本發(fā)明專利技術(shù)涉及基于聲吶輔助自主導(dǎo)航的AUV導(dǎo)航方法，屬于海底探測技術(shù)領(lǐng)域；主要解決現(xiàn)有測繪系統(tǒng)理想探測軌跡與實(shí)際值存在差異的問題。本發(fā)明專利技術(shù)利用iSAM算法運(yùn)行常數(shù)項(xiàng)步數(shù)的策略，將目標(biāo)區(qū)域進(jìn)行分塊，使處于局部測繪區(qū)域的AUV對選擇繼續(xù)探索未知區(qū)域還是回訪之前的海底環(huán)境做出智能化的決策，兼顧海底導(dǎo)航性能和目標(biāo)區(qū)域覆蓋率兩種競爭訴求，為解決海底運(yùn)動觀測時定位誤差累計(jì)這一關(guān)鍵技術(shù)問題提供了可行性方案。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及基于聲吶輔助自主導(dǎo)航的AUV導(dǎo)航方法，屬于海底探測
技術(shù)介紹
目前AUV執(zhí)行測繪任務(wù)時，理想探測軌跡與實(shí)際探測軌跡往往存在差異。理論上 按照預(yù)先設(shè)定軌跡可以提供對目標(biāo)海域的100%有效覆蓋，但其中隱含的假設(shè)是航行中任 何一點(diǎn)都滿足有界誤差性能，在實(shí)際的調(diào)查任務(wù)中，由于對目標(biāo)區(qū)域中真實(shí)海底環(huán)境的特 征分布是一無所知的，倘若移動觀測設(shè)備沒有精準(zhǔn)的定位，就沒有高質(zhì)量高準(zhǔn)確度的海底 地形地貌圖。因此如何提高移動觀測設(shè)備的定位準(zhǔn)確性成為移動探測領(lǐng)域所面臨的技術(shù)焦 點(diǎn)和瓶頸問題。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于克服現(xiàn)有AUV導(dǎo)航模塊存在的上述缺陷，提出了一種基于聲吶 輔助自主導(dǎo)航的AUV導(dǎo)航方法，彌補(bǔ)了現(xiàn)有測繪系統(tǒng)理想探測軌跡與實(shí)際值存在差異的問 題，本專利技術(shù)利用iSAM算法（incremental Smoothing and Mapping，遞增平滑與地圖構(gòu)建算 法）運(yùn)行常數(shù)項(xiàng)步數(shù)的策略，將目標(biāo)區(qū)域進(jìn)行分塊，使處于局部測繪區(qū)域的AUV對選擇繼續(xù) 探索未知區(qū)域還是回訪之前的海底環(huán)境做出智能化的決策，兼顧海底導(dǎo)航性能和目標(biāo)區(qū)域 覆蓋率兩種競爭訴求，為解決海底運(yùn)動觀測時定位誤差累計(jì)這一關(guān)鍵技術(shù)問題提供了可行 性方案。 本專利技術(shù)所述的基于聲吶輔助自主導(dǎo)航的AUV導(dǎo)航方法，包括如下步驟： 步驟一、AUV潛入海底，側(cè)掃聲吶工作，對海底圖像特征進(jìn)行采集； 步驟二、將高維海底聲吶探測圖像數(shù)據(jù)進(jìn)行降維處理； 采用詞袋BoW(Bag of Words)局部特征表達(dá)模型來描繪海底探測圖像，以滿足對 海量觀測信息的快速的反應(yīng)能力； 步驟三、分別計(jì)算兩側(cè)聲吶圖像的特征顯著率： 采用歸一化圖像熵來表示聲吶圖像的特征顯著率， 其中I ω I表示聲吶觀測圖像中的局部特征總數(shù)，l〇g2| ω I為特征均勻分布時獲得 的最大熵，P(Wl)為局部特征的先驗(yàn)概率密度函數(shù)，圖像熵表 示聲吶探測圖像中特征的多樣性；將上述特征顯著率的計(jì)算結(jié)果與自定義閾值進(jìn)行比較， 產(chǎn)生具有顯著特性的聲吶觀測節(jié)點(diǎn)； 步驟四、當(dāng)航行器航行100步時，計(jì)算其當(dāng)前航行的不確定度P，并與不確定閾值 P。進(jìn)行比較： 其中I ΣΜΡ|為自航式測繪系統(tǒng)探索時位姿的一步預(yù)測協(xié)方差的模，I sallcJ表示 其位姿允許協(xié)方差的模；如果不確定度大于等于不確定閾值，則導(dǎo)航?jīng)Q策AUV重訪某顯著 性位姿點(diǎn)；如果不確定度小于此不確定閾值，則導(dǎo)航?jīng)Q策AUV繼續(xù)探索。 步驟五、AUV根據(jù)步驟四的決策進(jìn)行探索或回訪： 若AUV導(dǎo)航?jīng)Q策判決為回訪，則根據(jù)最終得到回訪點(diǎn)和之前得到的回訪路徑進(jìn)行 回訪。