海洋包含看似无穷无尽的广阔领土，尚待探索——在全球范围内绘制这些未知水域的地图是一项艰巨的任务。自主水下机器人舰队可能是帮助绘制地图的宝贵工具，但这些机器人需要能够在杂乱的区域导航，同时保持高效和准确。
在6 月 24 日发表在IEEE 海洋工程杂志上的一项研究中，一个研究小组开发了一种新的框架，该框架允许自主水下机器人以高效率和低错误率绘制杂乱区域的地图。
绘制水下环境的一个主要挑战是机器人位置的不确定性。
新泽西州霍博肯史蒂文斯理工学院机械工程副教授Brendan Englot解释说：“由于 GPS 在水下不可用，大多数水下机器人没有绝对位置参考，并且其导航解决方案的准确性各不相同。” , 谁参与了这项研究。“预测机器人探索未知领域时它会如何变化，将使自主水下航行器能够在这些具有挑战性的情况下构建最准确的地图。”
Englot 团队创建的模型使用虚拟地图，抽象地表示机器人尚未看到的周围区域。他们开发了一种算法，可以在考虑到机器人的定位不确定性和感知观察的情况下，在该虚拟地图上规划路线。
感知观察是使用声纳成像收集的，这有助于在 30 米范围和 120 度视野范围内检测机器人前方环境中的物体。“我们处理图像以从每个声纳图像中获取点云。这些点云指示水下结构相对于机器人的位置，”Englot 解释说。
然后，研究小组在纽约州金斯角的一个港口使用BlueROV2 水下机器人测试了他们的方法，Englot 说这个区域足够大，可以产生明显的导航错误，但又足够小，可以毫无困难地进行大量实验试验. 该团队将他们的模型与其他几个现有模型进行了比较，在机器人在港口航行的至少三个 30 分钟试验中测试了每个模型。还通过模拟评估了不同的模型。
“结果表明，每个竞争 [模型] 都有其独特的优势，但我们的模型在快速探索未知环境和构建这些环境的准确地图之间提供了非常有吸引力的折衷方案，”Englot 说。
他指出，他的团队已经申请了一项专利，该专利将考虑其用于海底石油和天然气生产目的的模型。然而，他们设想该模型还将用于更广泛的应用，例如检查海上风力涡轮机、海上水产养殖基础设施（包括养鱼场）以及码头和桥梁等民用基础设施。
“接下来，我们希望将该技术扩展到 3D 映射场景，以及可能已经存在部分地图的情况，我们希望机器人能够有效地利用该地图，而不是完全从头开始探索环境，”英格洛特说。“如果我们能够成功地扩展我们的框架以在 3D 映射场景中工作，我们也可以使用它来探索水下洞穴或沉船网络。”
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
