多ROV系统及浅水珊瑚探测方法.pdf

《多ROV系统及浅水珊瑚探测方法.pdf》由会员分享，可在线阅读，更多相关《多ROV系统及浅水珊瑚探测方法.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911201377.2 (22)申请日 2019.11.29 (71)申请人 哈尔滨工程大学 地址 150001 黑龙江省哈尔滨市南岗区南 通大街145号哈尔滨工程大学科技处 知识产权办公室 (72)发明人 盛明伟李俊万磊秦洪德 王玮哲刘奕晖武万琦崔壮 (51)Int.Cl. G01V 8/10(2006.01) G01N 27/04(2006.01) G01N 33/18(2006.01) (54)发明名称 一种多ROV系统及浅水珊瑚探测方法 (57)摘要 本发明属于水下。

2、探测技术领域， 具体涉及一 种多ROV系统及浅水珊瑚探测方法。 本发明的多 ROV系统通过水密线缆与到水面的控制台连接， 控制台在水面通过无线电收发指令， 实现实时几 乎无时间延迟的同时定位与建图。 本发明的多 ROV浅水珊瑚探测方法采用多ROV系统对浅水海 域的热带珊瑚进行探测， 根据决策算法、 最优化 算法和行为检测对全局调度方案进行一定的修 正， 从而实现局部任务分配， 使整个系统具有更 强的环境适应能力。 提高了探测效率， 节省了探 测时间； 采用了三步提纯手段对误匹配点进行剔 除， 解决浅水热带珊瑚探测区域图像拼接融合问 题。 权利要求书3页 说明书9页 附图4页 CN 110954。

3、965 A 2020.04.03 CN 110954965 A 1.一种多ROV系统， 其特征在于： 包括母船和多台ROV； 每台ROV配备独立的控制台， 各 ROV通过水密线缆与各自的控制台连接； 所述的母船上搭载有智能中心和换能器； 所述的智 能中心是控制决策中心， 主要实现多ROV系统作业任务的分解、 分配和规划， 以及各ROV之间 作业任务的协调和优化； 各ROV的控制台通过无线电与母船上的智能中心连接； 所述的ROV 通过脐带缆与母船连接， 从而获取ROV工作所需的电力， 实现数据交换以及遥控功能； 所述 的脐带缆为自动收放， 脐带缆长度根据母船与ROV的相对距离和ROV的活动半径来。

4、确定， 当 ROV超出其活动半径时， 母船将跟随其移动， 保持ROV一直在安全的工作半径内； 所述母船上 的换能器通过接收到ROV上应答信号的声信号测定出母船到ROV的距离和方向； 所述的ROV 上携带有CTD探测仪、 PH探测器、 CO2探测器、 水下摄像机和机械手； 各ROV之间只作状态信息 的实时通信， 根据其作业目标和作业周边环境， 各自进行规划作业轨迹和作业姿态， 以最优 化的方式完成任务。 2.根据权利要求1所述的一种多ROV系统， 其特征在于： 工作人员具有最高操作优先级， 在母船上可通过智能中心对多ROV系统作业现场实施远程监控， 必要时根据多ROV系统作业 状况进行决策和控制。

5、， 在线干预处理紧急或意外情况。 3.一种基于权利要求1所述的一种多ROV系统的多ROV浅水珊瑚探测方法， 其特征在于， 包括以下步骤： 步骤1： 母船行驶至浅水海域上方， 将多ROV系统中的ROV投放入水， 各ROV的控制台位于 水面上； 步骤2： 智能中心根据ROV上传的所处经纬度信息、 周边环境信息检测各ROV状态， 并对 多ROV协同作业任务进行规划， 将规划结果通过无线电传递给各ROV的水面控制台， 、 各水面 控制台再通过水密线缆将任务传递给各ROV； 步骤3： 接收到任务指令的ROV通过其携带的水下摄像机在任务区域的活动半径内对浅 海区域进行协同探测， 协同采集浅海区域的图像信息。

6、； ROV通过其上携带的CTD探测仪、 PH探 测器、 CO2探测器记录所处位置海水的温度、 盐度、 PH值和CO2浓度信息； 各ROV分别通过水密 线缆将视频图像信息上传至各自的水面控制台， 水面控制台再通过无线电将视频图像信息 传给智能中心； 步骤4： 智能中心提前通过大量的浅水珊瑚图像进行离线训练， 训练分类目标为海藻、 沙地和珊瑚， 生成检测模型； 智能中心通过离线训练好的检测模型对多ROV协同采集的浅海 区域图像进行检测识别， 当连续多帧视频图像检测出珊瑚时， 将该区域视为浅水珊瑚区域； 步骤5： 当发现浅水珊瑚区域时， 智能中心向各ROV发送指令使所有ROV向浅水珊瑚区域 聚集； 。

