無人水面艇自主回收中的導(dǎo)航定位技術(shù)分析

許 晨，胡常青，李清洲，胡 宇

(北京航天控制儀器研究所， 北京 100039)

0 引 言

無人水面艇(unmanned surface vehicle, USV)是一種集環(huán)境感知、路徑規(guī)劃、導(dǎo)航控制功能為一體的無人水面平臺，通過搭載相應(yīng)任務(wù)載荷，能夠執(zhí)行不同的任務(wù)，尤適用于各種危險、重復(fù)及其他不適于有人船艇執(zhí)行的任務(wù)場景。但因其體量小、攜帶能源有限，一般由母船攜帶并通過收放裝置投送至特定的海域執(zhí)行相應(yīng)任務(wù)。當前無人艇的布放與回收一般在慢航速與低海況下人工操作進行，存在較大風險且效率低。高效、安全、可靠的無人艇自主布放和回收系統(tǒng)是無人艇推廣使用亟需突破的瓶頸[1]。

無人艇的導(dǎo)航定位系統(tǒng)在無人艇布放回收中尤為關(guān)鍵，特別是在無人艇的回收過程。但目前無人艇回收基本還采用人工遙控手段，存在保障要求高、智能化水平低等問題。因此，急需開展無人艇自主回收過程的高精度導(dǎo)航定位技術(shù)研究。

本文闡述了無人艇自主回收過程中導(dǎo)航定位技術(shù)的應(yīng)用現(xiàn)狀，介紹了無人艇回收各個階段的導(dǎo)航過程，對其中涉及的關(guān)鍵技術(shù)進行分析，包括無人艇多源導(dǎo)航信息融合技術(shù)和近距離視覺相對定位技術(shù)，最后對無人艇自主回收中的導(dǎo)航定位技術(shù)進行總結(jié)與展望。

1 自主回收過程的導(dǎo)航定位現(xiàn)狀分析

無人艇自主回收的導(dǎo)航定位可以劃分為2 個過程：第一個過程是無人艇從遠距離作業(yè)地點返航到母船附近，這個過程只要給定母船位置，無人艇便可采用航路點導(dǎo)航方式到達母船周圍，主要解決無人艇返航過程中自身定位的穩(wěn)定性、抗干擾能力等問題。另一個過程是無人艇到達母船附近后，搜尋定位具體的對接目標位置，并導(dǎo)航至該對接位置。定位的前提是識別，因此首先采用視覺、激光雷達、聲吶等環(huán)境感知設(shè)備檢測識別出對接目標，然后根據(jù)感知設(shè)備原理的不同而采用相應(yīng)的定位方法給出無人艇與目標間的相對位置，并實時跟蹤靠近對接目標，重點解決對接目標的穩(wěn)定性檢測與高精度相對定位問題。此外，在近距離對接目標的相對定位過程中，還可根據(jù)無人艇的自身定位信息，給出對接目標的絕對位置信息，方便預(yù)備對接時預(yù)測目標的短期運動。

1.1 遠距離無人艇導(dǎo)航定位技術(shù)發(fā)展現(xiàn)狀

目前，無人艇導(dǎo)航技術(shù)發(fā)展迅速，特別是組合導(dǎo)航定位技術(shù)得到越來越廣泛的應(yīng)用。慣性導(dǎo)航（INS）具備完全自主、不受地域限制和人為因素干擾等重要特性，但它的誤差伴隨時間積累，即便是高精度的INS 長時間工作后，其誤差也會超出任務(wù)精度的要求。衛(wèi)星導(dǎo)航技術(shù)（GNSS）可以提供全天候、連續(xù)精確的位置、速度和時間信息，且定位誤差有界，不隨時間發(fā)散。因此，在 INS/GNSS 組合導(dǎo)航系統(tǒng)中，GNSS 提供的精確位置信息可以有效抑制INS 的誤差積累，從而實現(xiàn)長航時高精度導(dǎo)航。但是GNSS 信號易受外界干擾與誘騙，在GNSS 信號長期失效的情況下，INS/GNSS 組合導(dǎo)航系統(tǒng)性能嚴重下降，影響無人艇返航的效率和安全[2]。

