观察级水下机器人使用系列之四二维前视声纳

这篇具有很好参考价值的文章主要介绍了观察级水下机器人使用系列之四二维前视声纳。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文主要讲观察级水下机器人Valor配套的二维前视声纳,它与超短基线定位、摄像头都是水下机器人导航的重要部件。二维声纳是Tritech公司生产的,型号为Gemini 720is。

​编辑​

Gemini 720is主要技术参数见下表。

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

Gemini 720is通过一条蓝色的缆与机器人的电子舱USP9连接。

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

水下机器人的控制软件GSS能显示二维声纳的图像。

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

前视声纳属于主动声纳的一种,不仅可以探测海中的状况,还可以对目标进行定位,判断目标的大小以及形状信息。不像侧扫声纳和多波束等下视声纳等安装在船底,它一般安装在船舶或者水下机器人的前端。对于水下工作的机器人来说,前视声纳就相当于它的眼睛,不仅起到避障的作用,而且能对感兴趣目标进行跟踪。

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

二维声纳接收的是海底物体反射回的声波,原始的声纳信号只有方向信息和强弱信息。我们把返回声波的强弱与图像的灰度值对应起来,然后将灰度图像伪彩色化,使声纳图像更加贴近海中的真实情景。下面是灰度图和伪彩色图。

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

由于是向前照射,二维前视声纳的目标影子很小或者根本就不存在影子,因此,不能像侧扫声纳那样靠阴影来分辨目标物,而是通过目标亮和背景暗的鲜明特征分割图像来检测目标。

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

基于INS_前视声纳组合的输水隧洞AUV巡检定位方法_杨文果

目前,国内对于输水隧洞的检测主要有人工检测和水下机器人检测两类。水下环境的隐秘与恶劣,会对潜水员的人身安全构成威胁,且人工检测效率较低,因此,利用自主水下潜航器(Autonomous Underwater Vehicle,AUV)进行自动巡检是未来输水隧洞检测的主流发展趋势。

由于水下光线昏暗以及水质混浊等问题,基于光学原理的相机难以在水下进行远距离成像,目前用于水下成像的设备通常是各类声纳产品。其中,前视声纳主要用于水下机器人前方范围的感知和成像。

AUV导航定位主要采用惯性导航系统/多普勒测速仪(INS/DVL)组合导航的方式。DVL(用于隧洞)与前视声纳含有相同的频率成分,且输水隧洞内空间狭小,其发射的声波经隧洞壁来回反射后,有不少会被声纳换能器接收,在图像中形成噪声干扰,使得前视声纳对隧洞故障的感知变得困难。图1和图2分别是未受/受DVL干扰的声纳图像,图中两边的亮条是隧道壁,蓝色虚线是接线缝。

观察级水下机器人使用系列之四二维前视声纳,经验总结,其他,机器人,二维前视声纳,原力计划

在受干扰严重的图2中,除了隧洞壁边缘(两条竖直亮斑)可以辨析出来,其他的图像细节大都湮没在噪声之中。图中蓝线框出的区域为接缝线所在位置,由于噪声污染已变得非常模糊。而且在不同的图像帧之间,噪声斑千变万化,时大时小,时而出现时而消失,没有规律可循。

文中提出一种IMU和前视声纳组合导航的方法,通过在相邻声纳图像帧间进行特征提取和匹配,根据惯导信息约束以及随机抽样一致(RANSAC)算法,剔除明显的误匹配点对,而后从剩下的配对点中解算出载体速度并与惯导信息进行组合。

实验测试在南水北调工程中穿黄隧洞内。经实际的输水隧洞测试,验证了其具有较高精度,能发挥和INS/DVL组合相接近的作用,具有实际应用价值。文中INS/前视声纳组合定位的方法在估算特征点仰角时,对水底进行了局部平面假设,如果隧洞横截面为弧形,这种假设只对弧形底部小范围内的特征点近似成立,如果大范围使用,需要进一步引入弧形底面的几何约束。

参考文献

基于INS_前视声纳组合的输水隧洞AUV巡检定位方法_杨文果

基于二维前视声纳成像的海底三维目标重建研究_徐梦雪

前视声纳图像目标跟踪系统研究_寇贤聪文章来源地址https://www.toymoban.com/news/detail-632355.html

到了这里,关于观察级水下机器人使用系列之四二维前视声纳的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • (微信机器人)小程序转二维码,给微信机器人发送小程序生成二维码,打开H5页面跳转到小程序

