以下文章來源于中國科學信息科學，作者 SCIS

研究意義

為了提高自主水下航行器（Autonomous Underwater Vehicle, AUV）末端光學導引回收的精度，本文提出了一種可靠的導引回收方法，旨在為AUV在能源補充、數據傳輸和指令下達等方面提供更快的解算速度、較低的算力功耗需求以及較少的能量消耗。

本文工作

本文搭建了基于多象限測角的光學導引定位硬件系統，提出了多分支回歸網絡的AUV光學導引定位方法(圖1)。首次將深度網絡引入多象限測角的光學導引定位位置解算任務中，設計了多分支結構的位置解算回歸網絡，研究了數據驅動的多維度定位約束訓練方法, 構建了水下光學導引定位系統的物理幾何關系，實現了光學導引硬件與算法的一體化設計。通過解算多象限光電探測器采集的導引燈偏角數據，獲取了AUV與導引燈的相對位置，實時輸出AUV的即時位置坐標，完成了海試驗證。

圖1 AUV導引定位系統示意圖

創新點：

導引硬件與算法一體化設計。為了實現水下光學導引大視角的高精度定位，本文采用了多象限光電探測器，分析導引燈組排布與AUV的物理幾何關系，進而建立了光學導引偏角-位置的數學模型。從導引燈的幾何排布角度出發，在理論上證明了使用三個非共線排布的導引燈可以確保導引燈偏角數據與AUV位置 (簡稱偏角-位置) 的一一對應關系, 是保證在算法層面產生唯一位置真值解的重要前提條件。

多分支結構的位置解算回歸網絡。為了提升模型的表示能力，本文采用深度學習方法建模，設計了多分支結構的位置解算回歸網絡（圖3）。將通過多象限光電探測器獲取的導引燈偏角信息進行AUV位置解算的任務視為回歸問題，采用編解碼器結構，提高了位置解算精度和速度。

多維度的空間位置約束目標函數。為了更高效地指導網絡模型參數優化，本文從方向、距離、坐標三個維度設計網絡模型目標函數，建立了多維度空間定位精度約束，進一步提高了網絡模型的解算精度和泛化能力。

圖3 AUV多分支網絡光學導引定位方法技術路線圖

實驗結果

在導引回收任務中，全面評估定位精度對于確保方法效果至關重要，通過在不同距離的定位精度實驗。展示本文研究方法在位置解算的準確性。本文方法在 0.8m 至 20m 范圍內的坐標定位精度實驗數據如圖4所示。可以看出，絕對坐標誤差隨著距離的增加而增加，由統計分析可得，其均值 58.292mm@0.8 ~ 20m，標準差為 43.347mm@0.8 ~ 20m.

圖4 不同距離的定位精度分布圖

為了直觀展示多分支網絡光學導引定位方法的位置坐標解算精度，設計仿真軌跡以進一步測試，AUV 坐標預測軌跡的可視化結果（圖6）。軌跡仿真實驗中采樣了 80 個點，其坐標解算的絕對坐標誤差均值為 41.256mm@0.8 ~ 20m，絕對坐標誤差最大值為 143.847mm@0.8 ~ 20m，絕對坐標誤差最小值為 3.276mm@0.8~20m。

圖6 軌跡預測結果圖

在相同的驗證條件下，同樣使用物理仿真隨機生成的 10 萬組偏角-位置數據，使用多項式回歸算法、支持向量回歸算法、決策樹算法和隨機森林回歸算法，與多分支結構的位置解算回歸網絡算法在 0.8~20m 的導引范圍內對定位坐標精度進行比較。與傳統回歸算法相比，多分支結構的位置解算回歸網絡的絕對坐標誤差均值僅為58.292mm，展現出更高的定位精度。這一結果表明了多分支回歸網絡在特征提取和非線性建模上的優勢， 尤其在處理復雜定位任務時，表現出了更高的定位精度。

為了驗證多分支網絡光學導引定位方法的位置解算精度，本研究團隊在自然資源部北海海洋技術中心海港港池開展了海試驗證。三條軌跡的坐標真實值和預測值結果如圖9所示。

圖9 海試實驗軌跡預測結果圖

通過對絕對坐標誤差進行計算和統計，得到預測軌跡點與采集的 GPS 軌跡點平均絕對坐標誤差在 35.102mm@1 ~ 3m，而仿真實驗的平均誤差僅為6.646mm@1~3m，與海試數據存在差距。這是由于海試誤差除了算法本身存在的誤差以外，主要是由 GPS 的測量誤差和多象限光電探測器的測量誤差造成，如表5中所示。因此，海試中的誤差積累難以避免導致了仿真和實驗存在定位誤差差異。同時，綜合 GPS 和多象限光電探測器的測量誤差來看，海洋試驗的誤差仍在合理范圍內，驗證了該方法在海洋環境中仍可以實現預期的精確定位。