然后原路返回。將之前探索的區(qū)域標(biāo)記為已探索過的區(qū)域，然后再繼續(xù)進(jìn)行未知區(qū) 域的探索；若AUV導(dǎo)航?jīng)Q策判決為繼續(xù)探索，則AUV繼續(xù)連續(xù)探索100步后，同時也將之前 探索過的所有區(qū)域，標(biāo)記為已探索過的區(qū)域，然后轉(zhuǎn)向步驟四。 進(jìn)一步地，步驟二中，采用詞袋BoW局部特征表達(dá)模型來描繪海底探測圖像的過 程分為三部分： 第一部分，利用SURF (Speeded Up Robust Features,快速魯棒性特征）算法從探 測聲吶圖像中提取海底詞匯向量，這些向量代表的是聲吶圖像中局部不變的特征點(diǎn)； 第二部分，將提取到的特征映射到字典樹； 第三部分，利用海底聲吶觀測圖像提取的局部特征生成典型樣本，將典型樣本對 應(yīng)不同詞匯；通過此種方法將高維海量海底探測數(shù)據(jù)映射到低維。 進(jìn)一步地，步驟四中顯著性位姿點(diǎn)的選取將由100步運(yùn)行的不確定度的總和和 100步內(nèi)區(qū)域覆蓋率決定；AUV航行100步，再進(jìn)行與閾值之間的比對，而不選擇每一步都進(jìn) 行比較，是因?yàn)閷τ诖罅康膱D像信息的處理不僅需要耗費(fèi)時間，而且隨著時間的推移，計(jì)算 總的位姿不確定度的復(fù)雜度越來越高，因此選擇只對當(dāng)前100步進(jìn)行一次導(dǎo)航?jīng)Q策，使計(jì) 算復(fù)雜度可控。 此回訪顯著性位姿點(diǎn)的選取步驟如下： a，對步驟三得到的顯著性聲吶觀測節(jié)點(diǎn)進(jìn)行聚類，得到候選回訪點(diǎn)。 b，對候選回訪點(diǎn)進(jìn)行路徑規(guī)劃。 c，計(jì)算到每個候選回訪點(diǎn)的總不確定度禮& 候選回訪點(diǎn)的總的不確定度由三部分組成，包括里程計(jì)信息矩陣、聲吶信息矩陣 以及iSAM信息矩陣。 d，計(jì)算子區(qū)域覆蓋率。 子區(qū)域覆蓋率，即水下航行器在1〇〇步之內(nèi)對已探索的區(qū)域和探索目標(biāo)區(qū) 域的比值。其中子探索目標(biāo)區(qū)域Asub_t # &為當(dāng)前100步探索的區(qū)域和未探索區(qū)域的總和， 也就等于總的目標(biāo)區(qū)域減去已探索過的區(qū)域，則子區(qū)域覆蓋率的表達(dá)式為：當(dāng)AUV進(jìn)行探索時，尤的值為0 ;當(dāng)水下航行器進(jìn)行回訪時，.的值 為l(pk)與D的乘積。其中，l(Pk)是由回訪第kth個節(jié)點(diǎn)所增加的期望路徑的長度，D是聲 納的視圖寬度值，尤是通過回訪行為所產(chǎn)生的預(yù)計(jì)的冗余覆蓋區(qū)域。 e，確定回訪點(diǎn)k。 懲罰因子的由兩部分組成，一部分是水下航行器運(yùn)動的不確定度參數(shù)Ρ|，另一部 分則是子區(qū)域覆蓋率°懲罰項(xiàng)的表達(dá)式為： 其中α是權(quán)重。 懲罰項(xiàng)取相反數(shù)即可得到綜合回饋值。即： Rk=-Ck 最后，重訪問的第P個節(jié)點(diǎn)被定義為最小的綜合回饋值，即： k*= arg max Rk= arg min Ck 其中k e {〇, 1，2... Nwp}，當(dāng)k = 0時對應(yīng)回訪行為。 另外，進(jìn)行下一次探索之前，將當(dāng)前位置設(shè)置為局部起始點(diǎn)，忽略已探索過的區(qū) 域。 本專利技術(shù)的有益效果是：本專利技術(shù)提出的基于聲吶輔助自主導(dǎo)航的導(dǎo)航方法，其采用 iSAM算法預(yù)期測繪位置精度較同配置卡爾曼濾波方法可提高30%以上。本專利技術(shù)克服了傳 統(tǒng)導(dǎo)航模塊單一的期望通過提高導(dǎo)航性能來獲得高準(zhǔn)確度的海底地形地貌測繪信息的缺 陷，提高導(dǎo)航性能，具有定位的高度一致性，并兼顧了目標(biāo)覆蓋率，使100%最大航程范圍內(nèi) 累計(jì)誤差可控。本專利技術(shù)可為進(jìn)行高質(zhì)量高準(zhǔn)確度的地形地貌探測奠定堅(jiān)固的技術(shù)基礎(chǔ)。【附圖說明】 圖1是本專利技術(shù)流程示意圖。 圖2是探索/回訪行為選擇原理示意圖。【具體實(shí)施方式】 下面結(jié)合附圖對本專利技術(shù)作進(jìn)一步說明。 