本发明涉及水下机器人定位，具体涉及基于多传感器的水下机器人在线定位方法。
背景技术：
1、随着技术的发展，水下机器人的应用愈加广泛，如海洋探测、搜救任务或水下维修等。水下机器人的在线定位是通过多传感器融合的方式来实现，典型的传感器包括声呐、惯性测量单元、视觉传感器和磁力计等，通过多传感器的数据融合可以提高水下机器人的定位精度和鲁棒性，以更高效的完成任务。
2、由于水下环境的复杂性和不确定性，在声呐探测过程中，由于声音的传播会受到介质的影响，如鱼群等导致目标区域的位置信息出现误差，需要结合视觉传感器来对水下机器人进行更准确的定位。但多传感器的融合会使得视觉传感器采集图像过程中存在脉冲噪声，导致图像质量较低，而常用的水下滤波方法没有考虑到机器人在前往作业区域时的运动变化情况，对协助定位的作业区域增强效果不佳，无法对区域进行准确定位，视觉传感器采集得到的滤波图像的质量不高，进而导致多传感器协同定位的准确性较低，降低了水下机器人定位的精度和可靠性。
技术实现思路
1、为了解决现有技术中视觉传感器采集得到的滤波图像的质量不高，进而导致多传感器协同定位的准确性较低，降低了水下机器人定位的精度和可靠性的技术问题，本发明的目的在于提供一种基于多传感器的水下机器人在线定位方法，所采用的技术方案具体如下：
2、本发明提供了一种基于多传感器的水下机器人在线定位方法，所述方法包括：
3、在水下机器人运动至目标作业区域过程中，获取每个采集时刻下的采集图像和定位距离；
4、根据每个采集图像对应目标作业区域中像素点灰度分布的复杂情况，获得每个采集图像的图像特征值；在所有采集时刻下，根据不同采集图像之间图像特征值变化的离散程度，以及采集图像中目标作业区域的分布情况与定位距离之间随采集时刻的变化关系，获得当前时刻的采集图像的噪声估计值；
5、根据当前时刻的采集图像中目标作业区域内的边缘分布，获得采集图像中的连通区域；结合当前时刻的采集图像中每个连通区域的位置，基于像素点相似性重新对目标作业区域进行划分得到每个连通区域对应的划分区域；根据当前时刻的采集图像中所有相同位置的划分区域和连通区域之间的分布大小、灰度和边缘显著情况的差异程度，获得当前时刻的采集图像的边缘影响指标；
6、根据当前时刻的采集图像的噪声估计值和边缘影响指标，获得当前时刻的采集图像的噪声指标；根据噪声指标对当前时刻的采集图像进行滤波，获得增强水下图像；根据增强水下图像进行水下机器人定位。
7、进一步地，所述定位距离为每个采集时刻下水下机器人与目标作业区域之间的距离。
8、进一步地，所述图像特征值的获取方法包括：
9、对于任意一个采集图像，获取该采集图像的目标作业区域中每个灰度级的出现频次；计算该采集图像的目标作业区域中所有出现频次的信息熵，获得该采集图像的像素种类分布特征值；
10、计算该采集图像的目标作业区域中所有像素点灰度值的平均值，获得该采集图像的像素灰度特征值；
11、根据该采集图像的像素种类分布特征值和像素灰度特征值，获得该采集图像的图像特征值；像素种类分布特征值和像素灰度特征值均与图像特征值呈正相关。
12、进一步地，所述噪声估计值的获取方法包括：
13、统计每个采集图像中目标作业区域对应像素点的总数量，获得每个采集图像的分布面积；将所有采集时刻下的分布面积按照时序顺序排列，获得面积序列；将所有采集时刻下的定位距离按照时序顺序排列，获得距离序列；
14、计算面积序列和距离序列的的协方差，获得当前时刻的采集图像的变化相关性；将面积序列的标准差与距离序列的标准差的乘积，作为当前时刻的采集图像的变化程度值；将变化相关性与变化程度值的比值进行归一化处理，获得当前时刻的采集图像的变化关联性指标；
15、在时序顺序下，计算每相邻两个采集图像之间图像特征值的差异，获得特征变化差异；计算所有特征变化差异的方差，获得当前时刻的采集图像的变化离散性指标；
16、根据当前时刻的采集图像的变化关联性指标和变化离散性指标，获得当前时刻的采集图像的噪声估计值；变化关联性指标和变化离散性指标均与噪声估计值呈正相关。
17、进一步地，所述划分区域的获取方法包括：
18、获取当前时刻的采集图像中每个连通区域的质心；基于质心的位置对采集图像的目标作业区域进行超像素分割，将划分得到的每个超像素的范围作为质心对应连通区域的划分区域。
19、进一步地，所述边缘影响指标的获取方法包括：
20、将当前时刻的采集图像中每个连通区域与对应的划分区域作为一个区域对；
21、对于当前时刻的采集图像中任意一个区域对，统计该区域对中每个区域的像素点数量，获得每个区域的分布数量；将该区域对中两个区域之间分布数量的差异，作为该区域对的分布差异指标；