    最早知道这个需求的时候是一个朋友说的,然后研究了一番,后来发现也没那么难,符合相关的规范就可以了。 本来就有获取微信appid和pagepath的功能了,感觉转成二维码应该不难。 主要是符合这个要求,目录 | 微信开放文档 1、在需要调用 JS 接口的页面引入如下 JS 文件:

    2024年02月14日
    浏览(50)
  • 5.如何利用ORBSLAM3生成可用于机器人/无人机导航的二维/三维栅格地图--以octomap为例

            这里我们用ROS自带的安装方式即可:         如上图就是安装成功了:         如果安装失败了,尝试用小鱼ROS换一下源再去安装:         一些官方的文档如下,大家感兴趣可以学习一下: https://octomap.github.io/octomap/doc/index.html#gettingstarted_sec https://oct

    2024年02月03日
    浏览(39)
  • 6.如何利用LIO-SAM生成可用于机器人/无人机导航的二维/三维栅格地图--以octomap为例

    目录 1 octomap的安装 2 二维导航节点的建立及栅格地图的构建 3 三维栅格地图的建立         这里采用命令安装:         这样子就是安装好了。         我们进入liosam的工作空间下的launch文件夹:         新建一个launch文件,就叫octomap2D.launch         将下面的

    2024年01月16日
    浏览(43)
  • 【路径规划-二维路径规划】基于人工势场结合快速搜索树APF+RRT实现机器人避障规划附matlab代码

    在机器人路径规划领域,人工势场方法(Artificial Potential Field,APF)和快速搜索树(Rapidly-exploring Random Tree,RRT)是两种常用的算法,用于实现机器人避障规划。这两种方法可以结合使用,以在复杂环境中生成安全有效的路径。 人工势场方法是一种基于力的路径规划方法,通

    2024年01月19日
    浏览(42)
  • 左神算法题系列:动态规划机器人走路

    假设有排成一行的N个位置记为1~N,N一定大于或等于2 开始时机器人在其中的start位置上(start一定是1~N中的一个) 如果机器人来到1位置,那么下一步只能往右来到2位置; 如果机器人来到N位置,那么下一步只能往左来到N-1位置; 如果机器人来到中间位置,那么下一步可以往左走

    2024年02月06日
    浏览(43)
  • langchain系列:langchain入门(一分钟搞定对话机器人)

       随着aigc的火热,各大厂商开始提供他们自己的api服务,诸如openai、google、等,还有的直接开源出自己的模型,放到Huggingface提供使用,而LangChain就是一个基于语言模型开发应用程序的框架,它可以很方便的去调用不同公司的api,以及huggingface的资源,为人们提供统一的开

    2024年02月10日
    浏览(51)
  • 手搓GPT系列之 - chatgpt + langchain 实现一个书本解读机器人

    ChatGPT已经威名远播,关于如何使用大模型来构建应用还处于十分前期的探索阶段。各种基于大模型的应用技术也层出不穷。本文将给大家介绍一款基于大模型的应用框架:langchain。langchain集成了做一个基于大模型应用所需的一切。熟悉java web应用的同学们应该十分熟悉spring

    2024年02月05日
    浏览(44)
  • 机器人持续学习基准LIBERO系列4——robosuite最基本demo

    机器人持续学习基准LIBERO系列1——基本介绍与安装测试 机器人持续学习基准LIBERO系列2——路径与基准基本信息 机器人持续学习基准LIBERO系列3——相机画面可视化及单步移动更新 是基于MuJoCo的机器人学习方针环境,提供一套基准环境,MuJoCo官方DeepMind长期支持,是通过模拟

    2024年01月17日
    浏览(41)
  • 机器人持续学习基准LIBERO系列6——获取并显示实际深度图

    机器人持续学习基准LIBERO系列1——基本介绍与安装测试 机器人持续学习基准LIBERO系列2——路径与基准基本信息 机器人持续学习基准LIBERO系列3——相机画面可视化及单步移动更新 机器人持续学习基准LIBERO系列4——robosuite最基本demo 机器人持续学习基准LIBERO系列5——获取显示

    2024年01月16日
    浏览(45)
  • 机器人持续学习基准LIBERO系列7——计算并可视化点云

    机器人持续学习基准LIBERO系列1——基本介绍与安装测试 机器人持续学习基准LIBERO系列2——路径与基准基本信息 机器人持续学习基准LIBERO系列3——相机画面可视化及单步移动更新 机器人持续学习基准LIBERO系列4——robosuite最基本demo 机器人持续学习基准LIBERO系列5——获取显示

    2024年01月17日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包