CN105264336A - 具有lidar的水下平台和相关方法 - Google Patents

Abstract

使用安装在诸如AUV、ROV或三脚架的水下平台上的3D激光器来进行海底和其它水下结构的自主水下检查的系统和方法。本文所描述的所述系统和方法能够被用于扫描水下结构以取得对所述水下结构的更好理解，诸如例如，为了避免水下运载工具与所述水下结构碰撞并且为了引导所述水下结构的检查、修理和操纵。

Description

具有LIDAR的水下平台和相关方法

技术领域

本公开涉及在水下平台上使用LIDAR来进行海底和其它水下结构的检查。由LIDAR产生的数据能够被用于许多目的，包括但不限于获得关于水下运载工具相对于水下结构的位置和取向的信息或者获得关于是否已发生水下结构的结构变化的信息。

背景技术

在水下运载工具上采用3D声纳来进行海底和其它水下结构的检查的系统和方法是从WO2012/061069、WO2012/061097、WO2012/061099、WO2012/061137、WO2012/061135和WO2012/061134中获知的，通过引用将其中的每一个整体地并入本文。在WO2012/061134和WO2012/061135中，由3D声纳产生的数据被用于获得关于水下运载工具相对于水下结构的位置和取向或关于是否已发生水下结构的结构变化的信息。

发明内容

本公开涉及使用3D激光来进行海底和其它水下结构的检查的系统和方法。具体地，描述了涉及使用3D激光的自主水下检查(即光检测与测距(或LIDAR)，还被称为激光检测与测距(或LADAR))的系统和方法。如贯穿本公开所使用的术语LIDAR、LADAR和3D激光(或类似物)旨在为彼此同义的。

本文所描述的系统和方法使用诸如包括但不限于自主水下运载工具(AUV)、远程操作运载工具(ROV)或潜水员操作设备的运动水下运载工具的适合的水下平台或诸如三脚架的其它水下平台来执行。所以尽管以下描述可以具体地参照AUV，但是能够使用其它类型的水下平台(无论是固定的还是静止的)来采用本文所描述的系统和方法。如本文所使用的，ROV是能够通过电缆被系到宿主(诸如水面舰艇)的远程操作水下运载工具。ROV是空着的并由在宿主上的领航员操作。例如，系链能够在宿主与ROV之间来回携带电力(代替或以便补充自备式系统上的电池电力)、视频和数据信号。如本文所使用的，AUV是无人的并且未被系到宿主船的自主水下运载工具。

本文所描述的系统和方法能够被用于扫描水下结构以取得对水下结构的更好理解，诸如例如，为了避免水下运载工具与水下结构碰撞并且为了引导所述水下结构的检查、修理和操纵。

所描述的系统和方法能够被用于扫描任何类型的水下结构。例如，水下结构包括人造物体，诸如海上石油平台支撑结构以及支柱和油井相关设备，以及诸如水下山脉的自然物体，并且能够包括完全或部分地水下的结构。水下结构还能够包括例如可能在水下环境中经历漂移的静止结构和非静止结构二者。更一般地，水下结构意在包含具有深度变化并且可能具有变动复杂性的任何任意的三维结构。

如本文所使用的，术语水下包括水下结构可以位于其中并且可能需要使用本文所描述的系统和方法来扫描的任何类型的水下环境，包括但不限于诸如大海和海洋的咸水位置以及谈水位置。

在一个实施方式中，一种方法包括以下步骤：将来自安装在水下平台上的3D激光器的至少激光束脉冲导向水下结构；以及检测冲击在所述水下结构的一部分上并从所述水下结构的一部分反射的光。数据点是根据所检测到的反射光获得的，其中所述数据点可处理以提供所述水下结构的所述部分的扫描三维虚拟模型。所获得的所述数据点与所述水下结构的原有三维虚拟模型对准。

在一个实施方式中，基于所述对准，做出关于所述水下平台相对于所述水下结构的位置和取向(即姿态)的估计。

在另一实施方式中，在所述数据点的所述对准之后，所述扫描三维虚拟模型被创建并且与所述原有三维虚拟模型进行比较，以便检测所述水下结构中的结构变化的发生。

在另一实施方式中，一种系统包括水下平台和安装在所述水下平台上的三维激光系统。所述激光系统包括用于向水下结构投射多个激光束脉冲的可操纵激光器和检测从所述水下结构反射的光的光检测器。点云数据存储部与所述激光系统通信以便存储由所述激光系统生成的点云数据，并且数据处理器与所述点云数据存储部通信，所述数据处理器对来自所述数据存储部的点云数据进行处理。所述数据处理器被构造为(例如通过执行固件或软件或其它编程代码)估计所述水下平台相对于所述水下结构的位置和取向并且确定是否已发生所述水下结构中的结构变化。

