基于三維成像聲納技術(shù)的AUV前視避障方法*

陳文淵， 沈斌堅

(中國船舶重工集團公司 第七一五研究所，浙江 杭州 310023)

基于三維成像聲納技術(shù)的AUV前視避障方法*

陳文淵， 沈斌堅

(中國船舶重工集團公司 第七一五研究所，浙江 杭州 310023)

針對自主式水下航行器(AUV)在水下自主航行過程中的避障問題，提出了一種基于三維成像聲納技術(shù)的前視避障方法。該方法使用三維成像聲納探測目標(biāo)，通過聲納目標(biāo)圖像處理提取目標(biāo)，完成目標(biāo)的運動狀態(tài)分析和軌跡預(yù)測。通過設(shè)置碰撞區(qū)域，建立避障模型和設(shè)計避障規(guī)則，實現(xiàn)了AUV的智能化避障。借助于其他傳感器，這些關(guān)聯(lián)模塊構(gòu)成了一個集目標(biāo)探測、目標(biāo)提取、軌跡預(yù)測、避障與路線回歸等功能于一體的閉環(huán)系統(tǒng)。

三維成像聲納；聲納圖像處理；目標(biāo)提?。卉壽E預(yù)測；自主式水下航行器；避障

0 引 言

自主式水下航行器(autonomous underwater vehicle， AUV)作為新一代智能水下機器人，可依靠自身動力、傳感器信息、導(dǎo)航與控制系統(tǒng)，完成目標(biāo)水域的水下偵察、海底考察等多種任務(wù)使命。它具有智能化、航程遠、機動性好和隱蔽安全性高等特點，在軍民領(lǐng)域有著廣泛的應(yīng)用前景。

AUV在水下航行過程中，必須充分考慮其事先規(guī)劃路線上的未知障礙物，這就要求它的導(dǎo)航與控制系統(tǒng)能夠基于傳感器(如三維成像聲納)信息，實時機動并在線調(diào)整自身的運動姿態(tài)，以規(guī)避原路線上的未知障礙物，此即AUV的實時避障功能[1,2]。

本文在簡述三維成像聲納原理與實驗結(jié)果的基礎(chǔ)上，論述聲納目標(biāo)圖像的預(yù)處理、配準(zhǔn)與重建和目標(biāo)圖像提取，并探求基于三維成像聲納動靜目標(biāo)圖像提取的AUV實時避障方法。

1 三維成像聲納原理與實驗結(jié)果

1.1 波束形成模型與方法

三維成像聲納采用二維平面陣，利用相控陣技術(shù)，無需進行扇形波束掃描，即可同時獲得水平、垂直和景深3個方向上的分辨力。三維成像聲納的波束形成模型如圖1所示。

假設(shè)接收信號是遠場信號，則入射信號的單位方向向量為

則平面陣各陣元(i,j)接收到該信號的時間延遲量為

(1)

圖1 三維成像聲納的波束形成模型

式中pi,j=[(i-1)d,(j-1)d,0]T，為(i,j)陣元的位置向量；d為陣元間距；c為聲波在水中的傳播速度。

當(dāng)α與β較小時，式(1)可改寫為

(2)

1.2 三維成像聲納實驗結(jié)果

選擇正方體框架作為水下聲成像目標(biāo)，通過千兆以太網(wǎng)將波束形成的結(jié)果數(shù)據(jù)以(x,y,z,i)的形式上傳到主控PC，并在HSV顏色空間繪制目標(biāo)圖像，如圖2所示。

圖2 實驗?zāi)繕?biāo)與圖像

由目標(biāo)圖像可以明顯看出：實驗?zāi)繕?biāo)的外觀、形狀等三維輪廓信息，驗證了三維成像聲納工作的正確性。

2 聲納目標(biāo)圖像處理

三維成像聲納的回波數(shù)據(jù)受水聲信道傳輸?shù)牟淮_定性和目標(biāo)不規(guī)則運動引起的多普勒頻移等因素的影響較為嚴(yán)重，由此生成的目標(biāo)原始圖像質(zhì)量較差，需進行圖像降噪處理，再進行多幀配準(zhǔn)與重建、目標(biāo)提取，便于目標(biāo)運動分析與AUV避障方法研究。

