像的任何部分上初始化，并且不需要具有特定的大小。较小的尺寸将允许更快的跟踪，但是将受照明变化的影响更大，如激光条纹通过图像所产生的变化。较大的尺寸将更加坚固，但需要更多的计算时间。Mario Prats利用了有效的二阶最小化模板跟踪，这允许在具有相当大的模板尺寸的情况下也能够达到高的跟踪率，如图5-18所示，跟踪是在Pentium笔记本电脑上以大约1.6 GHz的200×200像素模板以大约20 fps的速度运行的，跟踪对由绿色激光条纹引起的照明变化是鲁棒的。

图5-18　在跟踪和估计平台运动的同时用激光条纹扫描表面

从以上分析可以看出，激光一般都与光视觉或者声视觉相结合，共同完成扫描、追踪、定位以及三维立体成像等，在水下激光的应用受到环境的限制，如何有效解决水下散射和吸收的问题，以及怎样结合其他手段进行优化，是未来研究的关键点。