無人水下航行器未知環境輪廓構建方法

李 楊, 于浩淼, 郭 晨, 賈兆巖

無人水下航行器未知環境輪廓構建方法

李 楊1, 于浩淼1, 郭 晨1, 賈兆巖2

(1. 大連海事大學 船舶電氣工程學院, 遼寧 大連, 116026; 2. 中國兵器工業集團 航空彈藥研究院有限公司, 黑龍江 哈爾濱, 150001)

無人水下航行器(UUV)運行時所攜帶的多元測距聲吶在水下環境獲取到的數據置信度較低。因此, 采用均值漂移聚類算法對所獲取到的數據進行預處理, 將異常數據與正常數據分為不同的數據類, 得到邊界點的集合; 然后利用Alpha-Shapes算法將邊界點連接成輪廓線; 并且為了滿足UUV跟蹤的理想路徑需平滑的要求, 利用貝塞爾曲線對構建的輪廓線進行擬合; 最后, 利用控制方法來實現對所構建地圖的跟蹤, 從而解決了UUV在未知海洋環境下的地圖構建問題。

無人水下航行器; 未知環境; 輪廓構建; 均值漂移算法; Alpha-Shapes算法; 貝塞爾曲線

0 引言

受自然環境影響, 水下航行器在復雜的海洋環境中執行指定任務的難度系數很高[1]。無人水下航行器(unmanned undersea vehicle, UUV)的靈活性、安全性及自主性都使其相較于其他水下航行器具備一定的優勢, 因此, 其工作范圍得到大大提升[2]。UUV的這些特性使其能夠更好地完成水下環境偵察、資源勘探、緊急救援等難度較大、危險系數較高的任務[3]。強大的自主性使其能夠在水下同步實現未知環境探測與巡岸跟蹤。但由于工作過程中沒有人的參與, UUV只能通過自身攜帶多元測距聲吶以及其他傳感器對水下周圍環境進行感知[4]。目前, 聲吶是水下測距應用最廣泛的傳感器[5]。但在探測過程中, 聲吶會受到外界環境的干擾使其獲取到的數據具有弱觀性[6]?

國內外對UUV環境構建的研究主要集中于圖像特征提取及定位導航。Kimball等[7]針對冰川的定深航行問題, 收集水下多波束聲吶圖像, 利用估計器不僅可以延續之前獲取的冰川位置, 又能對冰川的平移與旋轉進行精確估計。張潔等[8]在UUV地圖構建問題中引入了數字圖像處理方法, 用于處理在水下獲取到的聲吶數據, 并采用最近鄰數據關聯(nearest neighbor filter, NNF)算法將所采用的數據關聯, 再利用擴展卡爾曼濾波(extended Kalman filter, EKF)同時定位與建圖(simultaneous localization and mapping, SLAM)估計UUV姿態, 并同步構建基于障礙物特征的水下環境地圖。王宏健等[9]針對EKF在各種不確定情況下的精度降低問題, 提出了通過利用Saga- Husa自適應EKF與強跟蹤EKF相結合的算法來提高UUV在水下進行地圖構建的精準度。遲東南[10]針對UUV巡岸控制問題, 提出了利用小波變換將獲取到的聲吶數據中的高頻數據進行放大, 再利用支持向量聚類算法將異常點與正常點分為不同的數據類, 進而通過貝塞爾曲線對輪廓線進行擬合, 最后對擬合后的輪廓線進行巡岸跟蹤控制。李海豐等[11]針對視覺SLAM誤差較大的問題, 提出了一種多特征融合的點、線、面SLAM(point line plane SLAM, PLP-SLAM)算法。該算法利用點特征估計機器人位姿, 構建觀測模型, 并利用線段和平面特征來描述環境信息。黃靖偉[12]和王富民[13]等都針對視覺SLAM在水下應用過程中面對的問題進行了解決與優化。

文中UUV對海中某小島進行輪廓構建與同步巡岸, 目的是對海島水下情況進行偵察, 及時發現可疑問題。首先, 由于UUV攜帶的聲吶采集到的數據受環境干擾具有弱觀性, 因此, 采用均值漂移聚類算法對數據進行預處理, 剔除誤差較大的異常數據, 進而得到數據點云; 然后利用Alpha-Shapes算法根據數據點云中的邊界點構建出島嶼的地圖輪廓; 此時得到的輪廓線無法滿足UUV本身航行特性對理想路徑的平滑要求, 因此利用貝塞爾曲線對構建的輪廓線進行擬合。與文獻[14]采用的3次樣條函數相比, 曲線的擬合效果更好, 更加平滑, 便于后續跟蹤。最后, UUV將擬合后的輪廓線作為理想路徑進行跟蹤。