多普勒計程儀（DVL）作為一種速度傳感器，可以提供載體精確的速度信息。INS/DVL 組合導(dǎo)航系統(tǒng)結(jié)構(gòu)簡單，可靠性高，無需任何先驗知識和實時的外部輔助信息，具有完全獨立性、自主性、隱蔽性、高精度等特點，位置誤差隨時間累積緩慢，在無人艇中也逐漸得到了廣泛應(yīng)用。但是，DVL 的精度一方面受量測噪聲影響，另一方面由于DVL 與INS 組合時只能提供載體的速度信息，需要通過慣導(dǎo)的姿態(tài)轉(zhuǎn)換矩陣轉(zhuǎn)換到導(dǎo)航坐標系下，引進了姿態(tài)誤差。

此外，地磁、重力、地形等地球物理信息具有無積累誤差的特點[3]，可以用此信息對無人艇位置進行不定期的修正，但是該方法定位精度受模型分辨率、測量精度等影響較大，只能用于無人艇的輔助導(dǎo)航。

由此可見，不同的導(dǎo)航方式都有各自的優(yōu)缺點，將INS，DVL 和GNSS 結(jié)合起來的組合導(dǎo)航方式具有更大優(yōu)勢，一方面INS/DVL 可以在GNSS 信號失效時仍然保持較高精度，另一方面，INS/GNSS 可以及時修正DVL 航位推算的誤差。

1.2 近距離目標相對定位技術(shù)研究現(xiàn)狀

對接目標的識別與定位是無人艇自主回收的關(guān)鍵，也是反映其智能化水平的重要體現(xiàn)?；谝曈X的導(dǎo)航定位方式，由于設(shè)備低廉，近距離檢測精度較高，成為當前研究的熱點。Volden[4]基于雙目相機視覺原理設(shè)計了一種港口對接定位系統(tǒng)，使用ArUco 檢測器對標記物進行邊角檢測，雙目邊角特征經(jīng)匹配后，通過三角法進行標志物位姿估計，實現(xiàn)了較高的定位精度。Angry–Nerds[5]基于單目相機和激光雷達數(shù)據(jù)融合原理，通過識別碼頭上的光學標記，實現(xiàn)無人艇與碼頭自動對接的功能。李傳坤[6]基于雙目云臺相機設(shè)計了一種無人艇自主回收對接的方案，雙目視覺識別定位“L”型對接標志的位置，以此推算收放裝置與無人艇的相對位姿。李忠國[7]采用云臺透霧相機、激光測距器實現(xiàn)了無人艇回收由遠及近的導(dǎo)航定位功能，相機導(dǎo)航定位則是基于特定的圓形標志物。

以上都是基于無人艇單方視覺進行回收對接過程的導(dǎo)航定位，除了這種方式外，還有采用無人艇–收放裝置間雙視覺的導(dǎo)航定位方式[8–9]，即無人艇和收放裝置上均設(shè)有視覺感知設(shè)備，兩視覺系統(tǒng)間通過無線通信共享導(dǎo)航信息，實現(xiàn)對接過程更加精確的導(dǎo)航定位。Yu[10]使用雙視覺定位方法，在USV 和對接站分別安裝有大功率紅外光源，便于USV 和對接站上的相機進行成像，之后通過相機成像原理計算USV 與對接站的相對距離與方位，取得較好的對接結(jié)果。徐海彬[11]設(shè)計了一種基于雙視覺的USV 自動回收定位系統(tǒng)，采用托架-USV 雙對準的視覺導(dǎo)引，使對接系統(tǒng)在二級海況的回收成功率達到90%以上。由此可見，基于對接標志識別的視覺相對定位技術(shù)，具備較高近距離目標檢測精度與定位精度，在無人艇近距離對接目標的相對定位中應(yīng)用廣泛。

圖 1 無人艇回收視覺導(dǎo)航定位示意圖Fig. 1 USV visual navigation and positioning schematic

2 總體方案設(shè)計及關(guān)鍵技術(shù)分析

2.1 自主回收導(dǎo)航系統(tǒng)總體設(shè)計

將無人艇自主回收過程劃分為5 個階段，包括返航階段、對接目標搜尋階段、靠近階段Ⅰ、靠近階段Ⅱ和對接階段。在不同的階段，由于場景的不同、傳感器作用范圍的限制以及導(dǎo)航需求精度的差異等，無人艇的導(dǎo)航定位方式也不盡相同。因此，結(jié)合GNSS、DVL、INS 以及視覺導(dǎo)航（VS）的特點，針對回收過程各個階段，設(shè)計導(dǎo)航系統(tǒng)框架如圖2 所示。

