基于機器視覺聯(lián)合模糊控制的船舶橋區(qū)避障研究

賈森君，王琴

（1.舟山市知創(chuàng)科技開發(fā)有限公司，浙江舟山316000；2.浙江海洋大學(xué)，浙江舟山 316022）

0 引言

船舶在復(fù)線橋區(qū)通航時，不僅船舶受到橋墩的阻水作用，引起墩側(cè)水流流速梯度增大，致使橫向通航面積減少，而且駕駛員的視線受到橋梁阻擋，因而誘發(fā)的海損事故，這種現(xiàn)象稱為巷道效應(yīng)[1]。巷道效應(yīng)的發(fā)生不僅給船舶駕駛員的心理造成極大的壓力，也是船舶在狹航道河段通航的主要事故因素[2]。因此，降低橋區(qū)河段通航安全風險具有重大的現(xiàn)實意義。

目前，在橋區(qū)河段通行主要是通過增加引航措施來降低通航風險，如劉明俊等[3]提出增加引航變量，擬定通航辦法，引導(dǎo)駕駛員通航操作，但是該方法受到船舶駕駛員個人主觀因素影響。此外，目前將機器視覺技術(shù)應(yīng)用于船舶航行領(lǐng)域已成為一個新興的研究方向，柳晨光等[4]提出基于單目視覺的水面艦艇的定位方法；王益義[5]提出基于計算機視覺的船舶身份識別；鄒木春等[6]提出基于雙目視覺的船舶升沉檢測方法都具有良好的實驗結(jié)果。但橋區(qū)水流環(huán)境復(fù)雜，船舶舵機控制困難，圖像處理時需排除海陸空三相干擾因素，因此針對船舶橋區(qū)通航方面的相關(guān)研究較少。本文針對上述問題，提出以采用Canndy算子提取均衡化灰度圖像輪廓，再使用改進后的Hough Transform算法檢測橋墩位置，從而為模糊控制提供橋墩位置參數(shù)和航向偏差參數(shù)。而模糊控制單元可以對圖像處理后的數(shù)據(jù)進行模糊推理，減少復(fù)雜水流環(huán)境對船舶安全航行的影響。本系統(tǒng)的研究不但可為船舶駕駛?cè)藛T提供相對合理的船舶橋區(qū)通航建議，而且是無人駕駛船舶在復(fù)雜地形和水流環(huán)境下導(dǎo)航避障的可靠方法。

1 船舶避障系統(tǒng)架構(gòu)

船舶在橋區(qū)航行主要采集的是橋墩位置信息，因此CCD點陣采集圖像水平方向信息至關(guān)重要。為提高船舶航向偏差精度與減小興波干擾，CCD點陣理論上應(yīng)安裝于船舶上層建筑的中軸線位置。避障系統(tǒng)架構(gòu)如圖1所示，主要包括特征對象（橋梁）、CCD點陣、圖像處理單元、模糊控制單元與船舶舵機。該系統(tǒng)中，橋梁的圖像信息有CCD點陣采集后輸入至駕駛室的計算機上，圖片處理單元以灰度化、均衡化、高斯降噪、Canndy算子邊緣檢測、霍夫變換以及垂直投影的算法實現(xiàn)橋墩位置標定。計算機再將標定的位置與中心線對比，計算出航向偏差值輸入給模糊控制單元。模糊控制單元將偏差值與設(shè)定值對比后進行微分處理，經(jīng)由模糊化、模糊推理、反模糊操作后實現(xiàn)對船舶舵機的自動操控。

圖1 船舶避障系統(tǒng)架構(gòu)圖

2 橋墩目標與邊緣的提取

2.1 加權(quán)平均法的圖像灰度化

CCD點陣采集的圖像為RGB真彩色圖像，楊紅梅等[7]根據(jù)黎曼空間色差原理提出HVS色彩掩蔽特性，指出人眼視細胞對綠色最敏感，紅色次之，對藍色敏感性最低。因此，為獲得識別度較大的橋梁灰度圖像，將RGB像素點帶入以下數(shù)學(xué)模型：