1 數據預處理

UUV所攜帶聲吶采用聲波返回原理獲取到的數據置信度低, 因此采用均值漂移聚類算法[15]對此類數據進行預處理, 能夠減少后續構建輪廓的誤差。

均值漂移聚類根據概率密度函數內的采樣數據來確定其局部最大值的位置, 是一種根據概率求解局部極值的算法。其采用的是一種基于核密度的無參估計, 只要參數確定, 概率分布即可確定。

無參估計在多維空間中具有下述形式

其中

將式(3)變為輪廓函數的形式

式(4)即為均值漂移聚類中對應于特征值的概率密度函數計算公式。

因為均值漂移算法需要求解的是局部極值, 且核函數是可微的, 所以求式(4)的梯度可以得到

(6)

式中, 等號右側第1項為常量, 第2項為漂移向量

依照上述內容可總結為如圖1所示的聚類算法流程圖。

圖1 聚類算法流程圖

經過判斷就可以從最初位置“漂移”至極值點位置, 完成聚類。

2 地圖輪廓構建

2.1 邊界點網格篩選

首先對數據預處理后得到的平面點云進行數據網格化, 這樣可以減少Alpha-Shapes算法的判斷時間。將點云劃為如圖2所示的圖像網格。網格大小會影響后續邊界點的提取, 因此, 為了削弱網格邊長選取對提取邊界點的影響, 給出尺寸計算公式

圖2 網格圖例

Fig. 2 Grid legend

經過網格化后, 若圖像內有數據點則像素為1, 否則為0。依次對每個網格進行判斷, 若像素為1, 且相鄰網格也為1, 即可判斷此網格為內部點網格, 不必用Alpha-Shapes算法進行判斷; 否則即為邊界點網格, 可用Alpha-Shapes算法來判斷。因此使用網格法可減少Alpha-Shapes算法的判斷時間。

2.2 邊界點查找

任取邊界點網格內點與其鄰域內個近鄰點, 取這個點歐氏距離的平均值, 即

Alpha-Shapes輪廓提取參數

3 曲線擬合

為了滿足UUV在水下未知環境探測時的慣性要求, 需要對已得到的輪廓線進行平滑處理, 將得到的平滑曲線作為理想路徑, 便于UUV進行跟蹤。

3.1 貝塞爾曲線擬合

貝塞爾曲線[17]是應用于二維圖像的數學曲線, 是計算機圖形學中相當重要的參數曲線。貝塞爾曲線主要包括起始點、終止點以及控制點, 其中, 起始點和終止點也被稱為數據點。在操作過程中, 通過改變和調整控制點的位置來實現貝塞爾曲線的變化。因此, 控制點決定了曲線的彎曲程度。

3.2 2階貝塞爾曲線

2階貝塞爾曲線由1個控制點和2個數據點組成, 如圖3所示。在和線段上分別找到和兩點。連接, 找到上一點。將點從點移向點,點從點移向點, 這段時間內點的移動軌跡即為2階貝塞爾曲線。

2階貝塞爾曲線可以理解為是2個數據點不斷變化的1階貝塞爾曲線。

由文獻[17]可得1階貝塞爾曲線公式為

圖3 2階貝塞爾曲線圖

由1階貝塞爾曲線可知

同理可得3階、4階等高階公式。

3.3 曲線擬合

UUV在跟蹤目標路徑的過程中會遇到2種情況: 轉彎路段和非轉彎路段。

轉彎路段的情況如圖3所示, 在這樣的環境下選擇2階貝塞爾曲線進行擬合。非轉彎路段的情況是由于UUV在水下探測過程中無法一次性獲得全局數據, 而局部數據無法代表整段航程的輪廓線特點, 因此, 將這部分局部數據暫定為非轉彎路段。

滿足此條件控制點個數的最小值即為貝塞爾曲線的階次。

出于安全考慮, UUV在跟蹤環境輪廓線的同時也要與其保持一定的安全距離。安全距離與UUV自身的屬性如質量、重心、回轉半徑以及水動力系數等因素有關, 即

4 仿真結果及分析

根據圖4所示流程圖, 對圖5的小島進行地圖構建并跟蹤。

圖4 仿真流程圖

UUV在水下利用聲吶探測到數據點后, 利用均值漂移聚類算法對數據進行預處理, 得到如圖6的島嶼輪廓數據點云。得到島嶼數據云點集后, 利用Alpha-Shapes算法在無序的點集中提取出輪廓, 如圖7所示。

