[发明专利]机械扫描式成像声呐的运动失真补偿方法

说明书

技术领域

本发明属于一种图像数据处理方法，尤其涉及一种机械扫描式成像声呐的运动失真补偿 方法。

背景技术

自主式水下机器人(Autonomous Underwater Vehicles，简称AUV)要实现真正的自主 导航，很大一部分取决于它们根据所经过路线建立精确地图以及自身定位的能力。这是近年 来AUV研究领域的焦点问题，基于此人们提出了很多优秀的导航和定位方法，例如知名的“同 时定位与地图构建方法”简称SLAM方法。简单的说，导航的成功一般要包括以下四部分：感 知，机器人必须能解释它的传感器信息，提取有意义的数据；定位，机器人必须确定它在环 境中的位置；认知，机器人必须决定如何行动以达到目标；运动控制，机器人必须调节它的 运动姿态，以实现期望的运动轨迹。不论采用哪种导航方法，获取AUV所在环境的背景信息 都是不可或缺的一步，它是实现机器人精确定位以及运动控制的前提。常用的采集环境背景 信息的传感器有激光扫描仪、照相机和声呐等。但是在水下环境中，使用激光是不可行的； 使用照相机也存在着很多困难，其中一项就是受照明条件的限制。声呐用于水下系统中已经 有很长一段时间了，尤其是用于AUV上，目前最常用的是低成本的机械扫描式成像声呐。但 是由于声呐角度的不确定性，其提供的距离信息要比激光扫描等设备提供的信息更难以解释； 而且，自主导航与定位方法需要机器人周围的环境特征作为输入，经处理后更新机器人的位 姿，一般以声呐扫描一周获得的点特征为一个处理周期，声呐每发射一次声波获得一次回波 数据，当声波遇到障碍物时反映在回波数据中为高幅度值，经过点特征提取算法提取出需要 的点特征位置，声呐扫描一周后就获得了一幅机器人周围环境的特征地图，机器人的位置如 果静止不动，按照上述思路可画出其周围环境的2D图像，但实际上机器人是时刻运动的，机 械扫描式成像声呐的慢速扫描又需要一定的时间，机器人的位置并非固定在同一位置上，再 用同样的方法画出一周的声呐图像就会发生失真，用带有失真的声呐图像供导航方法使用， 会导致机器人的定位误差积累越来越大，从而减弱了AUV导航与定位的能力。目前，关于如 何补偿机械扫描声呐的运动导致的图像失真的方法非常少见。

发明内容

本发明的目的在于为实现自主导航与定位的水下机器人提供不失真的和实时的环境目标 特征，提出了一种机械扫描式成像声呐的运动失真补偿方法。

本发明是采用以下的技术方案实现的：一种机械扫描式成像声呐的运动失真补偿方法， 其中该方法包括以下步骤：

(1)利用机械扫描式成像声呐获取数据：成像声呐控制系统每发射一次波束，就会返回一 Ping回波数据，计算各项有关障碍物目标的参数，声呐串口返回的数据包括声呐此时的各种 状态参数和该波束采用的回波强度值，并建立容量为360°扫描范围的数据缓冲区来保存声 呐串口送来的每Ping数据；

(2)计算机器人坐标及插值：通过测量传感器设备采集的数据计算出机器人的位移，并以测 量传感器与声呐工作频率的关系对测量传感器采集的数据做插值，当声呐每个Ping到来时取 出当前时刻测量传感器计算出的机器人位移值；

(3)失真补偿：以每个Ping为单位，加入当前时刻由测量传感器设备计算出的机器人位移 值和旋转角度来校正障碍物目标的位置；

(4)点特征提取：以声呐扫描一周为单位取得一幅失真补偿后的目标特征图像，经过特征提 取之后的点特征图像送入数据关联部分和核心的导航算法处理部分进行处理；

(5)机器人位姿估计系统处理并反馈：导航与定位算法的核心部分对机器人的位置进行估计 和更新，其输出的机器人位姿反馈到失真校正算法之前，作为一次输入对机器人的位置进行 修正，形成一个闭合循环过程。

本发明中，所述的点特征提取方法包括以下步骤：

(1)对每个Ping的声呐数据做阙值分割，剔除表示非障碍物和噪声的Bins；

(2)在经过阈值分割的Bins中寻找强度最大的Bin，以它为中心做稀疏化，凡是在它周围 一定距离之内的点都被去掉，只保留该点特征和未被去掉的点；

(3)每个Ping的稀疏化如上进行，当扫描完一周之后，对一周之内剩余的点再做稀疏化， 簇拥在一个圆周范围之内的点簇只保留强度最大的点，以此类推，形成最精炼和最具代表性 的本周的点特征图像。