圖 2 無人艇回收過程導(dǎo)航系統(tǒng)框架Fig. 2 Framework of navigation system for USV recovery process

1）返航階段

在遠距離返航階段，一般母船會率先將回收地點通過無線通信的方式發(fā)送給無人艇，無人艇在接收到回收地點位置信息后，根據(jù)終點位置規(guī)劃出行駛航跡點。無人艇根據(jù)預(yù)先定義的航跡點，采用INS/GNSS/DVL組合導(dǎo)航方式行駛至母船附近，并將其坐標與當前的GNSS 測量值進行比較。INS/GNSS/DVL 的導(dǎo)航結(jié)構(gòu)，將來自IMU 的導(dǎo)航信息與GNSS 的位置和速度更新以及DVL 的速度信息融合在一起，以此修正IMU 由于未對準、零偏漂移、積分累積等造成的誤差。針對返航過程中GNSS 存在短期信號丟失的情況，INS/GNSS/DVL組合導(dǎo)航退化為INS/DVL 組合導(dǎo)航，待GNSS 數(shù)據(jù)恢復(fù)后，需及時修正系統(tǒng)位置更新。

2）對接目標搜尋階段

在無人艇回歸到母船附近后，母船下放回收吊繩，導(dǎo)航系統(tǒng)轉(zhuǎn)入第二階段，即對接目標搜尋階段。無人艇使用單目相機檢測識別母船下放的吊繩，一旦單目視覺系統(tǒng)識別出目標吊繩，導(dǎo)航系統(tǒng)便由原先的INS/GNSS/DVL 基于航跡點的導(dǎo)航切換到視覺導(dǎo)航模式。在視覺導(dǎo)航模式下，單目視覺系統(tǒng)采用Mean-shift和Kalman 預(yù)測相結(jié)合的方法追蹤目標吊繩，根據(jù)目標追蹤結(jié)果，給出吊繩與無人艇間的粗略相對位置信息，然后根據(jù)該位置信息控制無人艇逐漸向吊繩位置靠攏。在距離吊繩一定距離后（5 m 左右），控制無人艇在該位置停留幾分鐘，以此收集更多吊繩及母船吊放位置處的環(huán)境信息，為進一步的靠攏對接行動提供參考。

在此過程中，如果視覺系統(tǒng)失去對吊繩的視覺鎖定，可隨時使用慣性導(dǎo)航的方式進行短期導(dǎo)航。但是當視覺系統(tǒng)失去輸出超過設(shè)定時間，系統(tǒng)需切換回INS/GNSS/DVL 的導(dǎo)航方式，控制無人艇返回至之前規(guī)劃的最后一個航點，并重新進行對接目標搜索。

3）靠近階段I

無人艇繼續(xù)向吊繩位置靠近，進入到單目相機和TOF 深度相機的共同工作范圍，TOF 深度相機的視場比單目相機大得多，距離目標越近時，檢測效果越好。在此階段，單目相機目標跟蹤區(qū)域大于設(shè)定閾值，可以準確檢測出吊繩上光學標記特征點，并根據(jù)定位算法給出光學標記中心的三維坐標，以此得出吊繩較為精確的位置信息。與此同時，由于TOF 深度相機采集圖像目標區(qū)域較小，單獨使用檢測誤差較大，所以將單目相機檢測的目標區(qū)域（ROI）發(fā)送給TOF深度相機，之后深度相機從單目相機提供的ROI 中處理該部分點云區(qū)域，以此輸出更高精度的吊繩位置信息。

在此階段，由于無人艇與吊繩距離的逐漸縮小，單目視覺更容易失去對目標的跟蹤，如果發(fā)生這種情況且此時GNSS 信號有輸出，則系統(tǒng)切換到INS/GNSS/DVL的導(dǎo)航模式下。如果此時GNSS 信號也由于干擾沒有輸出，則系統(tǒng)默認進入靠近階段II。