2.1 圖像降噪

采用3×3的窗口對目標(biāo)原始圖像進行中值濾波，能夠消除孤立點噪聲[5](即椒鹽噪聲)，并最大限度地保持圖像的細節(jié)，提高圖像的信噪比。圖3所示為U型目標(biāo)圖像的降噪處理。

圖3 U型目標(biāo)圖像的降噪處理

中值濾波的運算代價較低，能夠滿足圖像處理的實時性要求。

2.2 圖像配準(zhǔn)與重建

經(jīng)降噪處理后，聲納目標(biāo)的二維序列圖像需進行多幀配準(zhǔn)與重建才能獲得三維可視化效果[4]。

三維成像聲納采用鄰近點迭代算法[6,7]，將包含同一目標(biāo)的多幀圖像通過重疊區(qū)域判斷、設(shè)置閾值和網(wǎng)格化拼接，使多幀圖像形成一個整體，實現(xiàn)目標(biāo)圖像的配準(zhǔn)與重建，如圖4所示。

圖4 圖像配準(zhǔn)與重建效果

2.3 目標(biāo)提取

利用圖像區(qū)域內(nèi)部象素之間的相似性和目標(biāo)與背景在邊界處象素的不連續(xù)性等差異，使用圖像差分算法[8]，設(shè)置合適閾值，實現(xiàn)目標(biāo)提取，如圖5所示。

圖5 圖4(b)的目標(biāo)提取結(jié)果

3 AUV實時避障方法

根據(jù)AUV和障礙物在水下運動的特點，本節(jié)討論的避障方法基于如下2個假設(shè)：1)在規(guī)劃路線上，AUV做勻速直線運動，巡航速度為2節(jié)，速度范圍為1～3節(jié)；2)障礙物的運動速度較低。

3.1 目標(biāo)的運動狀態(tài)分析與軌跡預(yù)測

考慮靜止、勻速直線運動、勻加速直線運動和變加速直線運動等4種典型的目標(biāo)運動模型，并規(guī)定目標(biāo)的運動速度方向為：趨近AUV為正，遠離AUV為負。為簡單起見，研究目標(biāo)的勻加速直線運動模型，可用下列方程組描述

式中 T為圖像序列間隔時間；p為目標(biāo)的位置；v為目標(biāo)的運動速度；a為目標(biāo)運動的加速度；j=0,1,2,…為目標(biāo)圖像序列編號。

對于目標(biāo)的變加速直線運動，采用牛頓二次插值多項式[9]作為目標(biāo)的加速度預(yù)測模型，并使用遞推算法實時修正預(yù)測模型，估計目標(biāo)的運動參數(shù)，預(yù)測目標(biāo)的運動軌跡。

3.2 碰撞發(fā)生條件與AUV的機動避障

與單波束掃描聲納或多波束聲納等二維聲納相比，基于三維成像聲納的前視避障優(yōu)點是：AUV可以在三維空間中規(guī)避障礙物，成功概率大。

首先，考慮AUV的航向、航速和避障的虛警概率，劃定AUV與障礙物的碰撞區(qū)域，如圖6所示。

圖6 AUV的碰撞區(qū)域及其表達式

其次，考慮避障過程中AUV與障礙物之間的安全間距，建立能夠為AUV提供8個機動節(jié)點的正八邊形避障模型，如圖7所示。

圖7 AUV避障模型

再次，由前視三維成像聲納評估障礙物目標(biāo)的碰撞危險等級，判斷其預(yù)測運動軌跡是否與AUV的碰撞區(qū)域交叉。若二者交叉，則AUV按下列規(guī)則機動避障：

