水下搜救中基于先验信息的AUV区域覆盖路径规划

搭载侧扫声呐(side-scan sonar,SSS)的自主水下航行器(autonomous underwater vehicle,AUV) 执行大规模海上搜救(search and rescue,SAR)任务时通常采用区域覆盖路径规划(coverage path planning, CPP)技术。由于任务失败的可能性很大,因此实现完全覆盖的同时,优先搜索目标可能存在的区域并提高侧扫声呐的数据质量十分必要。针对以上问题,提出了一种面向操作的全覆盖路径规划方法 SAS-A*,通过生成全覆盖路径,有效提高目标可能存在区域的覆盖速度和声呐数据的质量。该方法基于救援专家预测的目标位置和轨迹,采用二维高斯分布建立目标存在的概率模型,作为路径规划的先验信息。提出的 SAS-A*算法将下一个路径点选择策略转化为多目标决策问题,采用加权度量法来进行多目标优化,使 AUV 以更短路程、更少的转弯优先搜索目标可能出现的区域。仿真结果表明：SAR- A*路径规划方法适用于大规模搜救任务,可快速提高目标的搜索概率。     

基于改进遗传算法的无人水下航行器路径规划

针对无人水下航行器（Autonomous Underwater Vehicle,AUV）运动约束多,传统遗传算法的路径寻优效率低、收敛速度慢等问题,提出了一种改进遗传算法的 AUV 路径规划方法。该算法选用栅格法构建环境,使用路径长度、平滑度和危险区域作为评价函数。改进遗传算法种群初始化过程,引入周围点栅格提高收敛速度,同时结合灾变思想避免群体陷入局部最优解。该算法根据 AUV 最大转角的约束条件,设计了 AUV 平滑过程和删除过程,避免了 AUV 航行出现急停急转。仿真及湖上试验结果表明：改进遗传算法相比传统遗传算法,路径长度减少 11.4%,收敛速度加快 20.0%,且收敛路径满足 AUV 航行约束要求。     

基于改进量子粒子群算法的AUV路径规划研究

针对海洋环境下自主水下机器人（AUV）的路径规划问题,提出了一种基于框架四叉树的改进量子粒子群算法（QPSO）,首先使用框架四叉树的方法对障碍物建模,该方法提高了建模的精度且对后续算法的效率也有极大的改进,之后设计改进的量子粒子群算法,并且结合水下环境的特殊性设计适应度函数,综合考虑航线路径长度、偏转角度以及海流影响,使得算法可以在水下环境中寻得能耗最短的解路径。最后通过仿真试验验证,相比于传统的栅格法和粒子群算法,改进量子粒子群算法的运算时间更短,收敛速度更快,其独特的适应度函数可以使AUV能更好适应水下多变的环境,且能利用海流设计能耗更小的路径,具有很大的实用价值。     

基于生成对抗网络的声呐图像超分辨率算法

由于受到复杂水声信道影响,侧扫声呐生成图像一般存在分辨率低、细节模糊等问题,这给基于侧扫声呐图像的小目标检测与识别过程带来了一定难度。常见的图像超分辨率处理算法大致可以分为插值算法、稀疏表示的重建算法等。传统插值算法存在图像边缘模糊、细节不清楚的问题,因此提出了一种改进型超分辨率生成对抗网络（SRGAN）结构。该结构可在保留图像中的小目标细节的基础上提升细节特征显示度,并且可使目标边缘更加清晰,可为后续的小目标检测和识别在一定程度上提供技术支持。     

基于AUV的声纳水下目标实时探测机制研究

针对传统船载声纳探测水下目标存在成像分辨率低、主观性强、耗时长、应用区域局限,以及自主式水下潜航器(autonomous underwater vehicle, AUV)受水声通信限制导致数据无法实时回传、处理及目标实时探测的问题,提出了一种基于AUV的声纳水下目标实时探测机制。首先对基于AUV搭载声纳设备实施水下目标探测的系统进行了阐述;然后提出了基于AUV的声纳水下目标实时探测实施流程和关键技术;最后通过海上试验,验证了该机制在一定程度上克服了水声通信限制,实现实时、高效、智能的水下目标探测,具有较强的实际指导意义。     

