5、水下感知的连续系统集成与验证

水下感知的连续系统集成与验证

1. 知识数据库

深海任务成本高昂，且对生命和设备存在风险。因此，关于任务目标的先验知识能降低失败风险并提高安全性。特别是在人造结构的视觉检查或操作任务中，融入先验知识可提高任务的效率和效果。为此，离线构建了一个数据库，其中包含任务目标的属性，例如DexROV中部署的测试面板等目标对象的信息。除了目标对象的3D形状和CAD模型等基本信息外，还包含特定任务的静态数据，如测试面板上的杠杆、阀门和开关的重量、方向或尺寸等。

2. 面板姿态估计任务（TP）

面板TP的3D姿态估计是核心任务之一，因为其准确计算有助于可靠地操作面板上的阀门和杠杆，而且它是将面板模型及其运动学属性投影到模拟中（如图2.5E所示）并启用SIL方法的基础。因此，TP被选作主要的基准任务。

2.1 方法：基于精确基准标记的面板检测

在传感器数据存在噪声（如低质量相机图像、虚假定位读数等）的情况下，准确估计面板姿态是一项具有挑战性的任务。常见方法可利用RGB或RGB增强深度信息（RGB - D）形式的可用视觉流来估计准确的3D（6自由度）对象姿态。为降低失败风险并提高安全性，所提出的检测方法结合了离线先验知识，如CAD面板模型和附着在面板预定义位置的视觉地标（ArUco标记）。

即使面板部分可见，通过一系列空间变换（如图2.5D所示），结合面板模型（如图2.10D所示），也能准确估计面板姿态。在这个过程中，里程计框架中的面板姿态 $T_{O}^{P}$ 可通过以下公式估计：
$T_{O}^{P}=T_{O}^{R}T_{R}^{C}T_{C}^{M}T_{M}^{P}$ (2.1)
其中，$T_{C}