文摘
为了定位遥控车(ROV)准确地在核电站的反应堆池,一个水下匹配修正基于几何特性使用声纳导航算法点云数据。首先,扩展卡尔曼滤波器(EKF)用于补偿后的运动引起的失真声纳点云数据的预处理。然后,相邻扫描点云数据安装四个不同的直线使用霍夫变换和最小二乘法。修改之后,相邻直线基于几何特性来得到一个标准的长方形。自从ROV的工作环境是所有已知尺寸的矩形,它是作为先验地图。匹配的矩形与先验地图然后用来比较计算ROV的准确位置和姿态。获得的结果然后应用作为第二个卡尔曼滤波器的测量来获得更好的定位精度。实验是在人为水箱进行类似于核电站的反应堆池,结果成功地验证了该算法的有效性。
1。介绍
核能已经成为一个重要的全球能源和人为因素的不确定性必须是最小值,以确保安全。要求高精度机器人来代替人工检测核电站并完成相应的操作是由人类工人。许多机器人核环境已经发展在过去的几十年。ROV只是其中之一。然而,ROV需要更高的可靠性,因为它用于核电站的反应堆池,通常适用于两个多小时。因此,它是至关重要的能力绝对导航精度较高,特别是当它在核环境中工作更长的时间。
然而,水下环境是一个挑战,因为GPS导航不可用的快速衰减电磁波在水中(1]。主动声定位系统,如长基线(LBL)、短基线(SBL)和超短基线(USBL)很好的替代品GPS校正航迹推算错误(2]。这种技术的缺点是,部署,校准,复苏的转发器,相对较小的区域覆盖消费昂贵的船时间和复杂的操作(3,4]。许多研究人员已经使用视觉传感器进行水下视觉同时定位和地图(大满贯)。水下航行器的运动可以从位移特性的估计图像抓住由视觉传感器和注册图像结合起来形成photomosaic旅行的同时(5,6]。缺点是视野仅限于几米在水和很容易被湍流,浮动的沉积物,或照明条件。另一方面,多峰性融合从学者和行业吸引了大量关注7- - - - - -10]。
近年来,声纳水下导航的一直是一个非常受欢迎的工具。声声纳频率可以穿透进一步水柱和不容易浊度;因此声纳可以提供信息即使在糟糕的能见度条件下(11]。许多水下大满贯导航方法提出了对声纳在过去几十年。文献[12)提出了一个方法,该方法是基于概率迭代对应(pIC)算法,但考虑到声学图像处理中的扭曲一个水下车辆收集的数据利用机械扫描成像声纳(msi)。水下声纳概率迭代对应()提出了13)处理重大的不确定性测量或大型扫描时间通过采用概率扫描匹配策略,定义一个方法强烈缓解运动引起的失真。结果表明提出的一些改进估计。与此同时,modified-FastSLAM算法和用于导航的开放式AUV研究平台(14]。小说定位算法提出了一个水下机器人配备了msi增量构造构成图,进行图像优化修正机器人的姿态和,特别是数据关联算法基于Mahalanobis距离和形状匹配部署来确定循环闭包,导致相关扫描对用于计算约束构成的图。实验结果表明,该算法优于传统算法如航迹推算和在本地化和映射精度(15]。
在本文中,我们提出了水下匹配校正使用声纳导航基于几何特征的点云数据。的设计和制造ROV原型如图1。就如我们之前所述纸(16),ROV辐射证明在一定剂量率,和基本的组件包含控制柜,浮力模块,螺旋桨,相机,操纵者,声纳,等等。主体框架采用铝合金提供足够的强度和抵抗的酸性腐蚀的核电站反应堆池。厚的控制柜由不锈钢安装在主体框架和双重密封处理,防止内部控制系统所做的水泄漏。ROV设计中性浮力和可以移动的方向,摇摆、起伏和偏航。此外,ROV配备了各种各样的传感器,如声纳、深度计、三轴加速度计、三轴陀螺仪、三轴磁强计,用于获取ROV的立场和态度。模糊PID控制器用于实现ROV的深度控制,和现场实验表明,ROV可以暂停在任何指定的深度水,这意味着ROV核反应堆池中可以稳定的有效工作。在后一种纸,ROV被认为是操作只在一个平面领域基于深度控制。
本文组织如下。部分2证明了引入机械扫描声纳。提出了基于卡尔曼滤波器的运动补偿3。部分4是一个很好的描述匹配校正导航基于几何特性。显示现场试验和讨论部分5,结论和讨论部分6。
2。指令的机械扫描声纳