一种基于温度动态估计的AUV锋面跟踪算法

针对海洋锋面快速观测的需求,本文提出了一种基于温度动态估计的自主水下机器人(AUV)锋面跟踪算法。首先,选择高斯过程回归(GPR)作为环境模型估计工具,对AUV近邻区的温度进行动态估计;接下来判断AUV当前的观测位置,在锋区内部执行沿梯度方向跟踪策略,在锋区边界执行沿等温线跟踪策略;最后,根据温度预测结果,指导在不同路径规划策略下的观测点选取,实现AUV的在线路径规划。本文使用该算法,对通过卫星遥感数据模拟的锋面观测区域进行仿真验证,研究结果显示,本文算法与常规方法相比,可以快速地完成锋面跟踪任务,并具有良好的环境适应能力,能够满足对不同形态锋面的观测需求。     

基于LOG算子的侧扫声呐图像水下小目标检测算法研究

针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点,提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先,根据侧扫声呐图像中水下小目标成像特点,对声呐图像进行滤波及聚类分割,大幅降低图像中噪声;然后,采用斑点检测思想,提取侧扫声呐图像中疑似目标区域;最后,基于自动阈值分割算法对声呐图像进行分割,获取目标区域二值图像,使用二阶矩估计目标尺度,剔除虚假目标,最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高,对侧扫声呐图像中的水下小目标具有良好的检测效果。     

基于小波分析的侧扫声呐信号非线性增强算法

侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量,将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法,用以改善侧扫声呐图像对比度低、噪声强度大的问题.首先利用改进的Bayes阈值对侧扫声呐ping信号进行一维小波分解,提取信号特征信息;然后利用2...     

基于强化学习的自动帆船路径规划算法研究

作为自动水面航行器的重要分支之一,自动航行帆船在执行长期海事任务时具有低能耗的优势,但其航行过程受到环境因素的影响很大。针对以上情况,本文考虑了自动帆船的自身运动模型,以及在航行时受到的海风、海流和障碍物的影响,提出了自动帆船从起始点至目标点的路径规划算法。该算法通过帆船的平面运动模型来计算环境因素的影响,再通过强化学习中的Q-learning算法实现对于海上两点间的路径规划并同时实现规避障碍物。通过仿真实验证明了本文提出的自动航行帆船的路径规划算法是可行的。     

基于CA-YOLOv5s的水下目标识别方法研究

水下目标物的准确识别是保障通航安全的一项重要工作,针对现有算法对水下多类别目标存在识别精度不高的问题,本文在 YOLOv5s （You Only Look Once v5s） 的基础上提出对其进行改进。首先,为平衡样本间的数量,通过利用几何变化操作模拟现实发生的情况对数量较少的样本进行扩充;其次,将 YOLOv5s 中传统损失函数 CIoU 惩罚项中的反正切函数改为Sigmoid 函数,加快目标识别模型的收敛速度;最后,融合坐标注意力机制（Coordinate Attention,CA）,融合后的模型能衡量每个通道信息的重要性,在关注目标位置信息的同时也不增加过多的计算量。试验结果表明：本文所提出的改进的 YOLOv5s 较改进前在准确率上提升了4.97%,在召回率上提高了 6.20%,在类平均精度上提升了 4.98%,证明本文改进的方法在工程应用上的价值。     

动态环境下矢量化路径规划算法

对全方位机器人在完全未知动态环境下实时路径规划和针对移动障碍物的避障问题进行研究。提出矢量化路径描述方法,并将其与Bug算法思想相结合来解决机器人的路径规划问题。机器人的初始路径由其初始位置和目标位置生成,其运动过程是:首先沿初始路径行进,以规定间隔扫描当前环境,判断是否有障碍物阻挡当前路径,并检测障碍物的位置、移动方向和速度等信息;然后根据障碍物信息和机器人安全距离计算路径中间点,并插入中间点更新路径以实现避障。本文的机器人路径规划结果是以矢量形式进行描述及保存的,降低了对路径存储空间的需求,且按规划结果行进时只需要考虑直线移动距离和转动方向,简化了全方位机器人的控制。仿真结果说明本文方法的可行性及有效性。     

一种基于改进蚁群算法的载人潜水器全局路径规划

当前关于使用蚁群算法解决载人潜水器路径规划问题的研究,往往只注重路径的长度和算法收敛速度,容易忽略路径点与障碍物之间的距离和路径的平滑度等要素。载人潜水器过于靠近障碍物航行时容易产生碰撞;按照不平滑路径行驶时,频繁地转向会降低航行效率。为解决这些问题,受人工势场法启发,文中在蚁群算法的概率选择环节引入障碍物惩罚因子φ和转向惩罚因子ψ,对路径点的选择加以限制。仿真测试表明,相比于传统蚁群算法和Dijkstra算法,该算法规划的路径与障碍物之间保持安全距离且转向次数更少,因此载人潜水器按照此路径航行时,安全性和航行效率更高。     

