[发明专利]基于声呐辅助自航式海底勘探、救援搜索方法

说明书

本发明涉及基于声呐辅助自航式海底勘探、救援搜索方法，属于自航式海底勘探搜索策略技术领域，主要解决目前的海底勘探、救援的搜索方法，只能对既定目标区域进行搜索，无法完成对目标区域以外的其他搜索区域的勘探和搜索的问题。本发明包括如下步骤：AUV潜入海底，侧扫声呐工作，对海底图像特征进行采集；将高维海底声呐探测图像数据进行降维处理；分别计算两侧声呐图像的特征显著率；比较两侧声呐图像的显著率；根据比较结果作出决策，并转至步骤一进行下一步的区域探索。本发明实现了AUV自主能动的对海底进行探测和搜索，克服了传统勘探、搜索策略中的盲目性，为运用具有人工智能的AUV进行海底勘探和救援提供了可行性方案。

技术领域

本发明涉及基于声呐辅助自航式海底勘探、救援搜索方法，属于自航式海底勘探搜索策略技术领域。

背景技术

目前流行的海底勘探、救援的搜索方法，主要是针对目标区域，预先规划好水下航行器的航行路线，使水下航行器根据既定路线完成对海底的勘探和搜索救援。然而，此种搜索方法只能对既定目标区域进行搜索，无法完成对目标区域以外的其他搜索区域的勘探和搜索，并且在实现对范围较大的区域进行勘探和搜索时，具有明显的人为干预性和无目的性，极大的浪费了人力物力，显示出了目前海底勘探、搜索策略的局限性和非智能性。

发明内容

本发明的目的在于克服现有自航式海底勘探搜索策略存在的上述缺陷，提出了一种基于声呐辅助自航式海底勘探、救援搜索方法，通过分析声呐提供的海底的特征分布，主动感知外部环境，自主的向海底特征丰富的海域进行探索，实现了海底勘探、救援的自主性和人工智能性。

具体包括如下步骤：

步骤一，AUV(Autonomous Underwater Vehicle，自主式水下潜器)潜入海底，侧扫声呐工作，对海底图像特征进行采集。

步骤二、将高维海底声呐探测图像数据进行降维处理：

采用词袋BoW(Bag of Words)局部特征表达模型来描绘海底探测图像，以满足对海量观测信息的快速的反应能力；

步骤三、分别计算两侧声呐图像的特征显著率：

采用归一化图像熵来表示声呐图像的特征显著率：

其中|ω|表示声呐观测图像中的局部特征总数，log₂|ω|为特征均匀分布时获得的最大熵，p(w_i)为局部特征ω_i的先验概率密度函数，图像熵表示声呐探测图像中特征的多样性；

步骤四、比较两侧声呐图像的显著率：

对两侧声呐图像的特征显著率进行比较，为导航决策做准备；

步骤五，根据比较结果作出决策，并转至步骤一进行下一步的区域探索：

如果AUV两侧的侧扫声呐图像的显著率相等，则AUV保持继续前进的姿态；如果AUV一侧的侧扫声呐图像的显著率大于另一侧的显著率，那么AUV选择往显著率更高的一侧偏转。

进一步地，步骤二中采用词袋BoW局部特征表达模型来描绘海底探测图像的过程分为三部分：

第一部分，利用SURF(Speeded Up Robust Features,快速鲁棒性特征)算法从探测声呐图像中提取海底词汇向量，这些向量代表的是声呐图像中局部不变的特征点。

第二部分，将提取到的特征映射到字典树。

第三部分，利用海底声呐观测图像提取的局部特征生成典型样本，将典型样本对应不同词汇。通过此种方法将高维海量海底探测数据映射到低维。