楊文果，吳文啟，張 鷺，王茂松

(國(guó)防科技大學(xué)智能科學(xué)學(xué)院，長(zhǎng)沙 410073)

0 引言

南水北調(diào)工程對(duì)于提高水資源的配置效率，促進(jìn)可持續(xù)發(fā)展具有重要意義。輸水隧洞常年處于滿(mǎn)負(fù)荷狀態(tài)，隨著運(yùn)行時(shí)間的延長(zhǎng)，會(huì)出現(xiàn)局部破損等缺陷，使隧洞的安全運(yùn)行受到嚴(yán)重威脅[1]。因此，定期進(jìn)行輸水隧洞的問(wèn)題排查和檢修是十分必要的。目前，國(guó)內(nèi)對(duì)于輸水隧洞的檢測(cè)主要有人工檢測(cè)和水下機(jī)器人檢測(cè)兩類(lèi)[2]。水下環(huán)境的隱秘與惡劣，會(huì)對(duì)潛水員的人身安全構(gòu)成威脅，且人工檢測(cè)效率較低，因此，利用自主水下潛航器(Autonomous Underwater Vehicle，AUV)進(jìn)行自動(dòng)巡檢是未來(lái)輸水隧洞檢測(cè)的主流發(fā)展趨勢(shì)。

確定輸水隧洞的故障位置是AUV巡檢的主要任務(wù)，這就對(duì)AUV的環(huán)境感知能力和導(dǎo)航定位能力提出了很高的要求。巡檢時(shí)，AUV用于隧洞環(huán)境成像的傳感器通常是前視聲納，利用前視聲納對(duì)隧洞內(nèi)結(jié)構(gòu)破損和泥垢堆積等故障進(jìn)行感知。當(dāng)前視聲納檢測(cè)到故障部位時(shí)，確定AUV的位置也即確定了故障部位的位置，對(duì)AUV進(jìn)行定位的最終目的是對(duì)隧洞故障進(jìn)行定位。輸水隧洞位于地下，不能接收到衛(wèi)星導(dǎo)航信號(hào)，目前，AUV導(dǎo)航定位主要采用慣性導(dǎo)航系統(tǒng)/多普勒測(cè)速儀(Inertial Navigation System/Doppler Velocity Log，INS/DVL)組合導(dǎo)航的方式。但前視聲納和DVL都需要發(fā)射和接收聲波，且二者含有相同的頻率成分，因此DVL聲波會(huì)對(duì)聲納成像產(chǎn)生干擾，使得前視聲納對(duì)隧洞故障的感知變得困難。一旦前視聲納失去了對(duì)隧洞故障的成像能力，AUV對(duì)故障處的定位便無(wú)從談起。

為了解決AUV對(duì)隧洞故障的成像和定位相矛盾的問(wèn)題，本文提出了一種基于慣性測(cè)量單元(Inertial Measurement Unit，IMU)和前視聲納組合導(dǎo)航的方法，即舍棄DVL，直接根據(jù)前視聲納成像原理恢復(fù)出載體速度，而后和慣性器件相組合，使前視聲納除了用于成像之外，也能發(fā)揮和DVL相接近的作用。目前，利用前視聲納實(shí)現(xiàn)水下組合導(dǎo)航的研究仍處于起步階段，研究熱點(diǎn)集中在同時(shí)定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)這一方向。張潔等使用最鄰近數(shù)據(jù)關(guān)聯(lián)算法(Nearest Neighbour Filter，NNF)實(shí)現(xiàn)了前視聲納圖像間的數(shù)據(jù)關(guān)聯(lián)，應(yīng)用EKF-SLAM進(jìn)行水下機(jī)器人的位姿估計(jì)與環(huán)境中障礙物特征的地圖構(gòu)建[3]，但是僅在仿真環(huán)境中驗(yàn)證了其算法的可行性，沒(méi)有在實(shí)際AUV平臺(tái)上進(jìn)行測(cè)試。T.A.Huang等仿照光學(xué)相機(jī)的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(Structure from Motion，SfM)算法，推導(dǎo)了適用于前視聲納的SfM算法(Acoustic SfM, ASfM)，從聲納圖像幀間恢復(fù)出載體的位姿變化[4]，但是跳過(guò)了不同聲納圖像幀間特征自動(dòng)匹配這一關(guān)鍵步驟，而是通過(guò)手動(dòng)匹配特征點(diǎn)實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。E.Westman等對(duì)ASfM算法進(jìn)行了改進(jìn)，討論了欠約束特征點(diǎn)的處理方法及其對(duì)位姿估計(jì)的影響[5]，但是僅在水池中進(jìn)行了實(shí)驗(yàn)，而且提前在水池壁上粘貼了磁鐵以便在聲納圖像中形成特征點(diǎn)，缺乏實(shí)際在未知水域中的實(shí)驗(yàn)驗(yàn)證?？傊们耙暵暭{進(jìn)行SLAM算法的設(shè)計(jì)會(huì)遇到各種各樣的挑戰(zhàn)。目前，利用前視聲納提取載體速度的研究尚未得到深入開(kāi)展。