22、计算该区域对中每个区域的像素点的灰度平均值，获得每个区域的灰度均值；将该区域对中两个区域之间灰度均值的差异，作为该区域对的灰度差异指标；
23、获取该区域对中每个区域的边缘点的梯度值，计算该区域对中每个区域中所有边缘点的梯度值的平均值，获得每个区域的梯度均值；将该区域对中两个区域之间的梯度均值的差异，作为该区域对的梯度差异指标；
24、根据该区域对的分布差异指标、灰度差异指标和梯度差异指标获得该区域对的差异指标；分布差异指标、灰度差异指标和梯度差异指标均与差异指标呈正相关；
25、计算当前时刻的采集图像中所有区域对的差异指标的平均值，获得当前时刻的采集图像的边缘影响指标。
26、进一步地，所述噪声指标的获取方法包括：
27、计算当前时刻的采集图像的噪声估计值和边缘影响指标的二范数，获得当前时刻的采集图像的噪声指标。
28、进一步地，所述根据噪声指标对当前时刻的采集图像进行滤波，获得增强水下图像，包括：
29、将噪声指标作为高斯滤波器的滤波核大小，然后对当前时刻的采集图像进行滤波操作，获得增强水下图像。
30、进一步地，所述根据增强水下图像进行水下机器人定位，包括：
31、将增强水下图像输入到训练好的神经网络中，输出水下机器人相对于目标作业区域的相对位置信息。
32、进一步地，所述根据当前时刻的采集图像中目标作业区域内的边缘分布，获得采集图像中的连通区域，包括：
33、通过边缘检测算法获取当前时刻的采集图像中的边缘；在目标作业区域内，将边缘围成为范围作为采集图像的连通区域。
34、本发明具有如下有益效果：
35、本发明考虑到水下机器人运动至目标作业区域过程中噪声的叠加影响情况，通过采集时刻之间采集图像的像素点灰度分布情况的离散情况，以及时序上采集图像中目标作业区域的分布与定位距离之间的关系变化，获得当前时刻的采集图像的噪声估计值，从运动过程中的变化规律发现影响区域分析的噪声影响情况，更针对获取目标作业区域受噪声影响的程度。进一步考虑目标作业区域中存在多个子区域信息的特点，通过目标作业区域边缘划分和像素点相似划分两种划分得到区域之间的差异情况，进行边缘采集时受到噪声影响的细节分析，也即根据当前时刻的采集图像中所有相同位置的划分区域和连通区域之间的分布大小、灰度和边缘显著情况的差异程度，获得当前时刻的采集图像的边缘影响指标。最终可以结合整体分析与局部分析，也即结合噪声估计值和边缘影响指标，得到噪声指标对当前时刻的采集图像进行更优的滤波，获得增强水下图像进行机器人定位。本发明通过分析目标作业区域在运动中变化规律受影响程度以及局部边缘检测受影响程度，综合调整滤波过程，得到质量更高的滤波图像，进而使水下作业区域的位置定位获取更准确，提高多传感器协同定位的准确性，进而提高了水下机器人定位的精度和可靠性。
1.一种基于多传感器的水下机器人在线定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述定位距离为每个采集时刻下水下机器人与目标作业区域之间的距离。
3.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述图像特征值的获取方法包括：
4.根据权利要求2所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述噪声估计值的获取方法包括：
5.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述划分区域的获取方法包括：
6.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述边缘影响指标的获取方法包括：
7.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述噪声指标的获取方法包括：
8.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述根据噪声指标对当前时刻的采集图像进行滤波，获得增强水下图像，包括：
9.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述根据增强水下图像进行水下机器人定位，包括：
10.根据权利要求1所述一种基于多传感器的水下机器人在线定位方法，其特征在于，所述根据当前时刻的采集图像中目标作业区域内的边缘分布，获得采集图像中的连通区域，包括：