7、步骤6： 智能中心自主决策， 分配采集浅水珊瑚图像的协同作业任务给各ROV； 个ROV根 据其作业目标和作业周边环境， 规划作业轨迹和作业姿态， 以最优化的方式对浅水珊瑚区 域进行协同探测和样本抓取； 各ROV利用机械手抓取浅水珊瑚区域的生物样品， 通过其携带 的水下摄像机采集图像数据； 各ROV分别通过水密线缆将采集到的图像数据上传至各自的 水面控制台， 水面控制台再通过无线电将图像数据传给智能中心； 步骤7： 智能中心将各ROV获取的海底图像拼接成浅水珊瑚栖息地全景图。 4.根据权利要求3所述的一种多ROV浅水珊瑚探测方法， 其特征在于： 所述的步骤2及步 骤6中对多ROV协同作业任务分配。

8、过程中， 首先进行全局任务分配， 根据已知环境信息和任 权利要求书 1/3 页 2 CN 110954965 A 2 务信息， 将初始任务合理地分配给各个ROV， 生成效率高、 资源配置合理的全局调度方案； 然 后各个ROV在作业过程中实时获取动态任务信息， 根据决策算法、 最优化算法和行为检测对 全局调度方案进行一定的修正， 从而实现局部任务分配， 使整个系统具有更强的环境适应 能力。 5.根据权利要求3或4所述的一种多ROV浅水珊瑚探测方法， 其特征在于： 工作人员具有 最高操作优先级， 在母船上可通过智能中心对多ROV系统作业现场实施远程监控， 必要时根 据多ROV系统作业状况进行决策和。

9、控制， 在线干预处理紧急或意外情况； 当发现浅水珊瑚区 域时， 工作人员通过智能中心向各ROV发送指令使各ROV向浅水珊瑚区域聚集； 当智能中心 生成浅水珊瑚栖息地全景图后， 工作人员在浅水珊瑚栖息地全景图中选择区域， 并控制ROV 利用机械手抓取珊瑚栖息地生物样品， 同时根据相应ROV的经纬度信息， 记录样品所处位 置。 6.根据权利要求3或4所述的一种多ROV浅水珊瑚探测方法， 其特征在于： 所述的步骤7 中智能中心将各ROV获取的海底图像拼接成浅水珊瑚栖息地全景图的具体步骤为： 步骤7.1： 预处理， 筛选排除质量差的图像数据， 使用二维中值滤波器对筛选后的图像 进行去躁处理； 对图像中。

10、的任意一点(x,y)， 以该点为中心的滤波窗口设为Sxy， 再将Sxy中的 所有像素点进行从小到大的排序， 将排序处于中间点的值， 作为该滤波的结果； 所述的质量 差的图像数据包括水质较差、 采集过快或导航不良的图像； 步骤7.2： 使用特征点提取算法提取每幅图像的特征点； 步骤7.3： 特征点Brute Force匹配； 步骤7.4： 对Brute Force匹配后的特征点进行提纯， 采用基于阈值的方法， 将Hanming 距离大于30的特征点剔除； 步骤7.5： 找到两幅图像中距离差d相同的特征点对， 对d5的特征点对进行剔除提 纯； 步骤7.6： 利用RANSAC算法剔除剩余的特征点对误。

11、匹配点， 求解变换矩阵并采用光束法 平差实现全局配准； 步骤7.7： 将每幅图像投影到统一坐标系下对图像进行拼接和融合； 先采用最佳缝合线 法进行图像融合， 然后采用多通道法对图像进行二次融合， 消除第一次融合产生的鬼影现 象， 实现平滑自然的无鬼影拼接， 输出全景图像。 7.根据权利要求5所述的一种多ROV浅水珊瑚探测方法， 其特征在于： 所述的步骤7中智 能中心将各ROV获取的海底图像拼接成浅水珊瑚栖息地全景图的具体步骤为： 步骤7.1： 预处理， 筛选排除质量差的图像数据， 使用二维中值滤波器对筛选后的图像 进行去躁处理； 对图像中的任意一点(x,y)， 以该点为中心的滤波窗口设为Sxy。

12、， 再将Sxy中的 所有像素点进行从小到大的排序， 将排序处于中间点的值， 作为该滤波的结果； 所述的质量 差的图像数据包括水质较差、 采集过快或导航不良的图像； 步骤7.2： 使用特征点提取算法提取每幅图像的特征点； 步骤7.3： 特征点Brute Force匹配； 步骤7.4： 对Brute Force匹配后的特征点进行提纯， 采用基于阈值的方法， 将Hanming 距离大于30的特征点剔除； 步骤7.5： 找到两幅图像中距离差d相同的特征点对， 对d5的特征点对进行剔除提 权利要求书 2/3 页 3 CN 110954965 A 3 纯； 步骤7.6： 利用RANSAC算法剔除剩余的特征。

