利用图像恢复法在恶劣天气条件下测量集装箱起重机吊具外文翻译资料

 2022-04-06 10:04

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

利用图像恢复法在恶劣天气条件下测量集装箱起重机吊具

摘要：近来，集装箱起重机吊具防摇系统在码头有效处理货物方面发挥了重要作用。 现在已经开发出了一种基于摄像机的防摇系统测量系统，该系统由吊具上表面的两个参考标记和安装在起重机有轨小车上的摄像机组成。 但是，在恶劣天气如雾，烟和雨中拍摄的图像中参考标记的质量会降低，因此测量精度也会下降。 为了在恶劣天气下保持测量精度，需要快速的图像恢复方法。 我们提出了一种通过对光强降低进行建模来恢复图像中参考标记质量的方法。 模型中的两个常数是根据从在吊具的不同高度拍摄的两个图像中提取的两个参考标记图像中的强度的方差和平均值来估计的。由系统测量的吊具高度也被反馈到系统中。将在模拟恶劣天气条件下通过该方法获得的测量精度与在正常条件下获得的精度进行比较。 发现测量精度得以保留，在摇摆运动下只有1.39毫米的小误差。 该方法的处理时间平均为0.83毫秒，不影响系统的测量周期。

关键词：防摇摆，恶劣天气条件，集装箱起重机，恶化模型，图像恢复，位置测量。

  1. 介绍

集装箱起重机广泛用于码头货物处理，并在高效的货物运输中发挥重要作用。 最近，由于货物处理量增加，为了降低成本并改善运输时间，需要对起重机进行改进。 通常情况下，集装箱起重机由一个位于顶部的小车和一个吊架通过四根柔性绳索悬挂在吊车上组成，如图1所示。经过一次长度超过50米的运动，集装箱起重机通过控制有轨小车和吊具，将货物从船上转移到卡车上。 处理能力会由于散布器的不规则摆动而降低，这发生在手推车的加速和减速期结束时，或者由于诸如风等外部因素的干扰。 因此，防摇系统是提高处理能力的

重要组成部分[1]，[2]。 为了更加高效地处理货物，防摆动系统需要准确和实时测量吊具的运动。

现在已经提出了各种基于相机的系统来测量吊具，因为它们具有期望的特征，诸如感测很宽的范围和捕获大量信息的能力[3]-[9]。图[3]-[5]中所示的是摄像机测量吊具系统相对于起重机的位置。这种相对位置在集装箱自动降落[5]中是有效的，但防摆动系统通常需要绝对位置，包括吊具的摇摆[1]。利用 图[6]-[9]中的其他系统测量这个绝对位置。 然而，[6]和[7]中的多相机系统存在诸如复杂的校准和与另外的传感器同步的问题。同时，在[8]和[9]中，很难在集装箱码头为上述系统找到合适的位置。 虽然[10]中的单个摄像头系统适用于测量吊具的三维姿态，但系统中的彩色标记对室外环境中的自然光非常敏感。更通常地说，基于照相机的系统的测量精度受到室外环境中光线波动和恶劣天气条件的不利影响。 因此，我们开发了一种基于摄像机的测量系统，能够在短测量时间内（9.1ms，110帧/秒）准确测量吊具的位置[2]，[11]。 该系统由两个参考标记组成，该标记附着在吊具的上表面和吊车上。 在我们的测量系统中，通过采用强大的模板匹配来检测参考标记[2]，解决了由光波动引起的问题。

在本文中，我们讨论一种图像恢复方法，以解决恶劣天气如雾，烟和雨等问题。 在这些条件下，由于小水滴悬浮在大气中，图像质量下降[12]。 这种恶化导致图像的低对比度，并且使测量系统难以利用所采用的方法精确地检测参考标记。因此，在恶劣天气下的测量精度会降低。作为一种检测差异和相同两个方面的方法，归一化互相关匹配法（NCC）[13]已被广泛使用。 但是，NCC受到不规则光波动和遮挡的不利影响。 同样，[14]-[17]中的其他传统方法也没有完全解决所有问题。在这些问题中，由于低对比度图像中的噪声变得相对较高并且降低了所使用的方法的性能，所以图像质量的劣化是必然的。因此，为了获得高测量精度，需要恢复图像质量的技术。

