[发明专利]一种基于水下搜寻机器人的目标搜寻与抵近方法

说明书

本发明公开了一种基于水下搜寻机器人的目标搜寻与抵近方法。该方法如下：一：水下搜寻机器人到达指定区域。二：水下搜寻机器人开始采集视频和声呐成像数据，形成声学与光学图像。三：利用卷积神经网络或人工的方式对声学与光学图像的识别处理；四：水下搜寻机器人根据目标对象的位置进行航向控制，沿着抵近目标对象。根据目标对象为自动识别还是半自动识别，选择抵近方式。本发明具有全自动目标识别和半自动人工框选目标识别的功能。全自动目标识别利用AI代替人工进行目标识别，一方面解放了人力，另一方面也避免了由于人眼疏忽造成目标遗漏，此外在水下视野清晰、水流平缓的环境种全自动目标识别效果更佳。

技术领域

本发明属于水下目标搜寻技术领域，具体涉及一种基于水下机器人的目标自动识别和特殊情况下人工辅助半自动的目标搜寻与抵近方法。

背景技术

随着水下测控技术的不断发展，水下机器人技术日益成熟，逐渐可以替代人类完成一些危险系数大的工作。水下机器人可以广泛应用于海洋环境探测、水下施工作业、水下侦察和搜救等方面，其中水下目标的搜寻功能是其中较为常用和重要的一个方面，应用最为广泛。

目前主流的水下机器人的目标搜寻与抵近方法主要有以下几种：基于路线规划的水下机器人目标搜寻方法、基于人工控制的水下机器人目标搜寻方法。基于路线规划的水下机器人目标搜寻方法主要通过声呐和摄像头采集环境的信息，然后通过特定的算法来规划路线，进而寻找目标。基于人工控制的水下机器人目标搜寻方法主要是通过人工控制水下机器人抵达目标，然后再控制水下搜寻机器人上的机械手等机械设备进行目标搜救。基于路线规划的水下机器人目标搜寻方法采用规划算法可以得到最优的路线，但是因为搜救的水域是未知的，其需要先勘测周围的环境再进行规划，消耗的时间过长，不能用于实际的。基于人工控制的水下机器人目标搜寻方法在抵达目标的过程中，需要人为介入控制水下机器人的运动方向，其效率低下。

在实际应用中，如果能够充分发挥水下机器人自主能力，可以极大地提高水下目标搜寻的效率。随着人工智能(AI)技术的不断发展，利用AI自动识别技术可以满足大部分应用场景中的功能需求。在特殊情况下，再辅以人工干预方式，就可以较好地完成水下目标搜寻任务。

发明内容

本发明的目的在于提供了一种兼有AI全自动识别功能和半自动人工框选目标搜索功能的水下机器人系统以及目标搜寻与抵近方法。水下搜寻机器人系统主要包括目标成像采集模块、AI自动识别模块、核心处理模块、驱动执行模块和上位机操控模块，目标成像采集模块与AI自动识别模块信号连接，AI自动识别模块与核心处理模块信号连接，核心处理模块与驱动执行模块信号连接，水下目标搜救机器人与上位机操控模块通过无线图传模块无线连接。AI自动识别模块通过AI自动识别方法获取目标的位置信息，核心处理模块采用目标追踪控制方法实现对目标的抵近追踪，上位机操控模块通过半自动人工框选目标搜索方法传输目标的位置信息。

该基于水下搜寻机器人的目标搜寻与抵近方法，具体步骤如下：

步骤一：水下搜寻机器人到达指定区域。

步骤二：水下搜寻机器人开始采集视频和声呐成像数据，形成声学与光学图像。

步骤三：利用卷积神经网络对声学与光学图像的识别处理，判断声学与光学图像是否出现目标对象；若卷积神经网络无法识别，则进入步骤四；若卷积神经网络识别到目标对象，则进入步骤六。

步骤四：利用卷积神经网络重新对声学与光学图像的识别处理，若卷积神经网络依旧无法识别，则多次重复利用卷积神经网络对声学与光学图像的识别处理，若识别时间达到预设时长，进入步骤五。若卷积神经网络成功识别，且识别到目标对象，则进入步骤六。

步骤五：向上位机发送人工框选目标请求；上位机在人工操作下框选出目标对象的尺寸，以及在图像中的坐标并发送给水下搜寻机器人后，进入步骤六。

步骤六：水下搜寻机器人根据目标对象的位置进行航向控制，沿着抵近目标对象。根据目标对象为自动识别还是半自动识别，选择抵近方式。