13、点对误匹配点， 求解变换矩阵并采用光束法 平差实现全局配准； 步骤7.7： 将每幅图像投影到统一坐标系下对图像进行拼接和融合； 先采用最佳缝合线 法进行图像融合， 然后采用多通道法对图像进行二次融合， 消除第一次融合产生的鬼影现 象， 实现平滑自然的无鬼影拼接， 输出全景图像。 8.根据权利要求6所述的一种多ROV浅水珊瑚探测方法， 其特征在于： 所述的步骤7.7中 的最佳缝合线法是两幅图像重叠区域的差值图像上颜色、 结构强度差最小的线， 缝合线的 求解准则如下： E(x,y)Ecolor(x,y)2+Egemetry(x,y)2 其中， Ecolor(x,y)为重叠像素的颜色值之差； Ege。

14、netry(x,y)为结构差值， 它是通过修改 Sobel算子实现的； 从重叠区域差值图像的第一列开始， 建立以该列每一个像素为起点的缝 合线， 最后从所有的缝合线中寻找一个最优解作为最佳缝合线； 所述的步骤7.7中的多通道融合法的基本原理是构建出重叠部分的拉普拉斯金字塔， 将不同层的图像进行融合从而重构出图像； 由于图像通常存在曝光差异， 使用最佳缝合线 法融合的图像在拼接区域会存在鬼影， 因此通过二次融合消除鬼影现象。 9.根据权利要求7所述的一种多ROV浅水珊瑚探测方法， 其特征在于： 所述的步骤7.7中 的最佳缝合线法是两幅图像重叠区域的差值图像上颜色、 结构强度差最小的线， 缝合线的。

15、 求解准则如下： E(x,y)Ecolor(x,y)2+Egemetry(x,y)2 其中， Ecolor(x,y)为重叠像素的颜色值之差； Egenetry(x,y)为结构差值， 它是通过修改 Sobel算子实现的； 从重叠区域差值图像的第一列开始， 建立以该列每一个像素为起点的缝 合线， 最后从所有的缝合线中寻找一个最优解作为最佳缝合线； 所述的步骤7.7中的多通道融合法的基本原理是构建出重叠部分的拉普拉斯金字塔， 将不同层的图像进行融合从而重构出图像； 由于图像通常存在曝光差异， 使用最佳缝合线 法融合的图像在拼接区域会存在鬼影， 因此通过二次融合消除鬼影现象。 权利要求书 3/3 页 。

16、4 CN 110954965 A 4 一种多ROV系统及浅水珊瑚探测方法 技术领域 0001 本发明属于水下探测技术领域， 具体涉及一种多ROV系统及浅水珊瑚探测方法。 背景技术 0002 热带珊瑚礁被称为 “热带海洋沙漠中的绿洲” ， 主要由造礁珊瑚死后的残肢遗骸经 生物、 成岩作用堆积而成， 通常在水温1835、 水深318m， 盐度范围2740的水体中发 育良好。 珊瑚礁蕴藏着丰富的矿产资源。 礁灰岩是多孔隙岩类,渗透性好,有机质丰度高， 是 油气良好的生储层。 目前已发现和开采的礁型大油田有十多个， 可采储量50多亿吨。 礁型气 田也是高产的。 大型油气田多产于古代的堡礁中。 珊瑚礁及。

17、其泻湖沉积层中， 还有煤炭、 铝 土矿、 锰矿、 磷矿。 礁体粗碎屑中发现铜、 铅、 锌等多金属层控矿床。 礁作为储水层具有工业 利用价值。 珊瑚灰岩可作为烧制石灰、 水泥的良好原料。 有潮汐通道与外海沟通的环礁泻 湖， 可辟为船舶的天然避风港。 珊瑚礁灰岩覆盖的平顶海山， 可作为水下实验的优良基地。 千姿百态的珊瑚可作为装饰工艺品。 五彩缤纷的礁栖热带鱼类可供人们观赏。 有些珊瑚早 已被用作药材。 礁区具有丰富的渔业、 水产资源。 不少礁区已开辟为旅游场所。 0003 热带珊瑚礁具有良好的研究价值， 并且其处于浅海水域， 因此通信状况良好的ROV 比较适合作为探测器。 单个ROV在搜寻热带珊。

18、瑚礁海域的位置和采集热带珊瑚图像时， 效率 过于低下， 因而， 为了提高探测效率、 适应复杂环境， 采用多ROV热带珊瑚协同系统来采集热 带珊瑚图像， 对热带珊瑚进行探测。 发明内容 0004 本发明的目的在于提供用于浅海水域采集热带珊瑚图像， 对热带珊瑚进行探测的 一种多ROV系统。 0005 本发明的目的通过如下技术方案来实现： 包括母船和多台ROV； 每台ROV配备独立 的控制台， 各ROV通过水密线缆与各自的控制台连接； 所述的母船上搭载有智能中心和换能 器； 所述的智能中心是控制决策中心， 主要实现多ROV系统作业任务的分解、 分配和规划， 以 及各ROV之间作业任务的协调和优化； 。