附图说明

图1例示了本文所描述的基于AUV的3D激光检查系统的示例。

图2是示出了3D激光器在挂架(pylon)中的布置的从AUV移除的AUV挂架的顶视图。

图3示出了用于3D激光器的光学器件的压力容器。

图4示出了用于控制3D激光器的电子装置的压力容器。

图5是示出了3D激光器的取向的AUV的正视图。

图6例示了3G激光器在连续线扫描模式下的操作。

图7例示了3D激光器在领结(bowtie)模式下的操作。

图8是例示了3D激光器在全扫描模式下的操作的AUV的侧视图。

图9是例示了在全扫描模式下的操作的AUV的正视图。

图10是示出了在全扫描模式下的前视视图的AUV的顶视图。

图11是说明用于进行管线检查的取向的一个实施方式的AUV的正视图。

图12例示了AUV上的3D激光器与其它子系统之间的示例性接口。

图13A至图13C例示了激光在扫描在各种方位的管形物体时的覆盖范围。

图14是用于估计姿态或检测结构变化的方法的实施方式的流程图。

图15是可以在图14的方法中采用的使来自反射光波的点云数据与水下结构的原有模型对准的实施方式的流程图。

图16是可以在图14的方法中采用的对点云数据的示例性过滤处理的流程图。

图17是具有3D激光器的AUV的示意描绘。

图18例示了被用于将从点云数据产生的扫描的3D虚拟模型与原有3D虚拟模型进行比较以指示是否已发生水下结构的结构变化的变化检测模型的单元的示意空间表示的实施方式。

图19是可以采用图18中的单元的空间表示的用于检测水下结构的结构变化的示例性实施方式的流程图。

具体实施方式

图1例示了自行式AUV2被布置在水下以便进行水下结构的检查的基于AUV的3D激光检查系统1(还被称为LIDAR或LADAR)的示例。LADAR系统的构造、操作和使用在本领域中是公知的，包括测量激光束的投射与反射的检测之间的时间来确定距离，以及使用LADAR来生成3D虚拟模型。下面还讨论的点云是从所投射的激光束脉冲的角度和时间、所检测到的脉冲的时间以及由运载工具导航系统报告的传感器的位置生成的。

AUV2能够被用于检查任何水下结构。水下结构的示例包括但不限于包括多个支撑腿的平台支撑结构3、水下管线4、水下设施5和其它水下结构。AUV2操作能够由水面舰艇或其它非水下运载工具支撑，所述水面潜艇或其它非水下运载工具进而能够与又能够与陆基设施通信的卫星通信。此通信链仅是示例性的，并且能够利用其它通信链。

AUV2装配有包含用于进行水下结构的3D激光检查的3D激光系统的挂架6。AUV2可以是被构造用于进行水下行进和操作并且能够支撑3D激光系统的任何水下运载工具。在一个非限制性示例制，具有能够容纳3D激光系统的挂架的AUV是可购自马里兰州贝塞斯达的洛克希德马丁公司的AUV。3D激光系统不限于在挂架6内并且不限于位于AUV2内。相反，能够将3D激光系统安装在AUV2上的任何适合的位置处，包括在AUV2的外部上。

AUV能够使用任何适合的3D激光系统。在一个非限制性示例中，被使用的3D激光系统能够基于由科罗拉多州博尔德的3DAtDepth,LLC生产的深度感知3D激光器。深度感知3D激光器在多达3000米的深度下提供勘测质量3D数据收集。深度感知激光器包括脉冲激光器、激光接收器电子装置(例如，用于检测反射光的装置，诸如光电检测器)以及处理软件和算法。

尽管在本文中描述并在所例示的实施方式制示出了AUV，但是能够将3D激光系统安装在包括但不限于诸如ROV的其它自行式平台或诸如三脚架的非自行式平台的其它水下平台上。

AUV2以及诸如水面舰艇和/或陆基设施的支撑子系统能够单独地或相结合地提供有以下功能和能力。

·AUV执行一般的3D映射和检查。

·AUV执行检查和测量的关闭。

·表面舰艇和/或其它支撑子系统能够显示AUV上的前视声纳、3D声纳、3D激光器和静止图片相机的操作状态。

·表面舰艇和/或其它支撑子系统能够使得AUV的操作员能够命令3D激光器的操作，包括但不限于连续扫描模式、全扫描模式或领结扫描模式。

·表面舰艇和/或其它支撑子系统能够生成多分辨率模型，其中模型的不同部分根据声纳、激光或融合优化的数据集是否可用于模型的该部分而具有不同的分辨率。

·AUV能够有在预定距离的范围下具有预定尺寸或更大尺寸的、未被现有结构围绕的正异常(即，不基于原有模型预期但是出现在所生成的数据中的结构)的统计性能检测的能力。

·AUV能够有在预定距离的范围下具有预定尺寸或更大尺寸的、未被现有结构围绕的负异常(即，出现在原有模型上但是未出现在所生成的数据中的结构)的统计性能检测的能力。

·AUV能够有靠近在预定距离的范围下预定尺寸的现有结构的正异常的统计性能检测的能力。

·AUV能够有靠近在预定距离的范围下预定尺寸的现有结构的负异常的统计性能检测的能力。

一旦已经根据3D映射扫描识别了异常，AUV就能够自主地或根据来自支撑子系统的命令重新规划路径，以再访问在适于高清晰度光学虚像的收集的独立距离处的这些区域。

在一个示例性实施方式中，在AUV在水中的同时激光数据的处理将不发生。在此示例中，原始传感器数据将由支撑子系统(例如，宿主表面舰艇或陆基设施)存储并处理成点云。然后能够对点云进行后处理以用于模型构建和变化检测。如果激光数据的实时变化检测是期望的，则可能在AUV上发生激光数据的实时处理。

AUV能够被构造为自主地执行地下结构的检查出击，从而检测和报告结构异常并且收集详细的检查数据以用于分析。根据要检查的水下结构，AUV能够提供有用于许可检查的适合的检查包。

参照图2至图4，挂架6在其中包含3D激光系统10。在所例示的示例中，能够使3D激光系统10的电子装置和光学器件分离到两个独立的外壳中，所述外壳包括包含用于3D激光器(包括激光发射器和反射光检测器)的光学器件的光学器件压力容器外壳12，以及包含用于操作和控制激光器的电子装置的电子装置压力容器外壳14。