Tritech微米DST声纳用于我们的ROV是一个小型紧凑的机械扫描声纳与数字雷达脉冲压缩的高强度(啁啾)系统设计对于水下应用程序,如避障和目标识别水下机器人和机械。这种声纳可以被编程来弥补可变长度领域从几度满360°扫描。特有的扇形梁垂直35°和狭窄的孔径角水平孔3°允许声纳图像与足够的信息形成对周围环境识别大小、形状和表面反射特性的目标距离75米。传感器安装在上层面前ROV的一部分,提供一个清晰的观点,避免遮挡在生成的数据。能力感觉车辆操作的环境使得DST声纳ROV上最重要的传感器之一。
声纳执行扫描在水平2 d平面旋转机械驱动换能器头在预设角增量17]。对于每个发射光束,返回一个回波强度资料环境和离散为一组的垃圾箱(距离对回波幅度值)(18]。由于机械扫描声纳需要相当一段时间来获得一个完整的扫描,ROV的运动失真在声像ROV动作。为了解决这一问题,有必要知道ROV的姿势在光束接收时间19]。EKF算法估计位置以及它的不确定性而执行扫描声纳和纠正ROV的扭曲运动引发的,这将在下一节中描述的和预期的修正结果如图2。
然而,在实际应用中,每一个ping收到将包含噪声和干扰,除了有用的信息,特别是在有限的空间内水箱或游泳池。如图2,只有最里面的矩形水箱的边界。当碰到墙上,声脉冲传播的声脉冲阻塞和部分机械能是反射相反的方向取决于障碍的性质。同样,随着反射的脉冲在环境和发现其他对象,其能量的一部分也回来了,弹的墙,回到声纳的头,解释为如果反射从未发生。换句话说,墙作为镜子的声脉冲,因此,幻影和反思没有相应的与实际对象可以出现17]。一个平的声纳信号图3,在那里设在代表声纳信号的回波强度,和没有单位,而设在代表结果推导出目标距离原始声纳数据,从中我们可以看到,回波峰值强度后第一个高峰是幻影在预处理和反思,必须排除。
应对这一现象,我们需要之前,声纳信号预处理运动补偿使用卡尔曼滤波器,包括阈值去噪和采样距离限制,如我们之前所示文献[20.]。预处理的影响变形图2是在图4。只有当声纳信号的预处理和运动补偿通过卡尔曼滤波器,基于几何匹配校正导航功能可以进行了。
3所示。基于卡尔曼滤波器的运动补偿
运动补偿的方法诱导变形取决于EKF算法,估计状态向量包含车辆的位置和速度信息。在此系统中,三轴加速度计,三轴陀螺仪,三轴磁强计作为惯性测量单元(IMU)估计ROV的立场和态度。ROV的原因可以在任何深度下暂停水性稳定控制算法和深度可以移动,见我们的以前的工作16),我们假设它只有在与横滚和俯仰平面场可以忽略不计。换句话说,深度值不变,分别和横滚和俯仰是零。
不同的参考系参与系统如图5,在那里,,地球内部的矩形代表固定参考系,基准参考系(实验水槽的方向),分别和身体参考系。
3.1。非线性过程模型
ROV的状态向量包含位置和速度的信息k。 的向量代表了ROV的位置和姿态基准参考系,而代表相应的线速度和角速度的参考系。状态向量的初始值及其协方差矩阵应该开始前EKF估计。ROV的原因是将已知的位置与速度设置为零的开始实验,时间0的状态向量 在这里,一个简单的恒定速度运动学模型介绍了预测状态。 在哪里是零均值的高斯白加速度噪声。的协方差是由噪声矩阵。
预测。估计的状态获得的是 协方差矩阵是 在哪里和是函数的偏导数的雅可比矩阵关于状态和噪音,分别。
3.2。非线性测量模型
非线性测量模型表示为 在哪里测量向量和吗是零均值的高斯白噪声的协方差矩阵。
更新使用三轴加速度计。模型预测由卡尔曼滤波器方程每次更新一个新的从三轴加速度计来测量,完成第一次和第二次积分。 在哪里 更新使用三轴磁强计。模型预测卡尔曼滤波器方程每次更新的新测量三轴磁强计的到来。需要特别注意的是磁强计的角;偏航角的状态向量。 在哪里
更新使用三轴陀螺仪。模型预测卡尔曼滤波器方程每次更新的新测量三轴陀螺仪到达并完成一阶积分。 在哪里
完成基于卡尔曼滤波器的运动补偿后,声纳图像我们看到的是连贯和光滑;的一个实验从水箱(长度宽度深度=)如图6。
然而,尽管运动补偿的有效性,水箱的边界不够直本地化ROV。解决这个问题,我们提出了基于几何特征的匹配校正导航算法将在下一节中详细介绍。
4所示。基于几何特征的匹配校正导航算法
