水面無人艇環境感知系統研究

關鍵詞：水面無人艇；環境感知；艇載傳感器

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2024）28-0099-03

0 引言

水面無人艇（Unmanned Surface Vehicle，USV） 作為一種新質海上力量，它的研究和發展對維護我國海洋權益具有重要意義。USV是一種具有自主導航、自主避障和自主決策控制等功能的無人平臺，主要包括動力與推進系統、決策控制系統、環境感知系統、導航系統、通信系統等[1]。其中，決策控制系統、環境感知系統是其最核心的系統，決定了無人艇自主等級和智能程度。決策控制系統的運行需要環境感知系統提供必要信息，因此，環境感知系統是無人艇自主控制的第一步。

本文在對國內外多型無人艇裝備調研基礎上，系統概述了USV環境感知系統結構，總結并分析了USV 常用的傳感器設備和各自優缺點，剖析了USV在復雜海面環境下實現精確感知存在的挑戰和關鍵技術，對其發展方向進行了展望，為我國無人艇環境感知技術研究提供了思路。

1 無人艇環境感知系統

環境感知系統類比于人類和高等動物的感覺系統，通過安裝在平臺上的各類傳感器獲取自身信息以及周邊環境數據。對這些原始數據進行處理和分析，將融合的態勢信息傳送給決策控制系統，為其提供環境態勢信息。

1.1 USV 環境感知系統的作用

1.1.1 為自主決策系統提供環境信息

無人系統之所以能夠“無須”操作者的干預，其關鍵在于它具有一定程度的自主性[2]。USV的路徑規劃能力是其自主化水平的直接體現。在航行前， USV可利用電子海圖獲取全局環境信息，以進行全局路徑規劃。然而，當USV按已規劃的全局路徑航行，遇到動態障礙物時，就需要根據當前傳感器感知的局部環境進行動態局部路徑規劃。只有感知系統對局部環境做到快速精準地感知，自主決策系統結合避碰規則實時避障，才能提高USV的生存能力和任務執行效率，這也是環境感知系統最核心的功能。

1.1.2 基于載荷任務的其他功能

無人艇可以根據任務需求搭載不同的環境感知載荷。在巡邏警戒、偵察監視等任務中，通過搭載光電相機、紅外探測等設備獲取信息；在執行水下目標探測任務時，搭載不同類型的聲吶設備；在編隊行動時，需要毫米波雷達、激光雷達等設備精確定位。總之，環境感知系統對無人艇任務執行具有重要作用。

1.2 USV 環境感知系統結構

無人艇環境感知系統由硬件系統和軟件系統兩方面組成。其中，硬件系統包括傳感器設備和感知工控機，軟件系統安裝在感知工控機中用于對采集的環境數據進行不同需求的處理，按照部署位置不同可分為艇載端和岸基端。

1.2.1 硬件系統

表1列出了各國主要型號USV的載荷情況。USV 上常用的傳感器設備主要包括雷達設備、視覺傳感器和聲吶探測設備。雷達設備分為激光雷達與導航雷達兩類，能夠結合定位設備精確計算周邊水面目標的位置，有助于無人艇進行自主避碰與路徑規劃。視覺傳感器則包括可見光攝像頭與紅外攝像頭，能夠同時捕捉場景的光學圖像與紅外圖像。聲吶探測設備分為主動式與被動式，分別用于對水下環境進行測量與監聽。各傳感器采集的數據在工控機中進行處理與融合，自動識別無人艇周邊的各類目標，建立周邊環境態勢。

航海雷達是無人水面艇最主要的感知設備，為無人艇路徑規劃和自主航行提供重要信息。航海雷達相較其他傳感器，探測距離遠、范圍廣，探測距離能夠達到幾十甚至上百公里，是無人艇不可或缺的感知設備。但其探測精度不高，存在小目標漏檢、近距離盲區等問題，通常與其他傳感器搭配使用，形成互補。