上述操作得到的是封閉的多邊形, 無法滿足UUV在水下探測時的跟蹤條件。因此, 利用貝塞爾曲線對島嶼邊緣輪廓進行擬合, 在保證安全距離的條件下, 得到如圖8所示的平滑輪廓線。圖9為邊緣輪廓線與平滑后的輪廓線的對比圖, 可以看出, 貝塞爾曲線使原本輪廓線不平滑的彎折處更加平滑, 利于后續UUV進行巡岸跟蹤。圖10將文中采用的貝塞爾曲線與3次樣條擬合算法得到的輪廓線與邊緣輪廓進行對比, 從中可以看出, 獲取點集數量較多時, 貝塞爾曲線的擬合效果要優于3次樣條法[14], 得到的曲線更加平滑, 更加貼合真實路徑。該平滑曲線即為UUV水下探測跟蹤島嶼的理想路徑。

圖5 島礁環境衛星圖

圖6 島嶼數據點以及噪聲點分布

圖7 島嶼邊緣輪廓

圖8 邊緣平滑曲線

圖9 邊緣輪廓線與平滑后輪廓線對比

圖10 3次樣條法與貝塞爾曲線擬合輪廓線對比

構建島嶼輪廓是為了便于實現UUV在水下的路徑跟蹤。利用欠驅動UUV路徑跟蹤控制方法[18]對平滑后的島嶼輪廓邊緣路徑進行跟蹤。由于巡岸跟蹤主要關注的是水平面運動, 因此, 只需建立3個自由度的2階UUV水平面動力學和運動學模型。然后通過引入Serret-Frenet坐標系來改進傳統的視線法(Line-of-sight, LOS)制導方法。進而將航跡跟蹤位置誤差轉化為航行器的艏向角誤差。最后利用非奇異終端滑模控制方法設計控制器來鎮定艏向角誤差。圖11為在此控制方法下欠驅動UUV部分路徑跟蹤示意圖。仿真結果如圖12～13所示, 給出了某一段時間內變量的響應曲線。

圖11 UUV部分路徑跟蹤效果

圖12 UUV水平面跟蹤艏向角響應曲線

圖13 UUV水平面跟蹤誤差曲線

5 結束語

針對欠驅動UUV巡岸地圖構建問題, 首先采用均值漂移聚類算法對水下探測過程中聲吶獲取到的數據進行預處理, 剔除噪聲點, 得到包含島嶼信息的云點集; 再利用Alpha-Shapes算法從云點集中提取出島嶼輪廓點, 順次連接得到島嶼輪廓線; 然后, 基于UUV水下探測的屬性, 利用貝塞爾曲線對島嶼輪廓線進行擬合, 得到平滑曲線; 最后將該平滑曲線作為理想路徑, 在保證一定安全距離的情況下, 實現了欠驅動UUV基于非奇異終端滑模控制方法對規劃好的路徑進行跟蹤; 仿真試驗證實了文中方法可以實現欠驅動UUV在未知環境的地圖構建, 并能夠通過設計路徑跟蹤控制器執行巡岸任務。

[1] 陳強. 水下無人航行器[M]. 北京: 國防工業出版社, 2014.

[2] 陳子印. 欠驅動無人水下航行器三維路徑跟蹤反步控制方法研究[D]. 哈爾濱: 哈爾濱工程大學, 2013.

[3] 韓亞楠. 復雜海洋環境下的欠驅動AUV路徑跟蹤控制 [D]. 大連: 大連海事大學, 2020.

[4] Liang X, Qu X R, Hou Y H, et al. Three-dimensional Path Following Control of Underactuated Autonomous Underwater Vehicle Based on Damping Backstepping[J]. International Journal of Advanced Robotic Systems, 2017, 14(4): 1-9.

[5] Chen L, Yang A L, Hu H S, et al. RBPF-MSIS: Toward Rao-Blackwellized Particle Filter SLAM for Autonomous Underwater Vehicle with Slow Mechanical Scanning Imaging Sonar[J]. IEEE Systems Journal, 2020, 14(3): 3301- 3312.

[6] 嚴浙平, 遲冬南, 趙智, 等. 支持向量聚類的UUV障礙物孤立點惰性檢測[J]. 哈爾濱工程大學學報, 2012, 33(11): 1377-1383.

Yan Zhe-ping, Chi Dong-nan, Zhao Zhi, et al. Outlier Inertia Detection of UUV Obstacles Based on Support Vector Clustering[J]. Journal of Harbin Engineering University, 2012, 33(11): 1377-1383.

[7] Kimball P, Rock S. Sonar-based Iceberg-relative Navigation for Autonomous Underwater Vehicles[J]. Deep-Sea Research II, 2011, 58(11-12): 1301-1310.

[8] 張潔, 何波, 姚科, 等. 基于前視聲納的AUV同時定位與地圖構建[J]. 微計算機信息(測控自動化), 2009, 36(4): 255-257.