能够按照操作场景以任何轴向传感器角度安装激光器。在一个实施方式中，如图5所示，能够以大约45度的侧俯视角度α安装光学器件外壳12的激光器。这样的侧视角度将提供关注区域的垂直方面和水平方面的良好覆盖范围。激光器被例示为被安装以便指向左舷，但是它能够被安装以便看到右舷、前方、尾部、后方或上方。

在一个实施方式中，能够提供激光器安装角度的机动控制。参照图3，光学器件外壳12包含提供激光束的离轴指向的可操纵反射镜组件16。在图5所例示的一个示例中，向下折转组件16能够提供提供例如与外壳垂直大约±15度的操作X的合成窗口的垂直光栅扫描以及例如与外壳轴向成大约0至15度的前向光栅扫描。前向扫描器操作和垂直扫描器操作二者可以是完全可编程的，以满足变动操作模式。

在一个实施方式中，3D激光器10能够具有下列中的一个或更多个：

·“侧视”能力。

·使得传感器能够被用作独立单元或“黑盒”的以太网应用可编程接口(API)。

·多达大约300米深度能力

·能够在人眼安全模式下操作

·包括安全联动装置以始终确保安全操作。

·应该使电噪声最小化并且维持信号完整性。

·足够用于变化AUV速率、距离和扫描器构造的斑点覆盖范围。

参照图4，电子装置外壳14提供与AUV2的电力和通信接口并且还与光学器件外壳12接口对接。

能够将3D激光器10控制为任何适合的操作模式，包括但不限于以下三个示例性操作模式：

·连续扫描模式

·领结模式

·全扫描模式

以太网应用编程接口(API)将使得扫描模式能够被调整。

参照图6，连续扫描模式利用AUV2的前向运动来提供完全可编程的线扫描垂直扫描操作。在连续扫描模式下，通过由正被检查的水下结构的部分反射的激光生成的激光返回数据在各个扫描线之后被从电子装置传送到主机处理器。这被称为重新武装时间。能够应用每个垂直扫描线的轻微前向跟踪校正来提供几乎垂直的扫描图样以产生更对称的总体扫描图样。图6例示了针对垂直目标的连续扫描模式。

参照图7，例示了作为连续扫描模式的改编的领结扫描模式。领结扫描模式给完全可编程的线扫描操作提供交错前向指向。此模式提供可用作导航辅助设备的快速扫描和全视场操作。如图7所描绘的，激光束通过从位置1开始并且一般地横向于AUV的行进方向移向位置2的“领结”图样扫掠。从位置2起激光束以与位置3成一个角度扫掠，后面是从位置3到位置4的横向扫掠，通过从位置4回到位置1的有角度扫掠结束。领结图样的特性可以是完全可编程的，并且在一个实施方式中，四个扫掠段中的每一个包含相等数量的激光脉冲。

参照图8至图10，例示了与连续扫描模式类似地起作用的全扫描模式。然而，在全扫描模式下，前向跟踪角度在垂直通过之间步进以捕获给定目标的高级细节，或者以迅速地捕获更大视场。如在连续扫描模式下一样，重新武装操作在完整扫描之后而不是在各个垂直通过之后发生。在全扫描模式下，前向跟踪扫描角度θ可以例如从大约0度步进到15度。全扫描模式对于扫描速率以及前向和垂直覆盖范围角度来说是完全可编程的。尽管针对侧扫描取向标记为“垂直的”，但是光栅扫描运动仍然被认为是“交叉跟踪”。能够根据关注目标俯视地或在旋转取向上安装激光器。另外，还能够提供传感器针对中间调整和目标覆盖范围的每个应用的机动移动。

如以上所指示的，使用传感器的整个视场提供目标表面的更好覆盖范围。确定了扫描图样对残余点云误差没有影响。优选的是，所选择的扫描图样应该使用视场的两个极限值，提供高数据速率，并且在典型的操作范围和速率下提供结构的均匀采样。为了使最高数据速率变得可能，应该使扫描线之间的停歇时间最小化。为了以最小停歇时间扫描视场的一侧然后扫描另一侧，能够使用对角扫描线。基于这些因素，已确定了在许多情况下领结扫描图样可能是优选的扫描图样。

能够经由例如TCP/IP以太网协议从激光器10发送和接收命令和控制的通信分组。激光器能够配置有用于其网络连接的静态IP地址。激光器能够为特定命令提供命令确认响应分组，这被称为遥测。另外，激光器能够以规则间隔提供“内务”遥测分组来描述激光器的当前操作状态。为了激光测距准确性并且确定激光器的安全操作条件，还能够向激光器发送环境信息。另外，能够在AUV与激光器之间采用时间同步。时间同步被利用以便使当前激光指向和测距信息与AUV的当前位置和取向同步。

图12例示了AUV上的3D激光器10与其它子系统之间的示例性接口。例如，能够在激光器10与AUV控制模块18之间传送时间同步信号、激光功率控制和其它信号，同时能够在激光器10与AUV感知模块20之间传送激光控制信号和环境数据信号。

激光器能够通过例如以太网分组与AUV模块18、20进行通信。所有命令和遥测分组能够包括分组报头和分组数据。命令分组在AUV2上生成并且通过TCP/IP接口发送到激光器10。激光器将利用描述命令的通过/失败状态的响应遥测分组对所有命令分组做出响应。

遥测分组在激光器10上生成并且通过TCP/IP接口发送到AUV模块18、20。将响应于命令而发出一些遥测分组，并且将以规则间隔发送其它遥测分组，诸如内务分组。

当构建3D虚拟模型时，应该使以下误差源最小化：

传感器噪声(方位噪声、高程噪声和距离噪声)

