控制与决策

作者：祝志坤,卢丙举,李一辰,王凯,于文彬

单位：上海交通大学 电子信息与电气工程学院,上海 200240,,河南省水下智能装备重点实验室,郑州 450000,,上海交通大学 电子信息与电气工程学院,上海 200240,,河南省水下智能装备重点实验室,郑州 450000,,上海交通大学 电子信息与电气工程学院,上海 200240,

关键词：水下自主航行器;坐落式回收;深度学习;特征点提取;位姿估计;目标检测

基金：河南省水下智能装备重点实验室基金项目(KL02B2301)；国家自然科学基金项目(62203299,62373246)；中央引导资金项目(Z20221343002).

自主水下航行器(AUV)在任务进行过程中或完成后需通过自主回收实现能源补充与数据下载等操作,是否能进行高效、精准地回收引导决定了AUV的回收效率,成为其能否广泛应用的关键.针对AUV坐落式回收过程中的近距离光学引导定位问题,提出一种基于深度学习的单双目位姿测量算法.首先,面向恶劣的水下光学成像条件,结合暗通道先验去雾和YOLO v9目标检测网络,实现一种可适应不同水质、光照强度且鲁棒性强、可靠性高的引导光源提取算法.同时,针对回收过程中的特征匹配问题,设计一种不依赖于AUV速度的全向特征匹配算法,实现3D-2D特征匹配.此外,针对坐落式回收典型的多阶段引导特点,分别基于PnP原理和SVD分解设计面向不同阶段的单、双目引导定位算法.最后,基于多次仿真和实物实验,验证算法在精确位姿估计方面的可行性和有效性.

来源：2025年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第1期