Zhang Jie, He Bo, Yao Ke, et al. Simultaneous Localization and Mapping for an Autonomous Underwater Vehicle Using Forward-looking Sonar[J]. Microcomputer Information, 2009, 36(4): 255-257.

[9] 王宏健, 王晶, 邊信黔, 等. 基于組合EKF的自主水下航行器SLAM [J]. 機器人, 2012, 34(1): 56-64.

Wang Hong-jian, Wang Jing, Bian Xin-qian, et al. SLAM of AUV Based on the Combined EKF[J]. Robot, 2012, 34(1): 56-64.

[10] 遲冬南. 未知環境UUV多元聲測距與同步巡岸控制方法[D]. 哈爾濱: 哈爾濱工程大學, 2013.

[11] 李海豐, 胡遵河, 陳新偉. PLP-SLAM: 基于點、線、面特征融合的視覺SLAM方法[J]. 機器人, 2017, 39(2): 214-220.

Li Hai-feng, Hu Zun-he, Chen Xin-wei. PLP-SLAM: A Visual SLAM Method Based on Point-Line-Plane Feature Fusion[J]. Robot, 2017, 39(2): 214-220.

[12] 黃靖偉. 基于水下圖像信息的同步定位與地圖構建方法研究[D]. 哈爾濱: 哈爾濱工程大學, 2019.

[13] 王富民. 自主水下機器人同時定位和地圖構建方法研究[D]. 沈陽: 沈陽工業大學, 2020.

[14] 李航. 基于激光測距的UUV地圖輪廓構建與同步巡岸控制方法研究[D]. 哈爾濱: 哈爾濱工程大學, 2018.

[15] 王健. 基于均值漂移聚類和優化的粒子濾波跟蹤算法研究[D]. 天津: 河北工業大學, 2014.

[16] 廖中平, 陳立, 白慧鵬, 等. 自適應-shapes平面點云邊界提取方法[J]. 長沙理工大學學報(自然科學版), 2019, 16(2): 15-21.

Liao Zhong-ping, Chen Li, Bai Hui-peng, et al. Adaptive Alpha-shapes Plane Point Cloud Boundary Extraction Method[J]. Journal of Changsha University of Science and Technology(Natural Science), 2019, 16(2): 15-21.

[17] Song B Y, Wang Z D, Zou L. An Improved PSO Algorithm for Smooth Path Planning of Mobile Robots Using Continuous High-degree Bezier Curve[J]. Applied Soft Computing Journal, 2021, 100: 106960.

[18] 李明, 李銅橋. 基于非奇異終端滑模的欠驅動UUV航跡跟蹤控制[J]. 應用科技, 2018, 45(2): 11-16.

Li Ming, Li Tong-qiao. Path-following Control for an Underactuated UUV Based on Non-singular Terminal Sliding Mode[J]. Applied Science and Technology, 2018, 45(2): 11-16.

Construction Method of Unknown Environment Contour for Unmanned Undersea Vehicle

LI Yang1, YU Hao-miao1, GUO Chen1, JIA Zhao-yan2

(1. Dalian Maritime University, College of Marine Electrical Engineering, Dalian 116026, China; 2. NORINCO Group Air Ammunition Research Institute Co., Ltd, Harbin 150001, China)

The confidence level of data measured by multivariate ranging sonar in an unmanned undersea vehicle(UUV) in an underwater environment is generally low. Therefore, the mean shift clustering algorithm was used to preprocess the obtained data. First, the abnormal and normal data are divided into different data categories to obtain the set of boundary points. Second, the boundary points are connected with contour lines using the Alpha-Shapes algorithm. Furthermore, the Bézier curve is used to fit the constructed contour lines to obtain an ideal, smooth tracking path of the UUV. Finally, a control method was used to track the constructed map. Thus, the problem of UUV map construction in an unknown marine environment was effectively addressed.

unmanned undersea vehicle; unknown environment; contour construction; mean shift algorithm; Alpha- Shapes algorithm; Bézier curve

李楊, 于浩淼, 郭晨, 等. 無人水下航行器未知環境輪廓構建方法[J]. 水下無人系統學報, 2022, 30(2): 197-203.

U674.91; TJ630.34

A

2096-3920(2022)02-0197-07

10.11993/j.issn.2096-3920.2022.02.009

2021-05-20;

2021-07-26.

國家自然科學基金項目(51809028, 51879027); 中國博士后科學基金面上項目(2020M670733); 遼寧省博士科研啟動基金計劃項目(2019-BS-022); 中央高校基礎研究基金項目(3132019318).

李 楊(1997-), 女, 在讀碩士, 主要研究方向為無人水下航行器運動控制技術.

(責任編輯: 許 妍)