一、AUV自动跟踪水下管道的试验研究（论文文献综述）
冀大雄,周佳龙,钱建华,邵静,张洪星[1]（2021）在《海底电缆检测方法发展现状综述》文中研究说明海缆在海洋能源开发、海岛经济发展和国家领土安全等方面都占据着重要的地位,对其路由、埋设深度、故障等信息进行定期检测是保障海缆系统安全可靠运行的必要手段。首先简要分析了人工了望、巡视,海洋"拖鱼"等5种检测手段及其关键技术。然后从检测技术角度,详细阐述了基于光学、电学、声学、磁学及信息融合等多种海缆检测技术原理特点,并根据每种检测技术的国内外发展及应用现状讨论了其优势及局限性。最后,本文指出了目前海缆检测技术存在的问题和海缆检测技术的发展趋势。
成宏达[2]（2021）在《基于双目视觉的水下电缆识别跟踪技术研究》文中研究说明在社会的发展过程中,水下电缆因其经济、安全、可靠性强、传输速度快等特点成为通讯数据和电力能源不可或缺的运输手段之一。水下电缆的使用能够极大地节省能源成本,产生巨大的经济效益,但是海水腐蚀、材料疲劳、地壳变动等原因都会导致电缆的破损和断裂,因此水下电缆的定期巡航检测具有重要的研究意义。基于机器视觉的检测技术,因其图像直观可靠、非接触及响应快等优点,广泛应用于水下电缆检测中。针对传统电缆检测系统实时性差、所需计算资源大的问题,提出了一种实时电缆检测系统,以真实水下电缆图像为研究对象,采用小波变换和改进的γ-CLAHE融合算法,完成图像增强,提出改进的概率Hough变换和最小二乘法相结合的方法检测电缆图像序列,实现水下电缆的精准检测和持续跟踪。主要研究内容如下:（1）针对单一图像增强算法无法适应水下复杂环境变化,对背景较暗的图像容易出现过增强和偏色现象的问题,提出了小波变换和改进的γ-CLAHE相融合的算法,并同传统CLAHE算法、Retinex算法、Singh的融合算法进行对比,通过客观评价指标验证了本文增强算法的有效性和优越性。（2）针对传统电缆检测算法注重单帧图像的处理和检测,对视频整体处理速度提高不够明显的缺点,提出了改进的概率Hough变换和改进的R-LSDR相结合的算法对视频图像进行检测,同时引入了Kalman滤波算法对电缆走向进行预测,进一步缩短检测时间,提高算法的跟踪效果。（3）建立了双目相机的成像模型,通过双目相机的标定实验获取其内参矩阵,推导了像素坐标系和世界坐标系的转换关系,测算了目标相对相机的空间位置。通过试验,验证和评估了测算模型的精度。（4）搭建了室外水池试验场景,对提出的水下电缆检测系统进行试验,并对采集到的视频进行离线处理。结果表明,提出的检测系统可以准确地检测和跟踪水下电缆图像,并且满足系统的实时性要求。
刘亚楠[3]（2020）在《基于深度强化学习的水下机器人循管控制策略研究》文中进行了进一步梳理随着人口的不断增多,资源开采也日益增多,石油、天然气的海底管道铺设也在增加,因此,海洋环境保护受到重视,为了避免随之而来海洋生物环境破坏问题,水下铺设的管道需要定期维护。水下工程设备检测及维护,对于传统的人工来说存在安全隐患,所以对于水下机器人进行海底管道检测方法有着迫切的需求,然而有缆水下机器人实施中存在人工控制的局限性。因此国外学者开展了自主控制方法研究,但是大多需要构建动力学模型,在实际操作中精确的动力学模型是很难获取的。另一方面,许多最新研究成果显示强化学习无需构建运动学模型即可实现机器人的自主运动控制,但鲜有在水下机器人循管方面应用,为此本课题开展基于深度强化学习的水下机器人循管控制策略研究。具体的工作如下:首先,构建出适应于本循管任务课题的虚拟管道实验平台。由于水下机器人硬件十分昂贵,海洋环境条件恶劣,使用真实机器人试验是一项危险性大、成本高的工作。因此本文通过使用OpenAI Gym、机器人操作系统（Robot Operating System,ROS）和UWSim的工具模块进行整合,实现一款面向海底管道检测的三维虚拟仿真平台,该平台可以避免实施方案时的危险问题,也可以降低实验成本和耗时,更可以解决强化学习所需的样本数量问题并且也提升了样本获取的效率,同为本文提供管道训练所需的训练场景。其次,提出了基于深度强化学习像素到动作映射的水下管道端到端循管策略。大多数基于模型的方法无法解决在同一水平面上自主水下机器人（Autonomous Underwater Vehicle,AUV）基于图像的管道循管问题。为此,本文首先在不确定的转移概率下,将AUV作为连续状态、连续动作的马尔可夫决策过程（Markov decision process,MDP）制定管道问题。管道循管策略被建模为从摄像机产生的图像到AUV的速度的映射,并用深度神经网络来表示。然后利用近端策略优化（Proximal Policy Optimization,PPO）方法对神经网络进行训练,得到一个像素到动作的映射策略。最后,本文构造了几个实验来验证所提出的方法的有效性和学习策略的泛化能力。仿真结果表明,所学习的策略能够控制AUV在管道上的运行,对于新的和未知的管道几何结构具有很强的泛化能力。最后,提出了基于改造卷积神经网络结构的循管任务控制策略。因为本文主要依靠水下机器人底部搭载的摄像头所获取的图像进行循管任务,在循管过程中摄像机所获取到的图像,可能会受到水下光及深度等因素的干扰,造成循管策略不够优质,而图像处理的主要部分则为卷积神经网络,所以影响激励值和循管长度的原因可能与卷积神经网络的结构有关。因此,考虑从卷积神经网络的结构入手,通过加入二值化处理方法去除不必要的干扰因素,另外,因为本课题的研究内容仅是图像到动作的映射关系,并且在实验过程中发现小规模的神经网络结构训练效果更好,通过改进策略,进而实现对循管任务策略的优化。