盐度和温度梯度

3D激光系统与AUV导航系统之间的时间同步误差

导航误差

校准误差

3D模型表示误差(可能成为可忽视的)

独立任务由于GPS误差而具有不同的初始位置误差。两个任务之间的差可以容易地为几米。数据集彼此对准是自动化变化检测所需要的。

还能够选择将使定时误差保持在例如1ms以下的AUV的3D激光系统与导航系统之间的时间同步方法。常规的时间同步技术能够被用于实现同步。

校准误差是3D激光系统的姿态相对于导航系统的姿态的测量结果的误差。为了减小校准误差，比较了离线(陆地)校准测量方法和联机校准测量方法。联机校准方法被认为是优选的，因为它消除在一次脱机对准之后通过物理不对准引入的任何误差。

参照图13A至图13C，遍及全系列方位扫描使所感测到的区域最大化。图13A例示了当在单一方位上扫描物体时的覆盖范围区域。图13B例示了当在全系列方位上扫描时的覆盖范围区域。如图13C所示，当在结构的拐角处遍及该全系列方位扫描时提供更进一步的覆盖范围。

使用具有LADAR的AUV来估计AUV相对于水下结构的位置和取向

在AUV2的示例性使用中，需要能够安全地操作在海底结构周围的AUV、ROV或其它水下运载工具，特别是当所述结构非静止时。为了安全地操作靠近结构的水下运载工具，你需要知道AUV相对于结构的位置和取向(姿态)。另外，你需要知道相对于结构的姿态以随着时间的推移而组合传感器信息。传感器信息的安全操作和组合实时地(通常在一秒以内)需要此信息以便实现机动命令。

在本文所描述的实施方式中，3D激光器针对各个激光脉冲产生至少一个数据点，其中多个数据点被组合以产生结构的全深度虚拟模型。这通过使数据点与结构的存储3D虚拟模型对准来许可姿态的估计并且不需要GPS、Dopier或惯性传感器。详细结构中的变化和3D数据中的噪声由于存储3D虚拟模型与由3D激光器产生的数据点之间的差异而使对准处理复杂化。对准过程因由3D激光器提供的不同的水平空间分辨率和垂直空间分辨率而更复杂。

在另选的实施方式中，不是使用针对各个激光脉冲产生至少一个数据点的3D激光器，而是能够使用从单个激光脉冲产生多个数据点的3D激光系统，例如闪光LADAR系统。

针对水下运载工具的姿态估计当前基于惯性多普勒测速仪(DVL)或诸如USBL的基准信标。本文所描述的方法在诸如DVL、USBL和LBL的导航设备不可用或不期望的情形下有用。

姿态估计的当前应用使用等深或3D成像声纳数据来应用。根据等深声纳估计运载工具姿态的那些应用通过将线扫描数据的2.5d插入码匹配在一起来这样做。这些插入码是基于来自惯性、GPS或Dopier速率传感器的导航/姿态信息而创建的。此方法对3D激光数据或对诸如具有许多深度变化的抽油装置或支柱的复杂3D结构不起作用。根据3D成像声纳估计运载工具姿态应用类似的方法，但是由于传感器的分辨率极限而不能够实现所提出的方法的准确性。

在3D激光器的情况下，因为不需要DVL或基准信标，所以能够远离海底并且在没有信标的附加硬件要求的情况下使用此方法，并且因为它产生相对于已建模结构的姿态，所以它还能够被用于为在不固定的结构周围的水下运载工具导航。此技术在非静态条件下使得能实现复杂刚性水下结构的AUV和ROV导航和传感器数据集成。

图14示出了用于估计水下运载工具相对于水下结构的位置和取向的方法30的一个实施方式的流程图。一般而言，通过使用水下运载工具的惯性导航能力、3D激光传感器以及使由3D激光传感器获得的数据点与水下结构的原有3D虚拟模型对准的处理器来执行该方法。在许多情况下，能够实时地(常常在大约一秒并且有时更少时间内)执行该方法。例如，从3D激光器发出激光脉冲使得它们冲击在关注结构上、检测被结构的一部分反射的光32以生成数据点云34、对数据进行过滤以及使数据点与现有模型对准36的过程可以在大约一秒或更少时间内完成。

方法30包括将来自3D激光器的激光脉冲导向水下结构使得它们冲击在该结构的一部分上。检测从结构反射的光32，从而生成数据点云34。能够对这些点云进行处理以生成三维虚像。3D激光器可以是能够从来自透射光脉冲的反射光创建3D图像的任何3D激光器。适合的3D激光器的示例是由科罗拉多州博尔德的3DAtDepth,LLC生产的深度感知3D激光器。然而，如以上所指示的，还能够使用闪光LADAR系统。应当了解，3D激光器能够被布置为使得它指向水下结构，使得它能够在该水下结构处发送激光脉冲并且能够被取向在如以上所讨论的各种期望角度和与该水下结构相距的距离处。

应当了解，惯性导航系统是已知的，并且被用于确定水下结构的位置、取向和速率(例如，移动的方向和速度)。惯性导航系统能够包括面向下以用于在确定速率时使用的多普勒测速仪(DVL)，但是应当了解，惯性导航系统可以是能够确定位置、取向和速率(例如，移动的方向和速度)的任何系统。适合的惯性导航系统的示例是可购自Kearfott公司的SEADeVil。

一旦反射光由3D激光器的光传感器检测到，就获得了适合于形成水下结构的扫描的3D虚拟模型的数据点。这些数据点然后与水下结构的原有3D虚拟模型对准36。通过通常使这些数据点与原有3D模型对准，知道所估计的姿态相对于正被扫描的结构的那个部分怎样。