在文献中，直方图均衡通常用于恢复均匀恶化图像的质量[18]。相反，恶劣天气引起的恶化指数取决于这个点距离摄像机的距离[12]。因此，在不同距离的物体组成的复杂环境中拍摄的不均匀恶化图像的质量可能无法通过使用直方图均衡来恢复其清晰度。为了恢复在恶劣天气条件下拍摄的图像的质量，已经研究了各种用于图像恢复的方法。这些通常基于从同一个视点[12]，[19]获取两个图像或基于单个图像中的特征，如色度[20]-[23]，暗通道[24]，以及其它[25]-[29]。然而，一些方法倾向于计算复杂型[20]-[26]，从而阻碍了测量系统所要求的实时处理。其他方法是为静态应用而设计的，如监视[12]，[19]或特定的动态应用，如车载摄像机[27]-[29]。 这些方法不容易用于吊具的测量系统，因此，考虑到测量系统需要一种新的图像恢复方法。

在这里，我们提出了一种快速方法，通过模拟恶劣天气下光强度的降低来恢复图像中参考标记的质量。在恶化模型所需的两个常数是根据从两个图像中提取的两个参考标记图像中的强度的方差和平均值来估计的，这些参考标记图像是在吊具的不同高度处获取的。吊具的高度由测量系统获得并反馈到图像恢复算法中。通过使用估计的常数和测量的高度，然后恢复图像中包含的参考标记的视觉质量。因此，测量系统可以在恶劣天气下准确检测参考标记并保持测量精度。另外，由于方法的简单性，系统的测量周期很短。

本文的其余部分安排如下。 第二部分介绍了测量系统所应用的方法。第三部分介绍了基于恶化模型的方法。在第四节中，讨论了为验证所提出方法的有效性而进行的实验结果。最后，第五节给出结论。

图3

图4

图2

图1

  1. 测量系统

图2显示了安装在集装箱起重机上的测量系统的示意图。这个测量系统由两个参考标记和一个安装在吊车上的摄像头组成。在初始安排中，参考标记之间的中点位于相机的图像中心。该系统中使用的参考标记具有放射状图案，该图案由交替的白色和黑色区域组成，由在中心相交的线分开（见图2）。这种形状使得测量系统可以很容易地检测到在任意吊具高度[11]拍摄的输入图像中每个参考标记的中心位置。吊具位置由图像处理检测到的参考标记的中心位置确定。

图3显示了测量系统检测两个参考标记的示意图。 对于输入图像，通过使用在每个参考标记周围定义的两个搜索窗口中进行的模板匹配方法来进行检测。 在每个搜索窗口中，所有输入的图像都与参考标记的模板图像相匹配。 因此，参考标记的中心部分被检测为与模板最强匹配的块，并且被检测部分的中心被认为是参考标记的中心位置。搜索窗口是首先手动设置的；然后，根据检测到的位置移动它们。在检测中，采用了一种强大的模板匹配方法，称为“矢量码相关法（VCC）”，以克服室外照明条件的波动[2]，[11]。 在VCC方法中，我们通过将每个3times;3像素区域中的垂直和水平亮度梯度转换为三个矢量代码（正：01；中性：00；负：10）之一来编码输入和模板图像。然后通过使用逐位异或（XOR）和求和操作简单地匹配编码的图像。XOR结果中带有“1”的任何求和表示比较图像之间的不相似性。由于VCC是一种改进增量符号相关性的方法[30]，它不仅能抵抗全局和常规光波动，还能抵抗局部和不规则光波动，例如由阴影，光反射和参考光遮挡引起的波动分数。

图4表示了如何对吊具进行位置测量的示意图。在测量中，参考标记之间的中点被定义为测量点（Xs，Ys，Zs），其中Xs和Ys吊具的静态位置，Zs是吊具距小车的距离。这一点是从两个参考的中心位置确定的标记，即（x1，y1）和（x2，y2）。为此，首先计算参考标记1和中点之间的距离，即（xs，ys），

然后使用l和L之比[31]来计算作为参考标记之间的实际距离（Xs，Ys，Zs）

其中p和f分别是相机的像素大小和焦距

图6

图5

3、建议的方法

A. 概观

所提出的方法采用了恶化模型[12]，描述在恶劣天气条件下拍摄的图像中的光强度。图5示意性地显示了恶化模型。在恶劣天气下，悬浮在大气中的小水滴会导致光散射[32]。由于这种散射，来自场景中某一点的光线会随着该点距相机的距离而呈指数衰减。另外，来自包括太阳在内的其他来源的环境光也散射到相机。 因此，图像I中观察到的强度是衰减光与散射环境光的强度的总和，并且由下式给出：

其中R是来自光源的光的固有强度，A是环境光的强度，beta;是散射系数，d是从景点到摄像机的距离。

基于这种恶化模型，恢复恶化输入图像中两个参考标记的视觉质量。 这里， （4）中的beta;和A可以假定为均匀下的常数。因此，一旦估计出beta;和A，通过测量d可以恢复参考标记的图像质量。 因此，所提出的方法由两个步骤组成，即估计常数和图像恢复（见图6）。