本文提出的IMU和前視聲納組合導(dǎo)航的方法，通過(guò)在相鄰聲納圖像幀間進(jìn)行特征提取和匹配，根據(jù)慣導(dǎo)信息約束以及隨機(jī)抽樣一致(Random Sample Consensus，RANSAC)算法，剔除明顯的誤匹配點(diǎn)對(duì)，而后從剩下的配對(duì)點(diǎn)中解算出載體速度并與慣導(dǎo)信息進(jìn)行組合。通過(guò)實(shí)際實(shí)驗(yàn)，以隧洞內(nèi)的接縫線(xiàn)作為定位參考基準(zhǔn)，對(duì)INS/前視聲納組合結(jié)果的準(zhǔn)確性進(jìn)行了驗(yàn)證。

1 DVL對(duì)前視聲納圖像的干擾

由于水下光線(xiàn)昏暗以及水質(zhì)混濁等問(wèn)題，基于光學(xué)原理的相機(jī)難以在水下進(jìn)行遠(yuǎn)距離成像，目前用于水下成像的設(shè)備通常是各類(lèi)聲納產(chǎn)品[6]。其中，前視聲納主要用于水下機(jī)器人前方范圍的感知和成像。圖1所示為前視聲納在未受干擾時(shí)所記錄的某一輸水隧洞中的圖像(藍(lán)線(xiàn)框出的黑色弧線(xiàn)為隧洞內(nèi)的接縫線(xiàn))。

圖1 前視聲納在輸水隧洞中拍攝到的圖像

DVL和前視聲納都是AUV上常用的傳感器，當(dāng)兩者在輸水隧洞內(nèi)同時(shí)開(kāi)啟，前視聲納受干擾嚴(yán)重時(shí)采集到的圖像如圖2所示。

圖2 前視聲納受到DVL干擾時(shí)形成的圖像

輸水隧洞內(nèi)空間狹小，DVL發(fā)射的聲波經(jīng)隧洞壁來(lái)回反射后，有不少會(huì)被聲納換能器接收，在圖像中形成噪聲干擾。對(duì)比圖1和圖2可知，雖然聲納圖像的清晰度不如陸地上普遍使用的光學(xué)相機(jī)，但在圖1未受DVL干擾的情況下，可以分辨出隧洞壁上的凹槽和接縫線(xiàn)等特征。而在受干擾嚴(yán)重的圖2中，除了隧洞壁邊緣(兩條豎直亮斑)可以辨析出來(lái)，其他的圖像細(xì)節(jié)大都湮沒(méi)在噪聲之中。圖中藍(lán)線(xiàn)框出的區(qū)域?yàn)榻涌p線(xiàn)所在位置，由于噪聲污染已變得非常模糊。而且在不同的圖像幀之間，噪聲斑千變?nèi)f化，時(shí)大時(shí)小，時(shí)而出現(xiàn)時(shí)而消失，沒(méi)有規(guī)律可循。因此，如果在AUV上同時(shí)使用DVL和前視聲納，則通過(guò)前視聲納感知隧洞故障會(huì)變得困難，影響巡檢任務(wù)的完成。

2 由前視聲納圖像提取載體速度

2.1 前視聲納成像原理

針對(duì)上述問(wèn)題，本文提出的解決方案是從AUV上卸載DVL，直接根據(jù)聲納圖像的成像原理以及AUV在隧洞中的運(yùn)動(dòng)特點(diǎn)，從聲納圖像中提取出載體速度。