参照比较步骤36，在一个实施方式中来自3D激光器的数据点通过利用原有3D模型对数据进行拟合的迭代过程而与水下结构的原有3D虚拟模型对准。在一些实施方式中，此迭代过程能够基于来自单个3D激光脉冲的数据(例如在闪光LADAR的情况下)。在另一实施方式中，迭代过程基于来自多个3D激光脉冲的数据。基于对准，确定并且能够更新水下运载工具相对于水下结构的位置和取向38。

参照原有3D虚拟模型，假定了原有3D虚拟模型可用于与由3D激光器生成的数据对准。应当了解，原有3D虚拟模型的源能够变化。在一个示例中，原有3D虚拟模型在启动水下运载工具的位置和取向的估计时存在，诸如例如来自可从计算机辅助设计软件获得的电子文件。例如，当水下结构的第一基准模型被用于执行模型结构的稍后比较时，情况可能是这样的。在其它示例中，原有3D虚拟模型在生成水下结构的3D虚拟模型或者更新位置和取向之后可用，这通过步骤32、步骤34、步骤36和步骤38的首次迭代而进行。通过与首次迭代或其它早先迭代的虚拟模型相匹配来进一步更新位置、取向和模型结构的后续迭代对于随后接收到的数据来说能够被用作原有3D虚拟模型。

也就是说，在一些情况下，在初始启动时第一基准可以来自已经可用的电子文件，并且一旦3D激光器已经生成数据，对位置和取向的后续更新就能够被用于另外的对准。

还参照对准步骤36，图15示出了使来自所检测到的数据的信息与水下结构的原有虚拟模型对准的一个实施方式的流程图。在所示的实施方式中，使数据点对准包括使数据点与水下结构的原有3D虚拟模型对准。如所示，对准包括基于数据点的多个样本重复地执行拟合处理的迭代方法，其在下面被进一步描述，并且其中拟合处理包括将所采样的数据点调整为与水下结构的原有3D虚拟模型对准。

参照图15的细节，3D激光器提供用于执行对准过程的点云110。点云包括能够被用于生成在下面所讨论的变化检测过程中使用的水下结构的扫描的3D虚拟模型的数据点。由于噪声的常见高电平和已知要发生的潜在不可用的信息，数据点在一些情况下在经历对准之前被过滤142。

图16示出了可以作为图14所示的获得数据点34的步骤的一部分被包括的过滤过程142的一个实施方式的流程图。过滤过程142包括过滤所检测到的由激光脉冲冲击在水下结构上产生的光，以便获得在对准期间使用的数据点。来自点云110的数据通过一系列数据处理和过滤步骤来输入，这导致过滤的点云160。在所示的实施方式中，点云110被输入给强度阈值过滤器162。通常，过滤过程142能够对点云110执行形态学操作。例如，能够执行各个距离区间164的形态学腐蚀，然后能够组合相邻距离区间166。框164和框166表示能够在过滤过程142中使用的特定形态学操作的非限制性示例。接下来，在获得经过滤的点云160之前能够执行非最大值抑制168步骤。

还参照图15，经过滤的点云160进行到处理循环144。在一个实施方式中，处理循环144可以是作为用于根据包含“界外值”的观测数据的集合来估计数学模型的参数的迭代方法的RANSAC(随机样本一致性)循环。例如，循环144在它在特定概率情况下产生合理结果的意义上表示非确定性算法，并且其中概率能够随着更多迭代被执行而增加。在这种情况下，数学模型的参数是3D激光器相对于水下结构的原有虚拟模型的位置和取向(姿态)，并且观测数据是来自激光器的数据点。基本假设是观测数据由“界内值”(即，能够通过数学模型利用一些姿态参数来说明的数据)和作为不能够被如此说明的数据的“界外值”构成。因为原有3D模型可用在本文的方法中，所以这样的迭代过程给定一小组界内值能够被用于通过计算使数据(即3D激光器数据点)最佳地适合它们对应的最近模型点的姿态来估计姿态的参数。

如图15所示，处理循环144能够包括处理函数变换152、随机样本154和拟合156。在变换152部分中，点云经历到由使它们与原有3D虚拟模型近似对准的初始姿态130指定的坐标系统的变换。

如图15进一步所示，初始姿态130被输入到变换152部分中。在一些情况下，初始姿态130表示来自水下运载工具的惯性导航系统的位置和取向。在后续迭代中，初始姿态可以是来自在经历由图15所示的过程的同时已发生的第一或任何在先的对准的更新知识的结果。应当了解，能够基于其它测量结果(诸如来自水下运载工具的惯性导航系统的惯性速率或加速度和其它输入)适当地调整在先的对准。

参照可用的原有3D虚拟模型，原有3D虚拟模型能够在步骤146、步骤156和步骤150处被输入，并且还被描述如下。

在循环144的随机样本154部分中，获得来自点云的点的样本以用于进一步处理和与原有3D模型对准。循环144的拟合156部分是从随机样本154采样的点被调整为与原有3D模型一致的地方。也就是说，3D激光器数据(例如数据点)的集体位置(姿态)被严格地调整为使这些点与原有3D模型对准。在拟合156部分中，数据点能够经历一个或更多个最近点计算以确定模型上的最近点。这些数据点和在模型上针对各个数据点的最近点被用于计算使这些数据点和在模型上针对各个数据点的最近点最佳地对准的初始姿态130的校正。