图7

B、估算

在之前的研究中，Mori[33]提出了一种利用用毫米波雷达和相机测量beta;估计方法。估计方法需要距离数据、在晴好天气条件下拍摄的模板图像以及包含与模板相同对象的降级图像。但是，结果的估计倾向于受到恶化图像与模板之间的不相似性的负面影响。这个不同之处是由于拍摄图像时天气的不同造成的。 因此，我们使用的不是使用在晴朗天气条件下拍摄的模板图像，我们利用了从在相同天气条件下在吊具的不同高度处拍摄的两个恶化输入图像提取的参考标记。

图7基于从两个恶化输入图像提取的两个参考标记图像表示了这种估计的基本情况。在这里，我们假设这个估算是在起重机处理集装箱之前手动进行的。首先，两个恶化的输入图像是在不同的高度拍摄的，比如d1和d2。然后，通过指定参考标记的中心部分，从输入图像中提取具有任意大小的恶化参考图像。实际上，参考的大小每个图像中的标记根据吊具的高度而变化。但是，参考标记的中心部分具有与比例无关的形状。因此，为了简化估计，我们从每个参考标记图像的中心部分提取要用于此的图像。该提取是在吊具的低高度进行的，参考标记是可见的，并且它们的中心部分可以由起重机的操作员或测量系统检测到。提取后，计算参考标记图像中光强度的变化和平均值。同样，通过使用（1）-（3）从输入图像计算d1和d2。（4）中的beta;和A可以通过查找方差，平均值和高度来估计。

在高度d拍摄的参考标记图像中的强度I的方差可以写为

其中sigma;2是图像R [33]中固有强度的方差。 从（5）中，在d1和d2处拍摄的参考标记图像中的强度的方差由下面给出：

从（6）和（7）中，beta;由下式给出

类似地，在d1和d2拍摄的参考标记图像中的强度的平均值，由以下给出：

从（9）、（10）中

请注意，这个估计取决于中心部分的参考标记图像。然而，由于参考标记的对称和径向图案，参考标记图像的光强度的变化值和平均值在中心部分附近保持相当恒定。因此，估计技术的有效性得以保持。由该估计引起的所提出方法的局限性在第4节的实验中进行评估。

C.图像恢复

图像恢复问题就是如何使用恶化模型根据恶化图像中的观察强度来计算固有强度R。从（4）中，R由下式给出

图像恢复需要测量d。由于所提出的方法恢复了吊具上的两个参考标记的图像质量，因此d等于吊具与小车的距离，即Zs。 但是，Zs的当前值由正在恢复的恶化输入图像确定。由于Zs在实际的处理中仅连续改变，因此Zs的先前值与Zs的当前值相似。因此，先前的Zs的值用于恢复当前输入图像中参考标记的质量。

在（12）中执行计算的计算成本只与恢复的像素数成正比。 因此，所提出的方法通过在包含输入图像的两个搜索窗口的区域中进行恢复来减少处理时间。

图8

4、实验

A. 所使用方法的有效性

为了研究所提出的方法的有效性，我们进行了一系列实验。 图8（a）和（b）显示了实验中使用的参考标记图像。 这些图像的尺寸为34times;34像素，并包含高斯随机噪声。从这些图像中，使用beta;= 0.5 / 1.0 / 1.5 / 2.0times;10-3 1/ mm，A=128来合成两幅恶化的图像。图8（c）表示了此时参考标记图像。图8（a）是当beta;= 1.0times;10 -31 / mm时，A=128，d=500mm时的尺寸，图8（d）表示图8相同的beta;和A，并且d=1500mm。从这些合成图像中，使用（8）和（11）估计beta;和A。

表1

表1显示了估算结果。 表1中的平均值和方差是根据100幅由不同噪声量的参考标记图像产生的降噪图像计算出来的。 估计的beta;和A的平均值与真值几乎相同，并且与平均值相比，方差非常小。 这些结果意味着可以从两个参考标记图像准确地估计beta;和A。

图8（e）和（f）显示了图8（c）和（d）使用（12）与估计的beta;和A恢复的图像。由于恢复的图像与原始参考标记图像相似，所以表明所提出的方法可以正确地恢复参考标记的质量。

图10

图9

图12

图11

B、准确性评估

为了确认提出的方法在提高系统测量精度方面的有效性，我们在模拟的恶劣天气条件下进行了位

全文共7301字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[14457]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章