激光雷達測距精度高，能夠以較高的頻率提供周圍環境的三維點云信息，與其他距離傳感器相比，能兼顧精度要求和速度要求，這使其特別適用移動無人平臺。此外，激光雷達對工作環境光沒有要求，而且在黑暗中測量效果更好。但是，激光雷達無法獲得環境的色彩信息，不利于目標的精確識別，在雨雪煙塵環境中其測量精度也會受到影響。

可見光攝像頭是當前無人平臺環境感知系統必備的傳感器，具有采集速度快、信息豐富等特點，且數據利用率高。近年來，隨著機器視覺和人工智能技術的發展，基于圖像和視頻的目標識別、場景理解等任務越來越可靠，使其成為無人系統必不可少的傳感器。它的缺點主要是容易受到光線的干擾、距離信息估計精度較低。

紅外攝像頭是一種非接觸式被動測量傳感器，它通過感受紅外光線成像。紅外傳感器對環境無特殊要求，能夠全天候工作，在夜晚、逆光、強光等環境下可以彌補可見光攝像頭的短板，更好地對目標進行探測，使其成為無人系統中不可或缺的傳感器。

聲吶探測設備是利用聲波在水下的傳播特性，通過電聲轉換和信息處理進行測距和通訊的電子設備，廣泛應用于海洋勘探、水文測量、海底地質地貌勘測等領域。聲吶設備種類繁多，按工作方式可以分為被動聲吶和主動聲吶；按安裝位置不同可分為艦殼聲吶、拖曳聲吶、吊放聲吶及聲吶浮標等[3]，另外還可以分為單波束聲吶和多波束聲吶，不同噸位的USV根據其使命任務組合配置一種或多種聲吶。

感知工控機按照配置位置可分為艇載和岸基兩類。艇載工控機能直接與感知設備和控制器相連，無須遠程通信，數據處理反饋及時，能大大提高控制系統的決策速度。岸基工控機與感知設備和控制器之間通過無線連接，通信距離和速度有限，不能實時響應，但能讓人直觀了解無人艇周圍環境態勢，便于人員操作控制。

1.2.2 軟件系統

環境感知系統的軟件組成形式多樣，不同功能的無人艇對感知功能需求不同，常見軟件模塊如圖1所示。其中，感知設備數據處理分析模塊部署在艇載工控機上，目的是快速分析周圍目標屬性、位置；綜合信息監控模塊、綜合信息管理模塊則部署在岸基工控機上，綜合信息監控模塊主要作用是對無人艇周邊環境態勢建模和可視化，綜合信息管理模塊主要是對環境數據流存儲和管理等。

2 環境感知系統關鍵技術

USV通過其搭載的各類傳感器來獲得周圍環境的觀測數據，這是無人艇“感”的過程。然而，這些原始數據往往具有龐大的數據量和高度復雜性，包含大量冗余和無效信息，無法直接被自主決策系統利用。要想實現無人艇可靠的“知”覺，必須依靠感知系統對原始環境數據進行處理、分析和理解，最終形成實時的場景態勢信息，指導無人艇自主航行和任務決策。環境感知系統通常涉及多種技術，如數字圖像處理、雷達數據處理、點云數據處理、計算機視覺和信息融合等[4]。

2.1 數字圖像處理

數字圖像處理技術是指利用計算機對圖像進行處理分析的技術，主要包括圖像變換、圖像增強、圖像復原、圖像編碼、圖像壓縮、圖像分割、圖像描述和分類識別等方面，是計算機視覺技術的基礎，被廣泛應用于各行業。在無人平臺上，諸多傳感器數據以圖像形式展現，如攝像頭采集的可見光圖像、紅外圖像，導航雷達生成的雷達圖像，圖像聲吶生成的聲圖。基于圖像數據的感知，旨在通過一些處理算法，從圖像、視頻中提取目標，理解環境。

