葛利亞，曾俊寶

（1.中國科學(xué)院沈陽自動(dòng)化研究所 機(jī)器人學(xué)國家重點(diǎn)實(shí)驗(yàn)室，沈陽 110016；2.中國科學(xué)院大學(xué)，北京 100049）

0 引言

海洋不僅蘊(yùn)藏著豐富的礦產(chǎn)資源，也是交通運(yùn)輸?shù)闹匾ǖ溃鲊＝ㄔ煲恍┧鹿芫€來滿足通信與能源傳輸?shù)囊?，包括輸油管道、光電纜等。據(jù)大量相關(guān)資料顯示，我國自在海洋開采石油、天然氣以來，已經(jīng)鋪設(shè)了幾千公里長的輸油、輸氣管道。水下管線長期在海底受海水腐蝕、材料質(zhì)量和地殼變動(dòng)等的影響，世界上已發(fā)生多起管道破損、石油外泄和電纜中斷等事故，造成了嚴(yán)重的環(huán)境污染和巨大的經(jīng)濟(jì)損失。因此，從經(jīng)濟(jì)和環(huán)保方面來說，對水下管線進(jìn)行檢查具有重要意義。

目前來看，對水下管線進(jìn)行管外檢查的手段主要包括潛水員、遙控水下機(jī)器人（Remotely Operated Vehicle, ROV）和自主水下機(jī)器人（Autonomous Underwater Vehicle, AUV）三種方式。其中，依靠潛水員檢查只能針對淺水區(qū)域；深水區(qū)域可利用ROV進(jìn)行檢查，但是ROV需要母船的支持，且受到臍帶電纜的限制，作業(yè)范圍有限；而AUV具有無人無纜、自帶能源、對母船依賴性小等特點(diǎn)，因此AUV被認(rèn)為是在深水區(qū)進(jìn)行管線檢查的最佳設(shè)備。

文獻(xiàn)[1]通過在實(shí)驗(yàn)室條件下進(jìn)行試驗(yàn)性研究，解決了在人工半自動(dòng)引導(dǎo)下，AUV利用磁探測器對懸吊于水下的長直管道進(jìn)行自動(dòng)跟蹤的問題。文獻(xiàn)[2]提出了基于磁探測器和視頻圖像融合的金屬線纜跟蹤系統(tǒng)，并利用AUV MT-98進(jìn)行了海上試驗(yàn)。文獻(xiàn)[3]研究了基于單目視覺的水下管線檢測和跟蹤等相關(guān)技術(shù)，并在水池進(jìn)行了試驗(yàn)。文獻(xiàn)[4]提出了基于側(cè)掃聲納的AUV水下管線實(shí)時(shí)跟蹤系統(tǒng)。文獻(xiàn)[1]沒有實(shí)現(xiàn)完全自主性，文獻(xiàn)[2]和文獻(xiàn)[3]中用到的光學(xué)成像在實(shí)際海水比較渾濁的情況下效果不佳，文獻(xiàn)[4]中所用的側(cè)掃聲納在AUV正下方存在盲區(qū)，不利于AUV攜帶相應(yīng)的傳感器對水下管線進(jìn)行檢查。

磁探測器在弱磁環(huán)境中容易受地磁和環(huán)境的影響，導(dǎo)致參數(shù)校正與調(diào)整比較困難；視覺跟蹤只適用于近距離和非掩埋情況，且光學(xué)成像易受光線和水質(zhì)渾濁度的影響；聲學(xué)成像系統(tǒng)可克服上述問題，不過聲納圖像具有噪聲大、分辨率低的缺點(diǎn)，本文針對該問題提出有效的圖像處理方法，以及研究合適的水下管線搜索和跟蹤控制策略。

1 聲納圖像處理

1.1 成像聲納工作原理

成像聲納是一種主動(dòng)聲納，它利用發(fā)射陣發(fā)射聲脈沖到水中，遇到目標(biāo)會(huì)產(chǎn)生反射，反射的回波作為檢測與估計(jì)的基礎(chǔ)，能夠?qū)δ繕?biāo)進(jìn)行定位與識別。通常，在AUV艏部搭載成像聲納構(gòu)成AUV的聲視覺系統(tǒng)，通過聲納的連續(xù)掃描探測，實(shí)時(shí)監(jiān)測AUV前方大范圍水域的目標(biāo)信息，經(jīng)過進(jìn)一步處理，定位可疑目標(biāo)并引導(dǎo)機(jī)器人接近該目標(biāo)，圖1為BlueView公司生產(chǎn)的前視成像聲納及其聲納圖像。對于本文的應(yīng)用，可將成像聲納安裝在AUV的艏部斜下方，對前方的海底進(jìn)行探測，以實(shí)現(xiàn)對水下管線的跟蹤。