前視聲納工作時(shí)，換能器基陣周期性地向前方一定角度范圍發(fā)射聲波，而后接收障礙物反射的回波?；夭ǚ轿粚?duì)應(yīng)于障礙物相對(duì)聲納的方位，接收回波的時(shí)間對(duì)應(yīng)于障礙物相對(duì)聲納的距離，回波強(qiáng)度對(duì)應(yīng)于障礙物在圖像上的像素值大小[7]。前視聲納的視域?yàn)榍胺降纳刃慰臻g，如圖3所示。

圖3 前視聲納三維視域范圍

圖3中，前視聲納位于原點(diǎn)O處，以O(shè)點(diǎn)指向聲納正前方為x軸，指向右側(cè)為y軸，指向下側(cè)為z軸建立聲納坐標(biāo)系。描述聲納視域的參數(shù)為[8]：發(fā)射波束水平開(kāi)角θs，垂直開(kāi)角φs，最大探測(cè)距離rmax(O到曲面M1M2M3M4上任一點(diǎn)的距離)，最小探測(cè)距離rmin(rmin一般接近于0，圖中沒(méi)有表示出來(lái))。如果以x軸正向?yàn)榛鶞?zhǔn)建立球坐標(biāo)系，則對(duì)于坐標(biāo)系內(nèi)任何障礙點(diǎn)，只要其距離r、方位角θ、仰角φ這3個(gè)參數(shù)滿(mǎn)足

則其位于聲納的視域范圍內(nèi)，如果該點(diǎn)與O點(diǎn)的連線(xiàn)上沒(méi)有其他障礙點(diǎn)，則可以投射到聲納圖像上。

前視聲納圖像是二維圖像，視域中的三維坐標(biāo)點(diǎn)投射到二維圖像上時(shí)，會(huì)有一個(gè)維度的信息丟失，具體的投射關(guān)系如圖4所示。聲納圖像的成像面為xOy平面與視域范圍相交所形成的二維扇形。對(duì)于空間中的一個(gè)障礙點(diǎn)，假設(shè)其位于聲納視域中[r,θ,φ]這一位置，通過(guò)該點(diǎn)反射的回波可以得到r和θ這2個(gè)參數(shù)，則其沿著圖中由r和θ所確定的紅色圓弧投射到圓弧與成像扇面的交點(diǎn)位置，其像素大小由回波強(qiáng)度決定。也就是說(shuō)，投影到成像平面內(nèi)的點(diǎn)，其距離和方位角這2個(gè)參數(shù)得以保留，而仰角信息丟失，根據(jù)聲納圖像無(wú)法確定成像點(diǎn)的仰角大小[9]。前視聲納和光學(xué)相機(jī)在成像時(shí)，都會(huì)有一個(gè)維度的信息丟失。不同的是，光學(xué)相機(jī)成像于與圖4中yOz平面平行的歸一化平面上，而前視聲納成像于xOy平面；光學(xué)相機(jī)丟失了空間點(diǎn)的距離信息，而前視聲納丟失的是空間點(diǎn)的仰角信息。

圖4 前視聲納圖像投影模型

前視聲納圖像是對(duì)其正前方扇形成像區(qū)域的等比例縮放，圖中亮度越大的地方，其反射回波越強(qiáng)，相鄰2個(gè)像素點(diǎn)間所對(duì)應(yīng)的實(shí)際物理距離用于衡量圖像的分辨率。例如，聲納的最大探測(cè)距離設(shè)置為10m，若圖像中原點(diǎn)與圓弧邊緣間隔500個(gè)像素點(diǎn)，則圖像分辨率為0.02m/pixel。

2.2 載體速度提取模型

圖5 前視聲納在相鄰兩幀圖像間的運(yùn)動(dòng)

(1)

(2)

特征點(diǎn)在導(dǎo)航系中的坐標(biāo)變化，與AUV在導(dǎo)航系中的位移存在對(duì)應(yīng)關(guān)系

(3)

則在t1和t2這2個(gè)時(shí)刻之間，根據(jù)特征點(diǎn)匹配解算出的AUV在導(dǎo)航系中的速度為

(4)

式(4)是在特征點(diǎn)坐標(biāo)可測(cè)量的情況下建立起的方程，但是特征點(diǎn)的仰角是未知的，因此需要先確定特征點(diǎn)在聲納坐標(biāo)系中的仰角值才能提取載體速度。特征點(diǎn)仰角的計(jì)算是前視聲納用于導(dǎo)航的一大障礙，在前視聲納垂直開(kāi)角不大的情況下，可以直接假設(shè)所有特征點(diǎn)仰角為固定值，此時(shí)引入的誤差并不是很大。但是為了實(shí)現(xiàn)更高精度的INS/前視聲納組合導(dǎo)航，就必須對(duì)特征點(diǎn)的仰角進(jìn)行計(jì)算。