4）靠近階段II

在靠近的第二個階段，由于距離吊繩位置更近，單目視覺失去對目標的檢測與定位效果，轉(zhuǎn)而采用光流運動估計的方法估計無人艇的運動信息（類似于視覺里程計）。由于此時TOF 深度相機距離目標更近，可以自行檢測目標的相對位置，不再需要單目相機提供ROI 區(qū)域。因此，在該階段TOF 深度相機在目標檢測與定位中發(fā)揮著主導(dǎo)作用。

5）對接階段

綜合INS/GNSS/DVL 的無人艇定位數(shù)據(jù)與目標檢測的相對定位數(shù)據(jù)，得出吊繩在世界坐標系下的絕對運動，之后根據(jù)吊繩的絕對運動采用運動預(yù)測算法，預(yù)測吊繩對接的平靜期。如果在一定時間段內(nèi)沒有合適的對接窗口，則控制無人艇返回初始目標搜尋位置，重新進行目標搜尋與跟蹤，以確保對接安全。

2.2 關(guān)鍵技術(shù)

2.2.1 無人艇多源導(dǎo)航信息融合技術(shù)

無人艇自身的導(dǎo)航定位技術(shù)貫穿整個自主回收過程，是影響無人艇控制精度的重要因素。無人艇導(dǎo)航系統(tǒng)常用的傳感器有捷聯(lián)慣導(dǎo)、全球衛(wèi)星定位系統(tǒng)、多普勒計程儀、可見光相機等，單獨使用都存在各種弊端，INS/GNSS/DVL/VS 等多源信息組合導(dǎo)航的方法不僅可以克服慣導(dǎo)誤差隨時間累積的問題，還可以在GNSS 信號受到干擾或屏蔽時提供長時的高精度導(dǎo)航信息，在無人艇的導(dǎo)航定位中應(yīng)用越來越廣泛。

多傳感器組合濾波方式分為集中式濾波與分散式濾波，其濾波原理通常采用卡爾曼濾波的方式。集中式卡爾曼濾波包含所有傳感器的量測信息，遵循最優(yōu)估計準則，求解狀態(tài)量的最優(yōu)估計，導(dǎo)航參數(shù)結(jié)果較為精確，但單個濾波器的結(jié)構(gòu)，容錯性差且計算復(fù)雜。而分散式濾波結(jié)構(gòu)較為靈活，運算簡單，具有一定的容錯能力。關(guān)于分散式濾波的改進型濾波方法種類繁多，各有優(yōu)缺點，其中以 Carlson[12]提出的聯(lián)邦卡爾曼濾波應(yīng)用最為廣泛。該方法采用信息分配方式與方差上界技術(shù)，消除局部估計間的相關(guān)性，獲得與集中式精度相當?shù)娜肿顑?yōu)估計。

聯(lián)邦卡爾曼濾波器的狀態(tài)方程、量測方程：

1）時間更新

2）量測更新

3）信息融合

4）信息分配與反饋

信息分配系數(shù)是聯(lián)邦濾波器構(gòu)建的關(guān)鍵，對濾波器的精確度、容錯性和復(fù)雜度等均有影響。傳統(tǒng)聯(lián)邦濾波器信息分配系數(shù)均以固定值的方法進行計算，常見的是根據(jù)系統(tǒng)的子濾波器個數(shù)進行平均分配[13]。但在實際的導(dǎo)航場景中，每個子濾波器的估計精度及對應(yīng)傳感器的精度均不相同，而且伴隨環(huán)境變化，采用傳統(tǒng)的平均比例信息分配方法不能反映各子系統(tǒng)的精度大小，無法得到系統(tǒng)的最優(yōu)估計。因此在實際應(yīng)用中，有必要根據(jù)子濾波器估計精度實時調(diào)整各子濾波器的信息分配系數(shù)，以此調(diào)整各子濾波器估計值的融合權(quán)重，實現(xiàn)自適應(yīng)最優(yōu)狀態(tài)估計的效果?；诖耍O(shè)計INS/GNSS/DVL/VS 等多源導(dǎo)航自適應(yīng)聯(lián)邦濾波結(jié)構(gòu)，如圖3 所示。

圖 3 無人艇回收過程多源導(dǎo)航自適應(yīng)聯(lián)邦濾波結(jié)構(gòu)Fig. 3 Multi-source navigation adaptive federal filtering structure for USV recovery process

2.2.2 近距離視覺相對定位技術(shù)

