一种欠定位水下机器人的目标搜索研究

申 雄 徐国华 余 琨 颜明重

1.华中科技大学，武汉，430074 2.中国舰船研究设计中心，武汉，430064 3.上海海事大学，上海，201306

0 引言

水下机器人被广泛运用于水下作业活动中，是水下作业的重要载体。水下目标搜索是水下机器人的作业任务之一。水下目标搜索首先需要实现机器人的水下定位，配置齐全的水下机器人一般采用超短基线系统（ultra－short baseline，USBL）、惯性导航系统（inertial navigation system，INS）等进行水下定位。Opderbecke［1］针对 USBL在 AUV（autonomous underwater vehicle）水下定位的运用上进行了研究；Jalving等［2］采用融合了INS、DVL（doppler velocity log）等信息的组合定位方法，进一步提高了水下机器人的水下定位精度。搜索策略是贯穿水下搜索任务的指导思想，搜索路径的规划则是策略的主要体现。Petres等［3］和国内的徐玉 如 等［4］、Wang 等［5］针 对不同的作业任务，分别研究了AUV的路径规划方法。对于搜索任务而言，对目标物的识别是整个任务的重要环节。针对水下机器人通常搭载的水下摄像头和前视声纳，徐筱龙等［6］分别进行了视频信号模式识别的研究，Lorenson等［7］则针对AUV声纳图像的处理和识别进行了研究。

目前，国内配备小型水下遥控机器人（remotely operated vehicle，ROV）的单位逐渐增多，如何利用ROV和已有设备进行水底目标搜索受到越来越多的关注。但由于受体积和成本限制，很多小型ROV没有装配以USBL、INS为代表的水下定位设备，因此欠定位ROV不能给出标记自身的行进路线和已搜索区域。在这样的设备基础上，如果参照应用于定位功能齐全的ROV或AUV的搜寻策略，将难以保证搜索效率和搜索覆盖率。

在水下起伏较大的水域中，其底部深度变化幅度较大，其等深线间距（以ROV深度计有效分辨率大小作等深线，且其间距小于ROV的有效观测范围）较小。可以利用先验的等深线地图，配合ROV深度计实现ROV的初步定位。在初步定位的基础上，再通过选择对定位精度要求低的搜索策略，实现ROV对水底目标的搜索。

本文在设备仅限于欠定位ROV和侧扫声纳的基础上，提出了针对水下起伏较大水域的特殊情况，基于水下等深线图路径规划和导航的搜索策略，通过绘制水下地形图、规划搜索路径和搜索作业等，实现欠定位ROV对大起伏地形中的水下小型目标的搜索。

1 设备及功能

本文中，图1所示的小型开架式ROV“Outland1000”为传感器的载体，能在300m水下通过遥控实现进／退、侧移、潜／浮和转首四个自由度的运动，由脐带缆与水面控制器连接。通过开发自动航行控制器代替操作人员和遥控器，将ROV改造为具有自动航行能力和干预功能的ARV（autonomous ＆remotely－operated vehicle），可以实现控制精度更高的控制，并减轻操作人员的负担。

ARV搭载的传感器包括双目摄像头、Micron DST型前视声纳、小型磁罗经、深度计和高度计。ARV会通过脐带缆将水下视频信号，前视声纳图像，ARV实时航向、深度和离底高度等信息传输至水面控制器。其中，水下视频信号、前视声纳图像可用于辨识水下目标或障碍物。而ARV实时航向、深度、离底高度等信息则表示了ARV的水下状态，在水下先验地形图的配合下可用于ARV的水下导航。

侧扫声纳是一种向水底发射超声波，接收反射后的声纳信号并成像以实现水下地形探测的设备。在本文中，选用经济的Starfish公司450F型侧扫声纳进行水下探测，如图1所示。

图1 搜索作业设备

2 搜索策略设计

由于本文讨论的ARV缺乏水下定位能力，所以可以让其沿等深线地图贴底航行，这样在单条等深线上，ARV就可以利用航向、深度、高度信息，沿着等深线轨迹航行。以此思路，设计搜索流程如图2所示。