圖1 BlueView公司的前視聲納及其聲納圖像

1.2 圖像預(yù)處理

圖像預(yù)處理要突出聲納圖像中目標(biāo)的輪廓區(qū)域、衰減各類噪聲，提高AUV對目標(biāo)的可識別性。由于在水下聲圖中存在大量噪聲，使用普通的濾波算法能降低噪聲，但是也對目標(biāo)部分邊緣造成影響，而數(shù)學(xué)形態(tài)學(xué)基于集合運(yùn)算，具有非線性的特征，可以克服線性濾波所帶來的目標(biāo)邊緣模糊等問題。

在形態(tài)學(xué)中，所采用尺度大小不同的結(jié)構(gòu)元素對處理結(jié)果會(huì)產(chǎn)生較大影響，大尺度的結(jié)構(gòu)元素去噪能力強(qiáng)，同時(shí)會(huì)對目標(biāo)的輪廓細(xì)節(jié)產(chǎn)生影響；小尺度的結(jié)構(gòu)元素去噪能力較弱，但能保證目標(biāo)的輪廓細(xì)節(jié)不受影響。因此為了對聲納圖像去噪濾波，本文采用多尺度膨脹算法[5]。

f(x,y)為輸入的灰度圖像函數(shù)，b(x,y)為結(jié)構(gòu)元素，灰度膨脹運(yùn)算可定義為f⊕b：

定義{bi} (i= 1 ,2,…n)為一個(gè)多尺度結(jié)構(gòu)元素序列，在實(shí)驗(yàn)中取菱形元素結(jié)構(gòu)，對于尺度大小不同的結(jié)構(gòu)元素bi，分別對灰度圖像f(x,y)進(jìn)行膨脹運(yùn)算，得到一組膨脹圖像(f⊕bi) (x,y)，對得到的膨脹結(jié)果加權(quán)求和，最終得到的降噪結(jié)果如下：

式中，ai為尺度i對應(yīng)的加權(quán)系數(shù)。形態(tài)學(xué)濾波處理結(jié)果如下：

圖2 水下聲圖預(yù)處理結(jié)果

1.3 邊緣檢測

Canny邊緣檢測算法是John F.Canny在1986年研究出來的一種多級邊緣檢測算法，被很多人認(rèn)為是最優(yōu)的邊緣檢測算法[6]。

Canny算法的實(shí)現(xiàn)步驟如下：

l）對濾波后的灰度圖進(jìn)行高斯平滑濾波，將圖像中的噪聲去除；

2）采用一階偏導(dǎo)的有限差分形式(3)來計(jì)算梯度的幅值和方向n：

其中

3）抑制梯度幅值的非極大值；

4）采用雙閾值法減少假邊緣數(shù)量，并對目標(biāo)邊緣進(jìn)行檢測和連接。

根據(jù)上述步驟得到目標(biāo)的邊緣信息，并對對該邊緣圖像進(jìn)行區(qū)域限定，消除水下聲圖中邊界邊緣的影響，邊緣檢測和區(qū)域限定的處理結(jié)果如圖3所示。

圖3 水下聲圖邊緣提取結(jié)果

1.4 管線提取

Hough變換是一種利用圖像全局特征將特定形狀邊緣連接起來的經(jīng)典算法。它通過點(diǎn)-線的對偶性，將原圖像中的點(diǎn)影射到參數(shù)空間，將原圖像中特定曲線的檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題。由于利用原圖像的全局特性，所以受噪聲和曲線間斷影響較小，具有比較好的魯棒性。

設(shè)直線方程為：

參數(shù)空間中方程可表示為：

式(5)中，ρ表示原點(diǎn)到直線的垂直距離，θ是垂線與x軸的夾角。當(dāng)原圖像中的點(diǎn)(x,y)確定時(shí)，對應(yīng)于參數(shù)空間中的一條直線，原圖像中不同的點(diǎn)(x,y)對應(yīng)于參數(shù)空間中不同的直線。當(dāng)圖像中的若干點(diǎn)(x,y)在同一條直線上時(shí)，它們的斜率和截距是相同的，所以它們在參數(shù)空間坐標(biāo)系中對應(yīng)于同一點(diǎn)。根據(jù)這個(gè)原理，將圖像中的各個(gè)點(diǎn)投影到參數(shù)空間中，看參數(shù)坐標(biāo)系下有沒有聚集點(diǎn)，該聚集點(diǎn)就對應(yīng)于原圖像中的一條直線。

