CN107632305B - 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 - Google Patents
一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 Download PDFInfo
- Publication number
- CN107632305B CN107632305B CN201710810548.6A CN201710810548A CN107632305B CN 107632305 B CN107632305 B CN 107632305B CN 201710810548 A CN201710810548 A CN 201710810548A CN 107632305 B CN107632305 B CN 107632305B
- Authority
- CN
- China
- Prior art keywords
- sonar
- submarine
- gray
- submersible
- acoustic image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置,包括:能够滚动地对海底进行连续扫测的剖面声纳,以及声纳计算机;所述声纳计算机包括:能够根据接收到的回波数据建立海底声学图像的模块,能够对海底声学图像进行滤波去噪、灰度增强和帧间处理的模块,能够对完成滤波去噪、灰度增强和帧间处理的海底声学图像进行图像分割处理得到海底地形的轮廓线的模块,以及能够对轮廓线进行地形识别的模块;所述剖面声纳安装于所述潜水器的一侧并与其滚动中心线对齐,所述声纳计算机安装于所述潜水器内部。本发明具有的有益效果:能够对海底取得良好的自主探测与处理效果,为潜水器的研制奠定重要的技术基础。
Description
技术领域
本发明属于潜水器技术领域,具体涉及一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置。
背景技术
潜水器作为人类开发利用海洋的主要技术手段之一,已成为海洋高新技术的重要前沿。大量潜水器相继涌现,包括载人潜水器(HOV)、有缆遥控的无人潜水器(ROV)以及无缆自主的无人潜水器(AUV)等。这些潜水器如AUV,最多在近海底巡航或座底待命,无法在海床上自由机动。而可在海底作业的如履带式ROV需要脐带缆水面供电,故目前世界上尚未出现兼具海底运动和水中浮游功能的多栖型的潜水器。
不同于常规潜水器在水下稀疏空间的作业工况,海底存在复杂、未知的局部地形地貌变化特征,属于典型的非结构化环境,对多栖型的潜水器的海底滚进构成了空间运动约束关系。尤其是障碍物、坡面和沟坑等特殊地形,是多栖型的潜水器在海底行进中的重要关注点。
与光学相比,声学成像具有探测距离远、不受水域能见度和照明度限制的优势,广泛用于海洋探测。但在紧贴海底的作业工况下,常规声学探测方式受到限制,如“蛟龙”号载人潜水器在海底作业时,前视声纳安装在其艇艏的顶部,离底高度可达3.5米以上。因此,当潜水器近乎贴底时,前视声学探测方式几乎失效,无法感知正常环境。
综上所述,必须发明一种新的探测方法,对上述典型地形进行预判,提示危险存疑区域,增强运动过程的平稳性,为多栖型的潜水器自主避障与局部规划提供有效参考。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置,能够对海底取得良好的自主探测与处理效果,为潜水器的研制奠定重要的技术基础。
为解决现有技术问题,本发明公开了一种基于剖面声纳扫测技术的海底局部地形自主感知方法,包括如下步骤:
S1:令声纳头与海底保持一较小距离滚动地对海底进行连续扫测并将扫测数据发送至声纳计算机;
S2:声纳计算机根据接收到的回波数据建立海底声学图像;
S3:对S2中的海底声学图像进行滤波去噪、灰度增强和帧间处理;
S4:对S3中得到的海底声学图像进行图像分割处理得到海底地形的轮廓线。
进一步地,S2中,利用对相邻波束的输出幅度内平均内插四点波束的输出值的方法扩展后生成海底声学图像。
进一步地,S3中,采用中值滤波方法对海底声学图像进行滤波去噪处理。
进一步地,S3中,中值滤波方法包括如下步骤:
S31:将像素(i,j)周围3×3方形窗口的像素值读入数组array[9];
S32:用冒泡法对数组array进行顺序,array[4]为该邻域中值;
S33:用array[4]代替P(i,j)。
进一步地,S4中,图像分割方法包括如下步骤:
S41:对海底声学图像的直方图进行统计,选取统计分布中大于前5%的灰度值作为高阈值,选取统计分布中大于前20%的灰度值作为低阈值;
S42:以海底声学图像的正中心作为搜索起始点,沿着中心的下方进行搜索,寻找大于高阈值的灰度点;找到高阈值的灰度点后,在其周边遍历寻找与之相邻的高于低阈值的灰度点,直到相邻点找不到高于低阈值的灰度点,此时分割结束,将其作为备选目标区域;然后在目标区域的下方,沿着中心的向下垂直线上继续按此方法寻找,依次标记目标区域,直到到达海底声学图像的最底部像素;