陈浩[4]（2018）在《水下巡线机器人管线识别与运动控制算法研究》文中提出海底油气管线承担着输送油、气、水及其他化学药剂等的重要功能,海底管线的检测和维护作业多使用水下巡线机器人来进行,水下巡线机器人的自主巡线多依据光学系统来实现,因此开展基于图像处理的管线识别与运动控制算法研究具有重要意义。本课题根据水下管线图像的特点,使用图像处理方法,以水下巡线机器人单目摄像信号作为研究对象,研究水下巡线机器人的管线识别和运动方向控制方法,设计开发出一套能让水下巡线机器人自主沿水下管道进行巡线作业的运动导向系统,为水下巡线机器人在水下作业提供辅助。在水下管线图像预处理中,为了减小、消除图像噪声影响,分析对比了几种图像平滑方法的去噪效果;针对水下光照不均、偏色严重的现象,分别使用直方图均衡化、同态滤波、带色彩恢复的多尺度Retinex算法对水下图像进行了处理,还原出较为符合人眼视觉观察的图像,方便操作人员观察以及后续算法处理。本文使用局部自适应阈值化去除水下图像背景,并对处理后图像的小区域杂点进行去除,提取出管道前景图像,对霍夫变换的后续结果进行处理,提出一种基于霍夫变换的管道位置方程提取方法,计算提取出水下管道的位置方程。利用角点检测和匹配方法计算出机器人初始速度方向,根据管道位置方程和初速度提出一种水下巡线机器人的运动控制算法,计算出机器人巡线运动方向。基于上述算法,运用C++和Qt进行系统编程,使用C++编写程序的核心算法、使用Qt搭建程序的交互界面,设计开发出水下巡线机器人运动导向软件。
李真[5]（2018）在《水下管线自动跟踪式ROV的设计及研究》文中提出近年来,开拓海洋领域的工程技术已逐渐成为国家发展战略的焦点和海洋研究领域的热点,海底管道凭借低成本、高效率和高可靠性组成的综合优势铺设长度突飞猛进。海底管道的工作环境十分复杂,安全事故层出不穷,利用各类检测手段保证海底管道的安全生产势在必行,管道检测ROV作为国内外常用的检测设备,被国外公司垄断了市场,研制自主设计的智能管道检测ROV,具备重大的科研价值和工程应用意义。本文的研究目的在于确保智能管道检测ROV自主进行检测,为工程实用提供设计方案,因此研究针对工程背景设计了新型ROV,调研选取了无需电磁激励源的探测系统等相关设备,根据国外先进ROV的工作流程进行了针对性优化,完善了控制策略,据此规划设计了相应的控制器,搭建了仿真测试平台并针对本文设计ROV进行了测试与对比分析。首先,本文调研了国内外海底管道各类检测技术和管道检测ROV的研究现状,并依照作业流程中的各项运动完成控制方法的梳理,为智能管道检测ROV提供了研究进展趋势和设计目标。其次,本文进行了管道检测ROV的总体设计和动力学建模,研究中根据设计目标进行了各个功能模块的设计,调研选取了相应设备,建立了仿真模型并计算重心、浮心和稳定性,采用环形布置进行推进系统的布局,分析了水动力性能,针对设计结构的静态环境进行受力分析,为便于仿真测试建立了动力学方程。再次,本文介绍了选定的探测系统的工作原理,据此设计了控制体系结构,调研了国外ROV作业流程并从设计目标出发进行相应优化,根据优化结果规划了控制策略,解析了每个基本行为内在的工作流程,保证了控制系统运行的可靠性。最后,本文分析了智能检测ROV的整体运动特性,根据运动规划对垂直面运动进行了定深控制,建立了水平面轨迹跟踪模型及动力学方程,由此建立轨迹跟踪误差方程,设计了自适应PID的轨迹跟踪控制器,利用Lyapunov理论验证闭环控制系统的渐进稳定性,同时针对动力定位进行双闭环改进。利用仿真测试平台进行了不同运动的性能测试,与现有自动跟踪ROV研究进行对比,结果表明了控制系统的有效性,为下一步原型机的搭建提供了设计基础。
刘奕晖[6]（2017）在《基于AUV的水下管道检测及位置估算方法研究》文中进行了进一步梳理海洋中蕴含着丰富的矿产资源,但由于水下环境特殊,海洋资源的开发需要专业的设备和技术支持。自主水下机器人（Autonomous Underwater Vehicles,AUV）是一种可以在无人操作的情况下实现探测作业的水下无人装备,利用搭载的水下视觉系统AUV能够自主完成水下环境探测、目标识别等任务。水下机器人技术是当前各国研究的热点,而水下目标检测是水下机器人研究中的一项关键技术。本文开展了基于AUV的光视觉水下管道检测及管道位置估算方法的研究。研究内容包括:根据水下光学成像的原理和特点,从滤波、增强、分割、边缘检测四方面入手,对水下管道检测的图像处理算法进行了研究。针对传统模糊增强算法灰度损失、计算量大的缺点,从隶属度函数、快速性两方面改进了传统模糊增强算法。研究了一种基于区域饱和度控制的边缘特征滤波方法,减小干扰像素对后续直线特征提取的影响。针对水下图像特点和算法快速性要求,构建了水下图像处理流程。在传统Hough变换的管道检测方法基础上,研究一种基于直线特征聚类的管道检测方法。使用改进Hough变换对管道二值化图像进行直线特征提取,采用改进K-means聚类算法对直线进行聚类,并根据上一帧图像中管道位置对检测到的直线进行限制,最终得到管道中轴线位置。本文方法有效避免了边缘信息提取错误对管道检测准确率的影响。利用多组水池管道序列图进行了离线检测试验,将本文方法与传统管道检测方法进行对比,验证了本文方法在准确率和检测速度上的优势。基于AUV的水下管道位置估算方法的研究。对摄像机成像模型进行了分析,构造了水下管道检测与跟踪系统的成像几何模型,推导了各坐标系间的转换关系,得到管道经纬度计算方法。通过水下微光摄像机标定试验获得了摄像机的内部参数,并利用水池试验记录的数据,估算出管道相对于AUV的位置,验证了管道位置估算方法的有效性。
