[发明专利]海底生物捕捞机器人的自主导航和人机协同捕捞作业系统

说明书

技术领域

本发明属于全景视觉技术、海底捕捞机器人的导航技术、人工智能技术和人机协同技术在海底生物资源探索和捕捞方面的应用，尤其适用于人机协同的多捕捞机器人的自主导航和捕捞作业。

背景技术

深海生物捕捞，即对深海生物进行捕捞，把生物从深海捕获出水进行科学研究或者其他商业用途。目前通常采用一种拖网捕获技术，它是一种利用船舶航行的拖拽式捕捞方式。底拖网是一种用于对深海底栖生物等小型生物进行捕获技术。这种底拖网技术对生态系统造成了灾难性伤害，珊瑚、海绵、鱼类和其它动物都将因此受到捕杀。同时众多海洋生物的栖息地—海山等水下生态系统也遭到了严重的破坏。这种捕捞方式对海洋生态系统造成了无法弥补的损失。由于拖网技术很难对生物进行有针对性的捕获，往往造成不分青红皂白的“滥杀无辜”，成功率低且浪费资源。

近年来水下机器人越来越多地运用于人类对深海资源的探索。其中，对深海生物资源的探索也是极为重要的一环。深潜器最直观的优点在于科学家可以远程进行操控并且针对性高，也不会对深海环境造成破坏。但是目前水下机器人十分昂贵，应用于商业用途的海底生物捕捞仍然存在着很多问题。

水下机器人又称无人遥控潜水器，其工作方式是由水面母船上的工作人员通过连接潜水器的脐带提供动力，操纵或控制潜水器，采用水下电视、声呐等专用设备进行观察，并由机械手进行水下作业。在深海生物捕获中，水下机器人使用机械手把捕获的生物放入收集舱中带上水面。其中水下电视系统是最具有发展潜力的一种观察设备。如美国的伍兹霍尔（Woods Hole）海洋研究所开发了一台名为“全球最棒的漂流者”的深潜水下机器人，它配备有高清晰度摄像头，能在深达3000米的水下工作，科学家可远距离操作，将水中抓获的生物存放在机器人的收集舱中。但是，目前使用在水下机器人中的水下电视系统所获取的图像仍然是平面视觉信息，无法获得被捕获对象的深度信息；而且视觉范围十分有限。这种水下机器人的制造成本极其昂贵。

随着计算机技术和信息采集与处理技术的发展，人工智能、机器视觉等新技术在水下机器人的应用研究得到了重视。结合了海底针对性的捕捞技术、机械技术、电子技术、信息技术和人工智能技术的水下捕捞机器人的研制是当前国内外海洋机器人研究领域的研究热点之一。机器视觉用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释，能依据视觉敏感和反馈的某种程度的智能完成一定的任务。尤其是近年来，机器视觉技术的快速发展，为捕捞机器人的自主导航和海底生物的识别提供了一种新的解决方案；全景立体视觉技术的出现为捕捞机器人的自主导航和海底生物的识别定位提供了极大的便利。

捕捞机器人中无论采用何种移动机构，都存在移动机器人的自主导航问题。目前移动机器人有多种导航方式，根据环境信息的完整程度、导航指示信号的类型、导航地域等因素的不同，可以分为基于地图导航、基于信标导航、基于GPS和视觉导航以及基于感知器导航等。基于地图的导航方式，事先要将机器人的作业环境输入控制系统内，形成电子地图。在结构化、环境条件已知的情况下，可以采用此种方法。基于信标导航，需要在作业环境的确定位置设立信标。机器人通过安装在身体上的测量装置检测其与信标的相互关系，推算自身的位姿。这种方式下，机器人的定位误差只取决于机器人与各信标的相对位置，在工业自动导引小车中用到这种方法。捕捞机器人的作业环境复杂，需要机器人根据环境的变化自行确定行走的方向。上述这些方法在海底环境中难以实施，因此，视觉导航成为捕捞机器人自主导航的首选方法。

视觉导航技术的基本原理是，利用视觉传感器作为感知元件，获取海底周边环境的图像。经过图像二值化、滤波等图像处理后，利用Hough变换等技术提取边界信息。然后根据模式识别技术，确定障碍物的方位和机器人的行走路线。控制器经过路径规划、优化，控制捕捞机器人的行走机构，指挥捕捞机器人在无人干涉情况下自主移动到预定的位置。视觉导航需要处理大量的图像数据，需要采用专用的图像处理卡。目前，有些研究者利用DSP芯片实现图像数据的采集、数字化转换、分析和处理的全部功能，直接将处理结果传送给主机。另一方面，目前在基于视觉导航的行走机器人技术方面基本上采用一般的彩色摄像机作为视觉感知元件，要获取捕捞机器人周边环境的视频图像往往需要用多个摄像机分别朝着不同的方向进行拍摄，并用多视频图像数据融合的方式进行处理；另一种方案是采用云台技术不断地扫描行走机器人的周边环境；上述这两种方式都会增加硬件和软件成本，造成了在图像分析处理上很大的负担。对于非结构化的捕捞环境采用全方位的智能感知是必不可少的。

发明内容