CN105264402A - 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，为了生成所述水下结构的3D虚拟模型。所述3D虚拟模型能够被用于许多目的，包括但不限于引导所述水下结构的检查、修理和操纵、在所述水下结构周围航行以及其它目的。

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，包括但不限于生成水下结构的三维(3D)虚拟模型。

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WO2012/061137中，由3D声纳产生的数据被用于生成水下结构的3D虚拟模型。

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所述水下结构的更好理解，诸如例如，为了生成所述水下结构的3D虚拟模型。所述3D虚拟模型能够被用于许多目的，包括但不限于引导所述水下结构的检查、修理和操纵、在所述水下结构周围航行以及其它目的。

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，并且能够包括全部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，一种构建水下结构的3D虚拟模型的方法包括以下步骤：将来自安装在水下平台上的3D激光器的一个或更多个激光束脉冲导向所述水下结构；以及检测从所述水下结构反射的光。数据点云是从所检测到的反射光获得的，其中所述数据点云被处理以提供所述水下结构的部分的三维虚拟模型。所述水下结构的对准模型是基于从所获得的所述数据点云生成的。另一激光束脉冲被导向所述水下结构并且能够获得新数据点云。所获得的所述新数据点云的样本与所述对准模型对准，并且使用所述数据点云中的至少一个来构造所述水下结构的3D虚拟模型。当获得了所述新数据点云时，处理器被构造为从数据存储部获得所述新数据点云。所述处理器被构造为使所获得的所述新数据点云与所述对准模型对准，并且将经对准的数据点云添加到所述对准模型。在完成此过程时，所述对准模型表示所述水下结构的3D虚拟模型。

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激光器的定向的AUV的正视图。

图6例示了3D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定向的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示出了用于构建水下结构的三维模型的方法的一个实施方式的流程图。

图15示出了用于对反射光数据和位置定向信息进行处理以便构建水下结构的3D虚拟模型的一个实施方式的流程图。

图16示出了可以在图14所示的方法中采用的、将反射光数据与水下结构的对准模型(AlignmentModel)进行比较的一个实施方式的流程图。

图17示出了可以在图14所示的方法中采用的、对从反射光获得的点云数据的示例性过滤过程的流程图。

图18是具有3D激光器的AUV的示意描绘。

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测量距离，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中，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中示出了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按照任何组合提供有以下功能和能力。

·AUV执行一般的3D制图和检查。

·AUV执行检查和测量的闭合。

·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/或其它支撑子系统可能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制图扫描识别了异常，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在水中的同时激光器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3D虚拟模型构建。如果激光器数据的实时分析是期望的，则可能在AUV上发生激光器数据的实时处理。

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速度、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”图样被扫掠。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相同，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。尽管针对侧扫描定向标记为“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定向上安装激光器。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的当前位置和定向同步。

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，因为它消除在一次性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。

实时地使用配置有LADAR的AUV的海底结构的3D虚拟模型构建

从3D激光器数据构建水下结构的模型需要在各个激光脉冲时的传感器位置和定向的知识。现有公开已经解决使用声纳数据相对于现有模型的位置和定向估计的问题。然而，如果不存在现有模型，则不能够使用该方法。困难的问题是在没有现有模型或准确的定位/导航/姿态信息的情况下的位置和定向估计，后面是水下结构的3D模型的构造。此问题常常被称作同时定位与制图(SLAM)。

本文所描述的方法使用针对各个激光脉冲产生单个数据点的3D激光器，然后组合所述数据点以产生全深度图像。先验3D模型不是所公开的方法所需要的。该方法与正被构建的模型而不是与现有模型相匹配，并且从直接从环境得到的3D激光器数据提供同时定位与制图。在另选的实施方式中，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。