李盛前[7]（2016）在《基于视觉技术的水下焊接机器人系统研究》文中研究表明本文以实现“总体遥控,局部自动”控制策略的水下自动化焊接为主旨,研究了一套由水下双目立体视觉子系统、机器人子系统以及水下焊接子系统组成的水下焊接机器人视觉伺服跟踪焊缝系统。在基于视觉技术的水下焊接机器人跟踪焊缝过程中,水下焊接技术、水下图像处理、立体匹配、立体视觉三维重建、水下摄像机标定、手眼标定、焊接机器人轨迹规划及其水下跟踪控制技术等问题一直是水下视觉焊接机器人发展的瓶颈,相比于陆上,这些关键技术处理更加困难。本文针对水下视觉焊接机器人关键技术研究了以下内容:（1）根据系统性能要求及水下工程设备焊接检修特点,设计了系统总体硬件结构方案,选择了堆焊方式修补;并对整个系统涉及重要基础理论进行了讨论,为后续关键技术研究提供技术支持。（2）研制了水下云台视觉试验平台和水下机器人双目视觉系统。课题研制了带水下云台的双目视觉试验平台,开发了用于水下焊接机器人的双目视觉系统。在硬件方面对水下双目立体视觉系统零件进行设计、计算选型,设计了安装机械结构和防水密封结构;在软件方面,进行了相关图象处理程序的开发和应用,针对水下焊接图像噪声污染严重,选择了均值滤波器预处理。针对水下摄像机标定技术,提出了改变焦距补偿方法,采用了先畸变校正,后标定的策略,利用了张氏标定法对摄像机标定。最后利用标定结果测量实际空间曲线,验证了算法的正确性、可行性和有效性。（3）针对以摄像机光心为原点的实际坐标系相对理想坐标系发生偏转移,以及光心无法定位,导致无法对双目测量结果具体验证的问题,提出了基于最小二乘法的坐标系校准方法,并创新设计研制了检测平台,具体实验验证了坐标系校准方法的准确性及双目视觉系统测量精确性、重复稳定性。（4）根据传统D-H法建立机器人运动学模型过程存在的不足,提出了基于旋量理论的串联式机器人逆运动学模型,并运用希尔维斯特（Sylvester）结式法对其求解得到全部的解。（5）针对水下焊接机器人作为不确定性、时变性、耦合性、高度非线性系统,无法建立其精确的动力学模型,作为理论研究,提出了基于模型补偿的自抗扰控制方法;并且为了提高控制器最佳跟踪控制动、静态性能,提出了自抗扰滑模复合控制技术。（6）基于系统水下焊接需要,设计了一种局部干式法排水罩机构,其结构设计主要采用了内外“双环”形式,使排水罩排干水同时并保证了焊接起弧燃烧的稳定性,其创新设计并获得了发明专利。（7）完成关键技术研究基础上,搭建了焊接机器人水下空间手眼协调跟踪系统试验平台,应用VC++6.0和Open CV开发了系统软件;完成了系统软硬件联调并将系统应用于实验室水箱中进行焊接试验,模拟了实际水下设备焊接检修,试验结果表明系统能实现水下焊缝自动跟踪焊接。
牛泽民[8]（2016）在《基于磁信号引导的水下机器人海缆自动跟踪技术研究》文中指出近年来,海底缆线凭借其独特的性能优势已逐渐成为当代通讯中不可或缺的载体,但受自然和人为因素影响,中断等突发故障事件日益频繁发生,海缆探测也因此成为保障海缆通信畅通的关键技术,具有重要的理论研究意义和实际应用价值。本课题主要研究了一种双三维磁学海底缆线探测系统,并基于水下机器人平台设计海缆路由与埋深的探测方案,目的是快速准确地探测海缆的路由轨迹、埋设深度和故障点位置,为海缆探测工程实践提供理论基础。首先,本文梳理全球海底缆线工程的发展历程,介绍各种海缆探测技术及其研究现状。在各种探测技术对比的基础上选择磁学方法,然后基于海底缆线的电磁性质建立了电磁场模型,分析了磁信号探测器测量海缆感应电动势的基本原理。然后对比分析不同探测器配置模式的优缺点,最终选择双三维磁学探测器配置模型。其次,提出了基于磁信号引导的遥控水下机器人海缆路由跟踪系统的设计方案,介绍了探测系统的组成结构和各部分的功能。在定义状态变量的基础上给出两种定位计算方法及其详细推导过程,最后对探测作业流程进行了步骤化设计。再次,将基于行为的控制规划策略引入到自主式海缆路由跟踪过程中,提取一系列具备切换或融合机制的基本行为。然后详细介绍自主式水下机器人海缆定位跟踪的层次化控制体系设计方案和探测作业流程,为水下机器人可靠地探测和跟踪海缆的运动控制提供规划指导。最后,利用Lyapunov稳定性判据和PD控制技术设计了三维空间内的AUV海缆路由跟踪控制器,然后通过仿真实验验证所提出的海缆定位跟踪方案的可行性与有效性。结果表明,利用搭载三维磁学探测系统的水下机器人平台进行海底缆线探测跟踪的技术方案是可行的,对提高海缆探测工作的效率具有重要意义。
李双双[9]（2016）在《基于梯度信息的AUV水下管道检测方法研究》文中研究说明海洋中蕴藏着丰富的生物资源和矿产资源,正日益成为人类资源开发的新空间。海洋资源开发需要科学技术和设备的支持,水下机器人因其安全、高效、作业深度大、能在水下长时间工作而日益成为开发海洋资源的重要工具。水下机器人技术是当前各国研究的热点,而基于视觉的水下目标检测与跟踪是水下机器人研究中的一项关键技术。本文结合工信部的“海洋探测智能潜水器工程化技术研究”项目,展开了智能水下机器人（AUV）基于光视觉的水下管道检测与跟踪方法研究。主要研究内容包括:1.分析了水下光学成像特性和水下图像的特点。针对图像去噪和算法快速性的要求,研究了高斯降采样的方法。考虑到高斯降采样有平滑边缘的缺点,引入了图像尺度空间的概念,并对高斯降采样算法进行了改进。在研究图像增强算法时,针对传统的模糊增强算法存在计算量大、损失低灰度信息等缺点,对其进行了改进,构造出一种新的根据直方图信息确定渡越点取值的增强算法。2.在水下管道检测过程中,传统方法是采用基于Hough变换的直线检测算法进行管道检测。本文首先研究了基于Hough变化的水下管道检测方法,分析了该方法存在误检以及复杂度高等缺点,因而引入了一种新的基于图像梯度信息的线段检测算法,并改进了区域生长算法。然后根据管道的特点,对检测到的线段进行限制,最终定位管道的位置。最后,通过大量的对比实验,从检测的正确率和算法的速度两方面验证了本文方法相对于传统的基于Hough变换的方法的优势。3.分析了摄像机的成像几何模型,研究管道图像坐标系与机器人坐标系的转换关系。采用张正友标定法进行摄像机的标定试验,获得摄像机的内部参数。根据摄像机的安装位置和角度,确定摄像机的外部参数。最终确定管道的图像坐标到机器人坐标的转换关系。4.构建了 AUV管道检测与跟踪的光视觉系统的软硬件体系结构,并在半实物仿真平台下进行AUV水下管道检测与跟踪系统的仿真实验,验证算法的有效性和系统的可靠性。最后,利用本文算法对多组水池管道序列图像进行了离线检测,实验结果表明本文算法能有效检测水下管道,并且满足系统的实时性要求。
