警用水下機器人目標精確識別定位技術研究

■ 文/中國船舶重工集團公司第七一六研究所 姚堯

關鍵字：警用水下機器人 信息融合 精確定位 目標識別 聲光磁復合

1 引言

近年來，隨著我國打擊違法犯罪力度的不斷加大，以及執(zhí)法范圍的不斷擴大，水域安全防護也成為公安機關的重要監(jiān)管任務。目前，公安機關對于水域尤其是水下反恐維穩(wěn)和治安管理尚缺乏成體系的自動化、智能化和可靠安全的處理手段和裝備，對于水下的探測、搜索、排查、物證打撈等主要依靠蛙人進行人工處理，不僅辦案效率難以提高，也存在人員安全風險。水下作業(yè)機器人（ Remote Operated Vehicle，簡稱ROV）具有機動靈活、探測手段多樣、無人員傷亡和不受水域環(huán)境限制等優(yōu)點，可替代蛙人執(zhí)行危險、敏感的工作或長時間的重復性工作，應用于水下可疑物探測、水下物證搜索與打撈、水下救援、水下安防和水下處置等警用領域，具有廣闊的應用前景。

無論在科考領域還是軍事領域，水下機器人都有著舉足輕重的作用。由于其可搭載多種任務載荷執(zhí)行多樣化任務，因此在世界各國都得到了快速發(fā)展。其中，法國ECA公司研制的警用輕型ROV包括H300-INS與SeaScan MK2兩種型號，模塊化配置攝像觀測系統(tǒng)、聲吶系統(tǒng)、五種功能機械手等多種設備，如圖1所示。該公司警用ROV能夠通過實時視頻及聲吶圖像協(xié)助警方在能見 度較差的區(qū)域尋找受害者、殘骸及證據(jù)，并且能夠進行長時間的水下監(jiān)控。

圖1 ECA水下機器人

國內(nèi)水下機器人起步較晚，目前沈陽自動化研究所、上海交通大學、中國船舶重工集團公司第七一六研究所等單位都已經(jīng)研發(fā)出具有自主知識產(chǎn)權的水下機器人裝備，并在海洋資源開采、海洋科考等領域有了初步的應用，其中中國船舶重工集團公司第七一六研究所一直致力于水下機器人的工程應用研究，在水下打撈、水下探測、海底目標檢測等領域具備深厚技術積累和工程經(jīng)驗。

經(jīng)過多年發(fā)展，隨著各類海洋技術的不斷突破，水下機器人載體平臺設計和運動控制問題已基本得到解決，但面向工程實際、與水下作業(yè)應用緊密相關的目標識別和定位限制了其廣泛應用，導致水下機器人“下得了水”，但是“找不到東西”，“不知道在哪”。因此，研究水下機器人的目標識別和定位具有非常重要的意義，是一切海洋開發(fā)活動與海洋高技術發(fā)展的基礎，對于水下調(diào)查取證、水下威脅排除和打撈救援具有重大意義。

本文針對面向水下丟棄物嫌疑物等靜態(tài)目標及水下蛙人等動態(tài)目標的水下機器人目標探測和精確定位需求，考慮在清澈水域以基于水下攝像的光學探測為主，在渾濁水域以基于水下聲吶探測的聲學探測為主，在進行水下鐵磁目標探測時結合水下磁探測的復合探測手段條件下，深入研究基于視頻、聲吶圖像、磁信號等多源信息的水下目標綜合識別和定位技術，為水下機器人在警用領域的拓展應用奠定技術基礎。

2 基于水下光學圖像的目標識別和相對定位方法

對水下目標圖像進行濾波、增強、自適應區(qū)域分割以及形態(tài)學處理，并采用改進的邊緣提取方法和直方圖匹配方法實現(xiàn)目標特征的提取，進而確定目標的位置和方位。

此處重點描述直方圖匹配方法，選擇序列圖像中目標成功檢測時的局部目標區(qū)域作為目標窗口，以小窗口中的灰度作為特征空間，結合Hough變換的檢測結果確定匹配窗口，通過求取匹配窗口與目標窗口灰度信息之間的相似性測度以及均值距離，提高檢測的正確率和實時性。設C0(x,y)和Cm(x,y)分別為物體的目標窗口和當前幀中的匹配窗口，取目標窗口作模板T，其大小為m×n=15×15。在Hough變換確定的目標中心線上平移模板T，則模板T與其覆蓋下的第k個子圖Sk之間的差別用互相關相似性測度式表示：