已经在包括声纳和图像的许多传感器中解决了此问题。在声纳中它已被用在等深应用中而不是在对复杂3D结构进行建模的应用中。使用测深声纳的方法使用2.5D匹配方法，该方法将声纳数据的插入码匹配在一起以使得多次通过对准。此方法不对诸如在声纳数据中具有许多深度变化的抽油装置或支柱的复杂3D结构起作用。

图14示出了用于构建现有水下结构的3D虚拟模型的方法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以及基于特征的传感器(例如，3D激光传感器)和生成水下结构的虚拟对准模型或虚拟工作模型的处理器来执行该方法。从后续激光脉冲新近获得的数据与对准模型对准。工作模型在获得了新数据时被更新和参照，从而构建水下结构的3D虚拟模型。在许多情况下，能够在水下运载工具上并且实时地执行模型构建。例如，发出3D激光脉冲、从其接收数据、对该数据进行过滤、以及使其与现有模型对准40的过程可以在大约一秒或更少秒内完成。在其它实施方式中，从水下运载工具远程地(例如，在主水面舰艇上或在陆基设施中)执行模型构建。

方法30包括将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。这些点云被处理以生成3D图像，即激光器是3D激光器。3D激光器可以是能够从一个或更多个发送的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定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、定向和速率(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)单元，但是应当了解，惯性导航系统可以是能够确定位置、定向和速率(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34适合于形成水下结构的扫描3D虚拟模型的数据点。这些数据点然后被用于生成工作虚拟对准模型36，其将作为水下结构的原有3D模型被用在后续3D模型的对准中。通过重复步骤32和步骤34来收集38附加的数据，并且获得了与虚拟对准模型对准40并且被添加42到虚拟对准模型的新数据点。

参照对准步骤40，在一个实施方式中附加的数据点通过利用对准模型对数据进行拟合的迭代过程而与虚拟对准模型对准。在一些实施方式中，此迭代过程基于来自多个3D激光脉冲的数据。通过使新数据与对准模型对准并且将经对准的数据添加到对准模型，构建了42水下结构的3D虚拟模型。因为虚拟对准模型是3D水下结构的虚拟工作模型，所以利用新传入的数据创建的虚拟模型被用于更新对准模型，所以它能够被用于与附加收集的数据对准。

图15是用于对点数据和位置定向(姿态)信息进行处理以便构建水下结构的3D虚拟模型的一个实施方式的流程图。数据100由适合的光传感器获得，所述光传感器针对各个发送的激光脉冲产生还被称作点云110的3D图像，其被发送到对准块140。在初始阶段处，对准模型(对准模型144)是空的，所以所收集的初始数据被用于产生初始对准模型。随着附加的数据被收集，它使用还在图19和图20中描述的迭代过程来与对准模型114对准140。应当了解，对准块140从环闭合差300获得初始姿态估计。

随着附加的数据被收集，点云110与对准模型144对准140并且通过由对准块140计算的精细姿态来变换152。变换152块可以与图16所示的变换块(还在下面描述)相同。应当了解，变换152块能够使用精细姿态来对数据点进行变换，使得它们与对准模型144对准，并且使得图15和图16中的块152可以具有不同的姿态输入，但是这些块的功能是相同的。还能够将经变换152的点云存储在作为数据存储部的点云档案320中。在对准期间，块140、152和144表示使新数据与对准模型144对准和拟合的迭代循环过程(参见图16和图17)。

环闭合差300针对各个传入的数据点云110从过滤器312接收估计姿态，并且通过参照对准模型144，环闭合差所需块302确定根据传入的数据点云110的3D模型是否与对准模型的一部分交叠。匹配306块然后和这些特征匹配并且计算使两个段对准所需要的姿态校正。校正姿态308块检查以查看此姿态校正是否高于阈值，如果不是，则将姿态估计发送到对准140块。如果姿态校正高于阈值，则校正姿态308块标识需要被调整以使两个现有模型部分对准的模型的部分，并且将此信息发送到重建模型段310块，其再计算需要使用来自校正姿态308块的经校正的姿态和来自点云档案320的点云来进行调整的模型的部分。校正姿态308块然后将经调整的估计姿态传递给对准140块，其使新3D模型与新近调整的对准模型对准。应当了解，环闭合差300的模型特征提取304块和匹配306块功能可以基于图16所描述的对准140块。