本文根據(jù)AUV巡檢時(shí)的運(yùn)動(dòng)特點(diǎn)，提出了一種針對(duì)水底為局部平坦區(qū)域的特征點(diǎn)仰角估算方法。通常，IMU會(huì)嚴(yán)格平行于AUV主軸安裝，即b系x軸指向AUV正前方，y軸指向AUV右側(cè)。為了確保前視聲納能掃描到隧洞底部，聲納基陣會(huì)斜向下發(fā)射聲波，即聲納坐標(biāo)系的x軸是指向AUV的前下方，s系和b系之間通過(guò)繞y軸旋轉(zhuǎn)φs角能使三坐標(biāo)軸平行，如圖6所示。

圖6 特征點(diǎn)仰角計(jì)算幾何示意圖

AUV巡檢時(shí)，通常將其設(shè)置為巡航模式，將深度傳感器和羅盤(pán)、IMU測(cè)得的信息融入控制回路，使AUV所處深度基本保持不變，姿態(tài)維持穩(wěn)定，因此俯仰角和橫滾角維持在0°左右，變化幅度不大。圖6中，水底的AB區(qū)域被聲納視域所覆蓋，可以反射聲波，形成圖像，設(shè)A點(diǎn)距坐標(biāo)原點(diǎn)S的距離為RSA，在聲納視域中比RSA更近的區(qū)域內(nèi)沒(méi)有障礙物，不會(huì)形成圖像。因此，聲納圖像中會(huì)出現(xiàn)一條較明顯的分界線(xiàn)，該線(xiàn)為聲波面SA與實(shí)際環(huán)境相交形成的，近似為弧線(xiàn)，如圖7所示。分界線(xiàn)以?xún)?nèi)區(qū)域不能形成回波，因此像素值很小，圖1中原點(diǎn)附近即有一條較明顯的弧形分界線(xiàn)。

圖7 聲納圖像分界線(xiàn)示意圖

當(dāng)水底為起伏不大的平坦區(qū)域時(shí)，設(shè)聲納坐標(biāo)系原點(diǎn)與分界線(xiàn)頂端距離為RSA，則在AUV維持水平姿態(tài)的情況下，SA與豎直方向的夾角是固定的，因此可以計(jì)算出AUV距水底的高度

(5)

對(duì)于水底成像視域內(nèi)的一點(diǎn)P，其與坐標(biāo)原點(diǎn)的距離是已知的，設(shè)為RSP，SP與水平面的夾角為

(6)

則P點(diǎn)在聲納坐標(biāo)系中的仰角為

φP=φSP-φs

(7)

對(duì)于圖像中的分界線(xiàn)，可以通過(guò)圖像二值化和梯度檢測(cè)等手段提取出來(lái)。由于AUV設(shè)置為定深模式，如果提前獲取水深信息，在估算仰角過(guò)程中也可以將AUV距水底高度設(shè)為常值。當(dāng)輸水隧洞底部為圓弧狀時(shí)，不能大范圍運(yùn)用水平面假設(shè)，只能在底部小區(qū)域內(nèi)進(jìn)行水平面近似。但是當(dāng)水底區(qū)域起伏較大或者AUV自穩(wěn)能力變差時(shí)，上述方法求解特征點(diǎn)仰角的誤差會(huì)增大。

與仰角計(jì)算相比，更能影響速度解算結(jié)果的便是特征點(diǎn)的匹配精度。目前沒(méi)有專(zhuān)門(mén)針對(duì)前視聲納圖像的特征提取和匹配方法，設(shè)計(jì)導(dǎo)航系統(tǒng)時(shí)只能使用針對(duì)光學(xué)圖像的ORB、SIFT和KAZE等算法，由于聲納圖像的低分辨率，提取的配對(duì)點(diǎn)精度普遍不高，而且含有大量的誤匹配。如果誤匹配特征點(diǎn)出現(xiàn)在方程(4)中，則最后求解的載體速度和實(shí)際情況偏差較大。針對(duì)這個(gè)問(wèn)題，本文設(shè)計(jì)的解決方案如下。