19、各ROV的控制台通过无线电与母船上的智能中心连 接； 所述的ROV通过脐带缆与母船连接， 从而获取ROV工作所需的电力， 实现数据交换以及遥 控功能； 所述的脐带缆为自动收放， 脐带缆长度根据母船与ROV的相对距离和ROV的活动半 径来确定， 当ROV超出其活动半径时， 母船将跟随其移动， 保持ROV一直在安全的工作半径 内； 所述母船上的换能器通过接收到ROV上应答信号的声信号测定出母船到ROV的距离和方 向； 所述的ROV上携带有CTD探测仪、 PH探测器、 CO2探测器、 水下摄像机和机械手； 各ROV之间 只作状态信息的实时通信， 根据其作业目标和作业周边环境， 各自进行规划作业轨迹和。

20、作 业姿态， 以最优化的方式完成任务。 0006 本发明还可以包括： 0007 工作人员具有最高操作优先级， 在母船上可通过智能中心对多ROV系统作业现场 实施远程监控， 必要时根据多ROV系统作业状况进行决策和控制， 在线干预处理紧急或意外 说明书 1/9 页 5 CN 110954965 A 5 情况。 0008 本发明的目的还在于提供采用多ROV系统进行浅海水域采集热带珊瑚图像， 对热 带珊瑚进行探测的一种多ROV浅水珊瑚探测方法。 0009 本发明的目的通过如下技术方案实现： 包括以下步骤： 0010 步骤1： 母船行驶至浅水海域上方， 将多ROV系统中的ROV投放入水， 各ROV的控。

21、制台 位于水面上； 0011 步骤2： 智能中心根据ROV上传的所处经纬度信息、 周边环境信息检测各ROV状态， 并对多ROV协同作业任务进行规划， 将规划结果通过无线电传递给各ROV的水面控制台， 、 各 水面控制台再通过水密线缆将任务传递给各ROV； 0012 步骤3： 接收到任务指令的ROV通过其携带的水下摄像机在任务区域的活动半径内 对浅海区域进行协同探测， 协同采集浅海区域的图像信息； ROV通过其上携带的CTD探测仪、 PH探测器、 CO2探测器记录所处位置海水的温度、 盐度、 PH值和CO2浓度信息； 各ROV分别通过 水密线缆将视频图像信息上传至各自的水面控制台， 水面控制台再。

22、通过无线电将视频图像 信息传给智能中心； 0013 步骤4： 智能中心提前通过大量的浅水珊瑚图像进行离线训练， 训练分类目标为海 藻、 沙地和珊瑚， 生成检测模型； 智能中心通过离线训练好的检测模型对多ROV协同采集的 浅海区域图像进行检测识别， 当连续多帧视频图像检测出珊瑚时， 将该区域视为浅水珊瑚 区域； 0014 步骤5： 当发现浅水珊瑚区域时， 智能中心向各ROV发送指令使所有ROV向浅水珊瑚 区域聚集； 0015 步骤6： 智能中心自主决策， 分配采集浅水珊瑚图像的协同作业任务给各ROV； 个 ROV根据其作业目标和作业周边环境， 规划作业轨迹和作业姿态， 以最优化的方式对浅水珊 瑚。

23、区域进行协同探测和样本抓取； 各ROV利用机械手抓取浅水珊瑚区域的生物样品， 通过其 携带的水下摄像机采集图像数据； 各ROV分别通过水密线缆将采集到的图像数据上传至各 自的水面控制台， 水面控制台再通过无线电将图像数据传给智能中心； 0016 步骤7： 智能中心将各ROV获取的海底图像拼接成浅水珊瑚栖息地全景图。 0017 本发明还可以包括： 0018 所述的步骤2及步骤6中对多ROV协同作业任务分配过程中， 首先进行全局任务分 配， 根据已知环境信息和任务信息， 将初始任务合理地分配给各个ROV， 生成效率高、 资源配 置合理的全局调度方案； 然后各个ROV在作业过程中实时获取动态任务信息。

24、， 根据决策算 法、 最优化算法和行为检测对全局调度方案进行一定的修正， 从而实现局部任务分配， 使整 个系统具有更强的环境适应能力。 0019 工作人员具有最高操作优先级， 在母船上可通过智能中心对多ROV系统作业现场 实施远程监控， 必要时根据多ROV系统作业状况进行决策和控制， 在线干预处理紧急或意外 情况； 当发现浅水珊瑚区域时， 工作人员通过智能中心向各ROV发送指令使各ROV向浅水珊 瑚区域聚集； 当智能中心生成浅水珊瑚栖息地全景图后， 工作人员在浅水珊瑚栖息地全景 图中选择区域， 并控制ROV利用机械手抓取珊瑚栖息地生物样品， 同时根据相应ROV的经纬 度信息， 记录样品所处位置。

25、。 0020 所述的步骤7中智能中心将各ROV获取的海底图像拼接成浅水珊瑚栖息地全景图 说明书 2/9 页 6 CN 110954965 A 6 的具体步骤为： 0021 步骤7.1： 预处理， 筛选排除质量差的图像数据， 使用二维中值滤波器对筛选后的 图像进行去躁处理； 对图像中的任意一点(x,y)， 以该点为中心的滤波窗口设为Sxy， 再将Sxy 中的所有像素点进行从小到大的排序， 将排序处于中间点的值， 作为该滤波的结果； 所述的 质量差的图像数据包括水质较差、 采集过快或导航不良的图像； 0022 步骤7.2： 使用特征点提取算法提取每幅图像的特征点； 0023 步骤7.3： 特征点B。

