[发明专利]基于声呐辅助自航式海底勘探、救援搜索方法

摘要

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。

主权项

1.一种基于声呐辅助自航式海底勘探、救援搜索方法，其特征在于，包括如下步骤：步骤一、AUV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，那么进行以下决策：①首先运用中值滤波对声呐图像进行去噪，并用canny算子对图像进行边缘检测；②通过运用SUFT算法对进行边缘检测之后的声呐图像进行特征提取；③提取出声呐观测图像的特征以后，用DBSCAN算法对特征进行聚类，选择特征丰富的区域进行下一步处理；④在所生成的聚类中选择一个特征作为虚拟节点；⑤粗略计算其虚拟节点与AUV的方位；忽略掉AUV中心点同声呐图像近AUV端的距离，即盲区的距离；设一副声呐图片的分辨率为M*N，相应的将声呐图像存储为M*N的矩阵，假设在虚拟节点对应的像素在此矩阵中对应的位置为m行n列，假设图片宽度中点对应的像素点的列数为k,则此虚拟节点与AUV的角度粗略估计为：因此，AUV转过(90‑θ)°的角，拟到达虚拟节点。