【技术实现步骤摘要】
本专利技术属于水下鱼类监测，尤其涉及一种水下多目立体视觉的精准鱼体分割系统及分割方法。
技术介绍
1、在现代水产养殖中，鱼体目标的精准分割是进行健康评估、行为分析以及智能化养殖管理的关键技术之一。然而，水下环境复杂，鱼体目标易受到背景干扰、光线折射与水体散射等因素的影响，导致分割准确率难以满足实际应用需求。近年来，基于深度学习的目标检测与分割方法在水下场景中逐渐受到关注，其能够提取鱼体的精细特征，并结合图像处理技术去除背景干扰。然而，大多数现有方案基于单目或双目成像，仅能提供鱼体目标的二维分割结果，难以进一步建立鱼体在三维空间中的精确位置关系。此外，由于鱼体在水中游动常伴有姿态变化，现有方案对侧倾角度等空间姿态信息缺乏有效的获取手段，导致分割结果在复杂养殖场景中出现明显误差。
2、目前已有一些利用双目或多目成像系统的研究，例如申请号为cn112465778a的专利技术专利“一种水下鱼群观测装置及方法”，通过双目视差计算获取鱼体的三维信息；申请号为cn112131921b的专利技术专利“基于立体视觉的生物自动量测系统及其量测方法”，实现了水下鱼体的多视角观测。然而，这些方法主要关注鱼体测量相关内容，对鱼体分割的空间关联性和姿态校正未作深入研究。同时在动态养殖环境下，分割的稳定性和鲁棒性较差。因此，本专利技术提出一种水下多目立体视觉的精准鱼体分割系统及分割方法。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种水下多目立体视觉的精准鱼体分割系统及分割方法，以解决上
2、为实现上述目的，本专利技术提供了一种水下多目立体视觉的精准鱼体分割系统，包括：
3、至少一个水下三目成像模组和数据处理单元；
4、其中，所述水下三目成像模组固定于养殖缸体的养殖水体中，所述水下三目成像模组用于采集养殖缸内的多视角水下图像；
5、所述数据处理单元用于对所述多视角水下图像进行识别与分割得到单鱼体的分割结果和空间角度信息。
6、可选地，所述三目成像模组包括：第一水下成像单元、第二水下成像单元、第三水下成像单元和池壁滑轨；
7、其中，第一水下成像单元、第二水下成像单元、第三水下成像单元为防水相机，所述第一水下成像单元、第二水下成像单元、第三水下成像单元呈等边三角形布局；
8、呈等边三角形布局的三个防水相机经池壁滑轨安装在养殖缸体的内壁。
9、可选地，所述数据处理单元包括：目标识别与分割模块、三目深度计算模块和侧倾角度计算模块；
10、其中，所述目标识别与分割模块基于所述多视角水下图像检测单体鱼体并分割鱼体得到分割结果；
11、所述三目深度计算模块用于建立鱼体在三维空间中的位置关系；
12、所述侧倾角度计算模块用于基于所述分割结果和所述鱼体在三维空间中的位置关系预估鱼体倾角。
13、本专利技术还提供一种水下多目立体视觉的精准鱼体分割方法，包括以下步骤：
14、基于水下三目成像模组采集多视角水下图像；
15、将所述多视角水下图像输入数据处理单元得到分割结果；
16、基于深度信息将所述分割结果进行坐标转换得到鱼体部位在三维空间中的位置坐标；
17、基于所述鱼体部位在三维空间中的位置坐标构建鱼体的空间关联信息得到侧倾角度；
18、基于所述侧倾角度对所述分割结果进行修正与融合得到最终的分割结果。
19、可选地，将所述多视角水下图像输入数据处理单元得到分割结果的过程包括：
20、基于所述多视角水下图像构建鱼体目标检测数据集；
21、利用所述鱼体目标检测数据集对目标检测模型进行训练得到训练后的目标检测模型；
22、将实际采集图像输入所述训练后的目标检测模型得到被定位框标记的单体鱼；
23、基于所述单体鱼图像构建单体语义分割数据集；
24、利用所述单体语义分割数据集对语义分割模型进行训练得到训练后的语义分割模型；
25、将实际采集图像输入所述训练后的语义分割模型得到鱼体部位的二维图像；
26、基于所述鱼体部位的二维图像得到分割结果。
27、可选地，对所述单体鱼图像进行分割的过程包括：
28、将所述单体鱼图像缩放至256×72大小得到缩放后的单体鱼图像；
29、将所述缩放后的单体鱼图像通过下采样得到下采样后特征图；
30、将所述下采样后特征图进行反卷积操作同时进行跳跃连接得到分割结果。