图2 搜索作业流程图

整个搜索流程按照绘制水下等深线地图、规划搜索路径和搜索作业的步骤进行。

由于作业任务并不要求完全脱离操作人员的监督和设备的限制，所以水下地形图不需要包含水下地形特征库等信息，使用侧扫声纳绘制出一定密度的等深线地图即可。

通过分析与目标位置有关的外部信息，初步估计并计算目标在作业水域中各点的概率值，以此划分出优先级不同的子作业区，再将等深线地图与各自作业区叠加，依据ARV的探测能力，规划出其搜索路径。

进行搜索作业时，ARV被母船定位到指定地点入水，由自动航行控制器通过等深线地图进行导航。操作人员对前视声纳图像和水下视频进行监视，当出现疑似目标或障碍物时，切换成手动模式进行遥控。并通过声纳图像处理程序进行图像处理，提取特征并计算出与ARV的相对位置，以供操作人员在水下地形图中进行标注。

2.1 水下地形图的绘制

侧扫声纳一般用于获得水底地形和搜寻水底大型残骸，但本文只讨论侧扫声纳用于测量水深以绘制等深线地图的方法。

侧扫声纳的拖鱼左右侧各安装一条换能器线阵。工作时首先发射一个短促的声脉冲，声波按球面波方式向外传播，碰到水底或水中物体则产生散射。其中的反向散射波会按原传播路线返回换能器被换能器接收，经换能器转换成一系列电脉冲。一般情况下，坚硬或凸起的水底回波强；柔软平滑的水底回波弱；被遮挡的水底不产生回波；距离越远回波越弱。通过对电脉冲进行采集和相应的数字化处理，得到以若干扫描线构成的二维水下地形声图［8］，如图3所示。

图3 侧扫数据分析

图3中，侧扫声纳的两侧波束存在夹角θ，夹角范围内为侧扫声纳的盲区。已知盲区边缘回波的探测距离为DL、DR，由下式即可得其相对侧扫声纳拖鱼的相对深度HL和HR，平均后可知拖鱼正下方的相对深度。已知拖鱼离水面的距离固定为H0，则可通过插值计算出侧扫声纳此刻位置的水深HM。HL、HR、HM的表达式为

通过软件截取侧扫声纳的每条数据，获得该时刻的DL和DR值，再根据式（1）即可计算出该点水深。使用同样的方法可获得整个作业区域的深度数据，再将等深的坐标点依次连接，得到等深线地图，如图4所示。

图4 等深线地图

2.2 搜索路径规划

对于多数搜索任务，其作业区域内每点的重要性是不同的，因此，通过梳理外部信息，将作业区域按照优先级划分为不同的子作业区并依次搜索，能在一定程度上提高效率。

通过在作业区域内选取一个或多个可能性最大的点，并分别赋予一个可能的概率，假设其周围的各点受其影响，依次形成一个作业区域内概率的场，并以其作为作业区域的概率分布图。具体来说，假设在若干大概率的目标存在点中有一点为i，其周边各点的概率均受其影响，可认为

其中，（μxi，μyi）为大概率目标存在点i的坐标，Pi为点i的目标存在概率。可将其简化为标准分布，取σxi＝σyi＝1。式（2）可写作

在得到区域内多个主要大概率离散点周边点的概率后，便可以知道区域内每点的目标存在概率。对所有大概率点所引起的概率分布进行求和，可得到区域内的概率分布：

根据概率分布的集中情况，对不同概率的区域进行划分，细分为多个具有不同优先级的子作业区，如图5所示，再将其与等深线地图进行叠加，即可进行最后的路径规划。

不同于通常的沿方波搜索路径规划，本策略采用如图6所示的基于等深线搜索路径规划。因为搜索任务需要ARV贴底进行且工作区域内的深度变化较大，过多的起伏运动会导致欠定位的ARV偏离航向；另一方面，通过沿等深线进行搜索，ARV即可通过深度计和高度计的反馈得知是否偏离预定路径。

图5 通过概率分布划分优先级

图6 路径规划方式

在路径规划中，相邻路径间的间距大小直接影响到路径规划的合理性。间距太大会使对作业区的搜索覆盖率降低，造成遗漏，反之则影响作业效率。相邻路径的理想间距d由ARV的视觉和前视声纳的探测半径决定，同时也与ARV在被操纵中的定向航行性能有关。理想间距d的计算方式为