如所示，过滤器312例如从导航系统(诸如惯性导航系统)接收位置和定向估计以及从对准140块接收精细姿态。过滤器312维持运载工具状态316的估计(姿态及其导数)，并且使用这些来预测318激光器在激光器产生数据时的姿态。更新314块融合来自导航和来自对准140块的姿态估计以更新状态316。应当了解，过滤器312的一个可能的实施方式是公知的卡尔曼(Kalman)过滤器。

参照从过滤器312通向环闭合差300的箭头，应当了解，因为相对于正被构建的模型发生对准，所以各个对准中的误差可能有随着时间的推移而累积的趋势，这可能在对准模型中引起明显误差。环闭合差是识别之前已看到的区域何时被观测到并且使用供替换的对准过程来减小此误差的过程。使用了由预测姿态318计算的姿态，以便确定是否是应用环闭合差过程的适当时机。

在生成对准模型144及其在构建水下结构的3D模型时的后续使用中，应当了解，能够收集来自来自3D激光器的多个激光脉冲的数据。来自这些脉冲的信息被变成与对准模型对准的新数据点的多个样本。应该了解，新数据点和各个样本能够表示由3D激光器检查的区域的不同视点。还应当了解，样本可能在大多数区域中基本上交叠，所以在对准模型中存在3D数据的明显冗余。这样的多个和冗余的采样以及交叠视图的样本能够帮助增加模型构建的置信度和可行性。

对准和拟合处理的细节

参照对准处理的细节，图16和图17示出了使来自收集的数据点的信息与对准模型对准的一个实施方式的流程图。通常，在所示的实施方式中，所获得的新数据点的样本与对准模型对准。如所示，对准的步骤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，这将还在下面被描述，并且其中拟合处理包括将所采样的数据点调整为与3D水下结构的对准模型匹配。通常，对准和拟合处理包括估计3D激光器的姿态以使新数据与在模型中存储的先前数据对准。

参照图16，来自3D激光器的反射光提供用于执行对准过程的点云110(还参见图15)。点云110包括表示水下结构的3D模型的数据点。由于噪声的常见高水平和已知发生的潜在无用信息，数据点在一些情况下在经历对准之前被过滤142。

图17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包括对所检测到的由激光冲击在水下结构上产生的光进行过滤，以便获得在对准期间使用的数据点。能够通过一系列数据处理和过滤步骤来输入来自点云110的数据，这导致过滤的点云160。在所示的实施方式中，能够将点云110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，然后组合相邻距离区间166。框164和框166表示能够由过滤过程142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16，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，并且其中概率可能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模型的位置和定向(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模型近似对准的初始姿态130指定的坐标系统的变换。

如图16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定向。在后续迭代中，初始姿态可以是来自在经历由图16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(还被称作对准模型)，能够将原有3D模型输入给在146、156和150处的图，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以及与原有3D模型进行比较。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模型对准的初始姿态130的校正。在一些实施方式中，这可以从来自3D激光器的单个激光脉冲(例如，来自用来取得数据点样本的单个激光脉冲的数据点)实现。还应当了解，可以按需采用3D激光器的多个激光脉冲。

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模型的最佳对准真正是最佳可能对准的置信度。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或来自多个激光脉冲的数据点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模型对准。应当了解在适当情况下，通过循环144a的数据点的多个样本或来自多个激光脉冲的数据点常常能够具有交叠的数据点，其中这种交叠还能够帮助增加查找数据点与模型的最佳可能对准的概率。