S43:计算备选目标区域的最大尺度,将具有第一大尺度的目标区域视作海底地形,区域范围为(x0,y0)→(xN,yN),其中,x为潜水器水平方向,y为潜水器垂直方向;
S44:从x0开始,计算x坐标下的海底地形目标区域在y方向的灰度重心直至xN;
S45:从x0→xN,依次将灰度重心yi连线得到海底地形的轮廓线。
进一步地,S4之后还包括S5:对S4中得到的轮廓线进行地形识别。
进一步地,S5中,地形识别方法包括如下步骤:
S51:通过直线变换的水平集方法对S4中得到的轮廓线进行坡度推算;
S52:根据声纳与潜水器空间姿态做二次换算,划分坡度等级。
进一步地,S522中,将坡度值0°~2°视为平原,2°~10°视为缓坡,10°~35°视为陡坡,35°以上视为峭坡,将轮廓线的坡面区域之上的有限局部目标视为障碍物,坡面下有限局部目标视为沟坑。
本发明还公开了一种基于剖面声纳扫测技术的海底局部地形自主感知装置,包括:
能够滚动地对海底进行连续扫测的剖面声纳,以及
声纳计算机;
声纳计算机包括:
能够根据接收到的回波数据建立海底声学图像的模块,
能够对海底声学图像进行滤波去噪、灰度增强和帧间处理的模块,
能够对完成滤波去噪、灰度增强和帧间处理的海底声学图像进行图像分割处理得到海底地形的轮廓线的模块,以及
能够对轮廓线进行地形识别的模块;
剖面声纳安装于潜水器的一侧并与其滚动中心线对齐,声纳计算机安装于潜水器内部。
本发明具有的有益效果:能够对海底取得良好的自主探测与处理效果,为潜水器的研制奠定重要的技术基础。
附图说明
图1为现有技术中前视水下探测方式的示意图;
图2为本发明中潜水器的结构立体图;
图3为本发明中潜水器的结构正视图;
图4为本发明中剖面对底扫测方式的示意图;
图5为本发明中声纳扫测地形的示意图;
图6为本发明中剖面声纳的结构正视图;
图7为本发明中对金牛湖湖底的扫测生成图像(平坡地形);
图8为本发明中对金牛湖湖底的扫测生成图像(起伏地形)。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明中记载的自主感知方法,可以广泛应用于不同类型的潜水器,尤其适用于一种球形多栖潜水器(以下简称潜水器),其结构记载于申请号为“2017100372135”、名称为“一种基于内置驱动原理的滚进浮游混合式多栖潜水器”的专利申请公开文本中,以下结合该潜水器对本发明中的浮力调节装置进行详细阐述。
如图2和3所示,一种基于剖面声纳扫测技术的海底局部地形自主感知,包括:能够滚动地对海底进行连续扫测的剖面声纳,以及声纳计算机。声纳计算机包括:能够根据接收到的回波数据建立海底声学图像的模块,能够对海底声学图像进行滤波去噪、灰度增强和帧间处理的模块,能够对完成滤波去噪、灰度增强和帧间处理的海底声学图像进行图像分割处理得到海底地形的轮廓线的模块,以及能够对轮廓线进行地形识别的模块。剖面声纳安装于潜水器的一侧并与其滚动中心线对齐,声纳计算机安装于潜水器内部。
剖面声纳与前视声纳相比,具有非常窄的垂向开角,盲区非常小,适合对海底的贴近式切片精细扫描。本发明选用加拿大Imagenex公司的831L管道剖面声纳,如图6所示,同类型、技术规格接近的其它声纳也可适用本发明方法。声纳具体技术参数如下:
型号: | Imagenex831L |
发射频率: | 2.25MHz |
换能器: | 剖面模式,充油补偿 |
波束角: | 1.4度 |
距离分辨率: | 0.5mm |
最小测量盲区: | 0.05m |
供电接口: | 20-32VDC@5W |
通信接口: | RS485 |
几何尺寸: | 直径61mm,长343mm,分体式可定制 |
空气中质量: | 1.2kg |
水中质量: | 0.4kg |
深度等级: | 1000m |
如图4至8所示,一种基于剖面声纳扫测技术的海底局部地形自主感知方法,包括如下步骤:
S1:令声纳头与海底保持一较小距离滚动地对海底进行连续扫测并将扫测数据发送至声纳计算机。剖面声纳的剖面扫描方向正好位于潜水器的前进方向。可以将声纳头通过转动云台安装在潜水器上,进一步扩大其地形扫测范围。
剖面声纳的工作过程:声纳上电后,声纳计算机通过RS485通讯接口向其发出运行指令,对声纳头的探测距离、回波增益、扫测宽度和扫描速度以及波束发射频率等参数进行配置。声纳头为应答式工作模式,接收到主机的运行指令后,发射高频声学波束,并接收反射回波。回波数据经过数字化后,返回声纳计算机。主机接收声纳头数据,再次发出运行指令。连续重复上述过程。
S2:声纳计算机根据接收到的回波数据建立海底声学图像。
声纳计算机的回波接收与声学图像生成过程:通过RS485通讯端口,声纳计算机一次接收声纳头在当前波束角θ(ti)的完整回波数据包。本发明中是500个回波点,即 P(j)|j=1-500,P(j)对应当前波束角θ(ti)指向下,探测位置R的反射回波强度,R 是声纳头的探测距离。量化的回波数值0~255,数值越大回波越强。下一时刻θ(ti+1)=θ(ti)+Δθ,其中Δθ是声纳头的扫描速度。声纳头连续扫描,波束角θ将覆盖 360°的全周向空间。
