基于单目视觉的GNSS拒止环境下AUV沿海距离估计可行性研究

《Sensors》：Monocular Vision-Based Coastal Distance Estimation for GNSS-Denied AUV Operations: A Feasibility Study

　　

本文探讨的问题涉及导航支持，包括对自主水下航行器（Autonomous Underwater Vehicles, AUVs）的导航支持，此类航行器在GNSS拒止的沿海区域采用航位推算（dead-reckoning）方法时，定位误差会系统性增大。在此类情况下，获取航行器水面周边环境的图像，并利用光学系统视场（field of view, FOV）内物体的信息，成为一种有效手段。所提出的方法采用单目相机（monocular camera）与图像分割（image segmentation）技术，估计到选定沿海参考物体的距离。通过确定已知高度物体在垂直平面内所占像素数量，即可利用公认的数学公式计算距离。该方法以半自动可行性研究（semi-automatic feasibility study）的形式进行了评估，所用图像在海上条件下由摩托艇获取。森林感兴趣区域（region of interest, ROI）及用于建筑测量的海陆参考线由人工选取。所得估计值与采用的参考距离进行比较，参考距离由相机GPS坐标及人工选取的已测绘参考位置推导而来。所报告的差异描述的是与这些参考值的一致程度，这些参考值的不确定度未经过独立量化，且不构成可计量溯源的绝对测量精度。图像质量与分割误差会影响最终的距离估计结果。研究结果表明，该方法具有提供辅助距离观测的潜力；然而，其部署于AUV并集成至其导航系统的方案未经过实验验证。本文描述了该方法并展示了研究结果。

论文解读：基于单目视觉的GNSS拒止环境下AUV沿海距离估计可行性研究

一、研究背景与问题

自主水下航行器（Autonomous Underwater Vehicles, AUVs）已成为海洋探索的重要工具，其通常搭载声呐、相机等多种传感器以感知周围环境。然而，AUV在水下环境面临诸多导航挑战。由于水下无法接收全球导航卫星系统（Global Navigation Satellite System, GNSS）信号，定位精度受到显著影响，加之海流扰动与平坦海底地形等因素，导航问题更为复杂。当前AUV导航方法包括航位推算（dead-reckoning）、惯性导航、声学导航及地球物理导航等，但导航误差会随时间累积，尤其在依赖低成本惯性测量单元（Inertial Measurement Unit, IMU）时更为突出。在动态且不确定的水下场景中，局部路径规划与避障对保障AUV安全至关重要。当无线电导航信号不可用或被干扰时，航位推算误差随时间增大，因此AUV亟需一种能够利用自身搭载传感器估计位置的方法。

无人航行器通常配备相机，虽然水下探测距离有限，但相机在水面观测中具有重要价值。图像处理算法可从图像中提取有效信息，其中图像分割是将数字图像划分为若干具有相似属性区域的过程，传统算法与深度学习卷积神经网络均可用于此目的。在自主导航中，图像分割通过提供像素级目标分类，实现对全场景上下文的理解。

二、研究目的与意义

本文提出一种在AUV临时浮出水面期间利用单目图像估计到沿海参考物体距离的方法。该方法通过图像分割识别森林、高层建筑等沿海物体，基于针孔相机模型（pinhole camera model），依据已知物体高度及其在图像中的像素高度估算距离。该方法可从单幅单目图像提供被动距离估计，但不独立确定航行器位置；当与地理识别的参考物体关联时，该测量可约束相对于该物体的径向位置不确定性。完整三维重建、视觉同步定位与建图（Simultaneous Localization and Mapping, SLAM）、主动目标跟踪及与惯性导航的集成不在本可行性研究范围内。

该方法的贡献在于：提出基于单目视觉的沿海物体距离估计方法；研究森林与建筑两类参考物体；在真实海上条件下进行测试；识别方法局限性。

三、主要技术方法

研究人员采用半自动处理流程，包括图像采集、参考物体定位、感兴趣区域（Region of Interest, ROI）选取、像素高度测定、真实高度设定、距离估计及与GNSS参考距离比较。实验图像由Olympus TG-6相机在摩托艇上以手持方式拍摄，相机距水面约1米，固定标称焦距，图像分辨率及传感器尺寸已知。相机位置由图像EXIF元数据中的GPS坐标获得，参考距离在Google Earth中测量。图像分割采用YOLOv8x-seg实例分割网络，使用约10,000张沿海与海洋环境高分辨率图像进行微调，训练50个epoch，输入尺寸固定，推理时采用重叠分块处理并重新拼接。距离计算基于针孔相机模型，利用物体真实高度、像素高度、焦距及传感器参数建立几何模型。