26、rute Force匹配； 0024 步骤7.4： 对Brute Force匹配后的特征点进行提纯， 采用基于阈值的方法， 将 Hanming距离大于30的特征点剔除； 0025 步骤7.5： 找到两幅图像中距离差d相同的特征点对， 对d5的特征点对进行剔 除提纯； 0026 步骤7.6： 利用RANSAC算法剔除剩余的特征点对误匹配点， 求解变换矩阵并采用光 束法平差实现全局配准； 0027 步骤7.7： 将每幅图像投影到统一坐标系下对图像进行拼接和融合； 先采用最佳缝 合线法进行图像融合， 然后采用多通道法对图像进行二次融合， 消除第一次融合产生的鬼 影现象， 实现平滑自然的无鬼影拼接， 。

27、输出全景图像。 0028 所述的步骤7.7中的最佳缝合线法是两幅图像重叠区域的差值图像上颜色、 结构 强度差最小的线， 缝合线的求解准则如下： 0029 E(x,y)Ecolor(x,y)2+Egemetry(x,y)2 0030 其中， Ecolor(x,y)为重叠像素的颜色值之差； Egenetry(x,y)为结构差值， 它是通过修 改Sobel算子实现的； 从重叠区域差值图像的第一列开始， 建立以该列每一个像素为起点的 缝合线， 最后从所有的缝合线中寻找一个最优解作为最佳缝合线； 0031 所述的步骤7.7中的多通道融合法的基本原理是构建出重叠部分的拉普拉斯金字 塔， 将不同层的图像进行。

28、融合从而重构出图像； 由于图像通常存在曝光差异， 使用最佳缝合 线法融合的图像在拼接区域会存在鬼影， 因此通过二次融合消除鬼影现象。 0032 本发明的有益效果在于： 0033 本发明的多ROV系统通过水密线缆与到水面的控制台连接， 控制台在水面通过无 线电收发指令， 实现实时几乎无时间延迟的同时定位与建图。 本发明的多ROV浅水珊瑚探测 方法采用多ROV系统对浅水海域的热带珊瑚进行探测， 根据决策算法、 最优化算法和行为检 测对全局调度方案进行一定的修正， 从而实现局部任务分配， 使整个系统具有更强的环境 适应能力。 提高了探测效率， 节省了探测时间； 采用了三步提纯手段对误匹配点进行剔除，。

29、 解决浅水热带珊瑚探测区域图像拼接融合问题。 附图说明 0034 图1为多遥控潜水器热带珊瑚协同探测示意图。 0035 图2为浅水珊瑚探测区域地图融合流程图。 0036 图3为ROV自主避障过程流程图。 0037 图4为ROV某时刻路径规划示意图。 0038 图5为多ROV系统协作体系结构图。 说明书 3/9 页 7 CN 110954965 A 7 具体实施方式 0039 下面结合附图对本发明做进一步描述。 0040 本发明提供了一种多ROV系统， 包括母船和多台ROV； 每台ROV配备独立的控制台， 各ROV通过水密线缆与各自的控制台连接； 所述的母船上搭载有智能中心和换能器； 所述的 智。

30、能中心是控制决策中心， 主要实现多ROV系统作业任务的分解、 分配和规划， 以及各ROV之 间作业任务的协调和优化； 各ROV的控制台通过无线电与母船上的智能中心连接； 所述的 ROV通过脐带缆与母船连接， 从而获取ROV工作所需的电力， 实现数据交换以及遥控功能； 所 述的脐带缆为自动收放， 脐带缆长度根据母船与ROV的相对距离和ROV的活动半径来确定， 当ROV超出其活动半径时， 母船将跟随其移动， 保持ROV一直在安全的工作半径内； 所述母船 上的换能器通过接收到ROV上应答信号的声信号测定出母船到ROV的距离和方向； 所述的 ROV上携带有CTD探测仪、 PH探测器、 CO2探测器、 。

31、水下摄像机和机械手； 各ROV之间只作状态 信息的实时通信， 根据其作业目标和作业周边环境， 各自进行规划作业轨迹和作业姿态， 以 最优化的方式完成任务。 0041 工作人员具有最高操作优先级， 在母船上可通过智能中心对多ROV作业现场实施 远程监控， 必要时根据多ROV作业状况进行决策和控制， 在线干预处理紧急或意外情况。 智 能中心(服务器)是控制决策中心， 对多ROV具有一定控制权， 其主要实现多ROV作业任务的 分解、 分配和规划， 以及各ROV之间作业任务的协调和优化。 各ROV之间只作状态信息的实时 通信， 根据其作业目标和作业周边环境， 各自进行规划作业轨迹和作业姿态， 以最优化。