如所描述的，对准过程是用于确定使数据的尽可能多的点(界内值)与原有3D虚拟模型对准的初始姿态130的校正。在一些实施方式中，可以按需采用由3D激光器的多个激光脉冲产生的数据点。在其它实施方式中，能够使用来自来自3D激光器的单个激光脉冲的数据点。

因此，应当了解，函数变换152、随机样本154和拟合156被构造为必要时能够重复144a以提高在这些迭代中查找的数据与原有3D虚拟模型的最好对准真正是最好可能对准的置信度。对准的步骤在许多实施方式中包括基于数据点的多个样本重复地执行拟合处理，其中拟合处理包括将所采样的数据点调整为与水下结构的原有3D虚拟模型对准。应当了解在适当情况下，通过循环144a的数据点样本常常能够具有重叠的数据点，其中这种重叠还能够帮助增加查找数据点与模型的最好可能对准的概率。

也就是说，能够使用数据点的子样本来执行拟合。拟合使用这些点来估计传感器相对于虚拟模型的姿态。此估计变换被应用于所有数据点。经变换的点然后与原有虚拟模型对准以确定数据匹配有多好。

还应当了解，适当的迭代次数以及用于执行对准和拟合的重叠的量可能取决于数个因素的平衡。一些因素能够包括但不限于例如所采用的处理能力的量、多少时间被用于收集数据、所收集的数据和可用的原有虚拟模型的可靠性、水下运载工具如何正在移动以及水下结果的复杂性。在采用了超过一个3D激光脉冲的情况下，能够在确定需要多少对准过程的迭代时考虑其它因素，诸如例如3D激光的脉冲重复率、初始姿态130误差随着时间的推移的潜在增加和虚拟模型的准确性。

在已经拟合数据点的许多随机样本之后，能够获得许多解。图15示出了按误差对解进行排序146和查找最佳解148部分。由循环144a提供的解被排序(例如在146处)，使得能够获得最佳解(例如在148处)。一旦获得了最佳解，就确定了在原有3D虚拟模型上到此解的界内值中的每一个的最近点，并且在拟合w/界内值150处计算对使这些界内值与最近点最好地对准的初始姿态的校正。例如，经更新的姿态被发送回到水下运载工具的惯性导航系统。

能够在AUV正在结构附近航行的同时对AUV实时地执行本文所描述的数据处理。

图17示意性地描绘了用于执行姿态估计的AUV2的示例性构造。在一个实施方式中，AUV包括3D激光传感器10和惯性导航系统，以及用于执行位置和取向的估计的适合的处理能力。这些特征的这种组合允许系统被用于例如相对于水下结构为水下运载工具导航。

在所示的实施方式中，3D激光传感器10检测被所关注的水下结构反射的光，并且将聚集的数据发送到数据存储部220。数据处理器230被构造为从数据存储部220获得数据点。例如，数据处理器230可以是任何适合的处理单元。在下面还讨论的实施方式中，出于变化检测的目的，能够对数据点进行处理以生成水下结构的扫描的3D虚拟模型。处理器230被构造为使数据点与水下结构的原有3D虚拟模型对准。基于对准，处理器230被构造为确定AUV相对于水下结构的位置和取向。所述位置和取向能够被用于更新例如为惯性导航系统的水下运载工具导航系统240。应当了解，这些部件能够由AUV2供电。

以上本文所描述的方法和系统能够被用于基于水下结构来自3D激光扫描的特征相对于水下结构为水下运载工具导航。在一个实施方式中，收集来自3D激光扫描的数据，收集来自惯性导航的数据，并且对所述数据进行记录和处理以使数据与水下结构的原有3D虚拟模型对准。能够使用在AUV上的数据处理电子装置来执行数据的收集、记录和处理。

实时地使用配置有LADAR的AUV的水下结构的变化检测

在AUV2的另一示例性使用中，需要能够针对变化、损坏或变形使用诸如AUV或ROV的水下运载工具来检查海底结构。当结构非静止时检查是特别困难的。为了高效操作，能够在ROV或AUV上实时地(通常在一秒以下)执行针对这样的检查的处理，因为与表面的通信常常具有有限的带宽或没有带宽。常常，结构的检查是例行且周期性的，但是有时它们也是紧急的，例如，飓风后损坏检查或损坏控制紧急情况检查。在其它实施方式中，能够从AUV2(例如，在宿主表面舰艇或岸上设施上)远程地执行处理。

所描述的方法实时地跟踪已被成像的空间的区域和尚未成像的那些区域，并且在已被成像的那些区域当中，标识结构的已改变的区域。当前技术水平不适用于具有许多闭塞的复杂的水下3D结构。变化检测的当前应用使用等深声纳并且未被实时地处理，而不适用于复杂的水下结构。现有方法在从与在早先收集中不同的视点对物体进行成像时遇到困难，因为它们不能够区分先前封留的结构和已改变的结构。

所描述的技术使得变化检测方法能够确定显而易见的变化是否因为物体被封留在当前或先前的LADAR数据中而出现。这允许结构的哪些部分尚未被成像的迅速且自主确定。所描述的建模方法许可来自许多视点的LADAR数据的高效组合，以可靠地确定哪些返回是非自然信号并且哪些从真实结构出现。

再次返回到图14，用于检测水下结构中的结构变化的方法与以上所描述的姿态估计基本上类似。一般而言，通过使用AUV的惯性导航能力以及3D激光传感器和对照水下结构的原有3D虚拟模型来比较由传感器获得的数据的处理器来执行该方法。在许多情况下，能够在AUV上并且实时地(常常以大约一秒或有时更少时间)执行这个，但是处理能够在AUV外完成，例如在AUV完成检查任务之后。