其中，D0为ARV视觉的探测半径；p0为视觉探测半径内对目标的辨识可信度，取值介于0～1之间；D1为前视声纳的探测半径；p1为声纳探测半径内对目标的辨识可信度；H（s）用于表示ARV的定向航行性能，定义为遥控操作ARV定向航行时，每行驶s，ARV实际位置偏移量。s的取值由ARV缆长及作业区域地形特点等确定。

由式（5）可以看出，在探测设备确定的情况下，通过缩短每趟搜索的航程、利用水下特征物作路标、减少ARV翻越地形的次数等，都能减小ARV的H（s），从而增大ARV搜索路径的理想间距d，提高效率。但是由于式（5）中多个参数难以准确地确定，理想间距d难以计算，该公式只用于分析影响搜索路径间距的因素。在实际操作中，可以根据实际情况取一个小于视觉探测直径的值。

在各个子作业区的等深线地图中，保留相邻距离总是小于d的等深线，作为子作业区中搜索作业的ARV规划路径。

2.3 搜索作业

搜索作业时，母船携带ARV到分段规划路径的起点定点下水，当ARV下潜至离底部某距离处，核实当前深度是否与等深线地图中的深度相等，不等则在小范围内巡游直至找到相应的深度点。随后即可切换至自动航行控制器对AVR进行导航。通过之前建立的Outland1000水动力学模型［9］和等深线地图，自动航行控制器能操作ARV沿规划路径航行。

当监视水下视频和前视声纳图像的操作人员发现可疑目标时，可将ARV切换至遥控模式。同时可以使用声纳图像识别程序对声纳信号进行处理，并在等深线地图中加以记录。

声纳图像识别程序可以通过RS485接口获得Micron DST型前视声纳的实时数据，将其解析并绘出整幅声纳图像。在进行图像处理时，先通过中值滤波算法去除高频的干扰噪声、进行阈值分割［10］。再经过边缘检测和特征图形提取之后，可以得到物体的图像大致形状、尺寸和与ARV的相对位置关系，识别过程如图7所示。随后，操作人员将识别后的信息记录到等深线地图中。

图7 处理声纳图像

2.4 搜索策略比较

完成整个搜索策略的设计后，将该搜索策略和常用的沿方波搜索进行比对。下面先对搜索的时耗问题进行分析。

搜索策略的时间花费，主要与ARV的航行速度和搜索路径长度有关。对于本搜索策略和沿方波搜索策略，在都不进行重复搜索，且依照ARV有效探测距离规划路径的情况下，搜索路径的总长度近似相等，总长度S＝A／d。其中A为搜索面积，d为理想间距。

但是由于本搜索策略相较常用策略，采用将作业区域按概率划分后依次搜索的方法，能在一定程度上提高搜索效率。如图5b所示的情况，将作业区域划分为3个区域，则搜索任务的时间期望为

式中，t为ARV搜索每km2的平均时间花费；A1、A2、A3为三个区域的面积；P1、P2、P3分别为三个区域中目标存在的概率。

对图5所示区域进行计算，结果如表1所示。

表1 三个优先级区域的参数

将表（1）中数据代入式（6），时间期望为0.3996，低于常用策略的时间期望。并且当区域内概率越集中时，本搜索策略的优势越明显。

本搜索策略与常用策略相比最大优点在于，本策略通过使ARV沿等深线航行并搜索，欠定位ARV能通过深度值的反馈，在检测到偏航后（深度值偏离了需跟踪的等深线值）对航线进行修正，使其摆脱对精确定位的依赖。而常用策略中，欠定位ARV则较难按照预定航线进行搜索作业。

3 湖试

为验证文中搜索策略，在湖北省荆门市漳河水库中选取了1000m×1000m的一片水域进行了实验。实验区域水下地形起伏大（深度介于3～45m之间）、风浪小等特点，较为符合文中的搜索策略要求。实验中的搜索目标选用尺寸不同的两个圆柱体，目标物1的尺寸为高1.6m、直径0.5m，目标物2为高3m、直径0.6m。两个目标物由第三方分别沉入实验区域内的不同位置。