步驟一：

在k-1時(shí)刻，經(jīng)卡爾曼濾波得到了載體的姿態(tài)、速度和位置，到了下一個(gè)濾波時(shí)刻k時(shí)，首先根據(jù)慣導(dǎo)解算出的未經(jīng)濾波修正的速度，對(duì)每對(duì)特征點(diǎn)進(jìn)行初步判定。由于2個(gè)濾波時(shí)刻之間的間隔較短，純慣導(dǎo)解算出的速度在其間不會(huì)出現(xiàn)大的誤差累積，有一定的可信度。圖8所示為水下機(jī)器人搭載的某型光纖慣導(dǎo)系統(tǒng)在靜止?fàn)顟B(tài)下的水平速度誤差絕對(duì)值曲線(xiàn)。第100s之前，以零速為觀測(cè)量進(jìn)行卡爾曼濾波，解算出的水平速度維持在0附近；100s之后不再進(jìn)行濾波修正，純慣導(dǎo)解算出的水平速度誤差絕對(duì)值會(huì)逐漸偏離0，但在斷開(kāi)濾波后的短時(shí)間內(nèi)，慣導(dǎo)解算值與真值偏離得并不遠(yuǎn)，因此可用于對(duì)特征點(diǎn)數(shù)據(jù)進(jìn)行初步篩選，剔除明顯的誤匹配點(diǎn)。

圖8 純慣導(dǎo)水平速度誤差絕對(duì)值曲線(xiàn)

則先將該對(duì)特征點(diǎn)保留，否則舍棄。其中，Δd是聲納圖像中的距離分辨率，本文實(shí)驗(yàn)部分所用前視聲納的分辨率為0.013m/pixel，T為時(shí)間間隔，k為一個(gè)篩選參數(shù)，與匹配噪聲和慣導(dǎo)精度有關(guān)，若慣導(dǎo)系統(tǒng)精度較差，可將k值增大，防止原本正確的配對(duì)點(diǎn)被剔除。

步驟二：

經(jīng)步驟一剔除了明顯的野值之后，對(duì)于剩下的誤差較大的配對(duì)點(diǎn)，本文仿照純視覺(jué)導(dǎo)航中RANSAC算法的思路進(jìn)行剔除，具體操作如下：

輸入:連續(xù)兩幀特征點(diǎn)集,最大迭代次數(shù)kmax,速度誤差閾值Δvmax,nmax=0,k=0輸出:特征內(nèi)點(diǎn)集當(dāng)knmax,則nmax=n,記錄此時(shí)的內(nèi)點(diǎn)集k=k+1,并重復(fù)執(zhí)行以上過(guò)程結(jié)束返回最后記錄的內(nèi)點(diǎn)集,即為篩選出的特征內(nèi)點(diǎn)

步驟三：

對(duì)于篩選出的N對(duì)特征點(diǎn)，通過(guò)取均值的方式求解最后的載體速度，計(jì)算公式為

(8)

求出載體速度后，便可將其作為觀測(cè)量進(jìn)行卡爾曼濾波。

3 INS/前視聲納組合導(dǎo)航模型

在INS/前視聲納組合導(dǎo)航系統(tǒng)中，取系統(tǒng)狀態(tài)變量為

X=[φNφEφDδvNδvEδvD

δLδλδh]T

(9)

其中，φN、φE、φD分別代表沿北向、東向和地向的姿態(tài)失準(zhǔn)角；δvN、δvE、δvD分別為北向速度誤差、東向速度誤差和地向速度誤差；δL為緯度誤差；δλ為經(jīng)度誤差；δh為高度誤差。

姿態(tài)失準(zhǔn)角方程為

(10)

速度誤差方程為

(11)

位置誤差方程為

(12)

依據(jù)北向和東向速度誤差建立的觀測(cè)方程為

(13)

(14)

另外，由定深模式下設(shè)定的深度值，可對(duì)狀態(tài)變量中的高度誤差建立觀測(cè)

(15)

其中，υdepth是高度觀測(cè)噪聲。

聯(lián)立方程(10)、(11)、(12)、(14)和(15)，便能得到連續(xù)時(shí)間狀態(tài)下的卡爾曼濾波模型。將連續(xù)時(shí)間模型離散化后，在濾波周期內(nèi)，經(jīng)時(shí)間更新、量測(cè)更新、增益系數(shù)計(jì)算等過(guò)程后，便能得到系統(tǒng)狀態(tài)變量的最優(yōu)估計(jì)，而后對(duì)姿態(tài)、速度和位置進(jìn)行修正。