黄新敬[10]（2016）在《海底管道地理坐标测量技术研究》文中认为海底管道输送油气时,存在内外温度差和压力差,会使其有伸长的趋势,并在大尺度内变得很柔软。当受到洋流或潮汐的冲刷时,海底管道会发生漂移,并伴随着应力集中,从而加速其腐蚀、老化。海底管道一旦偏离设计路由,造成地理坐标丢失,会使得对其定位、维护、维修变得困难。同时,海底管道缺陷内检测也只有在知道了海底管道地理坐标的前提下才有意义。对海底管道地理坐标进行全管段、高频次测量,可以及时掌握海底管道的变形、漂移情况,对其安全运行有十分重要的意义。因此,本文研究联合采用自主式水下机器人（Autonomous Underwater Vehicles,AUV）和球形内检测器测量海底管道地理坐标。主要包括:（1）采用等效磁荷法分析了无缝钢管和螺旋钢管内的磁场分布,研究了管道走向与管道内磁场分布的关系及其特点,研究了焊缝处磁场突变产生的原因和特点,并实验研究了如何利用管道内磁场测量管道走向以及识别和定位焊缝。稳定识别的焊缝作为后续数据融合的永久参考点。（2）研究并提出了一种无需外部辅助测量手段的利用球形内检测器进行海底管道三维地理坐标测量的方法。该方法的优点和可行性已经在一条30km的成品油管道上得到了证实。通过对准实际的和计算的管道端点坐标进行校准,来降低定位偏差。内检测结果可以作为一个初始值以融合其他外部测量。（3）针对AUV携带声呐探测海底管道时设备多、数据交换量大、任务复杂的特点,设计了基于Ethernet和CANBUS的AUV数据通讯及控制系统。既能实现海量数据通信,又能保证部分控制和反馈指令的实时通信。提出了一种通过从航迹跟随误差到航向修正值的直接映射来实现制导函数的路径跟随方法,以提高AUV携带声纳检测的效率。仿真表明凸映射能够取得更好的路径跟随效果。AUV的测量结果可为内检测提供部分参考基准。（4）针对海底管道两端固定且位置姿态已知的特点,根据特殊欧拉群SE（N）上的误差传播理论,建立了海底管道在随机洋流作用下的位置漂移模型,以确定海底管道位置漂移的最大范围,作为先验知识。研究了利用三维曲面近似展开进行海底地貌、海底管道漂移模型、内检测结果融合的方法。
二、AUV自动跟踪水下管道的试验研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、AUV自动跟踪水下管道的试验研究（论文提纲范文）
（1）海底电缆检测方法发展现状综述（论文提纲范文）
| 0 引言 |
| 1 海缆检测手段 |
| 1.1 人工了望、巡视 |
| 1.2 海洋“拖鱼” |
| 1.3 潜水员下潜 |
| 1.4 水下机器人检测 |
| 1.5 海岸监测站 |
| 2 海缆检测技术 |
| 2.1 光学检测 |
| 2.2 电学检测 |
| 2.3 声学检测 |
| 2.4 磁学检测 |
| 2.4.1 绝对磁场法 |
| 2.4.2 金属探测法 |
| 2.4.3 有源检测法 |
| 2.5 多传感器融合 |
| 3 存在问题及发展趋势 |
| 4 结语 |
（2）基于双目视觉的水下电缆识别跟踪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水下图像增强国内外研究现状 |
| 1.3 水下电缆检测国内外研究现状 |
| 1.3.1 水下电缆检测国外研究现状 |
| 1.3.2 水下电缆检测国内研究现状 |
| 1.4 论文主要研究内容 |
| 第2章 水下电缆图像预处理算法研究 |
| 2.1 水下成像特性 |
| 2.2 水下电缆图像质量特点 |
| 2.3 水下电缆图像增强 |
| 2.3.1 图像去噪 |
| 2.3.2 改进的CLAHE算法 |
| 2.3.3 基于小波变换的图像增强算法 |
| 2.4 边缘检测 |
| 2.4.1 经典Canny边缘检测 |
| 2.4.2 自适应Canny算法 |
| 2.5 试验结果与分析 |
| 2.5.1 图像质量评价指标 |
| 2.5.2 结果与分析 |
| 2.6 本章小结 |
| 第3章 水下电缆快速检测算法研究 |
| 3.1 传统Hough变换电缆检测方法 |
| 3.2 基于概率Hough变换的电缆直线边缘检测 |
| 3.2.1 概率Hough变换 |
| 3.2.2 电缆边缘直线约束 |
| 3.2.3 最小二乘法及优化 |
| 3.3 基于卡尔曼滤波的水下电缆区域预测 |
| 3.4 水下电缆检测算法 |
| 3.5 本章小结 |
| 第4章 水下电缆位置测算 |
| 4.1 摄像机成像模型 |
| 4.1.1 理想成像模型 |
| 4.1.2 摄像机畸变模型 |
| 4.1.3 系统成像几何模型 |
| 4.2 水下摄像机标定 |
| 4.2.1 张正友标定法 |
| 4.2.2 摄像机标定试验 |