按照本文的策略，首先利用侧扫声纳获得作业区域等深线数据，整理后导入Google Earth可得到等深线地图，如图8a所示。在此基础上，根据对目标可能存在点的外部信息进行梳理，作出作业区域的概率分布图。按照概率的大小将作业区域划分为三个不同优先级的区域，并与等深线地图叠加，如图8b所示，之后再确定理想间距d。根据现场情况，取理想间距d为5m。以5m为间距添加更多的等深线，以此作为ARV的搜索路径。

在搜索实验中，ARV依次在各优先级区域中作业，沿逐条等深线路径进行搜索，先后对两个目标物成功定位。实验表明了搜索策略对欠定位ARV在大起伏地形中小目标搜索问题的有效性［11］。

4 结语

本文提出一种欠定位ARV对大起伏地形中水底小目标的覆盖式搜索策略。在外部信息的支持下，按概率划分出优先级不同的子作业区。通过按等深线地图规划出的搜索路径，应用已有的深度、高度、航向传感器和等深线地图对欠定位ARV进行了导航。最后利用水下视频和前视声纳进行了人工目标识别。在水库的水下大起伏地形环境中进行了实验，取得预期的结果，证明了策略的有效性。

图8 作业区域地图

提出的搜索策略对欠定位ARV的水下目标搜索问题具有一定的工程意义。通过对非结构目标声纳识别技术的进一步研究，还可以逐步减少操作人员的介入，提高ARV在水下目标搜索上的智能程度。

［1]Opderbecke J.At－sea Calibration of a USBL Underwater Vehicle Positioning System［C］／／Oceans’97MTS／IEEE Conference Proceedings.Halifax，1997：721－726.

［2]Jalving B，Gade K，Hagen O K.A Toolbox of Aiding Techniques for the HUGIN AUV Integrated Inertial Navigation System［J］.Modeling Identification and Control，2004，25（3）：173－190.

［3]Petres C，Pailhas Y，Patron P.Path Planning for Autonomous Underwater Vehicles［J］.IEEE Transactions on Robotics，2007，23（2）：331－341.

［4]徐玉如，姚耀中.考虑海流影响的水下机器人全局路径规划研究［J］.中国造船，2008，46（4）：109－114.Xu Yuru，Yao Yaozhong.Research on AUV Global Path Planning Considering Ocean Current［J］.Shipbuilding of China，2008，46（4）：109－114.

［5]Wang Hongjian，Xiong Wei.Research on Global PathPlanning Based on Ant Colony Optimization for AUV［J］.Journal of Marine Science and Application，2009，1（8）：58－64.

［6]徐筱龙，徐国华.OutLand1000水下机器人的视觉定位研究［J］.中国机械工程，2010，21（11）：1288－1292.Xu Xiaolong，Xu Guohua.Vision－based Localization of OutLand1000ROV［J］.China Mechanical Engineering，2010，21（11）：1288－1292.

［7]Lorenson A，Kraus D.3D－Sonar Image Formation and Shape Recognition Techniques［C］／／OCEANS 2009－EUROPE.Bremen：2009：849－854.

［8]许枫，魏建江.第七讲 侧扫声纳［J］.物理，2006，35（12）：1034－1037.Xu Feng，Wei Jianjiang.Side－scan Sonar［J］.Physics，2006，35（12）：1034－1037.

［9]张燕，徐国华，徐筱龙，等.微型开架式水下机器人水动力系数测定［J］.中国造船，2010，51（1）：63－72.Zhang Yan，Xu Guohua，Xu Xiaolong，et al.Measuration of the Hydrodynamic Coefficients of the Microminiature Open－shelf Underwater Vehicle［J］.Shipbuilding of China，2010，51（1）：63－72.

［10]王一童.前视扫描声纳的成像与目标特征提取［D］.青岛：中国海洋大学，2009.

［11]原风，闫春阳.水下机器人助警方河底捞尸锁铁证［N］.楚天金报，2010－12－13（13）.