32、的方 式完成任务。 0042 ROV有缆， 利用水密线缆连接到水面各自的控制台， 各控制台通过无线电与母船上 的智能中心(服务器)相连接。 水面通过无线电收发指令， 水下通过水密线缆连接ROV本体与 控制台， 实现实时几乎无时间延迟的同时定位与建图。 0043 ROV通过脐带缆与母船之间连接， 从而获取ROV工作所需的电力， 实现数据交换以 及遥控功能。 脐带缆释放过程进行自动收放， 避免人为收放出现失误。 母船上的换能器接收 到ROV上应答信号的声信号测定出母船到ROV的距离和方向。 脐带缆长度根据母船与ROV的 相对距离和ROV的活动半径来确定， 当ROV超出其活动半径时， 母船将跟随其移。

33、动， 保持ROV 一直在安全的工作半径内。 0044 在多ROV系统协同作业任务分配过程中， 首先进行全局任务分配， 根据已知环境信 息和任务信息， 将初始作业任务合理地分配给各个ROV， 生成效率高、 资源配置合理的全局 调度方案； 然后各个ROV在作业过程中实时获取动态任务信息， 根据ROV智能模块中的决策 算法和最优化算法对全局调度方案进行一定的修正， 从而实现局部任务分配， 使整个系统 具有更强的环境适应能力。 0045 本发明针对单个ROV在搜寻热带珊瑚礁海域的位置和采集热带珊瑚图像时， 效率 过于低下的问题， 利用上述的一种多ROV系统， 提供一种多遥控潜水器(Remotely O。

34、perated Vehicle， ROV)对热带珊瑚栖息地进行协同探测的方法， 通过安装有高分辨率水下光学摄像 机的多个有缆ROV协同对浅水热带珊瑚区域进行探测和采样抓取。 0046 一种多ROV浅水珊瑚探测方法， 包括以下步骤： 0047 (1)母船行驶至浅水海域上方投放多个ROV入水。 0048 (2)工作人员对向智能中心(服务器)发送作业任务， 服务器检测各ROV状态， 并对 说明书 4/9 页 8 CN 110954965 A 8 多ROV协作任务进行规划， 下达各ROV作业指令。 0049 (3)各ROV携带高分辨率水下光学摄像机在其各自任务区域的活动半径内探测， 对 浅水热带珊瑚区。

35、域进行搜索， 同时记录ROV所处经纬度信息， ROV将记录信息先经水密线缆 传递到水面控制台， 水面控制台通过无线电将图像和位置信息实时传送给智能中心。 0050 (4)ROV上搭载电导率-温度-深度传感器(CTD)、 PH探测器、 CO2探测仪记录所处位 置上海水的温度、 盐度、 PH值、 CO2浓度信息。 0051 (5)工作人员在母船上远程监控， 当发现浅水珊瑚区域时， 通过智能中心向各ROV 发送指令使各ROV向浅水珊瑚区域聚集。 0052 (6)智能中心自主决策， 分配采集浅水珊瑚图像任务给各ROV。 0053 (7)各ROV根据其作业目标和作业周边环境， 规划作业轨迹和作业姿态， 。

36、以最优化 的方式完成采集浅水珊瑚的任务， 并将采集的图像数据上传给智能中心。 0054 (8)智能中心将多ROV获取的海底图像拼接成浅水珊瑚栖息地全景图。 0055 (9)工作人员在全景图中选择感兴趣的区域， 利用单个ROV或多个ROV同时利用柔 性机械手抓取珊瑚栖息地生物样品， 同时根据相应ROV的经纬度信息， 记录样品所处位置。 0056 将多ROV实时获取海底图像进行拼接获得所探测区域内热带珊瑚栖息地全景图之 后， 在全景图中感兴趣区域利用单个ROV或多个ROV同时利用柔性机械手抓取珊瑚栖息地生 物样品， 同时根据相应ROV的经纬度信息， 记录样品所处位置。 拼接成全景图的工作步骤如 下。

37、所示： 0057 (1)进行筛选， 排除质量差的图像数据(例如水质较差， 采集过快或导航不良的图 像)， 并使用二维中值滤波器对筛选后的图像进行去噪处理。 0058 (2)使用特征点提取算法提取每幅图像的特征点， 进而对特征点进行筛选。 其中采 用了三步提纯手段对误匹配点进行剔除。 第一步， 对Brute Force匹配后的特征点进行提 纯， 采用基于阈值的方法， 首先将Hanming距离大于30的特征点剔除， 第二步， 找到两幅地图 中距离差d相同的特征点对， 对d5的特征点对进行剔除提纯； 第三步， 利用RANSAC算法 剔除剩余的特征点对误匹配点。 0059 (3)利用RANSAC算法求。

38、解变换矩阵并采用光束法平差实现全局配准。 0060 (4)将每幅图像投影到统一坐标系下对图像进行拼接和融合。 先采用最佳缝合线 法进行图像融合， 然后采用多通道法对图像进行二次融合， 消除第一次融合产生的鬼影现 象， 实现平滑自然的无鬼影拼接， 输出全景图像。 0061 采用高分辨率水下光学摄像机在浅水热带珊瑚区域探测作业中面临避障问题有 两种解决方法。 一是通过母船上的操作人员实时的操控ROV， 及时调整路径， 避开障碍物。 二 是通过局部路径规划方法使ROV能够通过自身的传感器信息， 感受障碍物的位置和距离， 得 到运动偏转指令， 自主地规划出一条无碰路径， 避开障碍物。 0062 ROV。