當R(T,Sk)最小時，T與Sk達到最佳匹配。其中表示目標區(qū)域的能量，是常量；當搜索區(qū)域較小時，隨著目標模板的緩慢移動，也近似為常量。也就是說，式中當取最大值時，R(T,Sk)能夠達到最小值。

另外，取目標窗口作為模板T，其大小為m×n=15×15。在Hough變換確定的目標中心線上平移模板T，則模板T與其覆蓋下的第k個子圖Sk之間的差別還可用窗口間的均值距離來表示，如下式所示：

其中，

基于上述模型，設置相似性測度閾值，判斷窗口覆蓋是否是特征區(qū)域。

3 基于聲吶圖像的目標識別和相對定位方法

基于聲吶圖像的水下靜止或運動目標的識別主要可分為水下目標圖像分割、水下目標特征提取和確認，水下運動目標還需增加運動理解和預測過程。

對于靜止目標識別，首先可基于區(qū)域分割、基于邊界分割以及閾值分割等方法進行聲吶圖像分割，在近距離情況下由于強背景回波干擾影響，采用基于位置分布的自適應閾值圖像分割方法將關注目標圈取出來，然后通過計算圈取目標區(qū)域的面積、長寬比、強度等特征，同時提取分形維數(shù)作為紋理特征，作為本文用于區(qū)分靜止目標和背景的綜合顯著特征，進而利用廣義回歸神經(jīng)網(wǎng)絡對特征提取進行靜止目標分類。

廣義回歸神經(jīng)網(wǎng)絡(GRNN)是徑向基函數(shù)網(wǎng)絡(RBF)的一種重要變型，但比RBF運算速度更快，GRNN具有更好的函數(shù)逼近能力，并且網(wǎng)絡僅有一個變量，在網(wǎng)絡訓練方面也優(yōu)于BP神經(jīng)網(wǎng)絡。同時，訓練GRNN不需要迭代以及大量樣本數(shù)據(jù)，在聲吶圖像數(shù)據(jù)有限的情況下也能很好的應用。將前文所提多特征與標簽數(shù)據(jù)一起送入GRNN進行有監(jiān)督訓練，實現(xiàn)GRNN分類器支持下的聲吶圖像目標識別。

相較于靜止目標識別，動態(tài)目標識別難度較大。本文重點分析動態(tài)目標識別方法。運動目標識別的本質為一混合系統(tǒng)的估計問題，即通過傳感器的離散量測值估計目標的連續(xù)狀態(tài)，流程見下圖：

圖2 運動目標識別與定位原理圖

運動目標建模的主要方式有兩種：基于直線運動及圓周運動的運動模型。對于水下目標探測來說，通常水下機器人運動速度較慢，不超過4kn，因此更有利于探測速度相對較慢的目標，一般都是相對運動為直線運動；而且即使在水中聲速也遠遠不如電磁波在空氣中的傳播速度，對目標建模的要求并不高，所以這里基于直線運動建立目標模型。目標離散的狀態(tài)方程如下所示：

式中：XK=[xkyk]T為k時刻的目標狀態(tài)向量； Wk-1為服從N(0,Q)的干擾噪聲，Q為協(xié)方差矩陣，狀態(tài)轉移矩陣為：

B為干擾噪聲轉移矩陣。

粒子濾波是一種基于Monte Carlo方法和Bayesian遞歸估計的統(tǒng)計濾波方法，即依據(jù)大數(shù)定理通過Monte Carlo方法實現(xiàn)Bayesian估計中的積分運算。如今粒子濾波及其一些改進算法被廣泛的應用于故障診斷、運動目標狀態(tài)估計和導航定位等多個領域。

對于粒子濾波，B的實際含義為粒子的傳播半徑，兩個方向相互獨立，故取為：

調(diào)節(jié)B的值能獲得不同的探測定位效果。

信息融合技術越來越多的應用在目標識別定位上，并取得了很好的效果，正是因為該技術極大的反映了信息的冗余、互補性。這里將信息融合技術應用到基于聲吶圖像的水下目標探測定位中。考慮實際應用中對實時性的要求，文中選取簡單且有效的加權平均法。對目標模板計算其上述選取的五個特征信息M7,0,A0,N8,0,M2,0,M4,0，聲吶每生成一幀圖像就對目標模板求取相似度以確定新的粒子集的權值。