| 4.3 相机建模求解电缆相对坐标 |
| 4.3.1 水下电缆位置坐标的转换推导 |
| 4.3.2 电缆位置信息测算试验 |
| 4.4 本章小结 |
| 第5章 电缆检测与跟踪试验 |
| 5.1 试验场景搭建 |
| 5.2 水池电缆图像验证 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（3）基于深度强化学习的水下机器人循管控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 水下管道虚拟平台构建 |
| 2.1 训练平台的总体框架 |
| 2.2 三维虚拟循管作业环境构建 |
| 2.3 水下机器人构建 |
| 2.3.1 基于ROS的水下机器人运动控制实现 |
| 2.3.2 基于Gym的循管环境实现 |
| 2.4 基于循管任务的管道场景构建 |
| 2.5 本章小结 |
| 第三章 基于深度强化学习算法的循管策略研究 |
| 3.1 循管任务的问题建模 |
| 3.1.1 循管任务描述 |
| 3.1.2 循管任务的马尔可夫模型 |
| 3.2 基于PPO算法的水下循管方法 |
| 3.2.1 循管任务策略 |
| 3.2.2 循管任务学习算法的处理过程 |
| 3.3 基于深度强化学习算法的循管任务实验 |
| 3.3.1 训练场景描述 |
| 3.3.2 PPO法针对循管任务的有效性 |
| 3.3.3 PPO算法针对循管任务的泛化能力 |
| 3.4 本章小结 |
| 第四章 策略模型的神经网络结构优化 |
| 4.1 基于TWO-STREAM结构的图像数据特征提取 |
| 4.1.1 图像数据预处理 |
| 4.1.2 二值化介绍 |
| 4.1.3 二值化图像特征提取 |
| 4.1.4 Two-stream神经网络结构设计 |
| 4.2 管道循管任务优化策略的训练实验 |
| 4.2.1 改进的神经网络结构训练 |
| 4.2.2 实验结果讨论 |
| 4.2.3 验证改进策略的有效性 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（4）水下巡线机器人管线识别与运动控制算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题来源与研究意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像处理的国内外研究现状 |
| 1.2.2 管线检测和跟踪的国内外研究现状 |
| 1.3 论文研究内容与论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构 |
| 第2章 水下管线图像的预处理 |
| 2.1 水下管线图像光学成像规律和特点 |
| 2.1.1 水下管线图像成像规律 |
| 2.1.2 水下管线图像特点 |
| 2.2 水下管线图像平滑方法的评价与选择 |
| 2.2.1 水下管线图像的图像加噪处理 |
| 2.2.2 水下管线图像的平滑处理 |
| 2.2.3 水下管线图像平滑处理的评价与选择 |
| 2.3 水下管线图像光照补偿与色彩恢复方法的评价与选择 |
| 2.3.1 水下管线图像的光照补偿与色彩恢复 |
| 2.3.2 水下管线图像光照补偿色彩恢复算法的评价与选择 |
| 2.4 本章小结 |
| 第3章 基于霍夫变换的管线方程提取研究 |
| 3.1 管线方程提取方法设计 |
| 3.2 基于局部自适应阈值化的水下管线图像背景去除 |
| 3.2.1 局部自适应阈值化 |
| 3.2.2 背景去除图像的小区域杂点去除 |
| 3.3 基于Canny算法的边缘检测 |
| 3.3.1 传统Canny算法 |
| 3.3.2 基于Canny算法的优化 |
| 3.4 基于霍夫变换的管线方程关键点提取 |
| 3.4.1 基于霍夫变换的管线图像直线提取 |
| 3.4.2 霍夫变换结果直线筛选 |
| 3.4.3 管线方程关键点提取 |
| 3.5 管线方程拟合 |
| 3.5.1 最小二乘法拟合管线方程 |
| 3.5.2 基于最小二乘法的优化 |
| 3.6 管线识别结果验证 |
| 3.7 本章小结 |
| 第4章 基于特征点的巡线运动方向计算研究 |
| 4.1 巡线运动方向计算方法设计 |
| 4.2 水下巡线机器人初始运动方向获取 |
| 4.2.1 管线图像特征角点检测 |
| 4.2.2 间隔管线图像间的角点匹配 |
| 4.3 水下巡线机器人巡线运动方向计算 |
| 4.3.1 位置偏差、方向偏差及情况划分 |
| 4.3.2 水下巡线机器人巡线运动方向计算 |
| 4.4 本章小结 |
| 第5章 巡线作业运动导向系统设计开发 |
| 5.1 系统整体介绍 |
| 5.1.1 硬件系统要求 |
| 5.1.2 编程环境介绍 |
| 5.1.3 软件需求分析 |
| 5.1.4 功能模块划分 |
| 5.2 系统程序设计 |
| 5.2.1 算法模块 |
| 5.2.2 交互模块 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 A 管线识别结果验证部分图像 |
| 附录 B 系统程序部分核心算法 |
| 致谢 |
（5）水下管线自动跟踪式ROV的设计及研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 海底管道检测研究现状 |
| 1.2.1 管道检测技术类型 |
| 1.2.2 智能检测ROV研制现状 |