31、可选地，基于深度信息将所述分割结果进行坐标转换的表达式为：
32、
33、式中，表示像素点的坐标，表示世界坐标，k，r，t为张氏标定法则获取的内参矩阵，旋转矩阵与平移矩阵，d表示相机光心到像素点对应的三维场景点之间的深度值。
34、可选地，计算侧倾角度的表达式为：
35、
36、式中，为水平方向法向量，为中轴线方向向量，θ表示侧倾角度。
37、可选地，基于所述侧倾角度对所述分割结果进行修正的表达式为：
38、sc＝so·α(θ)
39、式中，sc和so分别为修正后的分割边界与原始边界，α(θ)为比例系数。
40、可选地，对多个视角修正后的分割边界进行融合得到最终的分割结果的表达式为：
41、
42、式中，sfinal表示最终的分割结果，ωi表示第i个视角的分割边界权重。
43、与现有技术相比，本专利技术具有如下优点和技术效果：
44、本专利技术提供了一种水下多目立体视觉精准鱼体分割系统，该系统通过至少一个水下三目成像模组固定于养殖缸体中，能够采集缸体内的多视角水下图像。这些图像随后被送至数据处理单元，进行深度学习算法驱动的识别与分割处理，从而得到单鱼体的精确分割结果以及空间角度信息。这一技术突破显著提升了水下鱼体分割的精度和鲁棒性，尤其在复杂水下环境中，能够有效识别和分割鱼体。
45、本专利技术还提出了一种水下多目立体视觉精准鱼体分割方法，通过水下三目成像模组采集多视角水下图像，利用数据处理单元进行图像分割，获取鱼体部位的三维空间位置坐标。进一步，基于这些坐标构建鱼体的空间关联信息，计算出鱼体的侧倾角度。最后，根据侧倾角度对分割结果进行修正与融合，得到最终的精准分割结果。这种方法有效克服了水下环境复杂性和鱼体姿态变化带来的挑战，提高了分割的准确性和鲁棒性，为水产养殖中的鱼体监测和管理提供了强有力的技术支撑。
本文档来自技高网...【技术保护点】
1.一种水下多目立体视觉的精准鱼体分割系统，其特征在于，包括：至少一个水下三目成像模组(2)和数据处理单元；
2.根据权利要求1所述的水下多目立体视觉的精准鱼体分割系统，其特征在于，所述水下三目成像模组(2)包括：第一水下成像单元(21)、第二水下成像单元(22)、第三水下成像单元(23)和池壁滑轨(24)；
3.根据权利要求1所述的水下多目立体视觉的精准鱼体分割系统，其特征在于，所述数据处理单元包括：目标识别与分割模块、三目深度计算模块和侧倾角度计算模块；
4.一种水下多目立体视觉的精准鱼体分割方法，其特征在于，包括以下步骤：
5.根据权利要求4所述的水下多目立体视觉的精准鱼体分割方法，其特征在于，将所述多视角水下图像输入数据处理单元得到分割结果的过程包括：
6.根据权利要求5所述的水下多目立体视觉的精准鱼体分割方法，其特征在于，对所述单体鱼图像进行分割的过程包括：
7.根据权利要求6所述的水下多目立体视觉的精准鱼体分割方法，其特征在于，基于深度信息将所述分割结果进行坐标转换的表达式为：
8.根
9.根据权利要求8所述的水下多目立体视觉的精准鱼体分割方法，其特征在于，基于所述侧倾角度对所述分割结果进行修正的表达式为：
10.根据权利要求9所述的水下多目立体视觉的精准鱼体分割方法，其特征在于，对多个视角修正后的分割边界进行融合得到最终的分割结果的表达式为：
...【技术特征摘要】
1.一种水下多目立体视觉的精准鱼体分割系统，其特征在于，包括：至少一个水下三目成像模组(2)和数据处理单元；
2.根据权利要求1所述的水下多目立体视觉的精准鱼体分割系统，其特征在于，所述水下三目成像模组(2)包括：第一水下成像单元(21)、第二水下成像单元(22)、第三水下成像单元(23)和池壁滑轨(24)；
3.根据权利要求1所述的水下多目立体视觉的精准鱼体分割系统，其特征在于，所述数据处理单元包括：目标识别与分割模块、三目深度计算模块和侧倾角度计算模块；
4.一种水下多目立体视觉的精准鱼体分割方法，其特征在于，包括以下步骤：
5.根据权利要求4所述的水下多目立体视觉的精准鱼体分割方法，其特征在于，将所述多视角水下图像输入数据处...
【专利技术属性】
技术研发人员：张佳鹏，刘世晶，钱程，涂雪滢，
申请(专利权)人：中国水产科学研究院渔业机械仪器研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。