標(biāo)準(zhǔn)Hough算法是將圖像中得到的邊緣點(diǎn)的坐標(biāo)(x,y)代入式(6)求得(ρ,θ)的值，然后統(tǒng)計(jì)(ρ,θ)取何值時(shí)經(jīng)過該點(diǎn)的曲線數(shù)目較多，即將該點(diǎn)對應(yīng)的參數(shù)(ρ,θ)取出。通過上述過程的計(jì)算能夠得到線段的端點(diǎn)(x0,y0,x1,y1) 及參數(shù)(ρ,θ)。

管線提取需要兩個(gè)步驟：

1）線段連接

根據(jù)Hough變換得到的直線段，若在一條直線上，則將其連接為一條線段。

2）灰度閾值限定

若線段長度滿足：

L根據(jù)圖像大小確定，則計(jì)算這條線段兩側(cè)相鄰兩個(gè)像素的灰度值總和gray_valuel和gray_valuer，若：

式中，min_ratio和max_ratio分別為最小和最大灰度比，若滿足上式，則表示找到了管線。

圖4 水下管線提取結(jié)果

2 水下管線的搜索

水下管線搜索的目的是對目標(biāo)海域進(jìn)行搜索，記錄管線位置，為下一步精確跟蹤做好準(zhǔn)備。常用的搜索方式有三種，分別為：隨機(jī)方式、螺旋方式和往復(fù)方式。

1）隨機(jī)方式

隨機(jī)方式是指在一個(gè)目標(biāo)區(qū)域內(nèi)為水下機(jī)器人規(guī)劃出一條從起點(diǎn)出發(fā)，沿某個(gè)方向以某種方式行走（如直線或圓?。┑玫降囊幌盗新窂?。

優(yōu)點(diǎn)：控制起來比較簡單，軟件編程實(shí)現(xiàn)也比較簡單，且實(shí)現(xiàn)起來相對容易；缺點(diǎn)：運(yùn)行軌跡重復(fù)性比較大，且不能保證對整片目標(biāo)區(qū)域進(jìn)行全區(qū)域覆蓋。

2）螺旋方式

螺旋方式是指水下機(jī)器人先沿著目標(biāo)區(qū)域邊界內(nèi)側(cè)行走一圈，然后逐次向區(qū)域中心行走，直至覆蓋整片目標(biāo)區(qū)域。螺旋方式分為內(nèi)螺旋和外螺旋兩種方式。

優(yōu)點(diǎn)：能覆蓋整個(gè)目標(biāo)區(qū)域；缺點(diǎn)：在有限的條件下實(shí)現(xiàn)該方式比較困難，主要體現(xiàn)在如何控制水下機(jī)器人向中心行走，即何時(shí)在何位置轉(zhuǎn)向。

3）往復(fù)方式

往復(fù)方式是指水下機(jī)器人先沿著目標(biāo)區(qū)域的某一邊內(nèi)側(cè)行走，遇到邊界后旋轉(zhuǎn)180°，然后繼續(xù)行走，如此反復(fù)，直至覆蓋整片目標(biāo)區(qū)域。根據(jù)有關(guān)研究得出[7]，對于目標(biāo)區(qū)域是矩形的情況，沿長邊的往復(fù)方式較沿短邊的往復(fù)方式轉(zhuǎn)彎次數(shù)少，因此前者效果更優(yōu)。

優(yōu)點(diǎn)：能覆蓋整個(gè)目標(biāo)區(qū)域，且控制起來相對方便，是水下機(jī)器人搜索時(shí)常用的一種方式。

圖5 搜索方式

對于已知水下管線大體走向的情況，由于管線是連續(xù)的，我們可以采用橫跨管線走向的隨機(jī)方式對目標(biāo)區(qū)域進(jìn)行搜索，這樣既能節(jié)省能源和時(shí)間，又能發(fā)現(xiàn)目標(biāo)。對于水下管線大體走向和方位都未知的情況，由于隨機(jī)方式會(huì)有部分區(qū)域遺漏，因此我們要采用可以覆蓋全區(qū)域的搜索方式，由上文可知，有螺旋方式和往復(fù)方式兩種，由于螺旋方式在如何控制水下機(jī)器人向中心行走，即在何時(shí)及哪個(gè)位置轉(zhuǎn)向存在困難，所以我們采用往復(fù)式的搜索方式。由于沿長邊方向的往復(fù)方式優(yōu)于沿寬邊方向的往復(fù)方式，所以我們可以選擇沿長邊方向的往復(fù)方式對水下管線進(jìn)行搜索。