| 1.3 智能检测ROV运动控制研究现状 |
| 1.3.1 管道跟踪 |
| 1.3.2 动力定位 |
| 1.4 本文主要研究内容 |
| 2 智能检测ROV总体设计 |
| 2.1 总体布局及结构设计 |
| 2.1.1 设计目标 |
| 2.1.2 结构设计 |
| 2.1.3 浮力模块设计 |
| 2.1.4 检测设备模块与传感器模块设计 |
| 2.1.5 总体布局设计与稳定性分析 |
| 2.2 推进系统设计与建模 |
| 2.2.1 推进系统布局设计 |
| 2.2.2 推进系统模型 |
| 2.3 水动力分析及环境影响 |
| 2.3.1 忽略环境影响的水动力分析 |
| 2.3.2 管道状态对水动力的影响 |
| 2.4 运动学及动力学建模 |
| 2.4.1 坐标系建立和变换 |
| 2.4.2 智能检测ROV受力分析 |
| 2.5 本章小结 |
| 3 智能检测ROV控制系统设计 |
| 3.1 管道检测控制体系结构设计 |
| 3.1.1 被动磁化式电磁管道检测的工作原理 |
| 3.1.2 基于行为控制的控制体系结构设计 |
| 3.2 管道检测控制策略 |
| 3.2.1 控制策略总体规划 |
| 3.2.2 基本行为工作流程 |
| 3.3 本章小结 |
| 4 智能检测ROV运动控制仿真平台设计 |
| 4.1 智能检测ROV管道跟踪仿真建模 |
| 4.1.1 智能检测ROV平面运动分析 |
| 4.1.2 智能检测ROV跟踪误差分析 |
| 4.2 仿真系统控制器设计 |
| 4.2.1 常规检测控制器 |
| 4.2.2 详细检测控制器 |
| 4.3 控制系统分析 |
| 4.3.1 自动跟踪控制系统基本问题 |
| 4.3.2 基于电磁法的控制系统分析 |
| 4.4 本章小结 |
| 5 控制系统仿真测试与结果分析 |
| 5.1 仿真平台搭建 |
| 5.2 基础运动测试 |
| 5.2.1 定深控制 |
| 5.2.2 动力定位控制 |
| 5.2.3 管道跟踪控制 |
| 5.3 无干扰总测试与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）基于AUV的水下管道检测及位置估算方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题背景及研究意义 |
| 1.3 国内外研究现状 |
| 1.4 论文主要内容 |
| 第2章 水下管道图像处理 |
| 2.1 引言 |
| 2.2 水下成像特性 |
| 2.3 水下管道图像处理 |
| 2.3.1 水下管道图像滤波算法 |
| 2.3.2 水下管道图像增强算法 |
| 2.3.3 水下管道图像分割与边缘检测算法 |
| 2.3.4 基于饱和度控制的水下管道边缘特征滤波 |
| 2.4 本章小结 |
| 第3章 基于直线特征聚类的管道检测方法研究 |
| 3.1 引言 |
| 3.2 传统Hough变换管道检测方法 |
| 3.3 基于直线特征聚类的管道检测方法 |
| 3.3.1 改进的Hough变换算法 |
| 3.3.2 K-means聚类算法 |
| 3.4 管道检测试验结果分析 |
| 3.5 本章小结 |
| 第4章 基于AUV的管道位置估算方法 |
| 4.1 引言 |
| 4.2 摄像机成像模型 |
| 4.2.1 理想成像模型 |
| 4.2.2 摄像机的畸变模型 |
| 4.2.3 系统的成像几何模型 |
| 4.3 摄像机标定试验 |
| 4.3.1 基于2D平面靶标的摄像机标定 |
| 4.3.2 水下微光摄像机标定结果 |
| 4.4 管道位置坐标系的转换 |
| 4.5 管道位置信息估算试验 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（7）基于视觉技术的水下焊接机器人系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 水下焊接机器人研究发展现状 |
| 1.2.1 水下机器人 |
| 1.2.2 水下焊接机器人 |
| 1.2.3 核辐射环境水下机器人 |
| 1.3 视觉机器人关键技术研究及其焊接领域的应用 |
| 1.3.1 立体视觉技术 |
| 1.3.2 摄像机标定技术 |
| 1.3.3 机器人视觉伺服跟踪控制方法研究现状 |
| 1.3.4 机器视觉技术在焊接领域应用现状 |
| 1.4 水下焊接技术研究现状 |
| 1.4.1 湿法 |
| 1.4.2 干式法 |
| 1.4.3 局部干式法 |
| 1.5 基于视觉的水下焊接机器人系统研究存在的问题及难点 |
| 1.6 课题来源和研究意义 |
| 1.6.1 课题来源 |
| 1.6.2 研究意义 |
| 1.7 论文主要研究内容 |
| 1.7.1 水下焊接机器人系统设计及其基础理论研究 |
| 1.7.2 水下视觉子系统研制与标定技术研究 |
| 1.7.3 视觉系统实际摄像机坐标系校准技术研究 |
| 1.7.4 水下焊接机器人手眼协调焊缝跟踪控制技术研究 |
| 1.7.5 水下机器人控制系统及其性能测试 |
| 第二章 水下焊接机器人系统设计及其基础理论研究 |
| 2.1 引言 |
| 2.2 系统总体结构方案设计 |
| 2.2.1 系统工作环境及应用对象 |
| 2.2.2 系统性能要求 |
| 2.2.3 系统总体集成结构 |
| 2.3 遥控操作子系统设计 |
| 2.4 系统总体基础理论研究 |
| 2.4.1 摄像机模型 |
| 2.4.2 水下视觉焊接机器人系统数学模型 |