式中，R（x,y,）,G（x,y）,B（x,y）是指在RGB圖像中坐標為（x,y）像素的紅綠藍3個通道的分量。灰度化圖像如圖2所示。

2.2 圖像直方圖均衡化與Canndy算子邊緣提取

圖2 灰度化圖像

光照環(huán)境的變化會對機器處理視覺圖像造成較大干擾，因而在人工環(huán)境下LED燈源的布置顯得尤為重要。但在自然環(huán)境下，無法針對橋梁進行燈源布置，攝取的橋梁平面圖像質(zhì)量與天氣因素呈現(xiàn)相關(guān)性。針對上述問題，本文先通過對攝取的圖像進行原始灰度直方圖繪制，由于原始圖像存在較大的灰度集中現(xiàn)象，因而灰度直方圖主要集中于某幾塊區(qū)域，如圖3所示。將原始灰度直方圖數(shù)據(jù)進行累計概率分布，實現(xiàn)像素點與灰度的重新映射，其映射方程為

式中：n為像素個數(shù)總和；nk為當前像素個數(shù)；k為灰度級個數(shù)。將以上灰度化的像素點帶入映射公式，拉伸原始灰度直方圖，實現(xiàn)灰度直方圖均衡化。

圖3 原始灰度直方圖

圖4 均衡化灰度直方圖

本文所使用的Canndy算子，主要是以亮度梯度為核心的多級邊緣檢測算子。從船舶駕駛?cè)藛T角度出發(fā)，橋墩與天空背景具有明顯的亮度梯度。并且經(jīng)過均衡化處理明顯提升了暗部的色差，因而對提升橋墩墩側(cè)與墩內(nèi)的亮度梯度具有明顯的作用，因而更容易提取。Canndy算子帶有平滑濾波器的降噪功能，為降低模板卷積運算對圖像清晰度的影響，采用小模板Guass濾波器對圖像單像素噪點進行處理，將均衡化灰度像素帶入Gauss公式：

3 橋墩間距與航向偏差算法

將經(jīng)過Canndy算子運算的圖像先進行膨脹運算，再進行腐蝕運算。本次運算的卷積為（1,1,1,1,1）T數(shù)組。其目的在于擬合Canndy輪廓提取橋墩邊緣而造成的斷點現(xiàn)象，同時進一步增大傾角較大的橋墩輪廓傾角，有利于減少Hough Transform的運算范圍，提高運算速度。

為避免天空云團及海上其他船只通航對圖片采集的影響，采用Hough Transform算法來對圖片信息進行處理采集，將平面圖像像素問題轉(zhuǎn)化到統(tǒng)計學(xué)上累加極值問題。將像素點轉(zhuǎn)化的參數(shù)方程為

針對海峽橋墩受力特征及通航要求，因而支架大多具有較大傾角，并且之前閉運算已進一步增大輪廓傾角。對在角度在-5°～5°之間、步長為0.1°的所有像素點直線束進行累加求和，因而可排除橋面與橋上方通行車輛影響，得到5條直線峰值。

圖5 橋墩提取圖

采用垂直投影法計算圖像B分量在橫坐標的投影高度，據(jù)此對圖像進行分割，得到距垂直中心線最鄰近的兩條藍色粗直線作為通航橋墩。對分割后的圖像計算B分量垂直投影峰值做為橋墩墩內(nèi)側(cè)坐標信息，以此為基礎(chǔ)計算橋墩間距與航向偏差。

4 舵機的模糊控制算法

船舶進入橋區(qū)河段后，圖像處理單元不斷將航向?qū)嶋H值輸出，模糊控制單元結(jié)合距離傳感器對實際輸出值進行采樣，將實際值與中心標定值進行負反饋運算，得到航向偏差。將航向偏差微分化處理得到偏差變化率，以進行超前控制。同時將微分值和精確值輸入模糊控制單元的隸屬函數(shù)。隸屬函數(shù)是模糊化處理的關(guān)鍵步驟，考慮到橋區(qū)航行對舵機靈敏度要求高，因此選擇三角隸屬函數(shù)進行模糊化處理。其中，隸屬函數(shù)的交疊系數(shù)數(shù)學(xué)模型：