如圖1-2所示，本專利技術(shù)所述的基于聲吶輔助自主導(dǎo)航的AUV導(dǎo)航方法，包括如下步 驟： 步驟一、AUV潛入海底，側(cè)掃聲吶工作，對海底圖像特征進(jìn)行采集； 步驟二、將高維海底聲吶探測圖像數(shù)據(jù)進(jìn)行降維處理： 采用詞袋BoW局部特征表達(dá)模型來描繪海底探測圖像，以滿足對海量觀測信息的 快速的反應(yīng)能力； 步驟三、分別計(jì)算兩側(cè)聲吶圖像的特征顯著率： 采用歸一化圖像熵來表示聲吶圖像的特征顯著率， 其中I ω I表示聲吶觀測圖像中的局部特征總數(shù)，l〇g2| ω I為特征均勻分布時獲得 的最大熵，P(Wl)為局部特征的先驗(yàn)概率密度函數(shù)，圖像熵表 示聲吶探測圖像中特征的多樣性；將上述特征顯著率的計(jì)算結(jié)果與自定義閾值進(jìn)行比較， 產(chǎn)生具有顯著特性的聲吶觀測節(jié)點(diǎn)； 步驟四、當(dāng)航行器航行100步時，計(jì)算其當(dāng)前航行的不確定度P，并與不確定閾值 P。進(jìn)行比較： 其中| Σ_|為自航式測繪系統(tǒng)探索時位姿的一步預(yù)測協(xié)方差的模，| XallcJ表示 其位姿允許協(xié)方差的模；如果不確定度大于等于不確定閾值，則導(dǎo)航?jīng)Q策AUV重訪某顯著 性位姿點(diǎn)；如果不確定度小于此不確定閾值，則導(dǎo)航?jīng)Q策AUV繼續(xù)探索。 a，對步驟三得到的顯著性聲吶觀測節(jié)點(diǎn)進(jìn)行聚類，得到候選回訪點(diǎn)； b，對候選回訪點(diǎn)進(jìn)行路徑規(guī)劃； c，計(jì)算到每個候選本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種基于聲吶輔助自主導(dǎo)航的AUV導(dǎo)航方法，其特征在于，包括如下步驟：步驟一、AUV潛入海底，側(cè)掃聲吶工作，對海底圖像特征進(jìn)行采集；步驟二、將高維海底聲吶探測圖像數(shù)據(jù)進(jìn)行降維處理：采用詞袋BoW局部特征表達(dá)模型來描繪海底探測圖像，以滿足對海量觀測信息的快速的反應(yīng)能力；步驟三、分別計(jì)算兩側(cè)聲吶圖像的特征顯著率：采用歸一化圖像熵來表示聲吶圖像的特征顯著率，S=Σip(ωi)log2p(ωi)log2|ω|]]>其中|ω|表示聲吶觀測圖像中的局部特征總數(shù)，log2|ω|為特征均勻分布時獲得的最大熵，p(wi)為局部特征ωi的先驗(yàn)概率密度函數(shù)，圖像熵表示聲吶探測圖像中特征的多樣性；將上述特征顯著率的計(jì)算結(jié)果與自定義閾值進(jìn)行比較，產(chǎn)生具有顯著特性的聲吶觀測節(jié)點(diǎn)；步驟四、當(dāng)航行器航行100步時，計(jì)算其當(dāng)前航行的不確定度P，并與不確定閾值P0進(jìn)行比較：P=|Σa-|16=|Σexp|16,P0=|Σallow|16]]>其中|Σexp|為自航式測繪系統(tǒng)探索時位姿的一步預(yù)測協(xié)方差的模，|Σallow|表示其位姿允許協(xié)方差的模；如果不確定度大于等于不確定閾值，則導(dǎo)航?jīng)Q策AUV重訪某回訪顯著性位姿點(diǎn)；如果不確定度小于此不確定閾值，則導(dǎo)航?jīng)Q策AUV繼續(xù)探索；步驟五、AUV根據(jù)步驟四的決策進(jìn)行探索或回訪：若AUV導(dǎo)航?jīng)Q策判決為回訪，則根據(jù)最終得到回訪點(diǎn)和之前得到的回訪路徑進(jìn)行回訪；然后原路返回；將之前探索的區(qū)域標(biāo)記為已探索過的區(qū)域，然后再繼續(xù)進(jìn)行未知區(qū)域的探索；若AUV導(dǎo)航?jīng)Q策判決為繼續(xù)探索，則AUV繼續(xù)連續(xù)探索100步后，同時也將之前探索過的所有區(qū)域，標(biāo)記為已探索過的區(qū)域，然后轉(zhuǎn)向步驟四。...
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：何波，郭佳，年睿，沈鉞，沙啟鑫，高強(qiáng)，馮晨，
申請(專利權(quán))人：中國海洋大學(xué)，
類型：發(fā)明
國別省市：山東;37
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。