四、研究结果

4.1 第一阶段：单一森林区域可行性实验

研究人员在15个测量位置观测同一沿海森林区域，距离范围约400至12,000米。森林高度假设为15米。在约1166至2606米距离范围内，基于人工像素测量的估计值与参考距离的绝对差约为17至26米；在最短参考距离369米处，绝对差约为152米。在更远距离处，森林仅占据少量像素，例如在12,422米和11,038米处，人工测量的森林高度均为5像素，方法产生相同的量化距离估计值11,868米，表明图像分辨率不足以在远距离区分较小的距离变化。基于分割的估计值与参考距离的绝对差范围为约183至1,512米。超过约6,000米时，多幅图像中森林无法可靠分割。该阶段证实了利用森林表观高度估计距离的几何可行性，但图像分割精度与像素量化显著限制了方法的有效工作范围。

4.2 第二阶段：多森林区域实验

研究人员在约20公里长的海岸段上20个测量位置观测不同沿海森林区域，距离范围约500至1,900米。为减少光学畸变影响，测量在靠近相机光轴的窄ROI内进行。基于人工像素测量的估计值与参考距离的绝对差约为11至79米，基于分割的估计值差异约为27至197米。参考距离不确定度未独立量化，可能相对于最小观测差异（约11至30米）较为显著，因此这些数值表明与采用的参考值高度一致，但不能证明同等水平的绝对测距精度。结果支持在约500至1,900米研究范围内、测试条件下距离估计的可行性，但未建立经过验证的工作范围或证明满足特定AUV导航精度要求。

4.3 第三阶段：已知高度建筑实验

研究人员以格丁尼亚Sea Towers大厦为参考物体，采用独立已知高度125.4米（不含桅杆），在27个位置进行测量，距离范围879至5,383米。建筑部分被沿海基础设施和植被遮挡，完整轮廓和物理基座并非在所有位置均可见，因此图像测量定义为海陆参考线与建筑类最高像素之间的垂直距离。有效参考高度由建筑物理高度减去其基座高于海平面参考的高程确定，为125.0米。海陆参考线为人工选取，因此该实验并非完全自动处理流程。估计值与参考距离的平均绝对差约为745米，最大绝对差约为1,846米（参考距离约5,383米处）。建筑垂直方向占据70至688像素。尽管建筑表观高度可观，与参考距离仍存在显著差异，潜在因素包括分割边界误差、人工选取海陆参考线的不确定性、几何假设及参考距离不确定度。

五、讨论与结论

三个阶段的结果汇总显示：第一阶段人工测量平均绝对误差（Mean Absolute Error, MAE）约229米，平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）5.72%，分割估计可用9/15观测，MAE约662米，MAPE 25.38%；第二阶段人工测量MAE约44米，MAPE 4.21%，分割测量MAE约95米，MAPE 8.39%；第三阶段分割估计MAE约745米，MAPE 24.45%。所有指标描述的是与采用参考值的一致程度，参考值不确定度未独立量化，不构成可计量溯源的绝对测量精度。

研究结论表明，沿海参考物体可为未来GNSS拒止环境下AUV导航提供辅助距离信息。所提方法不独立确定航行器完整位置，其输出可作为附加观测，用于与惯性导航、航位推算、地图信息或多个沿海地标观测的集成，但此类集成未在本研究中得到实验验证。主要局限包括参考距离不确定度未量化、森林实际高度不确定、相机几何未标定、ROI及海陆参考线人工选取、分割误差、物体部分遮挡、大气能见度、相机姿态与平台运动未测量、图像量化及远距离几何效应。未来工作将集中于独立参考测量、相机标定、自动地标关联、考虑不确定度的距离估计、小型远距离物体分割改进，以及与AUV导航系统集成的评估。