39、携电导率-温度-深度传感器(CTD)探测仪、 PH探测器、 CO2探测器实时获取所处 海洋位置的多种参数， 各ROV通过水密信号缆与水面无线电将各位置上海洋参数实时传递 到主控制计算机， 主控制计算机实时汇总所有接收到的参数获得随时间变化的各探测位置 上的海洋参数信息数据库。 0063 对多ROV柔性抓取获得的海底珊瑚栖息地生物样品进行病变组织分析， 通过对珊 瑚及其共生微生物的基因提取和分析， 对珊瑚的致病机理进行判断。 通过不同的珊瑚样本 说明书 5/9 页 9 CN 110954965 A 9 对比分析， 结合获得的海洋环境参数， 分析海洋参数变化对珊瑚的影响。 0064 多ROV系统在。

40、无人工干预情况下， 也可自主进行协同作业。 智能中心根据ROV上传 的所处经纬度信息、 周边环境信息， 进行任务规划， 将分配结果通过无线电传递给水面控制 台， 水面控制台再通过水密线缆将任务传递给各ROV。 携带有高分辨率水下光学摄像机的多 个ROV接收到任务指令后对浅海区域进行协同探测， 协同采集浅海区域的图像信息， 并通过 水密线缆将视频图像信息上传至水面控制台， 水面控制台再通过无线电将视频图像信息传 给智能中心。 智能中心提前通过大量的浅水珊瑚图像进行离线训练， 训练分类目标为海藻、 沙地和热带珊瑚， 生成检测模型。 智能中心通过离线训练好的检测模型对多ROV协同采集的 浅海区域图像。

41、进行检测识别。 当连续多帧视频图像检测出热带珊瑚时， 将该区域视为浅水 热带珊瑚区域。 智能中心下达指令， 将多ROV聚集在该片区域， 对浅水热带珊瑚区域进行协 同探测和样本抓取。 具体步骤如下： 0065 包括以下步骤： 0066 步骤1： 母船行驶至浅水海域上方， 将多ROV系统中的ROV投放入水， 各ROV的控制台 位于水面上； 0067 步骤2： 智能中心根据ROV上传的所处经纬度信息、 周边环境信息检测各ROV状态， 并对多ROV协同作业任务进行规划， 将规划结果通过无线电传递给各ROV的水面控制台， 、 各 水面控制台再通过水密线缆将任务传递给各ROV； 0068 步骤3： 接收到。

42、任务指令的ROV通过其携带的水下摄像机在任务区域的活动半径内 对浅海区域进行协同探测， 协同采集浅海区域的图像信息； ROV通过其上携带的CTD探测仪、 PH探测器、 CO2探测器记录所处位置海水的温度、 盐度、 PH值和CO2浓度信息； 各ROV分别通过 水密线缆将视频图像信息上传至各自的水面控制台， 水面控制台再通过无线电将视频图像 信息传给智能中心； 0069 步骤4： 智能中心提前通过大量的浅水珊瑚图像进行离线训练， 训练分类目标为海 藻、 沙地和珊瑚， 生成检测模型； 智能中心通过离线训练好的检测模型对多ROV协同采集的 浅海区域图像进行检测识别， 当连续多帧视频图像检测出珊瑚时， 。

43、将该区域视为浅水珊瑚 区域； 0070 步骤5： 当发现浅水珊瑚区域时， 智能中心向各ROV发送指令使所有ROV向浅水珊瑚 区域聚集； 0071 步骤6： 智能中心自主决策， 分配采集浅水珊瑚图像的协同作业任务给各ROV； 个 ROV根据其作业目标和作业周边环境， 规划作业轨迹和作业姿态， 以最优化的方式对浅水珊 瑚区域进行协同探测和样本抓取； 各ROV利用机械手抓取浅水珊瑚区域的生物样品， 通过其 携带的水下摄像机采集图像数据； 各ROV分别通过水密线缆将采集到的图像数据上传至各 自的水面控制台， 水面控制台再通过无线电将图像数据传给智能中心； 0072 步骤7： 智能中心将各ROV获取的海。

44、底图像拼接成浅水珊瑚栖息地全景图。 0073 实施例1： 0074 本发明涉及水下探测技术领域， 首先， 母船行驶至浅水海域上方投放多个ROV入 水； 其次， 工作人员对向智能中心(服务器)发送作业任务， 服务器检测各ROV状态， 并对多 ROV协作任务进行规划， 下达各ROV作业指令； 再次， 各ROV携带高分辨率水下光学摄像机在 其各自任务区域的活动半径内探测， 对浅水热带珊瑚区域进行搜索， 同时记录ROV所处经纬 说明书 6/9 页 10 CN 110954965 A 10 度信息， ROV将记录信息先经水密线缆传递到水面控制台， 水面控制台通过无线电将图像和 位置信息实时传送给智能中心。