| 2.4.3 双目立体视觉三维重建模型 |
| 2.4.4 摄像机标定 |
| 2.4.5 手眼关系标定 |
| 2.4.6 图像处理技术 |
| 2.4.7 机器人运动学 |
| 2.4.8 机器人动力学模型 |
| 2.4.9 机器人跟踪控制方法 |
| 2.5 本章小结 |
| 第三章 水下视觉子系统研制与标定技术研究 |
| 3.1 引言 |
| 3.2 水下视觉子系统实验平台硬件设计 |
| 3.2.1 水下视觉子系统实验平台组成结构 |
| 3.2.2 硬件选型 |
| 3.3 水下双目立体视觉子系统平台结构设计 |
| 3.3.1 摄像机数目配置 |
| 3.3.2 水下双目视觉结构布局 |
| 3.3.3 视觉子系统防水密封结构设计 |
| 3.3.4 视觉子系统机械结构设计 |
| 3.4 水下视觉子系统技术研究 |
| 3.4.1 水下摄像机非线性几何模型 |
| 3.4.2 水下空间摄像机标定技术研究 |
| 3.4.3 水下双目立体视觉标定 |
| 3.4.4 水下图像三维重建技术研究 |
| 3.5 水下视觉子系统试验研究 |
| 3.5.1 试验设备与材料 |
| 3.5.2 试验内容 |
| 3.6 本章小结 |
| 第四章 视觉系统摄像机坐标系校准技术研究 |
| 4.1 引言 |
| 4.2 摄像机坐标系偏转存在分析 |
| 4.2.1 理论分析 |
| 4.2.2 实验分析 |
| 4.3 坐标系校准模型 |
| 4.3.1 平面坐标系变换模型 |
| 4.3.2 三维坐标系变换模型 |
| 4.4 摄像机坐标系偏转校准方法 |
| 4.4.1 偏转角与平移量理论计算 |
| 4.4.2 齐次矩阵参数求解实验 |
| 4.5 实验及结果分析 |
| 4.5.1 实验测试 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第五章 水下焊接机器人手眼协调跟踪控制技术研究 |
| 5.1 引言 |
| 5.2 问题分析及视觉伺服控制结构选择 |
| 5.3 基于单固定点的水下手眼同时标定技术研究 |
| 5.3.1 水下手眼标定过程方法 |
| 5.3.2 手眼标定试验 |
| 5.4 基于旋量理论的机器人逆运动学求解方法 |
| 5.4.1 旋量理论的多自由度机器人运动学模型 |
| 5.4.2 六自由度机器人逆解实例 |
| 5.5 水下焊接机器人视觉跟踪轨迹规划方法 |
| 5.5.1 跟踪焊缝B样条轨迹规划 |
| 5.5.2 仿真计算 |
| 5.6 水下焊接机器人视觉伺服自抗扰滑模控制方法 |
| 5.6.1 基于模型补偿的自抗扰控制方法 |
| 5.6.2 自抗扰滑模跟踪控制方法 |
| 5.7 水下焊接工艺与水下焊缝成形关系预测模型研究 |
| 5.7.1 水下焊接子系统试验平台 |
| 5.7.2 排水罩设计 |
| 5.7.3 水下焊接工艺对焊缝成形影响规律实验及分析 |
| 5.7.4 基于SVRM的水下焊缝成形预测模型 |
| 5.8 本章小结 |
| 第六章 水下焊接机器人控制系统及其性能测试 |
| 6.1 引言 |
| 6.2 系统总体硬件结构 |
| 6.3 数据通讯模块设计 |
| 6.4 系统软件设计 |
| 6.4.1 系统总体架构 |
| 6.4.2 系统软件结构设计 |
| 6.4.3 人机交互界面设计 |
| 6.5 系统总体水下空间焊接试验与结果分析 |
| 6.5.1 焊炬坐标系标定实验 |
| 6.5.2 水下焊接跟踪控制性能实验 |
| 6.6 本章小结 |
| 结论与展望 |
| 1 主要工作及结论 |
| 2 创新点 |
| 3 展望与建议 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）基于磁信号引导的水下机器人海缆自动跟踪技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究概况 |
| 1.3 论文的主要研究内容 |
| 2 海底缆线的电磁场模型分析 |
| 2.1 海缆的电磁场分布性质 |
| 2.2 感应电动势的测量 |
| 2.3 海水衰减效应下的电流频率选择 |
| 2.4 磁探测器的配置方案设计 |
| 2.5 本章小结 |
| 3 海底缆线探测系统设计 |
| 3.1 系统组成 |
| 3.2 探测原理 |
| 3.3 海缆探测的作业流程 |
| 3.4 探测定位计算方法 |
| 3.5 本章小结 |
| 4 AUV海缆探测运动行为规划 |
| 4.1 基于行为的AUV海缆跟踪控制体系设计 |
| 4.2 水下机器人探测海缆的的行为设计 |
| 4.3 本章小结 |
| 5 AUV海缆探测路由跟踪仿真实验 |
| 5.1 AUV的运动模型建立 |
| 5.2 AUV海缆跟踪控制器设计 |
| 5.3 AUV海缆跟踪仿真实验及结果分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 课题展望 |
| 致谢 |
| 参考文献 |
| 附录一 攻读硕士学位期间发表的论文 |
（9）基于梯度信息的AUV水下管道检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题背景和研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 水下管道图像的采集及预处理 |
| 2.1 引言 |
| 2.2 水下光学成像特性 |
| 2.3 水下图像的特点 |
| 2.4 图像降采样 |
| 2.4.1 高斯降采样 |
| 2.4.2 图像的尺度空间 |