机械扫描声纳的箱子我们获得一组固定支座时序信号具有不同的强度。每一个强度点可以代表在极坐标和代表的距离和方位声平。所以有必要对测量数据进行坐标变换。假设点的位置在扫描平面上。然后我们有
这是我们所看到的图6声纳点云数据显示在笛卡尔坐标中,起源是声纳的中心。
4.1。角落和边界线检测
来处理匹配校正导航算法,我们需要消除噪声和干扰的影响,发现四个路口的四个水箱的界限。获得四个角落使用霍夫变换的结果(21是如图7。
然后,数据集之间的两个相邻的四个角落用于使用最小二乘法直线拟合。让我们假设每一个四行,,,是 两个相邻角之间的数据代入(17),我们可以得到 解决四个方程后,我们得到的四个直线声纳图像如图8。
4.2。矩形修改使用几何特性
然而,如图8、几何图形被四行不是一个标准的长方形。所以相邻直线修改基于几何特性来得到一个标准的长方形。我们与大多数数据定义线将基线,利用最小二乘法来计算合适的线,然后用直角两个相邻行修改修改相对于基线直线的斜率,分别在第四行修改为平行于基线。当所有其他三线的斜率是已知的,我们可以得到这三行安装使用最小平方方法了。当最后一个矩形建立时,它将与先验地图计算ROV的位置和方向的水箱不确定性,分别。整个基于几何特征的匹配校正算法算法所示1在细节。
|
||||||||||||||||||||||||||||||||||||||||
几何修正后结果如图9。读”“代表声纳的位置。水箱的边界是基础坐标系如图5。
4.3。关键边缘识别基于角匹配
获取标准的矩形后,我们可以计算声纳的位置通过声纳和直线之间的距离测量基准参考系;然后ROV的位置可以推导出根据声纳之间的相对位置和ROV的重心。与此同时,我们也可以推断ROV的方向通过比较与先验地图生成的矩形使用直线的斜率。然而,对我们来说很难认识到两条边的水箱用作基准参考系。出于这个原因,我们使用行和的方向和基准参考系。每次ROV移动和声纳完成一个完整的扫描,我们使用霍夫变换找到四个角落,和相邻的两个角落扫描被确定为相同的角落,所以线和可以被识别,然后我们计算ROV的位置和姿态。
4.4。位置和姿态校正使用第二个卡尔曼滤波器
为了获得更好的定位精度ROV的位置和姿态推断匹配修正算法并将其用作新测量进行第二个卡尔曼滤波器。整个递归过程的整个过程在图10。
5。现场试验
验证的有效性提出导航算法,许多实验都在人为水箱进行类似于核电站的反应堆池。水箱是6 m×3米×1.5米(长×宽×深度,深度意味着水的深度),如图11慢慢,ROV跑。
从传感器得到的所有数据准确地计算ROV的定位和方向,和刻度线的水箱用作地面真理来评估算法的定位精度,而计算取向的磁强计校准后用作地面真理来评估算法的定位精度。的价值在基地参考是正ROV在顺时针方向旋转。实验的结果数据12和13。
拟合直线的第一和第二个实验是在(19),订单,,,。
从表1,我们可以看到,错误很低,定位和定位的准确性非常高。最大的优势与其他水下导航算法相比,该算法是基于几何特征和先验地图匹配。换句话说,不干扰的算法运行时间和精度误差不会积累随着时间的推移就像GPS在陆地上工作,在实际应用中是非常重要的。
6。结论
提出了一种新的水下导航算法基于几何特征和地图匹配已知人造结构化环境中使用机械扫描声纳。声纳的运动引起的畸变点云数据修改和使用卡尔曼滤波器的补偿传感器数据融合。水箱的边界是使用霍夫变换结合最小二乘拟合。修改线拟合的误差,与大多数声纳数据用作基线与所有其他三线修改基于几何特性。后计算矩形水箱的图,我们可以很容易地推断ROV的定位和方向。水箱环境验证了所提出算法的验证。
ROV我们使用平台旨在帮助监测水下环境和打捞一小部分反应堆池中螺栓和螺母和其他水基础设施的核电站,它一直在尝试模拟池的大亚湾核电站反应堆多次测试泄漏的紧张和运动稳定性我们在文献[介绍12]。在当前时间,这是足以让我们知道车辆的准确定位和方向当ROV移动缓慢,甚至在特定时间暂停在水下核设备的安全保证。将进行更多的实验在核电站反应堆模拟池和算法将得到进一步验证。
相互竞争的利益
作者宣称没有利益冲突。
确认
作者要感谢自然的支持下的中国国家重点基础研究项目批准号2013年cb035503和国家高技术研究发展计划资助下的中国没有。2011 aa040201。