1)規(guī)則RL1：AUV朝與障礙物的預(yù)測運動軌跡在AUV避障模型上的投影方向不平行(優(yōu)選垂直)的節(jié)點機動，若障礙物的運動方向為正，則AUV運動速度增加至3節(jié)或保持2節(jié)不變；反之，AUV運動速度減小至1節(jié)或保持2節(jié)不變。

2)規(guī)則RL2：考慮到障礙物運動的隨機性和復(fù)雜性，提高避障的效率和成功概率，當(dāng)AUV有多個節(jié)點選擇時，優(yōu)選AUV朝下潛的節(jié)點或距離目標(biāo)的預(yù)測運動軌跡在AUV避障模型上的投影最遠的節(jié)點機動，運動速度保持2節(jié)不變或增加至3節(jié)。

3)規(guī)則RL3：若前視三維成像聲納聲視覺區(qū)域全部是障礙物，則AUV減速至0并依據(jù)最近一幀聲視覺區(qū)域非全部障礙物的圖像按上述避障規(guī)則機動避障，運動速度減小至1節(jié)。

4)規(guī)則RL4：AUV的多目標(biāo)避障可歸結(jié)為求解AUV機動節(jié)點解集(或最優(yōu)解集)的非空交集問題，依次按下列步驟循環(huán)實現(xiàn)：

a．將障礙物集合T按碰撞危險等級由高到低排列，得到避障序列{T1,T2,…,Tn}；

d．AUV按集合V對應(yīng)的運動速度朝集合M(或集合M+)對應(yīng)的節(jié)點機動，并在完成本次避障后，由三維成像聲納探測并更新障礙物集合T；

e．若集合T為空集，則AUV完成了多目標(biāo)避障，開始回歸原規(guī)劃路線；否則，執(zhí)行(a)步驟。

3.3 運動路線回歸

為了保證AUV順利到達目的地，在其完成避障任務(wù)后，應(yīng)盡快回歸原規(guī)劃路線。因此，應(yīng)以AUV開始機動的位置為坐標(biāo)原點，建立圖1所示的笛卡爾坐標(biāo)系，并根據(jù)其自身配備的航向傳感器、壓力傳感器和多普勒計程儀等設(shè)備實時輸出的狀態(tài)數(shù)據(jù)，積分計算避障過程中AUV偏離坐標(biāo)原點的三軸距離分量。通過調(diào)整AUV的運動方向和下潛深度，補償X軸向和Y軸向的距離偏移量，實現(xiàn)AUV運動路線回歸。

4 仿真實驗

在水下自主航行過程中，假設(shè)AUV需要規(guī)避規(guī)劃路線上的2個做勻速直線運動的障礙物目標(biāo)，目標(biāo)的運動信息如表1所示。

表1 目標(biāo)運動信息

前視三維成像聲納通過多次(至少2次)連續(xù)探測估計障礙物的運動參數(shù)，評估障礙物的碰撞危險等級：障礙物T1的運動速度較高，運動方向為正，距離碰撞發(fā)生的時間約16 s；障礙物T2的運動速度較低，運動方向為負，距離碰撞發(fā)生的時間約20 s。因此，AUV與T1的碰撞危險等級高于與T2的碰撞危險等級，故AUV將優(yōu)先規(guī)避障礙物T1。

分析障礙物的運動狀態(tài)，得到其運動軌跡在AUV避障模型上的投影，如圖8所示。

圖8 障礙物運動軌跡在前視避障模型上的投影

AUV按照上述分析結(jié)果實現(xiàn)障礙物T1和T2的智能化避障，動態(tài)避障路線如圖9所示。

圖9 AUV避障路線圖

AUV通過三維成像聲納實現(xiàn)障礙物目標(biāo)T1和T2的持續(xù)探測并跟蹤預(yù)測其運動軌跡，依據(jù)避障規(guī)則解算避障的機動節(jié)點和速度，通過舵機調(diào)整自身運動路線，并在完成避障任務(wù)后回歸原規(guī)劃路線。