4 實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)設(shè)計(jì)

用于實(shí)驗(yàn)驗(yàn)證的數(shù)據(jù)來(lái)源于南水北調(diào)工程中穿黃隧洞內(nèi)的AUV測(cè)試數(shù)據(jù)，該隧洞位于河南焦作境內(nèi)，地圖上位置如圖9所示。

圖9 實(shí)驗(yàn)地點(diǎn)圖

實(shí)驗(yàn)時(shí)所用的慣導(dǎo)系統(tǒng)為某型光纖慣性導(dǎo)航系統(tǒng)，其技術(shù)指標(biāo)如表1所示。

表1 慣導(dǎo)系統(tǒng)技術(shù)指標(biāo)

巡航模式下，AUV航向?yàn)檠刂矶闯隹诜较?，根?jù)IMU和前視聲納采集的數(shù)據(jù)，對(duì)INS/前視聲納組合算法性能進(jìn)行驗(yàn)證和評(píng)估。在實(shí)際工程中，隧洞故障在河段上的具體位置是迫切需要獲取的信息，因此AUV需要精確測(cè)量故障處離隧洞入口的距離，即需要精確測(cè)量檢測(cè)到故障時(shí)自身在隧洞前向上運(yùn)行了多長(zhǎng)距離。輸水隧洞中接收不到全球定位系統(tǒng)(Global Positioning System，GPS)信號(hào)，因此不能利用衛(wèi)星定位信息對(duì)INS/前視聲納組合定位算法進(jìn)行精度評(píng)估，對(duì)此，本文將隧洞內(nèi)接縫線(xiàn)作為位置基準(zhǔn)。實(shí)驗(yàn)隧洞中的接縫線(xiàn)是均勻分布的，每2條接縫線(xiàn)之間間距為10m，可在事后經(jīng)過(guò)對(duì)聲納圖像數(shù)據(jù)的甄別，將其中的隧洞接縫線(xiàn)標(biāo)注出來(lái)，并作為定位基準(zhǔn)，對(duì)組合算法精度進(jìn)行評(píng)估。以AUV經(jīng)過(guò)的第一條接縫線(xiàn)為起始線(xiàn)，而后經(jīng)過(guò)每條接縫線(xiàn)時(shí)，AUV的位置便依次為距起始線(xiàn)10m、20m、30m……以此為評(píng)估基準(zhǔn)。

在進(jìn)行特征點(diǎn)提取和匹配時(shí)，本文的設(shè)計(jì)是在聲納圖像的正前方區(qū)域截取一個(gè)固定的小窗口，從小窗口中提取特征進(jìn)行數(shù)據(jù)關(guān)聯(lián)，將小窗口所對(duì)應(yīng)的實(shí)際水底區(qū)域近似為水平面，便于進(jìn)行特征點(diǎn)仰角估計(jì)，圖像其他區(qū)域的信息統(tǒng)統(tǒng)舍棄。

用于光學(xué)圖像特征提取和匹配的算法有很多，經(jīng)實(shí)際測(cè)試，用于前視聲納圖像時(shí)每一種都會(huì)出現(xiàn)許多明顯的誤匹配點(diǎn)，目前沒(méi)有具體數(shù)據(jù)能夠衡量各種算法在匹配精度上的優(yōu)劣。從算法的復(fù)雜性和實(shí)現(xiàn)實(shí)時(shí)系統(tǒng)的可行性的角度考慮，本文采用了一種快速特征點(diǎn)提取和描述(Oriented FAST and Rotated BRIEF，ORB)算法。ORB在平移、旋轉(zhuǎn)、縮放的變換下仍有良好的表現(xiàn)，廣泛應(yīng)用于基于光學(xué)相機(jī)的實(shí)時(shí)SLAM系統(tǒng)中[10]，但目前將其用于聲納圖像的嘗試還比較少。

