开发一个水下三维摄像机与距离选通脉冲成像

水下光学成像有可能比声纳提供更高分辨率的图像。然而,这些图像的清晰度取决于水质。在浑浊的水,在光线暗的situations-causes活跃使用的照明度后向散射,或粒子在水中的光的反射回相机(同样的效果很难在雾)。

为了解决这个挑战,SINTEF与合作伙伴开发UTOFIA欧盟,一个成像系统为浑浊的环境(图1)。

UTOFIA相机提供3 d图像在10 - 20帧每秒15米的范围和分辨率为1厘米的深度300米。它使用距离选通脉冲成像(见边栏)最小化后向散射的影响,获取的对象在其视野范围信息(图2)。

我们开发的算法来处理原始数据从相机和产生3 d, backscatter-free图像。我们在一个新的工作领域,我们需要快速测试新的想法。由于MATLAB的集成环境^®强大的可视化支持,我们可以试着40多个不同的方法和技术。金宝app在Python中^®或c++,每个实现和测试需要更长时间,这是不可能的,我们会有时间来测试一个多一些。

初始数据分析和峰值检测

不像标准的数码相机,产生二维阵列的像素,我们的相机产生3 d数组的数据集,记录值在每个立方体代表反射光的强度在特定位置的视野和在一个特定的距离相机。从multigigabytes的数据中提取有用的图像生成的相机,我们的算法必须确定这些强度值的峰值(图4)。外部因素影响峰值位置,和水中的散射将引入虚假的峰值。这减少了清晰的图像和三维重建的质量。

理解的机制,我们进行了大量的统计分析数据对各种水浊度和相机设置。这些分析涉及构建实证模型的后向散射,调查向前散射的特性和建模探测器响应特性。

我们还开发了一个MATLAB应用程序自动化和控制数据捕获过程(图5)。该软件包括界面元素来控制脉冲扫描和。net接口用于配置捕捉设置和其他相机组件。

发展的三维重建算法

相机硬件显著减少后向散射,但我们知道,我们可以在软件进一步减少它的影响。我们开发了一个模型的后向散射响应过程和实现一些算法减少后向散射的影响。我们探索许多替代品,包括同态滤波和变化在直方图均衡化,最后选择不清晰的过滤,也提高了我们的3 d性能。此外,我们开发了相机标定算法,三维估计,峰值检测和峰值拟合。

可视化图像数据

一旦我们分析数据和开发三维重建算法,我们需要分享他们与其他组织产生的结果UTOFIA财团。为此,我们构建了一个第二MATLAB应用可视化UTOFIA图像数据(图6)。这个程序包括控制和算法参数调整选项,包括对比,重点,噪声去除和直方图均衡化。用户可以设置这些参数并立即看到屏幕上的影响。

我们包装一个独立的版本与MATLAB编译器™和分布式合作伙伴,谁给我们提供了反馈和增强请求。使用MATLAB和MATLAB编译器,我们可以实现在几天内他们要求的改变。在C / c++中实现这些变化或类似的语言可能需要数周,如果不是几个月。

持续发展

我们已经完成第一阶段的UTOFIA项目,相机的发展及其核心软件。我们现在执行额外的处理图像和三维数据的特定于行业的应用和研究项目的第二阶段:应用机器学习和图像识别对象的深度学习和其他现象。

实时3 d数据的可用性为改善进程打开了新的可能性的渔业和水产养殖行业,尤其是在自动化领域,定量分析。例如,在一个水产养殖设施在西班牙,我们使用了摄像头来识别和测量的长度红金枪鱼(图7)。

在挪威的研究设施,我们使用UTOFIA行为分析,跟踪个体鱼随时间估计游泳速度和模式(图8)。

水产养殖试验的同时,相机,鱼类和其他海洋生物被观察到在低光和高浊度条件生物量估算(图9)。

这些条件是密不透风的传统水下摄影机。