5 結(jié) 論

本文討論的基于前視聲納技術(shù)的AUV避障方法，包括三維成像聲納工作原理、聲納目標(biāo)圖像處理、障礙物目標(biāo)的提取、運動狀態(tài)分析及軌跡預(yù)測、碰撞發(fā)生條件、避障方法和AUV的運動路線回歸，構(gòu)成了一個完整的閉環(huán)系統(tǒng)。仿真實驗驗證了文中設(shè)計的避障模型與避障規(guī)則在AUV智能化避障過程中的實時性和有效性，對其他類型水下機器人的智能化避障和工程實現(xiàn)具有重要的指導(dǎo)意義和參考價值。

[1]PetillotY,RuizIT.Underwatervehicleobstacleavoidanceandpathplanningusingamulti-beamforwardlookingsonar[J].IEEEJournalofOceanicEngineering,2001,26(2): 240-251.

[2]AntonelliG,ChiaveriniS,FinotelloR,etal.Real-timepathplanningandobstacleavoidanceforRAIS:Anautonomousunderwatervehicle[J].IEEEJournalofOceanicEngineering,2001,26(2):216-227.

[3] 陳文淵.二維波束形成快速算法研究[D].北京: 中國艦船研究院,2008: 20-24.

[4] 諶 穎， 葉青華， 黃海寧.采用分級聚焦波束形成的快速聲成像算法[J].應(yīng)用聲學(xué),2008， 27(3): 207-211.

[5] 岡薩雷斯·伍德.數(shù)字圖像處理[M].阮秋琦，譯.3版.北京：電子工業(yè)出版社， 2011: 197-203.

[6]VittorioM,AndreaT.Threedimensionalimagegenerationandprocessinginunderwateracousticvision[C]∥ProceedingsoftheIEEE,2000: 1903-1946.

[7]VittorioM,AlessandroG,StefanoB.Ageometricapproachtothesegmentationandreconstructionofacousticthree-dimensionalData[C]∥OCEANS’98MTS/IEEE,1998:582-586.

[8]StringaE,RegazzoniCS.Real-timevideo-shotdetectionforscenesurveillanceapplications[J].IEEETransactiononImageProce-ssing,2000,9(1): 69-79.

[9] 蔣爾雄，趙風(fēng)光，蘇仰鋒.數(shù)值逼近[M].2版.上海:復(fù)旦大學(xué)出版社,2008: 34-40.

Forward obstacle avoidance method for AUV based on 3D imaging sonar technology*

CHEN Wen-yuan, SHEN Bin-jian

(The 715th Research Institute，China Shipbuilding Industry Corporation,Hangzhou 310023,China)

A forward obstacle avoidance method based on 3D imaging sonar technology is presented,aiming at problem of obstacle avoidance during underwater autonomous navigation for AUV.The method detects sonar targets by using 3D imaging sonar and extracts target via sonar images processing,achieve analysis on moving status of underwater objects and predict moving track.By setting up collision area,build model for obstacle avoidance and design obstacle avoidance rules，realize AUV intelligent obstacles avoidance.With the help of the other sensors,these related modules form an entire closed-loop system which integrates the functions including object detection,object extraction,track prediction,obstacle avoidance and path regression.

3D imaging sonar; sonar images processing; object extraction; path prediction; AUV; obstacle avoidance

10.13873/J.1000—9787(2015)04—0012—04

2015—01—07

國家“863”計劃資助項目(2010AA09Z104)

TB 566

A

1000—9787(2015)04—0012—04

陳文淵(1981-)，男，安徽蚌埠人，工程師，主要從事高分辨率三維成像聲納的研發(fā)和應(yīng)用。