声纳波束具有指向性,因此波束角对应的回波可以看成一个扇形。相邻波束下的回波扇形在距离近场可以无缝过渡,而在距离远场则会产生缝隙。而事实上,相邻波束间具有一定的覆盖宽度。因此,可通过相邻波束的输出幅度内插出中间多个波束的输出值,有效避免回波缝隙。该算法易于软件实现,对硬件的额外要求很低,而其结果却可以改善由于基阵的波束过少造成的角度分辨率不够的问题,改善图像显示,提高目标的定位精度。
在金牛湖试验中,剖面声纳通过波束内插扩展后的生成图像如图7和8所示。
利用对相邻波束的输出幅度内平均内插四点波束的输出值的方法扩展后生成海底声学图像。
S3:对S2中的海底声学图像进行滤波去噪、灰度增强和帧间处理。
由于声学成像的特殊性,海底声学图像存在噪声、畸变和目标轮廓模糊等现象。因此,必须结合海底声学成像特点,对高分辨率声学图像进行预处理,包括滤波去噪、灰度增强及帧间处理等。本发明中采用中值滤波算法对每个3×3窗口内的像素进行排序以求中值,其步骤如下:
S31:将像素(i,j)周围3×3方形窗口内的9个像素值读入数组array[9];
S32:用冒泡法对数组array[9]进行顺序,array[4]为该邻域中值;
S33:用array[4]代替P(i,j)。
S4:对S3中得到的海底声学图像进行图像分割处理得到海底地形的轮廓线。
图像分割包括如下步骤:
S41:对海底声学图像的直方图进行统计,选取统计分布中大于前5%的灰度值作为高阈值,选取统计分布中大于前20%的灰度值作为低阈值。
S42:以海底声学图像的正中心作为搜索起始点,沿着中心的下方进行搜索,寻找大于高阈值的灰度点;找到高阈值的灰度点后,在其周边遍历寻找与之相邻的高于低阈值的灰度点,直到相邻点找不到高于低阈值的灰度点,此时分割结束,将其作为备选目标区域;然后在目标区域的下方,沿着中心的向下垂直线上继续按此方法寻找,依次标记目标区域,直到到达海底声学图像的最底部像素。
S43:计算备选目标区域的最大尺度,将具有第一大尺度的目标区域视作海底地形,区域范围为(x0,y0)→(xN,yN),其中,x为潜水器水平方向,y为潜水器垂直方向。
S44:从x0开始,计算x坐标下的海底地形目标区域在y方向的灰度重心直至xN。
S5:对S4中得到的轮廓线进行地形识别。地形识别方法包括如下步骤:
S51:通过直线变换的水平集方法对S4中得到的轮廓线进行坡度推算。
S52:根据声纳与潜水器空间姿态做二次换算,划分坡度等级。本发明中,将坡度值0°~2°视为平原,2°~10°视为缓坡,10°~35°视为陡坡,35°以上视为峭坡,将轮廓线的坡面区域之上的有限局部目标视为障碍物,坡面下有限局部目标视为沟坑。坡度推算值将是潜水器局部路径规划及海底运动控制的重要输入条件,从而形成对潜水器海底局部地形的理解。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种基于剖面声纳扫测技术的海底局部地形自主感知方法,其特征在于:包括如下步骤:
S1:令声纳头与海底保持一距离滚动地对海底进行连续扫测并将扫测数据发送至声纳计算机;
S2:声纳计算机根据接收到的回波数据建立海底声学图像;
S3:对S2中的海底声学图像进行滤波去噪、灰度增强和帧间处理;
S4:对S3中得到的海底声学图像进行图像分割处理得到海底地形的轮廓线;
图像分割的方法包括如下步骤:
S41:对海底声学图像的直方图进行统计,选取统计分布中大于前5%的灰度值作为高阈值,选取统计分布中大于前20%的灰度值作为低阈值;
S42:以海底声学图像的正中心作为搜索起始点,沿着中心的下方进行搜索,寻找大于高阈值的灰度点;找到高阈值的灰度点后,在其周边遍历寻找与之相邻的高于低阈值的灰度点,直到相邻点找不到高于低阈值的灰度点,此时分割结束,将其作为备选目标区域;然后在目标区域的下方,沿着中心的向下垂直线上继续按此方法寻找,依次标记目标区域,直到到达海底声学图像的最底部像素;
S43:计算备选目标区域的最大尺度,将具有第一大尺度的目标区域视作海底地形,区域范围为(x0,y0)→(xN,yN),其中,x为潜水器水平方向,y为潜水器垂直方向;
S44:从x0开始,计算x坐标下的海底地形目标区域在y方向的灰度重心直至xN;
S45:从x0→xN,依次将灰度重心yi连线得到海底地形的轮廓线;
S5:对S4中得到的轮廓线进行地形识别;
S5中,地形识别方法包括如下步骤:
S51:通过直线变换的水平集方法对S4中得到的轮廓线进行坡度推算;
S52:根据声纳与潜水器空间姿态做二次换算,划分坡度等级。
2.根据权利要求1所述的一种基于剖面声纳扫测技术的海底局部地形自主感知方法,其特征在于:S2中,利用对相邻波束的输出幅度内平均内插四点波束的输出值的方法扩展后生成海底声学图像。