4.2 實(shí)驗(yàn)結(jié)果

整個(gè)實(shí)驗(yàn)過(guò)程中，AUV的狀態(tài)可分為“緩慢前進(jìn)-靜止-緩慢前進(jìn)”3個(gè)階段，共進(jìn)行了約1800s的IMU和前視聲納數(shù)據(jù)采集，前進(jìn)過(guò)程中平均速度約為0.3m/s。除了進(jìn)行INS/前視聲納組合的數(shù)據(jù)采集外，為便于對(duì)比，本文實(shí)驗(yàn)也在相同區(qū)域進(jìn)行了INS/DVL組合的數(shù)據(jù)采集，運(yùn)用兩種組合定位方法分別對(duì)同一區(qū)域的接縫線(xiàn)進(jìn)行定位，比較不同算法的定位效果。AUV經(jīng)過(guò)第n條接縫線(xiàn)時(shí)，其相對(duì)于第一條接縫線(xiàn)的參考位置為10(n-1)m，圖10所示分別為兩種算法對(duì)各條接縫線(xiàn)的定位相對(duì)于參考位置的誤差，表2列出了兩種算法的均方根誤差(RMS)、最大誤差(MAX)和終點(diǎn)誤差(END)。

(a)INS/DVL組合算法對(duì)各條接縫線(xiàn)定位誤差

表2 兩種算法的誤差統(tǒng)計(jì)

實(shí)驗(yàn)中，INS/前視聲納組合的最大定位誤差為3.0m，小于總行程的1%。從圖表中可以看出，輸水隧洞內(nèi)，INS/前視聲納組合與INS/DVL組合的性能非常相似，兩種算法的定位精度沒(méi)有明顯的優(yōu)劣之分。但是在實(shí)際巡檢工作中，DVL聲波會(huì)對(duì)前視聲納圖像產(chǎn)生干擾，使得聲納圖像損失大量的成像細(xì)節(jié)，從圖像中辨析出隧洞故障的難度會(huì)增大。因此，在巡檢時(shí)卸載DVL、運(yùn)用INS/前視聲納組合定位具有以下優(yōu)勢(shì)：1)從根本上消除DVL聲波的干擾，提高聲納圖像質(zhì)量，確保故障定位任務(wù)的完成；2)降低巡檢成本，卸載DVL能減小AUV功耗，節(jié)省蓄電池電能，進(jìn)而延長(zhǎng)AUV在水下持續(xù)工作的時(shí)間。

本文所提出的INS/前視聲納組合算法能為解決AUV導(dǎo)航定位問(wèn)題提供新的思路，除了在輸水隧洞巡檢時(shí)可以替代INS/DVL組合之外，在其他諸如水下堤壩檢修和水下地形探測(cè)等一些對(duì)聲納圖像質(zhì)量要求高的任務(wù)中，需要規(guī)避DVL干擾時(shí)，也可以采取INS/前視聲納組合替代INS/DVL組合。但是當(dāng)AUV姿態(tài)自穩(wěn)能力變差，或者前視聲納成像區(qū)域起伏較大，不能進(jìn)行水平面近似時(shí)，本文提出的方法在估算特征點(diǎn)仰角時(shí)會(huì)存在一定誤差，當(dāng)AUV進(jìn)行長(zhǎng)航時(shí)、遠(yuǎn)距離的運(yùn)動(dòng)時(shí)，這種簡(jiǎn)化方式會(huì)使導(dǎo)航定位精度有所降低。

5 結(jié)論

本文針對(duì)AUV在輸水隧洞巡檢過(guò)程中存在的DVL對(duì)前視聲納圖像產(chǎn)生干擾的問(wèn)題，提出了一種從前視聲納圖像提取載體速度，進(jìn)而和IMU進(jìn)行組合導(dǎo)航的方法。經(jīng)實(shí)際的輸水隧洞測(cè)試，驗(yàn)證了其具有較高精度，能發(fā)揮和INS/DVL組合相接近的作用，具有實(shí)際應(yīng)用價(jià)值。在其他需要隔絕DVL對(duì)聲納圖像干擾的應(yīng)用場(chǎng)合，也可以選擇卸載DVL，采用INS/前視聲納組合定位的方法。但其也存在需進(jìn)一步解決的問(wèn)題，例如本文在估算特征點(diǎn)仰角時(shí)，對(duì)水底進(jìn)行了局部平面假設(shè)，如果隧洞橫截面為弧形，這種假設(shè)只對(duì)弧形底部小范圍內(nèi)的特征點(diǎn)近似成立，如果大范圍使用，需要進(jìn)一步引入弧形底面的幾何約束。