基于粒子濾波的前視聲吶目標探測的流程圖如圖3。

在初始時刻，對第一幀聲吶圖像進行分割，選取目標模板，計算特征組合。以目標的形心位置(Xinit,Yinit)為中心初始化等權值的N個粒子，每個粒子包含兩類信息：權值和位置TXi,TYi,i= 1,2,···,N。當新的一幀圖像生成時運動狀態(tài)模型實現(xiàn)粒子的轉移，利用新的觀測更新粒子的權值，并計算目標位置的當前估計值和下一時刻的預測值，最終可獲取對運動目標的位置估計和位置預測。

圖3 程序流程圖

4 基于磁異常的鐵磁目標定位技術

較多水下作案拋棄物皆為鐵磁目標，且目標較小特征不明顯，無法僅僅基于聲吶或光學探測進行準確識別?？紤]到鐵磁性物體會影響地磁場分布進而引起地磁場異常，通過測量磁測異常信號，確定信號分布，提取出信號特征，并通過數(shù)據(jù)處理得到目標相關信息，能夠快速識別出鐵磁物質，是探測水下及掩埋的鐵磁性物體的最有效方法。

本文考慮利用ROV搭載的磁力儀進行鐵磁探測，基于磁異常原始信號的采集和濾波處理現(xiàn)已較成熟，不再詳細介紹。在實際工程應用和定位解算中，由于磁探測距離有限，磁探測線在目標正上方通過時的異常感應是非常理想的，但絕大多數(shù)情況下由于目標不是很明確，通常磁探測線在目標周圍通過和感應異常，因此，如何在動態(tài)環(huán)境下根據(jù)非正上方的異常曲線進行目標精確定位，是磁異常處理的難點。此時可利用磁梯度探測方法，根據(jù)規(guī)劃好的磁探測曲線，同時攜帶2個及以上磁力探測傳感單元，利用相鄰磁傳感器的磁場差值作為梯度異常值，進而利用常規(guī)方法進行目標的識別和定位，并在過程中根據(jù)磁梯度異常值實時調(diào)整磁探測方向，以獲得較精確的探測效果。

5 聲光磁探測與自主定位結合的多源融合定位方法

基于水下機器人的聲、光、磁探測設備可實現(xiàn)對目標的相對位置測量，還需結合水下機器人的自主定位，利用多源融合方法，實現(xiàn)對目標絕對位置的精確測量。

5.1 水下機器人自主定位方法

水下機器人的自主定位方法主要有：水聲定位、慣性導航定位、水下視覺定位及組合定位。

5.1.1 水聲定位技術

由于電磁波在水下衰減比較嚴重，限制了傳統(tǒng)的陸地無線電波通訊，如GPS，而10KHz的聲波在水中的衰減僅為1dB/km，在水下定位領域展現(xiàn)了巨大的潛能，水聲定位原理如圖4所示。

圖4 水聲定位工作原理

目前比較成熟的水下定位技術是基線系統(tǒng)定位，通過布置多個水聲接收和發(fā)送的基元，根據(jù)已知的空間幾何關系，確定與之通訊的水下機器人的位置，但由于海洋環(huán)境中水聲傳播的多途效應等影響，存在不可預測的跳動性誤差。

5.1.2 慣性導航定位

與水聲定位系統(tǒng)通過求解結合交點的算法不同，慣性導航是一種航姿推算的導航定位系統(tǒng)，不依賴于外部信息、也不向外部輻射能量，因此自主式慣性導航系統(tǒng)，得到了廣泛的推廣應用，但也存在不可避免的時間累積誤差。

5.1.3 基于視覺的定位方法

通過高質量的水下攝像，利用圖像配準方法，得到實時相對位置。與此同時，根據(jù)歷史行走路線構建的水下地圖，方便水下機器人進行位置獲得和場景的再檢測，進而實現(xiàn)基于視覺的定位，由于地圖的構建困難，該方法在實際工程上未得到大范圍的推廣應用。