無人艇導(dǎo)航到母船附近后，需要識別與定位母船上的無人艇對接裝置，該階段一般采用視覺相機進行目標的檢測與識別，提取圖像中的目標特征點，在已知實際目標特征點在目標參考坐標系中位置的情況下，利用圖像特征點與實際目標特征點之間的對應(yīng)關(guān)系，根據(jù)攝像機模型，求取目標到攝像機坐標系的位姿轉(zhuǎn)換關(guān)系，最后獲取目標在攝像機坐標系下的三維坐標。設(shè)計對接裝置，采用單目相機識別與定位吊繩位置，由于吊繩表面特征較少，為增強檢測效果，在與相機視場等高度的吊繩位置周圍布設(shè)圓形光學標記，光學標記每5 個為一組等間距垂直排列，總共4 組分布在吊繩四周，這樣無人艇從各個方位向吊繩靠攏都能檢測到足夠的目標特征點，提高位姿求解精度。

對接開始時，相機距離吊繩較遠，無需提供精確的定位信息，只需給出吊繩在攝像機坐標系中的近似方位信息，以便跟蹤目標；當相機距離吊繩對接標記較近時，可成功提取足夠的特征點，這時可由位姿估計算法求解精確目標信息。整個算法過程如圖4 所示，主要包括：圖像預(yù)處理、目標檢測與跟蹤、特征點檢測與跟蹤、位姿求取、相對位置獲取。

圖 4 單目視覺定位系統(tǒng)算法流程Fig. 4 Algorithm flow of monocular vision localization system

利用n個目標已知特征點估計目標位姿屬于PnP 問題[14–15]。一般根據(jù)圖像特征點與世界坐標系下的對應(yīng)坐標，恢復(fù)出透視投影矩陣，進而得到相應(yīng)的位姿轉(zhuǎn)換關(guān)系。POSIT 算法[16]具有復(fù)雜度較低、收斂速度較快、穩(wěn)定性較高的優(yōu)點，在利用POSIT 算法求取目標位姿時，已知吊繩上5 個垂直排列特征點在目標參考系中的位置（至少需要4 個特征點），采用尺度正交投影模型，將各個特征點的像素點位置和在實際目標中的位置匹配起來，然后通過求解線性方程組得到表征目標物體位姿的旋轉(zhuǎn)矩陣和平移向量的估計值，之后將得到的位姿參數(shù)的估計值為初值，計算出特征點更準確的尺度正交投影點，由此迭代循環(huán)，直到計算結(jié)果滿足精度要求為止。

此外，由于單目相機視場角有限，在吊繩距離較近時，容易失去對目標的跟蹤。而TOF 深度相機視場角較大，比較適合吊繩近距離的檢測，所以采用單目相機和TOF 深度相機的雙視覺冗余定位方法，極大提高了無人艇近距離的目標定位精度。

3 結(jié) 語

無人艇自主回收是個復(fù)雜的工程問題，導(dǎo)航定位系統(tǒng)直接影響著無人艇回收的智能化水平。

1）具有自適應(yīng)能力的多源信息組合導(dǎo)航方法在無人艇回收過程的引導(dǎo)中起著關(guān)鍵作用。要綜合各分系統(tǒng)定位、導(dǎo)航、授時要求和能力，從全系統(tǒng)角度出發(fā)，通過分系統(tǒng)的協(xié)同和信息融合，提升系統(tǒng)抵御電磁干擾和自適應(yīng)能力，防止系統(tǒng)由于受到局部影響而產(chǎn)生的導(dǎo)航、定位能力下降。

2）基于圖像的深度學習檢測方法及視覺相對定位技術(shù)將在無人艇近距離對接引導(dǎo)中發(fā)揮主導(dǎo)作用。探索光照變化強度大、人工標記部分被遮擋以及無人工標記等復(fù)雜環(huán)境下，計算機視覺仍保持較高檢測精度與定位精度的魯棒方法，具有重要的研究意義。

3）多傳感器信息融合技術(shù)是提高導(dǎo)航系統(tǒng)可靠性、魯棒性的有效方法。要根據(jù)無人艇回收過程各階段場景的不同、導(dǎo)航精度的不同，綜合考慮各異構(gòu)傳感器的特點，采用信息挖掘、信息融合等技術(shù)，深度利用各傳感器信息，提供滿足各階段精度要求、高可靠性的導(dǎo)航技術(shù)方案。