AUV在水下管線的搜索階段分為以下三個(gè)步驟：

1）在目標(biāo)區(qū)域內(nèi)執(zhí)行搜索路徑；

2）判斷AUV是否遍歷整片目標(biāo)海域，如果是，根據(jù)記錄的管線位置點(diǎn)開始跟蹤；如果否，執(zhí)行下一步；

3）若找到管線，則記錄管線位置，然后繼續(xù)搜索。

圖6 搜索階段流程圖

在搜索階段，由于側(cè)掃聲納的掃描范圍比較廣，因此可以采用它作為搜索時(shí)所用傳感器，關(guān)于側(cè)掃聲納的圖像處理及管線識別不作為本文的研究內(nèi)容。

3 水下管線的跟蹤

水下機(jī)器人在進(jìn)行管線跟蹤過程中需要根據(jù)前面記錄的管線信息及當(dāng)前圖像處理的管線信息判斷水下管線的狀態(tài)，并根據(jù)水下機(jī)器人當(dāng)前的狀態(tài)信息，不斷調(diào)整水下機(jī)器人的速度和航向角，使之能夠跟蹤水下管線。管線跟蹤可以分為以下四個(gè)子任務(wù)：1）搜索并找到管線；2）找到管線之后，接近管線；3）利用相關(guān)傳感器跟隨管線；4）當(dāng)跟隨管線時(shí)將其丟失，則進(jìn)行小范圍搜索。在所有的過程中，需要對檢查區(qū)域進(jìn)行范圍限制，超過則結(jié)束任務(wù)。

3.1 找到管線

根據(jù)搜索階段記錄的管線位置點(diǎn)，利用點(diǎn)到點(diǎn)的控制策略，當(dāng)前點(diǎn)(X(t),Y(t))是AUV的位置，目標(biāo)點(diǎn)是搜索階段記錄的最后一個(gè)管線位置點(diǎn)(Xpn,Ypn)。

期望艏向角：

圖7 找到管線子任務(wù)示意圖

3.2 接近管線

該任務(wù)的目的是調(diào)整AUV的艏向角及相對管線的距離，為下一步跟隨管線做好準(zhǔn)備。假設(shè)AUV距管線的垂向距離在DIS以內(nèi)及航向與管線走向夾角小于Δθ時(shí)，即可進(jìn)行下一個(gè)跟蹤任務(wù)。

AUV與管線的夾角為θ，可由聲圖處理得到，AUV的實(shí)際艏向角為ψ(t)，則管線的走向?yàn)椋?/p>

若將管線的走向直接作為AUV的期望艏向角，由于AUV的旋轉(zhuǎn)半徑比較大，調(diào)節(jié)時(shí)間較長，因此提出了如下算法：

式中，distance為AUV距管線的垂直距離；DIS為跟蹤時(shí)AUV距管線的最大垂直距離；maxDIS根據(jù)旋轉(zhuǎn)半徑確定； ψprevious為發(fā)現(xiàn)管線或通過管線時(shí)的艏向角；ψ (t)com為期望艏向角。

圖8 接近管線子任務(wù)示意圖

3.3 跟隨管線

當(dāng)滿足條件：

開始跟隨任務(wù)。

保持航向，航向角控制器的輸入為管線的走向，期望艏向角為：

圖9 跟隨管線子任務(wù)示意圖

3.4 管線丟失

管線丟失后先低速前進(jìn)，判斷是否超時(shí)，如果沒超時(shí)，則判斷是否發(fā)現(xiàn)管線，若沒發(fā)現(xiàn)，則繼續(xù)低速前行，若發(fā)現(xiàn)，則接近管線；如果超時(shí)，則在小范圍內(nèi)搜索，判斷是否超時(shí)，如果沒超時(shí)，則判斷是否發(fā)現(xiàn)管線，如果沒發(fā)現(xiàn)，則繼續(xù)搜索，否則接近管線；如果搜索超時(shí)，則判斷記錄中是否還存在管線位置點(diǎn)，若存在，則執(zhí)行找到管線子任務(wù)，否則跟蹤任務(wù)完成。

