康奈尔大学(Cornell)和美国海军(U.S.Navy)进行的测试使用了新的算法,在自主水下声纳成像方面优于最先进的编程,显著提高了识别爆炸性地雷、沉船、飞机黑匣子、管道和船体腐蚀等物体的速度和准确性。googletag。命令。push(function(){googletag.display('div-gpt-ad-1453799284784-2');});海上侦察充满挑战,包括浑浊的水域、不可预测的条件和广阔的水下地形。在大多数情况下,声纳是首选的成像方法,但声波可能很难破译,通常需要不同角度和视角的物体才能被识别。
约翰·布兰卡乔(JohnBrancaccio)机械和航空航天工程教授西尔维亚·费拉里(SilviaFerrari)说:“如果你有很多目标,而且它们分布在一个很大的区域,那么对它们进行分类需要很长的时间。”聽IEEE海洋工程杂志。“有时,自动水下机器人无法完成任务,因为它的电池寿命有限。”
为了提高这些车辆的性能,法拉利的研究小组与巴拿马城的海军水面作战中心和弗吉尼亚州新港的海军海底作战中心合作。该团队创建并测试了一种称为信息多视图规划(informational multi-view planning)的新成像方法,该方法将物体可能位于何处的信息与声纳处理算法相结合,以确定最佳视图以及获取这些视图的最有效路径。规划算法考虑了声纳传感器的视场几何结构以及每个目标的位置和方向,并可以根据当前海况进行动态调整。
在计算机模拟测试中,研究团队的算法与最先进的成像方法竞争,以完成多目标分类任务。新算法能够在一半的时间内完成任务,识别目标的准确率提高了93%。在第二次测试中,目标更加随机分散,新算法执行成像任务的速度快11%以上,准确率高33%。
法拉利说:“在这些算法出现之前,我们一直无法解释方向以及影响图像质量的一些更复杂的自动目标变量。”。“现在,我们可以在更短的时间内以更高的精度完成相同的成像任务。”
作为最后一次测试,这些算法被编入REMUS-100自动水下机器人,任务是识别佛罗里达州海岸圣安德鲁湾地区内分散的40个目标。在第一次海底试验中,新算法实现了与最先进算法相同的速度,并且具有同等或优越的分类性能。
“在海上试验中使用实际飞行器演示所开发的算法是一项非常令人兴奋的成就,”简·杰琼·申说,她现在是佛罗里达大学机械和航空航天工程助理教授。“这一结果表明,这些算法有潜力在类似的水下勘测任务中得到更广泛的扩展和应用。”进一步探索