2.2 雷達數據處理

雷達數據處理和雷達信號處理一樣，都是現代雷達系統的重要組成部分。信號處理用于檢測目標，利用一定的方法獲取目標的距離、速度和目標形狀等信息；而數據處理則可以進一步對目標的點跡和航跡進行處理，預測目標未來時刻的位置，形成可靠的目標航跡，從而實現對目標的實時跟蹤。

2.3 點云數據處理

無人艇上的激光雷達與多波束聲吶等傳感器，其探測數據常以三維點云形式呈現。點云數據的主要研究內容包括點云數據預處理、點云分割、目標檢測等。由于設備性能和環境隨機因素，采集的數據難免存在一些異常點，點云數據預處理就是通過濾波技術去除這些孤立點，降低其對后續處理精度的影響；點云分割是將屬性相近且空間鄰域的點劃分為一類，從而在大量的點云數據中提取感興趣的對象；目標檢測則是在分割的基礎上，根據對象的特征識別不同的目標。

2.4 計算機視覺

計算機視覺（Computer Vision，CV）是一門用計算機模擬生物視覺的學科，就是讓計算機代替人眼實現對目標的識別、分類、跟蹤和場景理解。計算機視覺是人工智能的重要分支，涉及圖像處理、機器學習和模式識別等技術，是目前人工智能最為熱門的研究方向之一，在無人駕駛中發揮重要作用。

2.5 信息融合

單一類型的傳感器某一采樣時刻只能獲取環境的1個片面數據。圖像數據顏色信息、紋理信息豐富，目標識別能力強，能夠讓無人艇具有“畫面感”，點云數據可以獲得目標空間位置和三維信息，能夠讓無人艇具有“空間感”。不同的傳感器感知范圍和能力有所不同，因此實現多種傳感器信息融合，能夠克服單一傳感器的缺點，形成互補。不同的融合層次涉及不同的算法和模型，目前，多傳感器信息融合算法有加權平均法、卡爾曼濾波法、貝葉斯推理法、統計決策理論、模糊理論法、神經網絡法等[5]。

3 結論與展望

環境感知、智能決策和控制執行是無人駕駛的關鍵技術。其中，環境感知是其他技術的基礎，為智能決策和控制執行提供依據，環境感知能力的強弱直接決定了無人艇自主能力。本文圍繞USV環境感知系統功能、軟硬件結構和關鍵技術進行了系統分析。為適應未來瞬息萬變、多域立體的海戰場環境，USV應朝著以下幾個方面研究發展：

3.1 高智能化

當前，USV已展現出一定的自主能力，如目標識別與跟蹤、自主避障等，但在復雜環境或任務中，其自主性仍有待提升。要實現USV的高智能化，還需要從提升傳感器信息融合算法性能、動態環境建模與預測和編隊協同態勢構建等方向著手。總之，無人艇環境感知系統的高度智能化是未來發展的必然趨勢。

3.2 高模塊化

首先，通過制定系統標準化設計和接口規范，使得各個模塊能夠按照統一的標準研發集成，讓更多技術人員參與研發，能大大縮短裝備迭代周期，降低風險和成本。其次，模塊化的設計可以提高系統的可擴展性，讓無人艇成為一個通用平臺，不同的模塊集成可以執行不同的任務，大大提高了無人艇裝備的作戰能力。

3.3 強環境適應能力

海戰場環境復雜多變對環境感知來說是巨大挑戰，因此，須加強感知技術的適應性研究，確保感知系統能夠應對各種氣候與環境變化，具備一定的自適應能力，以穩定可靠地執行任務。

3.4 強自學習能力

深度學習模型大都依賴訓練數據，一次性訓練成型的方式難以滿足復雜多變的海面環境變化。針對該問題，可以考慮改進模型訓練方式，嘗試研究自學習式、迭代式的訓練方式，以更好地適應海面環境的動態變化。