4 水下管線跟蹤的三維仿真

三維仿真環(huán)境用VS2010調(diào)用OpenGL庫編寫，其中圖像處理用到了OpenCV庫。

圖10 管線丟失子任務(wù)流程圖

三維仿真環(huán)境如圖11所示。

圖11 水下管線跟蹤三維仿真環(huán)境

在仿真過程中記錄AUV的運(yùn)行數(shù)據(jù)，并在MATLAB上進(jìn)行處理得到以下結(jié)果。

圖12 AUV在X-Y平面的運(yùn)動(dòng)軌跡

圖13 AUV的航行速度

圖14 AUV的航向角

由圖12可以看出，在接近管線時(shí)AUV的航向角變化比較大，由于AUV有一定的前向速度，所以AUV的位置和管線位置有一定的偏差；圖13表明，搜索時(shí)的設(shè)定速度比跟蹤時(shí)大；圖14為在搜索和跟蹤過程中AUV的航向角變化情況?？傮w來說，AUV能夠很好得跟蹤水下管線，且偏差在一定的范圍內(nèi)。

5 結(jié)論

本文針對水下管線跟蹤開展了基于成像聲納的自主式跟蹤等相關(guān)研究，提出了適用于成像聲納圖像的管線提取方法，以及先進(jìn)行全區(qū)域覆蓋性搜索確定管線的粗略位置，再根據(jù)記錄的管線位置點(diǎn)進(jìn)行跟蹤的方法，并對搜索和跟蹤算法進(jìn)行了三維仿真驗(yàn)證。對于提出的圖像處理算法進(jìn)行了驗(yàn)證，在已有的圖像樣本中管線識別率達(dá)到90%以上，說明算法有效。將管線跟蹤任務(wù)分成四個(gè)子任務(wù)，在不同的子任務(wù)中進(jìn)行不同的控制策略，由仿真結(jié)果可以看出，算法具有有效性。

[1]燕奎臣,劉愛民,牛德林.AUV自動(dòng)跟蹤水下管道的試驗(yàn)研究[J].機(jī)器人,2000.

[2]Inzartsev A, Pavin A.AUV Application for Inspection of Underwater Communications[J].Alexander V.Inzartsev.Vienna:In-Tech Publishers,2009:215-234.

[3]唐旭東,龐永杰,張赫,等.基于單目視覺的水下機(jī)器人管道檢測[J].機(jī)器人,2010,32(5):592-600.

[4] Bagnitsky A,Inzartsev A, Pavin A, et al. Side scan sonar using for underwater cables & pipelines tracking by means of AUV[C]//Underwater Technology (UT),2011 IEEE Symposium on and 2011 Workshop on Scientific Use of Submarine Cables and Related Technologies (SSC).IEEE,2011:1-10.

[5] 王斯朕,蔣立軍.數(shù)學(xué)形態(tài)學(xué)運(yùn)算在聲納圖像邊緣檢測處理中的應(yīng)用[J].微計(jì)算機(jī)應(yīng)用,2009,30(10):6-12.

[6] Canny J.A computational approach to edge detection[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,1986 (6):679-698.

[7] 周學(xué)益.清潔機(jī)器人全區(qū)域覆蓋路徑算法與避障控制研究[D]. 重慶:重慶大學(xué),2007:22-26.

[8] 張鐵棟,萬磊,曾文靜,等.智能水下機(jī)器人聲視覺跟蹤系統(tǒng)研究[J].高技術(shù)通訊,2012,22(5):502-509.

[9] Petillot Y R, Reed S R, Bell J M. Real time AUV pipeline detection and tracking using side scan sonar and multi-beam echosounder[C].OCEANS'02 MTS/IEEE. IEEE, 2002,1:217-222.

[10] Jacobi M, Karimanzira D.Underwater pipeline and cable inspection using autonomous underwater vehicles[C]//OCEANSBergen, 2013 MTS/IEEE. IEEE, 2013:1-6.

[11] Chen J, Gong Z, Li H, et al.A detection method based on sonar image for underwater pipeline tracker[C],2011 Second International Conference on.IEEE,2011:3766-3769.