5.1.4 組合定位

在水下環(huán)境中，單一的傳感器設備，無法滿足高精度自主導航的要求，因此水下機器人自主定位通常采用水聲、慣導等相結合的組合定位方法，利用獲取的傳感器信息經(jīng)過加權平均法、Kalman 濾波、Bayes 估計等方法進行濾波處理，最終實時解算出水下機器人的準確位置。

5.2 基于聲光磁探測的水下目標多源融合定位方法

水下機器人同時搭載的聲吶、水下攝像和磁探儀等探測傳感器可實現(xiàn)對目標的各自探測，通過處理能夠得到多個目標的相對位置和屬性信息，包括對同一目標的測量。通常來說，光學探測圖像清晰，分辨率高，目標邊緣清晰，特征明顯，但探測距離較近，且僅能在清晰水域進行探測；聲吶探測圖像通常存在干擾，分辨率低，目標有聲影區(qū)，邊緣不清晰，判讀困難，但探測距離較遠，能夠在渾濁水域進行探測，且能夠探測泥沙掩埋的物體，因此光學探測和聲學探測手段通?；檠a充；而磁探測由于磁信號強度隨距離的增加成3倍衰減，探測距離較近，地磁信號干擾較大，且無法如光學和聲學探測手段一樣形成肉眼可識的圖像，通常由磁力異常曲線進行可疑目標點的判定，但優(yōu)勢是對鐵磁物質有著敏感的探測性能，且能夠穿透石塊探測到石塊掩埋的鐵磁物質。

綜上，綜合利用聲、光、磁手段，可利用來自多個信息源的信息進行目標關聯(lián)融合，可進一步降低目標虛警率，提高目標定位精度。對于來自多個傳感器源的數(shù)據(jù)進行融合，主要分為兩種情況，一種是空間位置上的關聯(lián)融合，主要針對靜止目標；一種是時間順序上的關聯(lián)融合，主要針對運動目標。關聯(lián)融合的基本原理是通過概率統(tǒng)計計算或邏輯判斷，解決航跡與點跡、點跡與點跡之間的相互配對問題。

本文采用全序列概率關聯(lián)算法進行目標的空間關聯(lián)融合處理。

全序列概率關聯(lián)算法就是將兩個近鄰位置的所有相同時刻的信息聯(lián)合進行概率分析，并依概率確定一個門限，以便確定兩個位置是否關聯(lián)，主要算法描述如下：

設有兩位置序列在共同時間域對應的方位如下:

分別是傳感器1的量測序列和傳感器2量測序列。假定測量噪聲為高斯白噪聲，如果兩個方位序列源自同一個目標，并設i時刻該目標真實方位為，則：

其中Vi是獨立的零均值高斯過程：

則可得：

其中，

是 Krone ker —δ 函數(shù)。

令

則ξn服從n個自由度的x2分布，其分布函數(shù)是:

可以按一個已知的概率來判斷兩個方位序列是否相關。

由上式可知，當 ξn＜—γ2時，兩個方位序列以概率Pr相關。其中γ2由相關概率Pr確定，兩者滿足下式：

對上面的相關進行簡化，判斷兩個方位序列是否相關，在相關概率一定的情況下，波門大小γ與方位序列長度n有關，方位序列每增加一項，波門要刷新一次。

設方位序列相關且滿足獨立性條件，那么采用加權最小二乘法，可以得到兩個方位序列融合結果如下：

可以推知融合誤差如下：

即融合誤差方差小于單傳感器測量誤差方差，融合結果不低于單傳感器測量精度。對于N個傳感器的情況可以類推。

類似的，可利用最近鄰域關聯(lián)法、模糊航跡關聯(lián)等實現(xiàn)時間順序上的目標航跡關聯(lián)融合，提高目標相對定位精度，并進一步結合水下機器人自主定位信息，解算出目標絕對位置信息，為水下作業(yè)提供信息支持。

6 結語

本文針對警用水下機器人對目標精確識別定位的需求，研究了基于聲、光、磁的復合探測方法，提出了基于多源傳感信息的水下機器人目標精確識別定位方法，能夠為警用水下機器人的目標精確定位提供有效解決手段，必將推動水下精確作業(yè)機器人在警用領域的快速發(fā)展和應用效能不斷提升。