也就是说，拟合使用数据点的子样本来完成。拟合使用这些点来估计传感器相对于模型的姿态。此估计变换被应用于所有数据点。经变换的点然后与原有模型进行比较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交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、有多少时间被用于收集数据、所收集的数据和对准模型的可靠性、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激光器的脉冲重复率、初始姿态130误差随着时间的推移的潜在增加以及模型的准确性。

在已经对数据点的许多随机样本进行拟合之后，能够获得许多解。图16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。

应当了解，可以在水下运载工具上的自主系统中提供本文构建水下结构的3D模型的方法。在一些实施方式中，水下运载工具是具有适当的处理能力来实时地构建模型的自主水下运载工具(AUV)。然而，应当了解，该系统可以全部或部分地在其它运载工具(诸如例如ROV或有人驾驶的海船)上。

在一个实施方式中，该系统包括3D激光传感器和惯性导航系统，以及用于执行水下结构的模型构建的适合的处理能力。

图18示意性地描绘了用于构建水下结构的3D模型的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，以及用于执行模型构建的适合的处理能力。

在所示的实施方式中，3D激光传感器10检测被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。数据点被处理以基于从所获得的数据点生成水下结构的对准模型(例如对准模型144)。当附加的数据由传感器10收集到时，此数据与对准模型对准以构建水下结构的3D模型。

例如，处理器230在附加的数据由传感器10收集到之后从数据存储部220获得新数据点。与初始数据点一样，新数据点被处理以提供水下结构的3D模型。处理器230被构造为使用所描述的对准技术来使所获得的新数据点的样本与对准模型对准，以利用新数据点来构建水下结构的3D模型。

应当了解，在水下结构上获得的信息能够被用于更新例如为惯性导航系统的运载工具导航系统240。应当了解，该系统的部件能够由水下运载工具供电。

以上本文所描述的方法和系统能够被用于基于来自3D激光器的激光脉冲来构建现有水下结构的3D模型。这些应用能够包括但不限于商业和军事环境中的海底结构检查和修理、海港检查以及矿山检测和/或对策。在一个实施方式中，收集来自3D激光器的脉冲的数据，收集来自惯性导航系统的数据，并且对所述数据进行记录和处理以生成经扫描的水下结构的3D模型或对准模型。对准模型是能够与另一数据对准以用于变化检测的水下结构的工作虚拟3D模型。能够利用实时处理能力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。

如本文所描述的用于模型构建的这样的方法和系统在检查水下结构的损坏、变形时可能是有用的。以上本文所描述的方法和系统例如在水下运载工具远离海底(例如超过1000米)使得其它导航工具(诸如DVL)不可用的情形下可能是有用的。应当了解，基于其它特征的传感器不是必要的并且相对于非静止的水下结构的导航使用本文的方法和系统还或许是可能的。3D激光器的使用使得复杂3D结构的扫描在姿态方面提供全部六个自由度。

实时地使用配置有声纳和LADAR的AUV的水下结构的3D模型构建

在以上所讨论的3D虚拟模型构建的变化中，能够使用3D声纳和LADAR。从3D声纳和3D激光器数据构建水下结构的模型需要在各个声纳发出脉冲和激光器发出脉冲时的传感器位置和定向的知识。

声纳针对各个声纳声脉冲(ping)产生相对较低分辨率的深度图像。此深度图像被用作针对比声纳有更高分辨率的激光深度图像的初始对准的估计。WO2012/061137公开了使用3D声纳来构建3D虚拟模型。

本实施方式减少搜索时间，改进对准可靠性，并且产生反映在各个模型区域上可用的数据的分辨率的多分辨率模型。本实施方式根据直接从环境得到的声纳和激光器数据来提供同时定位与制图。