3.根据权利要求1所述的一种基于剖面声纳扫测技术的海底局部地形自主感知方法,其特征在于:S3中,采用中值滤波方法对海底声学图像进行滤波去噪处理。
4.根据权利要求3所述的一种基于剖面声纳扫测技术的海底局部地形自主感知方法,其特征在于:S3中,中值滤波方法包括如下步骤:
S31:将像素(i,j)周围3×3方形窗口的像素值读入数组array[9];
S32:用冒泡法对数组array[9]进行顺序,array[4]为像素(i,j)周围3×3方形窗口的像素值的中值;
S33:用array[4]代替P(i,j)。
6.根据权利要求1所述的一种基于剖面声纳扫测技术的海底局部地形自主感知方法,其特征在于:S52中,将坡度值0°~2°视为平原,2°~10°视为缓坡,10°~35°视为陡坡,35°以上视为峭坡,将轮廓线的坡面区域之上的有限局部目标视为障碍物,坡面下有限局部目标视为沟坑。
7.一种多栖型的潜水器,其特征在于:包括:
能够滚动地对海底进行连续扫测的剖面声纳,以及
声纳计算机;
所述声纳计算机包括:
能够根据接收到的回波数据建立海底声学图像的模块,
能够对海底声学图像进行滤波去噪、灰度增强和帧间处理的模块,
能够对完成滤波去噪、灰度增强和帧间处理的海底声学图像进行图像分割处理得到海底地形的轮廓线的模块,以及
能够对轮廓线进行地形识别的模块;
所述剖面声纳安装于所述潜水器的一侧并与其滚动中心线对齐,所述声纳计算机安装于所述潜水器内部;
所述能够对完成滤波去噪、灰度增强和帧间处理的海底声学图像进行图像分割处理得到海底地形的轮廓线的模块包括如下步骤:
S41:对海底声学图像的直方图进行统计,选取统计分布中大于前5%的灰度值作为高阈值,选取统计分布中大于前20%的灰度值作为低阈值;
S42:以海底声学图像的正中心作为搜索起始点,沿着中心的下方进行搜索,寻找大于高阈值的灰度点;找到高阈值的灰度点后,在其周边遍历寻找与之相邻的高于低阈值的灰度点,直到相邻点找不到高于低阈值的灰度点,此时分割结束,将其作为备选目标区域;然后在目标区域的下方,沿着中心的向下垂直线上继续按此方法寻找,依次标记目标区域,直到到达海底声学图像的最底部像素;
S43:计算备选目标区域的最大尺度,将具有第一大尺度的目标区域视作海底地形,区域范围为(x0,y0)→(xN,yN),其中,x为潜水器水平方向,y为潜水器垂直方向;
S44:从x0开始,计算x坐标下的海底地形目标区域在y方向的灰度重心直至xN;
S45:从x0→xN,依次将灰度重心yi连线得到海底地形的轮廓线;
所述能够对轮廓线进行地形识别的模块包括如下步骤:
S51:通过直线变换的水平集方法对S4中得到的轮廓线进行坡度推算;
S52:根据声纳与潜水器空间姿态做二次换算,划分坡度等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710810548.6A CN107632305B (zh) | 2017-09-11 | 2017-09-11 | 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710810548.6A CN107632305B (zh) | 2017-09-11 | 2017-09-11 | 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107632305A CN107632305A (zh) | 2018-01-26 |
CN107632305B true CN107632305B (zh) | 2021-04-09 |
Family
ID=61100997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710810548.6A Active CN107632305B (zh) | 2017-09-11 | 2017-09-11 | 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107632305B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109143210B (zh) * | 2018-09-07 | 2020-08-07 | 北京中电慧声科技有限公司 | 一种声呐信号起始点实时跟踪方法、装置及声呐 |
CN110988888B (zh) * | 2019-11-08 | 2021-10-29 | 中科长城海洋信息系统有限公司 | 海底信息的获取方法和装置 |
CN112882042B (zh) * | 2021-01-14 | 2022-06-21 | 天津市水产研究所 | 一种基于声学数据的海洋牧场海床遥测与识别方法 |
CN113376639B (zh) * | 2021-07-19 | 2022-08-05 | 福州大学 | 基于扫描声呐成像的桥墩基础冲刷区地形三维重构方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750611B (zh) * | 2009-12-02 | 2012-05-09 | 哈尔滨工程大学 | 一种水下机器人目标探测装置及探测方法 |