| 2.4.3 改进的图像降采样方法 |
| 2.5 图像增强 |
| 2.5.1 传统的模糊增强算法 |
| 2.5.2 改进的模糊增强算法 |
| 2.5.3 图像增强结果及对比分析 |
| 2.6 本章小结 |
| 第3章 水下管道的检测 |
| 3.1 引言 |
| 3.2 基于Hough变换的水下管道检测 |
| 3.3 基于梯度信息的水下管道检测 |
| 3.3.1 获取图像梯度场 |
| 3.3.2 区域生长及改进 |
| 3.3.3 线段区域的矩形近似 |
| 3.3.4 检验有效直线段 |
| 3.4 管道边缘直线约束 |
| 3.5 检测结果与分析 |
| 3.6 本文方法与传统方法的比较 |
| 3.7 本章小结 |
| 第4章 摄像机的标定 |
| 4.1 引言 |
| 4.2 摄像机的成像模型 |
| 4.2.1 理想的成像模型 |
| 4.2.2 摄像机的畸变模型 |
| 4.2.3 系统的成像几何模型 |
| 4.3 摄像机的标定实验 |
| 4.3.1 基于2D平面靶标的摄像机标定 |
| 4.3.2 水下微光摄像机标定结果 |
| 4.4 管道信息的理解 |
| 4.5 本章小结 |
| 第5章 AUV管道检测与跟踪系统实验研究 |
| 5.1 引言 |
| 5.2 水下管道视景仿真 |
| 5.3 半实物仿真平台的搭建 |
| 5.3.1 管道检测与跟踪系统的软件结构 |
| 5.3.2 管道检测与跟踪系统的硬件结构 |
| 5.4 仿真实验验证 |
| 5.5 水池管道序列图像验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）海底管道地理坐标测量技术研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的意义 |
| 1.2 海底管道位置测量方法综述 |
| 1.2.1 内部检测法 |
| 1.2.2 外部检测法 |
| 1.3 本文主要研究内容 |
| 第二章 管道内磁场分析及其应用 |
| 2.1 引言 |
| 2.2 无缝钢管内磁场分析 |
| 2.2.1 分析方法 |
| 2.2.2 结果与讨论 |
| 2.2.3 实验 |
| 2.3 螺旋钢管内磁场分析 |
| 2.3.1 分析方法 |
| 2.3.2 结果与讨论 |
| 2.3.3 实验 |
| 2.4 管道内磁场与管道走向关系 |
| 2.4.1 三种结果对比 |
| 2.4.2 非理想磁导率的影响及处理办法 |
| 2.4.3 软铁、硬铁干扰及校正方法 |
| 2.5 利用管道内磁场识别环焊缝 |
| 2.5.1 可行性分析 |
| 2.5.2 实验 |
| 2.5.3 管道内磁场较强时焊缝识别及定位 |
| 2.5.4 管道内磁场较弱时焊缝识别及定位 |
| 2.6 小结 |
| 第三章 基于球形内检测器的海底管道位置测量 |
| 3.1 引言 |
| 3.2 方法 |
| 3.2.1 方向测量 |
| 3.2.2 里程测量 |
| 3.3 实验 |
| 3.4 结果与讨论 |
| 3.4.1 用a_2计算R_(12) |
| 3.4.2 B_1和管道走向的计算 |
| 3.4.3 里程和位置计算 |
| 3.4.4 讨论 |
| 3.5 小结 |
| 第四章 基于AUV的海底管道检测 |
| 4.1 引言 |
| 4.2 声呐测量方案 |
| 4.2.1 多波束测深仪与侧扫、浅剖声呐 |
| 4.2.2 影响声呐测量精度的因素 |
| 4.2.3 定位与通讯 |
| 4.3 具体实施方法 |
| 4.3.1 系统网络设计 |
| 4.3.2 软件设计 |
| 4.4 基于动态圆法的路径跟随 |
| 4.4.1 基于DCHM的航向制导 |
| 4.4.2 DCHM在AUV实体模型上的实施 |
| 4.4.3 仿真结果与讨论 |
| 4.5 小结 |
| 第五章 海底管道位置漂移建模及融合 |
| 5.1 引言 |
| 5.2 三维曲面的平面展开映射及逆映射 |
| 5.3 海底管道漂移建模 |
| 5.3.1 单节管子的二维柔度矩阵 |
| 5.3.2 管道链的漂移模型 |
| 5.4 漂移模型与测量结果融合 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
四、AUV自动跟踪水下管道的试验研究（论文参考文献）
- [1]海底电缆检测方法发展现状综述[J]. 冀大雄,周佳龙,钱建华,邵静,张洪星. 南方电网技术, 2021(05)
- [2]基于双目视觉的水下电缆识别跟踪技术研究[D]. 成宏达. 燕山大学, 2021(01)
- [3]基于深度强化学习的水下机器人循管控制策略研究[D]. 刘亚楠. 大连海洋大学, 2020(01)
- [4]水下巡线机器人管线识别与运动控制算法研究[D]. 陈浩. 中国石油大学(华东), 2018(07)
- [5]水下管线自动跟踪式ROV的设计及研究[D]. 李真. 大连理工大学, 2018(02)
- [6]基于AUV的水下管道检测及位置估算方法研究[D]. 刘奕晖. 哈尔滨工程大学, 2017(06)
- [7]基于视觉技术的水下焊接机器人系统研究[D]. 李盛前. 华南理工大学, 2016(05)
- [8]基于磁信号引导的水下机器人海缆自动跟踪技术研究[D]. 牛泽民. 华中科技大学, 2016(01)
- [9]基于梯度信息的AUV水下管道检测方法研究[D]. 李双双. 哈尔滨工程大学, 2016(03)
- [10]海底管道地理坐标测量技术研究[D]. 黄新敬. 天津大学, 2016(07)