基于L型阵列的二维CAATI算法高分辨DOA估计

将多角测深侧扫声纳（MSBSS）中应用的计算到达角瞬态成像（CAATI）技术扩展到三维空间,提出一种基于L型阵列的二维CAATI高分辨DOA估计方法,同时解决了信号的参数配对问题。该算法具有运算量和快拍数均较小的优点,为水下三维高分辨探测提供了可能。     

多障碍环境中基于增强式学习的势场优化和机器人路径规划

该文把增强式学习方法应用于多障碍环境中机器人路径规划 ,并将增强式学习和路径规划相结合 ,通过工作空间势场的自适应优化学习 ,实现机器人的全局路径规划 ,即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比 ,该方法避免了势场中局部极小点所引起的陷阱区域 ,并且所得到的路径具有最优特性。计算机仿真实验结果表明 ,这种学习方法能有效的解决多障碍环境中的机器人路径规划问题     

AUV Local Path Planning Based on Acoustic Image Processing

The forward-looking image sonar is a necessary vision device for Autonomous Underwater Vehicles （AUV）. Based on the acoustic image received from forward-looking image sonar, AUV local path is planned. When the environment model is made to adapt to local path planning, an iterative algorithm of binary conversion is used for image segmentation. Raw data of the acoustic image, which were received from serial port, are processed. By the use of ＂Mathematic Morphology＂ to filter noise, a mathematic model of environment for local path planning is established after coordinate transformation. The optimal path is searched by the distant transmission （Dt） algorithm. Simulation is conducted for the analysis of the algorithm. Experiment on the sea proves it reliable.     

海底输油气管线对海洋环境影响性分析

我国近海海底有超过3 000km的输油气管线,定期对海底输油气管线进行检测是保障海底输油气管线安全和海洋环境安全的重要手段。为保护海洋环境和海底油气管线安全,对广东近海某段海底输油气管线进行了安全检测,采用浅层剖面测量、侧扫声呐测量和多波束测量手段,对管线路由区域进行了勘测。勘测结果表明:检测区域油气管线路由没有裸露和悬空,路由周边地层较稳定,根据侧扫声呐和多波束测量结果,发现在路由区海底存在影响管道安全的因素,路由区海底拖锚等痕迹较多,距离路由大约950m处有人工采沙坑存在。建议相关部门对该区域应加以重视,加大海上巡逻执法力度,加强宣传工作,增强大众的海底管道保护意识。     

水下地貌调查测量精度提高方法研究

海洋调查中,为确保调查信息与实际位置相匹配,提高调查成果的可信度,必须提高作业船拖曳调查设备的定位精度。论述了基于超短基线（USBL）水声定位与差分全球定位系统（DGPS）组合的新方法,消除了因作业船频繁变向、潮流的流向及流速等造成的调查设备位置的测量误差,成功地解决了调查信息错位,提高了海底地貌调查的定位测量精度,实用性较强。     

卷积神经网络识别侧扫声呐影像的研究

卷积神经网络是当前应用最广泛的图像识别算法,利用大量数据对网络进行训练,即可达到快速、高效地对图像进行识别的目的 .由于卷积神经网络结构众多,且同一数据在不同网络表现也不尽相同,为了选择适用于分析沉船声呐数据的网络,使用Python搭建LeNet 5、AlexNet、VGG、GoogLeNet、ResNet系列(Res...     

一种基于道路网分层的最短路径算法

D ijkstra算法是求解最短路径的经典算法,A*是目前最流行的启发式搜索算法,分析了这两种算法的搜索空间和时间复杂度。在此基础上,提出了一种基于道路网分层最短路径算法。实验证明:该算法是一种效率好、实用性强的最短路径算法。     

多波束海底覆盖区域计算模型研究

根据多波束探测原理,提出了一种波束脚印为梯形的多波束海底覆盖区域估计模型,讨论了在测船动态状况下测量时的海底覆盖区域变化规律,仿真试验表明该算法能够较好地显示多波束在海底的覆盖区域。