已经在许多传感器(包括声纳和图像)中但是在不使用诸如3D声纳和3D激光器的非常不同的分辨率和覆盖范围的两个3D传感器的情况下解决了3D建模。在声纳中它已被用在等深应用中而不是在对结构进行建模的应用中。使用测深声纳的方法使用共同和声纳数据的插入码匹配的2.5D匹配方法来对准多次通过。然而，该技术不对诸如在声纳数据中具有许多深度变化的抽油装置或支柱的复杂3D结构起作用。

在一个实施方式中，能够将来自3D激光器和3D声纳的数据融合在一起以从该数据构造单个虚拟模型。在另一实施方式中，能够从3D激光器数据构造虚拟模型，并且能够从3D声纳构造虚拟模型，其中两个模型然后被组合以创建单个虚拟模型。

先验3D模型是不需要的，并且它产生反映在各个模型区域上可用的数据的分辨率的多分辨率模型。

实时地使用配置有扫描LADAR的AUV的水下结构的3D模型构建

在以上所讨论的3D虚拟模型构建的变化中，能够使用扫描3D激光器。扫描3D激光器针对单个激光脉冲产生单个距离返回，其中来自许多脉冲的返回被组合以产生完整扫描。此技术通过基于与扫描中的结构匹配使首先在粗糙级别下然后在更精细级别下的所有扫描对准，来补偿可能在各个扫描之间发生的传感器姿态变化。此技术通过基于来自惯性导航单元的姿态估计校正它们的位置来补偿可能在各个脉冲之间发生的传感器姿态变化。此技术根据直接从环境得到的扫描LADAR来提供同时定位与制图。

本实施方式显式地解决了对传感器在传感器扫描期间的运动(包括由惯性导航单元提供的姿态误差)进行补偿的问题。

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前面的描述来指示；并且落入权利要求的等价意义和范围内的所有变化均旨在被包含在其中。

Claims (15)

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第一数据点云，所述第一数据点云适合于生成所述水下结构的三维模型；

根据所述第一数据点云生成所述水下结构的虚拟对准模型；

将一个或更多个附加的激光束脉冲导向所述水下结构；

使用所述光检测器来检测从所述水下结构反射的光并且生成第二数据点云；

使所获得的所述第二数据点云的样本与所述虚拟对准模型对准；以及

利用所述虚拟对准模型和所述第二数据点云的所述样本来构建所述水下结构的三维虚拟模型。

2.根据权利要求1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激光束脉冲导向所述水下结构。

3.根据权利要求1所述的方法，其中，所述水下平台在引导至少所述激光束脉冲并且检测反射光时是非静止的。

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

5.根据权利要求1所述的方法，该方法还包括以下步骤：对所述第一数据点云和所述第二数据点云进行过滤。

6.根据权利要求1所述的方法，其中，使样本对准的步骤包括重复地执行迭代拟合过程，所述迭代拟合过程包括将所采样的数据点云调整为与所生成的所述对准模型匹配。

7.根据权利要求1所述的方法，其中，生成对准模型的步骤还包括所述水下结构的至少第一遍的环闭合差处理，所述环闭合差被构造为设置使误差传播最小化的初始基准。

8.根据权利要求1所述的方法，其中，构建所述三维模型的步骤包括使附加的数据点云的多个样本与所述对准模型对准。

9.根据权利要求8所述的方法，其中，所述附加的数据点云中的每一个附加的数据点云表示从所述水下结构的区域的不同视点收集的数据。

10.根据权利要求9所述的方法，其中，所述不同视点中的至少某些视点至少部分地彼此交叠，使得来自所述附加的数据点云的所述数据中的至少某些数据交叠。

11.一种系统，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，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进行通信，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从所述点云数据生成三维虚拟模型。

12.根据权利要求11所述的系统，其中，所述数据处理器被构造为生成虚拟对准模型，使所获得的数据点云的样本与所述虚拟对准模型对准，以及根据所述虚拟对准模型和所述数据点云的所述样本生成所述水下结构的所述三维虚拟模型。

13.根据权利要求11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。

14.根据权利要求11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。

15.根据权利要求11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。