45、； 之后， ROV上搭载电导率-温度-深度传感器(CTD)、 PH探测 器、 CO2探测仪记录所处位置上海水的温度、 盐度、 PH值、 CO2浓度信息； 接着， 工作人员在母 船上远程监控， 当发现浅水珊瑚区域时， 通过智能中心向各ROV发送指令使各ROV向浅水珊 瑚区域聚集； 之后， 智能中心自主决策， 分配采集浅水珊瑚图像任务给各ROV； 然后， 各ROV根 据其作业目标和作业周边环境， 规划作业轨迹和作业姿态， 以最优化的方式完成采集浅水 珊瑚的任务， 并将采集的图像数据上传给智能中心， 智能中心将多ROV获取的海底图像拼接 成浅水珊瑚栖息地全景图； 最后， 工作人员在全景图中选择感兴趣。

46、的区域， 利用单个ROV或 多个ROV同时利用柔性机械手抓取珊瑚栖息地生物样品， 同时根据相应ROV的经纬度信息， 记录样品所处位置。 本发明通过安装有高分辨率水下光学摄像机的多个有缆ROV采集浅水 海域的热带珊瑚图像， 并通过柔性机械手抓取珊瑚栖息地感兴趣的生物样品， 提高作业效 率。 0075 本发明具有以下优点： 0076 1.本发明根据决策算法、 最优化算法和行为检测对全局调度方案进行一定的修 正， 从而实现局部任务分配， 使整个系统具有更强的环境适应能力。 0077 2.本发明采用了三步提纯手段对误匹配点进行剔除， 解决浅水热带珊瑚探测区域 图像拼接融合问题。 0078 3.本发明使。

47、用两种方法来解决ROV避障问题， 一种是通过母船上的操作人员实时 的操控ROV， 调整路径， 避开障碍物。 二是通过局部路径规划方法使ROV能够通过自身的传感 器信息， 感受障碍物的位置和距离， 得到运动偏转指令， 自主地规划出一条无碰路径， 避开 障碍物。 两种方法相结合避免操作员长时间操作产生疲劳带来的隐患。 0079 4.本发明采用多ROV热带珊瑚协同系统来对浅水海域的热带珊瑚进行探测， 提高 了探测效率， 节省了探测时间。 0080 如图2所示， 为浅水珊瑚探测区域地图融合流程图。 多ROV系统获取的海底图像拼 接成浅水珊瑚栖息地全景图的具体工作步骤如下所示： 0081 (一)进行筛选。

48、， 排除质量差的图像数据(例如水质较差， 采集过快或导航不良的图 像)， 使用二维中值滤波器对筛选后的图像进行去躁处理。 对图像中的任意一点(x,y)， 以该 点为中心的滤波窗口设为Sxy， 再将Sxy中的所有像素点进行从小到大的排序， 将排序处于中 间点的值， 作为该滤波的结果。 0082 (二)使用特征点提取算法提取每幅图像的特征点， 进而对特征点进行筛选。 其中 采用了三步提纯手段对误匹配点进行剔除。 第一步， 对Brute Force匹配后的特征点进行提 纯， 采用基于阈值的方法， 将Hanming距离大于30的特征点剔除， 第二步， 找到两幅地图中距 离差d相同的特征点对。 定义为 。

49、0083 0084 对d5的特征点对进行剔除提纯； 第三步， 利用RANSAC算法剔除剩余的特征点对 误匹配点。 0085 (三)利用RANSAC算法求解变换矩阵并采用光束法平差实现全局配准。 0086 (四)将每幅图像投影到统一坐标系下对图像进行拼接和融合。 先采用最佳缝合线 说明书 7/9 页 11 CN 110954965 A 11 法进行图像融合， 然后采用多通道法对图像进行二次融合， 消除第一次融合产生的鬼影现 象， 实现平滑自然的无鬼影拼接， 输出全景图像。 0087 理想的最佳缝合线法是两幅图像重叠区域的差值图像上颜色、 结构强度差最小的 线， 因此缝合线的求解准则如下： 008。

50、8 E(x,y)Ecolor(x,y)2+Egemetry(x,y)2 0089 其中， Ecolor(x,y)为重叠像素的颜色值之差， Egenetry(x,y)为结构差值， 它是通过修 改Sobel算子实现的。 从重叠区域差值图像的第一列开始， 建立以该列每一个像素为起点的 缝合线， 最后从所有的缝合线中寻找一个最优解作为最佳缝合线。 0090 多通道融合法的基本原理是构建出重叠部分的拉普拉斯金字塔， 将不同层的图像 进行融合从而重构出图像。 由于图像通常存在曝光差异， 使用最佳缝合线法融合的图像在 拼接区域会存在鬼影， 因此通过二次融合消除鬼影现象。 0091 如图3所示， 所述的多RO。