像姿态估计方法30一样，变化检测方法包括将一个或更多个激光脉冲导向水下结构，使得它们冲击在该结构的一部分上。检测从结构反射的光32，从而生成能够与原有3D虚拟模型对准的数据点云34。然后对点云中的至少一个进行处理，以生成接着与原有3D虚拟模型进行比较来检测变化的扫描的3D虚拟模型。

3D激光器可以是能够根据来自透射光脉冲的反射光创建3D图像的任何3D激光器。适合的3D激光器的示例是由科罗拉多州博尔德的3DAtDepth,LLC生产的深度感知3D激光器。适合的3D激光器的另一示例是闪光LADAR。应当了解，3D激光器能够被布置为使得它指向水下结构，使得它能够在该水下结构处发送激光脉冲并且能够被取向在如以上所讨论的各种期望角度以及与该水下结构间隔的距离处。

应当了解，惯性导航系统是已知的，并且被用于确定水下运载工具的位置、取向和速率(例如，移动的方向和速度)。惯性导航系统能够包括面向下以用于在确定速率时使用的多普勒测速仪(DVL)，但是应当了解，惯性导航系统可以是能够确定位置、取向和速率(例如，移动的方向和速度)的任何系统。适合的惯性导航系统的示例是可购自Kearfott公司的SEADeVil。

一旦反射光由3D激光器的光检测器检测到，就获得了适合于形成水下结构的扫描的3D模型的数据点。数据点能够像以上所讨论的那样与水下结构的原有3D虚拟模型对准36以确定姿态。

另外，针对变化检测，由在前生成的点云中的至少一个(例如全部)生成40扫描的3D虚拟模型。扫描的3D虚拟模型然后与原有3D模型数据进行比较42以确定扫描的结构是否已改变。

参照图18和图19，还对在以上对准过程中使用的数据点云进行处理以确定是否已经在水下结构中发生结构变化(例如变化检测)。

在对准期间使用的数据点被用于生成被用于与水下结构的原有3D虚拟模型进行比较的扫描的3D虚拟模型。基于比较，能够检测水下结构中的结构变化。

图18示出了针对变化检测模型的单元300的示意空间表示。能够对照所接收到的新数据对模型做出比较，其中这样的比较指示是否已发生水下结构的结构变化。示出了单元300的空间表示，其中各个单元310被分解有数个孩子节点(childnode)310。图18是八叉树(octree)如何可以被用于表示空间的立方体积的示例性例示。“模型”实际上是被存储在八叉树的单元中的每一个中的数据。如所示，单元中的一些被分解成八个孩子节点310。应当理解，并不需要对每个单元进行分解或细分，这在适当情况下能够允许更紧凑模型实现。仅在模型的需要较小孩子单元的区域中对单元进行细分以改进模型的保真性。

如所描述的，图18的空间表示被称为八叉树。八叉树是各个内部单元或节点确切地具有零个或八个孩子的树数据结构。八叉树可能可用于通过递归地将它细分成八个卦限来分割三维空间。应当了解，其它空间表示或许是可能的，并且虽然八叉树已知适合于此过程，但是不存在必须采用八叉树的限制。

还参照图18，随着扫描的3D虚拟模型被生成，各个单元包含关于激光命中或已占用空间、激光通过或空白空间以及其区域未知的信息。各个单元可以包含激光命中的二阶矩、激光通过或激光通过的二阶矩。应当了解，八叉树、八叉树中数据的聚合和二阶矩是本领域技术人员将理解的标准概念。例如，当在单元中记录了激光命中时，该信息被添加到该特定单元中的二阶矩模型。同样地，当激光束通过单元时，该信息被记录在激光通过中并且视点多样性模型被记录在该单元中。这种信息被一起用于确定节点应该被认为是空白的、已占用的还是未知的(例如不足够的信息)。

图18中的八叉树的使用允许通过收集关于结构存在的占用空间的信息、收集关于结构不存在的未占用空间的信息、以及标识不存在充分的信息来确定结构是否存在的未知空间来生成扫描3D模型。在适当情况下，扫描3D模型基于多个对准的样本的输入。各个样本表示从被检查区域的不同视点收集的数据，使得当使用了更多视点时，结构存在(或不存在)的置信度变得更高。此更高的置信度表示已经准确地创建了改变检测模型的更高概率。

还应当了解，除从数个视点获得信息之外，还可以对各个空白单元和占用单元被激光传感器感测到的次数进行跟踪和计数，这还能够增加所生成的模型的置信度。

在构建新的扫描的3D虚拟模型之后，图19例示了示出用于例如使用图18的扫描的3D虚拟模型来检测水下结构的结构变化180的一个实施方式的流程图。如所示，能够根据使用为水下结构生成的新的扫描3D模型182(新模型)和该水下结构的原有模型184(现有模型)二者中确定正变化186和负变化188二者。如本文所使用的，正变化是不存在于现有模型中的新近检测到的结构。如本文所使用的，负变化是存在于现有模型中的新模型中的遗漏结构。

在所示的实施方式中，正变化由新模型182的输入和现有模型184的输入二者确定。来自新模型182中的占用单元的数据是用于与现有模型184一起进一步处理的输入。进一步处理发生以便比较来自新模型182和现有模型184的已占用单元。最近点是为新模型182相对于现有模型的占用单元而查找的。到现有模型中的最近点的距离大于阈值的已占用单元被移除192，并且剩余的占用单元中的连接部件被计算194。在尺寸高于阈值196的连接部件中包含的已占用单元作为正变化186被输出。