CN103971127B (zh) * | 2014-05-16 | 2017-04-26 | 华中科技大学 | 一种前视雷达成像海面目标关键点检测识别方法 |
CN105173038A (zh) * | 2015-08-05 | 2015-12-23 | 魏芳 | 结合小波滤波和中值滤波的船下暗礁识别装置 |
CN106802419B (zh) * | 2017-01-23 | 2019-10-08 | 中海石油环保服务(天津)有限公司 | 一种基于声纳图像特征的沉底油识别方法及系统 |
-
2017
- 2017-09-11 CN CN201710810548.6A patent/CN107632305B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107632305A (zh) | 2018-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107632305B (zh) | 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 | |
CN102879786B (zh) | 一种针对水下障碍物的检测定位方法和系统 | |
US8929176B2 (en) | Building a three-dimensional model of an underwater structure | |
Huy et al. | Object perception in underwater environments: a survey on sensors and sensing methodologies | |
CN105787886A (zh) | 一种基于多波束图像声纳的实时图像处理方法 | |
CN113344953B (zh) | 一种基于无人机的机器视觉涌潮流速测量方法 | |
CN111551942B (zh) | 一种基于解卷积算法的水下自主航行器回坞方法 | |
CN105488852A (zh) | 一种基于地理编码和多维校准的三维图像拼接方法 | |
CN115128617B (zh) | 适用于深海矿产资源勘查区的高精度海底成像方法 | |
CN111443344B (zh) | 一种侧扫声呐海底线自动提取方法及装置 | |
CN116027349A (zh) | 基于激光雷达和侧扫声呐数据融合的珊瑚礁底质分类方法 | |
Xu et al. | A localization algorithm based on pose graph using Forward-looking sonar for deep-sea mining vehicle | |
CN116990824A (zh) | 集群侧扫系统的图形地理信息编码和融合方法 | |
CN113837924A (zh) | 一种基于无人艇感知系统的水岸线检测方法 | |
CN107942316A (zh) | 一种基于多波束声呐波束输出信号的水中浓悬浮体运动速度估计方法 | |
Zhang et al. | Object detection and tracking method of AUV based on acoustic vision | |
CN112946660A (zh) | 一种基于多波束前视声呐的同时定位与建图方法 | |
CN116523822A (zh) | 一种基于侧扫声呐的海缆检测识别方法 | |
Woock | Deep-sea seafloor shape reconstruction from side-scan sonar data for AUV navigation | |
Hernández et al. | Probabilistic sonar scan matching for an AUV | |
CN105205817A (zh) | 一种基于声呐图像边缘角点直方图的水下地形匹配方法 | |
CN213813947U (zh) | 海上风电基础海缆接入端检测系统 | |
KR102276943B1 (ko) | 초음파 카메라를 이용한 수중 오브젝트의 스캔경로 설정 방법 및 수중로봇 | |
CN113989350A (zh) | 无人船自主探索和未知环境三维重构的监控系统 | |
Ehlers et al. | Using generalised self-organizing maps as part of underwater localisation for quay wall inspections |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |