基于激光投影图像质量指标的岸基自主水下机器人多周海床测绘远程质量监控

《IEEE Transactions on Field Robotics》：Remote Awareness of Image Quality for Multiweek Shore-Launched AUV Surveys

本文针对岸基发射长航时自主水下机器人(AUV)在海床光学测绘中因水浊度变化导致的图像质量不可控问题，提出了LUIQA（激光投影图像质量评估）指标。研究团队在北海开展了21天、航程超1000公里的无母船AUV测绘任务，通过卫星通信传输图像质量分数，实现了对数据质量的远程感知与任务调整。该方法显著提升了原始数据质量，为船无关的可持续海洋环境监测提供了关键技术支撑。

　　

在深邃的海洋中，隐藏着无数人类尚未探索的秘密。从监测海洋保护区的生态系统健康，到检查日益增长的海底基础设施（如电缆和退役的石油钻井平台），高分辨率的海床视觉测绘变得愈发重要。传统上，这项工作严重依赖配备摄像机的自主水下机器人(AUV)，它们能在海底上方几米处飞行，采集毫米级分辨率的图像，覆盖数十公顷的区域。然而，挑战也随之而来：水下光学成像极易受到环境条件，特别是水体浊度（或称 turbidity）的影响。光线在水中传播时会发生衰减和散射，导致图像出现雾霾、颜色失真、细节丢失等问题。与对水体环境相对不敏感的声学测绘（如侧扫声纳）相比，光学成像的成功与否在很大程度上取决于AUV操作时未知且可能随时空变化的水体透明度。

这个挑战在一种新型的作业模式——岸基发射的长航时AUV调查中变得尤为突出。这类AUV无需母船支持，可从海岸直接出发，执行持续数周、航程达数百公里的离岸测绘任务。它们不仅大幅降低了成本、物流复杂度和碳排放，还能在恶劣海况下通过下潜避险，提升作业韧性。但与此同时，操作人员也失去了在AUV每次回收后检查数据质量并即时调整参数（如测绘高度、相机曝光）的机会。由于卫星通信带宽极低（通常仅为每秒几千比特），传输完整的图像数据以供评估是天方夜谭。因此，如何在AUV执行任务的间隙，远程、低带宽地感知其采集图像的质量，并据此做出明智的决策（如调整航行高度或提前返航），成为推动船无关长航时海床视觉测绘发展的关键瓶颈。

为了解决这一难题，由英国南安普顿大学和国家海洋学中心等机构研究人员组成团队，在《IEEE Transactions on Field Robotics》上发表了一项研究。他们开发了一种新颖的、适用于向下观测的原始激光扫描和闪光摄影图像的实时图像质量评估（IQA）指标，并在北海进行了一次为期21天、访问三个离岸站点（最远达170公里）的岸基发射AUV科考活动中成功演示了其应用。这项研究的核心在于，它不依赖于传输压缩后的图像，而是定义并传输了极其精简的图像质量分数，通过低带宽的卫星链路与AUV遥测数据一同发回给岸基操作员，实现了对数据质量的“远程感知”，从而在任务执行过程中最大化所获图像的质量。

研究人员为开展此项研究，主要应用了以下几项关键技术方法：首先，他们定义了基于激光投影图像的实时质量评估指标LUIQA和基于闪光图像的工程指标，通过分析图像特定感兴趣区域(ROI)的像素亮度最大值或平均值来量化图像质量。其次，他们将此算法集成到名为BioCam的海床测绘系统和Autosub Long Range (ALR) 长航时AUV中，利用AUV的星载控制系统(OCS)和机器人操作系统(ROS)架构，实现了图像分数的实时计算与通过铱星短脉冲数据(SBD)消息的定期传输。最后，在任务后处理中，他们采用了基于激光线投影的三维重建算法、基于灰度世界假设和距离补偿的颜色平衡方法，以及基于卷积神经网络(CNN)和支持向量机(SVM)的海床图像自动分类算法，对采集的大面积数据生成了数字三维模型和底质分类图。研究涉及的样本数据来源于北海的两个退役油气田站点和一个海洋保护区。

II. 原位图像质量指标

研究人员深入考虑了光在水中的传播特性。影响图像质量的关键因素是后向散射（backscatter），即由水体悬浮颗粒导致的光线散射，它在图像中表现为雾霾或亮点（如海洋雪）。他们提出的激光投影图像质量评估指标（LUIQA）巧妙地利用了激光扫描图像受后向散射影响较小这一特点。该指标定义为在原始激光线投影图像的中央特定宽度（d=10像素）且覆盖整个图像高度的感兴趣区域（ROI）内，像素亮度的最大值（q）。这个值反映了水体浊度和海底反射率，从而间接指示了在相同条件下采集的闪光图像的质量。此外，还定义了一个工程分数（e），基于原始闪光图像在同一ROI内的平均亮度，用于监控闪光灯是否正常工作（如是否触发或过曝）。

通过前期巡航数据，研究人员建立了该指标与主观图像质量的对应关系。例如，质量分数q在500左右时图像非常浑浊，几乎不可用；在1000左右时，沙纹和岩石等结构已清晰可见；而当分数达到5000以上时，图像清晰，浑浊度影响可忽略不计。这为远程操作中的决策提供了直观参考。

IV. 海床测绘设备与AUV

研究的演示平台是集成在Autosub Long Range (ALR) AUV（又名Boaty McBoatface）上的BioCam海床测绘系统。BioCam是一个深度评级4000米的系统，包含高动态范围单色和彩色相机、两个高功率LED闪光灯和两个片状激光器。它能够在AUV以0.75米/秒速度、在4-10米高度飞行时，以10Hz频率采集激光线图像，并以0.33Hz频率采集闪光图像。ALR是一种超长航程AUV，续航时间可达数周至数月。其机载控制系统(OCS)基于机器人操作系统(ROS)构建，并通过铱星卫星通信定期传输状态信息，其中包含了经过子采样的BioCam图像质量分数和工程分数。

V. 结果

在为期21天的北海岸基发射科考中，ALR-BioCam系统分两个航段执行任务，总航程超过1000公里，测绘了超过89公顷的海底区域。在任务期间，AUV在每次测绘下潜结束后浮出水面，通过卫星发送包含54个时间窗口内图像质量分数和航行数据（如平均和最小高度）的任务摘要。

第一个航段在North West Hutton站点，首次下潜（M78）后传回的图像分数显示质量低于理想水平，但由于该区域存在突出海底的人造结构，出于安全考虑，后续下潜保持了5米的测绘高度。第二个航段在Miller站点，首次下潜（M93）后传回的数据再次确认图像质量不佳，但航行数据显示AUV高度控制可靠。基于此，操作员在后续下潜中逐步将测绘高度从5米降低至4.6米（M94），最终降至4米（M95）。这一决策带来了图像质量的显著提升，这从任务后下载的全分辨率图像对比中清晰可见。

对传输的图像分数与AUV回收后下载的完整日志数据进行的统计分析（学生t检验）表明，尽管传输的数据量极少（每个任务摘要仅包含54个分数样本），但其分布与设备上记录的大量分数分布一致，证明了这种低带宽采样方法的有效性。研究还生成了详细的海底三维重建和底质分类图，展示了所获数据的高质量及其在环境监测中的应用价值。例如，在North West Hutton站点，三维重建清晰地显示了退役油气基础设施的部件（如导引基座、管道）以及生活在自制洞穴中的大量鳕鱼。

VI. 结论与讨论

本研究成功开发并验证了一种用于长航时、岸基发射AUV海床视觉测绘的远程图像质量感知方法。所提出的LUIQA指标计算简单、鲁棒性强，并能通过极低的带宽需求（仅需几个字节）提供关键的图像质量信息和设备状态反馈。在21天的北海实地应用中，该方法使岸基操作员能够远程评估数据质量，并据此优化后续任务的参数（如安全地降低测绘高度），从而显著提高了最终获取的原始数据质量。与依赖母船的传统调查方式相比，这种船无关的作业模式将燃料消耗和二氧化碳排放降低了大约三个数量级，展现了其在成本、环保和操作韧性方面的巨大优势。这项工作标志着向实现可持续、大规模的离岸海床监测迈出了重要一步，为未来实现AUV完全自主的实时质量优化闭环控制奠定了基础。