在所示的实施方式中，负变化188由新模型182的输入和现有模型184的输入二者确定。现有模型184中的占用单元是用于利用新模型182进一步处理的输入。进一步处理发生以便比较来自新模型182和现有模型184的数据。现有模型184的在新模型182中不为空的占用单元被去除198。如所示，如果在新模型中的空白单元中的视点方向与现有模型中的模型表面正交202，则移除剩余的占用单元。剩余的占用单元的连接部件被计算204并且大于阈值206的连接部件中的单元作为负变化188被输出。

如由图19所示，针对变化检测的方法180通过在现有模型和新模型二者中记录感测到什么和未感测到什么而可靠地查找正变化和负变化二者。例如，它区分在现有模型中未看到的新扫描模型中的表面和在现有模型中不在那里的新模型中的表面(例如正变化)。并且，本文的方法能够区分因为它在现有模型中未被感测到而在新模型中遗漏的模型表面和因为它不再存在而在新模型中遗漏的模型表面(例如负变化)。此外，通过记录单元310被感测为空的次数和它被感测为空的视点的多样性，该方法减小噪声和非自然信号的影响。

图17所例示的AUV2能够被用于检测结构变化。

以上本文所描述的方法和系统能够被用于基于水下结构来自3D激光扫描的特征来检测水下结构的结构变化。这些应用能够包括但不限于既商业且军事的海底结构检查、海港检查和矿检测/对策。在一个实施方式中，收集来自3D激光扫描的数据，收集来自惯性导航的数据，并且对所述数据进行记录和处理以将经扫描的水下结构的3D图像与该水下结构的原有3D模型进行比较。利用实时处理能力，能够使用在水下运载工具上的数据处理电子装置来执行数据的收集、记录和处理。

本申请中公开的示例将在所有方面被认为是例示性的，而非限制性的。本发明的范围由所附权利要求而不是由以上描述来指示；并且落入权利要求的等价意义和范围内的所有变化旨在被包含在其中。

Claims (16)

1.一种方法，该方法包括以下步骤：

将来自被安装在水下平台上的激光器的至少一个激光束脉冲导向水下结构；

使用安装在所述水下平台上的光检测器来检测从所述水下结构反射的光；

根据所检测到的光生成至少一个数据点云，各个数据点云适合于生成所述水下结构的扫描的三维虚拟模型；以及

使所述数据点云中的至少一个数据点云中的数据点与所述水下结构的原有三维虚拟模型对准。

2.根据权利要求1所述的方法，基于所述对准，估计所述水下平台相对于所述水下结构的位置和取向。

3.根据权利要求1所述的方法，该方法还包括以下步骤：根据所述数据点云中的至少一个数据点云创建扫描的三维虚拟模型；将所述扫描的三维虚拟模型与所述原有三维虚拟模型进行比较；以及确定是否已发生所述水下结构中的结构变化。

4.根据权利要求1所述的方法，该方法还包括以下步骤：将来自所述激光器的多个激光束脉冲导向所述水下结构；以及针对各个激光束脉冲，使用安装在所述水下平台上的所述检测器来检测从所述水下结构反射的光。

5.根据权利要求4所述的方法，该方法还包括以下步骤：在领结扫描模式、连续扫描模式或全扫描模式下将来自所述激光器的所述多个激光束脉冲导向所述水下结构。

6.根据权利要求1所述的方法，其中，当引导至少所述激光束脉冲并且检测反射的光时所述水下平台是非静止的。

7.根据权利要求1所述的方法，其中，所述水下平台是自主水下运载工具、远程操作水下运载工具或三脚架中的一种。

8.根据权利要求1所述的方法，该方法还包括对所述数据点云进行过滤。

9.根据权利要求1所述的方法，其中，使所述数据点对准的步骤包括使用来自多个所述激光束脉冲的数据点来执行迭代拟合过程，所述迭代拟合过程包括调整与所述水下结构的所述原有三维虚拟模型对准的所述数据点。

10.根据权利要求1所述的方法，该方法包括在使所述数据点对准之后更新所述原有三维虚拟模型。

11.根据权利要求3所述的方法，其中，创建所述扫描的三维虚拟模型的步骤包括以下步骤：收集关于存在结构的占用空间的信息；收集关于不存在结构的未占用空间的信息；以及标识尚未收集到信息的未知空间。

12.根据权利要求11所述的方法，其中，创建所述扫描的三维虚拟模型的步骤包括输入多个对准的数据样本，各个对准的数据样本表示从所述水下结构的区域的不同视点收集的数据。

13.一种系统，该系统包括：

水下平台和安装在所述水下平台上的三维激光系统，所述激光系统包括用于朝向水下结构投射多个激光束脉冲的可操纵激光器以及检测从所述水下结构反射的光的光检测器；

点云数据存储部，该点云数据存储部与所述激光系统通信，以存储由所述激光系统生成的点云数据；以及

数据处理器，所述数据处理器与所述点云数据存储部通信，对来自所述数据存储部的点云数据进行处理，所述数据处理器被构造为估计所述水下平台相对于所述水下结构的位置和取向并且/或者确定是否已发生所述水下结构中的结构变化。

14.根据权利要求13所述的系统，其中，所述水下平台是自主水下运载工具、远程操作水下运载工具或三脚架中的一种。

15.根据权利要求13所述的系统，其中，所述水下平台包括自主水下运载工具或远程操作水下运载工具，所述点云数据存储部和所述数据处理器在所述水下平台上，并且所述水下平台还包括与所述数据处理器通信的运载工具导航系统。

16.根据权利要求13所述的系统，其中，所述数据处理器和/或所述点云数据存储部在与所述水下平台分离的一个或更多个位置处。