式中：l為兩交疊隸屬函數(shù)定義域；d為交疊范圍在x區(qū)域的投影長度。陳鑫等[8]提出在足球機器人算法控制中交疊系數(shù)應(yīng)控制在0.3～0.6之間，以保證系統(tǒng)模糊控制穩(wěn)定性能與決策速度。因此，本文在仿真實驗中，選取0.5的交疊系數(shù)以保證舵機在橋區(qū)水流環(huán)境下的控制精度。

模糊推理機制是整個模糊控制單元的核心環(huán)節(jié)，模糊控制規(guī)則的好壞直接決定了無人駕駛船舶能否在橋區(qū)進行安全通航。本文參考胡旭躍等[9]的橋區(qū)通航問題綜述以及相關(guān)航海輪機駕駛?cè)藛T走訪調(diào)查，得到針對巷道效應(yīng)問題的模糊控制規(guī)則，其舵機角度模糊控制規(guī)則如表1所示。

表1 舵機角度模糊控制表

舵機模糊控制表通過Matlab Fuzzy工具箱中的Ifthen語言完成。當船舶航向偏差值較大且水流環(huán)境不利于航向矯正時，舵機會盡力增大反向輸出，以確保船舶能夠安全通過橋區(qū)。當船舶航行偏差值較大但水流環(huán)境有利于航向矯正時，舵機會減少反向輸出，以防止阻水作用導(dǎo)致動水方向改變，從而引起超調(diào)現(xiàn)象。當船舶航向偏差較小或水流環(huán)境變化較為平緩時，船舶通航主要以穩(wěn)定性為主，以增強模糊控制單元的魯棒性能。模糊控制單元的流程如圖6所示。

圖6 模糊控制流程圖

5 實驗結(jié)果與分析

本文通過高速攝影機在不同河段采集不同橋梁的RGB真彩色圖像，選取其中具有代表性的3組圖片，進行圖像處理實驗。本次進行圖像處理軟件選用MathWorks公司生產(chǎn)的商用數(shù)學(xué)軟件Matlab R2015b，實驗結(jié)果如表2所示。

表2 像處理實驗結(jié)果

本文將上述圖像處理結(jié)果保存至Matlab工作區(qū)域，由于樣本數(shù)量過少，因而未采用采樣方式進行數(shù)據(jù)挑選。為便于觀察模糊控制效果，Simulink以3 s一次的頻率讀取航向偏差值，采用Fuzzzy Logic Controller模塊導(dǎo)入上述模糊控制單元，其生成波形如圖8所示。在0～8.6 s內(nèi)，由于船舶航行工況持續(xù)變化，模糊控制單元以盡力糾正航向偏差為主，因而模糊控制單元快速響應(yīng)，造成連續(xù)超調(diào)，且出現(xiàn)較高峰值的現(xiàn)象。在8.6 s后，輸入的航向偏差變化較小，模糊控制單元延長反應(yīng)時間，降低超調(diào)量以保證舵機控制的穩(wěn)定性。

圖7 控制結(jié)果波形圖

6 結(jié)語

本文所提出的船舶橋區(qū)通航避障方法結(jié)合了目前人工智能方面的研究成果，并且通過仿真實驗驗證該方法的可行性，為實現(xiàn)船舶通航的自動化與智能化提出了一種新的思路。雖然本文通過優(yōu)化圖像處理算法在一定程度上實現(xiàn)陰雨天氣的橋區(qū)避障，但該方法仍存在夜間通航無法使用的不足之處，因此在圖像采集方面仍需在今后的研究中繼續(xù)優(yōu)化。